表面增强拉曼光谱 (SERS) 方法用于快速检测肉中胺素和氨基醇残留物
Yan Wu1, Junshi Huang1, Ni Tong1
1Key Laboratory of Modern Agricultural Equipment in Jiangxi Province, Jiangxi Agricultural University, Nanchang 330045, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
肉中的抗生素残留物,如新菌素 (NEO) 和烯醇 (CAP),对健康构成风险. 一种新的SERS方法与PCA-LDA相结合,在分类这些残留物中实现了100%的准确性,确保了更安全的肉消费.
科学领域:
- 食品安全分析 食品安全分析
- 分析化学是一种分析化学.
- 频谱学是一种光谱学.
背景情况:
- 在家禽养殖中广泛使用抗生素导致肉中的残留物.
- 食品中的抗生素残留物对人类健康构成潜在风险.
- 准确的检测方法对于确保食品安全至关重要.
研究的目的:
- 开发和验证一种快速的方法来分类肉中的neomycin (NEO) 和chloramphenicol (CAP) 残留物.
- 优化表面增强拉曼光谱 (SERS) 条件用于残留物检测.
- 评估主要组件分析-线性差异分析 (PCA-LDA) 模型的分类性能.
主要方法:
- 使用金合物和吸附时间优化SERS光谱采集.
- 应用PCA-LDA模型来分类400个肉样本 (268个培训,132个测试).
- 研究了不同的光谱预处理方法,包括基线校正和第二衍生分析.
主要成果:
- 最佳的SERS条件涉及4分钟的吸附时间与第14代黄金合物.
- PCA-LDA模型使用第二导数与基线校正相结合,实现了NEO和CAP残留物100%的分类准确性.
- 典型的SERS峰值在546厘米-1和666厘米-1之间,有效地区分了NEO和CAP.
结论:
- 基于SERS的PCA-LDA方法提供了一种快速有效的方法来对肉中的NEO和CAP残留物进行分类.
- 优化的光谱预处理显著提高了分类的准确性,灵敏性和特异性.
- 这种方法为未来监测家禽产品中的抗生素残留物提供了可行的参考.
更多相关视频
12:08Rapid Antimicrobial Susceptibility Testing by Stimulated Raman Scattering Imaging of Deuterium Incorporation in a Single Bacterium
Published on: February 14, 2022
2.8K
08:19Modified Most Probable Number Assay to Quantify Salmonella in Raw and Ready-to-Cook Chicken Products
Published on: January 31, 2025
525
