基于可见-近红外光谱技术的燕麦中镰刀菌及T-2/HT-2毒素污染无损检测研究

为解决燕麦中镰刀菌（Fusarium spp.）及其产生的T-2/HT-2毒素快速检测难题，研究人员通过可见-近红外光谱（Vis-NIR, 350–2500 nm）结合人工接种实验，建立了FL菌种分类模型（准确率76.2%）和毒素阈值判别模型（准确率93.3%），关键波长464/568/575/636 nm为毒素检测提供新方法，为食品安全监测提供非破坏性技术支撑。

　　

燕麦作为全球重要谷物，其安全性长期受镰刀菌（Fusarium）污染的威胁。其中Fusarium langsethiae（FL）是英国燕麦的主要污染菌种，能产生剧毒的T-2和HT-2毒素（Type A trichothecenes）。这类毒素不仅导致农作物减产，更会通过食物链引发人类造血功能障碍和免疫抑制。尽管欧盟设定了严格的毒素限量标准（建议阈值），但传统检测方法依赖破坏性采样和耗时的高效液相色谱分析，难以满足大规模筛查需求。

针对这一技术瓶颈，英国研究人员在《International Journal of Food Microbiology》发表研究，首次系统评估了可见-近红外光谱（Vis-NIR）技术对燕麦中FL菌种及其毒素的检测潜力。通过人工控制水活度（a_w
0.98/0.90/0.80）的接种实验，结合化学计量学建模，实现了"菌种-毒素"双维度检测突破。

关键技术包括：1）基于Vis-NIR光谱仪（350–2500 nm）采集燕麦样本光学特征；2）建立偏最小二乘判别分析（PLS-DA）模型区分FL污染；3）采用欧盟阈值标准构建毒素含量分类器；4）通过变量重要性投影（VIP）筛选特征波长。

研究结果显示：

1. 菌种特异性检测
   全光谱范围（350–2500 nm）模型对FL污染的识别准确率达76.2%，其中可见光区（350–995 nm）贡献最大，证实色素代谢物可作为生物标记物。

2. 毒素阈值判别
   基于欧盟标准的二元分类模型准确率高达93.3%，464 nm和636 nm等波长与毒素分子共轭结构高度相关，NIR区（1005–1795 nm）则反映蛋白质/淀粉等基质变化。

3. 定量分析性能
   可见光区建立的T-2/HT-2毒素定量模型决定系数（R²
   ）达0.875，显著优于近红外单独建模，提示毒素发色团在可见波段有特异性吸收。

该研究创新性证实Vis-NIR技术可同步实现"病原菌-毒素"双重监测，其中568 nm和575 nm波长首次被报道与Type A trichothecenes存在特征关联。尽管当前模型仍需扩大样本量提升鲁棒性，但为粮食供应链提供了一种可在3分钟内完成检测的现场筛查方案。从食品安全监管角度看，该技术有望整合入欧盟RASFF预警系统，实现从"实验室抽检"到"加工线实时监控"的范式转变。研究同时揭示水活度（a_w
≤0.90）对FL产毒的关键调控作用，为仓储条件优化提供理论依据。