使用可见光/近红外光谱技术、化学计量学和水光子学方法检测白葡萄酒中的赭曲霉毒素

《Food Chemistry》：Fingerprinting ochratoxin in white wine using visible/near-infrared spectroscopy, chemometrics and aquaphotomics

　　

摘要

在考虑欧洲人均总饮食摄入量时，葡萄酒被认为是第二大赭曲霉毒素A（OTA）的来源，仅次于谷物，而许多食物都可能受到真菌污染，从而含有OTA。本研究采用了可见近红外光谱（Vis-NIRS）技术在三个不同的波长范围内快速检测三种不同品牌的白葡萄酒中的OTA浓度，并结合了多种光谱预处理技术。研究发现，每种葡萄酒的水分图谱存在差异，表明其内在的水结构及其与葡萄酒成分的相互作用各不相同（Wine1（W1）、Wine2（W2）和Wine3（W3）之间有明显区别）。线性判别分析在根据波长范围和预处理类型对OTA浓度进行分类方面表现有效。在450 nm至1050 nm、1200 nm至1800 nm、1300 nm至1600 nm以及2050 nm至2300 nm的波长范围内，W1的OTA浓度预测较为容易且准确性较高，R²_CV值介于0.85至0.92之间，RMSE_C值低于7?w/v。W3的预测效果中等，而W2的预测效果较差。NIRS作为一种快速可靠的工具，可用于筛查白葡萄酒中的OTA，其有效性受到葡萄酒基质和波长选择的影响，在450–1050 nm和2050–2300 nm范围内对OTA浓度的预测尤为准确。

引言

赭曲霉毒素A（OTA）是一种肾毒性、遗传毒性和可能的致癌性霉菌毒素，主要由曲霉菌和青霉菌在葡萄成熟过程中产生，并在浸渍和压碎过程中持续存在（Anli & Bayram, 2009）。在欧洲人的饮食中，葡萄酒是仅次于谷物的第二大OTA来源来源。欧盟已将消费者暴露水平的限制定为2?μg/kg（Pan et al., 2022）。OTA的污染程度受葡萄品种、果实损伤、气候条件及酿酒工艺的影响，因此不同年份和品牌之间的OTA含量难以预测，这始终是一个食品安全问题，因此需要定期进行品牌级别的监测，而非纯粹的监管问题（ANLI et al., 2005; Freire et al., 2017）。

目前的OTA定量方法包括基于HPLC或ELISA的提取、净化和检测步骤。这些方法虽然准确，但需要训练有素的人员、危险的溶剂以及耗时的样品 prepared，因此不适合快速、高通量或在线筛查（Boshra et al., 2024; Muzolf-Panek & Wa?kiewicz, 2022）。这些不足促使人们关注更快速的光学检测方法。2026年的一项研究使用了基于溶剂的富集技术和纸基增强红外光谱技术来检测接近监管限值的复杂食品中的OTA，但这正是红外光谱技术在复杂食品中应用的主要局限（Bosman et al., 2026; Sieger et al., 2017）。尽管如此，在能够直接测量液体基质而不破坏它之前，仍需进行提取/富集步骤，因此真正快速、适用于样品的OTA筛查方法仍未解决。

近红外光谱（NIRS）是一种在线技术，所需的样品准备工作很少，且在食品和饮料质量评估中越来越受欢迎。在葡萄酒领域，NIRS已被用于预测可溶性固体、滴定酸度、花青素和单宁等品质参数（Rouxinol, Martins, Murta, Barroso et al., 2022），以及风味强度、涩味和平衡感等主观感知指标（Arslan et al., 2025; Cayuela et al., 2016）。在非葡萄酒应用中，NIR和NIR高光谱成像技术已被用于识别和定量谷物和干果中的真菌感染及相关霉菌毒素，如OTA（Senthilkumar et al., 2017; Teixido-Orries et al., 2026）。这些应用表明，NIR技术原则上可以检测到与霉菌毒素相关的光谱特征，但也存在主要限制：光谱响应的间接性，以及对于共存成分（如水分、糖分和酚类物质）的敏感性，在多组分液体基质（如葡萄酒）中比在固体颗粒中更为明显（Carbas et al., 2026）。

这种基质敏感性激发了“水光组学”（aquaphotomics）方法的发展。水分图谱中记录的水吸收带变化可能是由溶液中存在的化合物（如霉菌毒素）引起的，这些化合物本身没有强烈的NIR吸收带。由于水是NIR区域内最丰富的吸收剂，同时也是溶解化合物与水之间相互作用的敏感指标，因此可以通过针对特定波长区域而非整个NIR范围来区分由OTA引起的变化与水结构本身的变化，从而提高对OTA引起的变化的敏感性，并减少其他基团变化的干扰。由于赭曲霉毒素在葡萄酒中的浓度通常非常低，其对整体NIR光谱的贡献相对于葡萄酒主要成分（如水、乙醇、糖分和酚类化合物）的吸收带而言非常小（Senthilkumar et al., 2017）。因此，通过OTA对葡萄酒基质造成的间接光谱变化来发现OTA浓度与NIRS信号之间的良好相关性更为可行。然而，这种选择性并不一定意味着在其他类型的葡萄酒中也具有相同的区分和定量能力（Appaw et al., 2025; Behdad et al., 2024）。

虽然NIRS已用于确定葡萄酒的品质属性，但尚未用于检测葡萄酒中的OTA。实际上，NIRS仅在固体食品基质（如谷物）中显示出检测和定量OTA的潜力，并且目前尚无研究表明NIRS结合化学计量学和水光组学能在目标可见光和近红外波长区域直接检测和定量葡萄酒中的OTA（Cayuela et al., 2017; Gehlken et al., 2023; Genisheva et al., 2018; McMullin et al., 2015）。本研究旨在确定NIRS光谱的哪些区域及预处理方法最适合快速、无损地检测三种葡萄酒品牌中的OTA，研究了四个波长范围（450–1050?nm、1300–1600?nm、2050–1600?nm和2050–2300?nm），因为这些范围包含与葡萄酒主要成分相关的重要光谱信息。

章节片段

样品制备

本研究在匈牙利布达佩斯的一家超市购买了三种流行的白色葡萄酒，均为长相思（Sauvignon Blanc）酿制，体积均为750毫升，酒精含量均为12%。根据标准程序（AOAC 2001.01–2005），使用高效液相色谱法确认这些葡萄酒不含有毒素后再进行实验。

白葡萄酒的NIR光谱

图1显示了添加了不同浓度赭曲霉毒素的三种葡萄酒（Wine1、Wine2和Wine3）的原始光谱，波长范围覆盖400?nm至2500?nm，即可见近红外（Vis-NIR）区域。

400–700?nm的可见光区域吸收较弱，这是NIR光谱的典型特征，因为该区域主要涉及紫外-可见光范围内的电子跃迁。

白葡萄酒中OTA浓度的相关性分析

表6展示了在各种波长范围内，通过18种不同的预处理方法对原始光谱进行赭曲霉毒素浓度预测的最佳结果。

当未指定葡萄酒类型时，基于全数据的PLSR模型表现较差，最高R²CV为0.48，RMSECV为12.83?μg/L，此时采用了Savitzky-Golay平滑处理和一次多项式导数拟合（sgol@2–19-1）方法。

利用水光组学分析区分葡萄酒类型和浓度

OTA的存在不太可能在NIR区域产生明显的吸收带，而糖分或乙醇则可能产生明显的吸收带。然而，传统的NIRS-化学计量学建模技术仍能捕捉到与OTA相关的变异，因为它利用了所有最能区分数据类别的波长；但它无法解释光谱变化的原因。水光组学提供了一个额外的解释：水是NIR区域的主要吸收剂。

结论

研究结果表明，NIR光谱和化学计量学技术能够在特定波长下以可接受的准确性区分受赭曲霉毒素污染的葡萄酒。近红外光谱LDA模型在受OTA污染的Wine1和Wine3中表现出较高的预测准确性。结果显示，特定于基质的校准模型比通用模型具有更好的预测能力。

作者贡献声明

John-Lewis Z. Zaukuu: 资料撰写、审稿与编辑、数据可视化、验证、项目监督、方法论设计、调查、数据分析、概念化。Eric Tetteh Mensah: 资料初稿撰写、软件开发、方法论设计、数据管理。William Ofori Appaw: 资料初稿撰写、方法论设计、调查、数据分析、概念化。Nelson Quarshie Attipoe: 资料审稿与编辑、资料初稿撰写、软件开发、方法论设计。

资助

本研究未获得任何公共、商业或非营利机构的资助。

未引用的参考文献

Anli et al., 2005Manley, 2014Tsenkova et al., 2018a

利益冲突声明

作者声明没有已知的利益冲突或个人关系可能影响本文的研究结果。

致谢

作者感谢江西科技大学食品科学与技术系的支援，以及该校与测量与过程控制系之间的Erasmus+交流协议，使得开展相关实验成为可能，从而完成了本文的研究。

John-Lewis Z. Zaukuu|Eric Tetteh Mensah|William Ofori Appaw|Nelson Quarshie Attipoe|Zoltan Kovacs