好文荐读 | 【纳米】南京大学王可凡、黄硕ACS Nano:可用于食品新鲜度评估的生物胺纳米孔检测技术

生物胺是一类具有重要生物功能的有机含氮化合物，在生物体内发挥着关键的生理作用¹。生物胺也广泛存在于高蛋白食品中²，但过量摄入生物胺可能引发毒性效应。因此，检测生物胺水平对于食品安全问题至关重要。传统的生物胺检测方法，比如色谱³、质谱⁴以及光谱法⁵，在特异性、仪器复杂性以及衍生化步骤等方面仍存在局限。纳米孔是一种新型单分子传感器，已成功用于检测多种生物分子，如核苷酸⁶、氨基酸⁷、核酸⁸、肽段⁹、蛋白质¹⁰及糖类¹¹。但能够有效区分不同类型生物胺的纳米孔传感器尚未实现，这一能力对于确定毒性物质类型和程度具有关键意义。具备多胺分辨能力的纳米孔可在无需分离、避免信号干扰的情况下，深入解析这些有毒物质的含量。

近日，南京大学王可凡、黄硕团队采用在孔道收缩区修饰有镍离子的耻垢分枝杆菌膜蛋白A纳米孔（MspA-NTA-Ni）用于生物胺传感，借助镍离子的配位作用，实验成功检测并区分了包括脂肪族、芳香族和杂环族在内的共6种生物胺，并提出了相应的传感机制。在机器学习的辅助下，该方法可以进一步应用于虾样品中生物胺的检测，显示出其在食品新鲜度评估中的应用潜力。

首先，研究团队通过在MspA纳米孔收缩区域化学修饰次氮基三乙酸并结合镍离子，实现了在孔道内部固定镍离子。并且研究团队探究了MspA-NTA-Ni传感6种生物胺的效果（图1），6种生物胺分别产生了有差异的传感信号，并且由于组胺存在咪唑部分产生了两类传感信号。

图1. MspA-NTA-Ni传感并区分6种生物胺

进一步，研究团队提取生物胺传感事件的四种特征，使用机器学习模型六种生物胺进行分类，整体分类准确率可达99.0%（图2a, b）。该机器学习模型可以对六种生物胺混合样品的传感事件逐一识别（图2c, d）。最终在虾肉样品的提取液中同样可以检测到多种生物胺事件，并且可以被机器学习模型准确分类（图2e, f），定量结果也与LC-MS相匹配，说明此方法具有检测食品当中的生物胺组分的能力。

图2. 机器学习辅助识别混合样品和虾肉中的生物胺传感事件

小结

本研究展示了单个镍离子修饰的纳米孔（MspA-NTA-Ni）对生物胺的传感区分能力，成功检测并区分了六种具有代表性的生物胺，涵盖了脂肪族、芳香族和杂环类。基于传感数据建立的分类学习器可以自动识别生物胺事件，总体分类准确率为99.0%。这种检测策略随后被应用于实际虾类样本中的生物胺检测中，成功地识别并定量了生物胺，表明其在食品的新鲜度监测中可靠的应用价值。

该工作近日在ACS Nano 发表。南京大学化学学院博士后王可凡和黄硕教授为该论文的通讯作者，南京大学博士生肖云麒和已毕业博士生杜筱谕为该论文共同第一作者。

原文（扫描或长按二维码，识别后直达原文页面）：

Nanopore Identification of Biogenic Amines and Its Applications in Food Freshness Evaluation

Yunqi Xiao, Xiaoyu Du, Lulu Zhao, Xinyi Dai, Lu Qian, Shanyu Zhang, Panke Zhang, Shuo Huang* and Kefan Wang*

ACS Nano, 2026, DOI: 10.1021/acsnano.5c16056

参考文献

(1) Linares, D. M.; Martín, M.; Ladero, V.; Alvarez, M. A.; Fernández, M. Biogenic Amines in Dairy Products. Crit. Rev. Food Sci. Nutr.2011, 51, 691-703.

(2) Doeun, D.; Davaatseren, M.; Chung, M.-S. Biogenic amines in foods. Food Sci. Biotechnol.2017, 26, 1463-1474.

(3) Peña-Gallego, A.; Hernández-Orte, P.; Cacho, J.; Ferreira, V. High-Performance Liquid Chromatography Analysis of Amines in Must and Wine: A Review. Food Rev. Int. 2012, 28, 71-96.

(4) Parchami, R.; Kamalabadi, M.; Alizadeh, N. Determination of biogenic amines in canned fish samples using head-space solid phase microextraction based on nanostructured polypyrrole fiber coupled to modified ionization region ion mobility spectrometry. J. Chromatogr. A2017, 1481, 37-43.

(5) Adamou, R.; Coly, A.; Douabalé, S. E.; Saleck, M. L. O. C. O.; Gaye-Seye, M. D.; Tine, A. Fluorimetric Determination of Histamine in Fish Using Micellar Media and Fluorescamine as Labelling Reagent. J. Fluoresc. 2005, 15, 679-688.

(6) Wang, Y.; Zhang, S.; Jia, W.; Fan, P.; Wang, L.; Li, X.; Chen, J.; Cao, Z.; Du, X.; Liu, Y.; et al. Identification of nucleoside monophosphates and their epigenetic modifications using an engineered nanopore. Nat. Nanotechnol. 2022, 17, 976-983.

(7) Boersma, A. J.; Bayley, H. Continuous Stochastic Detection of Amino Acid Enantiomers with a Protein Nanopore. Angew. Chem. Int. Ed. 2012, 51, 9606-9609.

(8) Clarke, J.; Wu, H.-C.; Jayasinghe, L.; Patel, A.; Reid, S.; Bayley, H. Continuous base identification for single-molecule nanopore DNA sequencing. Nat. Nanotechnol. 2009, 4, 265-270.

(9) Cao, C.; Cirauqui, N.; Marcaida, M. J.; Buglakova, E.; Duperrex, A.; Radenovic, A.; Dal Peraro, M. Single-molecule sensing of peptides and nucleic acids by engineered aerolysin nanopores. Nat. Commun. 2019, 10, 4918.

(10) Ahmad, M.; Ha, J.-H.; Mayse, L. A.; Presti, M. F.; Wolfe, A. J.; Moody, K. J.; Loh, S. N.; Movileanu, L. A generalizable nanopore sensor for highly specific protein detection at single-molecule precision. Nat. Commun. 2023, 14, 1374.

(11) Li, M.; Xiong, Y.; Cao, Y.; Zhang, C.; Li, Y.; Ning, H.; Liu, F.; Zhou, H.; Li, X.; Ye, X.; et al. Identification of tagged glycans with a protein nanopore. Nat. Commun. 2023, 14, 1737.

导师介绍

黄硕

https://www.x-mol.com/university/faculty/56491

课题组网站

http://hysz.nju.edu.cn/bionano