肉类产量预计到2029年能达到4.03亿吨^[14]; 到2030年, 全球消费海鲜超过1亿吨, 预计超过60%的海鲜来源于人工养殖。 由于兽药在动物饲养过程中的不规范使用, 动物源性食品中药物残留问题已成为威胁公共安全的主要食品安全问题之一。 SERS技术在肉类食品安全分析中的应用, 代表性研究成果如表1和表2所示。

表1

Table 1

表1(Table 1)

表1 SERS技术在家禽及猪肉兽药残留检测中的应用 Table 1 Typical research about SERS application in detection of veterinary drug residues in poultry and pork 兽药名称 样本 纳米基底 光谱范围/cm-1 检出限 参考文献 恩诺沙星 鸡肉 Au@NH2-SBA-15 400~2 000 0.1 mg· kg-1 [15] 阿莫西林 鸭肉 Au NPs 400~1 800 0.2 mg· L-1 [17] 土霉素 鸭肉 Au NPs 400~1 800 0.2 mg· L-1 [18] 氧氟沙星 鸭肉 Au NPs 400~1 800 0.05 mg· L-1 [19] 己烯雌酚 鸭肉 Au NPs 400~1 800 0.5 mg· L-1 [20] 丙酸睾酮 鸡肉 Au NPs 400~1 800 - [21] 盐酸克伦特罗 猪肉 Fe3O4@Au@Ag 1 000~2 000 0.003 ng· mL-1 [22] 左旋咪唑 猪肉 Au NPs 400~2 000 0.1 mg· L-1 [23] 克伦特罗 0.2 μ g· g-1 莱克多巴胺 猪肉 Ag NPs/PDMS 400~1 800 0.05 μ g· g-1 [24] 喷布特罗 0.2 μ g· g-1 西马特罗 0.1 μ g· g-1

表1 SERS技术在家禽及猪肉兽药残留检测中的应用 Table 1 Typical research about SERS application in detection of veterinary drug residues in poultry and pork

表2

Table 2

表2(Table 2)

表2 SERS技术在水产养殖药物残留检测中的代表性研究 Table 2 Typical research about SERS application in detection of fishery drug residues 兽药种类 样本 纳米基底 光谱范围/cm-1 检出限 参考文献 孔雀石绿 鱼肉 Au NPs 600~1 700 1 ppb [26] 孔雀石绿 鲫鱼肉 树枝状Au NPs 600~1 800 1.0× 10-8 mol· L-1 [27] 孔雀石绿 罗非鱼肉 Cu-Ag NWs 400~1 800 1.0 μ g· kg-1 [28] 孔雀石绿 恩诺沙星 鱼肉 Ag@NCF 400~1 800 0.1 ppm 1 ppm [29] 亚甲基蓝 罗非鱼肉 Au NPs 400~1 800 10 ng· g-1 [30] 孔雀石绿 黑鱼肉 AuNPs 400~1 800 1.0 ng· mL-1 [31] 黄颡鱼肉 0.5 ng· mL-1 罗非鱼肉 0.3 ng· mL-1 亚甲基蓝 青鱼肉 0.5 ng· mL-1 黑鱼肉 5.0 ng· mL-1 黄颡鱼肉 1.0 ng· mL-1 罗非鱼肉 1.0 ng· mL-1 青鱼肉 1.0 ng· mL-1 土霉素 鱼肉 金纳米生物传感器 1 000~1 800 4.35× 103- fg· mL-1 [32] 呋喃唑酮 呋喃唑酮代谢物 海参 Ag-Br NPs 900~1 700 2 ng· g-1 5 ng· g-1 [33]

表2 SERS技术在水产养殖药物残留检测中的代表性研究 Table 2 Typical research about SERS application in detection of fishery drug residues

2.1.1 家禽肉中兽药残留的SERS分析

SERS技术应用于禽类产品兽药残留的检测, 可以检测出家禽产品中包括抗生素在内的许多兽药残留。 孙琳等^[16]制备了基于氨基改性多孔材料的SERS基底用于鸡肉和鸡饲料提取液中恩诺沙星的SERS检测。 结果表明, 在0.1~1 mg· kg^-1浓度范围内, 特征峰的拉曼信号强度与恩诺沙星浓度具有良好线性关系(R²分别为0.98和0.99), 检测限均达到0.1 mg· kg^-1。 郭义乾等^[16]以金纳米颗粒和金纳米棒作为活性基底, 实现了鸡肉中环丙沙星的快速定性鉴别。 Peng等^[17]报道了鸭肉中阿莫西林的SERS检测, 采用0.7%柠檬酸三钠制备的金纳米粒子对鸭肉提取液中阿莫西林的检测效果最佳, 检出限低至0.2 mg· L^-1。 江西农业大学团队对鸭肉中不同兽药残留(萘夫西林, 土霉素, 氧氟沙星)的SERS检测进行了研究, 最低检出限为0.05 mg· L^-1, 并获得了较好定量预测模型^{[18, 19]}。

己烯雌酚是一种雌性激素, 儿童食用含有己烯雌酚的食品可导致性早熟。 陶进江等^[20]采用单因素分析法确定了最优SERS检测条件, 对鸭肉中己烯雌酚的最低检测浓度可达到0.5 mg· L^-1。 王婷等^[21]对SERS检测鸡肉中丙酸睾酮的检测条件进行了优化, 确定最优检测条件为金胶加入量500 μ L, 含丙酸睾酮的鸡肉提取液3 μ L, 硫酸镁溶液30 μ L和反应时间1 min, 所建立的方法为SERS技术在激素类药物检测中的应用提供了参考。 家禽肉中兽药残留SERS分析的多数研究应用了较为成熟的Au NPs作为基底, 通过测试条件优化获得最优检测条件, 探索对目标物的检测能力。 所构建SERS方法对目标物定量分析及对基底多样性的研究相对较少。

2.1.2 猪肉中抗生素残留的SERS分析

对猪肉消费需求的增长加剧了农场内疾病传播的风险, 从而导致抗生素的大量使用。 尽管目前还没有出现关于猪肉中兽药残留的食品安全问题, 但构建快速检测监管技术对保障猪肉品质安全意义重大。

Duan等^[22]采用SERS与适体识别相结合, 以Fe₃O₄@Au@Ag纳米粒子为增强基底对猪肉中的盐酸克伦特罗进行了检测研究。 通过SERS检测条件优化, 检出限达到了0.003 ng· mL^-1, 展示了SERS方法的高灵敏度。 施思倩等^[23]优化了猪肉中左旋咪唑残留的SERS快速检测方法, 在最佳实验条件下, 建立了左旋咪唑盐酸盐标准溶液特征峰SERS信号与浓度的标准曲线, 线性方程R²值均在0.9以上, 检测限可达0.1 mg· L^-1。 肖雄枫等^[24]采用SERS法与快速溶剂提取前处理技术, 对猪肉中克伦特罗、 莱克多巴胺、 喷布特罗、 西马特罗进行检测。 4种β -受体激动剂的各自特征峰在一定浓度范围内存在良好的线性关系, 检出限分别为0.2、 0.05、 0.2和0.1 μ g· g^-1; 验证此方法的准确度时, 所得平均回收率为85.2%~101.5%, 相对标准偏差为2.3%~7.9%, 定量限为0.05 μ g· g^-1。 Ji等^[25]利用金胶纳米离子检测猪肉中氯霉素的残留, 获得最低检测浓度为0.1 μ g· mL^-1, 且特征峰强度与浓度之间具有良好的线性关系, 证明该方法适用于食品中氯霉素残留的快速分析。 猪肉中抗生素的SERS检测报道应用了不同类型的SERS基底, 展现出SERS优越的灵敏度和指纹特性, 并基于特征峰强度与浓度建立了定量分析方法, 为SERS技术的应用提供了基础支撑。

2.1.3 鱼肉中渔药残留的SERS分析

渔药归属于兽药的范畴, 在水产养殖中渔药残留的SERS检测也备受关注, 部分代表性研究成果如表2所示。 上海海洋大学研究团队多年来对鱼肉中药物残留的SERS检测进行了系列报告。 利用Q-SERS商业基底对鱼肉中呋喃唑酮和孔雀石绿进行了SERS分析, 最低检出浓度分别为1 μ g· g^-1和200 ng· g-1[34], 后续研究对样品前处理方法进行了优化^[35], 结合金纳米溶胶基底对6种不同鱼种孔雀石绿进行了分析, 最低检测浓度范围为1~10 ng· g^-1。 为进一步降低检测成本并提高检出限, 制备了不同的SERS增强基底用于水产养殖药物残留检测^{[36, 37]}。 Song等^[38]制备了银纳米线作为SERS基底对孔雀石绿、 结晶紫、 氯霉素和呋喃唑酮标准溶液体系进行了SERS分析, 最低检出浓度分别为0.05 ng· mL^-1、 0.01 ng· mL^-1、 0.1 μ g· mL^-1和0.1 μ g· mL^-1。 Li等^[39]基于金纳米基底对鱼肉中结晶紫进行了检测, 最低检出浓度为1 ng· g^-1, 并进行了定量分析。 应用2种商业底板和3种自制金胶进行了鱼肉中亚甲基蓝残留的SERS检测。 研究表明, 最佳的检测基底对于亚甲基蓝标准溶液的最低检出限是5 ng· mL^-1, 鱼肉提取液的最低检出限是10 ng· g-1[30]。 Xu等^[31]以长径比约为3.5的金纳米棒为基底结合SERS 对黑鱼、 黄颡鱼、 罗非鱼和青鱼的鱼肉中的孔雀石绿和亚甲基蓝进行了检测研究。 对孔雀石绿和亚甲基蓝标准溶液的SERS 最低检测浓度分别为0.1和0.5 ng· mL^-1。 对鱼肉中两种药物的最低检测浓度则因鱼的种类不同存在差异, 黑鱼中亚甲基蓝的最低检测浓度为5.0 ng· mL^-1, 黄颡鱼、 罗非鱼和青鱼中亚甲基蓝的SERS 最低检测浓度均为1.0 ng· mL^-1, 黑鱼、 黄颡鱼、 罗非鱼和青鱼中孔雀石绿的SERS 最低检测浓度分别为1.0、 0.5、 0.3和0.5 ng· mL^-1。 Zhang等^[40]以Au@Ag核壳结构纳米溶胶为基底, 采用SERS结合分子印迹对鱼肉中的孔雀石绿进行了提取检测, 对三种鱼肉中最低检测范围为0.5~1 ng· g^-1。 该团队从样品前处理优化、 纳米增强基底的制备优化、 定性定量方法的建立为水产品中化学污染的SERS快速检测提供了理论依据及技术支撑, 对推动SERS技术的应用具有重要意义。

新型材料的应用也在不断提升SERS检测性能。 Pu等^[41]制备了磁性纳米粒子并用金纳米粒子修饰, 然后复合金属有机框架材料[MNP@Au@MIL-100(Fe)]作为SERS基底检测了对虾中的孔雀石绿, 检出限为1.32× 10^-10 mol· L^-1。 Chen等^[29]研究了基于银纳米纤维素活性基底(Ag@NCF)检测鱼肉中孔雀石绿和恩诺沙星的残留, 结合便携式表面增强拉曼系统可用于鱼肉中兽药的快速、 灵敏检测, 展现出现场检测的潜力。 马海宽等^[42]以银溶胶为活性基底, 实现了鱼肉中磺胺甲基嘧啶和磺胺二甲基嘧啶的痕量检测, 检出限分别为0.16和0.59 mg· kg^-1。 Pan等^[43]设计了修饰抗体的Au@Ag纳米粒子作为SERS纳米标记, 对氯霉素, 甲砜霉素和氟苯尼考进行了检测研究。 结果表明, 基于SERS的侧流免疫分析条可对三种药物残留进行定量分析, 检测限分别为0.36、 0.20和0.78 ng· mL^-1, 并具有良好的重复性和稳定性。 对鲑鱼中氯霉素进行了分析, 回收率范围为91.5%~106.4%。 渔药残留是水产品安全领域关注的热点问题, 实现渔药残留快速检测将为水产品安全监管提供有力的技术支持。 研究人员对渔药残留的SERS分析开展了较为系统深入地研究, 包括样品前处理方法优化、 SERS基底的选择、 目标物标准体系及实际样品定性定量分析。 尽管针对同一目标不同研究展现出检测能力的差异性, 但研究结果也将从不同方面为SERS技术应用于水产品渔药残留快速检测提供理论及技术基础。

SERS作为一种方便快捷, 高灵敏的检测技术, 应用于三聚氰胺检测成为研究热点^[44], 之后拓展到乳和乳制品中其他化学残留检测, 部分代表性研究成果如表3所示。

表3

Table 3

表3(Table 3)

表3 SERS技术在乳及乳制品兽药残留检测中的应用 Table 3 Typical research about SERS application in detection of veterinary drug residues in milk and dairy products 兽药名称 样本 纳米基底 光谱范围/cm-1 检出限 参考文献 青霉素G 牛奶 Ag NPs 850~1 050 2.54× 10-9 mol· L-1 [45] 新霉素 喹诺酮类 牛奶 AuNPs-PATP 1 000~1 800 0.37 pg· mL-1 0.55 pg· mL-1 [46] 四环素 牛奶 Ag NPs 400~2 000 0.01 ppm [47] 磺胺吡啶 牛奶 MWCNTs-AuNPs 700~2 000 8.8 ng· mL-1 [48] 卡那霉素 牛奶 Au@Ag NPs-dsDNA 700~1 800 0.9 pg· mL-1 [49] 金霉素 牛奶 Au NPs 600~1 800 0.01 mg· mL-1 [50] 四环素 牛奶 Ag-NP Nano-array 400~1 800 1× 10-9 mol· L-1 [51] 氯霉素 牛奶 AgNPs@β -AgVO3-NRs 800~1 800 1× 10-10 mol· L-1 [52] 头孢氨苄 氨苄青霉素 奶粉 MBA/NBA-Au-mAbs 400~1 800 10-4 ng· mL-1 [53]

表3 SERS技术在乳及乳制品兽药残留检测中的应用 Table 3 Typical research about SERS application in detection of veterinary drug residues in milk and dairy products

四环素类药物的SERS检测研究多数与四环素和土霉素有关。 Dhakal等^[47]使用便携式拉曼光谱仪, 以β -环糊精包裹的银纳米粒子(Ag NPs)为基底, 对鲜奶中的四环素进行了现场检测, 检测限为0.01 mg· L^-1, 比欧盟规定的最大残留限量0.1 mg· kg^-1低10倍^[54]。 Marques等^[55]在可生物降解的纸基上沉积6 nm的Ag NPs膜构建了纸基平台, 测定牛奶中的四环素含量。 检测限低至0.1 mg· L^-1, 检测成本低且稳定性高。 Wu等^[56]将四聚体金纳米粒子和土霉素-DNA适配体及其三个不同类型部分互补的寡核苷酸序列整合到SERS基底上开发了一种适配体传感器, 来探测牛奶中的土霉素残留。 通常一个金纳米粒子与土霉素-DNA适配体结合, 它的三个互补寡核苷酸序列与三个金纳米粒子连接, 构建了对土霉素具有高亲和力的环境, 对土霉素的检出限为0.003 ng· mL^-1。 Liu等^[57]研制了一种由磁性纳米粒子和金银核壳纳米星组成的SERS活性基底, 用于多种抗生素的分析, 其分析策略如图1(a, b)所示。 该SERS基底在检测牛奶中的四环素残留时, 检出限可达294.12 fg· mL^-1, 且药物浓度和SERS峰强度之间具有良好的线性关系。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 (a)基于金-银核壳纳米星的SERS基底制备示意图和(b)SERS检测目标分析物[58]Fig.1 (a) Schematic illustration of gold-silver core-shell nanostar-based SERS nanotag fabrication and (b) the analyte detection by SERS[58]

卡那霉素是SERS研究主要关注的氨基糖苷类残留。 Jiang等^[49]研究了一种基于SERS的适配体传感器, 以Au@Ag NPs作为活性基底, 对全脂牛奶中的卡那霉素进行了定量分析。 首先通过硫醇-金吸附原理构建Au NPs-DNA探针组件, 然后用银壳包裹该组件, 根据碱基互补配对规则, Cyanine-3基因修饰的卡那霉素适配体DNA就能够与Au NPs-DNA探针组件结合, 基于对卡那霉素适配体的特异性识别, 采用SERS及Au@AgNPs-DNA复合物对未经处理的全脂牛奶中卡那霉素的检出限可达0.90 pg· mL^-1。 Jiang等采用4-巯基苯甲酸(4-MBA)修饰Au@AgNPs的新型适配体传感器用于牛奶中卡那霉素的检测, 其检测机理如图2所示。 在最佳检测条件下, 该适配体传感器对卡那霉素的检出限为142 pg· mL^-1, 表明该活性基底在实际牛奶样品中具有很好的灵敏性和选择性, 可以为简单、 快速地检测牛奶中有害抗生素残留提供一种新的尝试^[58]。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 卡那霉素适配体传感器的检测机理[58]Fig.2 The detection mechanism of kanamycin aptasensor[58]

Nguyen等^[59]将SERS与微流体结合, 对牛奶、 水和橙汁中的卡那霉素进行了检测。 在微流体上建立了氧化石墨烯-Au NPs复合体作为SERS活性基底, 该基底能够使金纳米粒子产生的热辐射传递到氧化石墨烯基质中, 最低检测浓度为0.75 nmol· L^-1。 Shi等^[60]进行了另一种氨基糖苷类药物新霉素的SERS检测研究, 使用便携式侧流免疫层析(lateral flow immunoassay, LFI)结合SERS技术, 分析了牛奶中的新霉素。 将AuNPs胶体与新霉素单克隆抗体和探针分子4-氨基噻吩偶联, 构建了一种简单的免疫探针。 LFI的作用是使免疫探针在测试区集中, 从而显著增强SERS信号, 该方法测定新霉素的检出限低至0.216 pg· mL^-1。 该团队采用便携式横向流免疫阵列结合SERS同时检测了牛奶中新霉素和喹诺酮类药物^[46]。

青霉素也被称为β -内酰胺, 是一种杀菌剂, 通常用于治疗奶牛的乳腺炎, 因此青霉素也是牛奶中最常见的药物残留之一。 Wali等^[61]将AuNPs和多孔硅(AuNPs/PSi)结合, 开发了一种简单且增强效果极好的SERS基底, 对牛奶中青霉素G和氨苄青霉素的检出限均达到1× 10^-9 mol· L^-1, 远低于欧盟为这两种药物设定的最大残留量(4ppb)^[62]。 Wang等^[63]采用Ag@IP6@AuNPs作为活性基底对牛奶中青霉素G痕量残留的SERS检测, 线性定量范围为10^-5~10^-11 mol· L^-1, 检出限为10^-12 mol· L^-1, 该方法的检测回收率在92.18%~101.4%之间。 Zhou等^[64]采用SERS技术结合花状Ag纳米颗粒基底同时检测牛奶中青霉素钠和氨苄青霉素。 结果显示, SERS信号强度与被分析物溶液浓度具有良好的线性相关性, 对青霉素钠和氨苄青霉素残留的检出限分别为6.3× 10^-9 和9.2× 10^-10 mol· L^-1。

氯霉素是酰胺醇类药物的代表, 被广泛应用于动物和人类, 但与氟苯尼考和甲砜霉素相比, 毒性更大, 因此, 氯霉素已被欧盟、 美国和一些发达国家在动物养殖业中禁止使用。 Barveen等^[52]将Ag NPs结合在钒酸银纳米棒(β -AgVO₃ NRs)上, 实现了对氯霉素的超灵敏检测, 其方法及原理如图3所示。 AgNPs@β -AgVO₃-NRs的结构特征有利于形成众多热点, 从而显著增强了氯霉素分子的SERS信号强度, 检出限低至痕量(10^-10 mol· L^-1)、 均匀度高(RSD=5.29%)、 重现性好(RSD=3.89%)、 增强因子高(2.05× 10⁸)。 该SERS方法在牛奶等实际样品的检测中也显示出优异的检测能力。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 AgNPs@β -AgVO3-NRs合成和SERS传感的示意图[52]Fig.3 Schematic representation of the AgNPs@β -AgVO3-NRs synthesis and the SERS sensing[52]

Fang等^[65]将SERS技术与核酸适配体结合检测了牛奶中的氯霉素残留。 采用Au NPs@Si作为活性基底, 最低检测浓度降至1.5 pmol· L^-1。 该方法的优势在于适配体为氯霉素提供了一个高度特异性和选择性的结合基, 最终提高了SERS的灵敏度。 Hassan等^[66]采用一种空心Au/Ag纳米花(HAu/Ag NFs)结构的活性基底结合多元校正分析, 用于牛奶中氯霉素的SERS检测。 在氯霉素浓度为0.000 1~1 000 μ g· mL^-1范围内采用偏最小二乘法对其进行定量分析具有良好的线性关系。 对牛奶中兽药残留的SERS检测, 研究人员基于不同机理制备了不同的SERS基底, 以便实现目标物的高灵敏特异性识别检测, 相对于肉类食品, 牛奶样品的前处理更为简便, 基质干扰较少, 充分展示SERS技术的优势, 同时高性能基底的制备也提升了增强因子, 进一步构建具有普适性、 多目标分析的SERS方法将推动SERS技术在该领域的广泛应用。

蜂蜜含有多种氨基酸、 矿物质、 维生素、 酶类和抗氧化物等, 具有抗菌、 抗氧化、 提高免疫力等功效, 能够预防多种疾病, 是深受人们喜爱的“ 药食同源” 蜂产品^[67]。 蜂蜜中的化学药物残留问题受到人们的关注, 基于SERS对蜂蜜中抗生素、 农药、 激素等残留检测开展了研究, 以期建立快速、 高效、 准确的化学残留检测技术, 为蜂产品安全检测监控提供技术保障。

张璐涛等^[68]采用SERS技术以自制的金纳米粒子为活性基底对蜂蜜中的金霉素残留进行了快速检测。 结果表明, 金纳米基底和金霉素标准溶液的最佳混合体积比为1∶ 1, 最佳混合时间为1 min, 检测实际蜂蜜样品中金霉素含量的加标回收率均在80%~120%之间。 Xiao等^[69]把银纳米粒子均匀固定在蜂窝状的阳性氧化铝表面(AAO/Ag)作为SERS活性基底用于蜂蜜中氯霉素的快速检测, 其研究策略如图4所示。 对于氯霉素标准溶液, 根据1 348 cm^-1处的SERS峰, 在1.0× 10^-8~1.0× 10^-5 mol· L^-1之间具有良好的线性关系(R²=0.970 3), 检测限低至4.0× 10^-9 mol· L^-1; 检测蜂蜜样品中氯霉素含量的加标回收率在96%~106%之间, 检出限为3.1× 10^-8 mol· L^-1。 Wang等^[70]开发了一种新型基于核酸适配体控制的金纳米棒作为SERS活性基底, 用来检测蜂蜜中的卡那霉素含量, 对其标准溶液的检出限为3.03× 10^-13 g· mL^-1, 检测蜂蜜中的卡那霉素含量的回收率为86.1%~104.2%。 Yan等^[71]以银纳米颗粒作为增强基底, 对蜂蜜中硝基呋喃妥因进行了SERS检测, 最低检测限为0.132 1 mg· kg^-1。 结合改进的光谱预处理方法, 获得了良好的线性关系, 研究表明合适的光谱预处理可以提升SERS定量分析的准确性。 相对其他动物源性食品, 蜂蜜作为分析对象的SERS研究较少, 但其药物残留的快速检测也备受关注。 蜂蜜样品基质中糖含量较高, 直接检测会限制目标分析物与增强基底的高效结合, 因此前处理方法的有效构建至关重要, 后续研究可从该类样品的前处理切入, 构建快速、 便捷的SERS分析方法, 推动SERS技术在蜂蜜分析方面的应用。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 AAO/Ag复合纳米粒子的制备及CAP的 拉曼检测原理图[69]Fig.4 Schematic illustration of the preparation of AAO/Ag composite nanoparticles and Raman detection of CAP[69]