趙凌藝,楊 馨,魏 懿,楊瑞琴*,趙 倩,張洪文,蔡偉平

1. 中國人民公安大學(xué)偵查學(xué)院,北京 100038 2. 刑事科學(xué)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100038 3. 中國人民公安大學(xué)信息網(wǎng)絡(luò)安全學(xué)院,北京 100038 4. 中國科學(xué)院合肥物質(zhì)科學(xué)研究院固體物理研究所,安徽 合肥 230031

引 言

目前,毒品濫用仍是一個(gè)全球性問題,由此引發(fā)的犯罪、事故與疾病傳播給社會(huì)穩(wěn)定和公共衛(wèi)生帶來了極大的威脅。根據(jù)《2021年中國毒情形勢(shì)報(bào)告》,在我國現(xiàn)有吸毒人員中,海洛因?yàn)E用的比例占近40%,仍是主要濫用毒品之一。海洛因被攝入體內(nèi)后,會(huì)逐步代謝成為6-單乙酰嗎啡(6-MAM)和嗎啡[1]。鑒于海洛因依舊是高風(fēng)險(xiǎn)阿片類毒品,建立高效、便捷、精準(zhǔn)的海洛因及其代謝物的檢測(cè)與識(shí)別方法對(duì)毒品管控、打擊毒品犯罪至關(guān)重要。常規(guī)的海洛因及其代謝物的鑒定技術(shù)主要有色譜法和免疫分析法[1-2]。但這些方法通常需要較為復(fù)雜耗時(shí)的樣品前處理過程、昂貴的大型儀器和專業(yè)的操作人員。表面增強(qiáng)拉曼光譜(SERS),能夠提供分子的特征指紋譜圖。與常規(guī)拉曼光譜相比,SERS可以通過貴金屬(Au、Ag等)納米材料的局域表面等離激元共振效應(yīng)極大地增強(qiáng)分析物的拉曼信號(hào)[3-4],適用于痕量物質(zhì)的分析檢測(cè)[5];同時(shí),SERS還具有響應(yīng)快速、操作簡(jiǎn)單、無損檢測(cè)等優(yōu)點(diǎn)。因此,SERS在毒品鑒定中具有很好的應(yīng)用前景。近年來,基于SERS鑒定毒品的研究工作已有一些報(bào)道[6-9]。其中,也有針對(duì)海洛因及其代謝物的研究,例如:2020年,Akcan等將經(jīng)預(yù)處理的加標(biāo)唾液樣品與Ag納米粒子混合后滴加在Au納米棒陣列上,以對(duì)唾液中的海洛因及其代謝產(chǎn)物(嗎啡、嗎啡-3-β-葡萄糖醛酸、6-MAM)進(jìn)行檢測(cè)[8]。該方法的主要局限在于:(1)需要兩種SERS基底的協(xié)同作用才能實(shí)現(xiàn)對(duì)海洛因及其代謝產(chǎn)物的靈敏測(cè)定;(2)樣品質(zhì)量或含量受到影響時(shí),可能無法得到與該報(bào)道類似的結(jié)果。

此外,由Akcan等給出的光譜結(jié)果也可知,海洛因、嗎啡和6-MAM的拉曼譜圖較為相似[8]。對(duì)于相似的結(jié)果,盡管可通過特征峰信息進(jìn)行區(qū)分,但人工處理大量復(fù)雜的譜圖數(shù)據(jù),不僅耗時(shí)較長(zhǎng),而且存在錯(cuò)判的風(fēng)險(xiǎn)。尤其在現(xiàn)場(chǎng)檢測(cè)時(shí),面對(duì)大量復(fù)雜的光譜數(shù)據(jù),快速獲得準(zhǔn)確直觀的結(jié)果,是鑒定人員所期待的目標(biāo)。而模式識(shí)別技術(shù),能夠?qū)崿F(xiàn)對(duì)大量樣本的自動(dòng)分類識(shí)別,提高分析效率并降低人工誤判的可能性。模式識(shí)別技術(shù)主要包括主成分分析(PCA)、偏最小二乘回歸、支持向量機(jī)(SVM)、k近鄰算法等方法。通過模式識(shí)別技術(shù)處理拉曼光譜數(shù)據(jù),已成功實(shí)現(xiàn)了一些毒品(如甲基苯丙胺、可卡因、芬太尼等)的鑒定[10-14]。然而,SERS與模式識(shí)別技術(shù)結(jié)合鑒別海洛因及其代謝物尚鮮見報(bào)道。

總之,海洛因及其代謝物的高效檢測(cè)與精確分類鑒別,仍是亟待解決的需求。為此,針對(duì)溶液中痕量海洛因及其代謝物,提出了基于Au/SiO2復(fù)合納米球陣列(Au/SiO2NSA)的SERS檢測(cè)與模式識(shí)別相結(jié)合的思路,研究毒品的靈敏檢測(cè)與高效鑒別。首先,采用膠體球模板-濺射沉積的方法制備了具有良好SERS活性和結(jié)構(gòu)一致性的Au/SiO2NSA。然后,以此為SERS基底(芯片),結(jié)合便攜式拉曼光譜儀,成功實(shí)現(xiàn)了對(duì)水溶液中海洛因及其主要活性代謝物(6-MAM和嗎啡)的靈敏檢測(cè)。接下來,借助模式識(shí)別技術(shù)中的系統(tǒng)聚類分析(HCA)、PCA和SVM對(duì)得到的SERS數(shù)據(jù)進(jìn)行分析處理,實(shí)現(xiàn)了海洛因、6-MAM和嗎啡的定性/定量分類識(shí)別。這項(xiàng)工作不僅可為基于SERS的痕量毒品檢測(cè)與精準(zhǔn)鑒別提供一種具有實(shí)用價(jià)值的高質(zhì)量芯片,也為海洛因及其代謝物的準(zhǔn)確分類及識(shí)別給出了可行的方案。

1 實(shí)驗(yàn)部分

1.1 試劑

甲醇,乙腈和4-巰基苯硼酸(4-MPBA)購自上海阿拉丁生化科技股份有限公司。乙醇,正丁醇和十二烷基硫酸鈉(SDS)購自國藥集團(tuán)化學(xué)試劑有限公司。海洛因、6-MAM和嗎啡標(biāo)準(zhǔn)溶液(1.0 mg·mL-1)購自Sigma-Aldrich。SiO2膠體球懸浮液(球徑:150 nm,含量:5%Wt)購于上海輝質(zhì)生物科技有限公司。硅片購買于浙江立晶硅材料有限公司。所有試劑均為分析純,使用前無需進(jìn)一步提純。整個(gè)實(shí)驗(yàn)均使用超純水(18.2 MΩ·cm)。

1.2 Au/SiO2 NSA的制備

利用氣-液界面自組裝[15]和磁控濺射沉積的方法制備Au/SiO2NSA。首先,用移液槍沿?zé)诰徛蚩諝?水界面注入均勻分散的SiO2膠體球-正丁醇懸浮液。隨后,注入一定量的SDS溶液,使SiO2膠體球自組裝形成密排的薄膜。接著,用鑷子夾取表面經(jīng)臭氧處理的潔凈硅片(1.5 cm×1.5 cm)撈取薄膜,從而將SiO2膠體球薄膜轉(zhuǎn)移至硅片上,得到了在硅片上的SiO2膠體球陣列。待水分完全蒸發(fā)后,將覆蓋有SiO2膠體球陣列的硅片在400 ℃馬弗爐中退火2 h以除去殘余的SDS和其他雜質(zhì)。最后,將其切割成2.5 mm×2 mm的基片,并通過磁控濺射在其表面沉積一層Au(英國Quorum Q150R ES plus鍍膜儀,電流:30 mA,時(shí)長(zhǎng):10 min,等效沉積厚度:約165 nm),即得到了Au/SiO2NSA。陣列的微觀形貌觀察與元素分析在配備有能量色散X射線光譜儀(EDS,英國Oxford Aztec X-Max 80)的場(chǎng)發(fā)射掃描電子顯微鏡(FESEM,日本Hitachi SU8020)上進(jìn)行。

1.3 SERS測(cè)量與模式識(shí)別分析

用相應(yīng)溶劑(海洛因、6-MAM∶乙腈;嗎啡∶甲醇)分別將1.0 mg·mL-1的海洛因、6-MAM及嗎啡的標(biāo)準(zhǔn)溶液稀釋至0.1 mg·mL-1作為儲(chǔ)備溶液。檢測(cè)前,將儲(chǔ)備溶液用水連續(xù)稀釋至特定濃度。將1.2中制得的Au/SiO2NSA(2.5 mm×2 mm)作為SERS芯片。在室溫下,將其浸泡在海洛因、6-MAM或嗎啡的水溶液中。為確保芯片對(duì)各個(gè)濃度的毒品分子均能充分吸附,浸泡時(shí)間為1 h。然后取出芯片并在室溫下干燥,再進(jìn)行拉曼光譜測(cè)量。拉曼光譜測(cè)量在便攜式拉曼光譜儀(美國B&W TEK BWS415-785S)上進(jìn)行。測(cè)試條件為:激發(fā)波長(zhǎng)785 nm,激光功率80 mW,積分時(shí)間5 s,光斑尺寸約為200 μm2。每種樣品分別收集15個(gè)譜圖數(shù)據(jù),代表15個(gè)樣本。每種樣品對(duì)應(yīng)的拉曼譜圖均為15個(gè)樣本的平均結(jié)果。

進(jìn)行模式識(shí)別分析時(shí),首先,在對(duì)SERS數(shù)據(jù)進(jìn)行基線校正和歸一化處理后,將數(shù)值導(dǎo)入SPSS 26.0軟件中,分別進(jìn)行系統(tǒng)聚類和降維處理:系統(tǒng)聚類時(shí)樣本間距離采用平方歐氏距離,類間距離使用組間聯(lián)接[16];主成分提取通過數(shù)據(jù)樣本相關(guān)性矩陣的特征值分解完成。接下來,利用Python 3.6編寫代碼,實(shí)現(xiàn)各成分的分類識(shí)別[17]:首先,讀取先前提取到的主成分?jǐn)?shù)據(jù)及標(biāo)簽,并將其劃分為訓(xùn)練樣本及測(cè)試樣本;然后,調(diào)用Python下的sklearn庫中集成的SVM算法,用訓(xùn)練樣本對(duì)SVM分類器進(jìn)行訓(xùn)練;最后,將訓(xùn)練樣本和測(cè)試樣本分別輸入到訓(xùn)練好的SVM分類器中,計(jì)算出訓(xùn)練集和測(cè)試集的分類準(zhǔn)確率。所用編輯器和開發(fā)環(huán)境為PyCharm2019。采用5折交叉驗(yàn)證評(píng)估分類模型的準(zhǔn)確性,即將整個(gè)樣本分成5組,其中一組作為測(cè)試集,其余組作為訓(xùn)練集,進(jìn)行5次輪換驗(yàn)證。這5次計(jì)算所得的測(cè)試集準(zhǔn)確率的平均值即可看作是該模型的分類準(zhǔn)確率。

2 結(jié)果與討論

2.1 Au/SiO2 NSA的形貌及SERS性能

通過SiO2膠體球的氣-液界面自組裝、轉(zhuǎn)移至硅片,及隨后在其上濺射沉積Au,即可獲得Au/SiO2NSA,如圖1(a)中插圖所示。表面形貌觀察[圖1(a)]表明,該陣列由密排的Au/SiO2復(fù)合納米球組成,SiO2膠體球表面覆蓋有Au納米顆粒。Au/SiO2NSA的EDS分析結(jié)果[圖1(b)]也證明了元素Au、Si和O的存在。同時(shí),由圖1(a)可以看出,Au/SiO2NSA呈現(xiàn)出高度的結(jié)構(gòu)一致性與微/納尺度的粗糙表面,這種粗糙的表面以及三維SiO2膠體球的圓弧面,使陣列具有較大的比表面積,為良好的SERS活性奠定了基礎(chǔ)[18-19]。

圖1 (a)Au/SiO2 NSA的FESEM照片(內(nèi)插圖為Au/SiO2 NSA的光學(xué)照片);(b)Au/SiO2 NSA的EDS譜圖Fig.1 (a) The FESEM image of Au/SiO2 NSA (the inset is a photo of Au/SiO2 NSA);(b) The EDS spectrum of Au/SiO2 NSA

接下來,以4-MPBA為探針分子,用沉積在硅片上的Au納米顆粒薄膜(Au/Si,一種常用的SERS基底,等效Au沉積厚度同Au/SiO2NSA)為參考,對(duì)Au/SiO2NSA的SERS活性進(jìn)行評(píng)估。圖2(a)為Au/SiO2NSA與Au/Si在10-7mol·L-14-MPBA溶液中浸泡30 min后的拉曼譜圖。

圖2 Au/SiO2 NSA的SERS性能評(píng)估(浸泡溶液:10-7 mol·L-1 4-MPBA)(a) Au/SiO2 NSA和Au/Si在4-MPBA溶液中浸泡后的拉曼譜圖;(b) 1 075 cm-1處特征峰強(qiáng)度與Au/SiO2 NSA的等效Au沉積厚度的關(guān)系;(c) 浸泡過4-MPBA的Au/SiO2 NSA上不同位置測(cè)得的1 075 cm-1處特征峰強(qiáng)度條形圖;(d) 5片等同的Au/SiO2 NSA經(jīng)4-MPBA溶液浸泡后測(cè)得的1 075 cm-1處特征峰強(qiáng)度條形圖Fig.2 Evaluation of SERS performance of Au/SiO2 NSA(a) Raman spectra of 10-7 mol·L-1 4-MPBA on Au/SiO2 NSA and Au/Si;(b) Relationship between the characteristic peak intensity at 1 075 cm-1 with equivalent Au deposition thickness of Au/SiO2 NSA;The histograms of the peak intensities at 1 075 cm-1 measured at (c) different positions on a 4-MPBA-soaked Au/SiO2 NSA and (d) 5 equivalent 4-MPBA-soaked Au/SiO2 NSAs

1 000和1 075 cm-1處的峰為4-MPBA的典型特征峰?？梢钥闯?Au/SiO2NSA上這兩個(gè)特征峰的強(qiáng)度要明顯強(qiáng)于Au/Si,即Au/SiO2NSA對(duì)4-MPBA拉曼信號(hào)的增強(qiáng)能力遠(yuǎn)高于Au/Si。這表明Au/SiO2NSA具有良好的SERS活性,且明顯優(yōu)于常用的Au納米顆粒薄膜。在SERS的增強(qiáng)機(jī)制中,占據(jù)主導(dǎo)地位的電磁場(chǎng)增強(qiáng)源于貴金屬納米材料的局域表面等離激元共振所引起的極強(qiáng)的局域電磁場(chǎng)(“熱點(diǎn)”)[3]。而Au/SiO2NSA對(duì)信號(hào)的增強(qiáng)效果比Au/Si更好,主要可歸因于Au/SiO2NSA的大比表面積以及大量的納米間隙與納米“尖端”,為SERS增強(qiáng)提供了更多的“熱點(diǎn)”。

進(jìn)一步的研究表明,Au/SiO2NSA的Au沉積厚度對(duì)SERS活性有明顯影響,沉積厚度過薄與過厚均不利于SERS活性的提高。如圖2(b)所示,等效Au沉積厚度約為165 nm時(shí),SERS活性最佳。當(dāng)沉積開始后,隨著Au沉積的進(jìn)行,越來越多的超細(xì)Au納米顆粒沉積在SiO2膠體球表面,Au沉積層不斷增厚。同時(shí),形成了納米粗糙的表面與大量的納米間隙,從而構(gòu)成了高密度的“熱點(diǎn)”[18],所以表現(xiàn)為SERS活性隨Au沉積層的增厚而增強(qiáng)。而當(dāng)沉積層過厚時(shí),會(huì)掩蓋相鄰膠體球之間的間隙,進(jìn)而減少“熱點(diǎn)”數(shù)量,降低SERS活性。故只有在合適的沉積厚度下,Au/SiO2NSA才會(huì)既具有足夠厚度的Au層,又保持表面的納米粗糙度與高密度納米間隙,展現(xiàn)出最佳的SERS活性。因此,選取等效Au沉積厚度為165 nm的Au/SiO2NSA[圖1(a)]作為SERS芯片,用于后續(xù)的溶液中毒品SERS檢測(cè)。

此外,該Au/SiO2NSA作為SERS芯片,也具有良好的SERS信號(hào)一致性與重現(xiàn)性。圖2(c)為Au/SiO2NSA經(jīng)10-7mol·L-14-MPBA溶液浸泡后,在表面隨機(jī)選定不同位置測(cè)得的1 075 cm-1處拉曼特征峰強(qiáng)度的條形圖?？梢钥闯?隨機(jī)選取20個(gè)位置測(cè)得的特征峰強(qiáng)度的相對(duì)標(biāo)準(zhǔn)偏差(RSD)僅為4.4%,呈現(xiàn)出高度的信號(hào)一致性。同時(shí),多個(gè)等同的Au/SiO2NSA芯片經(jīng)4-MPBA溶液浸泡后,4-MPBA分子特征峰強(qiáng)度的RSD僅為3.7%[如圖2(d)],表明Au/SiO2NSA具有良好的信號(hào)重現(xiàn)性。

總之,上述Au/SiO2NSA具有高的SERS活性、良好的信號(hào)一致性與重現(xiàn)性,可作為SERS檢測(cè)海洛因及其代謝物的高質(zhì)量芯片,并為拉曼譜圖的模式識(shí)別提供可靠保障。

2.2 海洛因及其代謝物的SERS檢測(cè)

以上述Au/SiO2NSA為芯片,對(duì)海洛因及其代謝物進(jìn)行SERS檢測(cè)。圖3(a)為在10-2mg·mL-1海洛因及其代謝物溶液中浸泡后測(cè)得的拉曼譜圖。海洛因、6-MAM和嗎啡在625 cm-1處均有一強(qiáng)的特征峰,可歸屬為它們分子結(jié)構(gòu)中環(huán)的彎曲振動(dòng)[6]。此外,海洛因在1 245 cm-1、6-MAM在705 cm-1、嗎啡在710和760 cm-1分別存在較強(qiáng)的特征峰[8]。這些特征峰信息可用于以上分析物拉曼譜圖的識(shí)別。

圖3 基于Au/SiO2 NSA的海洛因及其代謝物的拉曼譜圖(a)芯片在濃度為10-2 mg·mL-1的毒品溶液中浸泡后測(cè)得的拉曼譜圖;芯片在不同濃度(b)海洛因、(c)6-MAM、(d)嗎啡溶液中浸泡后測(cè)得的拉曼譜圖Fig.3 Raman spectra of heroin and its metabolites based on Au/SiO2 NSA(a) Raman spectra of the chips soaked in 10-2 mg·mL-1 drug solutions;Raman spectra of the chips soaked in different concentrations of (b) heroin,(c) 6-MAM and (d) morphine,respectively

圖3(b—d)展示了不同濃度的海洛因、6-MAM和嗎啡的拉曼譜圖。各特征峰的強(qiáng)度均隨濃度的降低而減弱。當(dāng)濃度≥10-4mg·mL-1時(shí),皆可觀察到明顯的特征信號(hào)。因此,可認(rèn)為基于Au/SiO2NSA的SERS芯片對(duì)海洛因、6-MAM和嗎啡的檢測(cè)限優(yōu)于10-4mg·mL-1。

2.3 海洛因及其代謝物的定性鑒別

SERS可提供分子的指紋譜圖,原則上可根據(jù)光譜中的特征峰對(duì)分析物進(jìn)行精準(zhǔn)識(shí)別。然而,在實(shí)際應(yīng)用中,往往會(huì)面對(duì)大量復(fù)雜的譜線、甚至存在譜峰的重疊。此時(shí),僅依靠主觀觀察和人工分析,效率低、易出錯(cuò)。特別是在現(xiàn)場(chǎng)檢測(cè)時(shí),更希望能夠簡(jiǎn)化分析過程、快速獲取直觀準(zhǔn)確的鑒定結(jié)果。因此,在SERS檢測(cè)的基礎(chǔ)上,構(gòu)建了可用于海洛因及其代謝物分類識(shí)別的算法模型。通過HCA分類、PCA降維提取特征變量、訓(xùn)練SVM分類模型,逐步完成對(duì)海洛因、6-MAM和嗎啡的定性分類鑒別。

2.3.1 HCA結(jié)果

聚類分析是一種無監(jiān)督的模式識(shí)別技術(shù),可根據(jù)一批樣本的相似性或差異對(duì)該批樣本進(jìn)行分類,即“物以類聚”[20]。首先利用HCA對(duì)海洛因及其代謝物的拉曼譜圖數(shù)據(jù)(每種樣品各采集15個(gè)譜圖數(shù)據(jù),共45個(gè)譜圖數(shù)據(jù),即45個(gè)樣本)進(jìn)行分類,譜系圖如圖4所示。圖中,紅色代表海洛因、藍(lán)色代表為6-MAM、綠色代表為嗎啡?？梢钥闯?HCA能成功地將海洛因、6-MAM和嗎啡分類。這為接下來利用PCA-SVM模型對(duì)它們進(jìn)行分類識(shí)別奠定了良好的基礎(chǔ)。另外,在成功分出3大類后,6-MAM樣本與嗎啡樣本會(huì)先聚成一類,再與海洛因樣本合為一類。該現(xiàn)象說明6-MAM和嗎啡的拉曼譜圖的相似程度更大,這與圖3(a)給出的譜圖結(jié)果一致。

圖4 海洛因及其代謝物的系統(tǒng)聚類分析譜系圖Fig.4 Pedigree chart of hierarchical cluster analysis for heroin and its metabolites

2.3.2 基于PCA-SVM模型的分類

然后,利用PCA對(duì)45個(gè)樣本在620～630、700～720、755～765和1 240～1 250 cm-1范圍的拉曼譜圖數(shù)據(jù)進(jìn)行降維處理。如圖5(a)所示。PCA提取到的前29個(gè)主成分的累計(jì)方差貢獻(xiàn)率可達(dá)到100%,表明由PCA得到的這29維特征向量可完全解釋原始數(shù)據(jù)的信息。其中,前兩個(gè)主成分的累計(jì)方差貢獻(xiàn)率即可達(dá)到64.2%。圖5(b)為由這兩個(gè)主成分得到的二維PCA分布圖,圖中每個(gè)點(diǎn)代表每個(gè)樣本的拉曼譜圖數(shù)據(jù)。可以看出,每種樣本類型可形成不同的簇,且簇與簇之間區(qū)分明顯,說明海洛因、6-MAM和嗎啡能夠被清晰地區(qū)分開來,也說明了PCA能夠很好地將海洛因及其代謝物分類。

圖5 對(duì)45個(gè)樣本拉曼譜圖信息的PCA處理結(jié)果(a) 主成分的方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率;(b) 用于海洛因及其代謝物分類的二維主成分分布圖Fig.5 PCA results of Raman spectral information of 45 samples(a) The variance contribution rate and cumulative variance contribution rate of principal components;(b) Two-dimensional principal component distribution plot for classification of heroin and its metabolites

同時(shí),由圖5(a)可知,前5個(gè)主成分(特征值均大于1)的累計(jì)方差貢獻(xiàn)率已到達(dá)82.0%,應(yīng)該可以實(shí)現(xiàn)良好的分類準(zhǔn)確率。為此,將這5個(gè)主成分輸入SVM分類模型以實(shí)現(xiàn)自動(dòng)識(shí)別。利用基于4種常用核函數(shù)(徑向核函數(shù)、線性核函數(shù)、多項(xiàng)式核函數(shù)、S型核函數(shù))的SVM模型分別對(duì)海洛因及其代謝物進(jìn)行分類識(shí)別。各核函數(shù)分類模型的識(shí)別準(zhǔn)確率如圖6所示,基于這4種核函數(shù)的SVM模型的識(shí)別準(zhǔn)確率均可達(dá)到100%。即選擇任一模型,都可以完全區(qū)分海洛因、6-MAM和嗎啡。這一結(jié)果表明,借助PCA-SVM,能夠出色地實(shí)現(xiàn)海洛因及其代謝物的準(zhǔn)確定性分類識(shí)別。如將構(gòu)建的SVM算法嵌入到SERS測(cè)量的程序中,則有望實(shí)現(xiàn)在檢測(cè)的同時(shí)直接給出可視化的識(shí)別結(jié)果。

圖6 支持向量機(jī)模型對(duì)海洛因及其代謝物定性識(shí)別的準(zhǔn)確率Fig.6 Accuracy of support vector machine model for the qualitative classification of heroin and its metabolites

2.4 海洛因及其代謝物的定量識(shí)別

除對(duì)它們進(jìn)行定性鑒別外,本工作也對(duì)不同濃度的海洛因及其代謝物進(jìn)行了定量分類。利用PCA對(duì)不同濃度的海洛因、6-MAM和嗎啡的SERS數(shù)據(jù)進(jìn)行降維處理,圖7給出了它們的二維PCA分布圖?？梢钥闯?借助PC1可完成對(duì)檢測(cè)限以上(≥10-4mg·mL-1)和檢測(cè)限以下(<10-4mg·mL-1)樣本之間的劃分;結(jié)合PC2,可進(jìn)一步區(qū)分檢測(cè)限以上的3種濃度樣本(10-2、10-3和10-4mg·mL-1),但仍不能將檢測(cè)限以下的兩類樣本(10-5mg·mL-1和空白)很好地分類。10-5mg·mL-1濃度的各分析物與空白樣本之間的分類效果較差,這也與不同濃度各分析物的SERS譜圖[圖3(b—d)]顯示的結(jié)果一致。對(duì)于檢測(cè)限(10-4mg·mL-1)及檢測(cè)限以上(10-2和10-3mg·mL-1)的樣本,海洛因的分類情況較好,可明顯地區(qū)分這三個(gè)濃度的樣本[圖7(a)];6-MAM的這三類樣本可聚成不同的簇,但簇與簇之間的距離很近,尤其是10-2和10-3mg·mL-1的兩類樣本[圖7(b)];而這三個(gè)濃度的嗎啡樣本則未能得到良好的區(qū)分[圖7(c)]。如要實(shí)現(xiàn)各濃度樣本之間、以及低濃度與空白樣本之間的精準(zhǔn)分類,則需要繼續(xù)加大樣本量,并借助其他模式識(shí)別技術(shù)如偏最小二乘法、正交偏最小二乘法等。

圖7 用于定量區(qū)分不同濃度(a)海洛因、(b)6-MAM、(c)嗎啡的二維主成分分布圖Fig.7 Two-dimensional principal component distribution plots for quantitatively distinguishing different concentrations of (a) heroin,(b) 6-MAM and (c) morphine

接下來,使用PCA-SVM對(duì)海洛因、6-MAM和嗎啡進(jìn)行定量識(shí)別,可獲得各自的識(shí)別準(zhǔn)確率,如圖8所示。對(duì)于不同濃度的海洛因,采用基于徑向核函數(shù)的SVM模型,識(shí)別準(zhǔn)確率可達(dá)到90.1%;而對(duì)于不同濃度的6-MAM及嗎啡,選用基于線性核函數(shù)的SVM模型時(shí)的準(zhǔn)確率較高,分別為84.8%和70.2%。

圖8 基于不同核函數(shù)的SVM模型對(duì)不同濃度海洛因、6-MAM和嗎啡定量識(shí)別的準(zhǔn)確率Fig.8 Accuracy of SVM models based on different kernel functions for the quantitative classification of heroin,6-MAM and morphine with different concentrations

3 結(jié) 論

基于Au/SiO2NSA的SERS檢測(cè)與模式識(shí)別技術(shù)相結(jié)合,實(shí)現(xiàn)了對(duì)水溶液中海洛因及其代謝物的高效、靈敏檢測(cè)與精準(zhǔn)鑒別。采用膠體球模板-濺射沉積的方法獲得了具有高SERS活性、良好信號(hào)均勻性與重現(xiàn)性的Au/SiO2NSA。以此為SERS芯片,結(jié)合便攜式拉曼光譜儀,成功實(shí)現(xiàn)了水溶液中海洛因及其代謝物的高效檢測(cè),檢測(cè)限優(yōu)于10-4mg·mL-1。在此基礎(chǔ)上,利用模式識(shí)別技術(shù)對(duì)獲得的SERS數(shù)據(jù)進(jìn)行分析處理與分類識(shí)別。結(jié)果表明,通過HCA、PCA及PCA-SVM均可實(shí)現(xiàn)對(duì)海洛因、6-MAM和嗎啡的完全分類,準(zhǔn)確率可達(dá)100%;而使用PCA-SVM模型也可實(shí)現(xiàn)對(duì)不同濃度海洛因、6-MAM和嗎啡的定量區(qū)分,準(zhǔn)確率分別為90.1%、84.8%和70.2%。本工作不僅為基于SERS的毒品鑒定提供了一種有實(shí)用價(jià)值的檢測(cè)芯片,也表明了通過模式識(shí)別技術(shù)實(shí)現(xiàn)海洛因及其代謝物快速定性/定量分類鑒別的可行性。如若將構(gòu)建的分類模型嵌入拉曼光譜儀配套的測(cè)量軟件中,則有望同時(shí)實(shí)現(xiàn)測(cè)量與可視化鑒別。這對(duì)實(shí)現(xiàn)毒品現(xiàn)場(chǎng)高效檢測(cè)與精確分類鑒別具有現(xiàn)實(shí)意義,也為相關(guān)儀器的研發(fā)提供了可行的設(shè)計(jì)思路。