![]()
nature communications：无预处理SERS传感使用自注意力神经网络在分级多孔银泡沫上的微塑料检测
作者假设如果金属基底的尺度具有宏观特征，并且具有从水溶液中吸附微塑料（MPs）的物理化学亲和力，同时还能支持局部电场以产生强烈的SERS信号（图1b），那么SERS可能成为一种可行的无PCPT传感方法。此外，金属表面必须具有足够的疏水性，以从溶液中吸附MPs，并有助于放大毛细力，将MPs捕获在复杂的宏观多孔网络中。环境样品中除了MPs，还含有大量带电的有机和无机物质，因此这种结构应能够从流动的水溶液中分离或解复用MPs（图1c）。3D金属结构还会产生更体积化的等离子模式，使MPs可以被SP和散射光从各个方向激发，从而实现吸附物种的SERS检测。然而，复杂样品中含有多种MPs和其他干扰物质，会产生复杂的拉曼光谱，峰值重叠难以解释（图1d），因此仅靠多孔结构不太可能实现无PCPT的SERS检测。
该文描述了一种将多孔3D SERS基底与基于自注意力的CNN相结合的传感工作流程，物理和计算解复用SERS光谱。在复杂的MPs混合物和各种环境干扰物质中测试了该工作流程，准确确定了6种类型的MPs（即聚苯乙烯、聚乙烯、聚甲基丙烯酸甲酯、聚四氟乙烯、尼龙和聚对苯二甲酸乙二醇酯）的存在。![]()
图1 |利用多孔等离子体衬底和基于自注意的神经网络检测MPs的策略。
结果讨论：
![]()
图2 | AgF@AgM@C10的制备与表征
SEM显示了不同放大倍数下AgF的表面，以及它是如何被平均孔径为28±4 nm的介孔Ag膜(AgM)所覆盖的(图2c-e)。这种结构被称为AgF@AgM，表明介孔Ag金属封装了AgF(图2)。形成介孔银层后，银泡沫的电化学活性表面积(ECSA)提高了25%。![]()
图3 | AgF@AgM@C10的光学特性和等离子体性能。根据图3得：通过在无序银泡沫（AgF）表面引入介孔结构，可以显著增强光吸收和局部表面等离子体共振（LSPR）模式，提高SERS信号。介孔银膜在532 nm激发下生成多种电磁热点，显著增强了光与金属的耦合。涂有介孔的AgF（AgF@AgM）表现出显著的SERS增强因子（EF），特别是在检测多种形态和尺寸的微塑料（如PS、PE、PTFE、PMMA、尼龙、PET）时，确认了介孔结构在增强微塑料拉曼散射中的关键作用。![]()
图4 | SpecATNet用于MPs混合物的分析
传统的CNN适用于二元或多类分类，但在环境中采集的复杂多组分样品中准确性有限。为解决此问题，作者提出了SpecATNet，该模型通过自注意力机制对多组SERS光谱进行加权处理，生成可靠的样本总结（Zsurvey），提高了对每种MP存在概率的预测准确性。SpecATNet通过自注意力分配权重，比手动平均和统计方法更具适应性，能够更有效地识别复杂样品中的MPs。![]()
图5 | AgF@AgM@C10和SpecATNet对不同复杂度的MPs进行分析通过实验，文章们验证了AgF@AgM@C10基底在低浓度PS微塑料（MPs）下的检测能力，确定了SpecATNet在处理环境样品中的MPs浓度（如104MPs /L）时的最低光谱输入要求。实验表明，SpecATNet能处理不同数量的光谱并发处理，这优于仅处理单一光谱输入的常规CNN。在104MPs /L浓度下，仅需3到4个光谱即可高准确度地识别PS，而在102MPs /L浓度下则需要10个光谱。在更低浓度（50到10 MPs /L）下，需要超过15个光谱才能达到高准确度。此外，单个PS颗粒的检测需要6到8个光谱。SpecATNet的主要指标（精度、召回率和F1分数）随着输入光谱数量的增加而提高，在输入10个光谱时达到96%的平均准确度。在2组分MP混合物的检测中，SpecATNet的准确度超过95%。![]()
作者对光催化老化的不同大小和形状的微塑料（MPs）样品进行了检测，模拟了复杂环境矩阵（如腐殖酸、废水、海水、藻类、土壤和沉积物），并通过SERS和SpecATNet进行分析。尽管这些样品由于其多样的尺寸、形状和化学组成而极为复杂，但所有测试样品的平均识别准确率达到了94%。在两组五成分环境混合物中，例如含有藻类的老化PET和PS样品，识别准确率达到100%；含有泡沫PS和尼龙碎片的样品，识别准确率为97%。此外，SpecATNet在处理不含MPs的负控制实验中（如处理BSA/NaCl、废水、沉积物、土壤、藻类和海水）表现出低的假阳性率。
文章回顾
=》Environmental Research：新冠疫情大流行的环境影响：在周围环境影响下口罩释放出的微塑料、有机污染物和微量金属
=》富铁水生环境中溶解有机物介导的微塑料光老化机制
