论文部分内容阅读
海鱼是人们喜爱的动物性食品,渔业成为我国传统产业的经济支柱之一。海鱼在消费者食用前往往要经过速冻保鲜、贮藏、运输等多个环节,会引入多种食用安全性危害因子。因此,必须在销售前对海鱼及其产品质量和食用安全性进行检测,以保障消费者的健康甚至生命安全。现阶段在对海鱼食用安全性检测时,根据不同的食用安全危害因子需要采用不同的方法进行检测,步骤繁琐、耗时长,需要大型仪器设备,无法满足快速检测的要求。本研究提出将嗅觉可视化技术和味觉可视化技术结合起来,实现不同海鱼食用安全危害因子的快速检测。通过对可视化技术检测机理的研究,为色敏材料的筛选提供指导,从而构建具有针对性的可视化传感器阵列。建立了嗅觉可视化技术和味觉可视化技术相结合的新方法,实现可视化技术对鱼类食用安全性的整体检测。(1)海鱼主要食用安全危害因子的筛选与常规方法检测分析选择鲐鱼和大黄鱼为试验对象。分别采用半微量凯氏定氮法和紫外可见吸收光谱法测定鲐鱼贮藏过程中的挥发性盐基氮(total volatile basic nitrogen,TVB-N)和组胺的变化。实验结果表明,随着贮藏时间的延长,鲐鱼体内TVB-N值逐渐升高,第5天超过了国家标准的限定值30mg/100g;鲐鱼体内的组胺含量在第8天超过了国家标准的限定值40mg/100g。贮藏期间,鲐鱼新鲜度逐渐下降,第5天后鱼体腐败变质后不宜食用。采用电感耦合等离子体质谱法(Inductively Coupled Plasma Mass Spectrometry,ICP-MS)检测大黄鱼体内所含的重金属含量,所测全部样本中As含量均超过了国家标准,超过20%的样本中Pb、Cd含量超过国家限定标准胺和重金属。通过常规方法检测结果的分析,筛选出海鱼食用主要安全危害因子为:TVB-N、组胺、重金属。用常规方法测得这些指标的数据,将作为实测值,用于后期与可视化方法检测结果建立相关关系。(2)海鱼贮藏过程中特征挥发性气体的确定嗅觉可视化技术是根据色敏材料与海鱼的挥发性气体反应,从而实现对海鱼新鲜度判别的。因此,先运用顶空固相微萃取结合气相色谱-质谱联用仪(headspace solid phase microextraction gas chromatography-mass spectrometer,HS-SPME-GC-MS)分析贮藏过程中鲐鱼挥发性气体的具体成分变化规律,为可视化传感器阵列的构建和优化提供依据。通过HS-SPME-GC-MS共鉴定出53种物质,包含醇类、酸类、酯类、醛类、酮类以及其它类物质。其中5种挥发性气体的相对含量呈规律性变化,分别是:三甲胺(trimethylamine,TMA)、正己醛、正辛醛、壬醛和甲基壬基甲酮。采用聚类分析法对挥发性气体的相对含量进行分析,分类结果与样本新鲜度的理化检测结果相一致,且贮藏天数相邻的样本在聚类图中也都很好地聚集在了一起。研究结果表明,挥发性气体可以用于鲐鱼新鲜度的判别。在腐败过程中,TMA在所有挥发性物质中的相对含量不断增加,且TMA是本研究所检测的新鲜度指标TVB-N的重要指标,故选择TMA作为鲐鱼整个贮藏阶段的特征气体。(3)海鱼主要食用安全危害因子的可视化技术检测机理分析提出采用量子化学法和紫外可见吸收光谱法解析色敏材料与海鱼主要食用安全危害因子的反应机理,为可视化技术传感器色敏材料的准确遴选和可视化传感器阵列的科学构建提供理论指导。采用量子化学法基于密度泛函理论通过DFT/B3LYP/6-31G(d)基组研究7种卟啉类化合物:TPP、MnTPP、ZnTPP、CoTPP、NiTPP、CuTPP、PbTPP与TMA的结合情况。它们的结合能力的排序为:MnTPP>NiTPP>ZnTPP>FeTPP>CoTPP>CuTPP>TPP,MnTPP与TMA的结合能最强,达到17.00 kcal/mol。MnTPP对TMA结合效果最好,而TPP的结合效果最差,且金属卟啉对TMA的结合能力远远强于TPP。所以在构建用于TVB-N检测的可视化传感器阵列时,应该增加其他金属卟啉类化合物。采用紫外可见吸收光谱法研究偶氮试剂与组胺的反应机理。偶氮试液对组胺检测时,在400~450nm之间有一个强吸收峰,且随着组胺浓度的增加,偶氮试液的吸光度逐渐提高,证明偶氮试液与组胺溶液在碱性环境中发生了重氮耦合反应,得到红色偶合物,组胺浓度的增加,颜色越深,吸光度越强。揭示了所筛选的偶氮试剂可用于构建用于鱼体内组胺检测的可视化传感器阵列。采用量子化学法基于密度泛函理论通过DFT/B3LYP/genecp基组(C、H、O、N用6-31G(d)基组,As、Pb和Cd原子用LANL2DZ基组)研究吡啶偶氮材料PA1-PA4、卟啉类化合物P1-P4与重金属As、Pb、Cd的反应机理。结果表明,吡啶偶氮材料与As、Pb和Cd的结合能的范围分别在620~690、180~210和200~230kcal/mol,卟啉类化合物在与As、Pb和Cd的结合能的范围分别在690~770、190~220和220~250kcal/mol。吡啶偶氮材料和卟啉类化合物在与三种重金属结合时都是与As的结合能力最强,结合能排序为As>Cd>Pb。卟啉类化合物与重金属的结合能力强于吡啶偶氮材料,但差异并不明显。所以,在构建用于重金属检测的可视化传感器阵列时,将吡啶偶氮材料PA1-PA4和卟啉类化合物P1-P4均选为色敏材料。采用紫外可见吸收光谱法检测吡啶偶氮材料和卟啉类化合物B1-B9与恩诺沙星的反应机理。结果表明,B7的响应值与恩诺沙星的浓度的关系几乎为0,其余所选色敏材料的光谱响应值与恩诺沙星溶液的浓度均呈一定的线性关系。其中B2、B4、B5的线性关系较好,因此,在构建用于恩诺沙星检测的可视化传感器时,选择了除B7之外的8个色敏材料。(4)基于可视化技术的海鱼主要食用安全危害因子检测采用所构建的可视化传感器阵列对海鱼主要食用安全危害因子进行检测。针对鲐鱼TVB-N含量的检测,以半微量凯氏定氮法检测的TVB-N含量作为对照,采用支持向量机算法建立了基于可视化技术的鱼体内TVB-N含量的预测模型。在参数c=11.3137,g=0.088388最优情况下,预测相关系数达到0.8155,均方根误差为2.5887。针对鲐鱼组胺含量的检测,筛选偶氮试剂作为色敏材料,构建了敏感单元,将所构建的敏感单元用于组胺标准液的检测。提取敏感单元的灰度值作为可视化传感器的特征值,将可视化特征值与组胺标准液的浓度建立相关关系,线性相关系数达到0.9926。针对大黄鱼体内As,Pb,Cd重金属残留的检测,筛选了4种吡啶偶氮类和4种卟啉类化合物构建新型味觉可视化传感器阵列。以ICP-MS法所得到的鱼样体内重金属含量作为参照,建立基于可视化技术的鱼体内重金属含量的支持向量机模型。在参数c=8,g=0.25最优情况下,预测相关系数达到0.76249,均方根误差为1.2723。研究结果表明,所构建的新方法对As的预测能力较好,对Pb、Cd的检测能力不高,还需进一步研究。针对恩诺沙星的检测,筛选出1种吡啶偶氮化合物和7种卟啉类化合物,构建可视化传感器阵列。建立了基于可视化技术的恩诺沙星的SVM检测模型。在c=8,g=0.35355最优情况下,预测相关系数达到了0.93836,均方根误差为9.0434,预测能力很好。研究结果表明,本研究所提出的新方法能够实现对海鱼主要食用安全危害因子的快速、简单的检测。研究结果为鱼食用安全性检测提供了新方法,对提高食品农产品食用安全性检测技术水平有积极意义,对我国渔业产品质量的控制和我国海鱼产业的发展具有促进作用。