表面增强拉曼光谱快速检测食品中双酚A的研究进展

准确、快速地检测双酚A(BPA)是减少食品中BPA污染的重要环节。表面增强拉曼光谱（SERS）技术作为一种新型的快速检测技术,具有无损、准确、快速、图谱指纹特征强等优点,在食品中BPA快速检测方面具有巨大潜力。本文介绍了SERS的机制及SERS技术在食品中BPA快速检测方面的应用,主要综述了不同SERS基底快速检测BPA的研究进展,以期为BPA的快速检测提供理论支撑。     

基于表面增强拉曼光谱检测双酚A的研究进展

双酚A(bisphenolA,BPA)的化学结构与内源性雌激素类似,能模仿或干扰内源性雌激素,发挥拟雌激素作用,是一种典型的环境内分泌干扰物(endocrine disrupting chemicals, EDCs)。表面增强拉曼光谱(surface enhanced Raman spectroscopy, SERS)现已成为单分子水平上最通用的定量检测方法之一,其具有快速、灵敏和无损的分析能力,在BPA分析领域有巨大的应用潜力。本文总结了SERS技术在BPA检测方面的概况,阐述了近年来金、银纳米粒子作为拉曼基底,并联用其他现代分析技术的最新研究成果,主要包括修饰与未修饰基底的传感器,其中修饰基底的传感器分为核酸适配体与SERS联用、分子印迹与SERS联用、免疫分析与SERS联用、分子修饰与SERS联用以及新型柔性材料与SERS联用,以期为进一步合理设计高性能的SERS纳米材料提供指导。     

表面增强拉曼技术在农药残留检测中的应用研究进展

食品的农药残留问题是威胁人类健康的全球性问题,表面增强拉曼光谱技术(surface-enhanced Raman spectroscopy, SERS)作为一种操作简便、快速灵敏的指纹光谱技术,在农药残留检测方面已展现出较大潜力。本文首先描述了SERS增强原理,然后简单概括了SERS基底制备的方法,以基底功能性出发,介绍了食品中农残检测中常见的两种类型的SERS基底：通用型基底、特异性基底,通过综述近年来在食品农残检测中的应用,总结了二者在检测食品中农残的特点和常用的制备工艺,旨在为更多农残检测需求提供关于SERS技术方面的启发。最后展望了SERS技术在农残检测的挑战并提出可行的建议。     

Surface enhanced Raman scattering (SERS) with biopolymer encapsulated silver nanosubstrates for rapid detection of foodborne pathogens

A biopolymer encapsulated with silver nanoparticles was prepared using silver nitrate, polyvinyl alcohol (PVA) solution, and trisodium citrate. It was deposited on a mica sheet to use as SERS substrate. Fresh cultures of Salmonella Typhimurium, Escherichia coli, Staphylococcus aureus and Listeria innocua were washed from chicken rinse and suspended in 10 ml of sterile deionized water. Approximately 5 μl of the bacterial suspensions was placed on the substrate individually and exposed to 785 nm HeNe laser excitation. SERS spectral data were recorded over the Raman shift between 400 and 1800 cm^− 1 from 15 different spots on the substrate for each sample; and three replicates were done on each bacteria type. Principal component analysis (PCA) model was developed to classify foodborne bacteria types. PC1 identified 96% of the variation among the given bacteria specimen, and PC2 identified 3%, resulted in a total of 99% classification accuracy. Soft Independent Modeling of Class Analogies (SIMCA) of validation set gave an overall correct classification of 97%. Comparison of the SERS spectra of different types of gram-negative and gram-positive bacteria indicated that all of them have similar cell walls and cell membrane structures. Conversely, major differences were noted around the nucleic acid and amino acid structure information between 1200 cm^− 1 and 1700 cm^− 1 and at the finger print region between 400 cm^− 1 and 700 cm^− 1. Silver biopolymer nanoparticle substrate could be a promising SERS tool for pathogen detection. Also this study indicates that SERS technology could be used for reliable and rapid detection and classification of food borne pathogens.     

表面增强拉曼光谱技术快速检测鸭肉中的土霉素

目的采用纳米金胶和OTR103作为表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)的活性基底,实现鸭肉中土霉素残留量的快速检测。方法首先使用自适应迭代惩罚最小二乘法(adaptive iterative re-weighted penalized least squares,air-PLS)扣除SERS测定过程中的荧光等背景信号,确定鸭肉中土霉素检测的特征峰。然后应用单变量分析法对纳米金胶、待测样品、OTR103的加入量和吸附时间进行优化,确定最佳实验条件。结果拉曼位移为1271 cm~(-1)处的特征峰可以作为鸭肉中土霉素残留检测的拉曼特征峰,纳米金胶、待测样品和OTR103的最适加入量分别为0.7 m L、70μL和100μL,最佳吸附时间为5 min。鸭肉中的土霉素浓度范围为0.2~22.0 mg/L时,土霉素浓度(X)与其在1271 cm~(-1)处的SERS特征峰强度(Y)之间有良好的线性关系,线性回归方程为Y=245.24X+647.29,决定系数(RC2)为0.9891,检测限为0.2 mg/L。预测集样本中土霉素含量的真实值与预测值之间的决定系数(RP2)为0.9941,均方根误差(RMSEP)为1.1341 mg/L,回收率为74%~102%。结论该方法可用于鸭肉中土霉素残留的快速检测。     

拉曼光谱技术在农产品药物残留检测中的应用

近年来,农产品药物残留超标引发了一系列食品安全问题,为了保障国家食品安全、保护消费者健康,需要对农产品中的药物残留进行定性定量检测。表面增强拉曼散射技术 (Surface-enhanced Raman scattering , SERS) 是一种极具吸引力的工具,可用于高效检测农药残留。本文介绍了表面增强拉曼光谱检测技术的概况,简介了拉曼增强基底,分析了表面增强拉曼光谱技术在药物标准溶液、农产品(肉类、水产品、果蔬和其他部分农产品等)药物残留检测领域中的研究现状,并针对当前农产品药物残留检测的发展趋势进行前景展望。     

用于检测果蔬中农药残留的柔性表面增强拉曼散射(SERS)基底：设计策略和应用进展

随着21世纪人口的迅速增长和科技的飞速发展,果蔬中的农药残留问题已引起广泛关注。表面增强拉曼光谱(SERS)因其快速、无损和指纹识别的特性,已成为食品安全检测领域最有潜力的技术之一。柔性SERS基底的引入为非平面果蔬表面的原位检测提供了新的可能性。与刚性基底相比,柔性基底可通过“粘贴-剥离”或拭子取样的方法进行适应,实现了刚性基底无法达到的灵活性。然而,设计和制备同时具备高灵敏度、高稳定性和良好信号重现性的柔性基底仍是一项挑战。本综述首先概述了SERS的基本机理,然后深入探讨了柔性基底的构建策略,包括基底材质的选择和拉曼热点的构建方法。近年来,对于柔性基底在果蔬农残检测方面的应用实例也进行了总结。柔性SERS基底的发展前景广阔,但在实际应用中仍需克服许多困难和挑战。例如,如何确保在不同的检测环境中保持高灵敏度、高稳定性、高选择性和高重现性,如何降低成本实现大规模生产等。最后,本文针对柔性基底研发过程中的困难和挑战提出了一些可能的解决方案,并对未来的研究方向进行了展望。这些解决方案和展望旨在推动柔性SERS基底的进一步研究和应用,为果蔬农残的准确、高效检测提供支持。总体而言,柔性SERS基底为果蔬农残检测提供了新的可能性和机遇。通过深入理解其工作机理、优化设计策略并克服现有挑战,有望实现其在食品安全领域的广泛应用。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

表面增强拉曼技术在茶叶农药残留检测中的研究进展

茶叶是世界上重要的经济作物,其消费和饮用遍布全球各地,因此,茶叶的质量安全备受人们的关注。农药残留是茶叶质量安全最重要的问题之一。传统的检测方法往往具有步骤复杂,耗费时间长,成本高且不能现场检测的缺点而无法完全满足现实检测的需求。愈来愈高的贸易壁垒迫切需求新的检测方法的出现。表面增强拉曼光谱技术(surface enhanced Raman scattering, SERS)因其选择性强、灵敏度高、无损检测等优点吸引着研究者们的目光。茶叶农药残留的SERS检测前处理技术是非常重要的一步,不同的茶叶农药需要不同的前处理方法。良好的衬底能够大大提高拉曼增强检测的灵敏度。先进的算法可以优化拉曼光谱的处理,提高检测准确度。因此,本文主要总结了SERS技术在茶叶农药残留检测方面的概况,阐述相关技术难点、解决方案及发展趋势,为茶叶农药残留的快速检测技术提供新的思路和方向。     

表面增强拉曼光谱测定保健品中非法添加物西地那非

基于表面增强拉曼光谱技术(SERS),采用自制表面增强试剂(纳米金)与厂家提供的表面增强试剂,对比研究了对21种查缴的保健品样品中的非法添加物西地那非的快速拉曼检测效果,同时考察了不同配比纳米金和不同浓度的盐酸、硝酸和硫酸作为助剂的增强效果。结果表明,自制纳米金表面增强试剂(氯金酸和柠檬酸钠的体积比1:1)及2.67 mol·L^-1的硝酸表面增强效果为佳,可对浓度为0.01 μg·mL^-1西地那非阳性检出;与飞行时间-液质联用仪(QTOF-LC-MS)分析结果对比,自制纳米金检测吻合度为100%,厂家提供的增强试剂检测吻合度为86.4%。综上,自制表面增强试剂(纳米金)表面增强效果不差于厂家提供的表面增强试剂。     

Applications of Raman spectroscopic techniques for quality and safety evaluation of milk: A review of recent developments

Milk is a complete nutrient source for humans. The quality and safety of milk are critical for both producers and consumers, thereby the dairy industry requires rapid and nondestructive methods to ensure milk quality and safety. However, conventional methods are time-consuming and laborious, and require complicated preparation procedures. Therefore, the exploration of new milk analytical methods is essential. This current review introduces the principles of Raman spectroscopy and presents recent advances since 2012 of Raman spectroscopic techniques mainly involving surface-enhanced Raman spectroscopy (SERS), fourier-transform (FT) Raman spectroscopy, near-infrared (NIR) Raman spectroscopy, and micro-Raman spectroscopy for milk analysis including milk compositions, microorganisms and antibiotic residues in milk, as well as milk adulterants. Additionally, some challenges and future outlooks are proposed. The current review shows that Raman spectroscopic techniques have the promising potential for providing rapid and nondestructive detection of milk parameters. However, the application of Raman spectroscopy on milk analysis is not common yet since some limitations of Raman spectroscopy need to be overcome before making it a routine tool for the dairy industry.     

表面增强拉曼光谱法快速测定小麦表面的脱氧雪腐镰刀菌烯醇

目的 基于表面增强拉曼光谱（surface enhanced Raman spectroscopy,SERS）建立小麦表面脱氧雪腐镰刀菌烯醇（deoxynivalenol,DON）的快速检测方法。方法 以银纳米颗粒（silver nanoparticles,AgNPs）为基础,利用其表面修饰的特殊官能团与DON之间的疏水作用,捕获小麦表面附着的DON,然后再以银AgNPs作为表面增强拉曼基底材料,在铝箔表面进行自组装并进行SERS检测。结果 采用1-硫代硅烷对纳米银进行修饰,可以更好的捕获DON分子,选择合适浓度的纳米银在铝箔表面进行自组装就可以实现DON的快速SERS检测。实验结果显示,在DON浓度为3.3 ~ 333 ppm的范围内具有良好的线性关系。将经过修饰的纳米银分散到小麦表面,可以捕获附着在其表面的DON,回收率实验显示,在小麦表面DON的添加浓度为12 ppm、25 ppm和50 ppm时,均可以实现80 %以上的回收率。结论 本方法操作简单、快速,结合便携式拉曼光谱仪,有望用于小麦表面DON的快速现场检测。     

表面增强拉曼光谱在食品污染物快速检测中的应用

随着科技的发展,食品的种类越来越丰富,随之而来的问题是食品中引入的污染物也越来越复杂,这使得食品安全成为当今全球关注的一个重要话题,快速有效地检测食品中污染物已然成为食品检测的热点.表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)由于其极高的灵敏度、快速检测、指纹图谱...     

表面增强拉曼光谱法快速检测茶叶中百草枯与敌百虫农药残留

目的 对茶叶中的百草枯与敌百虫进行定性与定量检测,满足茶叶生产中对这两种农药残留的快速、便携、准确的检测需求。方法 采用表面增强拉曼光谱(surface enhanced Raman spectroscopy SERS)技术对不同浓度的百草枯和敌百虫农药标准溶液进行光谱采集和峰位归属,再对不同茶类茶汤中的梯度农药残留进行检测,建立峰强与农药残留浓度的线性关系。结果 发现在不同茶类中,以茶叶中百草枯在843 cm_^-1处的拉曼特征峰作为识别峰所建立回归模型预测的百草枯在绿茶、红茶、黑茶茶汤中的最低可检测浓度为1×10_^-7 moL/L,在乌龙茶茶汤中的最低可检测浓度为1×10_^-6 moL/L,灵敏度均满足国家规定的茶叶中百草枯最大农药残留限量(0.2 mg/kg);敌百虫的检测中,茶汤中咖啡碱的SERS峰强受敌百虫浓度影响,随敌百虫浓度的增加而减小且呈现显著负线性相关,因此可用茶叶中咖啡碱的拉曼特征峰作为敌百虫浓度的间接识别的依据,所建立的回归模型显示敌百虫在绿茶、红茶、乌龙茶茶汤中的最低可检测浓度为1×10_^-7 moL/L;在黑茶茶汤中的最低可检测浓度为1×10_^-6 moL/L,均可达到国家茶叶最大残留限量(2 mg/kg)。结论 使用SERS技术可实现不同茶类茶汤中的百草枯与敌百虫农药残留的简单、快速、准确分析。     

表面增强拉曼光谱快速检测香蕉中的苯醚甲环唑和毒死蜱残留

目的 基于双重基底的表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)对香蕉中苯醚甲环唑与毒死蜱进行定性和定量检测。方法 采用银溶胶作为柔性衬底,增强芯片作为固体基底,实现双信号放大策略。选用香蕉这种常见的热带水果作为基质,向香蕉基质中加入不同浓度苯醚甲环唑和毒死蜱标准溶液,利用QuEChERS法对香蕉中农药残留进行提取,通过SERS技术对两种农药进行定量分析。结果 在0.10～5.00μg/mL范围内,苯醚甲环唑和毒死蜱的特征峰强度和浓度之间均满足线性关系,相关系数分别为0.9794、0.9773,方法检出限分别为0.16 mg/kg、0.032 mg/kg。结论 本研究建立了一种基于双重基底的SERS,为香蕉中苯醚甲环唑和毒死蜱农药残留快速检测提供了依据,也为热带水果中农药残留的快速检测提供了方法支持。