《【食品信息学】IF=15.1!孙宝国院士团队刘慧琳教授课题组食品顶刊综述:光学传感器可视化的进展——实现霉菌毒素快速检测》

  • 来源专题:食品安全与健康
  • 编译者: 杨娇
  • 发布时间:2025-04-24
  • 近日,北京工商大学孙宝国院士团队刘慧琳教授课题组 在食品科学领域国际著名综述期刊《 Trends in Food Science & Technology 》(IF=15.1,中国科学院1区Top期刊)上 发表了题为“Advances in optical sensor visualization: Enabling rapid mycotoxin detection”的综述性论文。

    本综述深入探讨了化学发光传感、荧光传感、电化学发光传感等多种可视化光学传感模式在霉菌毒素检测中的应用。文中系统阐述了食品中霉菌毒素的危害及传统检测方法的局限性,详细解析了各类光学传感器的工作原理与设计策略。

    范围和方法:本综述基于传感机制与核心材料(包括荧光素、量子点、贵金属纳米材料、共价有机框架(COFs)、金属有机框架(MOFs)、上转换纳米粒子及酶系统),系统阐述了各类光学传感器的发展脉络。同时,聚焦光学传感领域的霉菌毒素可视化检测平台,梳理了从传统定性/半定量方法到可实现精确定量的微纳可视化平台的技术演进路径。此外,针对黄曲霉毒素、赭曲霉毒素、伏马菌素、T-2毒素、脱氧雪腐镰刀菌烯醇、玉米赤霉烯醇及展青霉素等关键霉菌毒素,专项评述了可视化光学传感器的应用进展。 主要发现和结论:光学传感器通过先进材料与可视化平台,实现了霉菌毒素的快速、经济化检测,为现场食品安全监测的落地应用提供了关键技术支撑。本综述有望推动该技术的进一步研发与实际场景部署。 综述亮点 介绍了多种基于发光/显色机制的光学传感器。 系统阐述了构建光学传感器的核心组件。 着重探讨了光学传感中可视化技术的发展路径。 综述了可视化光学传感器在霉菌毒素检测领域的创新应用。

  • 原文来源:http://mp.weixin.qq.com/s?__biz=MzkxMjM2MTM4Mw==&mid=2247509388&idx=1&sn=ac096b2d39d56be4b5ef7b45adaf957d&scene=0#wechat_redirect
相关报告
  • 《【食品放大镜】北京工商大学-孙宝国院士、刘慧琳教授团队TIFST重要成果:创新的纳米材料驱动双模和多模式传感策略用于食品安全检测》

    • 来源专题:食品安全与健康
    • 编译者:王晓梅
    • 发布时间:2024-07-15
    • 来源:食品放大镜  北京工商大学-孙宝国院士、刘慧琳教授团队TIFST重要成果:创新的纳米材料驱动双模和多模式传感策略用于食品安全检测  2024年7月,北京工商大学-孙宝国院士、刘慧琳教授团队在国际食品Top期刊《Trends in Food Science & Technology》(Q1,IF: 15.1)发表题为“Innovative nanomaterials drive dual and multi-mode sensing strategies in food safety”的研究性论文。北京工商大学博士研究生魏庆为第一作者,通讯作者为北京工商大学老年营养与健康教育部重点实验室刘慧琳教授。 食品安全已成为公共卫生问题,并逐渐引起广泛关注。开发具有增强稳定性和灵敏度的传感器对于快速、精确地检测食品安全危害至关重要。鉴于单信号读数的不稳定性,具有自验证能力的双模和多模传感策略越来越受到关注。作者分析了传感器平台中使用的不同纳米材料的特性,并根据不同的信号组合形式描述了双模和多模传感器的设计原理和性能。随后,我们全面概述了基于纳米材料的非单信号传感器的最新进展,用于检测各种食品危害和监测食品新鲜度。最后,我们介绍了该战略在食品安全领域的挑战和发展方向。双模和多模传感策略凭借自检自标定、多场景兼容、多目标检测等优势,成为食品安全检测的有力工具。这种强大的性能来自纳米材料的优异性能及其与各种信号的高度集成。不同的信号在检测性能方面各有优势和局限性。根据食品污染物和检测环境,可以选择不同的信号组合,以弥补每个信号的缺点并发挥其各自的优势。未来,该策略有望实现食品中多种污染物的同步检测和快速准确的信号读出,以应对突发公共卫生和有害物质筛查的挑战。 研究亮点 讨论了用于双模或多模传感器的纳米材料的特性。 介绍了基于不同信号组合的双模和多模传感器的原理。 总结了用于检测食品危害和监测食品新鲜度的非单信号传感器的最新进展。 该策略的优点是自验证、兼容性好、多目标检测能力强。 提出了双模或多模传感策略在食品安全中面临的挑战和机遇。 研究结论 基于双模和多模传感器的纳米材料将多种信号输出模式与自我验证功能相结合,将有助于更灵敏、可靠、更快速地检测食品中的各种污染物。尽管该策略在食品安全测试中表现出色,但仍面临一些需要解决的挑战。一些研究被标记为“双模式”或“多模式”,但它们仍然使用两种不同的方法分别检测相同的目标物质,获得两个信号,而不是像双模式检测那样同步触发两个信号。 未来,随着智能传感器器件的进步和巧妙的纳米材料设计,有望开发出更多能够同时读取多个信号的高度集成的传感平台。同时,食品和农业基质通常同时含有多种污染物,因此需要开发更多的双模式和多模式检测系统,能够检测相同或不同类别的危害。特别是,与双模传感策略相比,多模策略在应对这一挑战方面更有效。此外,食品安全风险问题需要现场检测、加快数据处理和决策。双模或多模传感策略显著缩短了检测时间并简化了信号读出。 尽管与智能手机的集成大大增强了用户友好性,但不同品牌或型号的智能手机之间的像素和分辨率差异可能会导致检测结果出现错误。这种传感策略与个人血糖仪(PGM)等商用便携式设备的集成代表了该领域未来发展的一个有希望但具有挑战性的方向。同时,将读出结果与人工智能技术相结合,可以增强检测性能和分析处理能力。此外,虽然多模传感策略具有多个信号输出,因此具有更好的兼容性和稳定性,但信号输出的增加也意味着更高的集成度和更高的成本。这可能会限制这种策略从实验室到商业化的应用,但纳米技术的进步有望促进可重复使用或模块化传感器设计的开发,从而降低单次检测的成本,从而逐步降低商业化传感器的制造成本。同时,多模态传感器产生的大量多维数据需要高效的数据处理和分析能力,对数据管理系统和算法提出了很高的要求,开发专业化的数据管理分析软件结合人工智能和机器学习算法,可以在一定程度上提高数据处理的效率和准确性。因此,我们相信,随着纳米技术的进步和检测人员技能的提高,多模态传感策略将在未来被广泛用于商业化。总之,双模和多模传感策略与人工智能和便携式传感设备相结合,有望在突发和紧急公共卫生情况下高效、准确地应对污染物筛查的挑战。 图文摘要 图文赏析 图 1.(A)双模和多模策略首次报告的时间和示意图(Liang et al., 2011 P. Wu et al., 2011 Xiaoyan et al., 2014 H. Liu et al., 2015 Zhi et al., 2022)。(B) Web of Science 的年度出版物和引用次数。(C)在过去 5 年内选定的 1045 篇参考文献中使用 Web of Science 核心合集进行涉及双模式和多模式策略的搜索得出的文献计量网络图。使用不同的颜色来指示术语属于六个聚类中的哪一个。结果由荷兰莱顿大学的VOSviewer版本1.6.20进行。 图2.FeS的合成示意图2@SNW-1(A)及基于FeS的双信号GSH检测生物传感器示意图2@SNW-1(B)(N. He 等人,2022 年)。用于超灵敏诺如病毒检测的电化学和比色双模生物传感器示意图。(C)双功能探针的制备;(D)用于超森特诺如病毒检测的电化学和比色双信号生物传感器的原理(Ning et al., 2024)。 图3(A)在不同浓度的As(III)(0?500ppb)存在下系统溶液的紫外-可见吸收光谱(J. Li等人,2020)。插图是系统溶液在不同浓度的As(III)存在下的颜色变化。(B)在不同浓度的As(III)(0?500ppb)存在下的传感溶液的荧光光谱,插图是系统溶液在添加不同浓度的As(III)时的荧光变化(J. Li等人,2020)。(C) CoOOH纳米片/OPD系统对AA(0–220μM)的荧光响应。插图:用于AA测定的荧光图像(S.Zhang等人,2021)。(D) OPD/CoOOH 纳米片体系与 AA 浓度(0–220 μM)的吸收光谱图(S. Zhang 等人,2021 年)。插图是用于 AA 测定的颜色变化。 图4(A) IRMOF-3-L/Cu应用示意图2+用于三模 Glyp 检测的探针(Guan 等人,2023 年)。(B) H的示意图2通过三信号平台检测 S(Fang 等人,2023 年)。(C)发光光谱,(D)热敏UCL光谱,(E)三重信号平台SWV曲线对不同浓度H的响应2S. (F) CsWO应用示意图3-FCD纳米杂化物,用于基于无线电化学和发光的细菌传感系统,具有细菌的光热消融(Robby等人,2021)。(G) MnO示意图2@MB用于检测抗坏血酸的NS四模传感平台(Zhi等人,2022)。 原文链接 https://doi.org/10.1016/j.tifs.2024.104636 食品放大镜 
  • 《【食品信息学】浙江科技大学吴琳琳课题组食品顶刊综述: 利用人工智能助力茶叶检测——策略、进展和未来前景》

    • 来源专题:食品安全与健康
    • 编译者:杨娇
    • 发布时间:2024-09-30
    • 浙江科技大学 生物与化学工程学院吴琳琳(通讯作者)等在国际食品Top期刊《Trends in Food Science & Technology》(Q1,中国科学院1区,IF: 15.1)发表题为“Advancing tea detection with artificial intelligence: strategies, progress, and future prospects”的综述性论文。 茶叶是发展中国家的重要经济作物,对农村发展、减贫和粮食安全至关重要。茶叶具有消炎和抗氧化作用,对健康有益。实现从田间到茶杯的茶叶价值链的可持续发展是全人类的共同目标。人工智能算法与新兴技术相结合,可提高茶叶质量检测的效率和准确性,从而促进茶产业的健康和可持续发展。本文回顾了人工智能中常见的机器学习和深度学习算法,概述了其优势和局限性。重点介绍了在人工智能算法的辅助下,应用传感器技术和光谱技术有效检测茶叶质量的方法。