基于仿生多级孔纳米结构体系的气体传感器

Breath analysis based on volatile organic compounds (VOCs), as a non-invasive technique, is promising in disease diagnosis. However, gaseous molecules at high flow rates are hard to be captured, it remains a challenge to detect trace VOCs sensitively and selectively. Inspired by the Murray network with optimum mass transfer in nature, this project utilizes butterfly wings as biomimetic templates to assemble and calcine metal-organic framework materials (MOFs) to fabricate micro-meso-macro porous materials, where the rich hierarchically porous channels and high surface area are able to efficiently capture trace gaseous molecules. These materials are then modified by MOFs’ tunable doping properties to improve the selectivity of target gaseous molecules, achieving the detection of exhaled gas with high sensitivity and specificity. By using theoretical calculations, a three-dimensional model of micro-meso-macropore will be established to deeply analyze the dynamic behavior of diffusion and adsorption of gas flow in hierarchically porous materials, with a view to revealing the influence of the micro-meso-macro porous hierarchy on molecular diffusion-adsorption property and the resultant gas-sensing performances. The results of this project will not only develop a new strategy for assembly of hierarchically porous nanostructures, but also provide a basis for the higly sensitive and selective detection of the trace gaseous molecules in gaseous fluid.

基于挥发性有机物（VOCs）的呼出气检测作为一种非侵入性技术，有望应用于疾病诊断，但气体分子流动速度大、难以捕获，这给微量VOCs的高灵敏度和特异性检测带来挑战。从自然界中传质最优化的Murray网络得到启发，本项目以蝴蝶翅膀作为仿生模板，组装和煅烧金属有机框架材料（MOFs）来制备微孔-介孔-大孔材料，其中丰富的多级孔道和高的比表面积能够高效捕获微量气体分子，并利用MOFs可调的掺杂性质对材料进行改性，提高对目标气体分子的选择性，从而实现呼出气的高灵敏度和特异性检测。我们将进一步将借助理论计算，建立微孔-介孔-大孔三维模型，对多级孔材料中微量气体的扩散、吸附等动力学规律进行深入分析，以期揭示多级孔结构、分子扩散-吸附性能及其气敏性能三者之间的相互影响机制。本项目的相关成果不仅为多级孔纳米结构的组装提供一种新策略，还为流动气体中微量气体分子的高灵敏度和特异性检测打下基础。

呼出气中的气体分子与人体的健康状态息息相关，特别是一些挥发性有机化合物（VOCs）可以作为某些疾病的气体标志物，在疾病检测方面具有重要的应用价值。然而作为气体标志物的VOCs种类多、含量低，这迫切需要开发多通道、高灵敏和高选择性的气体传感器。针对这一应用需求，本项目进行两个方面的工作：（1）受蝴蝶翅膀周期性空腔结构能够抑制气体分子逃逸的启发，将此结构引入到一系列商业气敏材料中，大幅度提高气体分子的检测灵敏度，构建用于检测实际呼出气样本的高灵敏多通道传感芯片。以蝴蝶翅膀为模板，采用室温沉积和高温煅烧的方法制备仿生纳米材料来复刻蝴蝶翅膀的周期性空腔结构。与传统介孔氧化锌（ZnO）纳米材料和ZnO纳米颗粒相比，仿生ZnO纳米材料对乙醇分子的响应值均有明显提高。模拟结果表明：由于结构诱导的涡流效应，周期性空腔结构延长气体分子的停留时间，提高气体分子的捕获效率。据此，本项目提出一种独特的基于结构诱导涡流的灵敏度增强机理，进一步通过其他三种气体分子的气敏性能测试验证这一机理。作为一种概念验证的装置，由仿生纳米材料构建的四通道微型传感阵列能够灵敏地识别实际呼出气样本气体成分的变化，其结果与气相色谱-质谱（GC-MS）的结果一致，表明仿生纳米材料及其传感机理具有较高的实用价值。（2）搭建多层次肺癌气体标志物的筛选平台，从细胞和活体两个层次出发，结合固相微萃取技术和GC-MS技术，研究肺癌的气体代谢组学，筛选气体标志物。本项目设计肺癌细胞气体代谢物的动态收集装置，能够输运细胞气体代谢物达到检测区域，并形成流动循环气路，让细胞代谢的气体动态流动，方便富集。采用固相微萃取技术采集顶空气体，并利用GC-MS分析肺癌细胞的气体代谢成分。对比肺癌患者的呼出气体成分，本项目筛选出的肺癌细胞的气体标志物为甲苯、苯甲醛、壬醛、癸醛和十六烷，并实现了对一些气体标志物的定量。