摘 要：動物源性食品富含多種優(yōu)質(zhì)蛋白、必需脂肪酸及礦物質(zhì)，對人體健康具有重要作用。近年來，動物源性食品摻假現(xiàn)象屢有發(fā)生，傳統(tǒng)的鑒別技術(shù)因存在操作復(fù)雜、檢出限高、準(zhǔn)確度低的局限性，已無法滿足人們對食品質(zhì)量安全的需求，因此，為保障消費(fèi)者的合法權(quán)益，研發(fā)快速、準(zhǔn)確的鑒別技術(shù)對改善動物源性食品摻假摻雜亂象具有重要意義。本文從無損檢測和分子生物學(xué)兩方面概述當(dāng)前鑒別動物源性食品真?zhèn)蔚闹饕椒?，歸納這些方法在食品摻假、品種鑒定和原產(chǎn)地溯源等應(yīng)用中的優(yōu)缺點(diǎn)，分析該領(lǐng)域在研究中所面臨的問題，為開發(fā)新型動物源性食品鑒定方法提供參考依據(jù)，為食品安全監(jiān)督監(jiān)管提供有力的技術(shù)支持。

關(guān)鍵詞：動物源性食品；摻假；鑒別技術(shù)；食品質(zhì)量安全

Research Progress on Authentication Techniques for Foods of Animal Origin

GUO Yaning1，2， LIU Yaxuan2， ZHOU Jian1，*， LI Kai1， LI Liang1

（1. Institute of Quality Standard and Testing Technology for Agro-products， Chinese Academy of Agricultural Sciences， Beijing 100081， China;

2. College of Food Science and Bioengineering， Tianjin Agricultural University， Tianjin 300384， China）

Abstract： Animal-derived foods are an excellent source of high-quality proteins， essential fatty acids and minerals， which play an important role in human health. In recent years， there have been numerous instances of adulteration of foods of animal origin. Traditional identification techniques have proven inadequate in meeting consumer demands for food quality and safety due to the limitations of complex operation， high detection limit and low accuracy. In order to protect the legitimate rights and interests of consumers， the development of rapid and accurate identification technology is importance for reducing adulteration of foods of animal origin. This paper outlines the current major methods for identifying the authenticity of animal-derived foods， including non-destructive testing methods and those based on molecular biology， with particular reference to their advantages and disadvantages when applied in food adulteration， species identification and geographical origin traceability. Finally， it analyses problems facing this field of research in order to provide a reference for the development of new methods for animal-derived food identification and to provide strong technical support for food safety supervision and regulation.

Keywords： foods of animal origin; adulteration; identification techniques; food quality and safety

DOI：10.7506/rlyj1001-8123-20240713-184

中圖分類號：TS207.3 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-8123（2024）11-0055-09

引文格式：

郭亞寧， 劉亞軒， 周劍， 等. 動物源性食品真實(shí)性鑒別技術(shù)研究進(jìn)展[J]. 肉類研究， 2024， 38（11）： 55-63. DOI：10.7506/rlyj1001-8123-20240713-184. http：//www.rlyj.net.cn

GUO Yaning， LIU Yaxuan， ZHOU Jian， et al. Research progress on authentication techniques for foods of animal origin[J]. Meat Research， 2024， 38（11）： 55-63. DOI：10.7506/rlyj1001-8123-20240713-184. http：//www.rlyj.net.cn

經(jīng)加工和制作后供人類食用的各類動物組織、蛋、乳制品、肉及肉制品（包括動物內(nèi)臟）和水生動物產(chǎn)品等統(tǒng)稱為動物源性食品，以其豐富多樣的種類、多元獨(dú)特的口感贏得了人們的廣泛喜愛[1]。近年來，隨著經(jīng)濟(jì)的迅猛增長，人們的生活水平有了明顯的提升，世界各國對動物源性食品的需求量也逐年攀升，產(chǎn)品結(jié)構(gòu)發(fā)生巨大變化。據(jù)統(tǒng)計(jì)，2023年我國的豬肉、牛肉、羊肉、禽肉總產(chǎn)量高達(dá)9 641萬 t，同比增長4.5%，豬肉、牛肉、羊肉、禽肉分別增長4.6%、4.8%、1.3%、4.9%[2]。但不法商家為了從中牟取非法利益，不斷提高摻假手段，使消費(fèi)者對動物源性食品的質(zhì)量失去信心，如羊肉摻假[3]、牛肉摻假[4-5]事件，這主要是利用廉價(jià)的豬肉、鵝肉、鴨肉等替代品冒充高價(jià)值的牛肉和羊肉進(jìn)行售賣，以此獲得不正當(dāng)利益。偽造、替換、稀釋、篡改、對食品原產(chǎn)國或配料虛假申報(bào)、過度處理和侵犯知識產(chǎn)權(quán)等一系列非法行為均被列入食品摻假。動物源性食品在經(jīng)深度加工或普遍使用添加劑浸泡進(jìn)入市場后，僅憑氣味、色澤及質(zhì)地等傳統(tǒng)感官評價(jià)方法難以精準(zhǔn)區(qū)分其真實(shí)性。然而，隨著科學(xué)技術(shù)的不斷進(jìn)步，基于無損檢測技術(shù)與分子生物學(xué)原理的先進(jìn)鑒別方法在國內(nèi)外動物源性食品真實(shí)性鑒別領(lǐng)域脫穎而出，這些方法不僅彌補(bǔ)了傳統(tǒng)方法的局限性，還通過深入剖析遺傳物質(zhì)的特征，實(shí)現(xiàn)了對動物源性食品的高精度鑒別，對保障食品安全、保護(hù)消費(fèi)者合法權(quán)益、促進(jìn)行業(yè)健康發(fā)展等具有重要意義。

本文聚焦近年來市面上摻假摻雜的熱點(diǎn)問題，歸納總結(jié)動物源性食品真實(shí)性鑒別領(lǐng)域常用方法的優(yōu)缺點(diǎn)，分析該領(lǐng)域研究面臨的主要問題，以期對科研人員有所幫助，為實(shí)現(xiàn)動物源性食品安全監(jiān)管監(jiān)督提供檢測依據(jù)。

目前，國內(nèi)外常用的動物源性食品真實(shí)性鑒別技術(shù)見圖1。

PCR.聚合酶鏈?zhǔn)椒磻?yīng)（polymerase chain reaction）；LAMP.環(huán)介導(dǎo)等溫?cái)U(kuò)增（loop-mediated isothermal amplification）；CRISPR/Cas.成簇規(guī)律間隔短回文序列及相關(guān)蛋白（clustered regularly interspaced short palindromic repeats/CRISPR associate）；NMR.核磁共振（nuclear magnetic resonance）；RS.拉曼光譜（Raman spectra）；NIR.近紅外（near infrared）；ELISA.酶聯(lián)免疫吸附測定（enzyme-linked immunosorbent assay）；MS.質(zhì)譜（mass spectrometry）。

1 基于無損檢測的動物源性食品鑒別技術(shù)

無損檢測技術(shù)有別于傳統(tǒng)破壞性檢測技術(shù)，可以很大程度上保留被檢樣品的原始狀態(tài)，且樣品的化學(xué)特性不會受到影響，無損檢測技術(shù)相較于傳統(tǒng)破壞性檢測技術(shù)省去了復(fù)雜、費(fèi)時的前處理步驟[6]，只需對待測樣品少量取樣后，經(jīng)數(shù)據(jù)及信號采集、數(shù)據(jù)處理及信號控制3 個步驟即可實(shí)現(xiàn)對待檢樣品質(zhì)量的評估[7]，在食物細(xì)菌檢

測[8-9]、重金屬檢測[10]、真假鑒別[11]中應(yīng)用廣泛。

1.1 感官評價(jià)

感官評價(jià)是一門依托于人的觸覺、味覺、視覺和聽覺等感官測量、分析和解釋食物的科學(xué)技術(shù)，對企業(yè)產(chǎn)品的研發(fā)、優(yōu)化及持續(xù)改進(jìn)具有重要意義[12]。食品的風(fēng)味[13]和色澤[14]不僅是其品質(zhì)的重要體現(xiàn)，還能直接刺激消費(fèi)者的感官，進(jìn)而影響消費(fèi)者的購買決策。

胡煌等[15]指出，不同種類的生鮮肉在色澤上略有差別，羊肉比牛肉略淺，豬肉呈粉紅色，然而在肉的貯藏、銷售及消費(fèi)過程中，這些色澤會因氧化作用而逐漸趨于棕紅色。Kumari等[16]利用感官評價(jià)方法比較動物肉和植物肉在顏色、質(zhì)地、風(fēng)味上的差異。但在經(jīng)濟(jì)利益的驅(qū)動下，不法商販?zhǔn)褂么罅康南憔懔细淖內(nèi)獾娘L(fēng)味、使用色素改變?nèi)獾纳珴?，以至消費(fèi)者無法憑借感官評價(jià)來鑒別動物源性食品的真實(shí)性，因此，檢測速度快、準(zhǔn)確度高、現(xiàn)場易操作的鑒別技術(shù)亟待開發(fā)。

1.2 NIR光譜

NIR光譜分析技術(shù)基于光譜學(xué)的工作原理被廣泛應(yīng)用。當(dāng)處在780～2 500 nm范圍內(nèi)的光照射待測物質(zhì)時，這些物質(zhì)中的分子會對特定波長的光有所吸收，這個過程會導(dǎo)致電子的躍遷或分子振動能級的變化，從而為分析物質(zhì)的化學(xué)和物理特性提供重要信息。目前，NIR光譜技術(shù)與自主學(xué)習(xí)能力強(qiáng)、建模速度快、非線性擬合能力強(qiáng)的機(jī)器學(xué)習(xí)模型相結(jié)合的方法已被研究學(xué)者廣泛關(guān)注，促進(jìn)了從傳統(tǒng)的經(jīng)驗(yàn)判斷到儀器分析檢測手段的轉(zhuǎn)變，提高了檢測方法的準(zhǔn)確性、可靠性。例如，

Wang Li等[17]發(fā)現(xiàn)560 nm處的肌紅蛋白可能是區(qū)別肉質(zhì)真?zhèn)蔚年P(guān)鍵信息，于是將深度學(xué)習(xí)模型與可見光-近紅外二維光譜相結(jié)合用于牛羊肉的摻假鑒定，此方法相比于傳統(tǒng)的機(jī)器學(xué)習(xí)方法展示出了更高的準(zhǔn)確度。Windarsih等[18]利用傅里葉變換紅外光譜和機(jī)器學(xué)習(xí)輔助技術(shù)相結(jié)合的方法，開發(fā)出能鑒別和預(yù)測金槍魚油中豬油摻假的最佳模型。此外，將NIR光譜與機(jī)器學(xué)習(xí)算法相結(jié)合的方法，在品種分類鑒別[19]、樣品來源區(qū)分[20]等多個領(lǐng)域均被廣泛應(yīng)用。Leng Tuo等[21]對色譜解讀發(fā)現(xiàn)，6 250～5 580 cm－1區(qū)域的變化與脂肪酸有關(guān)，后利用快速、無損的NIR光譜技術(shù)和化學(xué)計(jì)量技術(shù)檢測碎牛肉與豬肉的二元摻假及碎牛肉與豬肉、鴨肉的三元摻假情況，結(jié)果發(fā)現(xiàn)，采用選定波長的原始光譜建立的判別分析模型對二元摻假系統(tǒng)的判別準(zhǔn)確率高達(dá)100%，三元摻假系統(tǒng)的誤差低于8%，NIR無損檢測技術(shù)為肉糜產(chǎn)品摻假檢測提供了全新思路。將NIR光譜、熒光光譜和激光誘導(dǎo)擊穿光譜的特征變量數(shù)據(jù)融合起來，建立隨機(jī)森林模型，對不同產(chǎn)地食用明膠的摻假情況進(jìn)行鑒定，其準(zhǔn)確率、回收率和F分?jǐn)?shù)均達(dá)到100%[22]。此外，Pereira等[23]將NIR光譜技術(shù)運(yùn)用于山羊奶中痕量牛奶成分的鑒別，準(zhǔn)確率高達(dá)100%。NIR光譜作為一種高效、無損、低成本、多組分的檢測技術(shù)，在化學(xué)、生物學(xué)、食品科學(xué)等領(lǐng)域均有廣泛的應(yīng)用前景，盡管NIR光譜技術(shù)具有明顯的優(yōu)勢，但其對復(fù)雜模型的高度依賴及對操作人員專業(yè)技能的要求卻成為了制約其發(fā)展的關(guān)鍵因素。

1.3 RS

RS是由印度科學(xué)家C.V.拉曼首次發(fā)現(xiàn)的，其本質(zhì)是光在分子水平上的非彈性散射[24]，即通過分析不同頻率下的散射光譜，就能夠提取關(guān)于分子振動和轉(zhuǎn)動的關(guān)鍵信息，這些信息對于深入研究和分析分子結(jié)構(gòu)至關(guān)重要。韓婭紅等[25]基于不同種屬之間蛋白質(zhì)的差異，通過RS對87 種肉骨粉（豬、雞、牛、羊肉骨粉）進(jìn)行鑒定，證明所開發(fā)的偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA）模型對雞和哺乳動物、豬和反芻動物、牛肉骨粉和羊肉骨粉鑒別效果明顯，并且PLS-DA模型在肉骨粉種屬來源鑒別中展現(xiàn)出了卓越的性能，其靈敏度和特異性均超過93.8%。Boyaci等[26]根據(jù)不同動物脂肪成分的差異，利用RS與主成分分析相結(jié)合的方法鑒別不同肉類（豬肉、牛肉、魚肉、綿羊肉、家禽肉、水牛肉和山羊肉）及其臘腸脂肪的特征振動頻率，該方法成功規(guī)避了復(fù)雜肉類中基質(zhì)的干擾，并以其高效的分析速度在動物源性食品真?zhèn)舞b別領(lǐng)域展現(xiàn)出巨大的應(yīng)用前景。Forooghi等[27]證明，RS與數(shù)據(jù)驅(qū)動的類比軟獨(dú)立建模和PLS-DA相結(jié)合的全新策略能夠明顯區(qū)分牛黃油和人造奶油。該技術(shù)不僅可以檢測樣品中的痕量成分，還可以對不同狀態(tài)下的食品進(jìn)行檢測，如固體、液體和氣體，盡管如此，RS在實(shí)際應(yīng)用中仍需補(bǔ)

充相應(yīng)的標(biāo)準(zhǔn)庫、排除樣品中水分含量及熒光背景的潛在干擾。

1.4 NMR

NMR屬于新型的無損檢測技術(shù)，以分析原子核的磁性為基礎(chǔ)[28]，即將具有磁偶極子（相當(dāng)于具有南極和北極的條形磁鐵）的原子核置于強(qiáng)磁場后，應(yīng)用特定射頻的脈沖激發(fā)原子核，通過檢測回到基態(tài)的原子核所釋放的信號進(jìn)行數(shù)據(jù)分析，以獲得樣品內(nèi)部的化學(xué)信息。利用NMR技術(shù)對食品成分進(jìn)行分析的研究已被許多科研工作者廣泛討論，如蛋白質(zhì)[29-30]、脂肪[31]、糖[32]等。Leng Tuo等[33]利用主成分分析模型得出蛋氨酸和谷氨酰胺

可能是判別牛肉與豬肉、鴨肉的關(guān)鍵氨基酸，其次，根據(jù)所建立的正交OPLS-DA模型對牛肉中的二元和三元摻假情況進(jìn)行鑒別，其準(zhǔn)確率達(dá)100%。Hajjar等[34]利用高分辨率1H NMR技術(shù)、結(jié)合光譜去卷積技術(shù)和多元統(tǒng)計(jì)分析成功描繪了雞蛋黃中的三酰甘油氫譜，為雞蛋的來源、雞種和養(yǎng)殖系統(tǒng)的識別提供了生物標(biāo)記物。NMR檢測技術(shù)因不損傷細(xì)胞且具有高分辨率和高靈敏度等特點(diǎn)，在食品成分分析、來源追蹤、添加物檢測及真?zhèn)舞b別等方面具有相當(dāng)大的潛力，但在食品領(lǐng)域廣泛應(yīng)用的道路上，有兩大挑戰(zhàn)不容忽視：一是操作人員需要具備深厚的專業(yè)知識和技能；二是后期磁場維護(hù)的成本相對較高。

1.5 同位素追蹤

同位素追蹤法旨在通過精密儀器檢測待檢食品樣本中穩(wěn)定同位素比率的細(xì)微差異。該方法涉及到將樣本中的同位素特征精準(zhǔn)量化，并隨后與經(jīng)過嚴(yán)格校準(zhǔn)、來源已知的同位素比率數(shù)據(jù)庫進(jìn)行比對，進(jìn)而確保食品質(zhì)量的真實(shí)性和安全性。吳浩等[35]運(yùn)用穩(wěn)定同位素指紋分析技術(shù)，對16 份進(jìn)口三文魚樣品與2 份國產(chǎn)三文魚樣品進(jìn)行系統(tǒng)考察，結(jié)果表明，相較于骨骼和肌肉組織，三文魚鱗片及表皮中同位素比率的差異對于其產(chǎn)地的溯源展現(xiàn)出更顯著的指示效果。白婷等[36]深入分析15 種礦物質(zhì)在區(qū)分白羽肉雞和黑水鳳尾雞品種特征上的作用，并指出錳、鉬及銫具有完全的鑒別能力。此外，穩(wěn)定同位素分析技術(shù)也被廣泛應(yīng)用在乳制品摻假方面，

Joachim等[37]將δ 13C和α-亞麻酸作為有機(jī)乳制品的鑒別指標(biāo)，Ehtesham等[38]通過分析牛奶樣本中脂肪酸組成、固形物含量及δ 2H同位素比值，并與相應(yīng)飲用水源和飼料中的δ 2H同位素比值進(jìn)行關(guān)聯(lián)性研究，成功實(shí)現(xiàn)對乳制品地理起源的精確追溯。同位素追蹤技術(shù)以其高度的精確性和卓越的抗干擾能力，在特定元素同位素比率的測定中展現(xiàn)出顯著的優(yōu)勢。然而，這一技術(shù)的實(shí)施依賴于高精尖的儀器設(shè)備和專業(yè)的操作人員，從而導(dǎo)致分析成本的顯著提升，此外，鑒于同位素追蹤技術(shù)主要聚焦于少數(shù)幾種特定元素的檢測，在成分復(fù)雜的食品鑒別中受到一定程度的限制。

1.6 電子鼻

電子鼻是一個集成多個化學(xué)傳感器的設(shè)備，這些高敏感的傳感器可以對食物中的氣味或揮發(fā)性化合物進(jìn)行檢測，當(dāng)這些物質(zhì)釋放出來時，傳感器會將其信號轉(zhuǎn)換成電信號，之后通過對不同傳感器輸出信號的模式進(jìn)行分析，進(jìn)而對食品進(jìn)行識別[39]。Kalinichenko等[40]創(chuàng)新性地將石英晶體微天平傳感器電子鼻技術(shù)與2 種先進(jìn)的化學(xué)計(jì)量學(xué)方法相融合，旨在精確區(qū)分不同種類香腸中大豆蛋白的含量，對保障食品標(biāo)簽信息的真實(shí)性及防止食品欺詐行為具有重要意義。同時，通過化學(xué)計(jì)量學(xué)原理的優(yōu)化，構(gòu)建了一套基于比色傳感器的低成本電子鼻系統(tǒng)，在高效、經(jīng)濟(jì)地識別與檢測牛肉中摻假豬肉方面展現(xiàn)了非凡的潛力與應(yīng)用前景[41]。此外，電子鼻技術(shù)憑借化學(xué)計(jì)量分析模塊與氣體傳感器陣列的重要程序，已成為乳制品品質(zhì)鑒別[42-45]及蜂蜜質(zhì)量評估[46-47]等多領(lǐng)域不可或缺的技術(shù)手段。但鑒于單一檢測技術(shù)在食品摻假鑒定中可能存在局限性，其結(jié)果的準(zhǔn)確性往往受到質(zhì)疑。為了提升羊肉中鴨肉摻假檢測的準(zhǔn)確度，Wang Qian等[48]采用氣相色譜-質(zhì)譜聯(lián)用技術(shù)，通過精準(zhǔn)鑒定肉類樣本中的揮發(fā)性有機(jī)化合物，有效驗(yàn)證電子鼻技術(shù)的初步篩選結(jié)果，增強(qiáng)了檢測的可靠性；與此同時，Jia Wenshen等[49]

將NIR光譜與電子鼻相結(jié)合用以檢測羊肉中鴨肉的摻假行為，此外，為了對所得的數(shù)據(jù)進(jìn)行全面分析，還引入了基于F1分?jǐn)?shù)的模型可靠性估計(jì)（F1-score-based model reliability estimation，F(xiàn)1-score-MRE）數(shù)據(jù)融合。結(jié)果表明，F(xiàn)1-score-MRE數(shù)據(jù)融合方法在羊肉摻假方面的準(zhǔn)確率高達(dá)98.58%（F1分?jǐn)?shù)：0.985 5）。陳鵬羽等[50]基于電子鼻與頂空固相微萃取結(jié)合氣相色譜-嗅聞-質(zhì)譜聯(lián)用技術(shù)，為3 種不同品質(zhì)羊肉的評估、地理來源追溯及真?zhèn)舞b別提供了參考數(shù)據(jù)，極大豐富了肉制品檢測領(lǐng)域的研究方法。電子鼻因具有無需前處理、對操作人員的知識要求低等優(yōu)勢，在食品品質(zhì)控制、鑒別、品種識別、快速檢測和警報(bào)系統(tǒng)等方面均有應(yīng)用，未來，隨著傳感器技術(shù)的持續(xù)進(jìn)步與人工智能算法的日臻完善，電子鼻對不同物質(zhì)、不同模式識別算法敏感度不同、模型不通用、不便攜帶等諸多問題將會被解決[51]。

2 基于分子生物學(xué)的動物源性食品鑒別技術(shù)

2.1 基于蛋白質(zhì)的動物源性食品鑒別技術(shù)

蛋白質(zhì)在動物營養(yǎng)中占據(jù)核心地位，它不僅構(gòu)成動物體的重要組織基礎(chǔ)，還在動物的生長發(fā)育及酶、激素的產(chǎn)生過程中發(fā)揮著不可或缺的作用。此外，蛋白質(zhì)的獨(dú)特性源于其復(fù)雜的空間結(jié)構(gòu)、基因編輯及堿基排列的多樣性，這種特異性在醫(yī)學(xué)、生物技術(shù)和食品檢測等多個領(lǐng)域均得到廣泛應(yīng)用。作為蛋白質(zhì)組學(xué)探索領(lǐng)域內(nèi)的前沿工具，蛋白質(zhì)分子標(biāo)記物正逐步成為科研人員深入探究生物體內(nèi)蛋白質(zhì)表達(dá)、功能特性和互作關(guān)系的關(guān)鍵，并在高通量篩選技術(shù)[52-53]的精細(xì)化應(yīng)用、跨物種間蛋白質(zhì)組差異的比較[54-56]、生物信息學(xué)分析策略的發(fā)展[57-58]等多個領(lǐng)域取得了令人矚目的研究成果。

2.1.1 ELISA

ELISA是一種普遍采用的蛋白質(zhì)免疫檢測技術(shù)，其核心原理在于每種抗體與其相應(yīng)的抗原之間存在高度的特異性結(jié)合能力。根據(jù)實(shí)際應(yīng)用中檢測需求與條件的差異，ELISA技術(shù)被細(xì)化為多種類型，包括間接法、競爭法和夾心法等，以滿足不同領(lǐng)域的檢測需要[59]。

駱訓(xùn)國等[60]將種屬特異性強(qiáng)、易于獲取的免疫球蛋白G作為檢測標(biāo)記物，采用ELISA夾心法檢測混合生肉中豬肉成分，該方法最低能檢測到1%（m/m）的豬肉摻雜，且在牛肉、羊肉、雞肉和兔肉中具有特異性。在單克隆抗體夾心ELISA實(shí)驗(yàn)的框架下，Jiang Xingyi等[61]確定2 種哺乳動物骨骼肌蛋白單克隆抗體的特異性，并通過對緩沖液進(jìn)行優(yōu)化后發(fā)現(xiàn)，該步驟能顯著提高從豬肉中提取目標(biāo)分析物的效率和抗原性，且對加熱哺乳動物摻雜檢出限可低至1%（m/m）。ELISA技術(shù)是識別動物源性食品中欺詐行為的一種有效且低成本的方法，多年來的實(shí)踐證明了這種方法的有效性。盡管如此，在食品加工中蛋白質(zhì)可能會出現(xiàn)不可逆的變化，這些變化會影響基于蛋白質(zhì)的ELISA檢測方法的有效性。因此，這種方法不但不適用于高度加工的食品，還在多物種真?zhèn)舞b定中存在局限性。

2.1.2 MS

MS技術(shù)在化學(xué)分析領(lǐng)域發(fā)揮重要作用，其基本原理是將待測樣品引入MS儀后將其轉(zhuǎn)化為氣態(tài)離子，并利用電場或磁場對離子質(zhì)荷比篩選能力的不同進(jìn)行分離，最后將分離后的離子引入檢測器中記錄下離子的信號強(qiáng)度并轉(zhuǎn)化成MS圖，進(jìn)行數(shù)據(jù)分析。蛋白質(zhì)經(jīng)過翻譯修飾后會形成特異性較好的N-鏈寡糖，施姿鶴[62]基于此采用高效液相色譜-電噴霧MS分析，構(gòu)建牛肉中摻假豬肉和牛肉中摻假鴨肉的多對同晶置換定性定量鑒別方法，該方法準(zhǔn)確性高，線性方程R2＞0.99，檢出限依次為0.88%、0.26%。Zhang Yingying等[63]將高分辨率MS采集得到的數(shù)據(jù)進(jìn)行分析后，通過計(jì)算線性相關(guān)系數(shù)和回收率，確定了能準(zhǔn)確定量狐貍的肽段，建立了液相色譜-串聯(lián)質(zhì)譜方法用于鑒定和準(zhǔn)確定量實(shí)際樣品中的狐貍?cè)鈸郊佟hang Jiukai等[64]創(chuàng)新性地將串聯(lián)質(zhì)譜的槍式蛋白質(zhì)組學(xué)技術(shù)與預(yù)定多反應(yīng)監(jiān)測方法相結(jié)合，根據(jù)牛奶樣本篩選出的4 組肽定量離子對，實(shí)現(xiàn)了對牛奶樣品中微量摻假成分的精準(zhǔn)定量分析。該技術(shù)具有靈敏度高、檢測速度快的特點(diǎn)，被研究學(xué)者廣泛關(guān)注，但前處理時間長、不能現(xiàn)場檢測、檢測成本高、蛋白質(zhì)易變性且只能用于檢測可電離的物質(zhì)，在一定程度上限制了其應(yīng)用。

2.2 基于核酸分子的動物源性食品鑒別技術(shù)

動物源性食品真實(shí)性鑒別技術(shù)主要是基于無損檢測和蛋白質(zhì)分子，然而，隨著消費(fèi)者對食品風(fēng)味和營養(yǎng)價(jià)值的要求不斷提高，現(xiàn)有的檢測方法越來越難以驗(yàn)證高度加工食品的真實(shí)性和質(zhì)量。以核酸分子為基礎(chǔ)的動物源性食品真實(shí)性鑒別技術(shù)打破了以往鑒別技術(shù)的局限性，其憑借核酸序列在深加工過程中的穩(wěn)定性已在生態(tài)、醫(yī)療和食品等多個領(lǐng)域得到了廣泛應(yīng)用。

2.2.1 PCR

PCR是一種體外擴(kuò)增技術(shù)，能夠在特定的條件下從少量DNA/RNA模板中擴(kuò)增出大量特定的DNA/RNA片段。引物、DNA聚合酶、緩沖液和4 種脫氧核苷酸是PCR實(shí)驗(yàn)所需的反應(yīng)物，近年來，技術(shù)的發(fā)展促使科研工作者能更快速、更準(zhǔn)確地在實(shí)驗(yàn)室中進(jìn)行DNA/RNA片段的擴(kuò)增，該技術(shù)主要包括變性、退火、延伸3 個關(guān)鍵步驟[65]。

依據(jù)檢測原理可將其分為常規(guī)PCR、熒光實(shí)時定量PCR（real-time quantitative PCR，real-time PCR）、數(shù)字PCR（digital PCR，dPCR）等。常規(guī)PCR無需使用特殊的設(shè)備和試劑，成本較為低廉，但其缺陷在于無法實(shí)現(xiàn)對擴(kuò)增產(chǎn)物的實(shí)時監(jiān)測，若想進(jìn)行半定量分析還需要借助凝膠電泳等方法。樓葉青等[66]對大西洋鱈魚、阿拉斯加狹鱈魚和白姑魚的線粒體細(xì)胞色素c氧化酶亞基I進(jìn)行分析、擴(kuò)增后發(fā)現(xiàn)，通過擴(kuò)增產(chǎn)物片段的大小可對大西洋鱈魚、阿拉斯加狹鱈魚與白姑魚進(jìn)行辨別，而大西洋鱈魚與阿拉斯加狹鱈魚需要借助Bst EII限制性內(nèi)切酶進(jìn)行鑒別。Doroudian等[67]提出了將PCR技術(shù)與組織學(xué)分析相結(jié)合的新方法，來彌補(bǔ)單一檢測方法的局限性。線粒體DNA在組織中無處不在且序列高度保守，因此是用于鑒定肉及肉制品摻假的主要目標(biāo)片段[68]。Li Jiapeng等[69]

利用線粒體上的DNA設(shè)計(jì)雙重real-time PCR并根據(jù)擴(kuò)增產(chǎn)物在熔融曲線上的出峰數(shù)量、位置，對牛與非牛物種進(jìn)行初步篩選并對牛源性成分進(jìn)行半定量。楊瑤等[70]用篩選得到的豬細(xì)胞核單拷貝基因作為擴(kuò)增靶標(biāo)進(jìn)行real-time PCR擴(kuò)增，成功檢出肉制品中的豬源性成分。dPCR將連續(xù)稀釋的樣品包裹成數(shù)百或數(shù)萬個小液滴，然后根據(jù)泊松分布對起始濃度進(jìn)行絕對定量。劉立兵等[71]利用dPCR技術(shù)，建立肉粉質(zhì)量與所含基因拷貝數(shù)濃度的線性關(guān)系，可準(zhǔn)確定量檢測香腸中雞、豬、牛源性成分。該方法與傳統(tǒng)細(xì)菌培養(yǎng)方法相比，反應(yīng)速度快、自動化程度高，雖然PCR技術(shù)具有以上優(yōu)勢，但為確保PCR技術(shù)的準(zhǔn)確性和可靠性，亟需有效應(yīng)對和解決當(dāng)前存在的引物設(shè)計(jì)不合理、樣品處理效率低、引物探針特異性不足及污染干擾等一系列挑戰(zhàn)。

2.2.2 LAMP

2000年，日本榮研株式會社首次提出LAMP技術(shù)，LAMP在模板提取、預(yù)變性、反應(yīng)時間等方面均做出了優(yōu)化[72]，相比于傳統(tǒng)的PCR，一方面LAMP規(guī)避了因反復(fù)加熱而導(dǎo)致的DNA模板變性問題，另一方面實(shí)現(xiàn)了在常溫條件下就能對目標(biāo)分子進(jìn)行連續(xù)快速擴(kuò)增，在食品真實(shí)性鑒別[73]中應(yīng)用廣泛。Kumari等[74]設(shè)計(jì)了6 種LAMP引物，在64 ℃下以牛的線粒體細(xì)胞b為目標(biāo)基因?qū)崿F(xiàn)了特異性擴(kuò)增，且靈敏度為0.1 pg。Peng Jiangsong等[75]將水蛭作為研究對象，通過與real-time PCR比較發(fā)現(xiàn)LAMP的靈敏度明顯較高、耗時短，可用于現(xiàn)場檢測，但LAMP擴(kuò)增產(chǎn)物需借助凝膠電泳、熒光測量等技術(shù)進(jìn)一步分析。Qin Panzhu等[76]將LAMP與熒光偏振技術(shù)將結(jié)合，用于鑒定食源性動物中豬肉摻假，大大提高了LAMP的實(shí)用性，檢測限可達(dá)0.01%（m/m）。

2.2.3 DNA生物傳感器

DNA生物傳感器憑借其卓越的特異性配對和分子識別能力，巧妙地融合了先進(jìn)的傳感器技術(shù)，實(shí)現(xiàn)了對目標(biāo)分子的高靈敏度、高精確度檢測。根據(jù)傳感器類型的不同，可分為質(zhì)量敏感型、熱敏型、場效應(yīng)型等，其中電化學(xué)生物傳感器和熒光生物傳感器應(yīng)用最為廣泛[77]。在食品檢測領(lǐng)域，DNA生物傳感器具有快速、高靈敏、高通量、可重復(fù)性等優(yōu)勢。Zhang Chao等[78]利用物種間的特異性開發(fā)了多重LAMP耦合三叉戟式橫向流動生物傳感器方法，大大縮短了檢測時間，且整個過程不需要精密儀器，適用于現(xiàn)場檢測。Mansouri等[79]開發(fā)了一種表面等離子體共振增強(qiáng)型生物傳感器，該方法可對低至1.0 nmol/L的目標(biāo)驢肉DNA進(jìn)行定量檢測，相對標(biāo)準(zhǔn)偏差為0.85%，提高了檢測的靈敏度和可重復(fù)性。然而，DNA生物傳感器在應(yīng)用于實(shí)際動物源性食品鑒別技術(shù)時仍然面臨一些挑戰(zhàn)，如開發(fā)困難、前處理復(fù)雜、成本高等問題。

2.2.4 CRISPR/Cas系統(tǒng)

CRISPR/Cas作為基因編輯剪刀可以對單鏈DNA實(shí)施精準(zhǔn)、高效的剪切，后來人們不斷擴(kuò)展其在物種

改良[80]、肉類摻假鑒定[81]、食源性微生物監(jiān)管[82]等領(lǐng)域的應(yīng)用范圍。不同的CRISPR相關(guān)蛋白在PAM識別位點(diǎn)、作用機(jī)制和應(yīng)用領(lǐng)域等方面具有不同的特點(diǎn)。例如，Cas9在醫(yī)療領(lǐng)域發(fā)揮著重要作用，而Cas12在快速檢測領(lǐng)域有著廣泛的應(yīng)用[83]。Chen Jiahui等[84]把具有特異性和反式裂解活性的CRISPR/Cas與無需標(biāo)記的DNA-銀納米簇?zé)晒馓结樝嘟Y(jié)合，擴(kuò)寬線性范圍的同時也顯著增強(qiáng)了熒光探針的穩(wěn)定性，將鴨的摻假量直接轉(zhuǎn)化為熒光信號的強(qiáng)弱。Zhao Gang等[85]嘗試結(jié)合重組聚合酶擴(kuò)增技術(shù)與CRISPR/Cas12a技術(shù)檢測肉制品中是否摻假豬肉，該研究可憑借肉眼在30 min內(nèi)得到檢測結(jié)果，且檢出限為0.001 ng。精準(zhǔn)、快速、低成本[8V8jtmHzduFdRbq+pCl+RuQsWZNVHWK0DX/SVHsKrvy8=6]的優(yōu)勢極大促進(jìn)了CRISPR/Cas系統(tǒng)在復(fù)雜食品中痕量目標(biāo)物檢測方面的應(yīng)用，并為此提供了一條全新的途徑。

綜上所述，不同鑒別技術(shù)應(yīng)用于動物源性食品中的優(yōu)缺點(diǎn)比較見表1。

3 結(jié) 語

近年來，動物源性食品摻假事件持續(xù)走高引發(fā)了人們的廣泛關(guān)注，針對這一現(xiàn)狀，我國陸續(xù)頒布了許多有關(guān)肉類真實(shí)性鑒別技術(shù)的國家標(biāo)準(zhǔn)。本文總結(jié)近5 年常用于鑒別動物源性食品真?zhèn)蔚募夹g(shù)，討論各種技術(shù)的優(yōu)缺點(diǎn)，其中，基于蛋白質(zhì)ELISA開發(fā)的試劑盒和便于攜帶的光譜設(shè)備具有檢測速度快、成本低的優(yōu)勢，深受市場監(jiān)管部門和企業(yè)生產(chǎn)廠家的青睞。然而，蛋白質(zhì)作為生物標(biāo)記物用于深加工食品檢測時容易發(fā)生變性和降解，這嚴(yán)重降低了檢測的靈敏度；與之相比，核酸分子特有的種間多態(tài)性和熱穩(wěn)定性保證了其檢測結(jié)果的可靠，在食品質(zhì)量安全檢測與執(zhí)法機(jī)關(guān)應(yīng)用較多，但該技術(shù)對操作人員和實(shí)驗(yàn)室要求較高，且現(xiàn)如今沒有專門的機(jī)構(gòu)對核酸標(biāo)準(zhǔn)物質(zhì)進(jìn)行研制，導(dǎo)致各企業(yè)生產(chǎn)的核酸標(biāo)準(zhǔn)物質(zhì)缺乏可追溯性。未來應(yīng)在快速、準(zhǔn)確、低成本的前提下，不斷完善動物源性食品的特異性蛋白數(shù)據(jù)庫、豐富光譜和電子鼻等指紋信息，建立最佳的數(shù)據(jù)模型，優(yōu)化PCR反應(yīng)中核酸提取的限速步驟，在實(shí)際應(yīng)用中應(yīng)選擇適當(dāng)?shù)蔫b別技術(shù)或?qū)⒍喾N鑒別技術(shù)聯(lián)用，以更好地滿足對復(fù)雜樣品中目標(biāo)成分的分析，這對預(yù)防食品摻假、保障食品安全、促進(jìn)食品行業(yè)持續(xù)健康發(fā)展具有重要作用。

參考文獻(xiàn)：

[1] 戴義國， 劉光輝， 顏丙利， 等. 動物源性食品安全檢測技術(shù)探析[J]. 現(xiàn)代畜牧科技， 2024（2）： 115-117. DOI：10.19369/j.cnki.2095-9737.2024.02.031.

[2] 國家統(tǒng)計(jì)局. 中華人民共和國2023年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)[N]. 人民日報(bào)， 2024-03-01（010）.

[3] 白鑫燚， 李曉毅. 濟(jì)南門店大多已不見羊肉卷[N]. 山東商報(bào)， 2023-08-12（7）.

[4] 唐穗平， 張燕， 黃景輝. 廣東省牛羊肉及其制品中摻雜摻假情況的調(diào)查分析[J]. 食品安全質(zhì)量檢測學(xué)報(bào)， 2016， 7（5）： 1882-1886. DOI：10.19812/j.cnki.jfsq11-5956/ts.2016.05.025.

[5] 凌莉， 李志勇， 高東微， 等. 從肉類摻假案例反思我國進(jìn)出口食品安全監(jiān)管[J]. 安徽農(nóng)業(yè)科學(xué)， 2013（20）： 8711-8713; 8715. DOI：10.3969/j.issn.0517-6611.2013.20.091.

[6] 曾雪晴， 李洪軍， 王兆明， 等. 無損檢測技術(shù)在摻假肉及肉制品中的應(yīng)用進(jìn)展[J]. 食品與發(fā)酵工業(yè)， 2019， 45（1）： 252-258. DOI：10.13995/j.cnki.11-1802/ts.017198.

[7] 馬昕. 無損檢測在食品品質(zhì)檢測中的運(yùn)用[J]. 現(xiàn)代食品， 2020（14）： 123-125. DOI：10.16736/j.cnki.cn41-1434/ts.2020.14.039.

[8] 賀巧玲， 曹敏， 孫在興， 等. 光譜技術(shù)及電子感官系統(tǒng)在食源性致病菌無損檢測中的應(yīng)用[J]. 食品研究與開發(fā)， 2023， 44（20）： 219-224. DOI：10.12161/j.issn.1005-6521.2023.20.030.

[9] 苗小雨， 柴春祥， 魯曉翔. 無損檢測技術(shù)在食品微生物檢測中的應(yīng)用與展望[J]. 食品與發(fā)酵工業(yè)， 2022， 48（8）： 311-319. DOI：10.13995/j.cnki.11-1802/ts.028633.

[10] 石洪瑋. 單波長激發(fā)-能量色散X射線熒光光譜法檢測食品中重金屬的研究[D]. 邯鄲： 河北工程大學(xué)， 2023： 1-2.

[11] SILVA D L M M， ADRIANO L F， M?NICA G C， et al. Portable near-infrared （NIR） spectrometer and chemometrics for rapididentification of butter cheese adulteration[J]. Food Chemistry， 2023， 425： 136461. DOI：10.1016/j.fod3ce0901144b062dbf4153cd147f477afacb0aa031cb21454b88787894b01607odchem.2023.136461.

[12] 吳木蘭， 宋蕭蕭， 崔武衛(wèi)， 等. 基于近紅外光譜技術(shù)對南陽豌豆產(chǎn)地鑒別研究[J]. 光譜學(xué)與光譜分析， 2023， 43（4）： 1095-1102. DOI：10.3964/j.issn.1000-0593（2023）04-1095-08.

[13] 李卿， 馬盛凱， 張悅， 等. 感官評定在新食品開發(fā)中的應(yīng)用[J]. 食品工程， 2021（2）： 42-45. DOI：10.3969/j.issn.1673-6044.2021.02.013.

[14] 孟新濤， 張婷， 許銘強(qiáng)， 等. 基于氣相離子遷移譜的羊肉摻偽快速鑒別方法[J]. 新疆農(nóng)業(yè)科學(xué)， 2019， 56（10）： 1939-1947. DOI：10.6048/j.issn.1001-4330.2019.10.020.

[15] 胡煌， 呂飛， 丁玉庭. 肉制品的呈色機(jī)理和色澤評定研究進(jìn)展[J]. 肉類研究， 2016， 30（12）： 48-53. DOI：10.15922/j.cnki.rlyj.2016.12.009.

[16] KUMARI S， ALAM N A， HOSSAIN J M， et al. Sensory evaluation of plant-based meat： bridging the gap with animal meat， challenges and future prospects[J]. Foods， 2024， 13（1）： 108. DOI：10.3390/foods13010108.

[17] WANG L， LIANG J， LI F， et al. Deep learning based on the vis-NIR two-dimensional spectroscopy for adulteration identification of beef and mutton[J]. Journal of Food Composition and Analysis， 2024， 126： 105890. DOI：10.1016/j.jfca.2023.105890.

[18] WINDARSIH A， JATMIKO H T， ANGGRAENI S A， et al. Machine learning-assisted FT-IR spectroscopy for identification of pork oil adulteration in tuna fish oil[J]. Vibrational Spectroscopy， 2024， 134： 103715. DOI：10.1016/j.vibspec.2024.103715.

[19] LEI F， BAOHUA W， SUSU Z， et al. Application of visible/infrared spectroscopy and hyperspectral imaging with machine learning techniques for identifying food varieties and geographical origins[J]. Frontiers in Nutrition， 2021， 8： 680357. DOI：10.3389/fnut.2021.680357.

[20] 張浩， 劉振， 王玲， 等. 基于近紅外光譜結(jié)合機(jī)器學(xué)習(xí)算法檢測食用明膠品種溯源的研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2021， 55（3）： 460-467. DOI：10.16445/j.cnki.1000-2340.20210409.003.

[21] LENG T， LI F， XIONG L， et al. Quantitative detection of binary and ternary adulteration of minced beef meat with pork and duck meat by NIR combined with chemometrics[J]. Food Control， 2020， 113： 107203. DOI：10.1016/j.foodcont.2020.107203.

[22] ZHANG H， LIU Z， ZHANG J， et al. Identification of edible gelatin origins by data fusion of NIRS， fluorescence spectroscopy， and LIBS[J]. Food Analytical Methods， 2021， 14（3）： 525-536. DOI：10.1007/s12161-020-01893-2.

[23] PEREIRA S D V E， FERNANDES S D D D， ARAúJO D U C M， et al.

Simultaneous determination of goat milk adulteration with cow milk and their fat and protein contents using NIR spectroscopy and PLS algorithms[J]. LWT-Food Science and Technology， 2020， 127： 109427. DOI：10.1016/j.lwt.2020.109427.

[24] ZHANG W Y， JI M， WEN D S. Raman spectroscopic techniques for detecting structure and quality of frozen foods： principles and applications[J]. Critical Reviews in Food Science and Nutrition， 2021， 61（16）： 2623-2639. DOI：10.1080/10408398.2020.1828814.

[25] 韓婭紅， 蹇林， 杜瑞銘， 等. 基于骨蛋白拉曼光譜特異性的肉骨粉種屬鑒別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2020， 36（16）： 267-273. DOI：10.11975/j.issn.1002-6819.2020.16.032.

[26] BOYACI I H， UYSAL R S， TEMIZ T， et al. A rapid method for determination of the origin of meat and meat products based on the extracted fat spectra by using of Raman spectroscopy and chemometric method[J]. European Food Research and Technology， 2014， 238（5）： 845-852. DOI：10.1007/s00217-014-2168-1.

[27] FOROOGHI E， ZADE S V， JANNAT B， et al. Detection of sheep butter adulteration with cow butter and margarine by employing Raman spectroscopy and multivariate data analysis[J]. International Dairy Journal， 2024， 157： 106010. DOI：10.1016/j.idairyj.2024.106010.

[28] VEEMAN W S. Nuclear magnetic resonance， a simple introduction to the principles and applications[J]. Geoderma， 1997， 80（3）： 225-242. DOI：10.1016/S0016-7061（97）00054-2.

[29] 馮翠萍， 劉一諾， 樊雙喜， 等. 核磁共振磷譜法測定乳制品中的酪蛋白含量[J]. 食品科學(xué)， 2021， 42（4）： 221-226. DOI：10.7506/spkx1002-6630-20200527-324.

[30] XING M J， LIU F J， LIN J Z， et al. Origin tracing and adulteration identification of bird’s nest by high- and low-field NMR combined with pattern recognition[J]. Food Research International， 2024， 175： 113780. DOI：10.1016/j.foodres.2023.113780.

[31] 李少華， 李申， 李翠翠. 食用油脂鑒別及摻假檢測技術(shù)研究進(jìn)展[J].

食品工業(yè)科技， 2022， 43（20）： 430-436. DOI：10.13386/j.issn1002-0306.2021090293.

[32] 高西貝， 杜欣玥， 王琪琦， 等. 蜂蜜的真實(shí)性鑒別方法研究進(jìn)展[J]. 食品安全質(zhì)量檢測學(xué)報(bào)， 2022， 13（18）： 5842-5848. DOI：10.19812/j.cnki.jfsq11-5956/ts.2022.18.038.

[33] LENG T， HU X Y， CHEN Y， et al. Rapid identification and quantitation of pork and duck meat of binary and ternary adulteration in minced beef by 1H NMR combined with multivariate data fusion[J]. Food Control， 2023， 154： 110018. DOI：10.1016/j.foodcont.2023.110018.

[34] HAJJAR G， HADDAD L， RIZK T， et al. High-resolution 1H NMR profiling of triacylglycerols as a tool for authentication of food from animal origin： application to hen egg matrix[J]. Food Chemistry， 2021， 360： 130056. DOI：10.1016/j.foodchem.2021.130056.

[35] 吳浩， 周秀雯， 陳海泉， 等. 不同產(chǎn)地三文魚的穩(wěn)定同位素指紋特征及原產(chǎn)地溯源[J]. 食品科學(xué)， 2021， 42（16）： 304-311. DOI：10.7506/spkx1002-6630-20200723-321.

[36] 白婷， 蔡浩洋， 鄧銀華， 等. 基于微量元素指紋圖譜對黑水鳳尾雞進(jìn)行產(chǎn)地溯源的研究[J]. 中國測試， 2018， 44（9）： 57-62; 74. DOI：10.11857/j.issn.1674-5124.2018.09.011.

[37] JOACHIM M， ANETTE G. Follow-up of stable isotope analysis of organic versus conventional milk[J]. Analytical and Bioanalytical Chemistry， 2010， 398（3）： 1493-1500. DOI：10.1007/s00216-010-3995-y.

[38] EHTESHAM E， HAYMAN A， HALE V R， et al. Influence of feed and water on the stable isotopic composition of dairy milk[J]. International Dairy Journal， 2015， 47： 37-45. DOI：10.1016/j.idairyj.2015.02.008.

[39] PERIS M， ESCUDER-GILABERT L. Electronic noses and tongues to assess food authenticity and adulteration[J]. Trends in Food Science & Technology， 2016， 58： 40-54. DOI：10.1016/j.tifs.2016.10.014.

[40] KALINICHENKO A， ARSENIYEVA L. Electronic nose combined with chemometric approaches to assess authenticity and adulteration of sausages by soy protein[J]. Sensors and Actuators B： Chemical， 2020， 303： 127250. DOI：10.1016/j.snb.2019.127250.

[41] HAN F， HUANG X， AHETO H J， et al. Detection of beef adulterated with pork using a low-cost electronic nose based on colorimetric sensors[J]. Foods， 2020， 9（2）： 193. DOI：10.3390/foods9020193.

[42] TOHIDI M， GHASEMI-VARNAMKHASTI M， GHAFARINIA V， et al.

Development of a metal oxide semiconductor-based artificial nose as a fast， reliable and non-expensive analytical technique for aroma profiling of milk adulteration[J]. International Dairy Journal， 2018， 77： 38-46. DOI：10.1016/j.idairyj.2017.09.003.

[43] AYARI F， GHALEH M E， RABBANI H， et al. Using an E-nose machine for detection the adulteration of margarine in cow ghee[J]. Journal of Food Process Engineering， 2018， 41（6）： 12806. DOI：10.1111/jfpe.12806.

[44] 廖美燕， 龍鳴， 洪晶， 等. 電子鼻在乳及其制品檢測中的應(yīng)用研究進(jìn)展[J]. 中國乳業(yè)， 2022（10）： 57-64. DOI：10.12377/1671-4393.22.10.11.

[45] WANG B， XU S， SUN D W. Application of the electronic nose to the identification of different milk flavorings[J]. Food Research International， 2010， 43（1）： 255-262. DOI：10.1016/j.foodres.2009.09.018.

[46] 陳芳， 黃玉坤， 苑陽陽， 等. 基于電子鼻無損鑒別摻假蜂蜜[J]. 西華大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2018， 37（5）： 56-60. DOI：10.3969/j.issn.1673-159x.2018.05.012.

[47] 陳曉明， 初葉心， 喬江濤， 等. 蜂蜜品種識別和摻假鑒別的研究進(jìn)展[J].

食品工業(yè)， 2020， 41（2）： 225-230.

[48] WANG Q， LI L， DING W， et al. Adulterant identification in mutton by electronic nose and gas chromatography-mass spectrometer[J]. Food Control， 2019， 98： 431-438. DOI：10.1016/j.foodcont.2018.11.038.

[49] JIA W S， QIN Y D， ZHAO C T. Rapid detection of adulterated lamb meat using near infrared and electronic nose： a F1-score-MRE data fusion approach[J]. Food Chemistry， 2024， 439： 138123. DOI：10.1016/j.foodchem.2023.138123.

[50] 陳鵬羽， 張德權(quán)， 李少博， 等. 基于電子鼻和頂空固相微萃取結(jié)合氣相色譜-嗅聞-質(zhì)譜聯(lián)用技術(shù)分析不同品種羊肉煮制風(fēng)味特征[J]. 食品與發(fā)酵工業(yè)， 2024， 50（10）： 298-305. DOI：10.13995/j.cnki.11-1802/ts.037157.

[51] 曲愛玲， 馬長路. 電子鼻在食品安全中的應(yīng)用及發(fā)展趨勢[J]. 食品工業(yè)， 2022， 43（8）： 320-325.

[52] YU Y， GAO Q L， SONG Y， et al. High-throughput screening of potential allergens from complex proteins of large yellow croaker （Larimichthys crocea） by mass spectrometry[J]. Chinese Journal of Analytical Chemistry， 2017， 45（5）： e1713-e1718. DOI：10.1016/S1872-2040（17）61016-8.

[53] XIANG X， LU J， TAO M， et al. High-throughput identification 417707b48843bfe095b8634b8b6019a24e58e3fa5a8defc9e289c1fe4a3afbe7of meat ingredients in adulterated foods based on centrifugal integrated purification-CRISPR array[J]. Food Chemistry， 2024， 443： 138507. DOI：10.1016/j.foodchem.2024.138507.

[54] WANG X， ZHAO X， HUANG D， et al. Proteomic analysis and cross species comparison of casein fractions from the milk of dairy animals[J]. Scientific Reports， 2017， 7（1）： 43020. DOI：10.1038/srep43020.

[55] YANG Y， ZHENG N， WANG W， et al. N-glycosylation proteomic characterization and cross-species comparison of milk fat globule membrane proteins from mammals[J]. Proteomics， 2016， 16（21）： 2792-2800. DOI：10.1002/pmic.201500361.

[56] YANG Y， ZHENG N， ZHAO X， et al. N-glycosylation proteomic characterization and cross-species comparison of milk whey proteins from dairy animals[J]. Proteomics， 2017， 17（9）： 1600361. DOI：10.1002/pmic.201600361.

[57] TU M， CHENG S， LU W， et al. Advancement and prospects of bioinformatics analysis for studying bioactive peptides from food-derived protein： sequence， structure， and functions[J]. Trends in Analytical Chemistry， 2018， 105： 7-17. DOI：10.1016/j.trac.2018.04.005.

[58] 左惠心， 韓玲， 余群力， 等. 牦牛與黃牛肌肉差異蛋白質(zhì)組及生物信息學(xué)分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2017， 48（4）： 313-320. DOI：10.6041/j.issn.1000-1298.2017.04.041.

[59] 范莉. 酶聯(lián)免疫吸附法在食品檢驗(yàn)中的實(shí)踐應(yīng)用研究[J]. 食品安全導(dǎo)刊， 2021（27）： 135-136. DOI：10.16043/j.cnki.cfs.2021.27.074.

[60] 駱訓(xùn)國， 栗紹文， 周蕾蕾， 等. 夾心ELISA方法檢測生肉混合物中的豬肉成分的研究[J]. 動物醫(yī)學(xué)進(jìn)展， 2010， 31： 20-22. DOI：10.3969/j.issn.1007-5038.2010.z1.005.

[61] JIANG X Y， RAO Q C， MITTL K， et al. Monoclonal antibody-based sandwich ELISA for the detection of mammalian meats[J]. Food control， 2020， 110： 107045. DOI：10.1016/j.foodcont.2019.107045.

[62] 施姿鶴. 肉中蛋白質(zhì)N-糖基化分析及其在常見肉類摻假鑒別中的應(yīng)用[D]. 南京： 南京農(nóng)業(yè)大學(xué)， 2020： 1-11.

[63] ZHANG Y Y， LIU M Y， WANG S， et al. Identification and quantification of fox meat in meat products by liquid chromatography-tandem mass spectrometry[J]. Food Chemistry， 2022， 372： 131336. DOI：10.1016/j.foodchem.2021.131336.

[64] ZHANG J K， WEI L Y， MIAO J L， et al. Authenticity identification of animal species in characteristic milk by integration of shotgun proteomics and scheduled multiple reaction monitoring （MRM） based on tandem mass spectrometry[J]. Food Chemistry， 2024， 436： 137736. DOI：10.1016/j.foodchem.2023.137736.

[65] 柴曉茹， 劉超， 孟軍濤， 等. PCR技術(shù)分類及其在復(fù)雜樣本檢測中的應(yīng)用研究進(jìn)展[J]. 滄州師范學(xué)院學(xué)報(bào)， 2024， 40（1）： 47-52. DOI：10.3969/j.issn.2095-2910.2024.01.009.

[66] 樓葉青， 胡藝凡， 鄭方媛， 等. 應(yīng)用聚合酶鏈?zhǔn)椒磻?yīng)和限制性內(nèi)切酶酶切技術(shù)鑒別鱈魚[J]. 肉類研究， 2019， 33（10）： 57-62. DOI：10.7506/rlyj1001-8123-20190802-172.

[67] DOROUDIAN M， ANBARA H， SOEZI M， et al. Improving fraud detection in processed meats： a histology-PCR approach[J]. Journal of Food Composition and Analysis， 2023， 123： 105593. DOI：10.1016/j.jfca.2023.105593.

[68] LI Y C， LIU S Y， MENG F B， et al. Comparative review and the recent progress in detection technologies of meat product adulteration[J]. Comprehensive Reviews in Food Science and Food Safety， 2020， 19（4）： 2256-2296. DOI：10.1111/1541-4337.12579.

[69] LI J P， WEI Y X， LI J C， et al. A novel duplex SYBR green real-time PCR with melting curve analysis method for beef adulteration detection[J]. Food Chemistry， 2021， 338： 127932. DOI：10.1016/j.foodchem.2020.127932.

[70] 楊瑤， 斯能武， 嚴(yán)鈺澳， 等. 實(shí)時熒光PCR定量檢測肉制品中豬源性成分[J]. 食品工業(yè)科技， 2022， 43（3）： 268-274. DOI：10.13386/j.issn1002-0306.2021050232.

[71] 劉立兵， 陳敏娜， 孫曉霞， 等. 微滴式數(shù)字聚合酶鏈?zhǔn)椒磻?yīng)對香腸制品中雞、豬、牛源性成分的定量分析[J]. 肉類研究， 2020， 34（8）： 51-56. DOI：10.7506/rlyj1001-8123-20200508-115.

[72] 楊粵， 付博宇， 張?zhí)N哲， 等. 環(huán)介導(dǎo)等溫?cái)U(kuò)增檢測技術(shù)的應(yīng)用與方法改進(jìn)[J]. 食品安全質(zhì)量檢測學(xué)報(bào)， 2016， 7（4）： 1526-1530. DOI：10.19812/j.cnki.jfsq11-5956/ts.2016.04.034.

[73] WANG S， SONG H S， WANG T， et al. Recent advancements with loop-mediated isothermal amplification （LAMP） in assessment of the species authenticity with meat and seafood products[J]. Critical Reviews in Food Science and Nutrition， 2024： 1-22. DOI：10.1080/10408398.2024.2329979.

[74] KUMARI S， KUMAR R R， MENDIRATTA S K， et al. On-site detection of tissues of buffalo origin by loop-mediated isothermal amplification （LAMP） assay targeting mitochondrial gene sequences[J]. Food Analytical Methods， 2020， 13（5）： 1060-1068. DOI：10.1007/s12161-020-01718-2.

[75] PENG J S， LI Y， DENG X L， et al. Loop-mediated isothermal amplification

for on-site visual identification of leech species[J]. Food Analytical Methods， 2024， 17（4）： 618-627. DOI：10.1007/s12161-024-02597-7.

[76] QIN P Z， LI Y L， YAO B B， et al. Rational incorporating of loop-mediated isothermal amplification with fluorescence anisotropy for rapid， sensitive and on-site identification of pork adulteration[J]. Food Control， 2022， 137： 108863. DOI：10.1016/j.foodcont.2022.108863.

[77] 劉萍， 任有良， 狄燕清. DNA生物傳感器研究綜述[J]. 商洛學(xué)院學(xué)報(bào)， 2011， 25（2）： 35-41. DOI：10.3969/j.issn.1674-0033.2011.02.008.

[78] ZHANG C， ZHANG X， LIAO G， et al. Species-specific TM-LAMP and Trident-like lateral flow biosensor for on-site authenticity detection o0b4248de281d407379ec2deb4cb99da4f horse and donkey meat[J]. Sensors and Actuators B： Chemical， 2019， 301： 127039. DOI：10.1016/j.snb.2019.127039.

[79] MANSOURI M， FATHI F， JALILI R， et al. SPR enhanced DNA biosensor for sensitive detection of donkey meat adulteration[J]. Food Chemistry， 2020， 331： 127163. DOI：10.1016/j.foodchem.2020.127163.

[80] RAI M， MAGUDEESWARI P， TYAGI W. CRISPR/Cas genome editing： strategies and potential for crop improvement[M]. Cham： Springer International Publishing， 2020： 53-67.

[81] LIU H， WANG J， ZENG H， et al. RPA-Cas12a-FS： a frontline nucleic acid rapid detection system for food safety based on CRISPR-Cas12a combined with recombinase polymerase amplification[J]. Food Chemistry， 2021， 334： 127608. DOI：10.1016/j.foodchem.2020.127608.

[82] STOUT E， KLAENHAMMER T， BARRANGOU R. CRISPR-Cas technologies and applications in food bacteria[J]. Annual Review of Food Science and Technology， 2017， 8： 8413-8437. DOI：10.1146/annurev-food-072816-024723.

[83] 王煬坤， 紀(jì)世新， 蘇瑩瑩， 等. 基因編輯工具CRISPR-Cas9與CRISPR-Cas12a的比較與應(yīng)用[J]. 長春師范大學(xué)學(xué)報(bào)， 2023， 42（12）： 107-112. DOI：10.3969/j.issn.1008-178X.2023.12.018.

[84] CHEN J H， LIU J H， WU D， et al. CRISPR/Cas precisely regulated dna-templated silver nanocluster fluorescence sensor for meat adulteration detection[J]. Journal of Agricultural and Food Chemistry， 2022， 70（44）： 14296-14303. DOI：10.1021/acs.jafc.2c04500.

[85] ZHAO G， WANG J， YAO C， et al. Alkaline lysis-recombinase polymerase amplification combined with CRISPR/Cas12a assay for the ultrafast visual identification of pork in meat products[J]. Food Chemistry， 2022， 383： 132318. DOI：10.1016/j.foodchem.2022.132318.

[86] TAO D， XIAO X， LAN X， et al. An inexpensive CRISPR-based point-of-care test for the identification of meat species and meat products[J]. Genes， 2022， 13（5）： 912. DOI：10.3390/genes13050912.

[87] 白京， 李家鵬， 鄒昊， 等. 近紅外特征光譜定量檢測羊肉卷中豬肉摻假比例[J]. 食品科學(xué)， 2019， 40（2）： 287-292. DOI：10.7506/spkx1002-6630-20180531-452.

[88] 白京， 李家鵬， 鄒昊， 等. 近紅外光譜定性定量檢測牛肉漢堡餅中豬肉摻假[J]. 食品科學(xué)， 2019， 40（8）： 287-292. DOI：10.7506/spkx1002-6630-20180802-016.

[89] LOGAN B G， HOPKINS D L， SCHMIDTKE L M， et al. Authenticating common Australian beef production systems using Raman spectroscopy[J]. Food Control， 2021， 121： 107652. DOI：10.1016/j.foodcont.2020.107652.

[90] BOYACI I H， TEMIZ H T， UYSAL R S， et al. A novel method for discrimination of beef and horsemeat using Raman spectroscopy[J]. Food Chemistry， 2014， 148： 37-41. DOI：10.1016/j.foodchem.2013.10.006.

[91] BAI Y， LIU H， ZHANG B， et al. Research progress on traceability and authenticity of beef[J]. Food Reviews International， 2021， 39： 1645-1665. DOI：10.1080/87559129.2021.1936000.

[92] 易冰清， 郭秀秀， 顏治， 等. 乳制品摻假現(xiàn)狀與穩(wěn)定同位素鑒別技術(shù)研究進(jìn)展[J]. 同位素， 2020， 33（5）： 293-303. DOI：10.7538/tws.2020.33.05.0293.

[93] 王靜嫻， 張昂. 基于穩(wěn)定同位素分析技術(shù)的蜂蜜產(chǎn)地鑒別研究[J]. 現(xiàn)代食品， 2024， 30（4）： 207-210. DOI：10.16736/j.cnki.cn41-1434/ts.2024.4.064.

[94] 裴高璞， 史波林， 趙鐳， 等. 典型摻假蜂蜜的電子鼻信息變化特征及判別能力[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2015， 31（S1）： 325-331. DOI：10.3969/j.issn.1002-6819.2015.z1.039.

[95] MANDLI J， EL FATIMI I， SEDDAOUI N， et al. Enzyme immunoassay （ELISA/immunosensor） for a sensitive detection of pork adulteration in meat[J]. Food Chemistry， 2018， 255： 380-389. DOI：10.1016/j.foodchem.2018.01.184.

[96] ASENSIO L， GONZáLEZ I， GARCíA T， et al. Determination of food authenticity by enzyme-linked immunosorbent assay （ELISA）[J]. Food Control， 2008， 19（1）： 1-8. DOI：10.1016/j.foodcont.2007.02.010.

[97] STACHNIUK A， SUMARA A， MONTOWSKA M， et al. Liquid chromatography-mass spectrometry bottom-up proteomic methods in animal species analysis of processed meat for food authentication and the detection of adulterations[J]. Mass Spectrometry Reviews， 2021， 40（1）： 3-30. DOI：10.1002/mas.21605.

[98] KITPIPIT T， SITTICHAN K， THANAKIATKRAI P. DZ2juoo0r8q0keEwCTvqU0MP53OTh1qbowiy1f0tXoFo=irect-multiplex PCR assay for meat species identification in food products[J]. Food Chemistry， 2014， 163： 77-82. DOI：10.1016/j.foodchem.2014.04.062.

[99] NESVADBOVA M， KRALIK P， DZIEDZINSKA R， et al. An integrated system of four multiplex qPCR assays for the precise and sensitive identification of animal species in food and feed[J]. Food Control， 2022， 135： 108781. DOI：10.1016/j.foodcont.2021.108781.

[100] VISHNURAJ M R， ARAVIND KUMAR N， VAITHIYANATHAN S，

et al. Authentication issues in foods of animal origin and advanced molecular techniques for identification and vulnerability assessment[J]. Trends in Food Science & Technology， 2023， 138： 164-77. DOI：10.1016/j.tifs.2023.05.019.

[101] BENJAKUL S， SAETANG J. Development of loop-mediated isothermal amplification （LAMP） assays for the rapid authentication of three swimming crab species[J]. Foods， 2022， 11（15）： 2247. DOI：10.3390/foods11152247.

[102] THANAKIATKRAI P， BURANACHAI C， KITPIPIT T.

A novel biosensor method to detect cow DNA in milk and dairy products[J]. Food Control， 2024， 155： 110096. DOI：10.1016/j.foodcont.2023.110096.

[103] CHEN Y， YANG T， QIAN S， et al. Multiple crRNAs-assisted CRISPR/Cas12a assay targeting cytochrome b gene for amplification-free detection of meat adulteration[J]. Analytica Chimica Acta， 2022， 1231： 340417. DOI：10.1016/j.aca.2022.340417.

收稿日期：2024-07-13

基金項(xiàng)目：“十四五”國家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)（2023YFF0614602）

第一作者簡介：郭亞寧（2003—）（ORCID： 0009-0006-6313-1819），女，碩士研究生，研究方向?yàn)檗r(nóng)業(yè)領(lǐng)域核酸標(biāo)準(zhǔn)物質(zhì)。

E-mail： gyn93810802@163.com

*通信作者簡介：周劍（1983—）（ORCID： 0000-0002-8110-1908），男，研究員，博士，研究方向?yàn)檗r(nóng)業(yè)領(lǐng)域標(biāo)準(zhǔn)物質(zhì)。

E-mail： zhoujian_8382@163.com