電子鼻技術在快速檢測小麥矮腥黑穗病菌中的應用

曹學仁，詹浩宇，周益林，段霞瑜中國農(nóng)業(yè)科學院植物保護研究所，植物病蟲害生物學國家重點實驗室，北京 0093;北京盈盛恒泰科技有限責任公司，北京 00055

小麥矮腥黑穗病菌Tilletia controversaKühn(TCK)是一種重要的世界性檢疫病原菌，由其引起的小麥矮腥黑穗病是麥類黑穗病中危害最大、防治最難的檢疫性病害之一。目前，該病害已在歐洲、美洲、亞洲及非洲等30多個國家發(fā)生，美國西北部的小麥染病尤為普遍(崔良剛和程義美，2003)。TCK至今仍被我國列為嚴禁入境的檢疫性真菌，它具有傳入和定殖的風險，因此必須采取嚴格的檢驗檢疫措施，防止TCK隨進口小麥流入我國(陳克等，2002;周益林等，2007)。近年來，我國口岸檢疫機構曾多次在由美國、加拿大及歐盟進口的小麥中截獲TCK冬孢子。但小麥網(wǎng)腥黑穗病菌T.caries(DC)Tul(TCT)、TCK及小麥光腥黑穗病菌T.foetia(Wallr.)Liro(TFL)的冬孢子形態(tài)非常相似，這給口岸檢疫工作帶來了很大的障礙。多年來，國內(nèi)外一些學者主要從形態(tài)學、生物學、分子生物學檢測等方面進行了大量有益的研究和探索工作(董薇等，2007;林授鍇等，2008;年四季等，2009)。但如何快速、準確地檢測出TCK，一直是廣大學者和口岸工作者關注的焦點。

電子鼻(electronic nose)是一種由具有選擇性的化學傳感器陣列和適當?shù)哪Ｊ阶R別系統(tǒng)組成，能識別簡單或復雜氣味的儀器。近年來，電子鼻技術在谷物霉變、毒素及活性的檢測中得到了探索與利用。1997年，Jonssonet al.利用電子鼻結合人工神經(jīng)網(wǎng)絡識別技術，對不同氣味的燕麥、黑麥和大麥以及含有不同麥角固醇和菌落總數(shù)的小麥進行了分析。結果顯示，神經(jīng)網(wǎng)絡能夠準確識別不同霉變程度的燕麥，也可以預測霉變大麥和新鮮大麥、霉變黑麥和新鮮黑麥混合物中霉變谷物的百分比。Olssonet al.(2002)利用電子鼻對大麥中的真菌毒素OA和DON進行了檢測，結果表明，電子鼻既能區(qū)分赭曲霉素A含量大于和小于5 μg·kg-1的大麥，也能預測谷物中DON的含量。鄒小波和趙杰文(2004)利用電子鼻快速、準確地分析谷物散發(fā)的氣味，從而判定谷物是否霉變。偉利國等(2010)利用電子鼻技術對小麥的活性進行了檢測。由于小麥受TCK危害后，植株矮化，分蘗增多，籽粒變?yōu)榫`，具有魚腥味，這就為利用電子鼻技術來檢測小麥中的TCK提供了可能。因此，本研究利用電子鼻對含有不同TCK冬孢子數(shù)的小麥進行檢測分析，以期探索出一種能夠快速檢測TCK的新技術。

1 材料與方法

1.1 供試材料與試驗處理

供試TCK來自于美國農(nóng)業(yè)部小谷物種質(zhì)資源研究所;TFL由本實驗室提供。

稱取50 g小麥種子放入100 mL的三角瓶中，利用血球計數(shù)板在顯微鏡下用蒸餾水將TCK的冬孢子濃度配成108個·mL-1并以梯度稀釋后，加入三角瓶中，每個三角瓶中加冬孢子懸浮液10 μL，使每50 g小麥種子中的冬孢子含量分別為105、104、103、102、101及 100個。TFL 冬孢子懸浮液的配制以及每50 g小麥種子中的冬孢子含量與TCK處理一致。兩者均以清水為對照，然后用雙層保鮮膜封口，每個處理重復4次。試驗開始1 h前，將處理好的三角瓶置于25℃的培養(yǎng)箱中。

1.2 主要儀器

本研究采用的是PEN3型電子鼻系統(tǒng)(德國AIRSENSE公司)，由北京盈盛恒泰科技有限責任公司提供。該電子鼻含有10個不同的金屬氧化物傳感器，組成傳感器陣列。各傳感器的性能描述見表1。

表1 傳感器性能描述Table 1 Descriptions of sensors

1.3 試驗方法

采用直接頂空吸氣法，即直接將電子鼻進樣針頭插入經(jīng)1.1處理的三角燒瓶中進行測定。測定條件:傳感器自清洗時間為100 s，傳感器歸零時間為10 s，樣品準備時間為3 s，進樣流量為300 mL·min-1，分析采樣時間為60 s。

1.4 數(shù)據(jù)處理

提取10個傳感器的特征值，采用主成分分析法(principal component analysis，PCA)和線性判別法(linear discriminant analysis，LDA)作為主要分析方法。

PCA是把多個指標化為少數(shù)幾個綜合指標的一種統(tǒng)計方法，并對少數(shù)幾個綜合指標進行線性分類，PCA分析的結果僅顯示主要的兩維散點圖。PC1和PC2分別為PCA轉換中得到的第一主成分和第二主成分的貢獻率，貢獻率越大，說明該主成分越能較好地反映原來多指標的信息。

LDA分析是模式識別的經(jīng)典算法，將高維的模式樣本投影到最佳鑒別矢量空間，以達到抽取分類信息和壓縮特征空間維數(shù)的效果，投影后保證模式樣本在新的子空間有最大的類間距離和最小的類內(nèi)距離，即模式在該空間中有最佳的可分離性。與PCA分析相比，LDA更側重于對不同類數(shù)據(jù)之間的差別進行建模。

2 結果與分析

2.1 TCK的電子鼻檢測

10個傳感器對健康小麥與添加TCK冬孢子后小麥揮發(fā)物的響應曲線見圖1。從圖中可以看出，不同傳感器對健康小麥揮發(fā)物的反應不同，其中以2號傳感器(對氮氧化合物類敏感)的響應值較大。與健康小麥相比，加入冬孢子后，傳感器的響應值有明顯變化。

圖1 10個傳感器對健康小麥(A)及加入TCK后小麥(B)的響應曲線Fig.1 Curves of 10 sensors responding to wheat(A)and to wheat with TCK teliopores(B)

2.2 PCA 分析

PCA分析結果顯示，在CORRELATION相關性矩陣模式下，第一主成分區(qū)分貢獻率為84.64%，第二主成分區(qū)分貢獻率為10.20%，2個主成分區(qū)分貢獻率總和為94.84%，大于90%，表明這2個主成分已經(jīng)基本代表了樣品的主要信息特征(圖2)。同時，從圖2可以看出，利用PCA分析，可以將含TCK冬孢子的小麥與不含TCK冬孢子的小麥(CK)很好地區(qū)分開來，且對含有不同孢子數(shù)的小麥也有一定的區(qū)分能力，其中，當每50 g小麥中的冬孢子數(shù)超過104時，可明顯與冬孢子數(shù)為100、101、102及103的處理區(qū)分開來。

圖2 含不同冬孢子數(shù)小麥的PCA分析圖Fig.2 PCA score plot of wheat grains containing different numbers of TCK teliopores

2.3 LDA 分析

從LDA分析結果(圖3)可以看出，線性判別函數(shù)LD1和LD2的貢獻率分別為65.78%和19.88%，兩者總貢獻率達85.66%。該分析結果表明，利用電子鼻可以將不含TCK冬孢子的小麥(CK)和含有不同冬孢子數(shù)的小麥區(qū)分開來，并且呈現(xiàn)出較好的線性關系。同時還可將50 g小麥中含100、101、102個冬孢子的處理與冬孢子數(shù)大于103的處理區(qū)分開來，也能將100、101、102個冬孢子的處理彼此區(qū)分開來。因此與PCA分析結果相比，LDA分析對不同冬孢子數(shù)處理間的區(qū)分效果更好，且線性關系明顯。

圖3 含不同冬孢子數(shù)小麥的LDA分析Fig.3 LDA score plot of wheat grains containing different numbers of TCK teliopores

2.4 電子鼻檢測區(qū)分TCK和TFL

利用電子鼻分別對含有TCK和TFL的小麥進行測定，并利用PCA和LDA進行數(shù)據(jù)分析。從PCA分析結果(圖4)可以看出，第一主成分和第二主成分區(qū)分貢獻率總和為96.99%，且不同TCK冬孢子數(shù)的處理與不同TFL冬孢子數(shù)的處理各自分布在一起，兩者之間可以很好地區(qū)分開來。但是，利用LDA分析，兩者在圖上的分布區(qū)域出現(xiàn)重疊(結果未顯示)，表明該分析方法不能將 TCK與TFL區(qū)分開來。

圖4 含不同TCK和TFL冬孢子數(shù)小麥的PCA分析圖Fig.4 PCA score plot of wheat grains containing different numbers of TCK and TFL teliopores

3 討論

“電子鼻”的概念最早是由英國Warwick大學的Persand和Dodd教授于1982年模仿哺乳動物嗅覺系統(tǒng)對幾種有機揮發(fā)氣體進行類別分析時提出來的。隨著材料科學、制造工藝、計算機與應用數(shù)學等相關學科的進步，電子鼻研究迅速發(fā)展，在食品、環(huán)境監(jiān)控、醫(yī)學、農(nóng)業(yè)與公共安全等領域得到了廣泛的應用(金翠云等，2010)。本研究利用電子鼻技術對含有不同TCK冬孢子數(shù)的小麥種子進行了測定，采用PCA和LDA法對數(shù)據(jù)進行了分析。結果表明，利用電子鼻可以將不含TCK的小麥和含有TCK的小麥區(qū)分開來，且對含不同冬孢子數(shù)的小麥也有一定的區(qū)分效果，特別是TCK冬孢子含量較大時。與其他檢測方法相比，電子鼻技術具有操作簡單、測定迅速、無損及結果客觀等優(yōu)點，因此本研究為探索TCK快速檢測的新方法提供了參考。

本研究還發(fā)現(xiàn)，利用電子鼻結合PCA分析，可以很好地將同樣具有魚腥味的TFL和TCK區(qū)分開來。但是，對于與TCK在形態(tài)上更相似且具有魚腥味的TCT，能否利用電子鼻技術并結合適當?shù)姆治龇椒▍^(qū)分開來，還需要進一步研究;另外，不同的小麥品種及小麥的不同陳化程度對電子鼻的響應是否有影響，也需要研究來證實。

陳克，姚文國，章正，肖悅巖，嚴進，徐巖，白章紅，陳小凡，包黎明.2002.小麥矮腥黑穗病在中國定殖風險分析及區(qū)劃研究.植物病理學報，32(4):312-318.

崔良剛，程義美.2003.小麥矮腥黑穗病的發(fā)生及防治.植物保護，156(2):22-23.

董微，陳萬權，劉太國.2007.小麥矮腥黑粉菌的鑒定及檢測方法.植物保護，33(6):129-131.

金翠云，崔瑤，王穎.2010.電子鼻及其在各領域的最新研究進展.傳感器世界，(3):6-10.

林授鍇，王念武，翁瑞泉，周衛(wèi)川，郭瓊霞.2008.小麥矮腥黑粉菌檢疫鑒定研究進展和展望.植物檢疫，22(5):318-320.

年四季，袁青，殷幼平，蔡俊，王中康.2009.實時熒光定量PCR鑒定小麥矮腥黑穗菌技術研究.中國農(nóng)業(yè)科學，42(12):4403-4410.

偉利國，張小超，趙博，李祖超.2010.電子鼻技術及其在小麥活性檢測中的應用.農(nóng)機化研究，(6):150-152.

周益林，段霞瑜，賈文明，陳萬權，邱焯.2007.小麥矮腥黑穗病(TCK)傳入中國及其定殖的風險分析研究進展.植物保護，33(6):6-10.

鄒小波，趙杰文.2004.電子鼻快速檢測谷物霉變的研究.農(nóng)業(yè)工程學報，12(4):121-124.

Jonsson A，Winquish F，Schnurcr J，Sundgren H and Lundstrom I.1997.Electronic nose for microbial quality classification of grains.International Journal of Food Microbiology，35:187-193.

Olsson J，B?rjesson T，Lundstedt T and Schnürer J.2002.Detection and quantification of ochratoxin A and deoxynivalenol in barley grains by GC-MS and electronic nose.International Journal of Food Microbiology，72:203-214.