《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Identification and content prediction of antibiotics in milk based on fluorescence hyperspectral technology
编辑推荐：
龙云涛|边云|宋飞虎|金光远|李振峰|滕后昌|徐万秀|宋春芳江南大学智能制造学院/江苏省先进食品制造设备与技术重点实验室，中国江苏省无锡市214122摘要牛奶中的抗生素残留会影响乳制品的质量和安全性，这对消费者健康和乳制品行业的可持续发展至关重要。本研究利用荧光高光谱成像（F-H
龙云涛|边云|宋飞虎|金光远|李振峰|滕后昌|徐万秀|宋春芳
江南大学智能制造学院/江苏省先进食品制造设备与技术重点实验室，中国江苏省无锡市214122
摘要
牛奶中的抗生素残留会影响乳制品的质量和安全性，这对消费者健康和乳制品行业的可持续发展至关重要。本研究利用荧光高光谱成像（F-HSI）技术结合机器学习算法，实现了对牛奶中喹诺酮类抗生素（环丙沙星、氧氟沙星）和氯霉素类抗生素的快速、无损检测。结果表明，MSC-whole-band-SVM和MSC-RF-SVM组合分类模型的表现最佳，校准集的准确率为100%，预测集的准确率为97.5610%。原始的光谱-SPA+2D-COS-PLSR算法模型是环丙沙星残留样品的最佳定量模型，其R2P值为0.88167，RMSEP值为0.030637。MSC-RF+2D-COS算法模型是氧氟沙星残留样品的最佳定量模型，其R2P值为0.89832，RMSEP值为0.030531。SNV-RF+2D-COS算法模型是氯霉素残留样品的最佳定量模型，其R2P值为0.8755，RMSEP值为0.036625。这些结果表明，F-HSI结合机器学习可以有效识别和预测牛奶中抗生素残留的类型和浓度，在监管标准和实际条件下的进一步评估将有助于提高其适用性的理解。
引言
抗生素在畜牧业中被广泛用于治疗和预防奶牛的细菌感染[1]。然而，由于过度使用或降解速度缓慢，抗生素残留可能在动物体内积累，导致动物产品中的抗生素残留量超过法定限值。长期摄入含有抗生素残留的牛奶会危害消费者健康，因此必须实施严格的检测和控制措施。
目前的抗生素残留检测技术包括生物传感器[2]、免疫测定[3]和液相色谱-串联质谱（LC-MS/MS）[4]，这些方法能够检测和识别多种抗生素残留，并在准确性和灵敏度方面表现良好。然而，这些方法严重依赖化学试剂，通常需要复杂的样品制备和较长的分析时间。因此，为了更有效地监测牛奶安全，应用高效、灵敏且快速的无损检测技术非常重要。
高光谱成像（HSI）技术不需要化学试剂或样品制备，可以从图像的每个像素捕获空间和光谱信息[5]。它在食品质量和安全方面显示出优越性[6]。当与光谱相似性分析结合使用时，HSI可以有效地检测奶粉中的三聚氰胺颗粒[7]。将高光谱成像与人工神经网络（BP-ANN）结合使用，可以实现五种典型酸奶的无损识别[8]。然而，由于食品基质的复杂性和化学成分的多样性，HSI在量化主要食品成分时较为敏感，而在量化次要成分时则不够敏感[9]。
荧光是有机或无机物质在受到短波长辐射（如紫外线或激光）刺激时自然发出的内在光[10]。牛奶中含有多种荧光物质，如氨基酸、辅因子和维生素[11]。通过激发-发射矩阵（EEM）荧光光谱结合二阶校正方法，可以快速识别和量化牛奶中浓度高于2%的三聚氰胺掺假[12]。一项研究使用荧光光谱和化学计量工具检测牛奶中的乳清掺假，PLS-DA模型成功分类了掺有乳清的真实牛奶样品，甚至能够区分牛奶类型[13]。多维荧光光谱（3D和2D）结合化学计量工具，可以直接测量牛奶中的抗生素残留物，如青霉素G、磺胺甲噁唑和四环素[14]。同步荧光光谱（SFS）方法结合偏最小二乘判别分析（PLS-DA）模型，用于识别发酵乳制品（酸奶和奶酪）中的牛奶类型，并使用偏最小二乘（PLS）模型量化二元混合物中的混合比例，掺假检测限低于3.3%[15]。荧光光谱具有高特异性和灵敏度，但它只提供单一维度的数据。
荧光高光谱成像（F-HSI）结合了荧光光谱和高光谱成像的优点，实现了对样品数据的高灵敏度检测和多维信息分析。作为一种无损方法，F-HSI具有较低的检测限，可以提供食品样品中荧光分子的信息[16]。近年来，它在食品质量和安全评估方面显示出有希望的应用，例如茶叶质量鉴定[17]、[18]、鳕鱼冻融历史评估[19]和农产品毒素检测[20]。在药物残留检测领域，一些学者也利用F-HSI技术取得了进展。一项研究结合显微F-HSI和机器学习算法，开发了一种新的方法来识别哈密瓜样品中的农药残留。基于SPA特征提取的PLS-DA模型取得了良好的结果，训练集和测试集的准确率分别为89.35%和86.99%[21]。
牛奶是一种复杂的食品系统，包含蛋白质、脂肪、碳水化合物、矿物质和维生素等多种营养成分[22]。这些成分可能与抗生素发生不同程度的相互作用，可能会掩盖或干扰抗生素的特征峰。二维相关光谱（2D-COS）是一种基于动态光谱变化的数学工具，用于揭示光谱数据在受到干扰（如浓度、温度或外部场变化）时的变化模式[23]。通过构建一维光谱数据的相关矩阵，它将一维光谱信息扩展到二维空间，区分重叠峰、弱峰和偏移峰，从而提高光谱分辨率[24]。该技术已被用于分析猪肉腐败[25]、海滩羊肉肉中AECI活性变化下的特征波长[26]以及识别枸杞的来源[27]。因此，在本研究中，我们将荧光高光谱技术与2D-COS算法结合，用于检测牛奶中的抗生素残留，利用这两种技术的潜力，因为之前没有关于使用F-HSI检测牛奶中抗生素残留的报道。
本研究采用荧光高光谱成像（F-HSI）结合机器学习模型来检测牛奶中的抗生素残留（环丙沙星、氧氟沙星和氯霉素）。主要目标是：（1）研究牛奶中不同抗生素残留的荧光光谱特性，并评估F-HSI在复杂牛奶系统中检测抗生素残留的可行性；（2）基于光谱预处理和特征波长选择方法结合机器学习算法开发分类模型，以实现不同抗生素残留的可靠识别；（3）通过整合二维相关光谱（2D-COS）和特征波长选择算法构建定量预测模型，提高抗生素浓度估计的准确性和稳健性；（4）使用最佳预测模型可视化牛奶中环丙沙星、氧氟沙星和氯霉素残留的空间分布。这种方法为牛奶中抗生素残留的识别、定量和可视化提供了一种快速且无损的策略。
章节片段
样品制备
本研究中使用的所有抗生素标准品，包括环丙沙星、氧氟沙星和氯霉素，均购自上海迈瑞生化科技有限公司。每种化合物的纯度≥98%。相应的CAS编号如下：氧氟沙星（CAS编号82419–36-1），环丙沙星（CAS编号85721–33-1），氯霉素（CAS编号56-75-7）。本研究中使用的牛奶是伊利纯牛奶（伊利集团有限公司），购自无锡的一家当地超市。
A
光谱分析
如图2(a)所示，三种抗生素残留的光谱曲线表现出相似的趋势，在429.12 nm、452.79 nm、521.61 nm和677.36 nm处观察到四个荧光峰。429.12 nm和452.79 nm处的峰可能与蛋白质中的色氨酸和酪氨酸有关。521.61 nm处的峰可能与维生素A和核黄素有关[32]，[33]。677.36 nm处的峰可能对应于叶绿素降解产物或脂质氧化产物。图2(b)显示了平均值
结论
本研究应用荧光高光谱技术在421–699 nm的波长范围内构建了牛奶中抗生素残留的识别和浓度预测模型。结果表明，基于MSC预处理和全波长数据的SVM分类模型在识别方面表现最佳。为了提高计算效率并降低光谱矩阵的维度，使用了RF算法选择51个特征波长
CRediT作者贡献声明
龙云涛：撰写——原始草稿、软件开发、可视化、实验研究。边云：撰写——原始草稿、软件开发、可视化、实验研究。宋飞虎：验证、方法学研究。金光远：验证、方法学研究。李振峰：概念构思、方法学研究。滕后昌：概念构思、方法学研究。徐万秀：可视化、方法学研究。宋春芳：撰写——审稿与编辑、概念构思。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
作者衷心感谢2023年益萌创新领军人才的财政支持。
