近日，学院硕士研究生樊倩柔、本科生李慧为共同一作，安庆师范大学为第一单位在国际知名期刊《Chemical Engineering Journal》发表题为“Machine learning-based peroxidase-like sensor arrays for the discrimination of thiophene compounds”的研究论文。通讯作者为冷玉敏教授、官叶斌教授、何晓教授。该期刊为JCR一区、中科院一区TOP期刊，影响因子12.5。
噻吩类化合物是存在于工业废水和燃料中的含硫有机物，与环境污染密切相关。因此，迫切需要开发一种快速、便捷的检测方法。在本研究中，团队开发了一种基于机器学习的类过氧化物酶传感器阵列，用于5种噻吩类化合物的高效区分和灵敏检测。通过使用具有类过氧化物酶活性的铂铁纳米线（Pt Fe NWs）和四甲基联苯胺（TMB）作为显色底物，该传感器阵列在三个不同pH条件下产生了不同的吸光度指纹图谱。 密度泛函理论( DFT )计算表明，噻吩类化合物在Pt Fe NWs表面的吸附能普遍高于H2O2，表明其优先吸附在纳米酶表面。吸附的噻吩分子通过苯环或噻吩环与Pt原子之间的相互作用，不同程度地抑制了Pt Fe NWs的类过氧化物酶活性。这些不同的抑制效应在三个pH传感通道中产生独特的吸光度指纹图谱。该传感器阵列不仅可以对五种噻吩类化合物进行定性识别，还可以通过线性判别分析( LDA )和聚类分析( HCA )等机器学习方法对其进行定量测定。此外，还成功验证了该传感器阵列对噻吩混合物的识别能力、抗干扰性和实际应用性。本工作展示了三通道Pt Fe NWs传感器阵列在噻吩类化合物识别方面的应用潜力。（撰稿：冷玉敏 审核：刘志强）
