三維熒光差譜分析法在毒品檢測中的應用

摘?要：生物體液中毒品的快速檢測和分析是關注焦點和研究課題，要引入一種基于深度學習輔助的三維熒光差譜分析方法，利用具有良好熒光特性的銀納米團簇作為熒光信號源，將其引入含有毒品的待分析尿液之中，捕獲采集三維熒光差譜中毒品分子的指紋信息，進行不同毒品的快速定性定量檢測和分析。

關鍵詞：三維熒光差譜分析法;計算;檢測

毒品檢測是禁毒工作中的重要組成內容，要充分利用具有強大能力的人工智能技術，將基于深度學習輔助的三維熒光差譜分析法引入到毒品檢測之中，利用完整、豐富的熒光信息捕獲采集三維熒光差譜，進行毒品的定性定量檢測和分析。

一、 毒品檢測及三維熒光差譜分析法概述

毒品檢測通常采用生物體液檢測的方法，主要檢測方法包括有：（1）基于分離的檢測方法，如：色譜-質譜聯用法、毛細管電泳法、薄層色譜法等。（2）基于特異性識別的檢測方法，如：基于電化學測試的免疫分析法、基于膠體納米金粒子的免疫分析法。（3）復雜樣本直接分析法，如：表面增強拉曼光譜分析法、熒光膜檢測法等。

三維熒光光譜法以激發波長和發射波長為自變量，發射強度為因變量，利用激發-發射矩陣表達豐富、完整的光譜檢測信息，可以應用于毒品檢測領域之中，挖掘其巨大的潛能。

二、 基于深度學習輔助的三維熒光差譜分析法在毒品檢測的應用

（一）檢測實驗（1）提供五種實驗毒品，即：3，4-亞甲基二氧基苯丙胺、3，4-亞甲基二氧基-N-甲基苯丙胺-可待因、哌替啶、甲基卡西酮，對試劑進行反復清洗，包括自來水清洗、超純水潤洗。（2）合成銀納米團簇。在錐形瓶中置入磁子和30mg AgNO3，添加50mL的水使之溶解，制備形成0.6mg/mL的稀溶液，對其進行攪拌，攪拌速率為2000r/min，再添加54mg GSH、5mL的水，生成白色乳狀濁液，10min后添加0.6mL的0.5mol/L氫氧化鈉溶液，使白色乳狀濁液變為澄清狀，在室溫條件下反應24h再進行銀納米團簇的純化，具體操作為：在離心管中置入1mL反應混合物，添加3mL甲醇，在8000r/min轉速下離心10min，去除溶解于溶液中的游離試劑分子，取下層沉淀物并分散于水體中備用。（3）三維熒光光譜及三維熒光差譜檢測。檢測試驗相關參數為：激發波長210～380nm、測試間隔2nm;發射波長350～550nm、測試間隔2nm;掃描速度12000nm/min;PMT電壓750V;激發波長與發射波長的狹縫寬度5nm。檢測步驟為：進行純品銀納米團簇的稀釋，稀釋比例為30倍，將0.45mL的稀釋品置于樣品池中，隨機抽取一種尿液樣本，將0.15mL稀釋10倍的銀納米團簇、稀釋10倍的尿液樣本與毒品樣本進行1∶1∶1的混合，獲取混合物的整體熒光三維熒光，將其與純品銀團簇的三維熒光光譜相減，即可獲得三維熒光差譜。

（二）檢測計算采用深度學習方法進行毒品三維熒光差譜檢測的計算，具體步驟包括有：（1）數據預處理。通過矩陣展開、標準化處理、數據降維的流程，進行人體尿液中毒品檢測數據的預處理，并通過三維熒光差譜激發發射矩陣進行表達，該矩陣通過主成分分析、線性判別分析的方法進行數據降維和優化。（2）分類算法。建模數據集涵蓋有若干個樣本，要在數據預處理之后進行分類，主要采用生成對抗網絡實現分類和優化。（3）定量算法。在將建模數據集進行毒品樣本分組的前提下，依照4∶1的比例分為訓練集和測試集，采用人工神經網絡構建定量模型并進行評估。

（三）檢測結果討論基于深度學習輔助的三維熒光差譜分析法體現出良好的熒光性能，能夠在毒品檢測中形成熒光發射峰，將該納米作為熒光信號發射源，將不同毒品的特異化三維熒光光譜變化反映在熒光激發發射矩陣的三維圖譜上，并將相互作用后的三維光譜與純銀納米團簇的三維光譜做差，形成特定的三維熒光差譜，表達甲基卡西酮、MDA、MDMA、可待因、哌替啶這五種不同毒品的三維熒光差譜位置、形狀和強度，進行生物體液中不同毒品的定性定量分析，完成對不同毒品的測定。同時，在經過數據的預處理之后，采用生成對抗網絡進行毒品三維熒光差譜信息的數學模型建構，并采用外部驗證集中的數據，優化生成對抗網絡的超參數，如：訓練批尺寸、對抗次數等，通過實驗分析可知，當對抗次數為50時，三維熒光差譜數學模型的泛化能力達到最優狀態。并由于生成對抗網絡堆疊有一個生成器，能夠通過生成虛擬數據點來訓練辨別器，因而具有更強的泛化能力。另外，在訓練集的測試中，ANN算法、CNN算法、GAN算法的準確性較高，穩定性差異較小，相較而言，GAN算法的泛化能力更強，外部測試集表現更優，準確率和穩定性最佳。最后，進行測試毒品種類的數量對模型測試的影響分析，發現當待分類毒品數量增至4～5種時，測試模型的準確率降至89%左右。

三、 小結

綜上所述，基于深度學習輔助的三維熒光差譜分析法利用熒光性能較佳的銀納米作為信號源，將其與待測毒品進行相互作用，生成并改變所測毒品的三維熒光光譜，無須考慮復雜體系中的瑞利散射和光譜重疊問題，實現對多種毒品的快速、準確而穩定的定性定量檢測和分析。后續還要進一步深入探討信號源團簇與待測復雜體系中小分子的深層作用機理，利用深度學習方法探討未知復雜的非線性關系和內容。

參考文獻：

[1]叢琳.基于三維熒光光譜的蜂蜜摻假智能檢測技術研究[D].天津：天津工業大學，2019.

[2]安曉娜.三維熒光結合幾種二階校正方法測定中藥中阿魏酸、白鮮堿、紅景天苷的含量[D].石家莊：河北師范大學，2019.

作者簡介：席長娜，宿遷子淵司法鑒定所。