隨著海鮮消費量的不斷攀升，食品安全問題日益成為公眾關注的焦點，在食品安全領域，快速、準確的檢測技術對于預防食源性疾病至關重要。據《Food Research International》雜志最新報道，由馬薩諸塞大學洛厄爾分校和佛羅里達大學的研究人員聯合開發的紙色譜陣列（PCA）和神經網絡（NN）結合的檢測方法，為海鮮中的病原體檢測提供了一種新穎的解決方案。
這項技術的核心在于利用PCA捕捉海產品中揮發性有機化合物（VOCs）的變化，并結合神經網絡的深度學習能力，實現對活體病原體的快速識別。許多海產源的細菌分泌組氨酸脫羧酶或TMAO還原酶，作為天然代謝產物生成揮發性有機物，如組胺和三甲胺。研究中，Morganella morganii（M. morganii）和Shewanella putrefaciens（S. putrefaciens）分別作為食源性病原體和腐敗細菌的模型，通過PCA-NN系統進行檢測，PCA制作及實驗設置如下圖所示。
圖片來源：Food Research International
PCA可以識別VOCs的機理為PCA上的化學染料（如金屬卟啉、pH指示劑等）具有特定的化學結構，能夠與特定的VOCs發生相互作用，如氫鍵、配位鍵、離子交換等。這些染料對VOCs的識別是基于分子結構的互補性，即染料的活性位點與VOCs的分子結構之間存在匹配關系。當VOCs與PCA上的染料接觸時，可能會發生化學反應，導致染料的化學結構發生變化。這種變化可能涉及到電子的轉移、配位鍵的形成或斷裂、氧化還原反應等，從而導致染料的吸光性質（如吸收光譜）發生變化。染料的吸光性質變化會導致其顏色發生變化，這種顏色變化可以通過肉眼或儀器檢測到。
研究團隊首先在標準培養基上驗證了PCA-NN檢測的準確性，隨后在真實的海鮮模型—鱈魚和三文魚上進行了測試。結果顯示，該方法能夠成功區分人類食源性病原體和本地微生物群落，準確率高達90%至99%。這一成果不僅為海鮮安全檢測提供了一種高效手段，也為智能包裝技術的發展開辟了新的道路。
與傳統的細菌分離和鑒定方法相比，PCA-NN檢測技術無需富集、孵化或其他樣本準備步驟，大大縮短了檢測時間，降低了操作成本。此外，該方法不需要預先確定的特征或特定的分析染料，使得檢測過程更加靈活和經濟。
隨著食品安全問題的日益嚴峻，PCA-NN檢測技術的出現無疑為海鮮消費安全提供了新的保障。這項技術的成功應用，不僅能夠保護消費者的健康，也將推動食品安全檢測技術的進步，為全球食品安全監管提供強有力的支持。
原文鏈接：https://doi.org/10.1016/j.foodres.2022.112052
來源：微生物安全與健康網，作者~張宏圖。
