[发明专利]GC-IMS和荧光光谱联用检测产黄曲霉毒素真菌污染的方法

说明书

本发明公开了一种GC‑IMS和荧光光谱联用检测产黄曲霉毒素真菌污染的方法，包括如下步骤：样品处理，GC‑IMS检测，荧光光谱检测，GC‑IMS谱图特征区域选取，荧光光谱特征区域选取，GC‑IMS和荧光光谱检测的数据特征提取和融合，对提取的特征数据分别进行主成分分析分析，随后提取两种数据源的PCA前十维主成分作为新型特征向量直接组合在一起，形成融合数据；将融合后的数据进行正交偏最小二乘判别，将特征融合后的数据输入到正交偏最小二乘判别模型中，由融合信号的测试集样本数据特征值作为输入，通过正交偏最小二乘判别算法获得最终的分类模型，从而应用于未知样本的检测。此方法简单易操作，减少了运算成本，也具有较好的分类性能，具有较高的推广利用价值。

技术领域

本发明属于快速分析检测领域，涉及GC-IMS和荧光光谱联用检测产黄曲霉毒素真菌污染的方法。

背景技术

黄曲霉毒素主要是由黄曲霉菌和寄生曲霉菌产生的一种次生代谢产物，是一种有毒化合物。黄曲霉毒素污染可发生在各种各样的农产品中，如谷物、坚果和油类产品等。农产品中黄曲霉毒素的污染将给人和动物带来严重的健康问题，并带来巨大的经济影响。黄曲霉毒素主要攻击人体肝脏，具有严重的致癌性、致突变性和免疫抑制作用。通常来说，农产品（如谷物等）如若只被非产毒菌污染，或未被产毒菌或黄曲霉毒素污染，仍然可以用来饲养家禽。及时判定农产品被产毒菌污染的情况有利于及时做好预防及后续处理措施。由于黄曲霉毒素存在的潜在风险，对农产品中黄曲霉毒素的监控具有重要意义。在我国的农产品作物中，花生极易感染黄曲霉菌和寄生曲霉菌，从而导致花生贮藏过程中的黄曲霉毒素污染。

目前来说，检测黄曲霉毒素的方法有两类：一类是直接检测黄曲霉毒素的含量；另一类是检测产黄曲霉毒素的真菌（黄曲霉和寄生曲霉），从而间接监控黄曲霉毒素的产生。近些年来，已经开发出了多种方法来检测农产品中黄曲霉毒素或产毒真菌的污染。例如，高效液相色谱(HPLC)、薄层色谱(TLC)和酶联免疫吸附法是测定黄曲霉毒素的常规分析方法；传统的微生物学方法和诊断培养基常被用于鉴定产毒真菌。这些方法灵敏度高且重复性好，但需要繁琐的样品前处理，以及相对昂贵的试剂和一次性柱（如免疫亲和柱和多功能柱等），这使得它们无法用于受黄曲霉毒素污染农产品的快速筛选。同时，这些方法属于有损检测。因此，为了满足食品工业早期质量控制的需要，开发一种快速灵敏的无损分析方法来有效地检测黄曲霉毒素或产黄曲霉毒素的真菌对食品安全具有重要意义。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种GC-IMS和荧光光谱联用检测产黄曲霉毒素真菌污染的方法。

一种GC-IMS和荧光光谱联用检测产黄曲霉毒素真菌污染的方法，包括如下步骤：

步骤一, 样品处理；

步骤二, GC-IMS检测；

步骤三, 荧光光谱检测；

步骤四，GC-IMS谱图特征区域选取；

步骤五，荧光光谱特征区域选取；

步骤六，GC-IMS和荧光光谱检测的数据特征提取和融合，利用数据处理软件对步骤四和步骤五中提取的特征数据分别进行主成分分析（PCA）分析，随后提取两种数据源的PCA前十维主成分作为新型特征向量直接组合在一起，形成融合数据；

步骤七，判别模型建立和应用，将融合后的数据利用SIMCA软件进行正交偏最小二乘判别，将特征融合后的数据输入到正交偏最小二乘判别模型中，由融合信号的测试集样本数据特征值作为输入，通过正交偏最小二乘判别算法获得最终的分类模型，通过将步骤六获得的未知样本特征融合信息导入所建立的分类模型，区分受潜在产黄曲霉毒素真菌污染的样品。

所述的预测方法，根据样品相应调节检测条件，适用于受潜在产黄曲霉毒素真菌污染的农作物，包括花生、小麦和稻米。

所述的检测方法，包括如下步骤：