使用SERS与多变量分析相结合,快速同时确定果中的混合农药残留物
Ting-Feng Shi1, Ting-Tiao Pan1, Ping Lu1
1State Key Laboratory of Green Pesticide, Key Laboratory of Green Pesticide and Agricultural Bioengineering, Ministry of Education, Center for R&D of Fine Chemicals of Guizhou University, Guiyang 550025, China.
Food chemistry: X
|November 25, 2024
概括
这项研究引入了一种使用多变量分析的新方法,用于同时检测果中的杀虫剂残留物,如pymetrozine和carbendazim. 这种方法通过准确量化这些常见污染物来加强食品安全监测.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 杀虫剂残留物,如皮米特和卡本达,对食品安全构成风险.
- 准确和同时检测方法对于有效监测农产品中的这些污染物至关重要.
- 竞争性吸附可以干扰像果这样的复杂矩阵中多种分析物的准确量化.
研究的目的:
- 开发和验证一种多变量分析方法,用于同时确定果中的皮米特素和碳胺残留物.
- 为了减轻在表面增强拉曼光谱 (SERS) 分析中竞争性吸附所带来的挑战.
- 建立一种可靠的方法,用于对食品矩阵中的农药残留物进行定量分析.
主要方法:
- 从混合溶液中获取SERS光谱,以不同度比率的皮米特和卡本达.
- 应用多变量分析算法,特别是部分最小平方回归 (PLSR),用于光谱建模.
- 使用标准正常变量 (SNV) 处理的全频谱,以提高模型性能.
主要成果:
- 该PLSR模型在预测混合溶液中的pymetrozine和carbendazim含量方面表现出很高的准确性 (R2p>0.97,RPD>6.4).
- 该模型在预测果样本中的农药残留物 (R2p > 0.96,RPD > 5.3) 方面取得了卓越的表现.
- 全频谱的SNV处理显著提高了PLSR模型的预测能力.
结论:
- 提出的基于SERS的多变量分析方法对于在果中同时检测皮米特素和碳达胺是有效的.
- 这种方法为定量分析提供了灵敏而准确的工具,解决了竞争吸附等挑战.
- 这些发现为常规食品安全监测和质量控制提供了新的和有价值的途径.
