金属有机框架（MOFs）因其可调控的孔道结构和优异的荧光性能，在化学传感领域备受关注。荧光 MOFs（LMOFs）已广泛应用于重金属、农药和有机污染物的检测，具备高灵敏度、优异选择性、成本低等优势。然而，实现 LMOFs 在复杂体系中的精准定量分析，仍是推动其实用化应用的关键挑战。

近日，华南理工大学前沿软物质学院/电子显微中心王宇教授课题组成功构建了一种双 AIE 配体协同增强的 MOF 传感器（AIE-MOF），并结合计算机视觉技术，实现了超高灵敏度的可视化定量农药检测。该 MOF 具有独特的三维框架结构，两种不同 AIE 配体的协同作用赋予其精确的孔道尺寸，并通过能量转移效应显著提升荧光性能。同时，其动态配位环境增强了与目标分子的特异性作用，使其对氯硝胺（DCN）的检测限达到 ppb 级，展现出卓越的灵敏度、选择性及抗干扰能力。机理研究表明，DCN 与 MOF 之间存在强相互作用，DFT 计算进一步揭示了 PET 机制在荧光猝灭过程中的主导作用。在模拟实际样品的检测中，该体系可直接应用于水果和土壤中的农药残留现场检测，实现肉眼可视化识别，并借助计算机视觉实现高精度定量分析。

本研究不仅为 LMOF 传感器的实用化应用提供了可靠策略，同时也展示了 AIE-MOF 结合计算机视觉技术在快速现场检测中的巨大潜力。相关成果以“Synergistic Aggregation‐Induced Emissive Linkers in Metal‐OrganicFrameworks for Ultrasensitive and Quantitative Visual Sensing”为题，发表在国际知名期刊《JACS Au》。前沿软物质学院 2021 级本科生常文馨、博士研究生姜岩松、博士后李之豪为论文共同第一作者。 

协同 AIE-MOF 的合成、结构及 DCN 荧光检测

本研究通过将两种不同的 TPE 配体协同组装到 MOF 中，成功制备了具有双 AIE 效应的 MOF（AIE-MOF）。相比单一 AIE 配体的 MOF，AIE-MOF 具有更优异的荧光性能和更精准的孔道调控能力。所得 MOF 具有 1.3 nm 的孔道尺寸，可精准容纳 DCN 分子，同时其配体间的能量共振转移效应显著增强了荧光发射，并提高了量子效率。

在 DCN 存在时，AIE-MOF 的荧光迅速猝灭，且在 DCN 浓度达到 15 mg/L 时完全熄灭。经计算，检测限低至 123 ppb，在已报道的荧光传感器中处于领先水平，仅次于 HPLC 和 GC-MS，但响应速度大幅提升，仅需 1 s。此外，AIE-MOF 对 DCN 具有优异的抗干扰能力，在多种常见溶剂、农药分子、金属离子等复杂环境中依然保持高效检测性能。

 图1 协同AIE配体MOF的合成和表征

 图2 协同AIE-MOF对DCN的荧光检测和抗干扰能力测试

荧光猝灭机理研究

为了探究 MOF 体系对 DCN 高灵敏度识别的机制，研究团队开展了详细的光谱学与计算研究。XPS 和拉曼光谱表明，DCN 与 MOF 之间存在显著的相互作用。瞬态吸收光谱（TAS）测试进一步证实，在 400 nm 激光激发下，DCN@MOF 体系表现出强激发态吸收，表明 MOF 向 DCN 发生了光电子转移（PET）。DFT 计算结果显示，MOF 中 TPPE 配体的最低未占分子轨道（LUMO）与 DCN 的 LUMO 处于有利对齐状态，从而促进 PET 过程，最终导致荧光高效猝灭。

 图3 MOF荧光猝灭机理研究

模拟实际体系的可视化定量检测

为验证 MOF 在实际应用中的潜力，研究团队采用该材料对水果表面及土壤中的 DCN 残留进行了现场检测。实验中，先将 DCN 农药溶液喷洒于黄皮果实表面，然后利用 MOF 进行检测。在日光下，清洁水果与 DCN 处理水果无明显区别（图 4A）；但在 365 nm 紫外光下，清洁水果表现出亮绿色荧光，而 DCN 处理的水果荧光完全熄灭（图 4B）。这一显著对比表明 MOF 体系在水果样品中的出色可视化检测能力。同样的检测策略也适用于更复杂的土壤样本（图 4C-D）。

进一步地，研究团队结合计算机视觉技术，实现了农药残留的高精度定量分析。随着 DCN 浓度从 0 mM 增加到 0.6 mM，荧光强度从 100% 下降到 18.2%，且呈现良好的线性关系。这一结果证实了 MOF 结合计算机视觉的检测策略在实际应用中的可靠性和准确性。

图4 模拟实际应用中对DCN的可视化定量检测

研究意义与展望

本研究通过双 AIE 配体的分子工程设计，克服了传统 LMOFs 在灵敏度与选择性之间的权衡难题，展现出卓越的农药检测能力。结合计算机视觉技术，研究团队建立了一种高效、可靠的现场可视化定量检测方法，为 AIE-MOF 体系的合成与应用提供了新的理解，也为未来可视化传感器与计算机视觉技术的结合开辟了新方向。

文章信息：

Yansong Jiang, Wenxin Chang, Zhihao Li, Xiang Zhou, Panjing Zhang, XuehaiHuang, Xinyi Pan, Zhenda He, Yu Wang*, Zhongqun Tian.Synergistic Aggregation-Induced Emissive Linkers in Metal-Organic Frameworksfor Ultrasensitive and Quantitative Visual Sensing. JACS Au, 2025.https://doi.org/10.1021/jacsau.5c00092 

王宇教授课题组（EMIT Lab）简介

EmergentMaterials and Intelligent TEM (EMIT) Lab专注于通过 AI 驱动的组合化学工具开发新型功能材料的合成、表征与分析。研究方向涵盖三大领域：

1.智能合成：开发自动化机器人系统进行高通量化学合成，并结合 AI 实时优化合成路径。

2.智能表征：推动智能透射电子显微技术（TEM）的发展，包括液相 TEM 硬件创新及先进数据分析算法。

3.人工智能应用：利用 AI 设计分层材料、预测其结构与性质，并开发智能算法解析复杂表征数据，特别是用于原位及高通量实验分析。

近年来，王宇教授以第一/通讯作者身份在Nature Communications（4 篇）、JACS（4 篇）、Science Advances（2 篇）等期刊发表论文 17 篇。 

学生心得体会

常文馨（本科生）：

作为一名本科生，在科研实验室的学习与研究中，我深刻感受到导师和师兄的悉心指导对科研成长的重要性。王老师通过组会为我梳理研究方向，帮助我深入理解金属有机框架的科学内涵，并在实验设计上提供了关键建议。姜师兄在实验初期耐心指导我优化合成策略，帮助我克服了上百次失败的挫折，最终成功合成了以Zn为金属中心的MOF。他们的指导不仅让我掌握了实验技能，更让我学会了如何严谨地分析问题、解决问题。这段经历让我深刻认识到科学研究的严谨性与创新魅力，也让我在独立思考和团队协作中不断成长。这些收获将成为我未来科研道路上的宝贵财富，激励我继续探索未知。

姜岩松（博士生）：

在本论文的撰写与发表过程中，我深刻体会到团队协作与导师指导的重要性。首先，我的导师在科研探索的每一个关键阶段给予了针对性指引：从实验初期帮我梳理逻辑框架、优化实验设计，到中期耐心指导数据筛选与模型验证，再到后期逐字逐句推敲论文表述，都为文章提供了根本保障。作为研究生，在帮助本科生参与科研的过程中，我深刻领悟到既要耐心传递科研方法，更需要构建双向协作的良性循环。本科生并非被动参与者，他们活跃的思维常为研究注入新视角。这种协作不仅提升了论文的学术严谨性，也让本科生在批判性思维训练中受益匪浅。