葡萄貯藏期間易遭霉菌污染，導致經(jīng)濟損失和食品安全問題。當前的葡萄霉變檢測方法有PCR、ELISA、電子鼻和高光譜成像等，但存在需要昂貴的設(shè)備、人員培訓成本、樣本預(yù)處理、檢測靈敏度和特異性不足等問題，因此亟需開發(fā)一種低成本、無損、高靈敏度的檢測方法，以實現(xiàn)葡萄貯藏早期霉變監(jiān)測預(yù)警。

 

　　為了解決這一問題，團隊構(gòu)建了一組由14個環(huán)境應(yīng)激響應(yīng)啟動子融合熒光素酶報告基因構(gòu)建的大腸桿菌報告菌株，結(jié)合多種數(shù)據(jù)預(yù)處理算法及優(yōu)化的機器學習模型，成功地實現(xiàn)了對黑曲霉、赭曲霉和灰霉污染的葡萄準確地無損監(jiān)測。研究結(jié)果表明，這些工程細菌報告菌株對受感染葡萄釋放的揮發(fā)性有機化合物高度敏感，可以明顯區(qū)分出葡萄在無明顯癥狀（1天后）和癥狀出現(xiàn)（2天后）兩個不同感染階段。構(gòu)建的機器學習預(yù)測模型可以實現(xiàn)對三種真菌在葡萄上的感染程度進行分類預(yù)測，對黑曲霉、赭曲霉和灰霉菌的分類準確率分別達到100%、92%和92%，顯示出極高的預(yù)測性能。這種基于代謝工程細菌的全新生物傳感技術(shù)，可對葡萄腐爛霉變的快速、無損、低成本的監(jiān)測，不僅可用于葡萄，也可應(yīng)用于其他農(nóng)產(chǎn)品的微生物腐敗檢測，是一項前景廣闊的創(chuàng)新技術(shù)。下一步將致力于提高傳感器地特異性和工作壽命，以期盡快實現(xiàn)該技術(shù)在農(nóng)產(chǎn)品貯藏運輸過程中的大規(guī)模應(yīng)用。

 

　　該研究結(jié)果在生物和園藝產(chǎn)品采后技術(shù)國際知名學術(shù)期刊Postharvest Biology and Technology（JCR一區(qū)，TOP5%，IF=7.0）在線發(fā)表，糧油減損與真菌毒素防控創(chuàng)新團隊博士后馬俊寧為論文第一作者，邢福國研究員為通訊作者，該研究得到了國家重點研發(fā)專項計劃（2022YFD2100104）和中國農(nóng)業(yè)科學院科技創(chuàng)新工程（CAAS-ASTIP-G2022-IFST-01）的資助。

 

　　原文鏈接: https://doi.org/10.1016/j.postharvbio.2023.112481