在神经性毒剂的识别中,相似性谱图搜索是公认的可靠谱图注释方法,然而该方法受限于参考标准谱图库,无法实现库外谱图注释,因而对库外未知化合物的鉴定耗时长且人工判定误差大。本文提出了一种基于深度卷积神经网络的神经性毒剂及其相关化合物的特征基团结构分类模型,并在中央分析数据库(Official Central Analytical Database,OCAD)数据集上完成了模型的训练和测试。构建平衡训练数据集后,模型在测试集上的精确率、召回率和F1分数分别为96.89%、96.88%和96.88%。测试结果表明,其在OCAD数据集上精确率为98.78%,在美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)数据集上精确率为95.73%。该方法在预测神经性毒剂特征基团结构时不依赖于标准谱图库,不借助预先建立的规则、程序或峰值匹配,可为实验人员提供辅助决策。
神经性毒剂具有剧毒性和毁灭性效应,可对国家安全和公众健康构成严重威胁,被禁止化学武器组织(Organization for the Prohibition of Chemical Weapons,OPCW)列入附表化合物清单。开发原位实时、高效实用的神经性毒剂分析技术和便携式检测装备对于毒剂侦测和应急处置具有重要意义。神经性毒剂侦测技术的进步与传感器准确可靠感知目标分析物的能力和水平息息相关。薄膜荧光传感器(Fluorescent Film Sensor,FFS)是一种使用荧光敏感薄膜作为关键信号组件的小型分析装置,由于满足原位和实时检测的要求,其越来越受到关注,并发展成为继离子迁移谱(Ion Mobility Spectroscopy,IMS)之后的新一代超灵敏便携式分析技术。本文基于研究团队在FFS方面的研究进展,概述了薄膜荧光检测技术在神经性毒剂检测领域的研究及应用,并对该领域面临的挑战和未来发展进行了展望。
