纳米酶生成生物胺显色指纹，机器学习捕捉肉类变质信号

肉类储存过程中，微生物会促进氨基酸脱羧，产生组胺、精胺、色胺和酪胺等生物胺。这些物质可以反映肉类新鲜度的变化，部分生物胺含量过高还可能引起食物中毒、血压异常和呕吐。几种生物胺结构相近，通常又会同时存在，采用一个识别元件检测一个目标物时，需要建立多套检测体系。高效液相色谱和质谱能够进行准确分析，但对设备、人员和样品前处理要求较高，不适合用于供应链中的快速筛查。

本研究采用比色指纹的方法进行区分。研究通过ZIF-8限域热解制备Mn-N-C纳米酶，使材料同时具有氧化酶样和过氧化物酶样活性。四种生物胺对两种酶样反应的抑制程度不同，在不同反应时间下也会产生差异。将两个反应体系和三个读数时间点组合后，形成六个颜色响应通道。检测时不只观察一个反应的颜色深浅，而是把六个通道组成的响应图谱交给分类模型处理。

图1. 生物胺对Mn-N-C-900双酶样活性的影响。（a–d）组胺、精胺、色胺和酪胺对Mn-N-C-900氧化酶样活性的影响；（e–g）组胺、精胺、色胺和酪胺对其过氧化物酶样活性的影响；（h）Mn-N-C-900与生物胺的Zeta电位测定；（i）氧气对Mn-N-C-900氧化酶样活性的影响。

900 °C热解得到的Mn-N-C-900具有多孔结构，比表面积为1294.22 m2/g，可以提供较多的表面活性位点。以TMB为底物时，氧化酶样反应的Km值为0.1584 mM；以OPD为底物时，过氧化物酶样反应的Km值为0.1498 mM。材料放置30天后，氧化酶样和过氧化物酶样活性仍保留超过95%。这为传感阵列的重复使用和批量检测提供了材料稳定性基础。

传感阵列由两种酶样活性和三个反应时间组成，共设置六个比色通道。组胺、精胺、色胺和酪胺在2、5和10 ppm下产生了不同的响应图谱。线性判别分析和层次聚类分析均能将四种生物胺分开，在低浓度条件下也形成了清晰的聚类。

图2. 构建的多通道传感阵列用于生物胺检测。（a–c）2、5和10 ppm生物胺的指纹图；（d–f）对应的环形聚类热图；（g）10 ppm条件下的线性判别分析图；（h）10 ppm条件下的层次聚类分析图；（i–k）2和5 ppm条件下的线性判别分析和层次聚类分析图。

研究还检测了亚精胺、腐胺、尸胺、尿素以及Na+、K+、Mg2+等干扰物。与四种目标生物胺相比，干扰物在六个通道中的整体响应较低，线性判别分析的分类准确率为100%，层次聚类也可以将不同组分分开。将目标物组成二元和三元混合物后，在2和10 ppm条件下仍能形成不同的响应指纹，LDA和HCA可以对混合物进行区分。

鱼、猪肉和鸡肉被用于真实样品基质验证。加标后，四种生物胺在不同浓度下仍能在LDA图中形成分开的聚类，HCA没有出现明显的交叉分类。样品先经过提取和稀释以减小基质影响，再用阵列响应和模式识别方法进行判断。这个实验主要验证阵列在肉类基质中是否还能保持区分能力，并不是对天然腐败过程中生物胺含量的直接定量。

图3. 传感阵列在真实样品中的检测能力评价。（a–f）鱼、猪肉和鸡肉基质中2和10 ppm生物胺的线性判别分析；（g–l）对应样品的层次聚类分析。

除生物胺种类外，现场检测还可能遇到浓度未知的问题。研究将2、5和10 ppm三个浓度水平的响应合并为统一标签，建立浓度非依赖的分类模型。数据集包括120个响应样本，训练集和测试集按8:2划分。决策树、K近邻和支持向量机在训练集上的准确率分别为92.71%、90.62%和90.62%，随机森林和人工神经网络在交叉验证中达到100%。

在独立测试集中，决策树和随机森林的准确率分别为93.33%和96.67%，人工神经网络、支持向量机和K近邻均达到100%。K近邻和支持向量机的训练准确率相对较低，说明模型在不同数据中的分类边界还不够稳定。综合训练集和测试集结果，研究选用人工神经网络进行后续真实样品分析。在鱼、猪肉和鸡肉基质中，ANN对四种生物胺的分类准确率均为100%，没有观察到交叉误判。

这种检测方式没有要求每种生物胺都对应一个完全独立的识别元件，而是利用不同物质对多个反应通道产生的差异，再用模型分析整体响应。对于结构相近、浓度较低并且容易共同出现的生物胺，这种阵列化方法可以减少分别建立检测体系的工作量。

图4. 多种机器学习算法用于生物胺判别。（a）训练集和测试集热图；（b）不同算法在训练集上的分类准确率；（c）不同算法在测试集上的分类准确率；（d–h）ANN、RF、DT、KNN和SVM在训练集上的混淆矩阵；（i–m）对应算法在测试集上的混淆矩阵。

本研究将Mn-N-C纳米酶的双酶样反应、六通道比色阵列和机器学习分类结合起来，在2–10 ppm范围内区分了组胺、精胺、色胺和酪胺，并在鱼、猪肉和鸡肉基质中进行了验证。人工神经网络在这些样品中达到100%分类准确率。现阶段，该方法更适合用于肉类生物胺的快速筛查和早期变质预警；对于天然腐败样品的长期变化、不同储运条件下的检测以及具体定量阈值，还需要进一步验证。

论文来源：https://doi.org/10.1016/j.foodchem.2026.150340