表面增强拉曼光谱技术在毒品检测中的应用 下载: 2126次
ing at the status of an increasing spread of illegal drugs which brings severe threats to public security in recent years, it is pointed that technologies of analysis and detection on illicit materials play a vital role in on-site screening and evidence extraction of illegal drugs related events. The application of surface enhanced Raman spectroscopy (SERS) detection in several typical illegal drugs, such as opiates, cocaines, amphetamines, ketamines, and so on, are summarized. Challenges for in-field and real time detection of illegal drugs are analyzed. The SERS is expected to be one of the most popular detection technologies due to its excellent performances, such as sensitivity, accuracy, simple operation, etc. The future development trend of the technology is predicted to be constructing high quality substrate with good robustness, exploring new surfactants and stabilizers, developing a new portable Raman spectrometer with a high signal-noise ratio, and developing intelligent recognition algorithm with good generalization.
1 引言
近年来,随着世界经济全球化,毒品泛滥呈现出日益蔓延的趋势,对社会公共安全、医疗卫生等造成了较大威胁,特别是对青少年的身心健康造成了极大危害,已引起各国政府的高度关注[1-4]。毒品检测技术可有效地打击犯罪、固定证据和维护社会治安,已成为公共安全领域的研究热点之一。传统的毒品检测技术主要包括高效液相色谱(HPLC)法、气相色谱串联质谱(GC-MS)法、离子迁移谱技术、毛细管电泳等,但是这些技术的样品预处理过程复杂,需要实验室环境,且操作耗时[5-8]。为了解决上述问题,科研人员尝试开发新的检测技术,其中的表面增强拉曼光谱(SERS)技术因灵敏度高、准确性高、操作简单、可实现现场快速检测等诸多优点而在安全检测和法庭科学等领域备受关注[6,8-10]。近十几年来,科研人员积极探索了SERS技术应用于毒品的现场快速检测和数据分析[4-8,11-19],并取得了显著进展。特别地,SERS技术可以利用便携式拉曼光谱仪对痕量甚至超痕量毒品进行现场检测和实时、快速分析,应用前景广阔[11]。
毒品的现场分析检测需要光谱技术能够准确识别其分子(唯一性或确定性),且具有灵敏度高、仪器便携、操作简单、响应快,以及检测过程对环境条件不敏感等特点。研究[6-12]表明,在对毒品等违禁品的检测识别中,SERS技术主要具有以下优点:1) 指纹谱性。SERS是一种能提供分子水平指纹谱的振动光谱,能够提供精细、确定的特征光谱,使其在一次检测中能识别不同的物质成分。2) 灵敏度高。SERS能够极大地增强拉曼信号,可实现超痕量,甚至单分子检测。3) 便携式。目前,标准化、高分辨率和高灵敏度的拉曼光谱仪已基本实现了商业化和小型化;根据测量需求,激发光可以在可见和近红外区进行选择,并可在几秒内收集高质量的光谱数据。4) 高性能。无需制样或制样简单,并可对气相、液相和固相等样品进行测量;相比于红外线和太赫兹光谱的惧水性具有显著优势,并能实现直接探测和间接探测。
近年来,关于SERS的基底、机理,以及在各领域中的应用研究得较多[20-25],并有相关综述或专论,但是此类综述大都把毒品和爆炸物探测、环境监测或生物检测等一同分析和论述[9,23,26],比较笼统,而专门针对毒品检测的综述较少。鉴于此,本文聚焦于SERS在毒品检测领域的应用研究进展,分析了SERS现场、实时检测毒品存在的问题,并预测了未来的发展趋势。
2 SERS检测毒品的进展
毒品的种类繁多,分类标准也不尽相同,按药理作用可分为兴奋剂、致幻剂、麻醉剂和镇静剂等。按照分子结构式对常见毒品进行分类,可分为阿片类(如吗啡、海洛因、可待因)、可卡因类(如可卡因、苯甲酰爱康宁)、苯丙胺类(如苯丙胺、甲基苯丙胺、二甲氧基苯丙胺)、合成大麻类(如JWH-018、JWH-073、JWH-081、JWH-122)、苯二氮平类(如羟基阿普唑仑)、巴比妥类(如布他必妥)、卡西酮类(如甲氧麻黄酮)、氯胺酮类(如氯胺酮),以及衍生物、代谢物等,其结构式如
2.1 纯毒品及其溶液的SERS检测
苯丙胺类毒品包括AMP、MAMP和亚甲基二氧基甲基苯丙胺(MDMA)等,可分为兴奋剂、致幻剂等,此类毒品的成本低,易于合成,是利用SERS研究的最早[27-30,36-37]和最多的毒品,其状态包括片剂、粉末、溶液等[36-37]。探测使用的基底主要为Au或Ag贵金属纳米结构,其中苯丙胺溶液的探测灵敏度约为
表 1. 文献报道的毒品的SERS检测参数
Table 1. SERS detection parameters of illegal drugs reported in literatures
|
可卡因及其代谢物苯甲酰爱康宁(BZE)也属于兴奋剂类,受到的关注也较多,Yang等[33]在干燥的Ag纳米颗粒上面加5 μL水(亚稳态银纳米颗粒基底)再进行可卡因SERS测量,其探测灵敏度为10-8 mol/L,这种方法比传统方法提高了2~3个数量级,同时能保护Ag基底不被氧化,且可防止分析物可卡因分子被激光损坏。BZE为可卡因的主要代谢物,常存在于生物体液中。2009年,Sanles-Sobrido等[14]利用组装的Ag包裹碳纳米管基底,将单细胞抗体吸附在基底上探测了1 nmol/L的BZE,并指出此方法也可探测体液中的代谢物。
关于吗啡、氯胺酮、甲氧麻黄酮、合成大麻等其他类毒品的报道比较少。2009年,Feng等[34]利用银胶纳米颗粒探测了吗啡的拉曼光谱,探测的质量浓度最小值为1.5 μg/L,并指出SERS对于检测吗啡具有重要意义。2012年,Yang等[7]制备了银纳米松针阵列,并用其探测了毒品盐酸氯胺酮的SERS,探测下限为2.7×10-11,扩大了毒品检测的种类。Mabbott等[16]以电化学法将Ag沉积在2便士硬币表面制备了SERS基底,并指出该基底可以有效检测低浓度的MDMA、5,6-methylenedioxy-2-aminoindane(MDAI)和甲氧麻黄酮等。Mabbott等[35]研究了SERS检测甲氧麻黄酮的优化条件,得出了探测灵敏度为1.6 mg/L(9.06×10-6 mol/L)的结论。Mostowtt等[18]利用Au基底首次探测了大麻类毒品的4种合成大麻类毒品JWH-073、JWH-018、JWH-081和JWH-122,能够在质量浓度为18~60 μg/L的水平辨别4种结构相似的合成大麻类分子。Inscore等[31]利用SERS探测了80种滥用药品及其代谢物(兴奋剂、麻醉剂、抑郁剂等),包括海洛因、苯丙胺、可卡因、可待因、氯胺酮等,并比较了毒品对基底的活性;结果表明:部分药品对Ag有活性,大部分药品对Au有活性,且Au基底的活性比Ag基底的活性高;他们还建立了毒品SERS数据库,为毒品检测分析提供了参考。
图 2. 微流体装置和SERS联通探测唾液中毒品的原理图。(a) Ag悬浮颗粒、唾液、盐溶液通过真空抽运加载进微流体装置;(b)在流动聚焦结处样品流被侧流包围,扩散驱动层流之间的侧向质量输运;(c) Ag纳米颗粒、分析物、盐溶液在通道内自左向右流动示意图[5]
Fig. 2. Combination of microfluidic device and SERS for detection of drugs in saliva. (a) Ag nanoparticle suspension, saliva, and salt solution are loaded into microfluidic device by vacuum pump; (b) sample stream is enveloped by side-streams at flow-focusing junction and diffusion drives lateral mass transport between laminar flows; (c) schematic of Ag nanoparticles, analyte, and salt solution are introduced to the channel from the left and flow toward the right[5]
2.2 体液中毒品的SERS检测
为了适应现场快速筛查分析,唾液、尿液或血液中毒品及代谢物成分的检测引起了重视,但是在体液中检测毒品面临很多困难。例如,唾液中的毒品代谢较快,浓度偏低,唾液黏蛋白能够粘住毒品分子,阻碍金属与分析物分子结合,导致唾液中的拉曼光谱灵敏度降低。尿液中尿素、肌酐等其他成分的干扰使得含有毒品的尿液和纯尿液的SERS光谱多有重叠,不易区分。血浆中生化蛋白等的干扰使检测变得困难,干扰分子和分析物分子与金属结合存在竞争,因此血液中的LOD比水中的要高。尽管体液中毒品的检测较为困难,但经过科研人员的不断探索,SERS检测体液中毒品的研究仍取得了显著进展,可以采取适当的方法克服上述问题,包括构筑性能优良的拉曼基底,利用分离法、同位素示踪法、智能识别算法,以及其他辅助方法等。
2.2.1 唾液
采集唾液样本进行检测比采集血液和尿液检测更简单、方便,因此检测唾液中毒品及其代谢物引起了更多重视[39]。Yang等[13]借助磁性纳米粒子优化Au基底,以提高唾液中BZE的SERS检测灵敏度。Inscore等[31]使用固相萃取方法提高了唾液中可卡因的探测灵敏度(5×10-11)。Farquharson等[32]利用Au基底探测了唾液中质量浓度为50 μg/L的可卡因。Andreou等[5]利用微流体装置将Ag纳米颗粒与唾液中的毒品混合,并对其进行了拉曼光谱分析,如
2.2.2 尿液
尿液中毒品的检测也得到了深入研究。Han等[11]以三维(3D)Ag纳米超结构为SERS基底,如
图 3. (a) Ag纳米颗粒自聚集成球形Ag胶体超结构原理图;(b) SERS平台检测位于3D胶体超结构间隙的分析物原理图[11]
Fig. 3. (a) Schematic of self-assembly of Ag NPs into spherical Ag colloidal superstructures; (b) schematic of SERS platform for sensing analytes located in 3D geometrical gaps of colloidal superstructure[11]
图 4. 尿液中毒品检测比较示意图。(a)标准检测程序;(b) D-SERS和SVM联用方法[6]
Fig. 4. Comparison of drugs detection in urine. (a) Standard detection procedure; (b) combination of D-SERS and SVM[6]
图 5. 3种质量分数分别为3×10-5、3×10-6、4×10-7的MAMP毒品滥用者尿液的SERS光谱空间分布(点线为有无MAMP成分尿液的分界线)[6]
Fig. 5. Space distribution of SERS spectra of three kinds of drug abusers'urine samples containing MAMP mass fraction of 3×10-5, 3×10-6, and 4×10-7 (dotted line represents boundary of urine with or without MAMP)[6]
2.2.3 血液
相对于唾液和尿液中的毒品检测而言,血液检测属于介入式检测,其毒品样本的SERS检测报道较少。Subaihi等[8]将SERS与同位素示踪法联用,提高了血浆中定量检测可待因的准确率,准确率从0.89 提高到0.94。值得一提的是,Siddhanta等[4]研究了人血清蛋白的结合属性,将其作为连接金属纳米颗粒和毒品分子的媒介,检测了苯甲酰爱康宁、伪麻黄碱等滥用药品。关于血液成分与毒品分子的选择性吸附有待进行进一步的系统探索。
3 总结与展望
毒品SERS检测灵敏度主要依赖基底活性、基底与被分析物间的吸附性等因素,因此提高毒品拉曼增强效应的研究主要集中在构筑性能优良的增强基底、增加基底和毒品分子间的吸附性,以及采用辅助方法等。此外,SERS应用于现场、实时检测毒品还需要便携式拉曼光谱仪和光谱的快速识别方法。
基底主要集中于Au、Ag、Cu等贵金属纳米结构。Au的性能较好,但成本偏高;Ag的成本低且性能优良,因此应用较多,但Ag基底在激光激发下以及在空气中易氧化,不稳定,不利于长久保存,这是其实用化必须面对的问题;Cu基底的增强性能和稳定性有待进一步探索[40]。此外,由于纳米结构的均匀性不高,基底的热点不同,因此光谱的可重复性、均一性等也有差别。部分毒品分子与贵金属基底间的吸附性不强,也会导致检测灵敏度下降。
唾液、血液、尿液等复杂体系中生化蛋白、尿素等成分的干扰,以及光谱的重叠等也会对毒品的SERS光谱产生很大影响。一方面可以采取分离的方法(如固相萃取法、沉淀法等)将目标分子与干扰成分分离后再检测,但是这些方法需要对样品进行预处理,对现场快速筛查分析具有一定影响。另一方面可采取聚类识别算法对光谱进行学习训练,包括主成分分析等数据预处理方法和偏最小二乘(PLS)分析、SVM等聚类分析法。但是,目前尚缺乏泛化性好的智能算法。此外,毒品分子的SERS与基底密切相关,不同基底产生的光谱数据也会发生变化,并且使用的测量仪器及数据处理方法各异,不同研究机构对同种毒品的测量数据也不完全一样,国际上尚缺乏统一的标准,比较系统的数据库也尚未建立,这些问题都制约了毒品光谱的现场快速识别。需要指出的是,唾液中的生物样本制备简单,与血液和尿液样本相比,属于非介入式检测,有利于保护隐私,在现场快速筛查分析中具有广阔的应用前景。
随着SERS在基底、机理、仪器等领域的不断开拓创新,SERS现场、实时检测毒品有望在以下几个方面取得进展:1) 构筑稳健性好的高品质基底。探索灵敏度高、稳健性好的拉曼增强基底或复合结构功能基底,改善基底的拉曼活性,以及改善基底与被分析物间的电荷转移特性等都会对拉曼增强效应有较大帮助。2) 探索新型表面活性剂、稳定剂。采用表面修饰、改性以及辅助方法来改善基底的吸附性和选择性。3) 开发新型便携式高信噪比拉曼光谱仪。使用SERS技术检测爆炸物不局限于实验室,在复杂场景、复杂体系中检测目标分子,以及提高信号的信噪比也是需要考虑的重要因素。4) 研究泛化性好的智能识别算法。在复杂体系中检测毒品时,由于干扰成分的存在,光谱容易重叠,难以分辨,因此利用深度学习等先进方法探索智能化高的分类识别算法有助于提高识别率。
4 结束语
SERS技术应用于毒品的分析检测具有较多优势,受到了高度关注,特别是近十几年来,该技术在毒品的现场快速检测和数据分析方面取得了显著进展,但仍然面临着以下问题:基底的稳定性、稳健性较差,便携式仪器的信噪比较低,缺乏泛化性好的智能识别算法等。尽管还存在很多挑战,但随着相关领域科学技术的发展,SERS现场检测毒品有望取得更大进展,并在公共安全技术领域发挥更重要的作用。
[10] Li J F, Huang Y F, Ding Y, et al. Shell-isolated nanoparticle-enhanced Raman spectroscopy[J]. Nature, 2010, 464(7287): 392-395.
[20] 杨方, 钟莹, 周鸿昆, 等. 基于表面增强拉曼光谱技术的陈皮年份检测[J]. 激光与光电子学进展, 2017, 54(3): 033001.
[21] 赵畅, 李蓉, 杨荟楠, 等. 基于表面增强拉曼光谱测量尿液样本中血小板衍生生长因子-BB[J]. 中国激光, 2017, 44(8): 0811002.
[23] Stiles P L, Dieringer J A, Shah N C, et al. Surface-enhanced Raman spectroscopy[J]. Annual Review of Analytical Chemistry, 2008, 1(2): 601-626.
[27] Angel SM, Roe JN, Andresen BD, et al. Development of a drug assay using surface-enhanced Raman spectroscopy[C]. SPIE, 1990, 1201: 469- 473.
[30] SägmüllerB, SchwarzeB, BrehmG, et al. Identification of illicit drugs by a combination of liquid chromatography and surface-enhanced Raman scattering spectroscopy[J]. Journal of Molecular Structure, 2003, 661/662: 279- 290.
[39] D'Elia V. García G M, Ruiz C G. Spectroscopic trends for the determination of illicit drugs in oral fluid[J]. Applied Spectroscopy Reviews, 2015, 50(9): 775-796.
卢树华, 王照明, 田方. 表面增强拉曼光谱技术在毒品检测中的应用[J]. 激光与光电子学进展, 2018, 55(3): 030004. Shuhua Lu, Zhaoming Wang, Fang Tian. Application of Illegal Drugs Detection Based on Surface Enhanced Raman Spectroscopy[J]. Laser & Optoelectronics Progress, 2018, 55(3): 030004.