结合支持向量机回归应用于水体中两种喹诺酮类抗生素的荧光检测

喹诺酮类抗生素(QNs)因其高效的抗菌作用被广泛应用于疾病治疗和动物养殖,过量使用的QNs随着污水排放在自然水体中累积,导致自然水体中抗性细菌和抗性基因过量滋生,对环境生态以及人类健康构成严重威胁。传统的QNs检测方法的检测灵敏度高、准确度好,但时间消耗较久、仪器设备价格昂贵、现场检测较困难,而荧光分析技术检测时间短,尤其是三维荧光光谱技术能够在短时间内通过一次检测获得大量的目标物特征信息,通过与数据统计及机器学习模型相结合,利用数学手段可以在短时间内对多种QNs进行检测。充分利用QNs的荧光光谱信息,结合支持向量机回归(SVMR)分别创建以氧氟沙星(OFL)和诺氟沙星(NOR)为代表的QNs预测模型,再将未知样品的荧光光谱信息代入到创建的模型中,即可快速获得测定结果。在构建模型的过程中将偏最小二乘-判别分析(PLS-DA)和SVMR这两种监督学习方式作比较,发现SVMR具有良好的预测效果,通过调整参数与核函数,可使OFL和NOR在2~600μg·L^(-1)范围内具有良好的线性范围,线性相关系数均为0.9920,最低检出限在0.064~0.080μg·L^(-1)之间。将该方法应用到青岛市近岸海水和水库水的QNs检测,OFL在海水中的平均加标回收率为98.62%,在水库水中的平均加标回收率为103.90%,NOR在海水中的平均加标回收率为104.01%,在水库水中的平均加标回收率为105.89%,两种QNs在实际水体中的标准偏差均不超过9.21%。该方法检测速度快,在3 min内即可完成对一个未知样品的定量分析,可以快速筛查环境中是否存在QNs的风险因素。创新性的采用SVMR与荧光光谱技术相结合的方法,研发了一种可以用于实际水体中QNs现场快速检测的新方法,为实现环境水体中QNs的现场快速检测提供了一种科学可靠的新思路。