该研究小组在《Analytical Chemistry》杂志上发表了一篇题为“协作内腔效应和界面调制机制，用于促进深度学习驱动的免疫层析病原体检测”的研究性论文。本文第一作者李跃春博士，通讯作者王建龙教授。第一作者来自西北农林科技大学。

纳米免疫层析测定 （ICA） 成为病原体诊断的有力工具，但目前的纳米技术仍然受到光-物质相互作用效率不足、纳米材料流动动力学缓慢和免疫识别效率低下的制约。在此，我们提出了一种深度学习增强的免疫测定法，协同利用空心碳纳米球 （h-CNS） 的内腔效应和界面抗体取向调节来超灵敏地检测鼠伤寒沙门氏菌。由于空腔内的内部光反射，h-CNSs 表现出显著增强的光吸收（摩尔消光系数为 5.4 × 1011 vs. 3.7 × 1011 L mol-1 cm-1）和光热转换效率（66.78% vs. 43.37%）由于空腔内的内部光反射，而降低的密度 （0.05 g mL-1） 优化了侧向流动动力学。使用 3,5-二羧基苯硼酸的进一步界面修饰可通过硼酸盐亲和力实现定向抗体固定，将抗体结合亲和力提高 83 倍（Ka = 2.95 × 109 vs. 3.55 × 107 M-1）。集成到 ICA 中，D-h-CNS 可实现 500 CFU mL-1（比色）和 100 CFU mL-1（光热）的视觉检测限，超过了传统的 ICA （104 CFU mL-1），并在加标牛奶和生菜中表现出高特异性、稳健的稳定性和可靠的性能。通过与卷积神经网络 （CNN） 集成，开发的纳米平台通过增强训练实现了 100% 的鼠伤寒沙门氏菌检测准确率，为通过纳米材料设计和智能数据分析放大生物传感信号提供了范式。

DOI: 10.1021/acs.analchem.5c03367