中国海洋大学食品科学与工程学院食品安全团队王凯强副教授等人在食品领域权威期刊Food Chemistry、Food Research International发表了关于水产品新鲜度快速检测的研究性论文，被遴选为高被引论文。
水产品在储存和运输过程中易发生腐败变质，新鲜度检测是保障水产品质量与消费者安全的关键环节。传统检测方法主要通过总挥发性盐基氮（TVB-N）、三甲胺、生物胺及K值等指标评价新鲜度，虽具有较高准确性，但操作复杂、耗时长且通常为破坏性检测，难以满足快速、无损和现场应用的需求。水产品ATP降解产物中的次黄嘌呤，在新鲜度早期变化中积累，可用于指示水产品早期新鲜度的变化。同时，近红外和拉曼光谱等现代光谱学技术，是水产品新鲜度智能化检测的有效工具。
近年来，食品安全团队围绕水产品新鲜度快速检测的需求，针对水产品早期新鲜度变化的快速识别，开发了一种具有类过氧化物酶活性的Fe/Ni双金属有机骨架纳米酶（Fe7Ni3MOF），并构建了与黄嘌呤氧化酶（XOD）联用的酶级联检测体系，实现了对水产品早期新鲜度变化过程中次黄嘌呤的灵敏检测。此外，针对水产品储藏过程中品质变化的无损检测，团队利用多模态近红外光谱（NIR）与拉曼光谱（Raman）数据融合，结合最小偏二乘支持向量机等机器学习方法，实现了对多种温度贮藏条件下大西洋鲑鱼片总挥发性盐基氮（TVB-N）含量的无损检测。研究发现，低水平数据融合模型的预测精度最高（R²p达0.91），明显优于单一光谱方法。同时结合二维相关光谱（2D-COS）与特征波长提取，有效提升了模型对分子结构动态变化的解析能力。结果表明，多模态光谱融合方法能够显著提高水产品新鲜度的快速检测精度，为实现无损、智能检测提供了技术支撑。
水产品次黄嘌呤检测原理图
多模态近红外-拉曼光谱数据融合检测大西洋鲑鱼TVB-N流程图
本研究分别围绕水产品新鲜度早期和中后期检测，基于纳米酶的次黄嘌呤检测弥补了传统指标在初期检测中的不足，多模态光谱数据融合突破了传统方法耗时、破坏性强的局限。两者共同推动水产品新鲜度检测向多指标、快速、低成本和可现场化方向发展，对于保障水产品品质与安全、促进冷链物流与产业升级具有重要应用价值。
该工作得到了国家自然科学基金（32102065），中国博士后科学基金（2021M690145）和国家现代农业产业技术体系（CARS-47）等项目的资助。
通讯员：王凯强、王彦超
审 核：常耀光
原文链接：https://doi.org/10.1016/j.foodchem.2024.138902
Zhuoran Li, Limin Cao, Jianxin Sui, Lei Wang, Hong Lin, Kaiqiang Wang*. Bimetallic Fe/Ni metal organic framework-based hypoxanthine biosensor for early monitoring of freshness changes of aquatic products. Food Chemistry, 2024, 447: 138902.
原文链接：https://doi.org/10.1016/j.foodres.2024.114564
Minqiang Guo, Hong Lin, Kaiqiang Wang*, Limin Cao, Jianxin Sui. Data fusion of near-infrared and Raman spectroscopy: An innovative tool for non-destructive prediction of the TVB-N content of salmon samples. Food Research International, 2024, 189: 114564.
