一种简单而高效的酸盐水凝与表面增强的拉曼光谱学相结合,用于对肉制品中的酸进行定量分析
Fengnian Liang1,2, Yiqun Huang3, Junjian Miao1,2
1College of Food Science and Technology, Shanghai Ocean University, Shanghai, 201306, China. kqlai@shou.edu.cn.
The Analyst
|January 24, 2024
概括
这项研究引入了一种新的基于水凝的方法,用于检测食品中的酸盐. 这种表面增强拉曼光谱 (SERS) 方法为传统方法提供了稳定,可复制和敏感的替代方案.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 食品科学 食品科学 食品科学
背景情况:
- 传统的化分析方法面临着食物矩阵干扰,时间和成本的挑战.
- 酸是一种重要的食品添加剂,需要可靠的检测方法.
研究的目的:
- 开发和验证一种新的基于水凝的表面增强拉曼光谱 (SERS) 基质,用于敏感的化检测.
- 优化基质成分,并评估其在真实食品样本中的性能.
- 为了比较机器学习算法用于食品化物检测中的数据分析.
主要方法:
- 使用离子交叉链接制备酸盐水凝基质.
- 优化酸盐和交联离子度,以获得最佳的拉曼反应.
- 使用素作为单分子探针用于化分析.
- 采用支持向量机 (SVM) 和线性回归来进行数据分析.
主要成果:
- 确定了1%的甲基酸盐和0.1mol L-1交联离子的最佳基质配方.
- 水凝基板表现出良好的分批一致性 (RSDs 1.22%-16.30%) 和稳定性 (在4周内信号减少<10%).
- 低检测极限 (3.758.11毫克/公斤-1) 通过最小的食物矩阵干扰实现.
- 与线性回归 (81.9%-112.7%) 相比,SVM算法提供了更高的准确性 (98.6%-99.8%的恢复).
结论:
- 基于水凝的SERS基板为食品化物分析提供了强大而稳定的平台.
- 将SERS与机器学习相结合,显著提高了食品分析的准确性和潜力.
- 这种方法为食品中酸的敏感和可靠检测提供了有希望的进步.
