表面增强拉曼散射(SERS)光谱具有高灵敏度、高分辨率的优点，可表征分子的指纹振动光谱，实现对样品的无损测量，在光谱分析领域具有重要应用。SERS光谱的灵敏度、稳定性及可重复性与所用的SERS基底性能密切相关。目前常用的SERS硬质基底存在制备过程复杂、柔性差、不便携带且易碎的缺点。利用纸张作为支撑的SERS纸质基底能有效解决硬质基底存在的问题，满足未来分析检测领域快速、便携以及个性化的需求。介绍了当前制备纸质SERS基底的主要方法，包括直接浸泡/滴加法、喷墨打印法、化学反应法和物理喷镀法，并对纸质SERS基底在生物医学分析与传感、环境分析以及食品安全等领域的具体应用进展进行了阐述。

提出了一种基于金纳米棒自组装的促进和抑制检测汞离子的方法.在合适的实验条件下，当金纳米棒胶体溶液中加入还原性谷胱甘肽（GSH）时，金纳米棒因Au-S键的形成，通过氢键和静电相互作用发生头对头（End to End）的自组装.当以上体系中加入汞离子时，这种头对头的自组装会被打破，金纳米棒重新呈分散状态.这种方法的最低检测限为1 nmol/L，检测范围为1 nmol/L-100μmol/L.该汞离子检测方法特异性强、灵敏度高且检测的浓度范围比较大，有望广泛用于水环境中汞离子的检测.

近年来拉曼光谱以其无创、 灵敏度高等众多优点在化学表征、 生物医药、 材料等领域引起广泛关注, 而基线漂移的存在为后续的定性定量分析带来严重困扰, 因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。 针对传统算法在批量拉曼光谱数据基线校正方面的不足, 基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。 该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱, 使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点, 然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线, 对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正, 这使得算法具有具有较强的鲁棒性, 可以适应复杂的拉曼光谱基线校正情形。 分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果, 结果表明该算法可以实现对批量拉曼光谱数据的快速校正, 基线校正效果良好, 并且相较于单独进行基线校正算法耗时减少了30%以上, 算法无参, 简单易行, 无需额外人工干预, 是一种切实可行的批量拉曼数据自动基线校正算法。