本文报道了利用激光直写加工技术和丝网印刷技术实现了在聚酰亚胺(PI)薄膜上大规模制备三电极体系的LIG电化学传感器(LIGS)。通过对其电化学性能的评估,LIGS具有显著的电催化性能,具有替代传统玻碳电极、丝网印刷电极的潜质。此外,将LIGS用于检测对苯二酚(1,4-二羟基苯,HQ)、邻苯二酚(1,2-二羟基苯,CC)和间苯二酚(1,3-二羟基苯,RC),LIGS表现出优异的检测性能。在此基础上,建立了智能预测干扰环境下邻苯二酚异构体浓度的ANN模型。基于ANN的线性回归模型模拟得到相关系数为0.998,表明其能够正确预测复杂河流样品中同分异构体的总浓度和单个物质的浓度。因此,本章为石墨烯电化学传感器的批量化制备和应用以及邻苯二酚异构体智能检测传感平台的开发提供指导。
邻苯二酚异构体,即对苯二酚、邻苯二酚和间苯二酚,是重要的化工中间体,广泛应用于医药工业、化妆品制造、橡胶抗氧化剂等领域。邻苯二酚异构体作为一种对人体健康和环境具有高度毒性的化合物,因其敏感性和选择性的测定而备受关注。然而,由于它们在结构和性质上的相似性,建立一种同时检测邻苯二酚异构体的方法是具有挑战性的。目前已有多种检测邻苯二酚异构体的方法,如高效液相色谱耦合质谱(HPLC-MS)、电泳和气相色谱耦合质谱(GC-MS)等。与上述方法相比,电化学传感器具有成本低、灵敏度高、操作简单、线性范围宽等优点,更适合于现场检测和大量样品的及时筛选。这些特征为快速、精确地检测和评估环境样品中的邻苯二酚异构体提供了巨大的潜力。
大量研究表明,三维(3D)多孔石墨烯具有大比表面积和高导电路径,能够提高电荷传递和质量传递的效率,从而增强电化学响应。然而,制造3D石墨烯的方法,如模板介导组装、化学气相沉积(CVD)和自组装,通常需要复杂且不环保的化学合成步骤或昂贵的仪器。LIG是一种新兴的电极材料,可以通过激光直接写入技术制备。LIG具有制备过程不需要化学试剂、一步加工和图样可设计等优点,该技术可以为传感等电子设备提供便捷的途径。
传感器实际应用的另一个挑战是由于交叉干扰,缺乏在不同环境下对多个目标进行选择性检测的创新策略。回归分析是机器学习(ML)算法的一个子领域,是结合传感技术来解决交叉干扰的环境监测的强大工具,特别是作为ML算法中一种重要的ANN广泛应用于回归分析,最近引起了分析化学科研人员越来越多的研究兴趣,因为它能够对线性或非线性系统建模,并且学习迅速、易于实现。例如,ANN模型结合电化学传感器已被用于精确测量萘乙酸的浓度。然而基于ML的电化学传感器大多只能实现对单个分析物浓度的预测,或者通过构建传感器阵列来实现对多个分析物浓度的预测,从而获得多维特征。将电化学信号作为指纹信息进行多特征提取是实现多目标检测的有效途径。同时,很难直接显示模型背后的参数关系,导致ANN只需要像“黑箱”一样的输入输出变量。因此,可以引入局部特征重要性测量来更好地理解特征之间的关系,并通过两个可视化工具来可视化特征的变化是如何影响模型性能:部分依赖图(pdp)和个别条件期望图(ICEPs)。迄今为止,集成了ANN算法和多特征提取的单个LIG传感器还没有被探索用于精确同时检测三种邻苯二酚异构体的总浓度和单个浓度。
江南体育官网
本文提出了一种不需要任何活性材料修饰,结合ANN算法和多特征提取的单一LIG传感器,用于智能检测复杂样本中邻苯二酚异构体的总浓度和单体浓度。作为证明概念,采用激光直写技术辅助丝网印刷技术,大规模制备了基于LIG的三电极结构传感器(LIGS)。然后利用所设计的低成本、高性能LIGS,通过差分脉冲伏安法(DPV)对三种常见苯酚化合物,即邻苯二酚的三种异构体进行选择性监测。为了克服交叉干扰,定量准确地检测3种邻苯二酚异构体,从得到的DPV响应中提取6个特征(响应变化和峰面积)来建立ANN支持的算法。此外,利用pdp和ICEPs对所建立的算法模型中输入参数与输出结果之间的关系进行了分析和可视化。这种智能LIGS可能成为环境中酚类化合物原位分析的一种变革性方法,为未来精确实时的环境监测铺平了道路。
图1为大量制备LIGS的简化示意图。PI向LIG的转变是一个与局域高温相关的光热过程,前体中的化学键会断裂并重新结合。随着气体产物的快速释放,LIG呈现出泡沫结构的外观。通过CO2激光刻划,将预先设计好的图案快速刻画到PI表面上,形成高导电性的LIG。然后采用丝网印刷技术对银浆和氯化银浆进行快速镀膜,以减轻传感器磨损,提高电导率。LIGS的可模式化和高效制造工艺为开发石墨烯基电化学器件提供了一条经济有效的途径。
图2为LIG电极检测邻苯二酚异构体。图3为基于机器学习监测复杂环境中邻苯二酚异构体浓度。
图2.用LIGS对CC、HQ和RC进行电化学检测。在0.1 M PBS (pH 7.0)中,不同浓度(A) CC,(B) HQ和(C) RC的DPV响应。插图:每个分析物的氧化峰值电流密度与浓度的线性关系。
图3.(A) ANN辅助分类数据准备示意图;(B) 不同数量特征的模型计算数据雷达图;(C) ANN算法在pH = 7.0 PBS中预测邻苯二酚异构体总浓度的性能;以及ANN算法在预测河流样品中(D) CC;(E) HQ;(F) RC浓度时的性能;(G)六个特征值的特征密度散点图。(H) 特征S1和特征S3的偏依赖图。
本文提出了一种基于无修饰LIGS传感器和基于ANN模型的机器学习在复杂环境下监测邻苯二酚异构体的新策略。首先,激光诱导和丝网印刷工艺的结合成功地实现了无粘合剂电极的快速大规模生产。我们对LIGS进行了系统的优化和表征,结果表明它比传统的SPCEs、SPAEs和GCE具有更优异的电化学性能。这些优点保证了目标分析物在区分和检测三种低检出限的邻苯二酚异构体时相对快速的电子转移和易于积累。此外,建立了一种基于LIGS的机器智能预测神经网络模型,该模型在预测邻苯二酚异构体的总浓度和单个异构体浓度方面表现出了极高的准确性。将预测值与实验值进行了比较,结果表明预测值与实验值基本吻合,R2均在0.99以上。LIGS优异的电化学性能与可靠的ANN算法相结合,证明了该方法在低成本、简单、痕量检测有害酚类化合物方面的可行性和可检测性,对环境和人类安全都具有重要意义。