近日，药食同源实验室团队在食品领域国际知名TOP期刊《Food Chemistry》上，发表了题为“MoS₂@Ag nanoflower‑based SERS substrate coupled with transformer network for sensitive detection and intelligent classification of fluoroquinolone antibiotics in milk”的研究论文。该论文已于2026年9月26日正式在线发表，标志着团队在食品复杂基质中抗生素残留高灵敏、智能化检测技术方面取得重要突破。

氟喹诺酮类抗生素在乳制品中的残留，是食品安全领域持续面临的难题。不同氟喹诺酮类药物分子结构高度相似，拉曼光谱特征峰严重重叠，传统 SERS 检测依靠人工识别特征峰，耗时费力、易判读出错；而液相色谱‑质谱等标准检测手段样品前处理复杂、仪器昂贵，难以满足现场快速筛查的实际需求。针对上述技术痛点，该研究构建了三维二硫化钼‑银纳米花（MoS₂@Ag NFs）SERS基底与Transformer网络深度学习模型相结合的一体化分析平台。

MoS₂@Ag NFs依托三维多级结构提供丰富的SERS “热点”，结合MoS₂与银之间的电磁增强‑化学增强协同效应，该基底实现高达1.76×10⁸的增强因子，对多种氟喹诺酮类抗生素实现纳摩尔级别的灵敏检测。结合Transformer网络的自注意力机制自主挖掘光谱关键特征，无需人工提取峰位信息，对环丙沙星、恩诺沙星、诺氟沙星、氧氟沙星4种氟喹诺酮抗生素实现智能分类识别，测试集分类准确率高达 99.82%，显著优于传统化学计量学模型。该集成平台仅需简单的蛋白沉淀前处理，即可完成牛奶样本中氟喹诺酮类残留的灵敏定量与精准鉴别，为复杂食品基质中抗生素残留的现场智能化监测提供了极具前景的新策略。研究得到第二次青藏高原综合科学考察研究计划（2019QZKK0201）和四川省科技计划项目（2022YFQ0050）的支持。

论文链接：https://doi.org/10.1016/j.foodchem.2026.151267