利用稳定同位素与多元素指纹技术鉴别海产品真实性：区分生产方式和地理产地

《Food Chemistry》：Stable isotope and multi-elemental fingerprinting for seafood authenticity: discriminating production type and geographical origin

　　

δ13C和δ15N单独使用即可100%准确区分养殖和野生鲷鱼。

联合同位素-元素建模可实现95.5%的产地分类准确率。

DD-SIMCA以96%的准确率验证商业鲷鱼的产地。

多同位素-元素指纹图谱为海鲜认证提供了稳健的框架。

引言

海鲜（包括硬骨鱼类、甲壳类动物和软体动物）是富含优质蛋白质、氨基酸、维生素和多种矿物质的营养密集型食物来源，有助于均衡饮食（Kawarazuka，2010；Lund，2013）。其日益增长的受欢迎程度体现在全球消费量大幅增加——2022年人均消费量平均达到20.7公斤，而1961年仅为9.1公斤（联合国粮食及农业组织[FAO]，2024）。然而，过度捕捞导致全球鱼类资源枯竭，威胁着野生海鲜的长期可用性（Elleby等，2025）。在此背景下，水产养殖作为一种可行的解决方案，有助于确保全球范围内可持续且可靠的海鲜供应（Yue & Shen，2022）。

2022年，水产养殖产量创下历史新高，首次占水产品（包括鱼类、甲壳类和软体动物）总产量1.854亿吨中的9440万吨（51%）（FAO，2024）。由于地中鲷（Sparus aurata）对广泛盐度和温度范围具有较强的耐受性，加之其杂食性进食习惯和高市场需求，它已成为地中海水产养殖的主要硬骨鱼种之一（Elalfy等，2021；Mhalhel等，2023）。在全球范围内，土耳其目前占养殖地中鲷产量的最大份额，2022年产量约为15万吨，约占全球估计产量34.4万吨的44%。在欧盟范围内，2022年地中鲷水产养殖产量达到约10.7万吨。希腊贡献了约7万吨（约占欧盟总量的65%），而西班牙、意大利和克罗地亚分别生产约9000吨、7900吨和7500吨（各约占欧盟产量的7–8%）（渔业科学与技术经济委员会[STECF]，2025）。此外，葡萄牙和马耳他的水产养殖也在不断发展，这得益于技术进步以及对鲈鱼和鲷鱼领域投资的增加（Evans，2021）。2021年葡萄牙养殖地中鲷产量约为3600吨，2022年马耳他约为2100吨（欧洲渔业和水产养殖产品市场观察站，2024；欧洲渔业和水产养殖产品市场观察站，2025）。除了硬骨鱼类之外，地中海贻贝（Mytilus galloprovincialis）也是欧洲主要的双壳类养殖物种之一。根据STECF 2024年水产养殖经济报告（2022年数据），海贻贝（主要由Mytilus galloprovincialis代表）产量约为19.5万吨，约占欧盟总水产养殖产量的17%。葡萄牙是欧盟主要的贝类生产国之一（STECF，2025）。

尽管水产养殖日益重要，但消费者通常更倾向于选择野生鱼类而非养殖替代品，并且愿意为野生产品支付每公斤平均1.29欧元的溢价（Menozzi等，2020）。同时，消费者对产品产地和身份信息的透明度需求不断增加，反映了消费者愿意优先选择并支付具有可验证产地的海鲜，凸显了对可靠追溯系统的需求（del Rio-Lavín等，2022；Santos等，2023）。

在欧盟，第1379/2013号法规（第35条和第38条）要求附件I中列出的渔业和水产养殖产品在零售时必须标注至少包括该物种的商业名称和科学名称、生产方法（"在海洋中捕获"、"在淡水中捕获"或"养殖"）以及捕捞或生产区域。水产品的较高价值加上复杂的供应链，使其极易受到替代和错误标注的威胁，即食品欺诈（Mazarakioti等，2022）。这些因素共同强调了建立有效的追溯系统以确保标签信息准确性的重要性（Dimitrakopoulou & Vantarakis，2023）。

轻元素（H、C、N、O、S）的稳定同位素比值分析（SIRA）结合多元素分析，被广泛认为是确定海鲜地理起源和生产方法最有前景的方法之一（Han等，2021）。这些元素的同位素特征反映了不同的环境和生物控制因素。在鱼类组织中，δ13C和δ15N主要反映食物输入和营养级位置，在消化和代谢过程中会引入较小的系统性偏移（Thomatou等，2022；Tulli等，2020）。相比之下，周围水体的δ2H和δ18O值受当地水文和海洋条件的影响，如蒸发-降水平衡、淡水输入、温度和盐度等，并随后反映在鱼类组织中，使其成为地理起源鉴别的有效标记物（Soto等，2013；Vander Zanden等，2016）。δ34S主要反映海洋硫酸盐与在沉积物和沿海环境中产生的局部还原硫之间的相对贡献，因此它与氧化还原驱动的硫循环关系更为密切，而非营养级，这也使其成为地理起源鉴别的有用标记物（J?rgensen等，2019）。

多项研究已证明SIRA在区分野生和养殖鱼类方面的有效性。例如，Bell等（2007）发现，养殖欧洲鲈鱼（Dicentrarchus labrax）的总肉质脂肪δ13C显著低于野生个体（平均值≈?24.8‰ vs ?23.7‰）。同样，Molkentin等（2015）利用去脂干物质中的δ15N和δ13C区分了有机养殖和常规养殖的三文鱼和大西洋鳟鱼——有机三文鱼的δ15N值更高（11.6 ± 0.8‰ vs 8.9 ± 0.6‰），且δ13C值不那么负（?19.7 ± 0.6‰ vs ?22.0 ± 0.6‰）。在大西洋鳟鱼中也观察到了类似的模式，有机样本的δ15N值高于常规养殖样本（11.6 ± 0.9‰ vs 9.3 ± 0.5‰），且δ13C值不那么负（?20.5 ± 0.7‰ vs ?22.0 ± 0.6‰）。对于三文鱼，脂肪中的δ13C值也可以区分有机养殖和野生鱼类，分别为?26.0 ± 0.5‰和?27.9 ± 0.6‰。Gopi等（2019）还使用δ13C和δ15N成功地从不同地区分离了养殖和野生亚洲鲈鱼（Lates calcarifer），野生鱼的δ13C和δ15N值高于养殖鱼，反映了自然食物与水产养殖饲料之间的差异。

将SIRA与元素分析相结合已被证明可以增强鉴别能力。Anderson等（2010）证明，同位素和元素分析相结合可以有效地区分野生和养殖三文鱼，确定了八种元素（As、Cu、Ca、Mg、Na、P、K和Zn）作为关键鉴别因子，这些元素始终高于检测限。同样，del Rio-Lavín等（2022）发现在不同地理位置的贻贝中，δ13C和δ15N值以及Ba、Mn、Pb和Al的浓度存在显著差异，并将这些确定为产地鉴别最具信息量的标记物。

虽然大多数研究集中在碳和氮的同位素比值上，但硫同位素获得的关注相对较少。然而，Thomatou等（2022）最近的研究表明，δ34S可有效区分希腊鱼子酱（Avgotaracho Messolongiou）的地理起源，展示了其潜力。

使用SIRA和多元素组成进行可靠的地理起源认证取决于真实且具有代表性的参考数据集的可用性，以便将未知样本与之进行比较（Camin等，2017）。对于产地确定，这些数据集必须根据特定的分析目标构建，并包含来自相关产地的经过充分表征的认证样本（Kelly等，2005；Patarnello等，2026）。本研究的一项重要增值之处在于，将新生成的地中鲷和地中海贻贝同位素和元素数据纳入公开可用的IsoFoodTrack数据库，从而加强了未来海鲜真实性和追溯性研究的参考数据集。由约·泽夫·斯特凡研究所建立的IsoFoodTrack数据库，是食品真实性相关分析数据的中央存储库（http://isofoodtrack.ijs.si；Terro等，2025），包括各种易受欺诈的商品，包括鱼类、双壳类、头足类、甲壳类和棘皮动物等海鲜。一旦建立了这些参考数据集，就可以使用化学计量学和其他多变量统计方法来探索数据结构、鉴别产地或生产系统，并支持对未知样本的分类（González-Domínguez等，2022；Terro等，2025）。

本研究提出了一种基于稳定同位素比值（δ13C、δ15N、δ34S、δ2H、δ18O和δ18Owater）和多元素谱图的联合应用，并通过化学计量建模评估的海鲜真实性和追溯性综合分析框架。尽管此前的研究通常只涉及生产方法或地理起源，但本研究在涵盖多种海鲜物种和海洋区域的单一数据集中系统评估了两者。本研究评估了硫同位素与碳和氮同位素在生产类型和地理起源鉴别方面的潜在贡献。还使用OPLS-DA和DD-SIMCA评估了同位素和元素数据对地理分类的互补价值。所产生的认证数据被纳入IsoFoodTrack数据库，以支持未来海鲜真实性研究参考数据集的开发。

各章节片段

采样收集

共收集了222个鱼类和贻贝样本，于2023年至2024年间分别从马耳他（地中海）以及葡萄牙和西班牙（大西洋）采集（图1；表1）。数据集包括认证野生和养殖地中鲷（Sparus aurata）和地中海贻贝（Mytilus galloprovincialis）。由于所有贻贝样本均来自葡萄牙，它们仅用于养殖与野外的分类，而未用于地理起源建模。此外，商业养殖地中鲷……

结果与讨论

δ13C、δ15N、δ34S、δ18O固体、δ2H固体和δ18O水体的结果汇总于表2，完整数据集见补充材料表S1。在我们的数据集中，鳃部的δ13C、δ15N和δ2H值低于鱼柳，而δ34S值高于鱼柳，表明存在组织特异性同位素模式。

这一模式与鳃部持续与海水接触的事实一致，因此更容易受到海水中溶解营养物质和硫酸盐池的影响，而鱼柳……

结论

本研究评估了一种结合稳定同位素比值（δ13C、δ15N、δ34S、δ18O水、δ18O和δ2H）和多元素组成数据的综合分析方法，用于根据生产方法和地理起源对海鲜样本进行鉴别。对所研究样本获得的结果证明了该方法在海鲜真实性研究中的潜力，并为IsoFoodTrack数据库贡献了新的参考数据。

在生产方法评估方面，δ13C和δ15N……

作者贡献声明

Brina Pavlovi?：撰写—初稿、可视化、验证、方法学、调查、数据整理、概念化。Lidija Strojnik：撰写—审阅与编辑、调查、数据整理。Doris Poto?nik：方法学、数据整理。Marta Jagodic Hudobivnik：方法学、数据整理。Darja Mazej：数据整理。Nives Ogrinc：撰写—审阅与编辑、监督、资源、项目管理、方法学、资金获取、概念化。

生成式AI和AI辅助技术使用声明

在准备本研究期间，作者使用ChatGPT进行翻译和语法方面的辅助。使用此工具后，作者根据需要审阅和编辑了内容，并对已发表文章的内容承担全部责任。

资金

本研究由斯洛文尼亚研究局在P1-0143和P4-0466项目、青年研究员资助计划（编号57078）以及Horizon Europe FishEUTrust项目（编号101060712）支持下进行。

未引用参考文献

Cusa等，2022
Fidelis等，2017
Rodionova, Titova和Pomerantsev，2016

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：鉴于Nives Ogrinc教授担任常规编辑一职，她没有参与本文章的同行评审工作，也无法访问有关其同行评审的信息。

致谢

特别感谢Stojan ?igon提供的技术支持。

Brina Pavlovi? | Lidija Strojnik | Doris Poto?nik | Marta Jagodic Hudobivnik | Darja Mazej | Luana Bontempo | Nives Ogrinc