基于分子印迹转换型漆酶模拟纳米酶的氨基甲酸乙酯残留现场自校准检测新方法

本研究开发了一种创新检测平台，将分子印迹技术（MIT）与可切换漆酶模拟纳米酶结合，实现了食品中氨基甲酸乙酯（EC）残留的高灵敏度、高选择性现场检测。该方法通过自校准机制有效消除环境干扰，为食品安全快速监测提供了可靠工具，对保障消费者健康具有重要意义。

　　

Highlight

本研究建立了几种基于元素分析的稳健模型，用于鉴别Hovenia dulcis的地理起源，包括监督和非监督机器学习模型。通过使用电感耦合等离子体光学发射光谱（ICP-OES）和电感耦合等离子体质谱（ICP-MS）定量60种无机元素，并应用多元分析（主成分分析PCA、偏最小二乘判别分析PLS-DA和正交偏最小二乘判别分析OPLS-DA）和机器学习技术（SHAP和线性判别分析LDA），我们实现了韩国和中国样本的清晰分离，分类准确率达96%-100%。

在分析的60种元素中，有25种元素的变量重要性投影（VIP）值≥1，其中钙（Ca）、铑（¹⁰³Rh）和镥（¹⁷⁵Lu）对中国样本具有显著负贡献，而硼（¹¹B）和锶（⁸⁸Sr）对韩国样本具有显著正贡献。线性判别分析显示组间距离为19，表明模型具有极强的判别能力。

结论

本研究证实基于ICP的元素分析结合化学计量学和机器学习是鉴定H. dulcis起源的强有力工具，相较于传统视觉方法具有明显优势，可为监管监测、标签准确性和消费者保护提供技术支持。