《Analytical Methods》：Role of modern sensing technology in combating food adulterationOpen Access
编辑推荐：
食品掺假是一个威胁消费者健康与食品安全的全球性问题。美国杂货制造商协会（Grocery Manufacturers Association, GMA）估计，全球10–15%的食品产品存在掺假，造成显著的健康风险和巨大的经济损失。传统的检测方法，如化学分析和感官
食品掺假是一个威胁消费者健康与食品安全的全球性问题。美国杂货制造商协会（Grocery Manufacturers Association, GMA）估计，全球10–15%的食品产品存在掺假，造成显著的健康风险和巨大的经济损失。传统的检测方法，如化学分析和感官评价，往往较为缓慢。近期传感器技术的进展提供了更快速、更准确的检测。气相色谱法（GC）和质谱法（MS）等技术具有高灵敏度，而光学传感器（如近红外光谱，NIR）能够实现快速、非破坏性分析。生物传感器提供选择性好且可便携的检测，电子鼻（E-nose）和电子舌（E-tongue）模拟人类感官以识别掺假物。基于传感器的系统可将检测时间从数天缩短至数分钟，并能在极低水平下检测掺假物。尽管仍存在挑战，这些技术在增强食品安全、减少欺诈和保护全球公众健康方面具有巨大潜力。本综述严格评估了2000年至2025年间发表的科学文献，重点关注基于传感器的技术在不同基质中检测食品掺假的发展与应用。综述强调了使用化学、生物、光学和电子传感器来打击食品掺假。与早期综述相比，本工作提供了对检测机制、灵敏度、特异性和商业应用的综合评估，同时指出了关键挑战和未来方向。
1. 引言（Introduction）
食品掺假是指通过添加、替代、去除或污染成分而故意或无意改变食品组成，从而损害其安全性、真实性或营养价值。掺假对全球公共卫生和经济造成严重影响，且供应链的全球化加剧了风险。传统检测方法耗时且依赖实验室设备，难以满足快速筛查需求。现代传感技术，如电化学、光学、生物传感器等，能够将检测时间从数天缩短至数分钟，并实现低水平检测。本综述对2000–2025年间发表的文献进行批判性评估，比较了不同传感器技术的检测机制、灵敏度、特异性和商业应用，并探讨了与区块链、物联网（IoT）和人工智能（AI）结合的未来方向。
2. 什么是食品掺假（What is food adulteration）
食品掺假与食品欺诈（food fraud）并非同义词。食品欺诈是有意为之、出于经济动机的欺骗行为，而食品掺假还包括供应链中由生物、化学、物理或过敏原危害引起的无意污染。掺假物与农药残留的引入意图和监管框架不同：农药受最大残留限量（MRL）等严格阈值约束，而掺假主要通过真实性和欺诈控制框架处理。掺假的健康影响从急性到慢性不等，涉及肾毒性、肝毒性、神经毒性及致癌性等。监管机构如美国食品药品监督管理局（FDA）、欧洲食品安全局（EFSA）和印度食品安全与标准局（FSSAI）致力于防止掺假，但执法缺口依然存在。
3. 掺假检测的常规方法（Conventional approaches for adulterant detection）
常规方法包括物理检查、化学分析、色谱和感官评价，但常缺乏灵敏度、可重复性和可扩展性。
3.1 光谱方法（Spectroscopic methods）
近红外光谱（NIR）、中红外光谱（MIR）、傅里叶变换红外光谱（FTIR）、拉曼光谱、表面增强拉曼散射（SERS）和核磁共振（NMR）等技术，结合化学计量学，可实现对多种食品基质的快速无损检测。NIR快速且无需样品制备，但受光谱重叠和校准模型限制；FTIR广泛应用于高价值产品和香料；SERS灵敏度高但信号变异和基质干扰仍具挑战；NMR重现性好但仪器昂贵。
3.2 电泳技术（Electrophoretic techniques）
毛细管电泳（CE）尤其与质谱（MS）联用时，可检测咖啡中的大豆和玉米掺假；二维凝胶电泳（2D-GE）和尿素-聚丙烯酰胺凝胶电泳（urea-PAGE）分别用于豆类和乳制品物种鉴定。这些方法受通量、重现性和基质限制。
3.3 免疫学检测（Immunological detection）
酶联免疫吸附测定（ELISA）具有高灵敏度、快速和适合大规模筛查的优点，已商业化用于过敏原、毒素和掺假物检测，如加工肉中的猪脂肪（0.015% w/w）和乳制品中极低浓度的牛乳。但性能依赖抗体特异性，存在交叉反应和多重检测能力有限等问题。
3.4 基于DNA的方法（DNA-based methods）
基于PCR的方法（如DNA条形码、RAPD、AFLP、SSR、PCR-RFLP）具有高灵敏度和特异性；实时PCR可定量检测复杂基质中的低水平掺假；数字PCR和下一代测序（NGS）提供高分辨率鉴定，但资源密集。新兴的等温扩增（LAMP、RPA）和CRISPR/Cas系统可实现快速、无需设备的现场检测，但验证、可扩展性和监管接受度仍需解决。
4. 现代传感技术与方法（Modern sensing technology and approaches）
传统实验室方法样品制备复杂、成本高、耗时长，因此需要便携式传感器用于现场检测。电化学、光学和其他类型传感器应运而生。
4.1 电化学生物传感器（Electrochemical biosensor）
电化学生物传感器通过检测分析物与换能器相互作用产生的电压、电流、阻抗和电容等信号。例如，基于金沉积丝网印刷碳电极（SPCE）的无标记DNA生物传感器可通过鸟嘌呤氧化检测猪（Sus scrofa）线粒体DNA，检测限为0.135 μg mL
?1；使用二茂铁萘二酰亚胺（FND）嵌入剂的传感器线性范围为3×10
?9 M至3×10
?5 M，检测限2.4×10
?9 M；基于石墨烯酸的无标记基因传感器可在45分钟内检测牛肉中的猪肉残留，检测限9% w/w；分子印迹聚合物（MIP）PPy/TiO
2薄膜对猪DNA具有高选择性（检测限2.06 μM）。此外，基于单层石墨烯场效应晶体管阵列的传感器可检测单核苷酸多态性，用于葡萄酒真实性鉴定，检测限约0.19 aM。电化学传感器存在直接接触导致传感元件降解、食品成分干扰等问题。
4.2 光学传感器（Optical biosensors）
光学传感器基于表面等离子体共振（SPR）、倏逝波（EW）荧光、化学发光、荧光、折射率和SERS等原理。
4.2.1 比色传感器（Colorimetric biosensor）
比色传感器因简单、可视化而受到关注。例如，基于聚多巴胺磁性纳米颗粒和金纳米颗粒（AuNP）的方法可检测清真食品中猪肉掺假，检测限4.59 nmol mL
?1；基于PCR和AuNP的传感器可在10–15分钟内检测金枪鱼掺假（低至1%）；多重DNA试纸条可区分七种植物油脂，灵敏度低于5–10%；基于纳米复合物的纸基传感器通过颜色变化检测牛奶中尿素，检测限0.2 mM；侧向流动适配体传感器检测能量饮料中的西地那非，检测限68.2 nM；AgNP/AuNP比色法检测三聚氰胺，检测限0.64–1.68 ppm；光纤传感器检测甲醛，检测限0.2 mg L
?1。纸基DNA传感器可同时检测牛、羊和山羊DNA，灵敏度达1.6 fmol。
4.2.2 荧光传感器（Fluorescence biosensor）
基于3D金属有机框架（MOF）的荧光传感器可检测棉籽油掺假的葵花籽油中棉酚，检测限0.20 μM；三苯甲烷类荧光传感器检测甲醛，检测限可达1.82×10
?8 M；芘和苝衍生物的超分子传感器阵列结合线性判别分析（LDA）可对多种食品实现100%分类。CRISPR/Cas12a-DNAzyme化学发光平台可实现无标记、便携检测。
4.3 其他类型传感器（Other types of biosensors）
石英晶体微天平（QCM）结合分子印迹纳米凝胶可检测牛肉提取物中的猪血清白蛋白，检测限1% (v/v)；太赫兹时域光谱（THz-TDS）通过多维特征提取和LDA分类可鉴别葡萄糖溶液中的糖掺假；电子鼻（E-nose）结合深度学习和多传感器融合对辣椒粉认证准确率达98.56%，对Amomi Fructus掺假识别达100%；微波传感（2.45 GHz）可检测饮料中的过氧化氢；AI声学生物传感结合CNN-RNN可对黄油掺假进行分类。此外，传感器开发需遵循监管框架，如欧盟EC No. 1935/2004、美国FDA和印度FSSAI规定，以及与HACCP和通用数据保护条例（GDPR）相关的数据隐私要求。
5. 传感技术的当前商业方面（Current commercial aspect of sensing technology）
商业市场快速扩张，主要供应商包括Smiths Detection、Thermo Fisher Scientific和汉威电子。商业产品如Thermo Fisher的TruScan?手持拉曼光谱仪、Smiths Detection的ChemPro 100i、食品质量传感器的牛奶掺假检测系统、Agrovision的SpiceSense?等。然而，从研究原型到官方方法的“死亡之谷”仍为主要障碍，包括缺乏标准化验证和监管框架、跨司法管辖区验证不足。技术经济分析表明，基于纸基的电化学生物传感器可降低现场监测成本，但纳米材料（如碳纳米管、MXenes、金纳米颗粒、石墨烯衍生物、量子点）可能增加初始制造成本。酶/抗体传感器的保质期短、需要频繁校准，限制了工业级POCT采用。
6. 当前发展与未来方向（Present development and future directions）
纳米材料（金纳米颗粒、石墨烯、碳纳米管）显著提高传感器灵敏度，如2024年报道的AuNPs-GO电化学生物传感器检测牛奶中尿素，检测限0.037 mg dL
?1。机器学习（ML）与光谱技术结合可处理大量数据，提高掺假识别能力。AI和工业4.0技术实现从回顾性分析到实时预测性监测的转变。智能包装将传感器集成到包装材料中，可监测温度、pH、微生物活性和化学污染。未来趋势包括小型化和便携化、与区块链集成实现可追溯性、AI深度集成以及开发和可扩展技术。
7. 挑战与转化障碍（Challenges and translational barrier）
食品基质的复杂性（蛋白质、脂质、色素、盐类等）导致基质干扰、信号抑制和假阳性/阴性。例如，牛奶中的酪蛋白和脂质会吸附在电极表面，香料中的天然色素干扰拉曼和比色传感器。缓解策略包括抗污涂层（如聚乙二醇PEG、两性离子聚合物）、分子印迹聚合物（MIP）提高选择性、膜过滤和磁珠提取预处理、机器学习信号校正以及比率/多模态传感平台。此外，传感材料的生物降解性、毒性和生物相容性也是监管关注点。非特异性吸附和长期接触会损伤传感器。商业化需要跨司法管辖区的严格验证，但缺乏明确规则。需要学术界、工业界和监管机构的合作以克服这些障碍。
