重金属离子，包括汞（Hg2+）、铬（Cr6+和锰（Mn7+），由于其持久性、生物累积性和高毒性，对环境和健康构成了重大风险[1]、[2]。这些亲电物种可以在食物链中积累，破坏蛋白质结构并引起严重的生物效应[3]、[4]。环境监测中的一个主要挑战是受污染系统中经常存在多种重金属离子。传统的检测技术通常需要复杂的仪器，并且往往缺乏同时分析多种离子的能力[5]、[6]。
基于荧光的传感技术因其高灵敏度和操作简便性而受到了广泛关注[7]、[8]、[9]。然而，大多数传统的荧光探针采用“锁钥”识别模式，限制了它们在单一分析物检测中的应用。相比之下，受生物嗅觉系统启发的传感器阵列利用交叉反应的传感元件生成特征荧光指纹。多元分析有助于解释多维响应模式，其中主成分分析（PCA）和层次聚类分析（HCA）用于聚类可视化，线性判别分析（LDA）用于预定义分析物组之间的监督区分[10]、[11]。除了传统的多元分析外，机器学习辅助方法还可以通过建模复杂的荧光响应模式来进一步提高金属离子的预测分类[12]、[13]。最近，机器学习算法越来越多地被引入到复杂系统的模式识别和预测分析中[14]。此外，使用多种分析方法的交叉验证进一步提高了传感器阵列系统的可行性和适用性[13]。
尽管如此，大多数现有的传感器阵列依赖于多种传感材料的组合，这涉及复杂的合成过程、高成本以及元素之间的不同响应动力学[15]、[16]、[17]，最终影响了检测效率。因此，开发一种基于单一纳米材料的传感器阵列，在可调条件下产生差异响应是非常理想的，但这仍然是一个重大挑战。与传统多组分系统不同，这种策略可以简化制造过程，同时提高响应一致性和分析性能[18]。碳点（CDs）由于其优异的光稳定性、低毒性和易于功能化而成为传感领域的有希望的候选材料[19]、[20]。然而，它们在基于阵列的区分应用中常常受到结合亲和力不足和与金属离子反应动力学缓慢的限制[16]、[21]。这些限制可以通过精确调节CDs的化学结构和表面性质来解决[22]、[23]。
为了解决这些挑战，本文提出了一种基于氮硫共掺杂碳点（NS-CDs）的pH调节分析策略，这些碳点是通过将L-半胱氨酸引入酚酞-间苯二胺体系合成的（图1a）。与传统的多组分传感器阵列不同，所提出的系统依赖于单一纳米材料，在不同pH条件下产生不同的荧光响应模式。硫的引入不仅提高了量子产率（QY），还增强了金属-配体相互作用，通过氧化还原和配位过程实现了对Hg2+、Cr6+和Mn7+的差异响应[24]、[25]。获得的NS-CDs对Hg2+、Cr6+和Mn7+表现出pH依赖性的荧光响应，提供了一个无需复杂材料合成的多功能传感平台[26]。通过使用PCA、LDA、HCA和留一法交叉验证（LOOCV），在混合离子系统中实现了对Hg2+、Cr6+和Mn7+的准确区分和浓度依赖性分析。此外，基于逻辑回归的机器学习分析实现了在实际水样中对多种重金属离子的可靠识别，证明了所提出策略在水样分析中的适用性。这项工作建立了一种简单有效的策略，用于构建具有可调响应模式的单材料传感器阵列，为实际水样中金属离子的区分和定量提供了新的见解。
