近日，南华大学甄德帅教授课题组在《Sensors and Actuators B: Chemical》（中科院1区, Top, IF= 7.7）杂志上发表了题为“AI-Driven Colorimetric Sensor for On-Site Detection of Uranyl Ions Using Spherical COFs as Photosensitive Oxidases”的学术论文，为机器学习辅助比色检测现场水中铀酰离子研究提供了新思路。博士生武志文为第一作者，甄德帅为通讯作者，南华大学为第一单位和通讯单位。
铀是核工业发展的基础，但其放射性和化学性质对公众健康构成了潜在风险。因此，迫切需要开发一种灵敏、简便且能实时检测铀的技术。现已开发出包括电感耦合等离子体质谱（ICP-MS）、原子吸收光谱法（AAS）、X射线荧光光谱法（XRF）、电化学分析法、比色法等方法。然而，这些方法容易受到来自其他物质的干扰或可能导致假阳性结果，例如传统纳米酶（贵金属纳米酶、金属氧化物纳米酶）存在粒径和形貌难以控制、反应速率较慢、环境适应性差（盐度、酸碱条件影响检测结果）等问题，而二维COFs则因电子结构和宽带隙导致载流子迁移率低、强酸强碱条件下结构易降解、孔内活性位点有限等缺陷，限制了其在复杂环境样品中的应用。为了解决这个问题，将不同检测信号整合起来进行交叉验证和减少误差的双模式检测策略得到了更多关注，其中机器学习/比色法双模式检测策略在检测铀酰方面显示出特别的前景。本研究通过构建基于球形光敏COFs氧化酶活性的比色检测体系，并结合随机森林回归模型对反应体系的RGB颜色信息进行智能分析，实现了对铀酰离子的快速、直观、准确的现场定量检测，有效克服了传统单一检测方法的局限性。
方案1：AI检测铀酰示意图。
本研究介绍了一种基于球形光敏共价有机框架（TPB-DVA）平台的新型机器学习辅助比色模式铀酰离子（UO₂²⁺）检测策略。TPB-DVA在氙灯照射下表现出优异的类氧化酶活性，其米氏常数(Km)为0.07 mM，最大初始速度(Vmax)为3.46×10-5M/min，可将溶解氧快速还原为超氧阴离子（O₂·⁻），从而催化氧化无色的3,3',5,5'-四甲基联苯胺（TMB）溶液变为蓝色的oxTMB。当UO₂²⁺存在时，其与oxTMB的亚胺基团发生特异性配位，调控电荷转移过程，使溶液从蓝色逐渐褪去变为无色；同时，通过捕获反应体系的颜色RGB值，结合随机森林回归模型进行智能分析，实现定量检测。在检测策略中，传统比色传感部分线性检测范围为（0.12-10）× 10⁻⁶ M，检测限为54 nM；机器学习驱动部分在25- 400 nM浓度范围内展现出优异的预测精度，训练集和测试集的R²分别达到0.979和0.965，预测值与真实值高度吻合。且利用了智能手机的颜色捕捉技术能够实现快速便捷的样本分析。该方法已成功应用于自来水、铀矿废水、湘江水、黄浦江水和尿液等实际样品，加标回收率为91–99%，证明了其在环境和生物监测UO₂²⁺方面的实际效用。
甄德帅教授课题组依托学校核医特色、环保优势，聚焦“典型环境污染物的健康危害及有效防控”，长期从事核素铀的研究工作，积极为生态环境保护、食品安全和人民健康贡献力量。此次成果是该课题组继Analytical Chemistry, Applied Catalysis B: Environmental, Food Chemistry, Chinese Chemical Letters, ACS Applied Materials Interfaces, Sensors and Actuators B-Chemical等国际知名期刊之后发表的又一重要研究成果。
全文链接：https://doi.org/10.1016/j.snb.2026.140032
