《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》：Point of use optical sensors for the detection of mycotoxins in food: advancements and challenges
编辑推荐：
本文综述了霉菌毒素检测技术，指出色谱-质谱为金标准但成本高，光学传感器（如SERS、LSPR）因成本低、操作简便成为替代方案，但需解决稳定性、重复性及抗干扰问题，并探讨杂交技术及便携化发展前景。
阿什温尼·G·谢诺伊（Ashwini G. Shenoy）|普贾·纳格（Pooja Nag）|卡皮尔·萨达尼（Kapil Sadani）|刚川悟（Satoru Tsuchikawa）|拉吉布·班迪奥帕德哈亚（Rajib Bandyopadhyay）
印度马尼帕尔高等教育学院（Manipal Academy of Higher Education）马尼帕尔理工学院（Manipal Institute of Technology），马尼帕尔（Manipal）
摘要
通过食用受污染的农产品长期暴露于霉菌毒素中，会对健康造成严重的急性和慢性风险。色谱与质谱联用（LC–MS）技术仍是分析领域的黄金标准；然而，高昂的运营成本和资本支出限制了其在资源有限环境中的广泛应用。因此，现场使用的光学传感器作为快速检测霉菌毒素的替代方案应运而生。传感器的性能取决于纳米材料改性基底的选择或开发、连接剂化学性质，以及特定（生物）识别元素的选择和利用，同时需要强大的（生物）结合策略。光学转换平台包括比色法、表面增强拉曼光谱法、近红外光谱法、局域表面等离子体共振法或混合电化学-光学转换法，这些方法都配备了适当设计的基底和检测方法。然而，大多数这类传感系统的技术成熟度仍然较低，其在重复性、交叉敏感性和稳定性方面的验证也有限。本文批判性地回顾了霉菌毒素检测方面的进展，指出了转化应用中的挑战，并概述了可扩展的光学霉菌毒素传感器的前景。
引言
在资源有限的经济条件下，食品安全和营养保障措施常常被忽视，也未能得到严格实施。根据世界卫生组织（WHO）的报告，每年有十分之一的人因食用受污染的食物而生病[1]。据世界银行集团称，在低收入和中等收入国家（LMICs），由于食用受污染的食物，每年损失了1100亿美元的生产力和医疗费用[2]。特别是在热带气候下，储存基础设施的不足导致农产品容易被霉菌、真菌和其他微生物污染。霉菌毒素如赭曲霉毒素[3]、黄曲霉毒素[4]、伏马毒素[5]、齐雷伦酮[7]等是由霉菌和真菌产生的次级代谢物，它们对人类和其他生物具有急性和慢性毒性[8]。这些化合物在高温下稳定，能够承受大多数常规的工业食品加工过程，如巴氏杀菌和罐装[9]。因此，食用含有这些霉菌毒素的食物会导致腹泻、慢性间质性肾炎和急性肝损伤等健康问题。表1总结了这些毒素的详细信息，包括其化学结构、在食品中的存在形式、质荷比（m/z）值、最大残留限量（MRLs）和毒性。
高性能液相色谱（HPLC）[10]、[11]和/或液相色谱-质谱（LC-MS/MS）[12]、[13]等先进分析仪器用于这些毒素的定量检测。HPLC提供色谱分离，并通过光电二极管阵列检测器（PDA/DAD）、荧光检测器（FLD）、电子捕获检测器（ECD）、蒸发光散射检测器（ELSD）和电荷气溶胶检测器（CAD）等简单检测器实现稳健且可重复的定量分析。尽管如此，LC-MS/MS仍被认为是黄金标准，因为它具有无与伦比的特异性（见表1），能够实现复杂有机样本中多种霉菌毒素的同时检测[14]。此外，LC/MS还能提供结构信息。然而，建立配备此类仪器的设施和操作专业知识需要大量的资金和运营支出，以及频繁的认证和标准化工作。因此，研究人员正在努力开发更稳健、更便宜、更小型化或便携式的系统，以及特定现场使用传感器作为替代方案。
基于电化学[15]和光学[16]的（生物）传感器被广泛用于检测蘑菇毒素、内毒素[17]、植物毒素和霉菌毒素[18]、[19]、[20]。一些常用的光学传感器技术包括：比色法（通过分析物与纳米制造系统的特定相互作用引起颜色变化）；光纤传感器（利用全内反射（TIR）原理实现衰减波吸收（EWA），具有抗电磁和静电干扰的能力）；表面等离子体共振（SPR）[21]、[22]和局域表面等离子体共振（LSPR）[23]（利用等离子体薄膜/纳米材料放大电磁场，从而检测分析物分子结合时的折射率变化）；表面增强拉曼光谱（SERS）[24]、[25]和近红外光谱（NIR）[26]、[27]（提供特定于分析物的特征信号）。此外，电化学驱动技术如电化学发光[29]、电化学表面增强拉曼光谱（ESERS）[30]和电化学-光纤传感[31]结合了这两种技术的优势，有助于克服其他方法的局限性。这些技术的进步表明，光学传感器有可能被开发成便携、用户友好且适合现场使用的设备。
一个典型的光学传感器包括光源、样品（分析物）和检测器，以及用于聚焦、分离、对准、分散和处理的附件。要将这种传感系统转化为实际应用，需要缩小其物理尺寸和重量。此外，还需要在实验室层面全面建立传感器的静态和动态特性，如准确性、精确度、保真度、滞后性和重复性。根据官方分析合作协会（AOAC）的手册[32]认证，传感器的重复性偏差应小于10%，以确保结果的一致性。随后需要自动化传感器制造过程，以提高可重复性，以便在真实环境中进行大规模现场试验来验证传感器性能。为了实现传感器的可扩展生产，正在探索光刻[33]、真空沉积、先进印刷技术[34]、纳米工程[35]和机器人技术等手段。这需要工业合作伙伴与实验室的合作。
当代学者和科学家们发表了大量关于霉菌毒素检测的期刊文章。然而，只有百分之一的文章超过了技术成熟度水平（TRL）5，展示了实际样品测试、原型开发以及大规模应用的优化[36]、[37]、[38]，其中极少数最终获得了量产许可（见补充信息表2）。为了缩小这一差距，有必要从实际技术成熟度的角度审查和分析霉菌毒素传感器的发展，考虑重复性、操作变量、基质效应、抗干扰能力等因素。
市面上有基于酶联免疫吸附测定（ELISA）[39]和侧向流动测定（LFA）[40]的测试试剂盒用于霉菌毒素的检测。例如PerkinElmer?、VICAM?、Reveal?等品牌提供的试剂盒可用于检测食品、饮料和动物饲料中的霉菌毒素。ELISA具有较高的灵敏度，可实现霉菌毒素的特异性和定量检测，且样品处理相对简单。另一方面，LFA试剂盒成本效益高，使用方便，适用于即时检测并快速提供定性结果[42]。然而，ELISA和LFA在定量检测方面的通量、准确性和检测限受到分析方法和所用光学检测器（读取器）类型的限制。通过适当的基线和参考标准，互补金属氧化物半导体（CMOS）、雪崩光电二极管（APD）、硅光电倍增管（Si-PMT）和荧光检测器等检测器可以提供灵敏度高、信噪比（SNR）好且可重复的读数[43]。不过，这些技术的选择取决于具体的检测方法，而且通常具有专利性质，增加了每样本的分析成本、资本和运营支出。表10详细总结了这些技术的优点和局限性。
多篇综述文章介绍了霉菌毒素检测传感器的最新进展。本文批判性地探讨了：(a) 用于霉菌毒素检测的现场使用光学技术的基本原理、优势、局限性、应用、典型灵敏度和检测限；(b) 混合电化学-光学传感系统的综合讨论；(c) 可能的干扰和非特异性相互作用；(d) 不同食品和临床基质样品的制备技术；(e) 当前研究中的技术成熟度水平及其转化潜力；(f) 符合监管指南的研究成果；(g) 符合标准化的挑战。因此，本文展示了各种光学和混合光学传感器从概念到实验室应用再到市场推广的全过程。
小节摘录
便携式LC-MS和HPLC系统
色谱与质谱联用技术是霉菌毒素分析的标准方法。但由于资源、技能和成本的限制，传统形式的这些仪器并未得到广泛应用。研究人员和行业正在努力克服这些限制，使这些系统更加稳健和便携[57]、[58]、[59]。传统LCMS系统的基本组成部分包括一个LC单元，其中包含泵等部件。光学传感技术
光学传感器涵盖了多种技术，如比色法、衰减波吸收（EWA）[66]、表面等离子体共振（SPR）[67]、局域表面等离子体共振（LSPR）[68]、表面增强拉曼光谱（SERS）[69]、近红外光谱（NIR）[70]等。与电化学、热敏或质谱传感器相比，光学传感器和光波导具有抗电磁和静电干扰的能力[71]。混合技术
多种技术的协同使用有助于克服单一技术的局限性，并更好地理解复杂系统。特别是将电化学系统与光学系统结合用于测量，可以监测反应过程中的变化，并提供更可靠的科学解释。等离子体材料[201]、金属氧化物[202]、量子点[203]、导电聚合物[204]等被用于基底改性，以提高传感器的性能。用于霉菌毒素检测的测试试剂盒
市场上有基于ELISA和LFA的各种商用测试试剂盒，可用于食品、饲料和饮料中霉菌毒素的定性和定量分析。这些试剂盒价格相对便宜，检测速度快。然而，用于LFA定量检测的条带读取器价格昂贵，且需要专业操作人员，灵敏度也有限。因此，现场使用的光学传感器是一个有前景的解决方案。讨论与结论
农产品中霉菌毒素的含量超过允许限值以及食用受污染食品会导致慢性和急性疾病。传统的分析技术（如HPLC和LCMS）虽然灵敏度高，但通常需要复杂的样品制备和先进的仪器设备。HPLC和LCMS系统的微型化往往受到离子化程度降低的影响，从而导致灵敏度和选择性的下降。CRediT作者贡献声明
卡皮尔·萨达尼（Kapil Sadani）：撰写、审稿和编辑，监督。普贾·纳格（Pooja Nag）：撰写、审稿和编辑，监督，概念构思。拉吉布·班迪奥帕德哈亚（Rajib Bandyopadhyay）：撰写、审稿和编辑，监督，概念构思。刚川悟（Satoru Tsuchikawa）：撰写、审稿和编辑。阿什温尼·G·谢诺伊（Ashwini G Shenoy）：撰写初稿，概念构思利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
作者感谢印度政府的科学技术部（DST）和INSPIRE计划（参考编号：DST/INSPIRE/03/2023/000015）提供的博士奖学金和资金支持。
