手持近红外光谱结合模式识别技术快速检测大米中黄曲霉毒素B1污染的初步研究

《Foods》：Handheld Near-Infrared Spectroscopy Integrated with Pattern Recognition for Non-Destructive Discrimination of Rice Infected by an Aflatoxigenic Versus a Non-Aflatoxigenic Aspergillus flavus Isolate

　　

摘要

黄曲霉毒素B₁（AFB₁）是由产毒黄曲霉（Aspergillus flavus）产生的一种高致癌性代谢产物，对大米安全和公众健康构成严重威胁。本研究旨在通过将手持式近红外（NIR）传感器与模式识别分析相结合，建立一种快速、无损的方法，用于区分产毒性和非产毒性A. flavus感染，并对大米中AFB₁污染水平进行探索性分类。本研究共使用154个收获后大米样品，分别接种产毒性A. flavus、非产毒性A. flavus，或不接种作为对照组。从每个样品中采集光谱数据，并采用模式识别分析（PCA、SIMCA、OPLS-DA）来区分感染类型并对AFB₁含量进行分级。μHPLC-MS/MS参考方法测定的AFB₁浓度在早期感染阶段为2.70至23.59 ppb。PCA显示三组样品之间具有明显的分离趋势。SIMCA模型在内部验证中对三种感染类型的区分实现了100.00%的准确率、灵敏度和特异性；在独立样品的保留验证中也表现出有效的区分能力，总体准确率为96.67%。OPLS-DA也取得了相当的结果，内部验证准确率为95.90%，保留验证准确率为96.67%。值得注意的是，SIMCA模型还被探索性地应用于将AFB₁含量分为低AFB₁（<4.0 ppb）和高AFB₁（≥4.0 ppb）两组；在蒙特卡洛交叉验证和保留验证下，该分级模型的平均准确率分别为63.10%和87.50%，这表明了用手持近红外光谱进行AFB₁分级具有潜在可行性。该方法在食品供应链中进行基于实验室的快速筛查方面具有潜力，有助于及时进行风险评估和干预，以保障食品安全和公众健康。