近紅外光譜技術檢測糧食中真菌毒素的研究進展

摘要：我國是糧食生產大國，在糧食生產、運輸、加工、貯藏過程中，易受到真菌污染并產生真菌毒素，嚴重威脅人和畜禽的生命健康，并造成巨大的經濟損失。由于傳統檢測方法的檢測周期、操作難度、成本損耗等難以滿足糧食生產、流通及加工過程中快速實時檢測的需要。因此，開發簡單、快速、非破壞性的方法來檢測糧食中的真菌毒素污染成為了研究熱點。近紅外光譜技術具備非破壞性、分析速度快、成本低、穩定性好、污染小等優點，適合于現場檢測，是一種潛在的解決手段。本文介紹了近紅外光譜技術的理論基礎，綜述了國內外關于近紅外光譜技術檢測糧食中真菌毒素的應用進展，并對其未來研究發展做出了展望。

關鍵詞：糧食 真菌毒素 近紅外光譜

黨的十八大以來，國家高度重視糧食安全，出臺了一系列助農惠農政策，糧食產量穩步提升，至2023年，已連續9年穩定在1.3萬億斤以上，中國人的飯碗牢牢端在自己手里[1]。但我們應該認識到，糧食及其制品長期受到真菌污染的困擾，據聯合國糧食及農業組織（Food and AgricultureOrganization of the United Nations，FAO）估計，世界上25%的糧食作物受到產霉菌毒素真菌的影響[2]，真菌污染糧食后在適宜條件下會大量生長繁殖，導致糧食變色，產生異味，干物質損失，脂質和蛋白質降解等現象。真菌生長過程中會伴隨著真菌毒素的產生，這些真菌毒素主要包括曲霉菌屬（Aspergillus）產生的黃曲霉毒素（aflatoxins）;青霉菌屬（Penicillium）和曲霉菌屬產生的赭曲霉毒素（ochratoxins）;鐮刀菌屬（Fusarium）產生的伏馬菌素（fumonisins）、脫氧雪腐鐮刀菌烯醇（deoxynivalenol）、單端孢霉烯族化合物（trichothecenes）和玉米赤霉烯酮（zearalenone）等[3]。大部分真菌毒素具有強致癌性和強毒性，盡管在糧食中存在含量通常較低，但短期或長期接觸真菌毒素仍會造成人體免疫系統損傷[4]，兒童生長抑制[5]，營養不良[6]和肝癌[7]等臨床癥狀。因此，及時、準確的檢測出糧食中真菌毒素的污染情況，是保障糧食安全、減少經濟損失的重要控制手段。

目前使用最廣泛的真菌毒素檢測方法包括免疫學方法、色譜法和生物傳感器[8]。免疫學方法可檢測大部分真菌毒素，但由于交叉反應性和基質依賴性會導致假陽性出現，同時由于免疫學方法靈敏度較低，容易出現假陰性結果[9]。色譜法可用于一次性定量檢測多種真菌毒素，具有較高的準確性和靈敏度，但色譜法成本高、操作復雜、耗時較長，不適用于對樣品的現場抽查。近紅外光譜（Near infrared spectroscopy，NIR）技術是一種用于評估產品質量的快速、無損且經濟的分析方法，不需要試劑，也不產生廢物，可同時進行多項測定，校準后，近紅外光譜儀的使用和操作較簡單。該方法已經應用于農業、食品和制藥行業中，在原材料測試、產品質量控制和過程監控等方面應用廣泛[10-11]。

本文綜述了近紅外光譜技術國內外的研究現狀，介紹了近紅外光譜技術的工作原理，以及國內外對近紅外光譜技術的應用情況，并對近紅外光譜未來的發展方向進行了展望，以期為近紅外光譜技術對真菌毒素檢測的后續研究提供相應的參考基礎。

一、近紅外光譜技術原理

近紅外光被定義為730至2500 nm的波長區域，位于波長較短的可見光和波長較長的中紅外光之間[12]。紅外光譜揭示了紅外電磁輻射與化學鍵之間的相互作用，近紅外光譜屬于分子振動光譜的倍頻和合頻吸收光譜，其主要原因是分子振動的非諧振性從基態向高能級躍遷時產生，具有較強的穿透能力[13]。對樣品反射或透射分析可以確定樣品中分子倍頻和合頻的能量。這些振動的能量可以識別化學鍵的性質，從而提供有關分子中官能團的分子結構和組成信息。所有有機化學鍵在近紅外區域都有吸收帶，而礦物質只能在有機絡合物和螯合物中檢測到，或者通過它們對氫鍵的影響間接檢測到[12]。由于氫原子質量輕，形成的化學鍵非諧性較高，即官能團X-H（X是指O，C，N，S等）的吸收帶在近紅外光譜中占主導地位。

近紅外光譜還反映了樣品的物理性質或特征，這是近紅外光譜有別于其他儀器技術的獨特特征。因此，近紅外光譜不僅可以提供有關食品化學成分的信息，還可以提供有關其功能的信息[14]。近紅外光譜可作為獲取物質理化信息的一種有效載體，由于吸收峰的特異性，解釋中紅外光譜非常簡單。相反，解釋近紅外光譜則更為復雜，因為它們涉及光譜峰的疊加，它還需要使用化學計量學，即應用數學工具從近紅外光譜收集的數據中獲取盡可能多的信息，并開發可用于更好地理解分析系統的數學模型[15]。

由于近紅外光譜技術是一種低選擇性技術，在實施過程中需要進行校準，校準描述了光譜與參考數據之間的關系，校準是通過其預測新樣品的能力以及評估其相對于所使用的參考方法的好壞程度來評估的[16]。建立數學模型需要使用實驗室獲得的參考數據來校準，這些數據（蛋白質含量、水分含量等）與樣品的紅外光譜相關。數學模型主要通過六個步驟建立[9， 17， 18]：（1）選擇校準樣品。校準樣品必須能夠代表模型開發后將進行常規分析的待測樣品，待測樣品的待測成分含量范圍應包含在校準樣品的范圍內。校準樣品一般隨機分為兩組：校正集和驗證集（分別約占 75% 和 25%），校正集用于建立校正模型，驗證集用來驗證校正模型;（2）化學分析。對校準樣品使用國家或國際上認可的標準理化分析方法（例如高效液相色譜法或氣相色譜質譜法）進行分析;（3）近紅外光譜采集。通過反射或透射模式光譜獲取校準樣品的紅外光譜，在反射模式下，光譜儀檢測樣品反射的光強度，而在透射模式下，光譜儀記錄透過樣品的光強度;（4）光譜數據預處理。盡可能減弱或者消除非目標因素對所采取光譜數據帶來的不利影響;（5）建立數學校準模型。通過建立數學模型來確定光譜值和參考值之間的相關性;（6）模型驗證。利用驗證集樣品的光譜值和參考值驗證校正模型的預測性能，一旦模型被開發并驗證，就可以常規使用。

二、國外應用近紅外光譜檢測糧食中真菌毒素的研究進展

1800年，Herschel首次觀察到可見光譜紅色部分以外的輻射，這種輻射可以通過照相底片檢測，紅外光譜首次應用于微生物分析可追溯到20世紀50年代[19]，到1979年，Norris研究出第一臺完整的谷物近紅外光譜透射儀[12]，自20世紀90年代以來，近紅外光譜技術發展迅速，人們利用近紅外光譜進行了各種研究[20]。Carames E等[21]開發基于近紅外光譜數據的多元模型對來自巴西三個不同地區的60個大麥籽粒樣品進行了研究。結果表明，該數學模型在檢測大麥是否被恩鐮孢菌素（enniatins）污染的過程中表現出足夠的靈敏度和敏感度（分別為100%和94.2%），證明近紅外光譜在監測這種新興真菌毒素的應用中具有較大潛力。Putthang R等[22]應用短波長范圍950-1650 nm的近紅外光譜，結合偏最小二乘回歸、預測測試和完全交叉驗證，開發了檢測黃曲霉毒素B1的定量校準模型。開發的數學校正模型，相關系數為0.952，預測標準誤差為3.362 μg/kg，并且存在的偏差≤0.778 μg/kg。Sirisomboon C D等[23]應用短波長近紅外光譜結合偏最小二乘回歸，開發數學模型來檢測大米中的黃曲霉毒素的研究中發現，大米中的水分和淀粉含量會對近紅外光譜的檢測造成較大的誤差。

傅里葉變換近紅外光譜（Fourier transform near infrared）技術是利用干涉儀進一步提高光譜重現性、波長辨別準確度和精密度的技術。Gaspardo B等[24]使用傅里葉變換近紅外光譜檢測意大利143個玉米粉樣品中伏馬菌素B1、B2含量，并對25個未知樣品進行了外部驗證。結果表明，該模型檢測伏馬菌素B1、B2含量符合外部驗證實驗，相關系數為0.964。De Girolamo A等[25]開發傅里葉變換近紅外光譜偏最小二乘回歸和線性判別分析模型來測定小麥樣品中脫氧雪腐鐮刀菌烯醇的含量，結果表明前者誤差較大，不適用于小麥中脫氧雪腐鐮刀菌烯醇的檢測，后者錯誤率較小，適合篩查大量小麥樣品中的脫氧雪腐鐮刀菌烯醇污染，符合歐盟法規要求。De Girolamo A等[26]采用傅里葉變換近紅外光譜對被赭曲霉毒素高度和低度污染的小麥樣品進行分析，正確率為94%，最低閾值為2 μg/kg。

三、國內應用近紅外光譜檢測糧食中真菌毒素的研究進展

我國近紅外光譜技術起步較晚，20世紀90年代以來才開始關注近紅外光譜技術，并在各行業應用方面取得了較多的成果。吳啟芳[27]基于近紅外光譜建立糙米中黃曲霉毒素的檢測數學模型，與電子鼻結果相比，該分析模型的整體性能更優，但對低濃度黃曲霉毒素的預測能力稍差。劉瀟[28]利用近紅外光譜獲取樣品的光譜信息，建立了基于偏最小二乘回歸分析和逐步多元線性回歸的小麥及其制品中脫氧雪腐鐮刀菌烯醇定量分析模型，區分感染不同霉菌的小麥，平均正確率為84%，區分感染單一霉菌的小麥，平均正確率為86%。Ning H等[29]用短波長范圍900-1630 nm的近紅外光譜，通過Lasso（Least absolute shrinkage and selection operator）算法建立支持向量機（support vector machines）模型，對小麥中玉米赤霉烯酮含量進行檢測，相關系數高達0.99，預測標準誤差為2.1 μg/kg。Shen F等[30]對人為接種黃曲霉的糙米樣品分析發現，線性判別分析模型和偏最小二乘回歸分析模型對于傅里葉變換近紅外光譜檢測黃曲霉毒素B 、B2、G1、G2及總含量均顯示出良好的相關性，相關系數范圍為0.936-0.973。Zheng S Y等[31]通過近紅外光譜檢測玉米中黃曲霉毒素B1的前體物，建立的數學模型正確率達90.32%，預測標準誤差為3.57 μg/kg，實現了對黃曲霉毒素B1積累的有效預測。Shen G等[32]提出并驗證了一種基于智能手機控制的便攜式近紅外光譜儀與化學計量學相結合的快速便攜式檢測方法，用于檢測玉米粉樣品中伏馬菌素B1和B2，正確率在86%以上，為玉米樣品的現場實時檢測提供了新思路。

展 望

由于近紅外光譜技術具有快速、無損、無溶劑且易于使用等優點，在糧食生產和貯藏過程中的真菌毒素實時監測方面顯示出巨大的前景和適用性。盡管近紅外光譜技術測量產品化學成分和功能特性的信息將為原料和產品品質的控制提供新的方法，但近紅外光譜作為功能監測工具的轉化仍未得到很好的落實。在糧食中一旦檢測到真菌毒素水平過高，目前還沒有有效的方法可以扭轉真菌毒素帶來的經濟損失。因此，在谷物受到真菌毒素不利影響之前識別真菌毒素的前體物將有助于改善糧食在儲存期間的管理和控制。電腦被便攜式智能手機取代，提高了近紅外光譜儀進行現場檢測的可行性，但數據計算仍然需要在計算機上進行。隨著技術的發展，智能手機結合云計算可以大大提高計算效率，降低便攜式光譜儀進行現場分析的成本，提高檢測效率。不久的將來，便攜式近紅外光譜儀結合云計算將成為實時監測和快速篩查糧食供應鏈中真菌毒素污染的有力工具。

參考文獻：

[1] 于文靜，郁瓊源.糧食產量連年穩定在1.3萬億斤以上 中國飯碗牢牢端在自己手上[EB/OL].（2023，12，18）[2024，02，28].

https：//www.gov.cn/yaowen/liebiao/202312/content_6920992.htm.

[2] Rasch C， Kumke M， Loehmannsroeben H. Sensing of Mycotoxin Producing Fungi in the Processing of Grains[J]. FOOD AND BIOPROCESS TECHNOLOGY， 2010，3（6）：908-916.

[3] Pereira V L， Fernandes J O， Cunha S C. Mycotoxins in cereals and related foodstuffs： A review on occurrence and recent methods of analysis[J]. TRENDS IN FOOD SCIENCE amp; TECHNOLOGY， 2014，36（2）：96-136.

[4] Wagacha J M， Muthomi J W. Mycotoxin problem in Africa： Current status， implications to food safety and health and possible management strategies[J]. INTERNATIONAL JOURNAL OF FOOD MICROBIOLOGY， 2008，124（1）：1-12.

[5] Gong Y， Hounsa A， Egal S， et al. Postweaning exposure to aflatoxin results in impaired child growth： a longitudinal study in Benin， West Africa[J]. Environ Health Perspect， 2004，112（13）：1334-1338.

[6]Orina I， Manley M， Williams P J. Non-destructive techniques for the detection of fungal infection in cereal" grains[J]. Food Res Int， 2017，100（Pt 1）：74-86.

[7]Williams J H， Phillips T D， Jolly P E， et al. Human aflatoxicosis in developing countries： a review of toxicology， exposure，" potential health consequences， and interventions[J]. Am J Clin Nutr， 2004，80（5）：1106-1122.

[8] Wang Y， Zhang C， Wang J， et al. Recent Progress in Rapid Determination of Mycotoxins Based on Emerging" Biorecognition Molecules： A Review[J]. Toxins （Basel）， 2022，14（2）.

[9] Levasseur-Garcia C. Updated Overview of Infrared Spectroscopy Methods for Detecting Mycotoxins on" Cereals （Corn， Wheat， and Barley）[J]. Toxins （Basel）， 2018，10（1）.

[10] Tomuta I， Rus L， Iovanov R， et al. High-throughput NIR-chemometric methods for determination of drug content and pharmaceutical properties of indapamide tablets[J]. Journal of pharmaceutical and biomedical analysis， 2013，84：285-292.

[11] Nicola？ B M， Beullens K， Bobelyn E， et al. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy： A review[J]. Postharvest Biology and Technology， 2007，46（2）：99-118.

[12] Givens D I， De Boever J L， Deaville E R. The principles， practices and some future applications of near infrared" spectroscopy for predicting the nutritive value of foods for animals and humans[J]. Nutr Res Rev， 1997，10（1）：83-114.

[13] 王姍姍. 藍莓可溶性固形物、總酚和花青素近紅外光譜檢測技術研究[D]. 北京林業大學， 2012.

[14] Bec K B， Grabska J， Huck C W. Near-Infrared Spectroscopy in Bio-Applications[J]. Molecules， 2020，25（12）.

[15] Walsh K B， McGlone V A， Han D H. The uses of near infra-red spectroscopy in postharvest decision support： A review[J]. Postharvest biology and technology， 2020，163：111139.

[16]Cozzolino D. The Ability of Near Infrared （NIR） Spectroscopy to Predict Functional Properties in Foods： Challenges and Opportunities[J]. Molecules， 2021，26（22）.

[17] Agelet L E， Hurburgh C R. A Tutorial on Near Infrared Spectroscopy and Its Calibration[J]. Critical reviews in analytical chemistry， 2010，40（4）：246-260.

[18] 張強. 基于近紅外光譜技術的稻谷中霉菌和毒素檢測研究[D]. 東北農業大學， 2015.

[19] Miguel G M， Bratos P M， Martin G F， et al. Identification of species of Brucella using Fourier transform infrared" spectroscopy[J]. J Microbiol Methods， 2003，55（1）：121-131.

[20] Levasseur-Garcia C. Infrared Spectroscopy Applied to Identification and Detection of Microorganisms and Their Metabolites on Cereals （Corn， Wheat， and Barley）[M]//IntechOpen， 2012.

[21] Carames E， Piacentini K C， Aparecida A N， et al. Rapid assessment of enniatins in barley grains using near infrared spectroscopy" and chemometric tools[J]. Food Res Int， 2022，161：111759.

[22] Putthang R， Sirisomboon P， Sirisomboon C D. Shortwave Near-Infrared Spectroscopy for Rapid Detection of Aflatoxin B（1）" Contamination in Polished Rice[J]. J Food Prot， 2019，82（5）：796-803.

[23] Sirisomboon C D， Putthang R， Sirisomboon P. Application of near infrared spectroscopy to detect aflatoxigenic fungal contamination in rice[J]. FOOD CONTROL， 2013，33（1）：207-214.

[24] Gaspardo B， Del Z S， Torelli E， et al. A rapid method for detection of fumonisins B1 and B2 in corn meal using Fourier" transform near infrared （FT-NIR） spectroscopy implemented with integrating" sphere[J]. Food Chem， 2012，135（3）：1608-1612.

[25] De Girolamo A， Cervellieri S， Visconti A， et al. Rapid analysis of deoxynivalenol in durum wheat by FT-NIR spectroscopy[J]. Toxins （Basel）， 2014，6（11）：3129-3143.

[26] De Girolamo A， von Holst C， Cortese M， et al. Rapid screening of ochratoxin A in wheat by infrared spectroscopy[J]. Food Chem， 2019，282：95-100.

[27] 吳啟芳. 稻米黃曲霉毒素污染的電子鼻和紅外光譜快速無損檢測方法研究[D]. 南京財經大學， 2016.

[28] 劉瀟. 小麥及其制品霉菌與嘔吐毒素污染的快速檢測方法研究[D]. 南京財經大學， 2018.

[29] Ning H， Wang J， Jiang H， et al. Quantitative detection of zearalenone in wheat grains based on near-infrared" spectroscopy[J]. Spectrochim Acta A Mol Biomol Spectrosc， 2022，280：121545.

[30] Shen F， Wu Q， Shao X， et al. Non-destructive and rapid evaluation of aflatoxins in brown rice by using near-infrared and mid-infrared spectroscopic techniques[J]. Journal of food science and technology， 2018，55（3）：1175-1184.

[31] Zheng S Y， Wei Z S， Li S， et al. Near-infrared reflectance spectroscopy-based fast versicolorin A detection in maize for early aflatoxin warning and safety sorting[J]. Food Chem， 2020，332：127419.

[32] Shen G， Kang X， Su J， et al. Rapid detection of fumonisin B1 and B2 in ground corn samples using smartphone-controlled portable near-infrared spectrometry and chemometrics[J]. Food chemistry， 2022，384：132487.

作者簡介：吳任之（1993-），四川宜賓人，碩士研究生學歷，研究方向為食品藥品微生物檢測。

通訊作者：周偉（1982-），四川宜賓人，碩士研究生學歷。