李念兵、罗红群教授AC：基于统计策略和发光金属有机框架的荧光信号到光学指纹的转换实现具有相似结构的阴离子磺酸盐表面活性剂的高通量鉴别

比色法和荧光法作为传统的分析技术具有简便的输出信号、方便操作的仪器和灵敏的快速响应，在分析化学领域发挥着举足轻重的作用。在理想的基于比色或荧光的传感系统中，每个传感器用于检测一种给定的分析物。但是，在实际样品中（如香水，食物，尿液，血清等）往往存在与目标分析物的结构或化学性质相似的物质。此时，仅用传统的传感器对目标物进行检测时通常会受到干扰。众所周知，哺乳动物的嗅觉灵敏，甚至可以识别超过10,000种不同的气味信号。受哺乳动物嗅觉系统的启发，研究者们利用这一交叉反应原理开发了传感器阵列。传感阵列的分析策略基于模式识别，打破了传统的“锁-钥”分析理念，是对传统传感方法的补充。与传统的单一传感器相比，传感器阵列能够自发地识别出具有相似化学结构的分析物之间的细微差别，并且在复杂生物环境中的高度适应性和抗干扰能力方面也展现出了巨大的潜力。

西南大学李念兵教授和罗红群教授课题组利用两种发光金属有机骨架（LMOFs, NH2-UiO-66 和 NH2-MIL-88）构建了可以高通量识别五种阴离子型表面活性剂及其混合物的传感阵列。该工作的主要亮点包括：（1）利用统计学方法，该阵列将LMOFs的一般荧光信号转化为“指纹”图，解决了五种结构差异微小的阴离子型磺酸盐表面活性剂的识别问题。（2）利用主成分分析法对五种阴离子型磺酸盐表面活性剂进行了定量分析，并探究了LMOFs对阴离子磺酸盐表面活性剂不同反应的原因。（3）所制备的基于LMOFs的传感器阵列可实现对复杂水样中阴离子磺酸盐表面活性剂的高精度半定量检测，扩展了LMOFs 在类似物识别中的应用。

该文章发表在国际知名期刊Analytical Chemistry上，第一作者是西南大学2017级硕士研究生孙哲。