基于金纳米粒子比色法的多变量条件下乳制品病原菌检测与产地溯源的高效机器学习策略

《Journal of Dairy Science》:Sample-efficient machine learning for dairy pathogen detection and origin traceability under multivariable conditions using gold nanoparticle colorimetry

【字体: 大 中 小 】 时间:2026年10月22日 来源:Journal of Dairy Science 4.7

编辑推荐:

  摘要:贮藏温度、湿度和时间共同影响乳制品中病原菌的生长,然而大多数快速检测方法仅在单一变量条件下验证,这无法代表真实供应链场景。在这些联合条件下的测试会急剧增加所需样本数量,而乳品安全研究通常处理小数据集,这限制了传统机器学习的应用。本研究将金纳米粒子(AuN

  
摘要:贮藏温度、湿度和时间共同影响乳制品中病原菌的生长,然而大多数快速检测方法仅在单一变量条件下验证,这无法代表真实供应链场景。在这些联合条件下的测试会急剧增加所需样本数量,而乳品安全研究通常处理小数据集,这限制了传统机器学习的应用。本研究将金纳米粒子(AuNP)比色传感、时间-温度-湿度(TTH)框架和一种高效样本的随机森林(Random Forest)模型相结合,用于乳制品中病原菌检测和地理产地溯源。该比色测定法使用适配体作为识别元件,无需复杂的样品前处理、核酸提取或冷链试剂储存。该方法对金黄色葡萄球菌(Staphylococcus aureus)的检测限(LOD)为104 cfu/mL,对鼠伤寒沙门氏菌(Salmonella typhimurium)为108 cfu/mL,对大肠杆菌(Escherichia coli)为107 cfu/mL,在中国4个产区的商业化灭菌液态奶和奶粉中的回收率为96.4–108.4%。TTH监测显示,在37°C下,研究人员估计病原菌浓度在大约4小时内可达到GB 29921–2021和GB 4789.18–2024中限值(金黄色葡萄球菌和大肠杆菌为102 cfu/g,鼠伤寒沙门氏菌为零耐受)的数量级,此处用作生长监测参考;在25°C下,此窗口延长至8–9小时,而在4°C下贮藏,在16–17天的监测期内的前约12天里,其水平保持较低。为了适应乳品安全研究中典型的小样本量,研究人员采用目标-R2引导的超参数策略优化了随机森林模型。利用来自3次独立重复实验的2,592条测量记录,并以平板计数校准的浓度值以及接种的病原菌种类和购买区域作为参考标签评估模型,优化后的模型在病原菌浓度预测上达到了0.993的决定系数(R2),在多类别病原菌分类上达到了94.6%的准确率,在上海、云南、内蒙古和新疆样品的产地判别上达到了94.2%的准确率,两个分类任务的曲线下面积(AUC)均不低于0.97。TTH框架中区域特异的生长模式实现了产地识别,并可支持乳制品分销检查点的定向召回、产地欺诈筛查和源头追溯。由于每个地区每种产品类型仅由一个商业产品和单个生产批次代表,这些结果应被视为概念验证。该方法为多变量供应链条件下乳制品的病原菌监测和产地溯源提供了一种实用的筛选策略。
研究背景与科学问题
乳制品营养丰富但极易腐败,其高蛋白和高脂肪含量为大肠杆菌(Escherichia coli)、金黄色葡萄球菌(Staphylococcus aureus)和鼠伤寒沙门氏菌(Salmonella typhimurium)等病原菌的生长提供了条件。这些病原菌可在供应链各环节引入并迅速增殖,引发严重的食源性疾病暴发。传统的培养法和分子生物学技术如聚合酶链式反应(PCR)和酶联免疫吸附测定(ELISA)虽然是金标准,但耗时长、依赖实验室基础设施,不适合需要快速放行决策的乳制品加工线。仪器分析方法如红外光谱、拉曼光谱和质谱法虽提高了通量,但设备昂贵、操作复杂。因此,开发兼具灵敏度和简便性的比色生物传感平台成为研究热点。
现有的大多数机器学习辅助生物传感研究仅在单变量条件下进行验证,其预测精度在多变量的真实乳品环境中显著下降。同时,乳制品的易腐性、微生物计数的成本以及采样物流的限制,使得大规模的多变量数据收集不切实际。此外,贮藏时间、温度和湿度等环境因素对病原菌增殖的影响是耦合而非独立的。因此,亟需一种能够在有限样本量和多变量耦合条件下,实现快速、准确病原菌检测与产地溯源的策略。
研究内容与核心发现
为解决上述问题,研究人员开发了一种结合金纳米粒子(AuNP)比色测定法、时间-温度-湿度(TTH)框架和优化的随机森林(Random Forest, RF)模型的综合平台。该研究旨在实现三个假设:第一,RF算法因其非线性拟合能力和抗过拟合特性,更适合处理非线性耦合的TTH数据;第二,目标-R2引导的超参数策略能在乳品安全研究典型的小数据集上维持预测准确性;第三,TTH耦合的生长数据能支持准确的病原菌多类别分类,且区域特异性生长模式可用于区分不同地理产地的乳制品。研究最终证实了这些假设,为乳制品供应链监测提供了一个实用的快速筛选方法。
主要关键技术方法
  1. 1.
    金纳米粒子(AuNP)比色传感平台:采用柠檬酸盐还原法合成约15 nm的AuNP,并通过核苷酸碱基-金配位作用将病原菌特异性适配体功能化于其表面。在无靶标时,适配体稳定AuNP防止盐诱导聚集;靶标存在时,适配体优先结合细菌,导致AuNP暴露并在氯化钠作用下聚集,产生从红到蓝的颜色变化,通过A620/A520吸光度比值进行定量读取。
  2. 2.
    时间-温度-湿度(TTH)实验框架:模拟乳制品真实贮藏与流通条件,设置三种温度(4°C冷链贮藏、25°C常温暴露、37°C热滥用)、三种相对湿度(30%、50%、80%)和连续的时间点。样品包括来自上海、云南、内蒙古和新疆四个产区的商业化灭菌液态奶和全脂奶粉,每个地区由单一商业产品代表。
  3. 3.
    高效的机器学习建模策略:首先比较了RF、轻量梯度提升机(LightGBM)、支持向量回归(SVR)和线性回归(LR)四种算法,确定RF性能最优。随后采用目标-R2引导的超参数优化策略,通过迭代调整树深度、叶节点大小和集成规模,平衡准确性与过拟合风险。最终模型用于病原菌浓度预测、多类别病原菌分类和地理产地判别三项任务。
研究结果
1. AuNP比色平台的构建与分析性能
该平台对金黄色葡萄球菌、鼠伤寒沙门氏菌和大肠杆菌的检测限(LOD)分别为104、108和107 cfu/mL,线性范围覆盖102至107-108 cfu/mL。选择性实验表明,非靶标菌种引起的信号变化可忽略不计。在四种不同地理产地的乳制品基质中,三种病原菌的加标回收率范围为96.4%–108.4%,证明适配体涂层有效屏蔽了酪蛋白和乳清蛋白的非特异性吸附,平台在不同乳制品背景下表现稳健。
2. TTH框架下的病原菌生长动力学监测
通过构建TTH框架,研究发现温度和时间是驱动病原菌生长的主导因素,相对湿度的影响较小。在37°C下,所有病原菌在初始滞后期后信号迅速上升;25°C下饱和延迟约10小时;4°C下增殖在整个监测期的前12天被抑制。根据生长曲线外推,在37°C下,金黄色葡萄球菌和大肠杆菌约4小时内即可达到国标GB 29921–2021和GB 4789.18–2024限值的数量级,25°C下此窗口延长至8–9小时,强调了持续冷链控制的重要性。
3. 机器学习模型选择、优化与多类别病原菌分类
通过对比四种算法,RF在预测大肠杆菌浓度时表现最佳(R2 = 0.938)。经目标-R2引导优化后,RF模型在独立测试集上的R2提升至0.993,平均绝对误差(MAE)降至0.0162。在多类别病原菌分类任务中,模型整体准确率达94.6%。其中,金黄色葡萄球菌的精确率和召回率最高(99.4%和100%),而鼠伤寒沙门氏菌与大肠杆菌之间存在部分误分类,反映了两者相似的革兰氏阴性菌外膜组成。特征重要性分析显示,地理产地是最主要的预测因子(约70%)。
4. 乳制品地理产地溯源
利用TTH条件下病原菌生长的区域特异性模式,模型在产地判别任务中取得了94.2%的整体准确率。上海和云南合并类(非传统牧区)被完美分类。新疆与内蒙古之间存在部分混淆,归因于两者相似的气候、草地生态系统和畜牧业实践导致的相近乳制品成分。病原菌种类被识别为最重要的预测因子(约70%),这意味着产地溯源可作为病原菌分类后的第二阶段任务运行,无需额外先验知识。
总结与讨论
该研究成功开发了一种整合AuNP比色传感、TTH框架和优化RF模型的平台,用于乳制品病原菌监测与产地溯源。该平台操作简便、无需专门仪器,适用于供应链检查点的快速筛查。在耦合贮藏条件下,优化模型在病原菌浓度预测(R2=0.993)、多类别病原菌分类(94.6%准确率)和地理产地判别(94.2%准确率)方面均表现出色。TTH分析还定义了接近生长监测参考水平的温度依赖性时间窗口,突出了持续冷链控制的必要性。
研究结论:本研究结果表明,一种高效样本的多变量策略能够支持现实贮藏条件下的乳制品安全监测和产地溯源。由于每个地区仅由单一商业产品和单个生产批次代表,当前结果应视为概念验证。未来工作应包括更广泛的培养法验证、涵盖多个品牌和生产批次、更多病原菌种类、样品的直接成分表征以及便携式现场适用格式的开发。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号