查,风险评估和快速检测可食草药中的真菌毒素,基于UPLC-MS/MS和FT-NIR
Kangnan Liu1, Ling Fang2, Yaling An2
1School of Pharmaceutical Sciences, Southern Medical University, Guangzhou 510515, China; Zhongshan Institute for Drug Discovery, Shanghai Institute of Materia Medica, Chinese Academy of Sciences, Zhongshan 528400, China.
Food research international (Ottawa, Ont.)
|March 7, 2026
概括
可食用草药经常含有有害的真菌毒素,对健康构成重大风险. 这项研究开发了一种快速检测方法,揭示了高污染水平,并为饮食安全指南提供了信息.
科学领域:
- 食品安全和毒理学
- 分析化学是一种分析化学.
- 农业科学 农业科学
背景情况:
- 可食用草药中的真菌毒素污染是一个全球性的健康问题.
- 累积的真菌毒素导致食品行业的大量经济损失.
- 现有的检测方法可能缺乏广泛查的效率.
研究的目的:
- 开发和验证一种敏感的方法来检测食用草药中的真菌毒素.
- 评估与真菌毒素污染相关的流行率和健康风险.
- 探索用于快速识别真菌毒素的机器学习应用.
主要方法:
- 修改的基于QuEChERS的UPLC-MS/MS用于19种真菌毒素的定性查.
- 优化QuEChERS参数,以量化高风险草药中的10种真菌毒素.
- 蒙特卡洛模拟用于人类健康风险评估.
- 九种分类模型 (SVM,KNN) 的应用,用于毒素的歧视.
- 福利埃变换近红外 (FT-NIR) 光谱学与机器学习相结合.
主要成果:
- 在1000批食用草药中,65.20%显示菌毒素污染.
- 最常见的污染物是阿尔特纳醇单甲基乙烯 (AME),斯特里格马托西斯 (ST) 和阿尔特纳醇 (AOH).
- 鉴定了与ST有Sojae精液预制剂 (SSP),与aflatoxin B2 (AFB2) 有Lablab精液专辑 (LSA) 和与AME有Allii tuberosi精液 (ATS) 的健康风险.
- 支持向量机 (SVM) 和k-近邻 (KNN) 模型分别实现了SSP和LSA的100%准确性.
- 结合机器学习的FT-NIR光谱学显示出快速检测的希望.
结论:
- 可食用草药的菌毒素污染率很高,这表明饮食风险不可忽视.
- 开发的UPLC-MS/MS方法是有效的查和量化菌毒素.
- 机器学习方法,特别是FT-NIR光谱,为食品安全中快速准确检测真菌毒素提供了一个有希望的途径.
更多相关视频
11:14Rapid High-throughput Species Identification of Botanical Material Using Direct Analysis in Real Time High Resolution Mass Spectrometry
Published on: October 2, 2016
12.2K
08:56Detection of Regulated Ergot Alkaloids in Food Matrices by Liquid Chromatography-Trapped Ion Mobility Spectrometry-Time-of-Flight Mass Spectrometry
Published on: November 22, 2024
1.6K
