沈 飛 吳啟芳 魏穎琪 都立輝 唐培安

谷物霉菌揮發(fā)性物質(zhì)的電子鼻與GC－MS檢測研究

沈 飛 吳啟芳 魏穎琪 都立輝 唐培安

（南京財經(jīng)大學(xué)食品科學(xué)與工程學(xué)院／江蘇省現(xiàn)代糧食流通與安全協(xié)同創(chuàng)新中心／江蘇省高校糧油質(zhì)量安全控制及深加工重點實驗室，南京 210023）

為建立糧食受霉菌污染的快速檢測方法，本研究利用電子鼻與氣相色譜質(zhì)譜聯(lián)用（GC－MS）技術(shù)對6種谷物中常見霉菌在不同生長階段（1、2、5、13 d）的特征揮發(fā)性氣味物質(zhì)進行了檢測分析。GC－MS結(jié)果顯示不同霉菌的揮發(fā)性物質(zhì)成分存在差異，且在生長后期差異更加顯著。基于電子鼻信號的主成分分析（PCA）法能夠有效區(qū)分生長中后期（5、13 d）不同菌屬的霉菌樣品。線性判別分析（LDA）和偏最小二乘判別分析（PLS－DA）模型對黃曲霉類、寄生曲霉類和青霉類樣品的整體判別正確率分別達到100%和97.4%。結(jié)果表明，運用電子鼻與GC－MS技術(shù)對糧食霉菌污染情況進行快速鑒定具有一定可行性。

糧食 霉菌污染 電子鼻 GC－MS 快速檢測

糧食在儲運過程中極易感染霉菌導(dǎo)致發(fā)霉變質(zhì)［1］，不僅造成糧食損失，甚至還產(chǎn)生真菌毒素，嚴重威脅人畜健康［2－3］。目前，糧食霉菌感染的分析方法主要有：菌落計數(shù)法［4］、薄層色譜分析法［5］、高效液相色譜法［6－8］等，操作繁瑣，成本高且時效性差，難以實現(xiàn)糧食品質(zhì)的實時監(jiān)控，因此，亟需發(fā)展一種快速、準確且經(jīng)濟可行的檢測方法。糧食在霉變過程中，由于微生物不斷分解糧食有機質(zhì)，會產(chǎn)生大量特征揮發(fā)性物質(zhì)。研究發(fā)現(xiàn)，這些揮發(fā)性成分與菌落總數(shù)、麥角甾醇以及真菌毒素等表征糧食霉變的指標之間存在內(nèi)在聯(lián)系［9－12］，可用于糧食霉菌污染程度的實時監(jiān)測。Gobbi等［13］研究發(fā)現(xiàn)，玉米中伏馬菌毒素含量高低與霉變玉米的氣味物質(zhì)緊密相關(guān)，可通過氣味變化預(yù)測毒素含量。Pasanen等［14］在谷物上接種了產(chǎn)毒素和非產(chǎn)毒素菌株，發(fā)現(xiàn)毒素的產(chǎn)生與揮發(fā)性成分的組成比例有關(guān)。其中，萜烯類物質(zhì)與單端孢霉烯族毒素存在相關(guān)關(guān)系，產(chǎn)赭曲霉毒素的青霉菌株所產(chǎn)生的酮類成分高于非產(chǎn)毒素的菌株。電子鼻作為一種新型氣味識別技術(shù)，在谷物品質(zhì)檢測中應(yīng)用越來越廣泛［15］。尹芳緣等［16］利用電子鼻對燕麥霉變程度進行了成功的區(qū)分。Paolesse等［17］利用電子鼻和GC－MS對含水量不同的小麥的早期霉變進行了檢測，結(jié)果均顯示霉變樣品的揮發(fā)性成分與正常樣品存在顯著差異。然而，目前的研究多側(cè)重于糧食霉變狀態(tài)的定性區(qū)分［18－19］，缺乏對霉菌自身特征氣味成分的鑒別分析，難以實現(xiàn)糧食受何種霉菌感染情況的準確判定，無法有效指導(dǎo)開展針對性防控。

本研究利用電子鼻與GC－MS技術(shù)，對谷物中常見的6 種霉菌在不同生長階段（1、2、5、13 d）的特征揮發(fā)性氣味物質(zhì)進行檢測分析，并運用主成分分析（PCA）、線性判別分析（LDA）和偏最小二乘判別分析（PLS－DA）法建立不同菌屬霉菌樣品的判別模型，分析其揮發(fā)性物質(zhì)成分的差異，探討電子鼻技術(shù)用于糧食霉菌氣味快速鑒定與早期預(yù)警的可行性。

1 材料與方法

1.1 試驗材料

6種谷物中常見霉菌標準菌株：黃曲霉3.3950、黃曲霉3.17、寄生曲霉3.124、寄生曲霉3.395、島青霉3.260和黃綠青霉3.99：中國北京北納創(chuàng)聯(lián)研究院，購買后置于4℃冷藏狀態(tài)下保存，待活化接種。高鹽察氏培養(yǎng)基：國藥集團化學(xué)試劑有限公司。

1.2 試驗設(shè)備

Fox 3000型電子鼻：法國Alpha MOS公司；GC（7890A）－MS（5975C）氣質(zhì)聯(lián)用分析儀：美國安捷倫公司；50 μm －PDMS／DVB／CAR 固相微萃取頭：美國Supelco公司。

1.3 試驗方法

初始階段，6種霉菌均被接種在經(jīng)115℃滅菌30 min后的高鹽察氏培養(yǎng)基（蔗糖30.0 g；NaNO32.0 g；MgSO4·7H2O 0.5 g；KCl 0.5 g；FeSO4·4H2O 0.01 g；K2HPO41.0 g；瓊脂20.0 g；蒸餾水1 000 mL；pH 6.0～6.5）上進行培養(yǎng)，然后取5 mL滅菌去離子水于培養(yǎng)基表面，震蕩2 min，吸取1 mL于培養(yǎng)皿中，加入5 mL滅菌后的培養(yǎng)基，輕輕振蕩10 s，置于28℃培養(yǎng)箱中培養(yǎng)。

1.3.1 電子鼻檢測步驟

分別對在培養(yǎng)基上生長周期分別為1、2、5和13 d的霉菌菌株進行電子鼻檢測。將每個培養(yǎng)皿中的菌株及培養(yǎng)基全部轉(zhuǎn)移至20 mL頂空瓶中，密封，進行電子鼻分析。采用頂空自動進樣法，以零級發(fā)生器氣體為載氣，參數(shù)條件見表1。采用電子鼻自帶軟件對數(shù)據(jù)進行采集，得到每個樣品所對應(yīng)的12個傳感器各自的響應(yīng)信號，并提取每個傳感器響應(yīng)信號的特征值進行下一步分析。

表1 電子鼻與GC－MS儀器參數(shù)條件

1.3.2 GC－MS檢測步驟

采用頂空固相微萃取GC－MS法（HS－SPMEGC －MS）對6 種霉菌生長中期（5 d）和后期（13 d）產(chǎn)生的揮發(fā)性物質(zhì)進行檢測分析。分別將每個培養(yǎng)皿中的菌株及培養(yǎng)基全部轉(zhuǎn)移至100 mL頂空瓶中，旋蓋密封，在40℃恒溫水浴中平衡1 h，然后插入固相微萃取頭萃取50 min，于GC－MS進樣口（250℃不分流模式）解析5 min。參數(shù)條件見表1。通過與計算機中NIST08標準質(zhì)譜庫匹配實現(xiàn)樣品中揮發(fā)性物質(zhì)的定性分析。

1.3.3 數(shù)據(jù)分析方法

采用SPSS16.0和MATLAB軟件對12個電子鼻金屬氧化物傳感器響應(yīng)信號的特征值進行分析處理。通過PCA、LDA和PLS－DA建立不同霉菌樣品的判別模型，運用留一交互驗證法對模型性能進行驗證。

2 結(jié)果與討論

2.1 PCA結(jié)果

6 種霉菌生長前期（1、2 d）和中后期（5、13 d）電子鼻傳感器的特征響應(yīng)值的PCA結(jié)果如圖1所示。觀察可知，在生長前期，霉菌整體區(qū)分效果不佳。除寄生曲霉類樣品區(qū)分較好外，黃曲霉類和青霉類樣品重疊嚴重，表明在生長前期，霉菌代謝所產(chǎn)生的特征性揮發(fā)性物質(zhì)較少，整體差異并不明顯。相反，在中后期，3類霉菌區(qū)分則較為理想，如圖1 b所示，未發(fā)現(xiàn)有樣品發(fā)生重疊，表明不同屬類菌株所產(chǎn)生的揮發(fā)性物質(zhì)存在明顯差異。黃曲霉和寄生曲霉類樣品內(nèi)部發(fā)生部分重疊，顯示同一菌屬的氣味特征可能較為相似。PCA結(jié)果表明，隨著生長過程的持續(xù)，不同霉菌代謝所產(chǎn)生的特征氣味成分的差異越來越顯著，電子鼻具有區(qū)分不同氣味霉菌樣品的潛力［20］。

圖1 6種霉菌樣品在生長前期及中后期主成分得分圖

2.2 GC－MS結(jié)果分析

GC－MS檢測結(jié)果顯示6種霉菌的揮發(fā)性氣味成分主要包括醇類、酮類、烯類、醛類和芳香類物質(zhì)等。其中，寄生曲霉類和黃曲霉類以揮發(fā)性醇類和酮類為主，并含有少量烯類和酯類等，而芳香類、醇類和酮類物質(zhì)在青霉類揮發(fā)性成分中所占比重較大。在生長中期（5 d），其氣味組成均存在一定差異。另外，所有霉菌中期均檢測出1－辛烯－3－醇和3 － 辛酮，與其他研究結(jié)果一致［21－22］，表明其可作為霉菌次級代謝產(chǎn)物的特征揮發(fā)性成分。在生長后期（13 d），不同菌屬霉菌的特征揮發(fā)性物質(zhì)差異更加顯著。黃曲霉類檢測出1－辛烯、2－乙基－丁醛和2－乙基－1－己醇等，寄生曲霉類測出1－壬烯－3－醇和3－甲基－4－庚酮等，青霉類含有苯并環(huán)庚－1，3－二烯、3，4－二氯苯甲醚、2，5－二氯酚－甲基醚和1－甲基－萘等，表明霉菌在生長過程中，其產(chǎn)生的揮發(fā)性物質(zhì)種類逐漸增加，增加了其特異性。

2.3 LDA結(jié)果

根據(jù)霉菌屬類不同，將所有樣品分為3類：黃曲霉類（黃曲霉3.395 0、黃曲霉3.17）、寄生曲霉類（寄生曲霉3.124、寄生曲霉3.395）和青霉類（黃綠青霉3.99、島青霉3.260）。將PCA提取的前10個主成分得分導(dǎo)入SPSS軟件建立LDA模型，運用留一交互驗證法進行驗證，結(jié)果如表2所示。觀察可知，電子鼻對生長前期（1、2 d）樣品的判別正確率不佳，整體正確率僅為70.8%。其中，16個黃曲霉類樣品中僅有2個樣品判別錯誤，效果最優(yōu)。而青霉類樣品正確率最低，有8個樣品被誤判為黃曲霉類。然而，模型對中后期（5、13 d）樣品的判別能力顯著提升，沒有1個樣品被誤判，正確率達到100%。結(jié)果表明，LDA與PCA結(jié)果具有一致性，在生長中后期，不同菌屬的霉菌樣品在氣味上存在顯著差異。電子鼻能夠判別不同菌株樣品，且樣品間的氣味特征差別越大，判別能力越強。

表2 3類霉菌樣品的留一交互驗證LDA模型判別結(jié)果

2.4 PLS－DA結(jié)果分析

為比較不同分析方法對結(jié)果的影響，運用PLSDA方法建立3類霉菌樣品的分析模型，結(jié)果如表3所示。在生長前期（1、2 d），黃曲霉類、寄生曲霉類和青霉類樣品判別正確率均不高，只有寄生曲霉結(jié)果相對較優(yōu)。有17個樣品被誤判為黃曲霉類，導(dǎo)致其特異性僅為59.4%。生長中后期（5、13 d），模型精度大幅提升，整體正確率達97.4%。黃曲霉類和寄生曲霉類均判別正確，僅有2個來自青霉類的樣品被誤判。PLS－DA模型建模因子的權(quán)重得分（LVs）如圖2所示。與PCA得分圖類似，生長前期樣品的分類趨勢不顯著，中后期3類樣品區(qū)分明顯，未發(fā)現(xiàn)重疊。LDA與PLS－DA結(jié)果較為一致，對中后期霉菌樣品的判別率高，表明電子鼻技術(shù)結(jié)合多元統(tǒng)計分析方法可以實現(xiàn)霉菌菌屬的快速鑒定。

表3 3類霉菌樣品的留一交互驗證PLS－DA模型判別結(jié)果

圖2 6種霉菌在生長前期和中后期PLS－DA模型權(quán)重得分圖

2.5 電子鼻傳感器響應(yīng)信號分析

電子鼻12個金屬氧化物傳感器的權(quán)重得分如圖3所示。對各個傳感器響應(yīng)靈敏的特征揮發(fā)性物質(zhì)成分如表4所示。觀察可得，S1和S10第3權(quán)重得分較高，對含氟、氯等元素化合物較為敏感，可能與樣品中3，4－二氯苯甲醚和2，5－二氯酚－甲基醚等強氧化性物質(zhì)有關(guān)。而S2、S3、S4、S5和S6同屬于LY型傳感器，適合可燃性及毒性有機化合物，權(quán)重較為相似，可能主要與樣品中醇類、醛類以及培養(yǎng)基中烷烴類物質(zhì)有關(guān)。S7、S11和S12這3個傳感器第1權(quán)重得分較高，對芳香族類等有機化合物響應(yīng)靈敏度較好，可能與樣品中苯并環(huán)庚－1，3－二烯和1－甲基－萘等芳香類物質(zhì)相關(guān)。S8和S9存在響應(yīng)重疊，皆適用于烷烴類等碳氫化合物，與培養(yǎng)基自身的揮發(fā)性成分有關(guān)。分析結(jié)果顯示，由于不同樣品的氣味特征存在差異，而電子鼻傳感器對不同揮發(fā)性物質(zhì)成分的響應(yīng)有所區(qū)別，使得樣品的區(qū)分成為可能。

圖3 霉菌樣品生長中后期（5、13 d）電子鼻傳感器權(quán)重得分圖

表4 電子鼻氣體傳感器性能表

3 結(jié)論

利用電子鼻和GC－MS技術(shù)對6種霉菌在不同生長階段的揮發(fā)性氣味物質(zhì)進行了檢測分析，結(jié)果發(fā)現(xiàn)在生長前期（1、2 d），各種霉菌產(chǎn)生氣味特征較少，導(dǎo)致電子鼻對3類霉菌樣品的判別結(jié)果不佳。在生長中后期（5、13 d），霉菌生長代謝產(chǎn)生大量特征揮發(fā)性成分，GC－MS結(jié)果顯示不同類霉菌氣味信息差異顯著，電子鼻判別正確率高，LDA和PLS－DA模型的判別正確率均在95%以上。結(jié)果表明，運用電子鼻和GC－MS技術(shù)，結(jié)合多元統(tǒng)計分析方法，可以對糧食中的霉菌情況進行快速鑒定［23－24］。下一步應(yīng)當(dāng)以谷物樣品為研究對象，研究其受不同霉菌感染的氣味特征，以及與電子鼻信號的相關(guān)關(guān)系，為電子鼻技術(shù)盡早應(yīng)用于糧食霉變狀態(tài)實時監(jiān)測提供理論依據(jù)。

［1］Jayas D S.Storing grains for food security and sustainability［J］.Agricultural Research，2012，1（1）：21 －24

［2］Khare R，Bedi P S.Aflatoxins：occurrence and their effects－ A review［J］.Current Trends in Biotechnology and Chemical Research，2012，2（1）：15 －25

［3］Zhang D H，Li PW，Zhang Q，et al.Production of ultrasensitive generic monoclonal antibodies against major aflatoxins using a modified two － step screening procedure［J］.Analytica Chimica Acta，2009，636（1）：63 －69

［4］景曉敏.儀器法與菌落計數(shù)法檢測儲糧微生物敏感性的比較［J］. 中國現(xiàn)代藥物應(yīng)用，2013，7（18）：252

Jing X M.Comparison of the detecting sensitivity for storage grain microbe basing on the detector and plate counts［J］.Chinese Journal of Modern Drug Application，2013，7（18）：252

［5］豐娟，況志明，王園秀，等.建立發(fā)酵液中冠毒素檢測的薄層色譜法［J］. 藥物分析雜志，2008，28（3）：451－455

Feng J，Kuang Z M，Wang Y X，et al.Establishing the methods of identify and determination of coronatine from fermentation broth by TLC［J］.Chinese Journal of Pharmaceutical Analysis，2008，28（3）：451 －455

［6］孫娟，李為喜，張妍，等.用超高效液相色譜串聯(lián)質(zhì)譜法同時測定谷物中12種真菌毒素［J］.作物學(xué)報，2014，40（4）：691－701

Sun J，Li W X，Zhang Y，et al.Simultaneous determination of twelve mycotoxins in cereals by ultra－h(huán)igh performance liquid chromatography－tandem mass spectrometry［J］.Acta Agronomica Sinica，2014，40（4）：691 －701

［7］Lai X W，Zhang H，Liu R C，et al.Potential for aflatoxin B1and B2production by aspergillus flavus strains isolated from rice samples［J］.Saudi Journal of Biological Sciences，2015，22（2）：176 －180

［8］應(yīng)永飛，朱聰英，韋敏玨，等.液相色譜－串聯(lián)質(zhì)譜法測定飼料中14種霉菌毒素及其類似物［J］.分析化學(xué)，2010，38（12）：1759 －1764

Ying Y F，Zhu CY，Wei M Y，et al.Simultaneous determination of 14 mycotoxins and analogues in feeds by liquid chromatography－ tandem mass spectrometry［J］.Chinese Journal of Analytical Chemistry，2010，38（12）：1759 －1764

［9］Balasubramanian S，Panigrahi S，Kottapallie B，et al.Evaluation of an artificial olfactory system for grain quality dis-crimination［J］.LWT － Food Science and Technology，2007，40（10）：1815 －1825

［10］張燕燕，蔡靜平，蔣澎，等.氣體分析法監(jiān)測糧食儲藏安全性的研究與應(yīng)用進展［J］.中國糧油學(xué)報，2014，29（10）：122－128

Zhang Y Y，Cai JP，Jiang P，et al.Research and application progress on monitoring stored grain security by gas analyzing［J］.Journal of the Chinese Cereals and Oils Association，2014，29（10）：122 －128

［11］Abramson D，Hulasare R，York R K，et al.Mycotoxins，ergosterol，and odor volatiles in durum wheat during granary storage at 16%and 20%moisture content［J］.Journal of Stored Products Research，2005，41（1）：67－76

［12］Jonsson A，Winquist F，Schnürer J，et al.Electronic nose for microbial quality classification of grains［J］.International Journal of Food Microbiology，1997，35（2）：187 －193

［13］Gobbi E，F(xiàn)alasconi M，Torelli E，et al.Electronic nose predicts high and low fumonisin contamination in maize cultures［J］.Food Research International，2011，44（4）：992－999

［14］Pasanen A L，Lappalainen S，Pasanen P.Volatile organic metabolites associated with some toxic fungi and their mycotoxins［J］.The Analyst，1996，121（12）：1949 －1953

［15］吳林蔚，屠康，潘磊慶，等.電子鼻系統(tǒng)及其在谷物檢測中的應(yīng)用進展［J］.食品工業(yè)科技，2012，33（23）：374－378 Wu L W，Tu K，Pan L Q，et al.Application progress of cereal quality detection by electronic nose［J］.Science and Technology of Food Industry，2012，33（23）：374 －378

［16］尹芳緣，黃潔，王敏敏，等.用電子鼻區(qū)分霉變燕麥及其傳感器陣列優(yōu)化［J］.農(nóng)業(yè)工程學(xué)報，2013，29（20）：263－269

Yin F Y，Huang J，Wang M M，et al.Discrimination of mildewed oats using electronic nose and optimization of its sensor array［J］.Transactions of the Chinese Society of Agricultural Engineering，2013，29（20）：263 －269

［17］Paolessea R，Alimellia A，Martinelli E，et al.Detection of fungal contamination of cereal grain samples by an electronic nose［J］.Sensors and Actuators B：Chemical，2006，119（2）：425－430

［18］惠國華，陳裕泉.基于隨機共振的電子鼻系統(tǒng)構(gòu)建及在谷物霉變程度檢測中的應(yīng)用［J］.傳感技術(shù)學(xué)報，2011，24（2）：159 －164

Hui G H，Chen Y Q.Establishment of an electronic nose system using stochastic resonance and its application in moldy corn status detection［J］.Chinese Journal of Sensors and Actuators，2011，24（2）：159 －164

［19］宋偉，謝同平，張美玲，等.應(yīng)用電子鼻判別不同儲藏條件下粳稻谷品質(zhì)的研究［J］.中國糧油學(xué)報，2012，27（5）：92－96

Song W，Xie T P，Zhang M L，et al.Distinguishing the quality of japonica rice stored at different storage conditions by using electronic nose［J］.Journal of the Chinese Cereals and Oils Association，2012，27（5）：92 －96

［20］Karlsh?j K，Nielsen P V，Larsen T O.Differentiation of closely related fungi by electronic nose analysis［J］.Journal of Food Science，2007，72（6）：187 －192

［21］Magan N，Evans P.Volatiles as an indicator of fungal activity and differentiation between species and the potential use of electronic nose technology for early detection of grain spoilage［J］.Journal of Stored Products Research，2000，36（4）：319 －340

［22］B?rjesson T，St?llman U，Schnürer J.Volatile metabolites produced by six fungal species compared with other indicators of fungal growth on cereal grains［J］.Applied and Environmental Microbiology，1992，58（8）：2599 －2605

［23］Paolesse R，Alimelli A，Martinelli E，et al.Detection of fungal contamination of cereal grain samples by an electronic nose［J］.Sensors and Actuators B：Chemical，2006，119（2）：425－430

［24］Olsson J，B?rjesson T，Lundstedt T，et al.Detection and quantification of ochratoxin A and deoxynivalenol in barley grains by GC － MS and electronic nose［J］.International Journal of Food Microbiology，2002，72（3）：203 －214.

Electronic Nose and GC－MSDetection of Volatile Substances Produced by Mould Strains

Shen Fei Wu Qifang Wei Yingqi Du Lihui Tang Peian
（College of Food Science and Engineering／Collaborative Innovation Center for Modern Grain Circulation and Safety／Key Laboratory of Grains and Oils Quality Control and Processing，Nanjing University of Finance and Economics，Nanjing 210023）

In order to establish a rapid method for mould contamination detection in grain，electronic nose and gas chromatography mass spectrometry（GC－MS）technologies were applied to analyze volatile compounds produced by six common mould strains at different stages of growth（1，2，5，13 d）in this study.Results of GC －MSshowed that the distinction of volatile substances between different moulds exists and became more significant at a late growth stage.Principal component analysis（PCA）based on electronic nose signal could effectively distinguish mould strains from different species at later stages（5 and 13 d）.The overall correct discrimination rate for aspergillus flavus，parasitic aspergillus and penicillium species obtained by linear discriminant analysis（LDA）and partial least squares discriminant analysis（PLS－DA）are 100%and 97.4%，respectively.The results demonstrate that the use of electronic nose and GC－MStechnologies might be feasible for rapid detection of mould contamination of grain.

grain，mould contamination，electronic nose，GC －MS，rapid detection

TS210

A

1003－0174（2016）07－0148－06

國家自然科學(xué)基金青年基金（31301482），糧食公益性行業(yè)科研專項（201313002－02），“十二五”國家科技支撐計劃（2013BAD17B01），江蘇高校優(yōu)勢學(xué)科建設(shè)工程（2014年1月—2017年12月）

2014－11－30

沈飛，男，1984年出生，講師，糧油食品檢測

都立輝，男，1981年出生，副教授，食品微生物與生物技術(shù)