以合成大麻素（SCs）为代表的第三代毒品新精神活性物质（NPS），具有物种多样、合成简单、迭代迅速等特点。以吲哚、吲唑、咔唑、吡唑、吲唑-3-甲酰胺、吡咯并[2,3-b]吡啶和苯并咪唑为骨架的SCs是NPS的主要组成部分。SCs的结构多样，且与Δ9-THC的作用机制类似，通过激活Ⅰ型大麻素受体（CB1R）发挥作用，从而产生镇痛、刺激食欲和调节情绪等。误用或过量使用SCs会导致头晕、恶心、呕吐、呼吸抑制、心血管疾病、急性肾损伤，甚至死亡，这严重威胁人类健康，危害公共安全。然而，目前尚缺少结构多样的SCs的现场快检方法，这给禁毒工作带来困难。因此，开发对合成大麻素的快速、高灵敏检测方法，对维护公共卫生安全和社会稳定具有重要意义。

荧光传感技术凭借其响应速度快、特异性高及操作便捷等优势，已成为环境监测和毒品快速筛查等领域的重要技术手段。在荧光探针开发过程中存在实验周期长和试错成本高等问题。针对该问题，中国科学院新疆理化技术研究所痕量化学物质感知团队以合成大麻素分子本征理化性质及其与CB1受体的结合模式为指导，通过在咔唑荧光团的多个位置引入氢键供/受体和供/吸电子基团来模仿CB1受体对合成大麻素的识别作用，实现了荧光探针对合成大麻素MDMB-CHMICA的精准识别。通过对不同取代探针分子电子结构的系统研究，发现供/吸电子基团的引入，影响了探针的分子轨道能级排布，引入吸电子基团的CSN与CDN探针的分子轨道能级远低于引入供电子基的CSD与CDD探针，同时，共轭体系的增大导致了荧光发射峰红移。通过独立梯度模型揭示了不同咔唑基探针和MDMB- CHMICA的结合作用类型，氢键、π-π相互作用和疏水作用是主要作用力类型。理论光谱模拟和前线分子轨道分析充分揭示了光诱导电子转移（PET）机制导致探针荧光猝灭。该工作基于目标物本征性质和模仿靶蛋白结合作用设计了4种非共价识别的有机荧光探针，为合成大麻素的传感探针开发提供了理论指导。

相关研究成果以“Noncovalent Interaction-Based Probe Design for PET-Facilitated Fluorescence Sensing of Synthetic Cannabinoids”为题发表于ACS Omega期刊，新疆大学联合培养硕士研究生董佳豪和中国科学院新疆理化所赵传芳博士为共同第一作者，窦新存研究员为通讯作者。该工作得到了新疆维吾尔自治区重点研发计划、天山创新团队和天池英才等项目的资助。（原文链接）

图1 基于非共价相互作用的探针设计，用于PET促进的合成大麻素荧光传感

此外，针对具有迭代更新快、种类繁多等特点的SCs检测的现实需求，中国科学院新疆理化技术研究所痕量化学物质感知团队提出了一种基于SERS技术耦合机器学习的识别策略，以分子结构的计算模拟分析出发点，对5种典型SCs分子进行几何优化与振动频率计算并模拟了SCs的拉曼光谱。通过势能分布分析（PED）明确了SCs的拉曼特征峰对应的分子振动基团。同时，设计合成了具有“热点”效应的金纳米立方体基底材料，基于此获取了每种SCs的高质量SERS光谱数据并建立了机器学习数据库。进一步采用降维、平滑等预处理方法以及不同机器学习分类模型算法实现分类，其中，SVM分类模型在迭代训练以及10折交叉验证中的分类性能显著优于其它算法，均达到准确率100%。此外，基于归因算法和PED分析解析了在SVM模型在分类过程中SCs分子共性基团振动峰位和特征基团振动峰位的识别机制，揭示了机器学习算法判别拉曼峰的物理化学来源。归因算法不仅证实了模型决策能力与分子振动模式密切相关，还验证了模型的泛化能力。该策略为SVM模型的分类解释提供了新思路，实现了结构高度相似物质的精准区分。

相关研究成果以“Differentiation and Identification of CA Series Synthetic Cannabinoids Based on SERS Technology Coupled with Support Vector Machine.”为题发表在Sensors and Actuators B: Chemical期刊上，新疆大学联合培养硕士研究生李文龙和中国科学院新疆理化所杜玉婉博士为共同第一作者，窦新存研究员为通讯作者。该研究工作得到了国家自然科学基金、新疆维吾尔自治区重点研发计划项目、新疆维吾尔自治区天山创新团队和天池英才等项目的资助。（原文链接）

图2 基于SERS技术耦合机器学习实现CA系列合成大麻素的区分识别