该文档属于类型a，即报告了一项原创性研究。以下是对该研究的详细学术报告：

研究作者及机构

该研究由William Appaw、John-Lewis Zinia Zaukuu、Balkis Aouadi、Eric Tetteh Mensah、Ibok Nsa Oduro和Zoltan Kovacs共同完成。其中，William Appaw、John-Lewis Zinia Zaukuu、Eric Tetteh Mensah和Ibok Nsa Oduro来自加纳的Kwame Nkrumah University of Science and Technology，而Balkis Aouadi和Zoltan Kovacs则来自匈牙利的Hungarian University of Agriculture and Life Sciences。该研究于2025年3月发表在期刊《Applied Food Research》上。

学术背景

该研究的主要科学领域是食品科学与技术，特别是关于黄曲霉毒素（aflatoxin）的检测与定量。黄曲霉毒素是由曲霉属真菌（如Aspergillus flavus和Aspergillus parasiticus）产生的有毒代谢产物，广泛存在于玉米等农作物中，尤其是在热带和亚热带地区。黄曲霉毒素被国际癌症研究机构（IARC）列为1类致癌物，对人类健康构成严重威胁。传统的黄曲霉毒素检测方法通常需要复杂的样品制备和较长的分析时间，因此研究者们正在探索更快速、更经济的替代方法。

近红外光谱（Near-Infrared Spectroscopy, NIRS）作为一种非破坏性、快速且环保的技术，近年来在食品和农业领域得到了广泛应用。本研究旨在结合可见/近红外光谱（Vis/NIRS）、化学计量学（chemometrics）和水光谱学（aquaphotomics）技术，开发能够检测和定量玉米中黄曲霉毒素污染水平的模型。研究的具体目标包括：1）开发能够区分不同黄曲霉毒素污染水平的预测模型；2）优化预处理技术以提高模型准确性；3）评估偏最小二乘回归（Partial Least Squares Regression, PLSR）在黄曲霉毒素定量中的效果；4）探索水分子结构变化作为黄曲霉毒素污染的潜在指标。

研究流程

研究主要分为以下几个步骤：

1. 样品获取与制备

研究使用了加纳Ejura地区种植的两种玉米品种：“Omankwa”（白玉米）和“Abonten”（黄玉米）。样品分为自然污染组（NWM）、人工污染白玉米组（AWM）和人工污染黄玉米组（AYM）。自然污染组通过将白玉米存放在含有Aspergillus spp.的麻袋中，在40°C和80%相对湿度的条件下培养10天，诱导黄曲霉毒素污染。人工污染组则通过将黄曲霉毒素标准品添加到无污染的玉米粉中，制备出黄曲霉毒素浓度分别为0、3、5、10、20、30和50 ng/g的样品。每组样品均制备了三份，共63个样品。

2. 高效液相色谱（HPLC）分析

使用HPLC对样品中的黄曲霉毒素进行定量分析。提取方法基于ISO 16050:2003标准，使用甲醇/去离子水（80:20）提取黄曲霉毒素，并通过免疫亲和柱（Vicam Aflatest）进行纯化。HPLC分析使用Shimadzu 20Ax系列仪器，配备荧光检测器，检测限（LOD）和定量限（LOQ）分别为0.5 ng/g和1 ng/g。

3. 可见/近红外光谱（Vis/NIRS）测量

使用Metrohm XDS RapidContent Analyzer光谱仪对样品进行光谱测量，波长范围为400-2500 nm。每个样品进行三次扫描，共获得189个光谱数据。光谱数据预处理包括Savitzky-Golay平滑、标准正态变量（SNV）和多元散射校正（MSC）等技术，以减少噪声和基线漂移的影响。

4. 数据分析与建模

研究使用主成分分析（PCA）和基于PCA的线性判别分析（PCA-LDA）对光谱数据进行分类。PCA用于降维和可视化样品之间的差异，而PCA-LDA则用于开发分类模型。此外，研究还使用偏最小二乘回归（PLSR）对黄曲霉毒素浓度进行预测。模型性能通过交叉验证进行评估，主要指标包括决定系数（R²）、均方根误差（RMSE）和预测偏差比（RPD）。

5. 水光谱学（Aquaphotomics）分析

研究还通过水光谱学技术分析了黄曲霉毒素污染对水分子结构的影响。水光谱学通过分析水分子在近红外光谱中的吸收模式，揭示样品中水分子结构的变化。研究使用Aquagram（水光谱图）可视化不同黄曲霉毒素浓度下的水分子结构变化。

主要结果

1. 光谱分析

在不同波长范围内观察到多个吸收峰，特别是在500、950、1000、1300、1500、1900、2100和2300 nm处。这些吸收峰与黄曲霉毒素污染相关。白玉米和黄玉米的光谱在视觉上存在重叠，但通过化学计量学技术可以有效区分。

2. 分类模型

PCA-LDA模型在450-1050 nm和1150-2400 nm波长范围内的分类准确率分别为92.52%和92.54%。在单独分析每个数据集时，分类准确率达到100%。模型的灵敏度、精度、特异性和F1得分均接近1，表明模型具有较高的性能。

3. 定量预测

PLSR模型在450-1050 nm波长范围内的预测性能最佳，交叉验证决定系数（R²cv）为0.99，均方根误差（RMSEcv）为1.70 ng/g，预测偏差比（RPD）为9.90。检测限（LOD）和定量限（LOQ）分别为0.60 ng/g和1.81 ng/g，远低于欧盟和美国FDA的限值。

4. 水光谱学分析

Aquagram显示，黄曲霉毒素污染导致水分子结构发生显著变化，特别是在1342、1364、1374、1384、1412、1426、1452、1476、1488和1512 nm等水基质坐标（WAMACs）处。这些变化可以作为黄曲霉毒素污染的潜在指标。

结论

研究表明，Vis/NIRS结合化学计量学和水光谱学技术可以作为一种快速、非破坏性的方法，用于检测和定量玉米中的黄曲霉毒素污染。研究开发的模型具有高准确性和低误差，能够满足监管要求。此外，水光谱学技术为黄曲霉毒素检测提供了新的视角，揭示了水分子结构变化与黄曲霉毒素污染之间的关系。

研究亮点

1. 高精度模型：研究开发的PCA-LDA和PLSR模型在黄曲霉毒素分类和定量方面表现出色，分类准确率达到100%，定量误差低于监管限值。
2. 水光谱学应用：首次将水光谱学技术应用于黄曲霉毒素检测，揭示了水分子结构变化与黄曲霉毒素污染之间的关系。
3. 快速、非破坏性检测：Vis/NIRS技术无需复杂样品制备，能够在现场进行实时分析，为黄曲霉毒素监测提供了高效解决方案。

其他有价值的内容

研究还建议建立区域特定的校准模型，以考虑不同玉米品种和环境因素对黄曲霉毒素污染的影响。此外，研究强调了云存储和数据分析在供应链数字化中的重要性，能够提高决策效率和减少浪费。

总体而言，该研究为黄曲霉毒素检测提供了新的技术路径，具有重要的科学和应用价值。