多模态分析技术评估鸡肉真实性：连接分析方法与产业需求的桥梁

本研究针对欧盟日益严重的鸡肉欺诈问题，开发了结合稳定同位素(δ13C/δ15N)、多元素分析(ICP-MS)、近红外光谱(MicroNIR/SCiO)和氨基酸谱(GC-MS/MS)的多模态鉴别体系。研究团队成功区分奥地利、匈牙利和德国6个农场的鸡肉样本，融合数据模型准确率达98.3%，证实碳同位素可有效鉴别玉米饲喂鸡肉，而MicroNIR可作为现场筛查工具。该研究为打击食品欺诈提供了可产业化的解决方案。

　　

近年来，欧洲鸡肉市场欺诈事件频发，仅2023年欧盟就记录了61起鸡肉欺诈案件，涉及沙门氏菌污染、掺假和错误标签等问题。这些事件不仅损害消费者信任，更引发严重的公共卫生危机——奥地利甚至报告了因食用问题鸡肉导致死亡的案例。面对这一严峻形势，传统纸质溯源系统已无法满足监管需求，亟需建立科学可靠的鸡肉真实性鉴别体系。

奥地利自然资源与生命科学大学（BOKU University）的分析化学研究所团队开展了一项创新研究，通过整合实验室分析与现场检测技术，构建了多层次的鸡肉溯源方案。研究人员从奥地利、匈牙利和德国的6个农场采集90份鸡胸肉样本，运用稳定同位素比值分析（IRMS）、电感耦合等离子体质谱（ICP-MS）、手持式近红外光谱（MicroNIR/SCiO）和气相色谱-串联质谱（GC-MS/MS）氨基酸分析等四大技术平台，结合化学计量学模型，建立了可区分不同国家及农场来源的鉴别体系。相关成果发表在《Journal of Food Composition and Analysis》上。

关键技术包括：通过δ¹³C和δ¹⁵N同位素比值反映饲料来源差异；ICP-MS测定24种元素构建地理指纹；评估两种手持NIR设备（908-1676nm MicroNIR和740-1070nm SCIO）的现场筛查效能；GC-MS/MS分析17种氨基酸的饮食代谢标志物。所有数据通过正交偏最小二乘判别分析（OPLS-DA）建模验证。

研究结果显示：

1. 同位素指纹鉴别：δ¹³C值成功区分玉米饲喂（奥地利HU农场，δ¹³C -14‰至-10‰）与非玉米饲喂鸡肉，δ¹⁵N反映施肥差异，而δ³⁴S可区分德国与部分奥地利样本。

2. 元素特征分析：Cd、Tl、Na、Sr等12种元素构成显著差异标志，单独建模准确率达97.7%，与同位素数据融合后提升至98.3%。

3. 近红外技术对比：长波长MicroNIR（908-1676nm）性能显著优于短波长SCiO，在1378-1450nm（O-H/N-H键）和1081-1205nm（C-H键）波段区分效果最佳，整体准确率93.2%。

4. 氨基酸代谢标志：谷氨酸、精氨酸等17种氨基酸显示农场特异性模式，但受个体差异影响较大，单独准确率85.9%。

这项研究的重要意义在于：首次系统评估了手持NIR设备在鸡肉溯源中的实用价值，证实MicroNIR可作为"初筛-确证"工作流的高效前端工具；揭示了代谢水同位素（δ¹⁸O/δ²H）主要反映饲料而非当地水源的特征，修正了传统认知；开发的融合模型为产业界提供了从快速筛查到实验室确证的全套解决方案。研究团队特别指出，未来需扩大样本库覆盖更多养殖模式和地区，以进一步增强模型的泛化能力，为构建数字化食品溯源系统奠定科学基础。