近日，中国农业科学院农产品加工研究所粮油减损与真菌毒素防控创新团队运用高灵敏全细胞生物传感器阵列和AI机器学习回归模型，成功开发出一种可精准量化监测玉米、花生霉变程度及黄曲霉毒素B1含量的预警技术。相关成果发表于《危险材料杂志》(Journal of Hazardous Materials)。
粮食和油料霉变产生的真菌毒素，尤其是强致癌物黄曲霉毒素B1严重威胁食品安全与人体健康。
研究针对黄曲霉侵染玉米、花生后释放的特征性有机挥发物，筛选出8个特异性诱导表达基因，构建了8种大肠杆菌发光菌株，形成全新的全细胞生物传感器阵列。该阵列结合多种机器学习回归模型，实现了对霉变天数和黄曲霉毒素B1含量的精准预测，预测准确率分别达94%和98%，并且独立菌株展现出良好泛化能力，验证了该技术在不同基质和菌株中的稳健性。该技术为粮油食品中真菌及毒素风险监测提供了创新性的解决方案。
该研究得到中国农业科学院重大科研任务和国家农业科技创新工程等项目的资助。
相关论文信息：https://doi.org/10.1016/j.jhazmat.2025.139883
版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
