N, S-CDs for colorimetric/fluorometric dual-mode nanosensor and smartphone-based determination of curcumin in fruits Zhifeng Cai, Tianyu Miao, Guiyu Meng, Yanan Li 10.1016/j.foodcont.2025.111515 该研究利用间苯二胺和β-巯基乙胺水热制备N、S共掺杂碳点，构建了可实现荧光/比色双模响应并支持智能手机读数的姜黄素快速检测平台。 核心价值在于把实验室级荧光传感与手机端可视化定量结合起来，但其应用边界仍主要面向果样等相对简单食品基质中的姜黄素筛查。
姜黄素（CUR）既是天然色素，也是医药和食品中常见活性成分，但过量使用可能带来恶心、腹泻和胃肠不适等副作用，因此需要建立快速、灵敏且便携的检测方法。传统HPLC、TLC、毛细管电泳和电化学方法虽然成熟，但普遍依赖昂贵仪器、复杂前处理和专业操作。 碳点因粒径小、发光稳定、生物相容性好和易功能化，已经成为食品分析中极具潜力的荧光探针。已有多种碳点用于CUR检测，但不少工作存在线性范围偏窄、检测方式单一或难以脱离实验室设备的问题。 另一方面，肉眼可视化检测虽然直观，却难以精确定量。智能手机结合RGB提取可把颜色变化数字化，为现场分析提供现实路径。本文聚焦的问题正是：能否构建一种兼具高灵敏度、宽线性范围、双模读出和手机辅助定量能力的CUR检测平台，并在水果样品中验证其可行性。 如何获得对CUR响应显著、稳定性好的绿色发光碳点材料
如何在复杂共存物质下保持对CUR的选择性和抗干扰能力
如何把实验室光谱信号转化为手机可读取的现场定量结果
本文要解决的核心问题是：构建一种可现场使用、双模定量且对姜黄素具有高灵敏和高选择性的碳点纳米传感体系。
作者采用间苯二胺与β-巯基乙胺作为前驱体，在pH 6、180 ℃、4 h条件下经水热反应制备N,S-CDs。所得碳点平均粒径约1.6 nm，表现出509 nm附近绿色荧光，在盐、短时紫外照射和15天储存条件下均较稳定，适合做检测探针。 检测原理上，CUR加入后会引起N,S-CDs荧光显著猝灭，同时溶液在可见光和紫外光下都发生可感知的颜色变化，因此可分别建立荧光定量和比色定量模型。机制分析表明，内滤效应（IFE）、聚集诱导效应（AIE）和静态猝灭共同参与，其中静态猝灭是主导机制；寿命变化不明显、温度升高下Ksv下降、以及FT-IR/Zeta/TEM证据共同支持了这一判断。 进一步地，作者引入智能手机颜色识别APP，将自然光下灰度值、紫外光下(G+B)值与CUR浓度关联，实现无大型仪器条件下的可视化定量检测。这使双模纳米探针从“能检测”推进到“能现场检测”。 1.以间苯二胺和β-巯基乙胺为原料，水热合成N,S共掺杂碳点，并经离心、透析、冻干得到探针。
2.通过TEM、AFM、Raman、FT-IR、XPS和光谱测试表征碳点形貌、表面基团与发光性质。
3.在PBS（pH 6.0）中构建N,S-CDs检测体系，加入不同浓度CUR，记录509 nm荧光变化和UV-vis吸收变化。
4.建立荧光模式下ln(F0/F)-浓度曲线及比色模式下吸光度-浓度曲线。
5.采集自然光和365 nm紫外下的样品照片，用手机APP提取灰度值与RGB参数进行现场定量。
6.在苹果、梨、葡萄加标样中评估回收率、精密度和实际适用性。
构建了N,S-CDs驱动的姜黄素荧光/比色双模传感平台
在线性范围与检测限之间取得较优平衡，尤其荧光模式覆盖0.05–50 μM
将手机RGB分析嵌入双模检测流程，提升现场可操作性
结合寿命、Parker校正、温度效应和界面表征，较系统地阐明了复合猝灭机制
text
输入：N,S-CDs探针、PBS缓冲液、待测CUR样品步骤1：配置N,S-CDs检测体系（0.2 mL探针 + 1.8 mL PBS, pH 6.0）步骤2：加入不同浓度CUR，反应1 min步骤3：记录509 nm荧光强度F和424 nm吸光度A步骤4：荧光模式拟合 ln(F0/F) 与 [CUR]步骤5：比色模式拟合 A 与 [CUR]步骤6：拍摄自然光/紫外图像，提取Gray或(G+B)值输出：CUR浓度、回收率与现场判读结果
相比仅依赖单一荧光读出的基线方案，本文的本质差异在于把“材料响应双模化”和“读出方式手机化”同时实现。
实验部分首先优化了检测条件，确定pH 6.0和1 min反应时间可获得最佳荧光响应。随后作者在0–50 μM范围内考察CUR引起的荧光衰减和吸收增强，并通过日内/日间重复实验验证稳定性，通过多种离子、抗生素、黄酮和氨基酸考察选择性。 在真实样品方面，作者选择苹果、梨和葡萄，经匀浆、离心、过滤和10倍稀释后进行加标回收测试；同时利用手机拍摄自然光与紫外图像，建立便携式比色和荧光现场定量模型，评估其与仪器法的一致性。 •荧光模式：线性范围 0.05–50 μM；LOD 0.026 μM；对比既有N,S-CDs方案（0.15–18 μM，LOD 0.04 μM）
•比色模式：线性范围 0–50 μM；LOD 0.081 μM；对比单一颜色识别方案，兼顾定量与可视化
•CUR猝灭程度：86.5%（50 μM）；对比多种共存物（100 μM）干扰明显更强
•共存离子/类似物：对荧光影响轻微；与CUR共存时整体读数保持稳定
•日内拟合：R² = 0.9921；对比同日三个时间点，结果一致
•日间拟合：R² = 0.9928；对比连续三天，重现性良好
•光谱法回收率：93.0%–105.2%，RSD ≤ 3.8%；对比果样加标结果稳定
•手机荧光RGB回收率：93.3%–106.0%，RSD 0.6%–4.0%
•手机比色RGB回收率：95.6%–107.3%，RSD < 4.3%
最关键的性能结论是：该N,S-CDs平台在保持低检测限的同时把CUR检测范围扩展到0.05–50 μM，并可在水果样品中通过手机完成可靠定量。
提出了一种面向食品样品中姜黄素检测的N,S共掺杂碳点双模纳米传感体系
证明了静态猝灭为主、IFE与AIE协同参与的复合荧光猝灭机制
打通了“实验室光谱检测—手机端图像定量”的转化链路
在苹果、梨、葡萄样品中验证了该方法的准确性、精密度与现场可用性
该工作推动了食品小分子检测从“高灵敏实验室分析”向“可视化、便携化、终端化分析”演进。
尽管本文实现了双模检测和手机辅助定量，但样品验证仍集中在水果加标体系，基质复杂度有限，尚未覆盖加工食品、复合调味品或高色度样品。另一方面，手机法的检测限明显高于光谱仪法，说明其便携性与灵敏度之间仍存在权衡。 此外，文中真实样品准备采用“每个样品独立制备n=1、技术重复n=3”的策略，统计学强度仍有提升空间。未来如果能结合标准化成像盒、固定光源和算法校正，有望进一步提升跨设备一致性与现场鲁棒性。 ☐扩展到更复杂食品基质，如饮料、酱料、复合添加剂体系
☑智能手机成像定量已验证可行，但仍需在不同机型和光照条件下系统校准
☑猝灭机制已被多手段支持，但分机制定量贡献仍可进一步精细化
最重要的下一步方向是：把手机辅助双模检测从“实验验证”推进到“标准化现场应用”。
这篇论文围绕姜黄素快速检测，构建了基于N,S共掺杂碳点的荧光/比色双模传感平台，并用机理分析证明静态猝灭为主导。其优势在于兼顾宽线性范围、低检测限、可视化读出与手机定量能力，尤其适合食品现场筛查场景。若后续进一步提高复杂基质适配性和手机标准化水平，应用潜力会更大。 一句话传播：这是一种把“会发绿光的碳点”变成“手机就能测姜黄素”的食品快检方案。
Figure 1
图1. (A) N,S-CDs 的紫外–可见吸收（绿色线）、荧光激发（黑色线）和发射（紫色线）光谱（插图：阳光下（左）和365 nm紫外光下（右）的N,S-CDs溶液照片）；(B) N,S-CDs 的 CIE 图（x：色调；y：饱和度）；(C) N,S-CDs 在不同激发波长（390–460 nm）下的荧光发射光谱。（关于本图例中颜色的解释，请读者参阅本文的网络版。）
Figure 2
图2. (A) TEM 图像，(B) 粒径分布，(C) AFM 图像，以及 (D) N,S-CDs 的拉曼光谱。
Figure 3
图3. N,S-CDs 上 C 1s (A)、N 1s (B)、O 1s (C) 和 S 2p (D) 的 XPS 光谱。
Figure 4
图4. (A) 含不同 CUR 含量（0–50 μM）的传感平台的荧光光谱；(B) ln(F0/F) 与 CUR 含量（0.05–50 μM）的拟合图；(C) 存在 CUR（0–50 μM）时传感体系的紫外–可见吸收光谱；(D) 吸光度与 CUR 浓度（0–50 μM）之间的线性曲线。
Figure 5
图5. 传感体系与 CUR 在一天内三个时间点 (A) 和连续三天 (B) 的荧光光谱。
Figure 6
图6. (A) CUR 的紫外–可见光谱，以及 N,S-CDs 的激发和发射光谱；(B) N,S-CDs 和 N,S-CDs + CUR 的寿命；(C) 考虑 IFE 时 CUR 对 N,S-CDs 的猝灭效率；(D) 未加入（黑色线）和加入（绿色线）CUR 时 N,S-CDs 的荧光发射光谱；(E) N,S-CDs 和 N,S-CDs + CUR 的紫外–可见吸收光谱；(F) FT-IR 和 (G) N,S-CDs 与 N,S-CDs + CUR 的 Zeta 电位谱；(H) 存在 CUR 时 N,S-CDs 的 TEM 图像；(I) 不同温度（298 K、308 K 和 318 K）下的拟合曲线。（关于本图例中颜色的解释，请读者参阅本文的网络版。）
Figure 7
图7. 阳光下 (A) 和紫外光下 (C) 含 CUR 含量（0–50 μM）的传感平台照片；灰度值与 CUR 浓度之间的关系 (B)，以及 (G + B) 值与 CUR 含量之间的关系 (D)。
