编辑推荐：
为解决食品添加剂检测中存在的痕量难测、基质复杂、结构相似难辨等问题，研究人员开展了结合富集表面增强拉曼光谱（SERS）法与稀疏特征模型检测食品添加剂的研究。结果显示该方法能有效检测两类六种痕量添加剂，对保障食品安全意义重大。
在现代食品工业中，为了让食品更美味、保存更久、看起来更诱人，人们常常会添加各种食品添加剂。但如果这些添加剂使用不当，比如滥用或违规使用，就可能悄悄危害人们的健康。目前检测食品添加剂的方法有不少，像气相色谱法、高效液相色谱法和质谱法等，这些方法虽然精准，可操作起来特别麻烦，还得依靠大型设备，很难在日常快速检测中派上用场。荧光光谱法和紫外可见分光光度法虽然操作简单、灵敏度高，却不够稳定，特异性也不太好。表面增强拉曼光谱（SERS）技术在食品安全检测领域有很大潜力，它能展现分析物的分子信息，灵敏度也不错。但在实际检测液态食品添加剂时，痕量的添加剂、复杂的食品基质以及相似的添加剂分子结构，都给 SERS 技术带来了挑战。
为了解决这些难题，上海交通大学的研究人员开展了一项研究。他们成功研发出一种结合富集 SERS 方法与稀疏特征模型的策略，能够快速、精准地检测和识别液态环境中的食品添加剂。这项研究成果发表在《Food Bioscience》上，为保障食品安全提供了新的有力工具。
研究人员在此次研究中用到了几个关键技术方法。首先，他们合成了氧化石墨烯 / Au@Ag 纳米骨（GO/Au@Ag NBs）膜，这种膜能同时富集和检测目标分析物。其次，运用压缩传感（CS）理论，通过设计合适的变换基和传感矩阵，来提取和优化 SERS 光谱的稀疏特征。最后，采用 K 近邻（KNN）、支持向量机（SVM）、随机森林（RF）和卷积神经网络（CNN）等方法，建立基于稀疏特征的识别模型。
SERS 光谱分析食品添加剂
研究人员检测了六种食品添加剂的 SERS 光谱，记录了 1260 个光谱数据，每种添加剂各 210 个。结果发现，三苯甲烷类（孔雀石绿 MG、结晶紫 CV 和亮蓝 BB）和儿茶酚类（罗丹明 B RB、罗丹明 6G R6G 和胭脂红 CM）食品添加剂的光谱特征存在差异。其中，三苯甲烷类添加剂的光谱形状相似，有大量重叠谱带，如 414、520、757、798、917、991、1170、1221 和 1620 cm-1，仅相对强度有所不同。这表明，仅依靠光谱形状难以准确区分这些结构相似的食品添加剂。
模型性能比较
研究人员将基于稀疏特征建立的模型性能与基于主成分分析（PCA）和 t 分布随机邻域嵌入（t-SNE）的模型进行对比。结果显示，基于稀疏特征的识别模型在食品添加剂识别方面表现出色，准确率始终超过 0.94，明显优于传统的基于 PCA 或 t-SNE 的建模算法。这说明，利用 CS 理论提取的稀疏特征，在降低数据维度的同时，保留了光谱的关键信息，能够有效提高模型的识别精度。
方法的有效性验证
研究人员利用该方法对两类六种痕量食品添加剂进行检测，结果表明，该方法能够有效检测和识别这些添加剂。结合便携式过滤单元的 GO/Au@Ag NBs 膜，可实现对液态环境中食品添加剂的有效富集和快速检测。这一结果证实了基于 GO/Au@Ag NBs 膜和稀疏特征模型的 SERS 方法在食品添加剂识别方面的潜力。
在这项研究中，研究人员成功展示了一种针对液态环境中食品添加剂的快速、精确检测和识别的新方法。通过合成 GO/Au@Ag NBs 膜并结合便携式过滤单元，实现了对目标分析物的特异性富集和快速 SERS 检测。利用 CS 理论提取和优化光谱稀疏特征，并建立基于稀疏特征的识别模型，显著提高了食品添加剂识别的准确率。这一研究成果为保障食品安全提供了一种可靠、高效的检测手段，有助于加强对食品添加剂使用的监管，减少因食品添加剂滥用或违规使用带来的健康风险。未来，该方法有望在食品质量控制、食品安全监管等领域得到广泛应用，进一步推动食品安全检测技术的发展。
