成果介绍

研究内容

鉴于肉类腐败造成的巨大经济损失和潜在的食源性疾病，能够提供早期腐败预警的实时和非破坏性监测技术在肉类供应链中变得越来越重要。在此，我们设计并制作了一种比色传感器阵列（CSA），该阵列由10种胺响应染料负载于金属有机框架材料ZIF-8 （ARD@ZIF-8） 中，模仿人类的嗅觉系统，用于肉类新鲜度的可视化评估。结果表明，在 ZIF-8 中包埋胺响应染料可显著提高其灵敏度和稳定性（ΔE<5）。然后，通过高精度、高均匀度的可编程打印技术制备出40 mm×10 mm的CSA。在与生物胺（BAs）接触的16 min内，灵敏的色度变化可直接通过眼睛检测，并通过智能手机进行数字记录和量化。目标生物胺（氨、二甲胺、三甲胺）的检测线性范围为 50-50000 μg/kg，检测限分别为7、8 和 8 μg/kg。此外，用不同的肉类样品对优化后的检测方法进行了验证，结果与TVBN之间具有较高的相关性（R2>0.969）。通过化学计量模式识别（主成分分析和分层聚类分析），可以清楚地区分肉类的不同新鲜程度。此外，CSA的重现性也很高（RSD<5%）。CSA在简便性、可靠性和成本效益方面达到了理想的平衡，可能对于消费者利用智能食品包装实现肉类质量监测具有重要价值。

研究背景

肉类产品极易因微生物生长而变质。蛋白质分解过程中不可避免地会产生生物胺（BAs），对人体健康产生各种不利影响。因此，针对肉类中BAs的简单而可靠的检测方法对食品工业非常有价值。目前，常用的BAs检测方法包括高效液相色谱法、气相色谱法和电化学法。这些方法虽然能准确测定生物碱的含量，但也有其固有的局限性，如耗时长、操作步骤复杂、检测结果延迟等。因此，迫切需要开发高效、定量、实时、操作简单、原位、低成本的检测方法。

比色传感器阵列（CSA）因其选择性高、响应速度快、成本低和操作简单而备受关注。它模仿人类的嗅觉系统，对目标分析物表现出独特的比色交叉反应模式。然而，单一染料的色谱范围较窄，颜色变化单调。相比之下，CSA是多种染料的理想平台。因此，我们之前重点研究了多种染料的整合，以提高CSA的分析性能。据报道，染料与金属有机框架（MOFs）材料的结合可提高CSA的分析性能。在这一领域，ZIF-8作为一种典型的MOFs，它在分子吸附、目标稳定和生物大分子负载方面具有显著的潜力。因此，ZIF-可通过高效富集分析物来提高CSA对痕量生物碱的检测灵敏度。

传统CSA制备方法是通过毛细管或移液枪点样，存在斑点大小不均和重现性差的问题。相比之下，可编程打印技术具有速度快、颜色均匀、成本低等优点，因此被应用于CSA的制备。然而，传统的喷墨打印无法直接兼容有机溶剂，也无法进行定量控制。有鉴于此，我们之前提出了一种可编程打印技术，可在不受墨水溶剂限制的情况下实现CSA的可控和精确制备，显示出卓越的实用性。

在这项工作中，设计并制作了一个模仿人类嗅觉系统的10通道CSA，旨在可视化真空包装中肉类的新鲜度。合成了ZIF-8作为载体，并尝试通过氢键和物理吸附将染料负载于ZIF-8中。通过按需打印，进一步将其印制成CSA。可以观察到，CSA对BAs具有选择性和敏感性。此外，通过分层聚类分析（HCA）和主成分分析（PCA）对从CSA图像中提取的像素信息进行了统计分析，从而能够明确区分与肉类腐败有关的挥发性有机化合物。

研究结果

制备的ARD@ZIF-8纳米复合材料的表征

通过SEM和紫外-可见光谱分析对所得ARD@ZIF-8的形态进行了表征。ZIF-8的SEM图像如图1A所示。该材料呈现出均匀的菱形十二面体形状，边缘和面部清晰，表明其具有较高的结晶度。ARD@ZIF-8的SEM图像如图1B和图1C所示。可以看出，两者均呈现出规则的十二面体结构，具有均匀的颗粒大小和光滑的表面。这表明染料的负载并未破坏ZIF-8本身的结构，保持了其原始结构和形态。图1D展示了10种化学敏感材料在纳米复合材料制备前后的紫外-可见光谱。纳米复合化学响应材料在紫外-可见光谱中的吸收峰呈现蓝移、分裂或展宽现象。然而，吸收峰的整体形态基本保持不变，表明化学敏感纳米复合材料的合成与制备取得成功。如图1E所示，甲基红@ZIF-8在氨水溶液中的最大吸收峰发生了变化。494 nm处的吸收峰强度减弱，而407 nm处的吸收峰强度增强。这一转变与甲基红的内部结构（-N=N-结构和芳香环结构）有关，导致颜色从红色变为黄色。此外，图1F显示甲基红@ZIF-8的吸光度值与氨溶液浓度之间存在良好相关性（R²=0.989）。如图1G所示的CIE色度图清晰地描绘了颜色变化。其他ARD@ZIF-8也基于相同机制。因此，将ARD@ZIF-8用作指示剂制备CSA可提高传感单元的选择性和灵敏度。

图1 ZIF-8及负载于ZIF-8中的胺响应型染料的表征。SEM图像：（A）ZIF-8，（B）甲基红@ZIF-8，（C）茜素@ZIF-8。（D） 胺响应型染料及负载于ZIF-8中的胺响应型染料的紫外-可见光谱，（E）甲基红@ZIF-8在不同氨浓度（0.05至50 mg/kg）下的紫外-可见吸收光谱。（F） 甲基红@ZIF-8的吸光度与氨浓度之间的线性相关性。（G） 甲基红@ZIF-8在不同氨浓度下CIE色度图。

CSA对挥发性有机化合物的响应

如图2所示，负载在ZIF-8中的染料对pH变化表现出更强烈的响应。这表明基于ARD@ZIF-8的CSA可能具有更高的灵敏度。图3A展示了用于识别三种BAs的CSA的指纹图谱。可以清楚地看到，传感器阵列中的每个染料条带都出现了颜色变化，且每种气体都与独特的颜色模式相关。如图3B所示，10种染料的ED趋势呈现不同程度的增加。综上所述，这些结果证明了由10种染料制备的CSA可被三种胺类气体有效激活，从而发挥气味传感器的功能。缩短检测时间可以显著提高生产效率和成本效益。对反应时间进行了优化。如图3C所示，随着反应时间的增加，CSA对各种气体的ED逐渐增大。当反应进行到16 min时，各种气体与CSA的反应达到平衡。这种平衡导致阵列ED值的最小变化，随后触发响应。因此，CSA检测VOC的最佳响应时间为16 min。

图2 不同阵列的指纹图谱用于EA识别。未负载ZIF-8（A）和负载ZIF-8（B）的胺响应染料在50 mg/kg氨气作用下反应前后的差异图谱

图3 比色传感器阵列用于肉类新鲜度检测的可行性研究。 （A） 比色传感器阵列与氨、二甲胺和三甲胺的响应。（B）在50 mg/kg氨气浓度下，各染料的ED变化。 （C） 比色传感器阵列对三种胺气体的响应时间

CSA对VOC的敏感性分析

图4A显示，随着胺浓度的增加，CSA的颜色变化肉眼可见。当CSA暴露于不同胺气体（浓度相同）时，其显示出不同颜色。这可能归因于三种胺气体结构不同及其氨基（-NH₂）含量差异。CSA对三种胺气体的响应如图4B所示。CSA的ED值随胺浓度增加而升高。CSA在暴露于NH₃浓度超过50 mg/kg时显示出峰值ED值，表明其对氨的检测灵敏度达到最佳。结果表明，比色传感器阵列能够快速识别肉类新鲜度。为了进一步分析CSA与三种胺之间的响应关系，将CSA的ED与胺浓度的对数进行了线性拟合。图4C显示，三种胺浓度在0.05-50 mg/kg之间与ED值存在强线性相关性（R²>0.983），其检测限分别为7 μg/kg（NH₃）、8 μg/kg（DMA）和8 μg/kg（TMA）（S/N=3）。这可能归因于ZIF-8对气体的富集作用。所有上述结果表明，CSA可通过颜色变化定量测定胺类气体。

胺类气体分析物的化学计量分析

图4D显示，前三个主成分用于生成三维投影。第一个主成分占数据中信息内容的68.10%。前三个主成分占总数据的97.20%，且三种挥发物的聚类明显分离。这种覆盖范围使三种胺类气体的区分更加明显，且未出现任何误分类样品。这同时也反映了通过打印制备的比色条码染料之间存在广泛的化学多样性。HCA的聚类结果如图4E所示。它显示了三种VOC在七种浓度下的HCA树图。生成的聚类树表明，三种胺气体在0.05 mg/kg至50 mg/kg之间形成了一个清晰的独立聚类。总体而言，除了DMA 1 mg/kg和TMA 50 mg/kg的子组外，每个样品均能被明确区分，无混淆或错误。

图4 比色传感器阵列对挥发性有机化合物的响应。（A） 当比色传感器阵列暴露于胺类气体（氨、三甲胺和二甲胺）{0~50 mg/kg}时的图像。 （B） 比色传感器阵列在不同浓度胺类气体暴露下的ED值变化。（C） 比色传感器阵列对胺浓度对数值之间的关系。 （D） 基于三种胺类浓度（0.05-50 mg/kg）的3D PCA得分图。 （E） 三种胺类气体的HCA树状图。

CSA的稳定性和可逆性

在肉类储存和运输过程中，采用了紫外线辐照灭菌技术以延长保质期。然而，该技术会干扰CSA的色彩还原，导致误判。另一方面，色素本身的光稳定性差和不稳定性限制了其在CSA中的应用。因此，提高其稳定性对于扩大其实际应用至关重要。由于ZIF-8的二维层状结构具有较大孔隙，这种特殊结构可增强嵌入活性物质的稳定性和生物利用度。如图5A所示。实验中采用色差ΔE来定量评估CSA的颜色变化，该指标可将颜色变化准确转化为数值。当ΔE<5时，色差差异无法被肉眼识别。从图中可以看出，在可见光照射后，未负载ZIF-8纳米材料的CSA的ΔE值随着照射时间的增加而增大。相应地，在可见光照射10小时后，未负载ZIF-8纳米材料的CSA的ΔE值为5.2。负载ZIF-8纳米材料的CSA在可见光照射10小时后显示出更好的颜色稳定性，ΔE值为4.7。将两种CSA暴露于紫外光后，颜色变化如图5B所示。同样，负载ZIF-8纳米材料的CSA颜色变化最小，ΔE值始终低于5。相应地，经过10小时紫外线照射后，未负载ZIF-8纳米材料的CSA的ΔE为6.75，这归因于染料的色牢度较差。在氧气存在下，染料在照射后可能被氧化为无色小分子，导致颜色褪色。与未负载ZIF-8纳米材料CSA相比，负载ZIF-8纳米材料CSA的ΔE为4.8。这证实了负载ZIF-8纳米材料CSA在紫外光下具有显著更好的颜色稳定性。这可能因为部分染料被嵌入ZIF-8金属有机框架中，形成物理屏障以保护色素免受紫外线照射，从而提升了CSA的紫外光稳定性。

CSA的颜色稳定性在指示能力和新鲜度检测准确性中起着关键作用。图5C显示了CSA在25°C和60%相对湿度下储存10 d后的颜色变化。结果表明，经过10 d储存后，CSA对胺类的响应能力仍可达到92%。这可能归因于ZIF-8纳米材料延长了染料和小分子（H₂O、O₂）从纸张中的渗透路径，从而发挥了稳定作用。CSA良好的储存稳定性对其在智能包装领域的应用具有积极意义。

CSA在暴露于NH3 0.5-2.5 h后的响应如图5D所示。经2.5 h暴露后，CSA仍保留了93%的初始氨气响应能力，这通过ED值变化得到证实。这表明CSA在与NH3响应后后不可逆转。当暴露于极端碱性条件下较长时间时，指示剂的化学结构可能发生不可逆变化，导致其失去作为pH指示剂的功能。一次性CSA的固有不可逆性并非阻碍其实际应用，反而成为一项优势特征，确保了工业生产的可扩展性。

图5 比色传感器阵列的性能研究。比色传感器阵列在可见光（ A ）和紫外光（ B ）下的颜色变化。（ C ） 25℃放置10 d后比色传感器阵列的颜色变化。（ D ）比色传感器阵列的可逆性

肉类新鲜度监测

构建的CSA被用于评估四种肉类（卤牛肉、卤猪肉、牛肉和猪肉）的新鲜度。图6A展示了在25℃下储存56小时的四种肉类监测过程中，阵列获得的颜色图谱。CSA的颜色变化在监测过程中较为明显。随着时间的推移，肉类中的蛋白质可能被微生物分解为胺类物质（如氨、二甲胺、三甲胺等）。TVB-N是评估富含蛋白质食品新鲜度的重要指标。一般而言，可根据肉类释放的TVB-N水平将肉类分为三类：≤15 mg/100 g为新鲜肉类，15~20 mg/100 g为可食用但较不新鲜的肉类，≥20 mg/100 g为不可食用且变质的肉类。图6B显示，肉类储存过程中各样品的ED值和TVB-N值均呈上升趋势。根据TVB-N值，肉类样品被分为三类（新鲜、次新鲜和腐败）。如图6C所示，CSA的ED值与肉类在25°C储存期间的TVB-N值之间存在高度相关性（R²> 0.969）。因此，CSA的实用性和可靠性进一步得到证实。

图6 比色传感器阵列对贮藏在25℃的肉品新鲜度进行检测。（A）4种肉样（卤牛肉、卤猪肉、牛肉和猪肉）的图像。（B）25℃CSA的ED和TVB N含量随贮藏时间的变化。（C）TVB-N含量与比色传感器阵列ED的关系

肉类样品的化学计量分析

如图7A所示，通过PCA对前两个主成分进行分析所得的得分图，这两个主成分共同解释了超过85.01%的总变异量，显示出不同分析物之间具有较好的分离效果。通过明显分化的聚类，可以清晰区分新鲜、次新鲜和腐败的样品。PCA的碎石图（图7B）显示，该阵列仅需七个维度即可捕获95%的总变异量。这些结果表明，制备的CSA对不同肉类样品的高识别能力。如图7C所示，根据收集样品间的ED值绘制的聚类分析树显示了三个不同聚类。第一个聚类（新鲜）包含所有储存0 h、8 h、16 h和24 h的肉类样品以及对照组。第二个类别（次新鲜）包含所有储存32 h或40 h的肉类样品。最后一个聚类（腐败）由大部分储存48h和56h的肉类样品组成。所有肉类样品均明显聚类。准确的HCA聚类进一步证明了我们提出的CSA在评估食品新鲜度方面的良好识别能力。

图7 （ A ）不同肉样的PCA得分图。（B）各主成分总方差分布碎石图。（C）25℃下贮藏的四种肉样的HCA树状图

CSA的可重复性

如表所示，通过三个打印批次的CSA，单次购买的卤牛肉和卤猪肉的ED值分别为1008±18和1052±30。牛肉和猪肉的ED值分别为1117±24和1060±27。肉类的重复性通过三次单独购买进行评估，但使用单次打印批次的阵列进行测量。单次打印批次的ED值分别为：卤牛肉和卤猪肉的ED值为987±26和967±35，牛肉和猪肉的ED值分别为1088±33和1022±33。结果表明，CSA打印批次的差异（1.8%、1.8%、2.1%和2.6%）低于单独购买的肉类样品的差异（2.6%、3.6%、3%和3.2%）。CSA在不同打印批次间的重复性令人满意，打印差异并非分析肉类样品时差异的主要原因。

表1 CSA在不同打印批次和不同采购批次肉类样品之间的可重复性

结论与展望

在本研究中，设计和开发了基于ARD@ZIF-8的简单可靠的CSA用于肉类新鲜度的可视化检测，采用可编程打印技术制备，证明了将10种胺响应染料负载在ZIF-8中被有助于提高CSA的灵敏度和光稳定性。此外，该CSA展现出高重复性（RSD<5%）和灵敏度。随后，通过对四种常见肉类产品（新鲜牛肉和猪肉、卤牛肉和猪肉）进行分析性能验证，结果与TVBN测定结果高度一致（R²>0.969）。此外，通过CSA颜色模式的计量分析（PCA和HCA），可获得与肉类样品新鲜度相关的信息。所有这些特征表明，CSA可能对智能食品包装具有潜在价值，可帮助消费者实现肉类质量监测。