利用基于快速蒸发电离质谱的化学计量学方法和机器学习技术，快速准确地区分新鲜猪肉和解冻后的猪肉

《Journal of Future Foods》：Rapid and Accurate Differentiation of Fresh and Frozen-Thawed Pork Using Rapid Evaporative Ionization Mass Spectrometry-Based Chemometrics and Machine Learning

肉类冷链运输中温度波动引发的冷冻-解冻循环会显著劣化肉品品质并威胁食品安全，本研究采用快速蒸发离子化质谱（REIMS）结合化学计量学与机器学习技术，通过PCA-LDA模型实现新鲜与冷冻解冻猪肉99.72%的准确分类，优化后模型泛化能力提升，OPLS-DA分析鉴定出m/z 594.3049、595.2889、279.2330等关键代谢物，揭示脂肪氧化及细胞膜破坏的代谢机制，为实时肉品质量监测和欺诈检测提供高精度解决方案。

　　

王婉茹|刘彤|王秀娟|徐秀丽|张峰|雷洪涛

摘要

肉类在冷链运输和储存过程中的温度波动会导致冻融循环，从而显著降低肉类品质并危及食品安全。将冻融肉类误标为新鲜肉类是一个严重的问题。本研究通过结合快速蒸发电离质谱（REIMS）与化学计量学和机器学习技术，实现了对新鲜肉类和冻融猪肉的快速准确区分。PCA-LDA模型对高脂肪和低脂肪肉块（前腿肉、后腿肉、背脂）进行了分类，准确率达到99.72%。模型优化进一步提升了其泛化能力。OPLS-DA分析确定了与冻融循环相关的关键代谢物标志物，包括m/z 594.3049（PS 21:1；O）、m/z 595.2889（LPI 18:2）和m/z 279.2330（FA 18:2），这些标志物反映了脂肪氧化和细胞膜破坏等代谢变化。该方法能够实现实时肉类品质监测，为欺诈检测和食品安全保障提供高精度支持。