動物源性食品真實性鑒別技術研究進展

摘 要：動物源性食品富含多種優質蛋白、必需脂肪酸及礦物質，對人體健康具有重要作用。近年來，動物源性食品摻假現象屢有發生，傳統的鑒別技術因存在操作復雜、檢出限高、準確度低的局限性，已無法滿足人們對食品質量安全的需求，因此，為保障消費者的合法權益，研發快速、準確的鑒別技術對改善動物源性食品摻假摻雜亂象具有重要意義。本文從無損檢測和分子生物學兩方面概述當前鑒別動物源性食品真偽的主要方法，歸納這些方法在食品摻假、品種鑒定和原產地溯源等應用中的優缺點，分析該領域在研究中所面臨的問題，為開發新型動物源性食品鑒定方法提供參考依據，為食品安全監督監管提供有力的技術支持。

關鍵詞：動物源性食品；摻假；鑒別技術；食品質量安全

Research Progress on Authentication Techniques for Foods of Animal Origin

GUO Yaning1，2， LIU Yaxuan2， ZHOU Jian1，*， LI Kai1， LI Liang1

（1. Institute of Quality Standard and Testing Technology for Agro-products， Chinese Academy of Agricultural Sciences， Beijing 100081， China;

2. College of Food Science and Bioengineering， Tianjin Agricultural University， Tianjin 300384， China）

Abstract： Animal-derived foods are an excellent source of high-quality proteins， essential fatty acids and minerals， which play an important role in human health. In recent years， there have been numerous instances of adulteration of foods of animal origin. Traditional identification techniques have proven inadequate in meeting consumer demands for food quality and safety due to the limitations of complex operation， high detection limit and low accuracy. In order to protect the legitimate rights and interests of consumers， the development of rapid and accurate identification technology is importance for reducing adulteration of foods of animal origin. This paper outlines the current major methods for identifying the authenticity of animal-derived foods， including non-destructive testing methods and those based on molecular biology， with particular reference to their advantages and disadvantages when applied in food adulteration， species identification and geographical origin traceability. Finally， it analyses problems facing this field of research in order to provide a reference for the development of new methods for animal-derived food identification and to provide strong technical support for food safety supervision and regulation.

Keywords： foods of animal origin; adulteration; identification techniques; food quality and safety

DOI：10.7506/rlyj1001-8123-20240713-184

中圖分類號：TS207.3 文獻標志碼：A 文章編號：1001-8123（2024）11-0055-09

引文格式：

郭亞寧， 劉亞軒， 周劍， 等. 動物源性食品真實性鑒別技術研究進展[J]. 肉類研究， 2024， 38（11）： 55-63. DOI：10.7506/rlyj1001-8123-20240713-184. http：//www.rlyj.net.cn

GUO Yaning， LIU Yaxuan， ZHOU Jian， et al. Research progress on authentication techniques for foods of animal origin[J]. Meat Research， 2024， 38（11）： 55-63. DOI：10.7506/rlyj1001-8123-20240713-184. http：//www.rlyj.net.cn

經加工和制作后供人類食用的各類動物組織、蛋、乳制品、肉及肉制品（包括動物內臟）和水生動物產品等統稱為動物源性食品，以其豐富多樣的種類、多元獨特的口感贏得了人們的廣泛喜愛[1]。近年來，隨著經濟的迅猛增長，人們的生活水平有了明顯的提升，世界各國對動物源性食品的需求量也逐年攀升，產品結構發生巨大變化。據統計，2023年我國的豬肉、牛肉、羊肉、禽肉總產量高達9 641萬 t，同比增長4.5%，豬肉、牛肉、羊肉、禽肉分別增長4.6%、4.8%、1.3%、4.9%[2]。但不法商家為了從中牟取非法利益，不斷提高摻假手段，使消費者對動物源性食品的質量失去信心，如羊肉摻假[3]、牛肉摻假[4-5]事件，這主要是利用廉價的豬肉、鵝肉、鴨肉等替代品冒充高價值的牛肉和羊肉進行售賣，以此獲得不正當利益。偽造、替換、稀釋、篡改、對食品原產國或配料虛假申報、過度處理和侵犯知識產權等一系列非法行為均被列入食品摻假。動物源性食品在經深度加工或普遍使用添加劑浸泡進入市場后，僅憑氣味、色澤及質地等傳統感官評價方法難以精準區分其真實性。然而，隨著科學技術的不斷進步，基于無損檢測技術與分子生物學原理的先進鑒別方法在國內外動物源性食品真實性鑒別領域脫穎而出，這些方法不僅彌補了傳統方法的局限性，還通過深入剖析遺傳物質的特征，實現了對動物源性食品的高精度鑒別，對保障食品安全、保護消費者合法權益、促進行業健康發展等具有重要意義。

本文聚焦近年來市面上摻假摻雜的熱點問題，歸納總結動物源性食品真實性鑒別領域常用方法的優缺點，分析該領域研究面臨的主要問題，以期對科研人員有所幫助，為實現動物源性食品安全監管監督提供檢測依據。

目前，國內外常用的動物源性食品真實性鑒別技術見圖1。

PCR.聚合酶鏈式反應（polymerase chain reaction）；LAMP.環介導等溫擴增（loop-mediated isothermal amplification）；CRISPR/Cas.成簇規律間隔短回文序列及相關蛋白（clustered regularly interspaced short palindromic repeats/CRISPR associate）；NMR.核磁共振（nuclear magnetic resonance）；RS.拉曼光譜（Raman spectra）；NIR.近紅外（near infrared）；ELISA.酶聯免疫吸附測定（enzyme-linked immunosorbent assay）；MS.質譜（mass spectrometry）。

1 基于無損檢測的動物源性食品鑒別技術

無損檢測技術有別于傳統破壞性檢測技術，可以很大程度上保留被檢樣品的原始狀態，且樣品的化學特性不會受到影響，無損檢測技術相較于傳統破壞性檢測技術省去了復雜、費時的前處理步驟[6]，只需對待測樣品少量取樣后，經數據及信號采集、數據處理及信號控制3 個步驟即可實現對待檢樣品質量的評估[7]，在食物細菌檢

測[8-9]、重金屬檢測[10]、真假鑒別[11]中應用廣泛。

1.1 感官評價

感官評價是一門依托于人的觸覺、味覺、視覺和聽覺等感官測量、分析和解釋食物的科學技術，對企業產品的研發、優化及持續改進具有重要意義[12]。食品的風味[13]和色澤[14]不僅是其品質的重要體現，還能直接刺激消費者的感官，進而影響消費者的購買決策。

胡煌等[15]指出，不同種類的生鮮肉在色澤上略有差別，羊肉比牛肉略淺，豬肉呈粉紅色，然而在肉的貯藏、銷售及消費過程中，這些色澤會因氧化作用而逐漸趨于棕紅色。Kumari等[16]利用感官評價方法比較動物肉和植物肉在顏色、質地、風味上的差異。但在經濟利益的驅動下，不法商販使用大量的香精香料改變肉的風味、使用色素改變肉的色澤，以至消費者無法憑借感官評價來鑒別動物源性食品的真實性，因此，檢測速度快、準確度高、現場易操作的鑒別技術亟待開發。

1.2 NIR光譜

NIR光譜分析技術基于光譜學的工作原理被廣泛應用。當處在780～2 500 nm范圍內的光照射待測物質時，這些物質中的分子會對特定波長的光有所吸收，這個過程會導致電子的躍遷或分子振動能級的變化，從而為分析物質的化學和物理特性提供重要信息。目前，NIR光譜技術與自主學習能力強、建模速度快、非線性擬合能力強的機器學習模型相結合的方法已被研究學者廣泛關注，促進了從傳統的經驗判斷到儀器分析檢測手段的轉變，提高了檢測方法的準確性、可靠性。例如，

Wang Li等[17]發現560 nm處的肌紅蛋白可能是區別肉質真偽的關鍵信息，于是將深度學習模型與可見光-近紅外二維光譜相結合用于牛羊肉的摻假鑒定，此方法相比于傳統的機器學習方法展示出了更高的準確度。Windarsih等[18]利用傅里葉變換紅外光譜和機器學習輔助技術相結合的方法，開發出能鑒別和預測金槍魚油中豬油摻假的最佳模型。此外，將NIR光譜與機器學習算法相結合的方法，在品種分類鑒別[19]、樣品來源區分[20]等多個領域均被廣泛應用。Leng Tuo等[21]對色譜解讀發現，6 250～5 580 cm－1區域的變化與脂肪酸有關，后利用快速、無損的NIR光譜技術和化學計量技術檢測碎牛肉與豬肉的二元摻假及碎牛肉與豬肉、鴨肉的三元摻假情況，結果發現，采用選定波長的原始光譜建立的判別分析模型對二元摻假系統的判別準確率高達100%，三元摻假系統的誤差低于8%，NIR無損檢測技術為肉糜產品摻假檢測提供了全新思路。將NIR光譜、熒光光譜和激光誘導擊穿光譜的特征變量數據融合起來，建立隨機森林模型，對不同產地食用明膠的摻假情況進行鑒定，其準確率、回收率和F分數均達到100%[22]。此外，Pereira等[23]將NIR光譜技術運用于山羊奶中痕量牛奶成分的鑒別，準確率高達100%。NIR光譜作為一種高效、無損、低成本、多組分的檢測技術，在化學、生物學、食品科學等領域均有廣泛的應用前景，盡管NIR光譜技術具有明顯的優勢，但其對復雜模型的高度依賴及對操作人員專業技能的要求卻成為了制約其發展的關鍵因素。

1.3 RS

RS是由印度科學家C.V.拉曼首次發現的，其本質是光在分子水平上的非彈性散射[24]，即通過分析不同頻率下的散射光譜，就能夠提取關于分子振動和轉動的關鍵信息，這些信息對于深入研究和分析分子結構至關重要。韓婭紅等[25]基于不同種屬之間蛋白質的差異，通過RS對87 種肉骨粉（豬、雞、牛、羊肉骨粉）進行鑒定，證明所開發的偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA）模型對雞和哺乳動物、豬和反芻動物、牛肉骨粉和羊肉骨粉鑒別效果明顯，并且PLS-DA模型在肉骨粉種屬來源鑒別中展現出了卓越的性能，其靈敏度和特異性均超過93.8%。Boyaci等[26]根據不同動物脂肪成分的差異，利用RS與主成分分析相結合的方法鑒別不同肉類（豬肉、牛肉、魚肉、綿羊肉、家禽肉、水牛肉和山羊肉）及其臘腸脂肪的特征振動頻率，該方法成功規避了復雜肉類中基質的干擾，并以其高效的分析速度在動物源性食品真偽鑒別領域展現出巨大的應用前景。Forooghi等[27]證明，RS與數據驅動的類比軟獨立建模和PLS-DA相結合的全新策略能夠明顯區分牛黃油和人造奶油。該技術不僅可以檢測樣品中的痕量成分，還可以對不同狀態下的食品進行檢測，如固體、液體和氣體，盡管如此，RS在實際應用中仍需補

充相應的標準庫、排除樣品中水分含量及熒光背景的潛在干擾。

1.4 NMR

NMR屬于新型的無損檢測技術，以分析原子核的磁性為基礎[28]，即將具有磁偶極子（相當于具有南極和北極的條形磁鐵）的原子核置于強磁場后，應用特定射頻的脈沖激發原子核，通過檢測回到基態的原子核所釋放的信號進行數據分析，以獲得樣品內部的化學信息。利用NMR技術對食品成分進行分析的研究已被許多科研工作者廣泛討論，如蛋白質[29-30]、脂肪[31]、糖[32]等。Leng Tuo等[33]利用主成分分析模型得出蛋氨酸和谷氨酰胺

可能是判別牛肉與豬肉、鴨肉的關鍵氨基酸，其次，根據所建立的正交OPLS-DA模型對牛肉中的二元和三元摻假情況進行鑒別，其準確率達100%。Hajjar等[34]利用高分辨率1H NMR技術、結合光譜去卷積技術和多元統計分析成功描繪了雞蛋黃中的三酰甘油氫譜，為雞蛋的來源、雞種和養殖系統的識別提供了生物標記物。NMR檢測技術因不損傷細胞且具有高分辨率和高靈敏度等特點，在食品成分分析、來源追蹤、添加物檢測及真偽鑒別等方面具有相當大的潛力，但在食品領域廣泛應用的道路上，有兩大挑戰不容忽視：一是操作人員需要具備深厚的專業知識和技能；二是后期磁場維護的成本相對較高。

1.5 同位素追蹤

同位素追蹤法旨在通過精密儀器檢測待檢食品樣本中穩定同位素比率的細微差異。該方法涉及到將樣本中的同位素特征精準量化，并隨后與經過嚴格校準、來源已知的同位素比率數據庫進行比對，進而確保食品質量的真實性和安全性。吳浩等[35]運用穩定同位素指紋分析技術，對16 份進口三文魚樣品與2 份國產三文魚樣品進行系統考察，結果表明，相較于骨骼和肌肉組織，三文魚鱗片及表皮中同位素比率的差異對于其產地的溯源展現出更顯著的指示效果。白婷等[36]深入分析15 種礦物質在區分白羽肉雞和黑水鳳尾雞品種特征上的作用，并指出錳、鉬及銫具有完全的鑒別能力。此外，穩定同位素分析技術也被廣泛應用在乳制品摻假方面，

Joachim等[37]將δ 13C和α-亞麻酸作為有機乳制品的鑒別指標，Ehtesham等[38]通過分析牛奶樣本中脂肪酸組成、固形物含量及δ 2H同位素比值，并與相應飲用水源和飼料中的δ 2H同位素比值進行關聯性研究，成功實現對乳制品地理起源的精確追溯。同位素追蹤技術以其高度的精確性和卓越的抗干擾能力，在特定元素同位素比率的測定中展現出顯著的優勢。然而，這一技術的實施依賴于高精尖的儀器設備和專業的操作人員，從而導致分析成本的顯著提升，此外，鑒于同位素追蹤技術主要聚焦于少數幾種特定元素的檢測，在成分復雜的食品鑒別中受到一定程度的限制。

1.6 電子鼻

電子鼻是一個集成多個化學傳感器的設備，這些高敏感的傳感器可以對食物中的氣味或揮發性化合物進行檢測，當這些物質釋放出來時，傳感器會將其信號轉換成電信號，之后通過對不同傳感器輸出信號的模式進行分析，進而對食品進行識別[39]。Kalinichenko等[40]創新性地將石英晶體微天平傳感器電子鼻技術與2 種先進的化學計量學方法相融合，旨在精確區分不同種類香腸中大豆蛋白的含量，對保障食品標簽信息的真實性及防止食品欺詐行為具有重要意義。同時，通過化學計量學原理的優化，構建了一套基于比色傳感器的低成本電子鼻系統，在高效、經濟地識別與檢測牛肉中摻假豬肉方面展現了非凡的潛力與應用前景[41]。此外，電子鼻技術憑借化學計量分析模塊與氣體傳感器陣列的重要程序，已成為乳制品品質鑒別[42-45]及蜂蜜質量評估[46-47]等多領域不可或缺的技術手段。但鑒于單一檢測技術在食品摻假鑒定中可能存在局限性，其結果的準確性往往受到質疑。為了提升羊肉中鴨肉摻假檢測的準確度，Wang Qian等[48]采用氣相色譜-質譜聯用技術，通過精準鑒定肉類樣本中的揮發性有機化合物，有效驗證電子鼻技術的初步篩選結果，增強了檢測的可靠性；與此同時，Jia Wenshen等[49]

將NIR光譜與電子鼻相結合用以檢測羊肉中鴨肉的摻假行為，此外，為了對所得的數據進行全面分析，還引入了基于F1分數的模型可靠性估計（F1-score-based model reliability estimation，F1-score-MRE）數據融合。結果表明，F1-score-MRE數據融合方法在羊肉摻假方面的準確率高達98.58%（F1分數：0.985 5）。陳鵬羽等[50]基于電子鼻與頂空固相微萃取結合氣相色譜-嗅聞-質譜聯用技術，為3 種不同品質羊肉的評估、地理來源追溯及真偽鑒別提供了參考數據，極大豐富了肉制品檢測領域的研究方法。電子鼻因具有無需前處理、對操作人員的知識要求低等優勢，在食品品質控制、鑒別、品種識別、快速檢測和警報系統等方面均有應用，未來，隨著傳感器技術的持續進步與人工智能算法的日臻完善，電子鼻對不同物質、不同模式識別算法敏感度不同、模型不通用、不便攜帶等諸多問題將會被解決[51]。

2 基于分子生物學的動物源性食品鑒別技術

2.1 基于蛋白質的動物源性食品鑒別技術

蛋白質在動物營養中占據核心地位，它不僅構成動物體的重要組織基礎，還在動物的生長發育及酶、激素的產生過程中發揮著不可或缺的作用。此外，蛋白質的獨特性源于其復雜的空間結構、基因編輯及堿基排列的多樣性，這種特異性在醫學、生物技術和食品檢測等多個領域均得到廣泛應用。作為蛋白質組學探索領域內的前沿工具，蛋白質分子標記物正逐步成為科研人員深入探究生物體內蛋白質表達、功能特性和互作關系的關鍵，并在高通量篩選技術[52-53]的精細化應用、跨物種間蛋白質組差異的比較[54-56]、生物信息學分析策略的發展[57-58]等多個領域取得了令人矚目的研究成果。

2.1.1 ELISA

ELISA是一種普遍采用的蛋白質免疫檢測技術，其核心原理在于每種抗體與其相應的抗原之間存在高度的特異性結合能力。根據實際應用中檢測需求與條件的差異，ELISA技術被細化為多種類型，包括間接法、競爭法和夾心法等，以滿足不同領域的檢測需要[59]。

駱訓國等[60]將種屬特異性強、易于獲取的免疫球蛋白G作為檢測標記物，采用ELISA夾心法檢測混合生肉中豬肉成分，該方法最低能檢測到1%（m/m）的豬肉摻雜，且在牛肉、羊肉、雞肉和兔肉中具有特異性。在單克隆抗體夾心ELISA實驗的框架下，Jiang Xingyi等[61]確定2 種哺乳動物骨骼肌蛋白單克隆抗體的特異性，并通過對緩沖液進行優化后發現，該步驟能顯著提高從豬肉中提取目標分析物的效率和抗原性，且對加熱哺乳動物摻雜檢出限可低至1%（m/m）。ELISA技術是識別動物源性食品中欺詐行為的一種有效且低成本的方法，多年來的實踐證明了這種方法的有效性。盡管如此，在食品加工中蛋白質可能會出現不可逆的變化，這些變化會影響基于蛋白質的ELISA檢測方法的有效性。因此，這種方法不但不適用于高度加工的食品，還在多物種真偽鑒定中存在局限性。

2.1.2 MS

MS技術在化學分析領域發揮重要作用，其基本原理是將待測樣品引入MS儀后將其轉化為氣態離子，并利用電場或磁場對離子質荷比篩選能力的不同進行分離，最后將分離后的離子引入檢測器中記錄下離子的信號強度并轉化成MS圖，進行數據分析。蛋白質經過翻譯修飾后會形成特異性較好的N-鏈寡糖，施姿鶴[62]基于此采用高效液相色譜-電噴霧MS分析，構建牛肉中摻假豬肉和牛肉中摻假鴨肉的多對同晶置換定性定量鑒別方法，該方法準確性高，線性方程R2＞0.99，檢出限依次為0.88%、0.26%。Zhang Yingying等[63]將高分辨率MS采集得到的數據進行分析后，通過計算線性相關系數和回收率，確定了能準確定量狐貍的肽段，建立了液相色譜-串聯質譜方法用于鑒定和準確定量實際樣品中的狐貍肉摻假。Zhang Jiukai等[64]創新性地將串聯質譜的槍式蛋白質組學技術與預定多反應監測方法相結合，根據牛奶樣本篩選出的4 組肽定量離子對，實現了對牛奶樣品中微量摻假成分的精準定量分析。該技術具有靈敏度高、檢測速度快的特點，被研究學者廣泛關注，但前處理時間長、不能現場檢測、檢測成本高、蛋白質易變性且只能用于檢測可電離的物質，在一定程度上限制了其應用。

2.2 基于核酸分子的動物源性食品鑒別技術

動物源性食品真實性鑒別技術主要是基于無損檢測和蛋白質分子，然而，隨著消費者對食品風味和營養價值的要求不斷提高，現有的檢測方法越來越難以驗證高度加工食品的真實性和質量。以核酸分子為基礎的動物源性食品真實性鑒別技術打破了以往鑒別技術的局限性，其憑借核酸序列在深加工過程中的穩定性已在生態、醫療和食品等多個領域得到了廣泛應用。

2.2.1 PCR

PCR是一種體外擴增技術，能夠在特定的條件下從少量DNA/RNA模板中擴增出大量特定的DNA/RNA片段。引物、DNA聚合酶、緩沖液和4 種脫氧核苷酸是PCR實驗所需的反應物，近年來，技術的發展促使科研工作者能更快速、更準確地在實驗室中進行DNA/RNA片段的擴增，該技術主要包括變性、退火、延伸3 個關鍵步驟[65]。

依據檢測原理可將其分為常規PCR、熒光實時定量PCR（real-time quantitative PCR，real-time PCR）、數字PCR（digital PCR，dPCR）等。常規PCR無需使用特殊的設備和試劑，成本較為低廉，但其缺陷在于無法實現對擴增產物的實時監測，若想進行半定量分析還需要借助凝膠電泳等方法。樓葉青等[66]對大西洋鱈魚、阿拉斯加狹鱈魚和白姑魚的線粒體細胞色素c氧化酶亞基I進行分析、擴增后發現，通過擴增產物片段的大小可對大西洋鱈魚、阿拉斯加狹鱈魚與白姑魚進行辨別，而大西洋鱈魚與阿拉斯加狹鱈魚需要借助Bst EII限制性內切酶進行鑒別。Doroudian等[67]提出了將PCR技術與組織學分析相結合的新方法，來彌補單一檢測方法的局限性。線粒體DNA在組織中無處不在且序列高度保守，因此是用于鑒定肉及肉制品摻假的主要目標片段[68]。Li Jiapeng等[69]

利用線粒體上的DNA設計雙重real-time PCR并根據擴增產物在熔融曲線上的出峰數量、位置，對牛與非牛物種進行初步篩選并對牛源性成分進行半定量。楊瑤等[70]用篩選得到的豬細胞核單拷貝基因作為擴增靶標進行real-time PCR擴增，成功檢出肉制品中的豬源性成分。dPCR將連續稀釋的樣品包裹成數百或數萬個小液滴，然后根據泊松分布對起始濃度進行絕對定量。劉立兵等[71]利用dPCR技術，建立肉粉質量與所含基因拷貝數濃度的線性關系，可準確定量檢測香腸中雞、豬、牛源性成分。該方法與傳統細菌培養方法相比，反應速度快、自動化程度高，雖然PCR技術具有以上優勢，但為確保PCR技術的準確性和可靠性，亟需有效應對和解決當前存在的引物設計不合理、樣品處理效率低、引物探針特異性不足及污染干擾等一系列挑戰。

2.2.2 LAMP

2000年，日本榮研株式會社首次提出LAMP技術，LAMP在模板提取、預變性、反應時間等方面均做出了優化[72]，相比于傳統的PCR，一方面LAMP規避了因反復加熱而導致的DNA模板變性問題，另一方面實現了在常溫條件下就能對目標分子進行連續快速擴增，在食品真實性鑒別[73]中應用廣泛。Kumari等[74]設計了6 種LAMP引物，在64 ℃下以牛的線粒體細胞b為目標基因實現了特異性擴增，且靈敏度為0.1 pg。Peng Jiangsong等[75]將水蛭作為研究對象，通過與real-time PCR比較發現LAMP的靈敏度明顯較高、耗時短，可用于現場檢測，但LAMP擴增產物需借助凝膠電泳、熒光測量等技術進一步分析。Qin Panzhu等[76]將LAMP與熒光偏振技術將結合，用于鑒定食源性動物中豬肉摻假，大大提高了LAMP的實用性，檢測限可達0.01%（m/m）。

2.2.3 DNA生物傳感器

DNA生物傳感器憑借其卓越的特異性配對和分子識別能力，巧妙地融合了先進的傳感器技術，實現了對目標分子的高靈敏度、高精確度檢測。根據傳感器類型的不同，可分為質量敏感型、熱敏型、場效應型等，其中電化學生物傳感器和熒光生物傳感器應用最為廣泛[77]。在食品檢測領域，DNA生物傳感器具有快速、高靈敏、高通量、可重復性等優勢。Zhang Chao等[78]利用物種間的特異性開發了多重LAMP耦合三叉戟式橫向流動生物傳感器方法，大大縮短了檢測時間，且整個過程不需要精密儀器，適用于現場檢測。Mansouri等[79]開發了一種表面等離子體共振增強型生物傳感器，該方法可對低至1.0 nmol/L的目標驢肉DNA進行定量檢測，相對標準偏差為0.85%，提高了檢測的靈敏度和可重復性。然而，DNA生物傳感器在應用于實際動物源性食品鑒別技術時仍然面臨一些挑戰，如開發困難、前處理復雜、成本高等問題。

2.2.4 CRISPR/Cas系統

CRISPR/Cas作為基因編輯剪刀可以對單鏈DNA實施精準、高效的剪切，后來人們不斷擴展其在物種

改良[80]、肉類摻假鑒定[81]、食源性微生物監管[82]等領域的應用范圍。不同的CRISPR相關蛋白在PAM識別位點、作用機制和應用領域等方面具有不同的特點。例如，Cas9在醫療領域發揮著重要作用，而Cas12在快速檢測領域有著廣泛的應用[83]。Chen Jiahui等[84]把具有特異性和反式裂解活性的CRISPR/Cas與無需標記的DNA-銀納米簇熒光探針相結合，擴寬線性范圍的同時也顯著增強了熒光探針的穩定性，將鴨的摻假量直接轉化為熒光信號的強弱。Zhao Gang等[85]嘗試結合重組聚合酶擴增技術與CRISPR/Cas12a技術檢測肉制品中是否摻假豬肉，該研究可憑借肉眼在30 min內得到檢測結果，且檢出限為0.001 ng。精準、快速、低成本[8V8jtmHzduFdRbq+pCl+RuQsWZNVHWK0DX/SVHsKrvy8=6]的優勢極大促進了CRISPR/Cas系統在復雜食品中痕量目標物檢測方面的應用，并為此提供了一條全新的途徑。

綜上所述，不同鑒別技術應用于動物源性食品中的優缺點比較見表1。

3 結 語

近年來，動物源性食品摻假事件持續走高引發了人們的廣泛關注，針對這一現狀，我國陸續頒布了許多有關肉類真實性鑒別技術的國家標準。本文總結近5 年常用于鑒別動物源性食品真偽的技術，討論各種技術的優缺點，其中，基于蛋白質ELISA開發的試劑盒和便于攜帶的光譜設備具有檢測速度快、成本低的優勢，深受市場監管部門和企業生產廠家的青睞。然而，蛋白質作為生物標記物用于深加工食品檢測時容易發生變性和降解，這嚴重降低了檢測的靈敏度；與之相比，核酸分子特有的種間多態性和熱穩定性保證了其檢測結果的可靠，在食品質量安全檢測與執法機關應用較多，但該技術對操作人員和實驗室要求較高，且現如今沒有專門的機構對核酸標準物質進行研制，導致各企業生產的核酸標準物質缺乏可追溯性。未來應在快速、準確、低成本的前提下，不斷完善動物源性食品的特異性蛋白數據庫、豐富光譜和電子鼻等指紋信息，建立最佳的數據模型，優化PCR反應中核酸提取的限速步驟，在實際應用中應選擇適當的鑒別技術或將多種鑒別技術聯用，以更好地滿足對復雜樣品中目標成分的分析，這對預防食品摻假、保障食品安全、促進食品行業持續健康發展具有重要作用。

參考文獻：

[1] 戴義國， 劉光輝， 顏丙利， 等. 動物源性食品安全檢測技術探析[J]. 現代畜牧科技， 2024（2）： 115-117. DOI：10.19369/j.cnki.2095-9737.2024.02.031.

[2] 國家統計局. 中華人民共和國2023年國民經濟和社會發展統計公報[N]. 人民日報， 2024-03-01（010）.

[3] 白鑫燚， 李曉毅. 濟南門店大多已不見羊肉卷[N]. 山東商報， 2023-08-12（7）.

[4] 唐穗平， 張燕， 黃景輝. 廣東省牛羊肉及其制品中摻雜摻假情況的調查分析[J]. 食品安全質量檢測學報， 2016， 7（5）： 1882-1886. DOI：10.19812/j.cnki.jfsq11-5956/ts.2016.05.025.

[5] 凌莉， 李志勇， 高東微， 等. 從肉類摻假案例反思我國進出口食品安全監管[J]. 安徽農業科學， 2013（20）： 8711-8713; 8715. DOI：10.3969/j.issn.0517-6611.2013.20.091.

[6] 曾雪晴， 李洪軍， 王兆明， 等. 無損檢測技術在摻假肉及肉制品中的應用進展[J]. 食品與發酵工業， 2019， 45（1）： 252-258. DOI：10.13995/j.cnki.11-1802/ts.017198.

[7] 馬昕. 無損檢測在食品品質檢測中的運用[J]. 現代食品， 2020（14）： 123-125. DOI：10.16736/j.cnki.cn41-1434/ts.2020.14.039.

[8] 賀巧玲， 曹敏， 孫在興， 等. 光譜技術及電子感官系統在食源性致病菌無損檢測中的應用[J]. 食品研究與開發， 2023， 44（20）： 219-224. DOI：10.12161/j.issn.1005-6521.2023.20.030.

[9] 苗小雨， 柴春祥， 魯曉翔. 無損檢測技術在食品微生物檢測中的應用與展望[J]. 食品與發酵工業， 2022， 48（8）： 311-319. DOI：10.13995/j.cnki.11-1802/ts.028633.

[10] 石洪瑋. 單波長激發-能量色散X射線熒光光譜法檢測食品中重金屬的研究[D]. 邯鄲： 河北工程大學， 2023： 1-2.

[11] SILVA D L M M， ADRIANO L F， M?NICA G C， et al. Portable near-infrared （NIR） spectrometer and chemometrics for rapididentification of butter cheese adulteration[J]. Food Chemistry， 2023， 425： 136461. DOI：10.1016/j.fod3ce0901144b062dbf4153cd147f477afacb0aa031cb21454b88787894b01607odchem.2023.136461.

[12] 吳木蘭， 宋蕭蕭， 崔武衛， 等. 基于近紅外光譜技術對南陽豌豆產地鑒別研究[J]. 光譜學與光譜分析， 2023， 43（4）： 1095-1102. DOI：10.3964/j.issn.1000-0593（2023）04-1095-08.

[13] 李卿， 馬盛凱， 張悅， 等. 感官評定在新食品開發中的應用[J]. 食品工程， 2021（2）： 42-45. DOI：10.3969/j.issn.1673-6044.2021.02.013.

[14] 孟新濤， 張婷， 許銘強， 等. 基于氣相離子遷移譜的羊肉摻偽快速鑒別方法[J]. 新疆農業科學， 2019， 56（10）： 1939-1947. DOI：10.6048/j.issn.1001-4330.2019.10.020.

[15] 胡煌， 呂飛， 丁玉庭. 肉制品的呈色機理和色澤評定研究進展[J]. 肉類研究， 2016， 30（12）： 48-53. DOI：10.15922/j.cnki.rlyj.2016.12.009.

[16] KUMARI S， ALAM N A， HOSSAIN J M， et al. Sensory evaluation of plant-based meat： bridging the gap with animal meat， challenges and future prospects[J]. Foods， 2024， 13（1）： 108. DOI：10.3390/foods13010108.

[17] WANG L， LIANG J， LI F， et al. Deep learning based on the vis-NIR two-dimensional spectroscopy for adulteration identification of beef and mutton[J]. Journal of Food Composition and Analysis， 2024， 126： 105890. DOI：10.1016/j.jfca.2023.105890.

[18] WINDARSIH A， JATMIKO H T， ANGGRAENI S A， et al. Machine learning-assisted FT-IR spectroscopy for identification of pork oil adulteration in tuna fish oil[J]. Vibrational Spectroscopy， 2024， 134： 103715. DOI：10.1016/j.vibspec.2024.103715.

[19] LEI F， BAOHUA W， SUSU Z， et al. Application of visible/infrared spectroscopy and hyperspectral imaging with machine learning techniques for identifying food varieties and geographical origins[J]. Frontiers in Nutrition， 2021， 8： 680357. DOI：10.3389/fnut.2021.680357.

[20] 張浩， 劉振， 王玲， 等. 基于近紅外光譜結合機器學習算法檢測食用明膠品種溯源的研究[J]. 河南農業大學學報， 2021， 55（3）： 460-467. DOI：10.16445/j.cnki.1000-2340.20210409.003.

[21] LENG T， LI F， XIONG L， et al. Quantitative detection of binary and ternary adulteration of minced beef meat with pork and duck meat by NIR combined with chemometrics[J]. Food Control， 2020， 113： 107203. DOI：10.1016/j.foodcont.2020.107203.

[22] ZHANG H， LIU Z， ZHANG J， et al. Identification of edible gelatin origins by data fusion of NIRS， fluorescence spectroscopy， and LIBS[J]. Food Analytical Methods， 2021， 14（3）： 525-536. DOI：10.1007/s12161-020-01893-2.

[23] PEREIRA S D V E， FERNANDES S D D D， ARAúJO D U C M， et al.

Simultaneous determination of goat milk adulteration with cow milk and their fat and protein contents using NIR spectroscopy and PLS algorithms[J]. LWT-Food Science and Technology， 2020， 127： 109427. DOI：10.1016/j.lwt.2020.109427.

[24] ZHANG W Y， JI M， WEN D S. Raman spectroscopic techniques for detecting structure and quality of frozen foods： principles and applications[J]. Critical Reviews in Food Science and Nutrition， 2021， 61（16）： 2623-2639. DOI：10.1080/10408398.2020.1828814.

[25] 韓婭紅， 蹇林， 杜瑞銘， 等. 基于骨蛋白拉曼光譜特異性的肉骨粉種屬鑒別方法[J]. 農業工程學報， 2020， 36（16）： 267-273. DOI：10.11975/j.issn.1002-6819.2020.16.032.

[26] BOYACI I H， UYSAL R S， TEMIZ T， et al. A rapid method for determination of the origin of meat and meat products based on the extracted fat spectra by using of Raman spectroscopy and chemometric method[J]. European Food Research and Technology， 2014， 238（5）： 845-852. DOI：10.1007/s00217-014-2168-1.

[27] FOROOGHI E， ZADE S V， JANNAT B， et al. Detection of sheep butter adulteration with cow butter and margarine by employing Raman spectroscopy and multivariate data analysis[J]. International Dairy Journal， 2024， 157： 106010. DOI：10.1016/j.idairyj.2024.106010.

[28] VEEMAN W S. Nuclear magnetic resonance， a simple introduction to the principles and applications[J]. Geoderma， 1997， 80（3）： 225-242. DOI：10.1016/S0016-7061（97）00054-2.

[29] 馮翠萍， 劉一諾， 樊雙喜， 等. 核磁共振磷譜法測定乳制品中的酪蛋白含量[J]. 食品科學， 2021， 42（4）： 221-226. DOI：10.7506/spkx1002-6630-20200527-324.

[30] XING M J， LIU F J， LIN J Z， et al. Origin tracing and adulteration identification of bird’s nest by high- and low-field NMR combined with pattern recognition[J]. Food Research International， 2024， 175： 113780. DOI：10.1016/j.foodres.2023.113780.

[31] 李少華， 李申， 李翠翠. 食用油脂鑒別及摻假檢測技術研究進展[J].

食品工業科技， 2022， 43（20）： 430-436. DOI：10.13386/j.issn1002-0306.2021090293.

[32] 高西貝， 杜欣玥， 王琪琦， 等. 蜂蜜的真實性鑒別方法研究進展[J]. 食品安全質量檢測學報， 2022， 13（18）： 5842-5848. DOI：10.19812/j.cnki.jfsq11-5956/ts.2022.18.038.

[33] LENG T， HU X Y， CHEN Y， et al. Rapid identification and quantitation of pork and duck meat of binary and ternary adulteration in minced beef by 1H NMR combined with multivariate data fusion[J]. Food Control， 2023， 154： 110018. DOI：10.1016/j.foodcont.2023.110018.

[34] HAJJAR G， HADDAD L， RIZK T， et al. High-resolution 1H NMR profiling of triacylglycerols as a tool for authentication of food from animal origin： application to hen egg matrix[J]. Food Chemistry， 2021， 360： 130056. DOI：10.1016/j.foodchem.2021.130056.

[35] 吳浩， 周秀雯， 陳海泉， 等. 不同產地三文魚的穩定同位素指紋特征及原產地溯源[J]. 食品科學， 2021， 42（16）： 304-311. DOI：10.7506/spkx1002-6630-20200723-321.

[36] 白婷， 蔡浩洋， 鄧銀華， 等. 基于微量元素指紋圖譜對黑水鳳尾雞進行產地溯源的研究[J]. 中國測試， 2018， 44（9）： 57-62; 74. DOI：10.11857/j.issn.1674-5124.2018.09.011.

[37] JOACHIM M， ANETTE G. Follow-up of stable isotope analysis of organic versus conventional milk[J]. Analytical and Bioanalytical Chemistry， 2010， 398（3）： 1493-1500. DOI：10.1007/s00216-010-3995-y.

[38] EHTESHAM E， HAYMAN A， HALE V R， et al. Influence of feed and water on the stable isotopic composition of dairy milk[J]. International Dairy Journal， 2015， 47： 37-45. DOI：10.1016/j.idairyj.2015.02.008.

[39] PERIS M， ESCUDER-GILABERT L. Electronic noses and tongues to assess food authenticity and adulteration[J]. Trends in Food Science & Technology， 2016， 58： 40-54. DOI：10.1016/j.tifs.2016.10.014.

[40] KALINICHENKO A， ARSENIYEVA L. Electronic nose combined with chemometric approaches to assess authenticity and adulteration of sausages by soy protein[J]. Sensors and Actuators B： Chemical， 2020， 303： 127250. DOI：10.1016/j.snb.2019.127250.

[41] HAN F， HUANG X， AHETO H J， et al. Detection of beef adulterated with pork using a low-cost electronic nose based on colorimetric sensors[J]. Foods， 2020， 9（2）： 193. DOI：10.3390/foods9020193.

[42] TOHIDI M， GHASEMI-VARNAMKHASTI M， GHAFARINIA V， et al.

Development of a metal oxide semiconductor-based artificial nose as a fast， reliable and non-expensive analytical technique for aroma profiling of milk adulteration[J]. International Dairy Journal， 2018， 77： 38-46. DOI：10.1016/j.idairyj.2017.09.003.

[43] AYARI F， GHALEH M E， RABBANI H， et al. Using an E-nose machine for detection the adulteration of margarine in cow ghee[J]. Journal of Food Process Engineering， 2018， 41（6）： 12806. DOI：10.1111/jfpe.12806.

[44] 廖美燕， 龍鳴， 洪晶， 等. 電子鼻在乳及其制品檢測中的應用研究進展[J]. 中國乳業， 2022（10）： 57-64. DOI：10.12377/1671-4393.22.10.11.

[45] WANG B， XU S， SUN D W. Application of the electronic nose to the identification of different milk flavorings[J]. Food Research International， 2010， 43（1）： 255-262. DOI：10.1016/j.foodres.2009.09.018.

[46] 陳芳， 黃玉坤， 苑陽陽， 等. 基于電子鼻無損鑒別摻假蜂蜜[J]. 西華大學學報（自然科學版）， 2018， 37（5）： 56-60. DOI：10.3969/j.issn.1673-159x.2018.05.012.

[47] 陳曉明， 初葉心， 喬江濤， 等. 蜂蜜品種識別和摻假鑒別的研究進展[J].

食品工業， 2020， 41（2）： 225-230.

[48] WANG Q， LI L， DING W， et al. Adulterant identification in mutton by electronic nose and gas chromatography-mass spectrometer[J]. Food Control， 2019， 98： 431-438. DOI：10.1016/j.foodcont.2018.11.038.

[49] JIA W S， QIN Y D， ZHAO C T. Rapid detection of adulterated lamb meat using near infrared and electronic nose： a F1-score-MRE data fusion approach[J]. Food Chemistry， 2024， 439： 138123. DOI：10.1016/j.foodchem.2023.138123.

[50] 陳鵬羽， 張德權， 李少博， 等. 基于電子鼻和頂空固相微萃取結合氣相色譜-嗅聞-質譜聯用技術分析不同品種羊肉煮制風味特征[J]. 食品與發酵工業， 2024， 50（10）： 298-305. DOI：10.13995/j.cnki.11-1802/ts.037157.

[51] 曲愛玲， 馬長路. 電子鼻在食品安全中的應用及發展趨勢[J]. 食品工業， 2022， 43（8）： 320-325.

[52] YU Y， GAO Q L， SONG Y， et al. High-throughput screening of potential allergens from complex proteins of large yellow croaker （Larimichthys crocea） by mass spectrometry[J]. Chinese Journal of Analytical Chemistry， 2017， 45（5）： e1713-e1718. DOI：10.1016/S1872-2040（17）61016-8.

[53] XIANG X， LU J， TAO M， et al. High-throughput identification 417707b48843bfe095b8634b8b6019a24e58e3fa5a8defc9e289c1fe4a3afbe7of meat ingredients in adulterated foods based on centrifugal integrated purification-CRISPR array[J]. Food Chemistry， 2024， 443： 138507. DOI：10.1016/j.foodchem.2024.138507.

[54] WANG X， ZHAO X， HUANG D， et al. Proteomic analysis and cross species comparison of casein fractions from the milk of dairy animals[J]. Scientific Reports， 2017， 7（1）： 43020. DOI：10.1038/srep43020.

[55] YANG Y， ZHENG N， WANG W， et al. N-glycosylation proteomic characterization and cross-species comparison of milk fat globule membrane proteins from mammals[J]. Proteomics， 2016， 16（21）： 2792-2800. DOI：10.1002/pmic.201500361.

[56] YANG Y， ZHENG N， ZHAO X， et al. N-glycosylation proteomic characterization and cross-species comparison of milk whey proteins from dairy animals[J]. Proteomics， 2017， 17（9）： 1600361. DOI：10.1002/pmic.201600361.

[57] TU M， CHENG S， LU W， et al. Advancement and prospects of bioinformatics analysis for studying bioactive peptides from food-derived protein： sequence， structure， and functions[J]. Trends in Analytical Chemistry， 2018， 105： 7-17. DOI：10.1016/j.trac.2018.04.005.

[58] 左惠心， 韓玲， 余群力， 等. 牦牛與黃牛肌肉差異蛋白質組及生物信息學分析[J]. 農業機械學報， 2017， 48（4）： 313-320. DOI：10.6041/j.issn.1000-1298.2017.04.041.

[59] 范莉. 酶聯免疫吸附法在食品檢驗中的實踐應用研究[J]. 食品安全導刊， 2021（27）： 135-136. DOI：10.16043/j.cnki.cfs.2021.27.074.

[60] 駱訓國， 栗紹文， 周蕾蕾， 等. 夾心ELISA方法檢測生肉混合物中的豬肉成分的研究[J]. 動物醫學進展， 2010， 31： 20-22. DOI：10.3969/j.issn.1007-5038.2010.z1.005.

[61] JIANG X Y， RAO Q C， MITTL K， et al. Monoclonal antibody-based sandwich ELISA for the detection of mammalian meats[J]. Food control， 2020， 110： 107045. DOI：10.1016/j.foodcont.2019.107045.

[62] 施姿鶴. 肉中蛋白質N-糖基化分析及其在常見肉類摻假鑒別中的應用[D]. 南京： 南京農業大學， 2020： 1-11.

[63] ZHANG Y Y， LIU M Y， WANG S， et al. Identification and quantification of fox meat in meat products by liquid chromatography-tandem mass spectrometry[J]. Food Chemistry， 2022， 372： 131336. DOI：10.1016/j.foodchem.2021.131336.

[64] ZHANG J K， WEI L Y， MIAO J L， et al. Authenticity identification of animal species in characteristic milk by integration of shotgun proteomics and scheduled multiple reaction monitoring （MRM） based on tandem mass spectrometry[J]. Food Chemistry， 2024， 436： 137736. DOI：10.1016/j.foodchem.2023.137736.

[65] 柴曉茹， 劉超， 孟軍濤， 等. PCR技術分類及其在復雜樣本檢測中的應用研究進展[J]. 滄州師范學院學報， 2024， 40（1）： 47-52. DOI：10.3969/j.issn.2095-2910.2024.01.009.

[66] 樓葉青， 胡藝凡， 鄭方媛， 等. 應用聚合酶鏈式反應和限制性內切酶酶切技術鑒別鱈魚[J]. 肉類研究， 2019， 33（10）： 57-62. DOI：10.7506/rlyj1001-8123-20190802-172.

[67] DOROUDIAN M， ANBARA H， SOEZI M， et al. Improving fraud detection in processed meats： a histology-PCR approach[J]. Journal of Food Composition and Analysis， 2023， 123： 105593. DOI：10.1016/j.jfca.2023.105593.

[68] LI Y C， LIU S Y， MENG F B， et al. Comparative review and the recent progress in detection technologies of meat product adulteration[J]. Comprehensive Reviews in Food Science and Food Safety， 2020， 19（4）： 2256-2296. DOI：10.1111/1541-4337.12579.

[69] LI J P， WEI Y X， LI J C， et al. A novel duplex SYBR green real-time PCR with melting curve analysis method for beef adulteration detection[J]. Food Chemistry， 2021， 338： 127932. DOI：10.1016/j.foodchem.2020.127932.

[70] 楊瑤， 斯能武， 嚴鈺澳， 等. 實時熒光PCR定量檢測肉制品中豬源性成分[J]. 食品工業科技， 2022， 43（3）： 268-274. DOI：10.13386/j.issn1002-0306.2021050232.

[71] 劉立兵， 陳敏娜， 孫曉霞， 等. 微滴式數字聚合酶鏈式反應對香腸制品中雞、豬、牛源性成分的定量分析[J]. 肉類研究， 2020， 34（8）： 51-56. DOI：10.7506/rlyj1001-8123-20200508-115.

[72] 楊粵， 付博宇， 張蘊哲， 等. 環介導等溫擴增檢測技術的應用與方法改進[J]. 食品安全質量檢測學報， 2016， 7（4）： 1526-1530. DOI：10.19812/j.cnki.jfsq11-5956/ts.2016.04.034.

[73] WANG S， SONG H S， WANG T， et al. Recent advancements with loop-mediated isothermal amplification （LAMP） in assessment of the species authenticity with meat and seafood products[J]. Critical Reviews in Food Science and Nutrition， 2024： 1-22. DOI：10.1080/10408398.2024.2329979.

[74] KUMARI S， KUMAR R R， MENDIRATTA S K， et al. On-site detection of tissues of buffalo origin by loop-mediated isothermal amplification （LAMP） assay targeting mitochondrial gene sequences[J]. Food Analytical Methods， 2020， 13（5）： 1060-1068. DOI：10.1007/s12161-020-01718-2.

[75] PENG J S， LI Y， DENG X L， et al. Loop-mediated isothermal amplification

for on-site visual identification of leech species[J]. Food Analytical Methods， 2024， 17（4）： 618-627. DOI：10.1007/s12161-024-02597-7.

[76] QIN P Z， LI Y L， YAO B B， et al. Rational incorporating of loop-mediated isothermal amplification with fluorescence anisotropy for rapid， sensitive and on-site identification of pork adulteration[J]. Food Control， 2022， 137： 108863. DOI：10.1016/j.foodcont.2022.108863.

[77] 劉萍， 任有良， 狄燕清. DNA生物傳感器研究綜述[J]. 商洛學院學報， 2011， 25（2）： 35-41. DOI：10.3969/j.issn.1674-0033.2011.02.008.

[78] ZHANG C， ZHANG X， LIAO G， et al. Species-specific TM-LAMP and Trident-like lateral flow biosensor for on-site authenticity detection o0b4248de281d407379ec2deb4cb99da4f horse and donkey meat[J]. Sensors and Actuators B： Chemical， 2019， 301： 127039. DOI：10.1016/j.snb.2019.127039.

[79] MANSOURI M， FATHI F， JALILI R， et al. SPR enhanced DNA biosensor for sensitive detection of donkey meat adulteration[J]. Food Chemistry， 2020， 331： 127163. DOI：10.1016/j.foodchem.2020.127163.

[80] RAI M， MAGUDEESWARI P， TYAGI W. CRISPR/Cas genome editing： strategies and potential for crop improvement[M]. Cham： Springer International Publishing， 2020： 53-67.

[81] LIU H， WANG J， ZENG H， et al. RPA-Cas12a-FS： a frontline nucleic acid rapid detection system for food safety based on CRISPR-Cas12a combined with recombinase polymerase amplification[J]. Food Chemistry， 2021， 334： 127608. DOI：10.1016/j.foodchem.2020.127608.

[82] STOUT E， KLAENHAMMER T， BARRANGOU R. CRISPR-Cas technologies and applications in food bacteria[J]. Annual Review of Food Science and Technology， 2017， 8： 8413-8437. DOI：10.1146/annurev-food-072816-024723.

[83] 王煬坤， 紀世新， 蘇瑩瑩， 等. 基因編輯工具CRISPR-Cas9與CRISPR-Cas12a的比較與應用[J]. 長春師范大學學報， 2023， 42（12）： 107-112. DOI：10.3969/j.issn.1008-178X.2023.12.018.

[84] CHEN J H， LIU J H， WU D， et al. CRISPR/Cas precisely regulated dna-templated silver nanocluster fluorescence sensor for meat adulteration detection[J]. Journal of Agricultural and Food Chemistry， 2022， 70（44）： 14296-14303. DOI：10.1021/acs.jafc.2c04500.

[85] ZHAO G， WANG J， YAO C， et al. Alkaline lysis-recombinase polymerase amplification combined with CRISPR/Cas12a assay for the ultrafast visual identification of pork in meat products[J]. Food Chemistry， 2022， 383： 132318. DOI：10.1016/j.foodchem.2022.132318.

[86] TAO D， XIAO X， LAN X， et al. An inexpensive CRISPR-based point-of-care test for the identification of meat species and meat products[J]. Genes， 2022， 13（5）： 912. DOI：10.3390/genes13050912.

[87] 白京， 李家鵬， 鄒昊， 等. 近紅外特征光譜定量檢測羊肉卷中豬肉摻假比例[J]. 食品科學， 2019， 40（2）： 287-292. DOI：10.7506/spkx1002-6630-20180531-452.

[88] 白京， 李家鵬， 鄒昊， 等. 近紅外光譜定性定量檢測牛肉漢堡餅中豬肉摻假[J]. 食品科學， 2019， 40（8）： 287-292. DOI：10.7506/spkx1002-6630-20180802-016.

[89] LOGAN B G， HOPKINS D L， SCHMIDTKE L M， et al. Authenticating common Australian beef production systems using Raman spectroscopy[J]. Food Control， 2021， 121： 107652. DOI：10.1016/j.foodcont.2020.107652.

[90] BOYACI I H， TEMIZ H T， UYSAL R S， et al. A novel method for discrimination of beef and horsemeat using Raman spectroscopy[J]. Food Chemistry， 2014， 148： 37-41. DOI：10.1016/j.foodchem.2013.10.006.

[91] BAI Y， LIU H， ZHANG B， et al. Research progress on traceability and authenticity of beef[J]. Food Reviews International， 2021， 39： 1645-1665. DOI：10.1080/87559129.2021.1936000.

[92] 易冰清， 郭秀秀， 顏治， 等. 乳制品摻假現狀與穩定同位素鑒別技術研究進展[J]. 同位素， 2020， 33（5）： 293-303. DOI：10.7538/tws.2020.33.05.0293.

[93] 王靜嫻， 張昂. 基于穩定同位素分析技術的蜂蜜產地鑒別研究[J]. 現代食品， 2024， 30（4）： 207-210. DOI：10.16736/j.cnki.cn41-1434/ts.2024.4.064.

[94] 裴高璞， 史波林， 趙鐳， 等. 典型摻假蜂蜜的電子鼻信息變化特征及判別能力[J]. 農業工程學報， 2015， 31（S1）： 325-331. DOI：10.3969/j.issn.1002-6819.2015.z1.039.

[95] MANDLI J， EL FATIMI I， SEDDAOUI N， et al. Enzyme immunoassay （ELISA/immunosensor） for a sensitive detection of pork adulteration in meat[J]. Food Chemistry， 2018， 255： 380-389. DOI：10.1016/j.foodchem.2018.01.184.

[96] ASENSIO L， GONZáLEZ I， GARCíA T， et al. Determination of food authenticity by enzyme-linked immunosorbent assay （ELISA）[J]. Food Control， 2008， 19（1）： 1-8. DOI：10.1016/j.foodcont.2007.02.010.

[97] STACHNIUK A， SUMARA A， MONTOWSKA M， et al. Liquid chromatography-mass spectrometry bottom-up proteomic methods in animal species analysis of processed meat for food authentication and the detection of adulterations[J]. Mass Spectrometry Reviews， 2021， 40（1）： 3-30. DOI：10.1002/mas.21605.

[98] KITPIPIT T， SITTICHAN K， THANAKIATKRAI P. DZ2juoo0r8q0keEwCTvqU0MP53OTh1qbowiy1f0tXoFo=irect-multiplex PCR assay for meat species identification in food products[J]. Food Chemistry， 2014， 163： 77-82. DOI：10.1016/j.foodchem.2014.04.062.

[99] NESVADBOVA M， KRALIK P， DZIEDZINSKA R， et al. An integrated system of four multiplex qPCR assays for the precise and sensitive identification of animal species in food and feed[J]. Food Control， 2022， 135： 108781. DOI：10.1016/j.foodcont.2021.108781.

[100] VISHNURAJ M R， ARAVIND KUMAR N， VAITHIYANATHAN S，

et al. Authentication issues in foods of animal origin and advanced molecular techniques for identification and vulnerability assessment[J]. Trends in Food Science & Technology， 2023， 138： 164-77. DOI：10.1016/j.tifs.2023.05.019.

[101] BENJAKUL S， SAETANG J. Development of loop-mediated isothermal amplification （LAMP） assays for the rapid authentication of three swimming crab species[J]. Foods， 2022， 11（15）： 2247. DOI：10.3390/foods11152247.

[102] THANAKIATKRAI P， BURANACHAI C， KITPIPIT T.

A novel biosensor method to detect cow DNA in milk and dairy products[J]. Food Control， 2024， 155： 110096. DOI：10.1016/j.foodcont.2023.110096.

[103] CHEN Y， YANG T， QIAN S， et al. Multiple crRNAs-assisted CRISPR/Cas12a assay targeting cytochrome b gene for amplification-free detection of meat adulteration[J]. Analytica Chimica Acta， 2022， 1231： 340417. DOI：10.1016/j.aca.2022.340417.

收稿日期：2024-07-13

基金項目：“十四五”國家重點研發計劃重點專項（2023YFF0614602）

第一作者簡介：郭亞寧（2003—）（ORCID： 0009-0006-6313-1819），女，碩士研究生，研究方向為農業領域核酸標準物質。

E-mail： gyn93810802@163.com

*通信作者簡介：周劍（1983—）（ORCID： 0000-0002-8110-1908），男，研究員，博士，研究方向為農業領域標準物質。

E-mail： zhoujian_8382@163.com