基于电子鼻的气味指纹技术在有害微生物检测中的应用

王丹凤，王锡昌，刘 源，赵 勇，谢 晶，潘迎捷，顾赛麒

(上海海洋大学食品学院，上海201306)

基于电子鼻的气味指纹技术在有害微生物检测中的应用

王丹凤，王锡昌，刘 源*，赵 勇，谢 晶，潘迎捷，顾赛麒

(上海海洋大学食品学院，上海201306)

气味指纹技术是借助气体传感器等气体吸附手段，对挥发性气味物质进行分析处理的技术。随着嗅觉传感器技术的不断发展，气味指纹技术得到了广泛的研究与应用。本文介绍了基于电子鼻的气味指纹技术在临床诊断、环境监测、食品分析领域有害微生物检测的实例，展望了其应用前景，为以后更好的利用气味指纹技术研究有害微生物提供了理论依据。

气味指纹技术，有害微生物，电子鼻，检测

Abstract:Odor fingerprint technology was used to analyze the volatile compounds by means of gas adsorption such as sensors.With the development of olfactory sensor technology，it was widely studied and applied.In this review，the application examples of odor fingerprint technology in clinical diagnosis，environmental monitoring and food analysis were introduced，the prospect of application was illustrated，expecting to provide the foundation for further research.

Key words:odor fingerprint technology;harmful micro－organisms;electronic nose;detection

指纹分析技术是近十年来针对复杂介质和含协同作用的样品而发展起来的一项新技术。其中基于电子鼻的气味指纹技术具有成本低、操作程序简单、客观、可靠等方面的优点，如今已经得到深入的研究与广泛的应用。电子鼻是一种由一定选择性的电化学传感器阵列和适当的识别装置组成的仪器，能识别简单和复杂的气味［1］。其工作原理如下:a.气味分子被电子鼻中的传感器阵列吸附，产生信号;b.生成的信号经加工处理与传输;c.将处理后的信号经模式识别系统做出判断。不同的微生物由于产生的酶类不同，从而对基质的分解产生的代谢产物不同。另外，由于微生物生长要经历延滞期、对数期、稳定期、衰亡期四个阶段，所以同一微生物在不同生长阶段产生的挥发性气味产物(MVOCs)浓度也有差异［2］。目前检测MVOCs的方法主要有气相色谱法(GC)、高效液相色谱法(HPLC)［3－4］、质谱法(MS)和电子鼻(EN)法等。虽然MVOCs含量通常较低，但电子鼻灵敏度极高(检出限为ppm级)，故在此方面应用前景广阔。本文主要分析基于电子鼻的气味指纹技术对有害微生物的检测，总结了其在临床诊断、环境监测、食品分析中的应用，为更好应用该技术对微生物的检测提供参考。

1 临床诊断

一直以来感染性疾病都是危害人类健康的重大隐患，尤其是在第三世界国家。目前造成感染性疾病的微生物种类日益繁多，出现次数越来越频繁，这些严峻的现实给病原微生物的检测和诊断提出了更高的要求。因此，研究和发展一种病原微生物的快速检测技术，准确、快捷地确认与检测病原体，对感染性疾病的临床治疗和预后有重要意义。

早在上世纪90年代国外就开始利用气味指纹技术来诊断感染性疾病，1995年Parry AD等利用20根导电聚合物电子鼻对腿部溃疡产生的特殊气味物质进行分析，指出二维气味谱图可以明确区分金黄色酿脓葡萄球菌(Staphylococcus aureus)和链球菌(Streptococcus species)感 染 引 起 的 溃 疡［5］。A.K.Pavlou等利用电子鼻对体外幽门螺旋杆菌和其它胃食管菌株进行了研究。对电子鼻数据利用判别函数分析可以成功区分6种不同细菌［6］。

进入21世纪以来，更多研究者对利用气味指纹技术来诊断疾病产生了浓厚的兴趣，相关的研究成果也不断展示在世人面前。2002年Alexandros K等利用细菌感染尿样后产生气味物质的不同，在两轮实验中分别对25个和45个来自尿路感染病人的尿样进行研究。所有实验样本振荡培养4～5h，利用14根导电聚合物传感器分析。第一轮实验利用神经网络进行数据分析，将所有样本分为4组:正常尿样、大肠杆菌(Escherichia coli)污染的尿样、变形杆菌(Proteus spp.)污染尿样、葡萄球菌(Staphylococcus spp.)污染尿样。第二轮实验同样利用神经网络进行数据分析，确定了18～19个未知尿样的感染菌种，仅一个正常尿样被误认为成大肠杆菌污染尿样。利用判别函数分析还区分了大肠杆菌和葡萄球菌感染的尿样。该研究第一次指出，可以利用细菌感染尿样挥发出的气味物质对早期感染的尿样进行检测，并有可能在临床上利用［7］。2006年英国的 Ritaban Dutta等采用Cyranose320阵列组成的32根聚合物碳黑复合传感器对六种感染眼部的细菌进行了分类，对比了多层感知、概率神经网络和径向基函数网络(RBF网络)三种分类方法，结果表明应用RBF网络对此六种细菌的检测率可达到 98%［8］。2006年A.Setkus等分析了金属氧化物传感器阵列对细菌挥发性产物的动态响应、动力学参数和培养基特性的相关性。指出可以通过动态响应参数评估细菌污染程度［9］。2008年A.Setkus等又对引起伤口感染的细菌的特殊挥发性气体进行研究，结果表明:时间常数和权重系数同活菌产生的挥发气体特性和活菌类型密切相关。指出使用气体传感器系统利用细菌作用产生的特殊气味，可以确定伤口感染类型和感染阶段［10］。2008年 Natasha Sahgal等利用混合气体传感器阵列对引起人和动物皮肤癣的真菌进行了区分和菌种鉴定，同时还证明了应用气味指纹技术可以有效地缩短对人类和动物感染皮肤癣菌的鉴定时间［11］。

国内胥勋涛等2009年利用可对气体浓缩的电子鼻对病原菌的特性挥发气味进行浓缩，从而对伤口病原菌快速检测。针对病原菌检测中特征气体浓度低，电子鼻识别效果不好的问题，设计并实现了一个基于固体吸附/热解吸技术的气体浓缩系统，系统由流速控制单元、温度控制单元和填装混合吸附剂的吸附管构成。对测试数据主成分分析和层次聚类分析结果表明，结合此电子鼻系统，利用伤口病原菌的特性气味物质使对伤口病原菌的区分能力得到明显提高，可进一步用于伤口感染实时检测［2］。

气味指纹技术作为一种新技术已经用于感染细菌的研究，与常规医学检验方法相比，具有无创、实时、便捷高效等优点，因此在引起疾病的微生物的检测方面具有潜在的优势。同时由于它是一种新技术，其应用还存在一定的限制，究其原因主要是因为以下两点:a.感染细菌产生的挥发性气味物质浓度低:b.现阶段的气体传感器灵敏度还没有达到预期的高度，不能对低浓度的挥发性物质进行检测。在更多研究学者、研究机构的共同努力下，相信其在临床上的广泛应用终将实现。

2 环境监测

近年来，由于环境污染导致的健康损害和其它问题不断增加，这其中不乏微生物的污染，尤其是真菌污染尤为严重。2005年Martyna Kuske等利用微生物的挥发性有机化合物作为真菌指示物，快速的检测出了建筑物的真菌污染，区分了物品霉变与否，鉴别出了真菌的种类［12］。水中链霉菌(Streptomyces)会产生特殊的土腥气味，A.Catarina Bastos等利用电子鼻对水中的链霉菌进行检测，主成分分析和判别函数分析的结果表明:可以利用气味指纹技术用来检测和监测水中早期的霉菌污染，并且可以根据其挥发性生产模式不同，区分细菌种类［13］。

葡萄球菌(S.aureus)感染在住院病人中日益广泛，尤其重症监护患者中受耐甲氧西林的凝固酶阴性葡萄球菌(MRCNS)感染更为突出。该类细菌在人体和自然环境中天然存在，医院环境中存在该菌更加剧了病人的感染风险，因此需对此类细菌污染医院环境的早期进行检测并进行相应处理。英国Warwick大学的Ritaban Dutta等人从医院耳、鼻、喉三个疫区感染此类细菌的患者中收集样本，利用炭黑导电聚合物复合传感器电子鼻(C－320)分析样本的挥发性气味物质，识别和检测了医院环境中三种不同的金黄色葡萄球菌，结合多层感知、概率神经网络和径向基函数网络(radial basis function network，RBF网络)进行分类，结果显示应用C－320传感器结合RBF网络对三个亚类金黄色葡萄球菌的分类准确度高达99.69%［14］。2006年 Ritaban Dutta等再次对医院耳、鼻、喉三个疫区金黄色葡萄球菌的污染进行研究，对出现在医院这些疫区标准琼脂溶液中的耐甲氧西林金黄色葡萄球菌(methicillin－resistant S.aureus，MRSA)和易染金黄色葡萄球菌(methicillinsusceptible S.aureus，MSSA)进行了鉴定。研究基于贝叶斯定理和最大概率规则建立了一种创新的分类方法，分析了三个疫区的金黄色葡萄球菌。同时利用两种不同的统计量特征提取技术，最佳结果显示:利用自适应核方法，可以识别和分类三种细菌，准确度高达99.83%。研究证明最大概率规则为基础的分类方法，对于鉴定金黄色葡萄球菌感染医院环境和对其进行快速检测，可以提供一个强大的解决方案［15］。Ritaban Dutta等的两次研究充分说明了利用气味指纹技术在早期即可发现医院环境是否受到金黄色葡萄球菌的污染，为下一步的处理工作提供了快速而又可靠的依据。

利用气味指纹技术对环境微生物的检测和监测使用还不够广泛，但却提供了新的思路。并且气味指纹技术具有实时、高效、费用低等优点，如果应用得当，将会极大的提高对环境微生物检测及监测的效率，增强对环境的监测力度，同时也能较好的保证人类的生存健康。

3 食品分析

3.1 谷物微生物的检测

据联合国粮农组织估计，全世界每年大约有5%～7%的粮食、饲料等农作物受霉菌侵染。气味指纹技术似乎更适宜对谷物质量的检测，尤其是对谷物霉菌污染的检测。Jonsson等利用不同的传感器阵列，分析了燕麦、黑麦、大麦、小麦的挥发性气味物质，基于人工神经网络的模式识别技术，根据霉菌作用程度不同产生的特征性气味不同，高度准确的区分了燕麦的等级:好的、轻微霉变、强烈发霉［16］。Keshri G等从谷物粮食中分离六种腐败真菌，在实验室中培养，用电子鼻对不同菌株挥发性气味进行分析，利用主成分分析、判别函数分析、聚类分析对数据进行归一化处理，可以区分其中的五种真菌［17］。利用同样的电子鼻系统，Keshri G等区分了串珠镰刀菌(Fusarium moniliforme)和楼镰刀菌(F.proliferatum)的产毒素与否，从而可以做出粮食是否食用安全的结论［18］。Falasconi等利用真菌的顶空挥发性化合物作为其毒素的标记物，用电子鼻嗅觉系统检测了玉米中产毒素的镰刀菌株［19］。Juliusz Perkowski等利用气味指纹技术对自然污染和接种镰刀菌的小麦和黑麦的真菌挥发物质进行分析，GC/MS和电子鼻分析了4组谷仁，同时对36个小黑麦育种线和22个小麦育种线进行分析，粮食样本接种镰刀菌，而不接种的作为对照，根据所有样品中镰刀菌的前体代谢物TRICH(trichodiene)的浓度高低预测其真菌污染程度。通过田间与实验室实验比较，实验室接种真菌动荡培养的挥发性气味比田间自然感染的高［20］。

近年来，国内也将电子鼻无损检测技术应用到了谷物的检测中，并进行了探索与利用。如邹小波和赵杰文研制出一套能快速检测谷物霉变与否的电子鼻装置，能快速、准确地分析所测谷物散发的气味，从而判定谷物是否霉变［21］。潘天红等研制出一套谷物霉变识别电子鼻系统测试装置，能快速准确地判别几种谷物的霉变情况，网络的识别正确率为92.19%［22］。张红梅等研制出一套适合对谷物霉变进行检测的电子鼻系统，采用BP(Back Propagation)神经网络对6个霉变程度的稻谷进行了检测，对30组测试样本霉变菌落总数的预测结果平均相对误差为1.01030，最大相对误差为3.94257，可以看出利用气味指纹技术对谷物微生物数量的预测是可行的［23］。

3.2 肉品微生物研究

肉品营养丰富，是微生物繁殖的天然培养基，容易受微生物污染而引起腐败变质，产生特定的气味物质，基于这点，已有学者利用气味指纹技术来研究肉品的品质。Horvath等利用电子鼻系统评估了猪肉排骨的细菌腐败，分析了存储在4、8和12℃下猪排骨的顶空挥发物，用电子鼻的化学传感器信号监测了独立成分分析(Independent component analysis，ICA)处理电子鼻数据，预测了受污染牛肉的鼠伤寒沙门氏菌数量。电子鼻检测接种鼠伤寒沙门氏菌20℃条件下存储牛肉的顶空挥发性气味变化。提取电子鼻的6根传感器的特征值，然后通过主成分分析和独立成分分析对数据进行提取，同沙门氏菌数量做比较，分别建立了基于IC和PC的线性回归预测模型。基于IC的预测模型的平均预测精度为82.99%，根均误差为0.803。基于PC的预测模型的平均预测精度为69.64%，根均误差为1.358。最小线性回归分析用来确定微生物含量与电子鼻响应信号、细菌腐败程度之间的关系，与储藏温度无关。研究给出了预测数据和真实数据之间的相互关系［24］。S.Balasubramanian利用ICA提取的特征数据构建的预测模型预测性能较PCA的更好，相关系数高达0.91。结果显示利用诸如ICA的高阶统计技术比主成分分析能获得更多的信息进而可以改善传感器性能，以后的进一步研究可以利用ICA提取特征数据，利用人工神经网络来建立预测模型［25］。

4 展望

气味指纹技术是一种操作简单、快速、准确的无损分析技术，发展至今仍处于初级发展阶段。应用气味指纹技术对有害微生物的分析，现已应用到了疾病诊断、环境监测、食品分析等领域，包括对有害微生物的鉴定、区分、定量预测等。但是由于一些因素的影响，例如:临床诊断中，有害微生物气味浓度低;环境微生物监测时，环境中其他物质的挥发物的影响;食品分析中，影响因素较为复杂，微生物在食品这一丰富的“培养基”中生长，不仅其本身代谢会产生气味物质，食品在微生物作用下也会产生复杂的变化，同样会有挥发性气味物质产生等，给研究带来许多的不便，有待以后进一步研究。

气味指纹技术在发展过程中，还受到传感器灵敏度、模式识别等技术方面的影响。这些因素直接或间接的影响了气味指纹技术的广泛应用，相信随着不断深入的研究与创新，气味指纹技术的应用前景将更加广阔。

［1］Craven M A，Gardner J W，Bartlett P N.Electronic noses:Development and future prospects［J］.Trends in Analytical Chemistry，1996，15(9):486－493.

［2］胥勋涛，田逢春，闫嘉，等.结合气体浓缩的电子鼻伤口病原菌快速检测［J］.传感技术学报，2009(3):303－306.

［3］刘晨明，曹宏斌，曹俊雅，等.梯度洗脱高效液相色谱法快速检测厌氧菌代谢物中的有机酸［J］.分析化学，2006(9):1231－1234.

［4］梁华正，张燮，饶军，等.微生物挥发性代谢产物的产生途径及其质谱检测技术［J］.中国生物工程杂志，2008(1):124－133.

［5］Parry A D，Chadwick P R，Simon D，et al.Leg ulcer odour detection identifies beta－haemolytic streptococcal infection［J］.J Wound Care，1995，4(9):404－406.

［6］Pavlou A K，Magan N，Sharp D，et al.An intelligent rapid odour recognition model in discrimination of Helicobacter pyloriand other gastroesophageal isolates in vitro ［J］.Biosensors and Bioelectronics，2000，15(7－8):333－342.

［7］Pavlou A K，Magan N，McNulty C，et al.Use of an electronic nose system for diagnoses of urinary tract infections［J］.Biosensors and Bioelectronics，2002，17(10):893－899.

［8］Dutta R，Das A，Stocks N G，et al.Stochastic resonancebased electronic nose:A novel way to classify bacteria［J］.Sensors and Actuators B:Chemical，2006，115(1):17－27.

［9］Setkus A，Galdikas A－J，Kancleris Z－A，et al.Featuring of bacterial contamination of wounds by dynamic response of SnO2gas sensor array ［J］.Sensors and Actuators B:Chemical，2006，115(1):412－420.

［10］Setkus A，Kancleris Z，Olekas A，et al.Qualitative and quantitative characterization ofliving bacteria by dynamic response parameters of gas sensor array［J］.Sensors and Actuators B－Chemical，2008，130(1):351－358.

［11］Sahgal N，Magan N.Fungal volatile fingerprints:Discrimination between dermatophyte species and strains by means of an electronic nose［J］.Sensors and Actuators B:Chemical，2008，131(1):117－120.

［12］Kuske M，Romain A－C，Nicolas J.Microbial volatile organic compounds as indicators of fungi.Can an electronic nose detect fungi in indoor environments?［J］.Building and Environment，2005，40(6):824－831.

［13］Catarina Bastos A，Magan N.Potential of an electronic nose for the early detection and differentiation between Streptomyces in potable water［J］.Sensors and Actuators B:Chemical，2006，116(1－2):151－155.

［14］Dutta R，Morgan D，Baker N，et al.Identification of Staphylococcus aureus infections in hospital environment:electronic nose based approach［J］.Sensors and Actuators B:Chemical，2005，109(2):355－362.

［15］Dutta R，Dutta R.“Maximum probability rule” based classification of MRSA infections in hospital environment:Using electronic nose［J］.Sensors and Actuators B:Chemical，2006，120(1):156－165.

［16］Jonsson A，Winquist F，Schnurer J，et al.Electronic nose for microbial quality classification of grains［J］.International Journal of Food Microbiology，1997，35(2):187－193.

［17］Keshri G，Magan N，Voysey P.Use of an electronic nose for the early detection and differentiation between spoilage fungi［J］.Letters in Applied Microbiology，1998，27(5):261－264.

［18］Keshri G，Magan N.Detection and differentiation between mycotoxigenic and non－mycotoxigenic strains of two Fusarium spp.using volatile production profiles and hydrolytic enzymes［J］.Journal of Applied Microbiology，2000，89(5):825－833.

［19］Falasconi M，Gobbi E，Pardo M，et al.Detection of toxigenic strains of Fusarium verticillioides in corn by electronic olfactory system［J］.Sensors and Actuators B:Chemical，2005，108(1－2):250－257.

［20］Perkowski J，Busko M，Chmielewski J，et al.Content of trichodiene and analysis of fungal volatiles(electronic nose)in wheat and triticale grain naturally infected and inoculated with Fusarium culmorum ［J］.InternationalJournalofFood Microbiology，2008，126(1－2):127－134.

［21］邹小波，赵杰文.电子鼻快速检测谷物霉变的研究［J］.农业工程学报，2004(4):121－124.

［22］潘天红，陈山，赵德安.电子鼻技术在谷物霉变识别中的应用［J］.仪表技术与传感器，2005(3):51－52.

［23］张红梅，王俊，叶盛，等.电子鼻传感器阵列优化与谷物霉变程度的检测［J］.传感技术学报，2007(6):1207－1210.

［24］Horvath K M，Seregely Z，Dalmadi I，et al.Estimation of bacteriological spoilage of pork cutlets by electronic nose［J］.Acta Microbiologica et Immunologica Hungarica，2007，54(2):179－194.

［25］Balasubramanian S，Panigrahi S，Logue C M，et al.Independent component analysis－processed electronic nose data for predicting Salmonella typhimurium populations in contaminated beef［J］.Food Control，2008，19(3):236－246.

Application of odor fingerprint technology based on electronic nose for the research in harmful micro－organisms detection

WANG Dan－feng，WANG Xi－chang，LIU Yuan*，ZHAO Yong，XIE Jing，PAN Ying－jie ，GU Sai－qi
(College of Food Science and Technology，Shanghai Ocean University，shanghai 201306，China)

TS207.4

A

1002－0306(2010)08－0373－04

2009－08－03 *通讯联系人

王丹凤(1986－)，女，硕士研究生，研究方向:食品营养与安全。

“十一五”国家高技术研究发展计划(863计划)课题(2008AA100804);上海市科委重大科技攻关项目(07DZ19508);上海市科委启明星计划(07QA14047);国家自然基金项目(30901125)。