综述：霉菌毒素的当前见解：对食品和饲料安全性的毒理学相关性及多模式检测技术

本综述系统探讨了霉菌毒素的毒理学影响及检测技术进展，强调了传统方法（如ELISA、PCR）的局限性，并重点介绍了基于生物传感、适配体及人工智能（AI）的新型检测策略。文章指出，结合先进生物传感器与机器学习（ML）、深度学习（DL）的多模式系统有望实现高效、实时的食品安全预警与管理。

　　

霉菌毒素及其毒理学效应

霉菌毒素是由多种丝状真菌（如曲霉属Aspergillus、镰刀菌属Fusarium、青霉属Penicillium及麦角菌属Claviceps）产生的有毒次级代谢产物，广泛污染谷物、坚果、香料及动物饲料。这些毒素可引发多种健康风险，包括肝癌、肾毒性、神经毒性及免疫抑制。主要霉菌毒素如黄曲霉毒素（aflatoxins）、伏马毒素（fumonisins）、赭曲霉毒素（ochratoxins）、单端孢霉烯族毒素（trichothecenes）、棒曲霉素（patulin）和玉米赤霉烯酮（zearalenone）的毒理效应取决于暴露剂量、持续时间及靶器官，常导致肝毒性、免疫抑制、神经毒性、致癌性及生殖毒性等严重后果。全球高达25%的粮食作物受其污染，对公共卫生和经济稳定构成持续威胁。

霉菌毒素污染与监管挑战

霉菌毒素污染是一个全球性问题，遍及欧洲、亚洲、非洲及美洲等多个地区。其化学稳定性高，可耐受食品加工过程，且气候变化加剧了产毒真菌在温暖潮湿环境中的繁殖。监管面临的主要挑战包括多种毒素共存于农产品中、传统检测方法的局限性以及发展中国家应对能力不足。国际机构如世界卫生组织（WHO）和联合国粮农组织（FAO）已制定严格限量标准，但实际执行仍依赖高效、灵敏的检测技术。

传统与新型检测技术

传统检测方法如酶联免疫吸附测定（ELISA）、聚合酶链反应（PCR）和色谱法虽特异性强，但存在灵敏度不足、操作繁琐、成本高及难以多重检测等局限。PCR技术通过识别产毒真菌的特异性DNA序列，为真菌污染提供分子诊断替代方案。近年来，生物传感技术、适配体平台及人工智能（AI）模型的发展带来了革命性进步。这些技术具备高灵敏度、快速响应和现场应用潜力，尤其适用于复杂多样的食品体系。机器学习（ML）和深度学习（DL）策略能处理多维数据（如光谱学、遥感及传感器阵列数据），提升预测准确性，并支持高通量监测。

霉菌毒素去污策略

为降低霉菌毒素的健康风险，国际食品安体系强调预防与去污并重。去污策略包括物理、化学及生物方法，旨在减少毒素在食品链中的持久性与稳定性。然而，这些方法的效果受毒素类型、基质特性及处理条件影响，仍需进一步优化以确保安全性与效率。

未来展望

未来研究应聚焦于开发多模式检测系统，整合先进生物传感器与人工智能（AI）技术，以实现早期预警和高效管理。传统技术如PCR和ELISA将继续发挥作用，但需克服灵敏度与规模化限制。通过融合多组学数据、实时监测平台及智能算法，食品安全管理可望在动态农业环境中更加精准与 proactive。