《食品科学》：“食源性危害物防控技术”专栏文章（一）

食源性危害物主要包括生物性危害（细菌、病毒、寄生虫及霉菌及其毒素）、化学性危害（农药和兽药残留、工业污染物、重金属、自然毒素及某些激素等）和物理性危害（放射性物质产生的辐射、可见异物污染等）。食源性危害物导致的食品安全事件不仅危害消费者安全健康，且导致严重的经济损失，引起了广泛的社会关切。因此，研究和开发食源性危害物防控技术极其重要。食源性危害物防控技术是为确保食品安全，采取的一系列技术和管理措施，以识别、评估、预防、控制或消除食品生产、加工、储存、运输和销售等环节中存在的潜在危害，旨在探讨和推广有效的食品危害物防控措施，以保障食品安全和公众健康。

特邀专栏主编：林少玲教授、郭鸣鸣研究员、尚玉婷副研究员

专栏文章

摘要：建立一种可对葡萄汁中大肠杆菌O157（

Escherichia coli

结论：本研究建立了一种基于水凝胶数字PCR的大肠杆菌O157快速检测新方法。鉴于大肠杆菌O157作为重要的食源性致病菌，能够引发严重的食物中毒和溶血性尿毒综合征，建立快速、灵敏的检测方法具有重要意义。

通过对水凝胶材料进行红外光谱、扫描电子显微镜和差示扫描量热表征，并优化PCR扩增条件（包括扩增程序、引物浓度和荧光染料用量），成功开发了一种高效的检测体系。该方法不仅具有较高的检测灵敏度和特异性，还具备操作简便、快速高效等优势，具体体现在以下几个方面：1）开发了基于水凝胶芯片的数字PCR技术，实现了对大肠杆菌O157的精准直接细菌检测；2）该方法对目标菌株具有高度的特异性，检出限可达单细菌水平，并且在测试过程中与其他常见食源性致病菌（如普通大肠杆菌、金黄色葡萄球菌、伤寒沙门氏菌、单核增生李斯特菌等）没有交叉反应。通过特异性引物扩增目标基因，能够有效避免假阳性和假阴性结果的出现；3）该方法无需复杂的样品前处理，具有良好的抗抑制效果，显著简化了实验流程。在与传统的细菌染色计数法和平板计数法进行对比时，该方法与这些常规方法所得结果无显著性差异，但所需时间更短，且特异性更高；4）在人工污染葡萄汁样品的验证实验中，阳性检出率为100%，且回收率为96.9%～112.0%，相对标准偏差为3.6%～12.4%。从取样到结果报告，整个检测过程仅需40 min即可完成，相较于传统方法，检测时间显著缩短。本研究所开发的基于水凝胶芯片的数字PCR技术不仅适用于葡萄汁等食品安全领域的快速检测，还可以拓展应用于环境监测、临床诊断等多个领域。该方法为食品安全的快速检测提供了新的技术手段，具有重要的实际应用价值和广阔的市场前景。

引文格式：

易子涵, 林星宇. 基于水凝胶芯片的数字PCR精准定量葡萄汁中的大肠杆菌O157[J]. 食品科学, 2025, 46(15): 1-9. DOI:10.7506/spkx1002-6630-20250103-015.

YI Zihan, LIN Xingyu. Accurate quantification of

Escherichia coli

摘要：为探究冷鲜肉保鲜包装技术，制备一种新型纳米抗菌材料——以类黑色素纳米颗粒为载体进行表面修饰的纳米氧化锌（ZnO NPs@MelNPs），研究其对冷鲜肉中具有强致腐能力的假单胞菌（

Pseudomonas fluorescens

P. fluorescens

结论：本实验制备的新型纳米复合材料ZnO NPs@MelNPs对荧光假单胞菌的生长具有显著抑制作用，其作用机制为：纳米颗粒破坏了细菌细胞膜的完整性，使细胞膜的渗透性增加，导致无机盐离子、核酸和蛋白泄漏，从而使细胞丧失生命活力。

纳米颗粒的内吞作用、自由基发生反应、锌离子的持续释放均可引起上述抑菌机制的运行，为了充分验证ZnO NPs@MelNPs作为一种新型抗菌物质在食品实践中的应用，仍然需要深入研究其对荧光假单胞菌的分子抑菌机制及对其他食源性有害微生物的作用方式。其中，分子作用机制深化方向具体展开包括基因表达调控层面、蛋白质相互作用以及代谢通路干扰机制，后续可优先开展转录组学和蛋白质组学研究，锁定关键分子靶点。

引文格式：

刘梓钰, 梁晓云, 赵王晨, 等. 类黑色素-氧化锌纳米复合物对冷鲜肉中强致腐假单胞菌的抑制作用机理[J]. 食品科学, 2025, 46(15): 10-15. DOI:10.7506/spkx1002-6630-20241224-190.

LIU Ziyu, LIANG Xiaoyun, ZHAO Wangchen, et al. Antibacterial effect and mechanism of melanin-like/zinc oxide nanocomposite on

Pseudomonas fluorescens

摘要：随着全球食品安全问题的日益严峻，快速预测食品中的潜在毒素变得至关重要。传统预测方法如化学分析和生物测定法虽能提供精确结果，但耗时长、成本高且操作复杂，难以满足大规模筛查需求。近年来，机器学习技术凭借其强大的数据处理能力和模式识别优势在食品生物毒素预测领域展现出广阔应用前景。本文首先论述生物毒素预测在食品安全领域的重要性，随后详细介绍机器学习的基础理论与关键算法模型，并重点讨论其在生物毒素预测中的应用，分析不同算法和模型的实际效果。针对机器学习在生物毒素预测中存在的问题，探讨了模型优化与改进策略，包括特征选择、超参数调整和集成学习等技术，并指出实际应用中可能面临的挑战，如数据可用性、模型泛化能力以及跨学科合作的复杂性等，同时提出潜在研究方向。未来随着机器学习技术的不断进步及食品生物毒素数据集的逐步扩增，预计其在食品生物毒素预测领域的应用将进一步发展，为环境保护和人类健康提供更有力支持。

结论：机器学习技术在食品生物毒素预测领域展现出了显著的潜力和实际应用价值。本文总结了机器学习模型在处理复杂数据和识别模式方面的能力，为食品生物毒素的早期识别和预测提供了强有力的工具。同时阐述了机器学习技术在特征选择、超参数调优和集成学习方法的潜力，这些方法将显著提高模型的准确性和鲁棒性，使得预测结果更加可靠。尽管面临数据隐私、模型解释性和实时监测等挑战，机器学习算法在食品生物毒素预测的应用不仅有助于保护消费者健康，也对环境保护和可持续发展具有重要意义。随着机器学习技术的不断进步和创新，预计未来其将在食品安全监测和环境保护中发挥更加重要的作用，实现更精准、快速的预测，为食品中生物毒素的精准预测和在线预测提供参考。

引文格式：

丁浩晗, 韩瑜, 宋晓东, 等. 机器学习在食品安全领域生物毒素预测中的应用与展望[J]. 食品科学, 2025, 46(15): 16-26. DOI:10.7506/spkx1002-6630-20250206-016.

DING Haohan, HAN Yu, SONG Xiaodong, et al. Current situation and future prospects of the application of machine learning in biotoxin prediction in foods[J]. Food Science, 2025, 46(15): 16-26. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250206-016.

摘要：真菌感染在食品领域构成严重威胁，不仅会导致食品腐败变质，还可能引发食源性疾病，从而影响食品安全和公众健康。光动力技术作为一种新兴的非热杀菌技术，因其高效灭活真菌且不易诱导耐药性而受到广泛关注。尽管该技术在医学领域已成功用于治疗多种真菌感染，但其在食品领域的应用尚处于探索和研究阶段。本文概述光动力抗真菌技术的作用机理和技术难点，全面分析其在食品领域的发展现状。在此基础上，探讨光动力抗真菌技术在食品保鲜中的应用前景，以期为该技术在食品工业中的深入研究和产业化应用提供重要的理论支撑和技术指导。

结论：光动力抗真菌技术作为一种成熟的非热杀菌技术，在医疗和临床领域已广泛应用于多种真菌感染的治疗，并取得了显著成效。然而，其在食品领域的应用仍处于探索阶段。本文系统分析了光动力抗真菌技术的作用机理及技术难点，从光敏剂、光源和真菌类型3 个维度深入剖析了该技术在食品领域的发展现状，进而探讨光动力抗真菌技术在食品保鲜中的应用前景。PDT能有效控制食品中病原真菌，可用于延长新鲜蔬菜、水果、谷物等食品的保质期，且不会对食品品质和风味产生显著影响。

然而，尽管PDT在食品领域展现出巨大潜力，但其实际应用仍面临一些挑战。例如，真菌复杂的细胞结构、光敏剂的水溶性和稳定性问题、光照分布不均等。此外，公众对长期食用经PDT处理食品的安全性仍存在一定担忧。基于目前研究的局限性，未来的研究方向可以集中在以下几个方面：首先，应着重于光敏剂的改良与创新，尤其是无色无味的天然光敏剂，以提高其在食品中的适用性和安全性；其次，光照系统的优化与创新，确保光照的均匀性和穿透深度，以提升PDT的杀菌效率。对于表面积较大，形状趋近于球体的食品，可以考虑全方位照明；此外，还应积极探索协同增强PDT技术的开发，例如采用纳米联合PDT、光动力联合抗真菌药物等手段，进一步提升PDT的抗真菌效果。

光动力抗真菌技术作为一种绿色、高效的杀菌方法，在食品保鲜领域展现出巨大的应用潜力。随着技术的不断进步，未来有望在食品领域发挥更大作用，为食品安全和人类健康提供保障。

引文格式：

陈妙凤, 杨昊青, 卢艺慧, 等. 光动力抗真菌技术研究进展[J]. 食品科学, 2025, 46(15): 27-34. DOI:10.7506/spkx1002-6630-20250321-167.

CHEN Miaofeng, YANG Haoqing, LU Yihui, et al. Research progress on photodynamic antifungal technology[J].Food Science, 2025, 46(15): 27-34. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250321-167.

摘要：基于机器学习与深度学习技术，采集我国2022—2024年间不同区域和季节的原奶成分数据，探索一种利用易测得数据定性预测黄曲霉毒素M1的方法，降低乳品工厂的批量检测成本。研究基于筛选得到的16 类特征数据集，采用线性回归、随机森林、支持向量机等多种机器学习方法以及基于Transformer架构的方法进行预测实验，并通过对比实验分析这些模型在阴性样本和阳性样本上的预测性能及方差稳定性。实验证明，基于Transformer架构方法的预测方法综合性能最佳。同时，研究还通过消融实验探究了Transformer架构下位置编码与注意力机制对模型性能的影响。总的来说，本研究通过深度学习方法实现了黄曲霉毒素M1的高效定性预测，相对于传统方法而言，该方法既可以满足高通量的需求，又通过减少多余检测环节的方式显著降低了检测成本，为乳制品安全检测提供了数智化转型的解决方案和模型优化的理论依据。

讨论：本研究开发了一种替代传统检测方法的快速检测算法，在方法层面提出基于Transformer架构的毒素预测模型，通过自注意力机制解析原奶成分非线性关联，较传统算法实现定性预测准确率提升至80%。同时，创新性的提出“横向对比-纵向消融”复合验证框架，量化了位置编码与多头注意力对预测性能的增益效应。实验结果表明，Transformer模型在阳性样本的准确率和F1得分上领先，同时具备较低的方差，展现了对数据特征的强大建模能力。而其余模型虽然有部分指标略高于Transformer，但是综合能力依然较为低下。此外，研究证明了在该数据集中，Transformer模型中的位置编码会影响模型性能，将Transformer模型简化为FFN后，模型的稳定性有所下降，但是在召回率指标上，进一步验证了注意力机制对于Transformer模型而言可能存在负面影响。研究所采用的Transformer结构如图7所示。

尽管模型在预测AFM1的实验中取得了较高的准确率，但仍存在一定的局限性和问题，首先是数据不平衡问题，本实验中，阳性样本的比例明显低于阴性样本，导致部分模型在召回率指标上的表现不足。即使通过随机采样阴性数据平衡样本量进行过优化，仍难以完全消除这一影响，可能会限制模型在实际应用中的泛化能力。此外，对与阳性样本缺失的一些特征而言，KNN插值方法的效果也存在局限，难以完全补充特征数据中的潜在信息。其次是注意力机制分配问题，在Transformer模型的实验过程中，研究输出了特征的注意力分数，结果显示Transformer模型对所有特征分配了均等的注意力分数。这说明Transformer的注意力机制未能有效地捕捉特征之间的重要性差异，可能是由于数据特征的非序列性或数据集本身特征信息较少的局限性导致的。注意力机制的失效使得Transformer的优势未能充分发挥，而这一现象也进一步促使研究开展了消融实验，将Transformer回退为FFN以探究性能差异。实验结果表明，虽然注意力机制对所有特征分配了均等的注意力分数，但是注意力机制的保留依然能够提升模型的稳定性，内部原因仍然需要进一步提升模型的可解释性进行探究。

从机器学习的角度而言，机器学习算法擅长从大量数据中自动挖掘潜在的关联模式，即使这些模式在传统理论中尚未被明确揭示。研究以此为基础，对大量原奶样本数据分析，试图从数据中找到潜在关联，从而实现AFM1的预测，而研究的实验表明这些机器学习方法的确有效，具有较高的预测准确率。但是现有的研究并没有充足的理论依据证明这些特征对AFM1有关联度贡献，对于机器学习而言，模型的可解释性同样是人工智能领域的难题，模型是如何利用这些特征做出该预测的同样值得研究。

综上所述，基于本研究，未来研究仍需进一步解决阳性样本数据不平衡问题，利用生成对抗网络等合成方法生成更高质量的样本数据。同时，未来使用更加可信的模型解释方法帮助研究人员分析模型推理结论的过程，探究AFM1与这些特征的关联程度，从而进一步利用更加严谨的实验方法证明AFM1与这些特征的联系。通过此方式深入探索AFM1与其他特征变量的内在关联，优化特征筛选方法，引入更多相关特征，从而进一步提升模型性能，实现更加精确的AFM1定性预测。

引文格式：

王龙, 宋晓东, 丁浩晗, 等. 基于Transformer架构的原奶中黄曲霉毒素的定性预测[J]. 食品科学, 2025, 46(19): 1-9. DOI:10.7506/spkx1002-6630-20250303-013.

WANG Long, SONG Xiaodong, DING Haohan, et al. Qualitative prediction of aflatoxin in raw milk based on Transformer architecture[J]. Food Science, 2025, 46(19): 1-9. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250303-013.

特邀主编简介

林少玲 教授

林少玲，福建农林大学食品科学学院教授、博士、博士生导师。长期从事光动力技术阻控食源性致病菌的作用机理及其在食品贮藏保鲜中的应用研究。兼任福建农林大学未来技术学院特聘教授和泰国玛希隆大学特聘客座教授，任农业农村部食用菌加工及综合利用技术集成科研基地副主任。先后荣获“2021年度中国博士后科学基金资助者选介”、福建省“雏鹰计划”青年拔尖人才、福建省高层次人才（C类）、2021年度福建省科学技术三等奖（主持人）等荣誉称号。2009年毕业于暨南大学食品质量与安全专业，获学士学位；2012年毕业于暨南大学食品科学与工程专业，获硕士学位；2015年毕业于香港中文大学生物专业，获博士学位。近五年主持国家自然科学基金面上项目和青年科学基金项目、国家重点研发计划项目子课题、福建省自然科学基金杰青项目、对外合作项目和青年基金项目、泰国玛希隆大学国际合作学者资助项目等十余项科研项目。以第一作者/通信作者身份发表高水平论文60余篇，以第一完成人获国家授权发明专利7 件，主译国外优秀食品科学与工程专业教材《高级食品毒理学》（中国轻工业出版社，2023），担任

Polymers、Foods、Frontiers in Nutrition

Journal of Future Foods

Food Chemistry、Antioxidants、Food Research International、Journal of Functional Foods、Journal of Agriculture and Food Chemistry、Molecules

郭鸣鸣 研究员

郭鸣鸣，博士，浙江大学“百人计划”研究员、博士生导师。江南大学博士，曾赴美国农业部东部研究中心访学、美国特拉华大学进行博士后研究。主要从事农产品微生物安全控制、食品非热加工、食品活性与智能包装等研究工作。近5 年，主持国家自然基金项目、浙江省杰出青年自然科学基金项目、国家重点研发项目子课题等科研项目，并以第一作者或通信作者在

Advanced Science、ACS Applied Materials & Interfaces、Comprehensive Reviews in Food Science and Food Safety

尚玉婷 副研究员

尚玉婷，博士，暨南大学食品科学与工程系副研究员，硕士生导师。江南大学博士，清华大学博士后。主要研究方向为食品微生物安全检测与防控技术的基础与应用研究，聚焦微流控分子诊断和检测识别元件的挖掘。近5 年，主持国家自然基金青年科学基金项目，国家重点研发计划项目子课题，中国博士后科学基金面上资助等项目；共发表论文46 篇，其中以第一作者/通信作者（含共同）在

Trends in Analytical Chemistry、Trends in Food Science & Technology、Biosensors and Bioelectronics、Food Chemistry、Analytical Chemistry、Journal of Agricultural and Food Chemistry

专栏网址：

《食品科学》2025年15期：

https://www.spkx.net.cn/CN/volumn/volumn_1916.shtml

《食品科学》2025年19期：

https://www.spkx.net.cn/CN/volumn/volumn_1920.shtml

实习编辑：李雄；编辑：阎一鸣；责编：张睿梅。图片来源于文章原文及摄图网。