水產(chǎn)品中重金屬污染的快速檢測(cè)技術(shù)研究

摘 要：水產(chǎn)品重金屬污染日益嚴(yán)重，傳統(tǒng)檢測(cè)方法效率低、分析不足且數(shù)據(jù)處理精度欠佳。本文分析水產(chǎn)品重金屬污染的來(lái)源、危害及檢測(cè)中存在的問(wèn)題，提出采用微流控芯片技術(shù)、重金屬形態(tài)原位表征方法以及人工智能算法等技術(shù)進(jìn)行監(jiān)測(cè)，以期為相關(guān)領(lǐng)域提供參考。

關(guān)鍵詞：水產(chǎn)品；重金屬污染；微流控芯片

Abstract： The heavy metal pollution in aquatic products is becoming increasingly serious， and traditional detection methods have low efficiency， insufficient analysis， and poor data processing accuracy. This article analyzes the sources， hazards， and problems in detecting heavy metal pollution in aquatic products， and proposes the use of microfluidic chip technology， in-situ characterization of heavy metal forms， and artificial intelligence algorithms for monitoring， in order to provide reference for related fields.

Keywords： aquatic products; heavy metal pollution; microfluidic chip

水產(chǎn)品是人類重要的食物來(lái)源之一，但近年來(lái)受環(huán)境污染等影響，水產(chǎn)品中重金屬超標(biāo)現(xiàn)象時(shí)有發(fā)生，嚴(yán)重威脅食品安全與人體健康[1]。因此，急需開(kāi)發(fā)快速、靈敏、準(zhǔn)確的新型檢測(cè)技術(shù)，為保障水產(chǎn)品質(zhì)量安全、維護(hù)公眾身體健康提供有力的技術(shù)支撐。

1 水產(chǎn)品中重金屬污染概述

水產(chǎn)品是指利用江河、湖泊、海洋等天然或人工的水域環(huán)境，通過(guò)捕撈、養(yǎng)殖等方式獲得的各類產(chǎn)品。根據(jù)《農(nóng)產(chǎn)品分類與代碼》（NY/T 3177—2018）標(biāo)準(zhǔn)，水產(chǎn)品主要分為魚(yú)類、甲殼類、軟體類和藻類。不同類別的水產(chǎn)品在營(yíng)養(yǎng)成分、風(fēng)味特點(diǎn)、加工方式等方面各具特色[2]。

水產(chǎn)品中常見(jiàn)的重金屬污染物主要包括汞（Hg）、砷（As）、鉛（Pb）、鎘（Cd）等元素，其來(lái)源呈現(xiàn)出多樣性和復(fù)雜性。工業(yè)廢水排放是水產(chǎn)品重金屬污染的主要來(lái)源之一，如含汞廢水可來(lái)自化工、電鍍、造紙等行業(yè)，含鉛廢水則源自鉛蓄電池制造、印刷電路板生產(chǎn)等過(guò)程。農(nóng)業(yè)方面的污染如農(nóng)藥化肥的過(guò)量使用，也會(huì)導(dǎo)致砷、鎘等重金屬進(jìn)入水環(huán)境。此外，礦山開(kāi)采、冶煉活動(dòng)產(chǎn)生的礦渣和廢氣，以及城市生活污水的不達(dá)標(biāo)排放，都可能造成水體重金屬污染，進(jìn)而通過(guò)食物鏈富集到水產(chǎn)品體內(nèi)。需要注意的是，重金屬在水環(huán)境中常以多種形態(tài)存在，如游離態(tài)、絡(luò)合態(tài)、顆粒態(tài)等，不同形態(tài)重金屬的遷移轉(zhuǎn)化特性和生物有效性存在明顯差異[3]。同時(shí)，重金屬在水產(chǎn)品體內(nèi)的分布也呈現(xiàn)出組織特異性，如魚(yú)類肌肉組織中的砷主要以無(wú)機(jī)砷的形態(tài)存在，而內(nèi)臟中則以有機(jī)砷形態(tài)為主。

2 水產(chǎn)品中重金屬污染快速檢測(cè)過(guò)程中存在的問(wèn)題

2.1 樣品處理自動(dòng)化程度低

水產(chǎn)品中重金屬污染的快速檢測(cè)中，樣品處理自動(dòng)化程度低、檢測(cè)效率受限是一個(gè)亟待解決的問(wèn)題。目前，大多數(shù)實(shí)驗(yàn)室仍采用傳統(tǒng)的人工處理方式，如樣品的勻漿、消解、萃取等環(huán)節(jié)主要依賴實(shí)驗(yàn)員手動(dòng)操作完成。這種處理模式不僅耗時(shí)耗力，而且容易引入人為誤差，影響檢測(cè)結(jié)果的準(zhǔn)確性和重現(xiàn)性。以魚(yú)類樣品為例，其組織結(jié)構(gòu)復(fù)雜，脂肪含量高，在前處理過(guò)程中需要進(jìn)行去脂、粉碎等一系列操作，手動(dòng)處理往往難以保證樣品的均一性和批間穩(wěn)定性。同時(shí)，由于缺乏專用的自動(dòng)化樣品處理設(shè)備，實(shí)驗(yàn)室通常需要根據(jù)不同基質(zhì)特點(diǎn)，設(shè)計(jì)和優(yōu)化個(gè)性化的處理流程，導(dǎo)致檢測(cè)效率較低。此外，大批量樣品的連續(xù)處理對(duì)實(shí)驗(yàn)人員的技術(shù)熟練度提出了更高的要求，手動(dòng)操作易產(chǎn)生疲勞，增加了操作失誤的風(fēng)險(xiǎn)[4]。

2.2 重金屬形態(tài)分析方法的缺乏

目前，水產(chǎn)品中重金屬污染檢測(cè)主要側(cè)重于總量分析，而對(duì)重金屬賦存形態(tài)的研究相對(duì)較少。重金屬在水產(chǎn)品體內(nèi)通常以多種形態(tài)共存，如無(wú)機(jī)形態(tài)、有機(jī)形態(tài)、結(jié)合態(tài)等。不同形態(tài)重金屬的毒理學(xué)特性和生物有效性差異顯著，直接影響其在水產(chǎn)品中的富集規(guī)律和食用安全風(fēng)險(xiǎn)。例如，魚(yú)類肌肉組織中砷主要以低毒性的有機(jī)砷形式（如砷甜菜堿）存在，而內(nèi)臟中則以毒性較強(qiáng)的無(wú)機(jī)砷為主。假如僅對(duì)總砷含量進(jìn)行檢測(cè)，而忽略了砷形態(tài)分布的差異，可能會(huì)高估或低估魚(yú)類的砷暴露風(fēng)險(xiǎn)。然而，由于缺乏成熟的形態(tài)分析方法，目前對(duì)水產(chǎn)品中汞的形態(tài)組成和轉(zhuǎn)化機(jī)制尚不清楚，難以準(zhǔn)確評(píng)估其健康風(fēng)險(xiǎn)。此外，重金屬在水產(chǎn)品不同組織器官中的形態(tài)分布也存在明顯的差異。例如，雙殼貝類內(nèi)臟中的鎘主要與金屬硫蛋白結(jié)合，而閉殼肌中則以無(wú)機(jī)態(tài)鎘為主[5]。

2.3 數(shù)據(jù)處理模型預(yù)測(cè)準(zhǔn)確性不足

現(xiàn)有的數(shù)據(jù)處理模型在應(yīng)對(duì)水產(chǎn)品基質(zhì)的復(fù)雜性和重金屬形態(tài)的多樣性方面仍存在不足。以魚(yú)類為例，其肌肉、內(nèi)臟、骨骼等不同組織中重金屬含量差異明顯，且受魚(yú)的種類、生長(zhǎng)階段、生境條件等因素影響。若直接將這些差異納入統(tǒng)一的線性回歸模型，可能無(wú)法準(zhǔn)確了解重金屬的生物富集規(guī)律。此外，水產(chǎn)品基質(zhì)效應(yīng)也會(huì)干擾重金屬檢測(cè)信號(hào)，導(dǎo)致數(shù)據(jù)偏離線性范圍。例如，基質(zhì)中共存元素的光譜干擾可引起測(cè)量誤差，有機(jī)質(zhì)則會(huì)影響分析靈敏度。若數(shù)據(jù)處理模型未充分考慮這些因素，將難以確保檢測(cè)結(jié)果的可靠性。同時(shí)，水環(huán)境污染的時(shí)空異質(zhì)性也對(duì)數(shù)據(jù)質(zhì)量提出了更高要求。重金屬在水體中的遷移轉(zhuǎn)化過(guò)程復(fù)雜，其生物有效性還受pH值、溶解性有機(jī)碳等環(huán)境因子調(diào)控。捕撈過(guò)程中樣品的采集和保存條件的差異性，也可能會(huì)引入較大的測(cè)量不確定度。這些變異來(lái)源若未納入模型校正，將降低污染溯源和風(fēng)險(xiǎn)預(yù)測(cè)的精度。

3 優(yōu)化措施

3.1 發(fā)展微流控芯片技術(shù)實(shí)現(xiàn)樣品全自動(dòng)處理

針對(duì)水產(chǎn)品重金屬污染檢測(cè)過(guò)程中存在的樣品處理自動(dòng)化程度低、檢測(cè)效率受限等問(wèn)題，發(fā)展微流控芯片技術(shù)是一種前景廣闊的解決方案。微流控芯片是一種集成了微通道、微閥、微泵等功能單元的微型化學(xué)分析平臺(tái)，可實(shí)現(xiàn)樣品的自動(dòng)進(jìn)樣、混合、反應(yīng)以及分離等一系列操作。將微流控芯片技術(shù)引入水產(chǎn)品重金屬檢測(cè)領(lǐng)域，有望顯著提升樣品處理的自動(dòng)化水平和標(biāo)準(zhǔn)化程度。例如，可設(shè)計(jì)一種集成樣品勻漿、消解、萃取等功能的微流控芯片，將魚(yú)肉組織樣品直接加載到芯片上，通過(guò)控制微通道中酶促反應(yīng)和相分離條件，實(shí)現(xiàn)樣品均質(zhì)化和重金屬提取的自動(dòng)化處理。與傳統(tǒng)手動(dòng)操作相比，微流控芯片不僅可明顯降低樣品處理的人力成本，減少時(shí)間消耗，還能通過(guò)精確控制反應(yīng)條件，提高樣品制備的批間穩(wěn)定性和重現(xiàn)性。此外，微流控芯片還可集成在線清洗、濃縮等功能，有效降低樣品交叉污染風(fēng)險(xiǎn)，確保檢測(cè)結(jié)果的可靠性。特別地，微流控芯片技術(shù)還具有樣品用量小、試劑消耗量少等優(yōu)勢(shì)，特別適用于珍稀水產(chǎn)品樣本的分析檢測(cè)。合理設(shè)計(jì)芯片結(jié)構(gòu)和優(yōu)化操作參數(shù)，可實(shí)現(xiàn)微量樣品的快速、靈敏檢測(cè)，拓展方法的適用性。同時(shí)，微流控芯片的高度集成化特性也為實(shí)現(xiàn)樣品處理、分離、檢測(cè)的一體化奠定了基礎(chǔ)，有望進(jìn)一步提升重金屬污染監(jiān)測(cè)的現(xiàn)場(chǎng)快速響應(yīng)能力。

3.2 建立重金屬形態(tài)原位表征新方法

針對(duì)當(dāng)前水產(chǎn)品重金屬形態(tài)分析方法缺乏的問(wèn)題，建立原位表征新方法是一個(gè)值得探索的研究方向。采用原位表征技術(shù)可實(shí)現(xiàn)樣品的直接、非破壞性分析，最大限度地保留重金屬的原位形態(tài)信息。例如，可利用同步輻射X射線吸收精細(xì)結(jié)構(gòu)光譜（X-ray Absorption Fine Structure，XAFS）對(duì)水產(chǎn)品中重金屬的化學(xué)價(jià)態(tài)、配位環(huán)境等進(jìn)行直接表征。通過(guò)分析X射線吸收近邊結(jié)構(gòu)（X-ray Absorption Near Edge Structure，XANES）和擴(kuò)展X射線吸收精細(xì)結(jié)構(gòu)（Extended X-ray Absorption Fine Structure，EXAFS）特征峰的位置、形狀和強(qiáng)度，可獲得重金屬所處的氧化態(tài)、配位原子種類和鍵長(zhǎng)等關(guān)鍵信息，從而判斷其在水產(chǎn)品體內(nèi)的存在形式和結(jié)合方式。與化學(xué)提取法相比，XAFS能夠區(qū)分重金屬的無(wú)機(jī)態(tài)和有機(jī)態(tài)，揭示重金屬與水產(chǎn)品蛋白質(zhì)、酶等生物大分子的相互作用機(jī)制，為評(píng)估其生物毒性和代謝過(guò)程提供直接依據(jù)。此外，激光剝蝕電感耦合等離子體質(zhì)譜（Laser Ablation-Inductively Coupled Plasma-Mass Spectrometry，LA-ICP-MS）也是一種具有發(fā)展前景的原位表征技術(shù)。其通過(guò)將高能量激光束聚焦在樣品表面，可直接剝蝕出待測(cè)區(qū)域的微量樣品，再經(jīng)由載氣傳輸至ICP-MS進(jìn)行元素及其同位素分析。與溶液霧化進(jìn)樣方式不同，LA-ICP-MS可實(shí)現(xiàn)固體樣品的直接分析，避免了消解萃取過(guò)程可能引入的形態(tài)轉(zhuǎn)化和污染干擾。利用LA-ICP-MS對(duì)水產(chǎn)品不同組織部位進(jìn)行重金屬分布成像，可直觀揭示重金屬在魚(yú)骨、肌肉、內(nèi)臟等部位的富集差異，判斷其來(lái)源和暴露途徑。同時(shí)，LA-ICP-MS的空間分辨率可達(dá)微米級(jí)，能夠?qū)崿F(xiàn)重金屬在細(xì)胞和亞細(xì)胞水平的精細(xì)表征，為探究重金屬毒性作用機(jī)制提供新的視角。為充分發(fā)揮原位表征技術(shù)的應(yīng)用潛力，還需建立配套的譜學(xué)數(shù)據(jù)解析方法和形態(tài)定量模型，綜合運(yùn)用曲線擬合、主成分分析等化學(xué)計(jì)量學(xué)工具，提高數(shù)據(jù)處理的準(zhǔn)確性和自動(dòng)化水平，最終實(shí)現(xiàn)重金屬形態(tài)的快速、準(zhǔn)確判定。

3.3 引入人工智能算法優(yōu)化數(shù)據(jù)處理模型

傳統(tǒng)的數(shù)據(jù)處理模型如線性回歸、主成分分析等，對(duì)水產(chǎn)品基質(zhì)復(fù)雜性和重金屬形態(tài)多樣性的適應(yīng)能力有限。引入機(jī)器學(xué)習(xí)算法，如支持矢量機(jī)（Support Vector Machine，SVM）、隨機(jī)森林（Random Forest，RF）等，可顯著提升模型對(duì)復(fù)雜非線性關(guān)系的擬合能力。以RF為例，通過(guò)構(gòu)建多個(gè)決策樹(shù)并綜合其預(yù)測(cè)結(jié)果，可有效減輕數(shù)據(jù)噪聲和異常值帶來(lái)的影響，提高模型的穩(wěn)健性。同時(shí)，RF算法還能提供各輸入變量的重要性排序，有助于篩選出影響重金屬含量的關(guān)鍵因素，優(yōu)化檢測(cè)方案設(shè)計(jì)。近年來(lái)，深度學(xué)習(xí)技術(shù)，如卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）在光譜數(shù)據(jù)解析中應(yīng)用前景廣闊。將CNN應(yīng)用于重金屬檢測(cè)的原子吸收光譜（Atomic Absorption Spectroscopy，AAS）、電感耦合等離子體發(fā)射光譜（Inductively Coupled Plasma Optical Emission Spectrometer，ICP-OES）等數(shù)據(jù)處理，可自動(dòng)提取光譜曲線的特征模式，克服基體效應(yīng)和譜線重疊等干擾，實(shí)現(xiàn)重金屬含量的快速、準(zhǔn)確定量。需要指出的是，CNN還可與遷移學(xué)習(xí)策略相結(jié)合，通過(guò)在相似基質(zhì)或重金屬類型間轉(zhuǎn)移訓(xùn)練好的模型，顯著減少樣本標(biāo)注和計(jì)算資源消耗，提高模型的泛化能力和實(shí)用性。此外，生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks，GAN）是一種有潛力的數(shù)據(jù)增強(qiáng)技術(shù)，可通過(guò)生成與真實(shí)樣本分布相似的合成數(shù)據(jù)，擴(kuò)充訓(xùn)練樣本量，提高模型的健壯性。例如，利用GAN生成不同污染程度、基質(zhì)類型的水產(chǎn)品光譜數(shù)據(jù)，可有效解決實(shí)際檢測(cè)中樣本不平衡、數(shù)量有限等問(wèn)題，增強(qiáng)模型對(duì)邊緣少數(shù)類樣本的識(shí)別能力。同時(shí)，GAN還可用于光譜數(shù)據(jù)的去噪和增強(qiáng)，通過(guò)學(xué)習(xí)光譜信號(hào)與噪聲的分布特征，自動(dòng)實(shí)現(xiàn)背景校正和信號(hào)放大，提高檢測(cè)靈敏度和準(zhǔn)確度。為進(jìn)一步提升模型預(yù)測(cè)性能，可結(jié)合混合整數(shù)規(guī)劃、貝葉斯優(yōu)化等智能優(yōu)化算法，對(duì)模型架構(gòu)、超參數(shù)進(jìn)行自動(dòng)選擇和調(diào)優(yōu)，找出最優(yōu)的建模方案，最大限度地挖掘數(shù)據(jù)中的規(guī)律和信息。

4 結(jié)語(yǔ)

本文分析了水產(chǎn)品重金屬污染檢測(cè)面臨的主要問(wèn)題，提出從微流控芯片技術(shù)、重金屬形態(tài)原位表征新方法和人工智能算法等3個(gè)方面優(yōu)化檢測(cè)技術(shù)的建議。今后，應(yīng)加強(qiáng)多學(xué)科交叉融合，著力提升樣品處理自動(dòng)化水平，深化重金屬賦存形態(tài)分析，創(chuàng)新檢測(cè)數(shù)據(jù)的智能解析方法，為保障水產(chǎn)品質(zhì)量安全提供有力的技術(shù)支撐。

參考文獻(xiàn)

[1]化天賜，李艷，黎晏彰，等.場(chǎng)地鉻污染的微生物治理及資源化實(shí)驗(yàn)[J/OL].硅酸鹽學(xué)報(bào)，1-7[2024-08-10].https：//doi.org/10.14062/j.issn.0454-5648.20240162.

[2]李瑩，錢(qián)敏，曾曉房，等.畜禽肉類預(yù)制菜肴全鏈條風(fēng)險(xiǎn)因子研究進(jìn)展[J/OL].食品工業(yè)科技，1-15[2024-08-10].https：//doi.org/10.13386/j.issn1002-0306.2024030021.

[3]曾子毅，周瑩，李冠斯，等.中國(guó)與菲律賓水產(chǎn)品中重金屬限量對(duì)比分析[J].標(biāo)準(zhǔn)科學(xué)，2024（6）：130-135.

[4]陸昱養(yǎng)，周倫敏，何云亞.象山縣養(yǎng)殖水產(chǎn)品重金屬污染與環(huán)境相關(guān)性研究[J].農(nóng)村科學(xué)實(shí)驗(yàn)，2024（10）：193-195.

[5]侯彥琳，郝青，孫秀梅，等.蒼南近岸海域水產(chǎn)品重金屬分布特征及風(fēng)險(xiǎn)評(píng)估[J].中國(guó)無(wú)機(jī)分析化學(xué)，2024，14（9）：1255-1263.

作者簡(jiǎn)介：桑爽（1989—），女，內(nèi)蒙古巴彥淖爾人，本科，工程師。研究方向：食品檢驗(yàn)檢測(cè)技術(shù)。