黄曲霉快速检测

筷子没洗干净容易产生黄曲霉素很多家庭也都有这个习惯，筷子用到细缝发黑都不舍得扔掉，洗碗布也完全没有形状了，还在努力服役。而年轻人的早期肝癌可能跟我们使用的筷子有关。筷子本身并不会长黄曲霉菌，但我们平时使用筷子来吃花生、玉米等淀粉含量高的食物时，筷子缝里最容易藏淀粉，一来二去霉变了，黄曲霉素就藏在里面了。建议选择铁筷子，平时洗筷子的时候要记得先泡一泡，软化上面的食物残渣，以便容易清洗掉。新闻多看点黄曲霉毒素是一种毒性极强的剧毒物质，其毒性是砒霜的68倍，1毫克就是致癌剂量，对肝脏组织的破坏性极强。居家生活，除了筷子容易滋生黄曲霉素，还有哪些地方容易长呢？1.发霉的花生玉米黄曲霉素藏在发霉的食物里，特别是淀粉含量高的食物里，比如花生、玉米、大米、小米、豆类等。因为黄曲霉菌以孢子形式传播，食物容易牵连霉变，如果您发现有一颗花生坏了，那存放的一袋子的花生米都得扔掉。2.发苦的坚果如果吃到变苦的瓜子，一定要及时吐掉并且漱口，因为瓜子等坚果的苦味正是来自霉变过程中产生的黄曲霉毒素，经常摄入会增加肝癌风险。3.不正规作坊的自榨油一些油料作物如花生、玉米等在储存过程中如果发霉，榨得的油中还可能带入黄曲霉毒素。4.久泡的木耳很多人应该都听过这条很火的新闻，浙江瑞安的一位消费者因为食用泡发了三天的黑木耳，导致食物中毒，出现多脏器功能衰竭，一度生命垂危。对付黄曲霉毒素有妙招油热了先加盐食盐对黄曲霉素的中和和降解，大概能消除95%的黄曲霉素。在食用油倒入锅里加热后，放入少量食盐，搅拌10~20秒，这样基本上就能消除大部分食用油里的黄曲霉素。多吃点绿叶蔬菜多吃绿叶蔬菜可以让我们平时不小心吃下去的黄曲霉素失效一部分，因为叶绿素能够阻止黄曲霉素的吸收，预防肝癌。检测黄曲霉毒素看这里AIC-80 黄曲霉毒素分析仪AIC80黄曲霉毒素分析仪基于液相色谱法，采用目前国际最先进的黄曲霉毒素专用荧光检测器，是一款功能集成、系统优化、模块化设计的仪器。该仪器完全按照 GB/T 18979-2003、GB/T 5009.23-2006、GB 541337-2010、GB/T 30955-2014、GB 5009.22-2016 等一系列国家标准和行业标准要求，所测结果准确合规。 可广泛适用于产品质量监督检验、卫生防疫、食品企业、农产品生产及流通企业、食品安全监测系统等单位，可定量检测粮食、食品、饲料、油脂、乳制品、药物、饮料、酒水等产品中的黄曲霉毒素B1、B2、G1、G2、M1含量，具有准确、可靠、快速、易操作等优点。运行费用极低 检测器灵敏度高 长期性能稳定功耗低 开机稳定时间短，只需要15分钟可以达到稳定 故障率低 固定波长，数据权威

各有关单位：我们组织起草的《粮油检验 油料油脂中黄曲霉毒素B1的测定 荧光定量快速检测法》等7项行业标准已形成征求意见稿，现向社会公开征求意见，截止日期为2024年2月8日。请将意见和建议反馈至全国粮标委油料及油脂分技术委员会（TC270/SC2）秘书处。联系人：田华 13308655730电子邮箱：oilfatbz@163.com附件： 1.《低温压榨花生油》（征求意见稿）文本及编制说明.rar 2.《大豆分离蛋白》（征求意见稿）文本及编制说明.rar 3.《花椒籽》（征求意见稿）文本及编制说明.rar 4.《粮油储藏 食用植物油储藏技术规范》（征求意见稿）文本及编制说明.rar 5.《初榨椰子油原料及生产技术规范》（征求意见稿）文本及编制说明.rar 6.《粮油检验 粮食感官检验辅助图谱 花生》（征求意见稿）文本及编制说明.rar 7.《粮油检验 油料油脂中黄曲霉毒素B1的测定 荧光定量快速检测法》（征求意见稿）文本及编制说明.rar 8.意见反馈表.doc国家粮食和物资储备局标准质量中心 2023年12月7日 (此件公开发布)

近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1一、研究背景在黄曲霉毒素B1(aflatoxinB1，AFB1)是一种典型的真菌毒素，它是二氢呋喃氧杂萘邻酮的衍生物。AFB1是目前已知的化学物质中致癌性最强的一种，主要对肝脏功能造成严重损伤，故AFB1是国家市场监督管理总局指定的食品安全必检指标之一。油料作物(如花生、玉米等)由于其含水率高，在储存与加工过程中容易发生霉变，从而受到AFB1的污染。因此，相关部门需要加大对粮油食品中AFB1的检测力度，防止食品安全事件的发生。目前，在食品真菌毒素的光谱快速、无损检测应用中仍采用NIR或SERS单一技术手段。从理论角度来看，NIR反映的是电偶极矩变化引起的振动，SERS反映的是分子极化引起的振动，两种光谱信息在分子信息表达上具有互补性。因此，有必要将两种光谱信息进行融合，实现信息互补，以提高检测精度。本研究以花生油中AFB1为检测指标，分别采集其NIR和SERS光谱，使用上海如海光电光谱仪进行测试。2、 研究内容2.1光谱数据分析结果以含有不同浓度AFB1的5条代表性的花生油待测样本的SERS光谱如图1A所示。图1A中主要的SERS特征谱带及其归属为:597cm‒ 1(C-O伸缩振动)、742cm‒ 1(C-H面外弯曲振动)、835cm‒ 1(C-H伸缩振动)、1249cm‒ 1(C-H面内弯曲振动)、1343cm‒ 1(CH3变形振动)、1486cm‒ 1(C=C伸缩振动)和1557cm‒ 1(C-C伸缩振动)。由于SERS光谱区域(500~1800cm‒ 1)信噪比高且包含了主要的特征谱带，故本研究中将此区域用于AFB1的定量分析。含有不同质量浓度AFB1的5条代表性的花生油待测样本的NIR光谱如图1C所示。图1C中NIR特征谱带及其归属为:930~970nm(CH2与CH3一阶倍频伸缩振动)、1090~1130nm(C-H伸缩振动)、1210~1240nm(CH2二阶倍频伸缩振动)和1270~1300nm(C=O二阶倍频伸缩振动、C=O合频振动及N-H伸缩振动)。AFB1与NIR特征谱带有着密切关系，这是由于花生油中的蛋白质、碳水化合物以及脂肪酸易受到AFB1的影响，从而影响分子的振动。无论是NIR还是SERS光谱，在光谱采集过程中带入干扰信息往往是无法避免的，故需要对光谱数据进行预处理。经AIRPLS基线校正、MSC光散射校正、S-G平滑以及Min-Max归一化处理之后的SERS与NIR光谱分别如图1B与1D所示，与原始光谱(图1A与1C)对比发现，预处理后的SERS和NIR光谱的基线漂移得到了抑制，光谱信号更加平滑，为后续的定量分析起到了积极的作用。图1.含有不同质量浓度AFB1的花生油待测样本的SERS与NIR光谱2.2HSIC-VSIO算法参数设置合理性验证对HSIC-VSIO算法参数设置合理性进行验证:在设置不同的参数情况下，分别对NIR和SERS光谱数据筛选特征变量，并将每次筛选的特征变量进行融合建立PLSR模型，记录RMSEC、RMSEP、和RPD值进行对比分析。（1） WBMS中二值矩阵的行的数量M首先，将σ的值分别设置为10% 然后，将M的值分别设置为1000、1500、2000和2500进行对比分析。由表1中的运行结果可知，模型的性能受M的影响并不大。但是，如果M的值越大，模型的计算量将显著增大，综合考虑模型精度与计算量，将M设置为1000是合理的。（2）从所有模型中挑选出具有较小RMSECV值的模型的比例σ首先，将M的值设置为1000 然后，将σ的值分别设置为10%、20%、30%和40%进行对比分析。由表2中的运行结果可知，当σ=10%时，模型的性能最优。具体表现为，RMSEC和RMSEP值较小，R2C、R2P和RPD值较大，故将σ设置为10%是合理的。2.3各方法检测结果将NIR光谱数据、SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据分别构建PLSR多元校正模型检测花生油中AFB1含量。PLSR建模过程中，最佳隐变量数(latentvariables，LVs)由5折交互验证产生的RMSECV值所确定。各方法的检测结果如表3所示。由表3可知，基于NIR光谱数据定量检测结果如下:LVs=10，RMSEC=0.2812，=0.9533，RMSEP=0.3447，=0.9211，RPD=3.5601，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2A所示。基于SERS光谱数据定量检测结果如下:LVs=8，RMSEC=0.2105，R2c=0.9726，RMSEP=0.2349，R2p=0.9689，RPD=5.6705，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2B所示。基于NIR与SERS光谱直接融合数据定量检测结果如下:LVs=10，RMSEC=0.1923，R2c=0.9836，RMSEP=0.2117，R2p=0.9703，RPD=5.8026，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2C所示。基于NIR与SERS光谱特征层融合数据定量检测结果如下:LVs=9，RMSEC=0.1569，R2c=0.9908，RMSEP=0.1827，R2p=0.9854，RPD=8.2761，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2D所示。由HSIC-VSIO筛选的NIR光谱特征变量如图2E所示，其中部分特征变量覆盖了NIR特征谱带930~970、1090~1130、1210~1240和1270~1300nm。由HSIC-VSIO筛选的SERS光谱特征变量如图2F所示，其中部分特征变量覆盖SERS特征谱带597、742、835、1249、1486和1557cm‒ 1。图2.含花生油中AFB1含量PLSR预测值与真实值之间的关系及HSIC-VSIO筛选的光谱特征变量2.4各方法检测结果对比分析各方法所建PLSR模型评价指标的变化趋势如图3所示，显然，由NIR光谱数据构建的PLSR模型预测性能最差，主要在于花生油中AFB1含量低，分子量小，内部含氢基团振动在近红外区域吸收的能量低，对应的光谱信号弱，影响了其检测精度。相较于NIR光谱数据构建的PLSR模型，由SERS光谱数据NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的预测性能均获得了提高。以NIR光谱数据构建的PLSR模型的预测性能作为基准，SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的RMSEC分别降低了25.14%、31.61%和44.20% 分别提高了2.02%、3.18%和3.93% RMSEP分别降低了31.85%、38.58%和47.01% 分别提高了5.19%、5.34%和6.98% RPD分别提高了59.28%、62.99%和132.47%。综上所述，由SERS光谱数据构建的PLSR模型的预测性能明显提高，主要在于SERS技术通过增强基底Q-SERS获得拉曼增强效应使得花生油中痕量AFB1的信号获得了放大，从而提高了其检测精度。相较于采用NIR或SERS光谱单一检测技术，将NIR光谱与SERS光谱直接融合后，实现了光谱信息的互补，有助于检测精度的进一步提高。然而，光谱直接融合数据中包含大量的冗余甚至干扰变量，采HSIC-VSIO分别对NIR与SERS光谱筛选特征变量，然后将筛选得到的特征变量进行融合并构建PLSR模型，其检测精度获得了较大的提高。图3.各方法所建PLSR模型评价指标变化趋势2.5真实样本检测分析结果从青岛普瑞邦生物工程有限公司购买一批含有AFB1的花生油样本(AFB1含量范围为:1.0×10‒ 5~1.0×10‒ 3μg/mL)。每个样本分别采用NIR与SERS光谱特征层融合数据构建的PLSR模型(以下简称光谱特征融合方法)以及标准方法(HPLC)检测AFB1含量，检测结果如表4所示。将两种方法的检测结果做双侧配对t检验，结果表明两者无显著性差异(P=0.840.05)。根据检出限的计算公式3S0/K(S0为多个空白样本响应值标准差，K为校正曲线的斜率)，可估算得到光谱特征融合方法对AFB1含量的检出限为5.27×10‒ 6μg/mL。欧盟与中国设置的花生油中AFB1最大残留限量分别为2.0μg/kg和20μg/kg。为了与上述标准进行对比，可将溶液(花生油+AFB1)密度设为1g/mL，从而实现将5.27×10‒ 6μg/mL粗略地转换为5.27×10‒ 3μg/kg。故本研究提出的光谱特征融合方法可满足对花生油中AFB1含量是否超标的定量检测。3、 结论本研究提出了一种基于NIR与SERS光谱特征层融合数据构建PLSR模型实现花生油中AFB1快速、高精度检测的方法。与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比，NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能:RMSEC=0.1569，R2c=0.9908， RMSEP=0.1827，R2p=0.9854，RPD=8.2761。同时，将本研究方法与标准方法分别检测真实的花生油样本中AFB1含量，结果表明两者的检测性能无显著性差异(P=0.840.05)，本研究方法的检出限可换算为5.27×10‒ 3μg/kg，远远低于欧盟与中国设置的花生油中AFB1最大残留限量2.0μg/kg和20μg/kg。综上，实验结果表明本研究方法可实现花生油中AFB1含量的快速、高精度定量检测，验证了NIR与SERS光谱融合的可行性与有效性，尤其是经特征变量筛选后，NIR与SERS光谱数据在特征层的融合能够最大限度地提高模型的检测精度。文献来源四、产品推荐RMS2000微型拉曼光谱仪1、产品简介RMS2000（RamanMinimalSystem）是一款微型的785nm同轴共聚焦拉曼光谱仪，其采用全空间光设计，优化散热接口，采用N.A0.11数值孔径激发采集光路。配置超短焦、线扫描、浸入式探头，支持Windows、Linux和Windows多种操作平台和主控系统，随机配备手机端（Andorid）和电脑端采集分析软件。具备非凡的分辨率、灵敏度、穿透能力和抑制荧光干扰能力。既可以单独使用也可以作为核心部件集成进拉曼自动化系统，满足科研院所、相关监管机构与企业在无机/有机材料、生物生命、化学/化工、药物分析、食品安全、刑侦鉴定、环境污染检测等研究中的需求。2、产品特点&bull 体积小巧，重量轻，只有100×80×26mm和280g；&bull 空间光、微型共聚焦设计，最小光斑≤30μm；&bull 高分辨率（~6cm-1），高抑制荧光能力，能够轻松测量高荧光样品，获取拉曼光谱；&bull 高灵敏度，500ms即可实现常规化学品的拉曼光谱，最低可以检测0.3%的分析纯酒精；&bull 可配置线扫式探头，可以采集4.5mm*1mm的线扫光斑，降低样品照射功率密度；&bull 可配置浸入式拉曼探头，用于过程分析检测；&bull 支持手机和电脑双平台，方便户外现场直接测量；&bull 超低功耗，无须额外电源供电，通过USB手机可以直接实现光谱采集分析；&bull 强大的软件分析功能，支持常规的HQI，峰位检索，深度学习神经网络等算法；&bull 可以适配显微镜组成显微共聚焦拉曼。NIRPro近红外光纤光谱仪1、产品简介 NIRPro是一款制冷型近红外光纤光谱仪，结构设计小巧，光谱范围可配置；分辨率高，最佳可达0.3 nm；杂散光低，~0.5％。光谱范围依据选择不同可以覆盖950-1700 nm、950-2200 nm和950-2500 nm多种配置。制冷温度可以达到-20℃。具备良好的光谱响应稳定性和重现性，适用于激光测量、近红外测量，是一款科研级的高性能光纤光谱仪。2、产品特点&bull 分辨率高，最佳可达0.3 nm；&bull 可适配如海带销的多芯密排集束光纤，光纤插拔强度一致性≦7%；&bull 动态范围宽、信噪比高、稳定性好；&bull 背景噪声≦3RMS（10 ms积分时间）；&bull 配置USB、串口多种通讯接口，配置24PIN交互接口，配置专有DAC和ADC，可实现配套光源的使能、强度控制和功率反馈。