課題組成聰、李夢雪和胡詩于等，原位制備分層全碳納米酶用于植物多酚蘆丁智能測定，并進行了理論計算和機器學習，以“Hierarchical all-carbon nanozyme architectures for enhanced intelligent rutin detection”為題發表在Chemical Engineering Journal, 2025, 514, 163289上。碩士生成聰為論文第一作者，蘇招紅教授為論文通訊作者，胡詩于博士和廖桂平教授為共同通訊作者。
報道了用于增強智能蘆丁檢測的分層全碳納米酶結構，納米酶作為創新的模擬酶納米材料，表現出與天然酶相當的內在催化特性，同時在催化動力學和反應機理方面表現出明顯的優勢。它們的獨特特性，包括可編程的自組裝能力、出色的比表面積、可調的大小依賴性活性和卓越的結構適應性，使它們成為下一代生物傳感平臺中生物酶的有前途的替代品。在這項研究中，我們通過循環伏安法（CV）輔助電化學還原開發了一種三明治結構的人工兒茶酚納米酶系統-電還原氧化石墨烯-多壁碳納米管-電還原氧化石墨烯（ErGO-MWCNTs-ErGO）。這種制造策略使 ErGO 和 MWCNT 可以直接在電極表面進行原位組裝。通過結合實驗（CV）和理論方法（密度泛函理論計算）系統研究了蘆丁（RT）在納米酶修飾界面上的氧化還原行為和相關機制。分層結構為 RT 分子的高效分子吸附和催化轉化提供了豐富的活性位點。當與機器學習算法集成時，開發的傳感器表現出增強的性能，具有 0.1 nM 至 13 μM 的寬線性檢測范圍和 42 pM （S/N = 3）的超低檢測限。在銀杏茶分析中的實際應用顯示，回收率令人滿意（103.7–105.2 %），驗證了系統在真實樣品檢測方面的可靠性。這項工作不僅建立了設計碳基納米酶結構的范式，而且成功地將先進的納米材料與智能傳感技術聯系起來，展示了食品質量監測應用的巨大潛力。