《Food Analytical Methods》:Antibody-free Molecularly Imprinted Lateral Flow Platform For Rapid Lactic Acid Analysis in Fermented Foods
编辑推荐:
快速测定乳酸对于监控发酵食品的质量和安全至关重要。然而,现有的分析方法,包括色谱法、酶法和基于抗体的侧流检测(LFA),受限于高成本、稳定性差或对小分子检测的适用性低。在本研究中,研究人员引入了PASHA(聚合物辅助选择性混合分析),这是一种新的分析方法,在侧
快速测定乳酸对于监控发酵食品的质量和安全至关重要。然而,现有的分析方法,包括色谱法、酶法和基于抗体的侧流检测(LFA),受限于高成本、稳定性差或对小分子检测的适用性低。在本研究中,研究人员引入了PASHA(聚合物辅助选择性混合分析),这是一种新的分析方法,在侧流平台中用分子印迹聚合物(MIP)替代生物受体。使用PASHA,乳酸被印迹的聚(2-羟乙基甲基丙烯酸酯)(pHEMA)纳米颗粒和集成到水平流检测中的膜选择性识别。信号转导通过FeCl?介导的比色复合实现,无需抗体或酶即可进行直接视觉和半定量检测。该平台在0.03%到0.75%乳酸浓度范围内表现出线性响应(R2?=?0.99)。使用真实的发酵食品样本(包括奶酪、酸奶、开菲尔、艾兰和牛奶)验证了PASHA,结果显示与传统滴定法和分光光度法高度一致。与经典免疫层析测试相比,PASHA提供了优越的化学稳定性、更低的成本以及对小有机酸的增强性能。这项工作确立了PASHA作为一种新型分子印迹侧流方法用于食品分析,能够实现稳健、快速且可现场部署的发酵和食品质量监控。
研究背景与问题:
乳酸是发酵食品中最重要的代谢产物之一,反映微生物活性、发酵动力学和产品品质,对乳制品(如酸奶、奶酪、开菲尔、艾兰)以及发酵蔬菜和饮料的口感、质地、货架期和微生物安全性起着关键作用。此外,乳酸也广泛应用于制药、化妆品、可降解聚合物和生物医学材料。因此,准确快速监测乳酸浓度对于食品质量控制和工业过程管理至关重要。传统的乳酸测定技术包括高效液相色谱(HPLC)、气相色谱(GC)、酶法测定、滴定法和分光光度法。尽管这些方法具有高灵敏度和准确性,但需要实验室仪器、训练有素的人员和较长的分析时间,限制了其在现场实时食品监控中的适用性。侧流检测(LFA)因其简单性、便携性和视觉读出而被广泛用作按需分析平台。然而,经典的LFA依赖于抗体-抗原识别,这对于乳酸等小分子存在根本问题。小有机酸缺乏足够的表位来实现夹心型免疫测定,导致灵敏度低、基质效应和鲁棒性差。此外,抗体昂贵、对温度敏感且在复杂食品基质中化学不稳定。为克服这些限制,分子印迹聚合物(MIP)作为合成识别元件出现,能够模拟抗体的选择性,同时提供优越的化学和机械稳定性。尽管有这些优势,将MIP整合到用于食品分析的侧流平台中仍然非常有限。研究人员开展的研究与结论:
本研究中,研究人员开发了PASHA(聚合物辅助选择性混合分析),这是一种新的分析方法,将分子印迹与侧流技术相结合,实现无抗体检测小有机分子。在PASHA中,分子印迹聚合物膜和纳米颗粒同时作为识别元件和信号转导界面。这消除了对抗体、酶或生物标记的需求,并能在复杂食品基质中进行直接、稳健的检测。使用乳酸作为模型分析物,研究人员通过基于pHEMA的分子印迹侧流平台演示了PASHA。乳酸结合通过FeCl
3复合物转化为可见的比色信号,实现快速和半定量检测。使用真实的发酵食品样本(包括牛奶、酸奶、奶酪、开菲尔和艾兰)验证了该平台。通过用合成分子识别替代生物受体,PASHA为食品质量和发酵监控建立了一种新型侧流检测方法。研究结论表明,PASHA方法能够快速、低成本、无设备地检测乳酸,线性响应范围为0.03%到0.75%(R
2?=?0.99),与传统方法高度一致,具有优越的稳定性和性能。论文发表在《Food Analytical Methods》期刊上。
关键技术方法:
研究人员主要采用了以下几个关键技术方法:首先,利用分子印迹技术制备乳酸印迹的聚(2-羟乙基甲基丙烯酸酯)(pHEMA)膜和纳米颗粒,其中乳酸作为模板分子。其次,构建了基于毛细管驱动水平流动的侧流检测平台,无需外部泵或仪器。第三,通过FeCl
3介导的比色复合物实现信号转导,进行视觉和半定量读取。第四,使用扫描电子显微镜(SEM)和动态光散射(DLS)对膜和纳米颗粒的形态与粒径进行表征。第五,使用真实发酵食品样本(包括奶酪、酸奶、开菲尔、艾兰和牛奶)进行验证,并与传统滴定法和分光光度法对比分析。样本队列来源于市售的发酵食品产品。
研究结果:
1. 光谱测量:使用乳酸和FeCl
3制备校准曲线,显示吸光度与浓度之间的线性关系,表明测量可靠且可重复。
2. 聚合物合成与表征:成功合成了乳酸印迹的pHEMA纳米颗粒和膜。纳米颗粒通过荧光标记观察到黄色发射,表明乳酸成功结合到聚合物表面。SEM分析显示膜孔径约为24–32 μm,纳米颗粒平均直径为500 nm,窄分布;Zeta size分析显示粒径为280 nm,单峰且均匀分布。
3. 染料负载与荧光标记:染料成功整合到聚合物结构中。对不同乳酸浓度的膜进行荧光标记,颜色强度随浓度增加而增强,证实了比色响应的浓度依赖性。
4. 应用:使用PASHA平台检测真实食品样本,奶酪显示最高颜色强度,其次是艾兰、开菲尔和牛奶,与滴定测试结果一致。酸奶由于高蛋白含量和粘度可能需预处理。
5. 侧流性能与信号重现性:液体样本在膜上的横向迁移在60–90秒内完成,实现快速视觉信号发展。与参考比色方法相比,PASHA信号趋势紧密匹配,相对误差低于3%,RMSE为0.015,表明强一致性。
6. 相关性分析:PASHA与参考方法之间存在线性关系,高相关系数证实了平台在半定量应用中的分析有效性。
7. 标准差、重现性与可接受性:信号重现性评估显示相对标准偏差(RSD)低于8%,表明平台稳健。估算的检测限(LOD)和定量限(LOQ)在测试浓度范围内,满足实际监控需求。
总结讨论与结论:
讨论部分指出,PASHA平台成功将乳酸整合到聚合物结构中,适用于分析传感应用。冻胶启发的单体系统被改编为水平合成的MIP膜,实现侧流操作,扩展了传统分离系统的应用范围。PASHA提供了快速、无抗体、视觉可解释的乳酸检测策略,是基于抗体侧流检测的实用替代方案。膜的多孔结构有利于毛细管驱动侧流,促进分析物和纳米颗粒探针的高效传输;纳米颗粒的均匀尺寸分布有助于信号重现性。基质效应在复杂食品中影响检测,特别是高粘度样本如酸奶,而液体基质如牛奶和发酵饮料表现出更一致的信号发展。FeCl
3检测化学对含羟基有机酸敏感,可能限制绝对选择性,因此PASHA被定位为半定量筛查工具。总体验证结果表明,PASHA满足半定量侧流检测的基本分析性能标准,与传统方法相比,在速度、简单性和成本方面具有优势。结论部分强调,PASHA是一种稳健、快速、可现场部署的发酵食品质量监控方法,未来可优化聚合物成分、探索替代交联剂、扩展多重检测格式,并集成信号放大或数字读出系统以提高灵敏度和性能。