用于真实食品基质中细菌性食源性病原体的生物传感器：从分析灵敏度到方法就绪度

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Biosensors for bacterial foodborne pathogens in real food matrices: From analytical sensitivity to method readiness

　　

目标核算通过检测工作流程跟踪目标物的可获得性。
分析物检测限与全法灵敏度分离。
六维评估矩阵用于评价方法的可用性，且不使用综合评分。
实际食品证据揭示了回收率、质控和验证方面的差距。
分阶段路线图指导生物传感器向常规食品检测的转化。

引言

细菌性食源性病原体的检测本质上是一个采样与决策问题，而不仅仅是信号读数问题。参考方法清晰地体现了这一全法要求：对于几种主要细菌性危害，它们需要在定义好的测试份（通常为25 g）中判定目标物的存在或缺失，并包含增菌步骤，因为稀有、受损且分布不均的细胞难以直接回收和检测（den Besten et al., 2025; International Organization for Standardization [ISO], 2017; U.S. Food and Drug Administration [FDA], 2026; U.S. Department of Agriculture Food Safety and Inspection Service [USDA FSIS], 2024）。

生物传感器所需的证据取决于其预期用途。推定性筛查在每一个阳性结果均被确认时，可以容忍假阳性；而批次放行检测对假阴性的容忍度极低，因此需要定义检测概率（POD）。增菌监测、确认、去中心化分诊和定量过程控制则施加了进一步不同的要求。因此，在选择传感器平台之前，应首先定义样本单位、决策阈值、时间目标、确认途径和验证计划。

预期用途还决定了增菌的价值：推定性筛查可能受益于缩短增菌时间后进行确认，而批次放行或参考方法等同性声明则需要证据表明任何缩短的工作流程仍保留了所需的检测概率和决策规则。

在此决策路径内，增菌不应被视为单纯可回避的延迟。在使用两个阶段的工作流程中，非选择性预增菌旨在支持回收和生长（包括受损细胞），而选择性增菌旨在使目标物相对于竞争性微生物群获得优势。净生物学增益取决于菌株、损伤程度、背景微生物群、基质中的抗菌剂、培养基、温度和时间，因此不是一个固定的倍数。生物传感器可以通过缩短增菌时间、更早检测生长或替代缓慢的确认步骤来创造实际价值；完全消除增菌并非总是必要。因此，性能应与完整的报告决策路径进行比较，而非在孤立的终点处进行比较。

然而，许多生物传感器研究仍突出强调在少量终末样本中测得的浓度限值。例如，一种微流控化学发光检测分析了10 μL样本，报告了约1.5小时内130 CFU mL?1的结果（Sun et al., 2022），而一种开放孔膜处理了250 mL牛奶或橙汁，检测到了约10个大肠杆菌O157:H7细胞（Hao et al., 2023）。两个结果在分析上均有价值，但它们解决的是不同任务：前者展示了从小量样本中灵敏读出的能力，后者展示了从大体积中接触和捕获的能力。在没有原始处理量、转移至检测的份数以及回收率的情况下，它们无法进行有意义的排名，因为仅凭浓度限值可以在处理绝对目标输入量差异极大的方法之间制造虚假的等价性。

这一区别暴露了传感器水平灵敏度与方法水平灵敏度之间的核心差距。检测器可能对到达其表面的极少量物质产生响应，但对原始食品份仍保持不敏感，因为抽样、澄清、稀释、不完全捕获和转移损失减少了到达读出处的目标数量。分析目标还必须与决策匹配：例如，DNA阳性本身并不能确立存活细胞的存在。基质效应、回收率、生物状态、质控、校准和用户操作因此是方法性能的组成部分（Masson, 2020）。

电化学生物传感器测量电流、电位或阻抗变化，而光学系统使用荧光、颜色、化学发光或等离子体响应（Castle et al., 2021; Y. Wang et al., 2024）。两者都可以采用抗体、适配体或核酸识别元件（He et al., 2023; Sharma & Mutharasan, 2013; Techakasikornpanich et al., 2024）。侧向流装置为全细胞或核酸传感提供视觉终点，而微流控和高通量格式组织样本处理或平行分析（Ji et al., 2023; Y. Zhao et al., 2024; Zolti et al., 2023）。核酸扩增增加了选定序列的拷贝数，而CRISPR可以提供序列触发的报告基因转化（Lu et al., 2024; Ndraha et al., 2023）。这些功能可以在一个工作流程中共存。

近期实施探索了基质感知捕获、封闭反应转移、便携读出和多重分析（Chen et al., 2025; Hao et al., 2023; Pan & Ding, 2026）。催化标签（包括纳米酶）也在开发中，以增强报告基因输出（Yuan et al., 2023）。RNA和噬菌体关联检测可以提供生物状态信息，而机器学习已在某些食品传感系统中用于模式识别（El-Moghazy et al., 2022; Petrucci et al., 2022; Yang et al., 2021）。在这些方向中，基质干扰、试剂或界面稳定性以及在预期条件下的验证仍然是核心转化挑战（Assudani et al., 2026; Pan & Ding, 2026）。虽然这一实施差距已被广泛认可，但绝对目标输入量、跨工作流程阶段的损失以及条件检测概率在各平台之间仍未得到一致的整合。

为了在完整方法水平上解读这些进展，本综述使用目标核算来识别目标基础，并跟踪目标物从定义好的测试份经制备、捕获或浓缩、增菌（如使用）、转移和检测的获得情况，在可以量化的地方量化保留或增益，并保留目标的生物学意义。方法可用性指的是支持完整方法用于特定食品检测目的的证据强度和范围。本综述随后按工作流程顺序评估捕获、信号增益和系统集成，并应用一个六维可用性评估矩阵，涵盖基质耐受性、捕获与回收、信号增益与负荷、测量质量、工作流程实用性和验证深度。通过单独报告每个维度，该评估矩阵保持弱势证据的可见性，而非让其被综合评分所掩盖。

章节摘要

范围与文献检索

为了在共同的方法学基础上比较生物传感器研究，本批判性叙述性综述结合了近期综述、向后和向前引文链接以及目标搜索，更新至2026年7月15日。检索概念将食源性病原体与生物传感器相联系，并涵盖食品基质、样本制备、回收率、处理体积、增菌、POD、验证、CRISPR、等温扩增、磁性捕获、表面增强拉曼散射、微流控、噬菌体和机器学习。

有效的分析输入与目标核算

在低污染水平下，方法性能始于两个顺序问题：目标物是否进入了测试份，以及制备后目标物是否以下游检测方法可以检测的形式留存？制备后仍可检测的目标物被称为分析上胜任的。设Cportion表示测试份中的目标浓度，Vs表示处理的质量或体积，ηprep、ηcapture和ηtransfer分别表示经制备、捕获和转移步骤保留的比例。每个η

跨制备、捕获和读出的基质效应

食品基质同时影响对目标物的可及性和读出处的背景。蛋白质和脂肪可以使表面污损或使细胞分配；胶体减缓混合；盐、色素、还原剂、防腐剂和酶改变反应；颗粒可能堵塞孔或在澄清过程中移除目标物。因此，基质耐受性应在完整工作流程中评估，而非仅在最终反应中加入纯化干扰物。补充表S2列出了常见基质因素

增益应针对已定义的局限性

在确立代表性目标传递和抑制剂控制之后，信号增益策略可以改善检测阶段的转化。等温扩增、滚环反应和杂交链反应、CRISPR切割、催化标签、纳米酶和光学增强可以增强信号，但它们也增加了对引物或向导设计、酶、温度控制、转移、防污染、试剂稳定性、颗粒批次一致性和质控的要求（Lu et al.

回收率、特异性与独立实验单元

测量质量从回收率开始，因为校准曲线仅描述了到达检测器的物质。端到端回收率应在低中和中靶标水平下独立测量。表观回收率超过100%可能源于计数误差、接种不均、基质依赖性响应或校准不匹配，因此应报告其不确定性。分母也必须明确，因为平板计数、分子拷贝数和活细胞

工业转化的分阶段路线图

工业转化应首先从定义预期用途开始：筛查、增菌监测、确认、分诊或定量放行。在选择换能器之前，开发者应指定测试份、所需POD或精密度、目标时间、确认途径、通量和假结果成本。这一顺序可以防止先构建复杂的信号系统而后才分配应用。

提出的路线图包含四个证据关卡。第1阶段

结论

综合来看，证据表明没有任何单一的生物传感器设计对所有食品或分析角色都是最优的。高通量膜、抗污损界面、磁分离、分子扩增、活性关联目标、智能读出和封闭试剂盒分别解决了不同的局限性。因此，它们的价值取决于样本、生物学问题以及使用它们进行决策的途径。

在缓冲液中较低检测限本身并非……的证据

未引用参考文献

AOAC INTERNATIONAL and Latimer, 2023; International Organization for Standardization, 2016a; International Organization for Standardization, 2016b; International Organization for Standardization, 2017; International Organization for Standardization, 2019; International Organization for Standardization, 2020a; International Organization for Standardization, 2020b; International Organization for Standardization, 2021; International Organization for Standardization, 2024; U.S. Department of

数据可用性

本综述未产生新的实验数据。支持示例性可用性评估的证据来自所引用的原始文献，并在补充表S4中总结了来源位置。

CRediT作者贡献声明

郝兴凯：概念化、方法学、调查、数据管理、正式分析、可视化、初稿撰写、审阅与编辑、监督、项目管理。何丽娟：审阅与编辑。黄智超：审阅与编辑。文宇浩：审阅与编辑。阿西米·赛力木汗：审阅与编辑。陈文：初稿撰写、审阅与编辑、监督。

稿件准备过程中生成式AI和AI辅助技术的声明

在本稿件准备过程中，作者使用了OpenAI ChatGPT进行语言编辑、结构精简和参考文献格式化。作者审阅和修改了所有输出内容，并对本文承担全部责任。

致谢

本工作得到中国国家自然科学基金（项目编号：32660684）资助，课题负责人为郝兴凯。

郝兴凯 | 何丽娟 | 黄智超 | 文宇浩 | 阿西米·赛力木汗 | 陈文