鄧 依

(四川宜賓五糧液集團(tuán)公司質(zhì)量檢測(cè)中心，四川宜賓644007)

中國(guó)工程院食品安全重大咨詢研究結(jié)果顯示[1]：我國(guó)每年有3100多萬(wàn)公噸糧食在生產(chǎn)、儲(chǔ)存、運(yùn)輸過程中被真菌污染，約占糧食總產(chǎn)量的6.2%。由于中國(guó)大部分地區(qū)氣候溫和，濕度較大，適宜真菌生長(zhǎng)代謝，因而糧食容易受真菌污染并產(chǎn)生毒素。真菌毒素均有強(qiáng)毒性和致癌性，能夠污染所有種類的食用和飼用農(nóng)產(chǎn)品，已成為世界各國(guó)高度關(guān)注的食品安全熱點(diǎn)問題[2]。據(jù)報(bào)道，糧食有害微生物鐮刀菌屬在收儲(chǔ)前期產(chǎn)生較多，而中后期主要是以黃曲霉、寄生曲霉、青霉為主[3]。真菌毒素是典型的微生物毒素，是某些真菌在生長(zhǎng)過程產(chǎn)生的引起人和動(dòng)物病理變化和生理變異的次級(jí)代謝產(chǎn)物[4]。真菌毒素通常難以降解，能在廣泛的pH值范圍內(nèi)存在，通過飲食或飼料，進(jìn)入動(dòng)物體內(nèi)發(fā)揮其毒性作用，對(duì)人和動(dòng)物的健康形成一系列不良影響[5]。如黃曲霉被認(rèn)為是迄今發(fā)現(xiàn)的最強(qiáng)的天然致癌物質(zhì)[6]，主要與肝癌的發(fā)生有關(guān)；脫氧雪腐鐮刀菌烯醇具有很高的細(xì)胞毒性和免疫抑制性質(zhì)，通常會(huì)引起人類急性中毒，導(dǎo)致嘔吐、腹瀉等現(xiàn)象較為普遍[7]，玉米赤霉烯酮具有類似雌激素效應(yīng)的致毒作用，對(duì)人類以及動(dòng)物生殖系統(tǒng)具有很大的損害[8]。有研究發(fā)現(xiàn)，發(fā)霉很嚴(yán)重的物質(zhì)不一定有較高含量的真菌毒素，而那些看起來發(fā)霉不嚴(yán)重的材料可能含有大量的真菌毒素，因此，研究者們對(duì)霉菌的研究重心開始轉(zhuǎn)移到真菌毒素上來，真菌毒素已經(jīng)成為品質(zhì)評(píng)定的指標(biāo)之一[9]。

1 真菌毒素概況

1.1 真菌毒素的種類

真菌毒素主要分為3類，包括曲霉菌屬：黃曲霉毒素、赭曲霉素、柄曲霉素；鐮刀菌屬：T-2毒素、嘔吐類毒素、雪腐鐮刀菌烯醇、玉米赤霉烯酮、伏馬毒素；青霉菌屬：橘青霉素、展青霉素、紅色青霉毒素、青霉酸等[10-13]。糧食中的真菌毒素，主要有黃曲霉毒素(Aflatoxin，ATF)、赭曲霉毒素A(Ochratoxin，OTA)、桔霉素(Citrinin，CIT)、脫氧雪腐鐮刀菌烯醇(Deoxynivalenol，DON)、伏馬毒素(fumonisin，F(xiàn)UM)等[14]。

1.2 糧食真菌毒素的限值與檢驗(yàn)方法

GB 2761—2017《食品安全國(guó)家標(biāo)準(zhǔn)食品中真菌毒素限量》[15]，對(duì)谷物、豆類等糧食作物中黃曲霉毒素B1、脫氧雪腐鐮刀菌烯醇、赭曲霉毒素A、玉米赤霉烯酮的限量作出了嚴(yán)格規(guī)定。檢測(cè)糧食真菌毒素的方法有多種，且各種方法優(yōu)缺點(diǎn)并存，比較常用的方法有酶聯(lián)免疫法、高效液相色譜法、液相色譜-質(zhì)譜聯(lián)用法和熒光光度法等[16]。

近年來，真菌毒素的分析手段逐步向?qū)崟r(shí)、快速、準(zhǔn)確的方向轉(zhuǎn)變。在此背景下，無(wú)損檢測(cè)技術(shù)日益受到關(guān)注，在糧食真菌毒素檢測(cè)中也越來越多的得以應(yīng)用[17]。隨著化學(xué)計(jì)量學(xué)的進(jìn)一步發(fā)展，近紅外光譜應(yīng)用技術(shù)獲得了很大進(jìn)步，在農(nóng)產(chǎn)品微生物檢測(cè)等很多領(lǐng)域都得到了廣泛應(yīng)用，在低含量真菌和毒素定性、定量檢測(cè)方面的研究開始涌現(xiàn)[18]。與通常需要高級(jí)技術(shù)能力的現(xiàn)有復(fù)雜色譜技術(shù)相比，近紅外光譜分析方法通常不會(huì)耗費(fèi)大量勞動(dòng)力，不需要大量化學(xué)物質(zhì)，并且可實(shí)現(xiàn)多組分同時(shí)檢測(cè)、快速、無(wú)損，需要較少的技術(shù)培訓(xùn)和樣品前處理[19-20]。

2 近紅外光譜技術(shù)在糧食真菌毒素檢測(cè)中的應(yīng)用

2.1 近紅外光譜技術(shù)概述

近紅外光譜(near infrared spectroscopy,NIRS)是指波長(zhǎng)在780～2526 nm，介于可見光區(qū)和中紅外光區(qū)之間的電磁波，可細(xì)分為短波近紅外區(qū)（SWNIR，780～1100 nm）和長(zhǎng)波近紅外區(qū)（SW-NIR，1100～2526 nm）。近紅外光譜來源于分子振動(dòng)對(duì)光的吸收，對(duì)應(yīng)于有機(jī)分子中含氫基團(tuán)的倍頻與合頻振動(dòng)信息[21]。倍頻和合頻構(gòu)成了近紅外光譜的核心部分，而近紅外光譜帶的產(chǎn)生和屬性取決于非諧性。非諧性最高的化學(xué)鍵是氫原子的化學(xué)鍵[22]，即官能團(tuán)X-H(X是指O，C，N，S等)，這其中包含絕大部分類型有機(jī)物分子結(jié)構(gòu)和組成信息[23]。有機(jī)物的不同使得其所含基團(tuán)不同，不同基團(tuán)導(dǎo)致能級(jí)不同，基團(tuán)在不同物理化學(xué)環(huán)境中對(duì)近紅外光的吸收波長(zhǎng)都有顯著差別，且吸收系數(shù)小、發(fā)熱小[18]。因此，NIRS可作為獲取物質(zhì)理化信息的一種有效載體，通過利用NIRS方法分析分子的結(jié)構(gòu)、組成，并結(jié)合化學(xué)計(jì)量方法能夠達(dá)到鑒別物質(zhì)結(jié)構(gòu)和含量的目的。

化學(xué)計(jì)量方法的發(fā)展促進(jìn)了近紅外光譜技術(shù)在檢測(cè)工作中的應(yīng)用逐漸成熟，操作者可以從冗余光譜數(shù)據(jù)中提取有效信息，進(jìn)行簡(jiǎn)化利用[24]。一是采取歸一化、平滑、標(biāo)準(zhǔn)正態(tài)變換、多元散射矯正、導(dǎo)數(shù)光譜和均值中心化等方法對(duì)原始光譜進(jìn)行預(yù)處理；二是通過主成分回歸、偏最小二乘回歸、非線性偏最小二乘回歸等算法建立待測(cè)樣品近紅外光譜測(cè)量值與其目標(biāo)組分之間的聯(lián)系（建模）；三是用已經(jīng)建立的模型對(duì)待測(cè)物（已知參考數(shù)據(jù)）進(jìn)行預(yù)測(cè)，通過預(yù)測(cè)結(jié)果與參考數(shù)據(jù)進(jìn)行比較對(duì)模型進(jìn)行校正、評(píng)估、優(yōu)化[25-27]。

近紅外光譜技術(shù)分析方法的流程一般為：（1）收集并挑選有代表性的樣品，盡量包含待測(cè)樣品目標(biāo)組分參考值數(shù)據(jù)的最大范圍，并盡可能滿足呈均勻分布或者呈正態(tài)分布要求；（2）采用國(guó)家或國(guó)際認(rèn)可的標(biāo)準(zhǔn)理化分析方法，準(zhǔn)確測(cè)定所收集的有代表性樣品組分含量；（3）選擇合適的分析條件對(duì)待測(cè)樣品進(jìn)行掃描并收集光譜；（4）對(duì)收集到的光譜數(shù)據(jù)進(jìn)行預(yù)處理，盡可能減弱或者消除非目標(biāo)因素對(duì)所采取光譜數(shù)據(jù)帶來的不利影響；（5）選擇合適的化學(xué)計(jì)量學(xué)方法對(duì)校正集樣品經(jīng)過預(yù)處理后的數(shù)據(jù)進(jìn)行處理，建立校正數(shù)學(xué)模型；（6）對(duì)校正和預(yù)測(cè)模型的可靠性和預(yù)測(cè)性能進(jìn)行評(píng)價(jià)[18]。

2.2 檢測(cè)應(yīng)用

研究表明，很多真菌毒素在近紅外波段有特征吸收光譜,且其含量的高低對(duì)糧食籽粒的近紅外光譜有影響[28]。近年來，已有越來越多的學(xué)者嘗試將近紅外光譜技術(shù)應(yīng)用于糧食真菌毒素污染的快速分析[29]。

張強(qiáng)等[30]應(yīng)用近紅外光譜采集光譜信息，建立稻谷黃曲霉毒素B1支持向量回歸模型，校正標(biāo)準(zhǔn)偏差和預(yù)測(cè)標(biāo)準(zhǔn)偏差分別為1.186和1.267，為準(zhǔn)確地實(shí)施監(jiān)測(cè)稻谷黃曲霉毒素B1污染提供了理論依據(jù)。Fernandez-Ibanez等[31]研究表明，通過近紅外光譜法能將玉米樣品的黃曲霉毒素B1檢出，并按照不同濃度分為陽(yáng)性（＞20 μg/kg）或陰性（＜20 μg/kg）。Sirisomboon等[32]在研究中發(fā)現(xiàn)，當(dāng)檢測(cè)水稻上的黃曲霉毒素真菌時(shí)，淀粉含量和水分均會(huì)顯著影響NIR測(cè)量，從而導(dǎo)致較低的預(yù)測(cè)系數(shù)r2=0.68。吳啟芳等[33]利用近紅外光譜檢測(cè)糙米中黃曲霉毒素含量，基于NIR光譜建立黃曲霉毒素B1、B2、G1、G2等的線性判別分析模型，留一交互驗(yàn)證正確率均高于93.0%，基于NIR和MIR光譜建立黃曲霉毒素定量分析模型，偏最小二乘回歸模型對(duì)黃曲霉毒素B1、B2、G1、G2等的預(yù)測(cè)精度和穩(wěn)健性均較好，相關(guān)系數(shù)和相對(duì)分析偏差分別大于或等于0.920和2.5，但對(duì)樣品中低濃度黃曲霉毒素的預(yù)測(cè)性能稍差。劉鵬等[34]開發(fā)了一種基于NIR的花生產(chǎn)毒霉菌污染程度的定性定量分析方法，結(jié)果顯示，判別分析模型對(duì)儲(chǔ)藏0 d、3 d、6 d、9 d花生感染谷物中常見的一種和多種霉菌的總體判別正確率分別為100%和99.17%。

Dowell和Petterson等[35-36]用近紅外分析了發(fā)霉小麥中的嘔吐毒素，結(jié)果表明，嘔吐毒素能很好的被近紅外測(cè)量和預(yù)測(cè)，其相關(guān)系數(shù)為0.984。Berardo等[37]發(fā)現(xiàn)近紅外技術(shù)結(jié)合多變量統(tǒng)計(jì)分析能夠預(yù)測(cè)玉米粒中真菌的總感染量，并較好地檢測(cè)發(fā)霉玉米籽粒中的伏馬菌素(Fumonisin B1)。Gaspardo等[38]將143個(gè)意大利玉米粉樣品用于化學(xué)計(jì)量校準(zhǔn)，并對(duì)25個(gè)未知樣品進(jìn)行了驗(yàn)證，開發(fā)的基于最小二乘回歸的化學(xué)計(jì)量學(xué)模型能夠鑒定總伏馬毒素B1和B2含量＞4 mg/kg的樣品，證明了傅立葉變化近紅外光譜儀區(qū)分安全玉米粉中的污染物是可行的。

Beyer等[39]利用可見/近紅外光譜技術(shù)對(duì)小麥樣品中的脫氧雪腐鐮刀菌烯醇進(jìn)行了快速分析，偏最小二乘回歸模型的相關(guān)系數(shù)達(dá)到0.84，預(yù)測(cè)誤差為0.89 mg/kg±3.61 mg/kg，實(shí)現(xiàn)了樣品受污染程度的快速篩選。Kos等[40]還利用漫反射和衰減全反射紅外光譜分析了玉米樣品受脫氧雪腐鐮刀菌烯醇污染的情況，發(fā)現(xiàn)衰減全反射光譜對(duì)受污染樣品的判別正確率達(dá)到100%，且偏最小二乘回歸模型對(duì)脫氧雪腐鐮刀菌烯醇含量的預(yù)測(cè)誤差為600 μg/kg。

張曉偉等[41]采用近紅外光譜技術(shù)構(gòu)建紅曲米中桔霉素的快速測(cè)定預(yù)測(cè)模型。采用了最小二乘回歸、主成分回歸、多元線性回歸構(gòu)建所測(cè)組分的數(shù)學(xué)模型，以相關(guān)系數(shù)、預(yù)測(cè)相對(duì)分析偏差、預(yù)測(cè)均方根誤差、校正均方根誤差值來評(píng)價(jià)模型的綜合性能。結(jié)果表明，多元散射矯正技術(shù)、標(biāo)準(zhǔn)歸一化處理方法可以消除樣品顆粒不均對(duì)光譜的散射影響；導(dǎo)數(shù)處理能夠消除基線漂移問題；對(duì)于桔霉素，3種模型的預(yù)測(cè)相對(duì)分析偏差值均小于2，雖然不能用于準(zhǔn)確定量測(cè)定，但能滿足定性分析或分級(jí)。為紅曲米生產(chǎn)過程中桔霉素含量的快速檢測(cè)提供了新方法及智能化控制新途徑。

3 展望

隨著近紅外檢測(cè)技術(shù)在硬件和軟件方面的不斷成熟與突破，研究者可以探索更快速、簡(jiǎn)單、準(zhǔn)確、便攜的實(shí)施操作檢測(cè)方法[16]，除本文介紹的近紅外光譜技術(shù)外，以高光譜圖像、電子鼻為代表的無(wú)損檢測(cè)技術(shù)在糧食受真菌毒素污染的檢測(cè)上也取得了積極進(jìn)展[17]。但是，真菌毒素的傳統(tǒng)檢測(cè)方法與無(wú)損技術(shù)都有其自身的缺點(diǎn)，如真菌毒素在糧食中的含量一般較低，吸收強(qiáng)度較弱，背景復(fù)雜，直接分離解析難以提取出足夠的有用信息，需要用化學(xué)計(jì)量學(xué)方法從數(shù)據(jù)中來提取相關(guān)信息[21]，且近紅外檢測(cè)結(jié)果還易受到樣品狀態(tài)、預(yù)處理措施、樣品濃度范圍及樣品量的影響,檢測(cè)精度受到一定限制。

因此，開發(fā)更強(qiáng)大化學(xué)計(jì)量學(xué)方法及軟件，快速、便攜、專用的儀器，構(gòu)建“云+網(wǎng)+端”的網(wǎng)絡(luò)化平臺(tái)等軟硬件的研發(fā)將會(huì)促進(jìn)近紅外光譜技術(shù)在真菌毒素檢測(cè)中的應(yīng)用程度大幅度提高，有效解決糧食入庫(kù)前、倉(cāng)儲(chǔ)過程中采用傳統(tǒng)方法檢測(cè)周期長(zhǎng)等方面的突出問題，實(shí)現(xiàn)糧食真菌毒素污染的預(yù)警、在線檢測(cè)與監(jiān)控，為質(zhì)量管理向“田間地頭”延伸，提供更為及時(shí)、準(zhǔn)確、全面的食品安全評(píng)價(jià)體系。