食品中7种常见的非食用色素检测研究进展

牛家华 卢明华 王勇

引用本文: 牛家华, 卢明华, 王勇. 食品中7种常见的非食用色素检测研究进展[J]. 化学通报, 2020, 83(9): 805-812. shu
Citation:  Niu Jiahua, Lu Minghua, Wang Yong. Research Progress in Detection of Seven Common Inedible Pigments in Food[J]. Chemistry, 2020, 83(9): 805-812. shu

食品中7种常见的非食用色素检测研究进展

    通讯作者: 卢明华   男,博士,教授,主要从事复杂样品体系分离分析新技术研究。E-mail: mhlu@henu.edu.cn
  • 基金项目:

    河南省高校科技创新人才支持计划项目(17HASTIT003)和国家自然科学基金项目(21477033)资助

摘要: 食用色素可以明显改善食品外观,激发食欲,在食品行业有着广泛的应用,但若向食品中添加非食用色素来代替食用色素,则会对人体存在致癌风险。食品中常见的非食用色素有以下7种:碱性嫩黄O、碱性橙Ⅱ、酸性橙Ⅱ、苏丹红、若丹明B、美术绿和孔雀石绿,而目前对这7种非食用色素检测的国家标准还未全部建立。本文综述了近3年来食品行业中针对这7种非食用色素的各种检验方法,以期为食品安全监督检测提供参考。

English

  • 为保障食品安全,自2008年以来,全国打击违法添加非食用物质和滥用食品添加剂专项整治领导小组陆续发布了六批《食品中可能违法添加的非食用物质和易滥用的食品添加剂名单》。其中,色素主要有苏丹红、王金黄、块黄、玫瑰红B、美术绿、碱性嫩黄、酸性橙、碱性黄、胭脂红、柠檬黄、诱惑红、日落黄等[1, 2]。色素包括食用色素和非食用色素,国家卫生部发布的食品中可能违法添加的非食用色素主要有以下7种:碱性嫩黄O、碱性橙Ⅱ、酸性橙Ⅱ、苏丹红、若丹明B、美术绿和孔雀石绿。食用色素在最大使用限量范围内添加并不会对人体造成危害,但是,有不法商贩使用非食用色素代替价格相对昂贵的食用色素添加到食品中,长期食用含有非食用色素的食物会对人体的主要脏器造成损害。例如,若丹明B具有潜在致癌作用,可能诱变或致畸;苏丹红、酸性橙等在体内代谢会产生致癌物质;碱性嫩黄O可引起皮炎、结膜炎和上呼吸道刺激症状;孔雀石绿可能引发血压高、心率加快、厌食、失眠、肝功能异常等疾病;而美术绿则含有铅、铬等重金属,可对人体中枢神经、肾脏和肝脏等器官造成极大伤害[3, 4]。因此,建立灵敏、准确、快速的分析方法检测食品中的非食用色素很有必要。

    目前,苏丹红、若丹明B、孔雀石绿、碱性橙、酸性橙和碱性嫩黄O这6种非食用色素的检测方法已有相应的标准,如表 1所示,大多使用高效液相色谱(HPLC)法进行检测。HPLC法或液相色谱-串联质谱法虽然具有准确度高的优点,但它们也存在检测成本高、有机溶剂使用量多等缺点,并且美术绿没有建立相应的检测标准。因此,开发新型的方法用于上述7种非食用色素的检测具有十分重要的现实意义。近三年来,研究人员利用多种手段,主要包括液相色谱法[5, 6]、色谱-质谱联用法[7, 8]、电化学法[9, 10]、表面增强拉曼光谱法(Surface Enhanced Raman Scattering,SERS)[11, 12]、紫外-可见分光光度法[13, 14]、荧光法[15, 16]等,来检测7种非食用色素,此外,还利用层析法[17]、免疫法[18]、化学发光法[19]等手段建立了检测非食用色素的方法,并取得了满意的结果。本文系统介绍了以上各种方法在检测7种非食用色素中的应用,以期为建立食品中非食用着色剂检测方法提供思路,并为加强食品中违法添加非食用着色剂的监管提供参考。

    表 1

    表 1  苏丹红、若丹明B、孔雀石绿、碱性橙、酸性橙和碱性嫩黄O的检测标准
    Table 1.  Test standards of Sudan red, Rhodamine B, Malachite green, Basic Orange Ⅱ, Acid Orange Ⅱ and Auramine O
    下载: 导出CSV
    非食用色素 检测标准
    苏丹红 GB/T 19681-2005食品中苏丹红染料的检测方法(HPLC法)
    若丹明B DB31/T 441-2009食品中苏丹红Ⅰ、Ⅱ、Ⅲ、Ⅳ和对位红的测定(液相色谱-串联质谱法)
    SN/T 2430-2010进出口食品中若丹明B的检测方法(HPLC法;液相色谱-串联质谱法)
    孔雀石绿 GB/T 19857-2005水产品中孔雀石绿和结晶紫残留量的测定(HPLC法;液相色谱-串联质谱法)
    GB/T 20361-2006水产品中孔雀石绿和结晶紫残留量的测定(HPLC法)
    碱性橙 GB/T 23496-2009食品中禁用物质的检测碱性橙染料(HPLC法)
    酸性橙 SB/T 10920-2012食品中酸性橙染料的测定(HPLC法)
    碱性嫩黄O DBS22/006-2012食品安全地方标准食品中酸性橙、碱性橙2和碱性嫩黄的测定(液相色谱-串联质谱法)

    液相色谱法是目前在日常检测中应用最广泛的方法之一,具有分析速度快、灵敏度和自动化程度高、准确度较好等优点。目前已有许多研究人员利用液相色谱法来检测食品中的非食用色素,并取得不俗的成绩。

    在前处理过程中,提取液和固相萃取柱的选择尤为重要,它们直接关系到检测的灵敏度,因此,为了提高灵敏度,研究人员仍在不断开发新的前处理方法。Wei等[5]利用聚苯乙烯、二甲基甲酰胺和四氢呋喃制得一种新型静电纺丝纳米纤维聚合物作为固相萃取填充物,并将其用于浓缩和净化样品中的若丹明B,该聚合物可以有效地去除样品中的杂质,而后利用HPLC进行检测,若丹明B的检出限和定量限分别为0.2和0.7 ng/g。陈波[6]在试验多种溶剂后选择三氯甲烷和乙腈的混合溶液来提取番茄酱中的苏丹红,经过苏丹红专用固相萃取柱富集后,加入正己烷/乙酸乙酯混合溶剂洗脱,洗脱液减压蒸至近干,乙腈复溶并经过滤膜过滤后进液相检测。结果发现,苏丹红Ⅰ~Ⅳ的峰在液相谱图上分布均匀,互不干扰,四种苏丹红的添加回收率为83.4%~94.6%。李莎等[20]利用甲醇/水混合溶液提取不同食品中的碱性嫩黄O和酸性橙Ⅱ,采用C18固相萃取柱净化,二者的检出限分别为0.12和0.032 mg/kg。胡勇等[21]使用自制氧化铝固相萃取柱来提取咸鸭蛋中的四种苏丹红,保留时间均不超过1.3min,该法具有很高的分离效率,可以极大节省检测时间。王丽博等[22]利用沉淀聚合法制备了吸附容量较高的分子印迹固相萃取柱,并用来提取水产品中的孔雀石绿,考察了该萃取柱对7种不同水产品中孔雀石绿的富集程度。结果表明,回收率在81.2%~101.6%范围内,说明该柱具有优秀的适用性,可以用于检测不同水产品中的孔雀石绿。Chen等[23]利用三种疏水离子液体包覆在Fe3O4@SiO2纳米颗粒表面,制备了新型的磁性固相萃取剂用来提取食品中的若丹明B,该法前处理简便,固相萃取剂吸附若丹明B后利用磁铁便可达到分离的效果。

    虽然固相萃取柱的使用可以提高检测的灵敏度,但这些方法势必造成色谱柱和仪器的污染,灵敏度也不是很高,探索无需使用固相萃取柱的前处理方法也是最近的研究热点之一。杨爽等[24]开发了一种可不经过固相萃取步骤提取腐竹中碱性嫩黄O和碱性橙Ⅱ的前处理方法,他们将样品经过乙腈-氨水溶液提取,离心净化后直接进行液相色谱分析,利用二极管阵列检测器检测,两种物质的线性范围为0.0125~0.05 mg/mL,检出限为0.02mg/kg,定量限为0.05mg/kg,该法快速简便且耗费较低。孙记涛等[25]将豆制品经过溶剂提取后直接过滤,滤液蒸至近干、用甲醇定容后进样,设定不同的波长来同时检测豆制品中的碱性橙和碱性嫩黄O,二者的检出限分别为0.03和0.01 mg/kg。Iammarino等[26]利用乙腈、甲醇、水和氨水的混合溶液作为提取剂,经涡旋混匀后,超声提取2h,将上清液过滤后,即可上机检测4种苏丹红。李小云等[27]通过甲醇超声提取食品样品,取上清液旋蒸至近干后用甲醇定容,经滤膜过滤后通过液相色谱检测10种色素,检测波长选择为435nm,10种色素的线性范围为0.25~160μg/mL。其中,碱性嫩黄O、酸性橙Ⅱ的检出限为0.0625μg/mL,碱性橙Ⅱ的检出限为0.03125μg/mL。Yang等[28]使用2mL二氯甲烷直接提取辣椒油中的苏丹红,经涡旋混匀、离心后,取上清液直接进行液相色谱检测,8种苏丹红的检出限为0.10~0.30 mg/kg。该法消耗有机试剂量极少,而且前处理过程非常简单,可以作为一种安全、简便的方法推广应用。

    液相色谱法在检测食品中非食用色素方面取得了一定的成绩,但是,也存在着有机试剂使用量大、样品前处理繁琐,多样品同时检测比较耗时等缺点。需要进一步提高提取液的萃取效率,使用较为安全的提取液,简化前处理过程以及提高分析速度以满足复杂样品快速检测的要求。

    色谱-质谱联用法由于灵敏度高、测定对象广等优点得到了广大研究人员的青睐,研究者利用色谱-质谱联用仪开发了多种多样的检测食品中非食用色素的分析方法,为建立相关的国家标准提供了一定的思路。

    同液相色谱法一样,提取液的选择对液相色谱-质谱联用法的前处理过程影响重大,如何开发提取液的最佳组合仍然是不小的挑战。Périat等[7]利用超高效液相色谱-四极杆/飞行时间质谱仪建立了灵敏、快速检测食品中多种色素的方法。使用水、甲醇、乙腈和四氢呋喃的混合溶液提取色素,再经离心、取上清液过滤膜后进行检测,该方法具有前处理简单、效率高的优点。李蓉娟等[8]使用凝胶渗透色谱净化系统串联液相色谱-质谱联用仪开发了全自动检测辣椒油中若丹明B的方法,有机试剂使用量大幅减少,回收率和灵敏度也得到了提高,为检测机构实现全自动化检测提供了思路。刘超等[29]将乙腈作为提取溶剂来提取绿茶中的孔雀石绿,经过N-丙基乙二胺、无水硫酸镁和C18粉末净化后,进入液相色谱-质谱联用仪检测,孔雀石绿的检出限为1.77μg/kg。廖浩等[30]选择了饱和氯化钠溶液和含1%氨水的乙腈溶液提取休闲食品中的苏丹红(Ⅰ~Ⅳ)、若丹明B以及碱性嫩黄O,经过离心与正己烷除脂,进超高效液相色谱串联三重四极杆质谱仪分离检测,6种非食用色素的定量限为0.2~3 μg/kg,加标回收率为83.4%~106.7%,具有良好的准确性。夏莉娟等[31]通过1 :1的乙酸乙酯/环己烷在超声条件下对豆制品中的碱性嫩黄O进行提取,并借助凝胶色谱系统对待测物进行净化,碱性嫩黄O的检出限为0.5μg/kg;采用该法检测了来自市场的25份样品,所有样品中均未检出碱性嫩黄O。Gammoh等[32]在提取鱼肉中的色素时加入了一定量5g/L的盐酸羟胺防止色素的降解,使方法的准确性得到了改善,在优化实验条件下,孔雀石绿的检出限为2.982pg/g,回收率为93.0%~100.3%。

    QuEChERS(Quick,Easy,Cheap,Effective,Rugged,Safe)法可用于检测果蔬中的农药残留,具有操作简便、有机溶剂使用量低、技术要求低等优点[33, 34],近年来其在检测非食用色素方面也取得了显著成果。李锦清等[35]采用QuEChERS方法来提取和净化豆制品中的碱性嫩黄O,整个前处理过程仅使用了20mL乙腈/水溶液,不仅安全可靠,而且耗时很短,适合大批量样品的快速前处理。该法对碱性嫩黄O的检出限为2μg/kg,回收率为90%~100%,准确度良好。王圣开等[36]使用乙腈/丙酮混合溶液提取蜜饯中的色素,并借助QuEChERS方法萃取净化。对碱性嫩黄O和碱性橙Ⅱ的检出限为2.0μg/kg,若丹明B的检出限为1.0μg/kg,方法的加标回收率为72.4%~105.6%。牛瑜琦等[37]利用QuEChERS法利用50%的乙腈水溶液便可完成辣椒中多种非食用色素的提取和净化,优化试验条件后,非食用色素的检出限为0.2~1.5 ng/g,基质效应为-17%~7%。

    气相色谱-质谱联用法在检测食品中非食用色素方面也有重要的应用,苏小川等[38]利用气相色谱-质谱联用法的选择离子监测技术建立了一种可以快速检测调味品辣椒粉和腌料中苏丹红的方法,样品经过正己烷超声提取、浓缩、复溶后上机检测,苏丹红Ⅰ、Ⅱ的线性范围分别为0.58~18.9 mg/L和0.31~19.8 mg/L,回收率分别为85.5%~95.4%和80.7%~88.1%。Wang等[39]使用十八烷基吸附剂对鱼肉样品中的碱性橙进行萃取净化,提取液经离心、过滤和蒸发后利用乙酸酐衍生,再使用气相色谱-质谱联用仪进行检测,碱性橙的检出限为2.3μg/kg,回收率为82.6%~91.0%。

    色谱-质谱联用法是目前准确度最高的检测非食用色素方法,可以同时检测多种非食用色素,也可以快速检测大批量的样品,在食品安全领域发挥着十分重要的作用;但色谱-质谱联用法也具有前处理过程繁琐、有机试剂使用量大等缺点。今后可在QuEChERS法的基础上提高检验的准确度,使色谱-质谱联用法成为简单快速且对检验人员十分安全的方法。

    电化学法是通过对待测物施加一定的电压,使其发生氧化还原反应产生电流,继而记录电流信号而进行定性、定量分析的一种速度快、成本低、操作简单的分析方法[40~42]图式 1为几种非食用色素的结构式,在施加一定的电压时,碳氮双键(C=N)或者苯羟基失H+结合到苯环上[43, 44],并伴随电子的转移产生电流,因此,可以使用电化学法对非食用色素进行检测。

    图式 1

    图式 1.  苏丹红、酸性橙Ⅱ、碱性嫩黄O、若丹明B、孔雀石绿和碱性橙Ⅱ的结构式
    Scheme 1.  Chemical structure of Sudan red, Acid Orange Ⅱ, Auramine O, Rhodamine B, Malachite green and Basic Orange Ⅱ

    Kim等[9]使用悬汞电极和循环方波伏安法来检测食品中的碱性嫩黄O,在-0.5V的富集电位和60s的富集时间下,对碱性嫩黄O的检测灵敏度最高,线性范围为4.0×10-8~6.4×10-8 mol/L,检出限为2.46×10-8 mol/L。他们使用该法成功测定了鸡肉样品中的碱性嫩黄O。

    对电化学法的检测灵敏度和稳定性影响最大的是电极修饰材料的选择,通常使用的电极材料有各种贵金属、石墨烯、碳纳米管、量子点等纳米材料[45~48]。这些电极修饰材料可使电极的性能得到极大提高,因而合成性能优秀的电极修饰材料是提高电化学性能的重要途径之一。

    陈智栋等[10]成功制备了直径约600nm的碳球,将其与十二烷基苯磺酸钠一起修饰到玻碳电极(GCE)表面,结合方波溶出伏安法来测定若丹明B,优化条件下若丹明B的检出限为6.0nmol/L。该法在检测实际样品辣椒粉中的若丹明B时,所得数据与液相色谱法测定结果一致。Zhu等[49]合成了离子液体修饰的带羧基的多壁碳纳米管复合纳米材料,后续将其固定到笔状石墨电极表面,然后把该修饰电极和Ag/AgCl参比电极、Pt丝对电极一起置于离心管的尖端,制成一个微型电化学系统(如图 1所示),用于测定若丹明B。若丹明B的线性范围为0.005~2.0 μmol/L和2.0~60.0 μmol/L,最低检出限为1.0nmol/L。Wang等[50]将Au纳米颗粒、石墨烯量子点和二硫化钨纳米片修饰到GCE表面,所得新型化学修饰电极的电催化性能得到了显著提高,在检测孔雀石绿时,检出限为3.38nmol/L,在测定鱼肉样品中的孔雀石绿时,加标回收率为98.5%~102.2%,准确度良好。Zhou等[51]制备了银改性铜基金属有机骨架(Ag/Cu-MOFs)材料,并将其修饰到GCE表面,使用差分脉冲伏安法测定孔雀石绿的线性范围为10~140 nmol/L,检出限为2.2nmol/L。实验证明,Ag/Cu-MOFs的加入使修饰电极的吸附能力和催化能力都得到了增强。Yun等[52]首先制备得到氧化石墨烯(GO),随后在四氢呋喃存在的条件下加入5-氨基-1, 3, 4-噻二唑-2-硫醇(ATDT)使其发生反应得到GO-ATDT材料,在链接Pt后,将材料进行电化学还原制备了还原氧化石墨烯(ERGO)-ATDT-Pt复合纳米材料,修饰的ERGO-ATDT-Pt/GCE在检测酸性橙Ⅱ时效能显著,检出限低至0.34nmol/L。Heydari等[53]制备了ZnO纳米材料并将其固定到碳糊电极表面来检测苏丹红Ⅱ和Ⅲ,检出限分别为1.87和2.62 nmol/L。

    图 1

    图 1.  微电极系统示意图[47]
    Figure 1.  Schematic illustration of the miniature electrochemical system[47]

    电化学生物传感器是指将生物材料如DNA、RNA、生物酶等固定到电极上得到的传感器,具有专一性强、灵敏度高等优点,其近年来得到了迅猛的发展。Rezaei等[54]将单链DNA和Au纳米颗粒通过电化学手段与聚邻苯二胺相结合,制备了稳定性好的生物分子印迹传感器。其在检测苏丹红Ⅱ时线性范围为1.0~20.0 nmol/L和20.0~500.0 nmol/L,检出限为0.3nmol/L;在检测辣椒和番茄酱中的苏丹红Ⅱ时,回收率为90%~107%,准确度较高。

    邓光辉[55]等利用毛细管电泳法同时分离并测定苏丹红Ⅰ和苏丹红Ⅱ,在优化运行电压、进样时间等试验条件后,该法对苏丹红Ⅰ和苏丹红Ⅱ的检出限分别为0.05和20 μg/mL。在检测辣椒样品中的苏丹红时,回收率为90%~109%。

    电化学法在同时检测多种食品中的非食用色素时能力有限,这是其相比液相色谱法与液相色谱-质谱联用法最大的缺点。尽管如此,由于电化学法具有设备便宜、无需使用大量的流动相且易于小型化等特点,其在检测食品中非食用色素的应用中仍然会占据着重要的地位。

    表面增强拉曼光谱(SERS)法作为一种指纹光谱式检测技术,由于其具有灵敏度高、可进行原位表征的优点,已经广泛应用于食品检测、刑侦勘察、文物保护等领域[56, 57]。但要实现待测物的高灵敏检测,需要合成均一性能好、增强效应高的贵金属纳米材料作为SERS的增强基底[58],近些年也有研究人员使用半导体材料作为SERS的基底,并取得了良好的效果[13]

    吴焕乐等[59]在聚二甲基硅氧烷表面沉积了Ag纳米颗粒作为SERS的基底来检测孔雀石绿,检出限为1×10-10mol/L,在检测鲫鱼中的孔雀石绿时,加标回收率为96.4%~128.4%。许丽梅等[60]合成了Au纳米溶胶,研制了样品前处理仪器,借助SERS实现了对多种食品中若丹明B的检测。该法对若丹明B的检出限为0.5mg/kg,分析时间缩短到10min,检测效率得到了明显的提高。Ou等[61]利用制备的Au@Ag核壳结构纳米球作为SERS的增强基底,在考察不同的纳米球粒径对增强效应的影响后,他们选择直径为90±5nm的Au@Ag纳米球来检测苏丹红(Ⅰ~Ⅳ),检出限为0.08~0.2 mg/kg。Lai等[62]首先准备了粒径为250nm的磁性Fe3O4微球(MNPs),然后将其与MoS2结合生成MNPs-MoS2复合材料,最后再固定在Au纳米颗粒上得到3D的MNPs-MoS2@Au纳米材料。在利用SERS技术进行检测时,孔雀石绿的检出限为0.15nmol/L。

    由于ZnO具有多种晶体形态,如纳米棒、纳米花、纳米笼等,这些多分支的纳米结构可以作为沉积贵金属的支柱。Yao等[13]合成了Mg掺杂的ZnO-Ag纳米颗粒,该纳米材料的增强性能分别是Ag基底、Mg掺杂ZnO基底、ZnO基底的18、30、121倍,增强效应优异。所建立的方法可以高灵敏、重复检测孔雀石绿,检出限为10-13mol/L,该方法还能在实际环境中获取清晰的拉曼光谱,可以作为跟踪检测孔雀石绿的方法。

    SERS技术在检测食品中的非食用色素时具有样品用量少、灵敏度高、仪器成本低、快速简便等优点,但为了提高基底的增强效应,往往会利用贵金属作为SERS的基底,这样便增大了试验的成本,不利于该技术的推广。因此,可以尝试合成不需要贵金属的活性基底,在保证灵敏度和准确度的同时控制检测的成本,使SERS技术在食品检测中发挥更大的作用。

    紫外-可见分光光度(UV-Vis)法既可以用于定性、定量分析,也能够用于结构分析,由于其设备简单、耗费少且分析速度快而在环境、食品、医药等领域的检测都有着广泛的应用[63]。近些年也有研究人员将其用于检测食品中的非食用色素。

    Zhao等[13]利用Au纳米颗粒对过氧化物酶活性的抑制作用通过UV-Vis法建立了一种快速检测孔雀石绿的方法。在孔雀石浓度发生改变时,体系的颜色也会发生相应的变化,在650nm波长处,孔雀石绿的检出限达1.8nmol/L,线性范围为10~500 nmol/L。Heleyel等[64]根据孔雀石绿浓度的变化影响Au纳米颗粒的聚集程度,进而发生颜色变化这一特点,利用UV-Vis法来检测鱼肉中的孔雀石绿,检出限为3ng/mL。Ji等[65]为了消除辣椒油基质对吸收光谱的影响,建立了一阶导数吸收光谱法来测定若丹明B,相关系数为0.9992,可以满足灵敏度的需求,该法无需复杂的样品预处理,为检测食品中非食用色素提供了一种新的方法。

    UV-Vis法操作简便,检测时间短,但是该法仅适合待测物的微量分析,不能进行多种待测组分的同时分析。

    荧光法灵敏度较高,检测方便快捷,仪器也易于小型化,在生物、医药、农业等领域应用广泛。在将荧光法用于检测食品中非食用色素方面,研究人员也做了不少开创性的工作。

    林纯忠等[15]利用乙二醇和氯化胆碱成功合成了低共熔溶剂,并将其作为提取辣椒油中若丹明B的介质。研究发现,提取液的荧光强度会随着若丹明B的浓度改变而发生变化,方法的检出限为200μg/kg,可以快速筛查大批量辣椒油中的若丹明B。Bakheet等[66]将核壳结构的Fe3O4@SiO2用六氟磷酸1-辛基-3-甲基咪唑鎓离子液体包覆,成功制得磁性固相萃取剂。研究发现,若丹明B能够在较短时间内被该固相萃取剂吸附,乙醇洗脱后利用荧光法进行检测,若丹明B的检出限为0.06μg/L,线性范围为0.40~140.00 μg/L。合成的磁性固相萃取剂可以重复利用10次。该法在检测食物样品中的若丹明B时也取得了满意的结果。

    量子点荧光强度高,稳定性强,研究人员也将其用于检测食品中的非食用色素。Lin等[16]开发了基于CdTe/CdS量子点和分子印迹聚合物的荧光探针,其可以选择性吸附孔雀石绿,由于荧光共振能量转移的存在会引发荧光猝灭,进而根据荧光强度的变化来检测孔雀石绿。该方法的线性范围为0.05~10 μmol/L,检出限为0.029μmol/L;在检测鱼肉中的孔雀石绿时,加标回收率为93.3%~107.7%。Su等[67]首次将香烟过滤嘴作为碳源,成功合成了量子产率达14%的碳量子点。这种碳量子点在465nm波长下有强烈的发射光谱,而最大吸收波长为477nm的苏丹红Ⅰ可以选择性地猝灭碳量子点的荧光,利用这一原理可以检测食品中的苏丹红Ⅰ,检出限为0.95μmol/L。

    由于荧光法易受外部光源的干扰,且在定量分析中会有共存物质的干扰,因此其准确性难以满足精准分析的要求。今后可以尝试改变荧光检测法的设计理念,开发高性能和多功能的检测体系,探索新的荧光检测机理,以实现非食用色素的荧光分析与检测。

    除了以上列出的6种常见的方法,也有研究人员利用其他的方法来检测食品中的非食用色素。例如,Tonica等[17]利用薄层层析法来检测小吃中的若丹明B,该法前处理简单,可以只依靠目视来判别是否存在若丹明B。王琳等[18]利用酶联免疫法建立了一种可以快速检测辣椒制品中若丹明B的分析方法,在优化了抗原包被条件、抗体与酶标二抗的工作浓度后,对若丹明B的检测限为0.786ng/g,平均回收率为82%~104%。He等[19]首次合成了可以识别7种苏丹红色素的分子印迹聚合物,将这种分子印迹聚合物包覆在常规的微孔板上制得化学发光传感器,该法在检测7种苏丹红时灵敏度极高,达到了1.0~5.0 pg/mL,回收率为70.5%~92.2%,整个检测过程仅耗时10min。

    食品中不当添加非食用色素会极大地损害消费者的健康,因此开发灵敏、快速、可同时检测多种非食用色素的检测方法一直是食品安全中的重点。虽然色谱-质谱联用法具有准确度好、高通量等优点,但是存在仪器昂贵、前处理繁琐的缺点;液相色谱法由于基质干扰会引起定量不准确和分析时间长等问题;电化学法和光谱法多数只能同时检测一种非食用色素,但这些方法易于小型化,在现场检测能够发挥重要的作用。

    研究者仍需加强以下几方面的探索:(1)建立美术绿中主要成分如铬黄、铁蓝等的具体检测方法,为美术绿的定性和精准定量分析做好铺垫;(2)随着我国经济的发展,检测机构中液相色谱-质谱联用仪多已购置,可以利用液相色谱-质谱联用仪开发同时检测多种非食用色素的方法,在保证灵敏度的同时降低前处理过程的复杂程度与耗费;(3)应根据实际情况,开发绿色环保,价格低廉不同准确度及分析速度的检测方法;同时还要向多组分同时测定发展,建立同时筛查技术。


    1. [1]

      张勋, 邢燕燕, 赵韫慧, 等. 化学试剂, 2017, 39(4): 385~390. https://xueshu.baidu.com/usercenter/paper/show?paperid=1r3702s0gg0h02g0n77b0x10du770898&site=xueshu_se

    2. [2]

      郑新华, 王乐, 韩焕美, 等.食品安全质量检测学报, 2016, 7(4): 1412~1418.

    3. [3]

      刘瑜, 房建美, 吴渺渺, 等. 中国食品添加剂, 2016, 11: 204~207.

    4. [4]

      白鑫. 河北省科学院学报, 2019, 36(1): 74~78.

    5. [5]

      Wei L L, Deng J J, Kang T, et al. J. Food Eng. Technol., 2019, 8(1): 17~21. doi: 10.32732/jfet.2019.8.1.17

    6. [6]

      陈波.中国生化药物杂志, 2016, 36(10): 152~154.

    7. [7]

      Périata A, Bieria S, Mottier N. Food Chem., 2019, 1: 100009

    8. [8]

      李蓉娟, 刘栋, 李芳, 等. 辽东学院学报(社会科学版), 2018, 25(2): 77~81.

    9. [9]

      Kim T N T, Bui T T, Pham A T, et al. J. Anal. Methods Chem., 2019, 8639528.

    10. [10]

      陈智栋, 张留, 张莉梅. 常州大学学报(自然科学版), 2017, 29(2): 52~58.

    11. [11]

      Yao J C, Quan Y N, Gao M, et al. J. Mater. Chem. C, 2019,7: 8199~8208. doi: 10.1039/C8TC06588H

    12. [12]

      闫正, 张丽冰, 任孟伟, 等. 光谱学与光谱分析, 2016, 36(6): 1761~1764.

    13. [13]

      Zhao C, Hong C Y, Lin Z Z, et al. Microchim. Acta, 2019, 186: 322. doi: 10.1007/s00604-019-3436-3

    14. [14]

      Uzcan F, Erbas Z, Soylak M. Int. J. Environ. Anal. Chem., 2019, 99(6): 595~605. doi: 10.1080/03067319.2019.1604952

    15. [15]

      林纯忠, 王韦达, 陈美婷, 等.科技与创新, 2017, 21: 32~33.

    16. [16]

      Lin Z Z, Li W J, Chen Q C, et al. Int. J. Polym. Anal. Charact., 2019, 24(2): 121~131. doi: 10.1080/1023666X.2018.1558560

    17. [17]

      Tonica W W, Hardianti M F, Prasetya S A, et al. AIP Conference Proceedings, 2018, 2049(1): 020043.

    18. [18]

      王琳, 王雪, 田静秒. 中国测试, 2016, 42(6): 60~64.

    19. [19]

      He T, Wang G N, Liu J X, et al. Anal. Methods, 2019, 288: 347~353.

    20. [20]

      李莎, 王银花, 叶麟, 等. 食品与发酵工业, 2017, 43(3): 234~238.

    21. [21]

      胡勇, 吕莹, 胡倩, 等. 湘南学院学报(医学版), 2018, 20(4): 16~20.

    22. [22]

      王丽博, 苏立强, 韩超男, 等. 分析科学学报, 2018, 34(2): 229~233.

    23. [23]

      Chen J P, Zhu X S. Food Chem., 2016, 200: 10~15. doi: 10.1016/j.foodchem.2016.01.002

    24. [24]

      杨爽, 俞子萱, 王永芳, 等. 食品安全质量检测学报, 2015, 6(2): 427~431.

    25. [25]

      孙记涛, 阮长青, 刘文静, 等. 食品工业科技, 2016, 37(14): 73~77.

    26. [26]

      Iammarino M, Mentana A, Centonze D, et al. Food Chem., 2019, 285: 1~9. doi: 10.1016/j.foodchem.2019.01.133

    27. [27]

      李小云, 赵喜玲, 李琪, 等. 四川师范大学学报(自然科学版), 2016, 39(6): 895~899.

    28. [28]

      Yang Y J, Zhang J, Yin J, et al. J. Anal. Methods Chem., 2019, 3731028: 1~8.

    29. [29]

      刘超, 景赞, 邹沫君, 等. 中国果菜, 2018, 38(12): 15~18.

    30. [30]

      廖浩, 赵就彬. 轻工科技, 2018, 34(10): 10~12.

    31. [31]

      夏莉娟, 冯秀娟. 现代食品, 2018, 23: 121~125.

    32. [32]

      Gammoh S, Alu’Datt M H, Alhamad M N, et al. J. Food Sci., 2019, 84(2): 370~380. doi: 10.1111/1750-3841.14434

    33. [33]

      郝杰, 姜洁, 毛婷, 等. 食品科学, 2018, 39(08): 267~275.

    34. [34]

      陈晓鹏, 顾采琴, 綦艳, 等. 食品科学, 2018, 39(08): 314~321.

    35. [35]

      李锦清, 綦艳, 廖桂福, 等. 食品安全质量检测学报, 2016, 7(12): 4753~4758.

    36. [36]

      王圣开, 熊有明, 姜登军, 等. 现代食品, 2018: 141~143.

    37. [37]

      牛瑜琦, 马晓斐, 李挥, 等. 食品科学, 2019, https://kns.cnki.net/KCMS/detail/11.2206.ts.20190507.1848.044.html

    38. [38]

      苏小川, 黄梅, 甘宾宾, 等. 理化检验-化学分册, 2006, 42(12): 1003~1006.

    39. [39]

      Wang X, Song G X, Wu W P, et al. Chromatographia, 2008, 68: 659~662. doi: 10.1365/s10337-008-0754-8

    40. [40]

      冯亚净, 李书国. 食品科学, 2018, 39(08): 218~223.

    41. [41]

      Wang Y, Xiong Y Y, Qu J Y, et al. Sens. Actuat. B, 2016, 223: 501~508. doi: 10.1016/j.snb.2015.09.117

    42. [42]

      Wang Y, Qu J H, Li S F, et al. Microchim. Acta, 2015, 182: 2277~2283. doi: 10.1007/s00604-015-1568-7

    43. [43]

      Yi Y H, Sun H, Zhu G B, et al. Anal. Methods, 2015, 7: 4965~4970. doi: 10.1039/C5AY00654F

    44. [44]

      Heydari M, Ghoreishi S M, Khoobi A. Measurement, 2019, 142: 105~112. doi: 10.1016/j.measurement.2019.04.058

    45. [45]

      Zhao Y, Yang Y X, Cui L Y, et al. Biosens. Bioelectron., 2018, 117: 53~59. doi: 10.1016/j.bios.2018.05.047

    46. [46]

      Meng J, Nie W Q, Zhang K, et al. ACS Appl. Mater. Interf., 2018, 10(16): 13652~13659. doi: 10.1021/acsami.8b04438

    47. [47]

      Alam A U, Qin Y H, Howlader M M R, et al. Sens. Actuat. B, 2018, 254: 896~909. doi: 10.1016/j.snb.2017.07.127

    48. [48]

      Wang J D, Wang X Y, Tang H S, et al. Biosens. Bioelectron., 2018, 100: 1~7. doi: 10.1016/j.bios.2017.07.077

    49. [49]

      Zhu X L, Wu G L, Wang C Z, et al. Measurement, 2018, 120: 206~212. doi: 10.1016/j.measurement.2018.02.014

    50. [50]

      Wang Q Q, Qin X F, Geng L P, et al. Nanomaterials, 2019, 9: 229. doi: 10.3390/nano9020229

    51. [51]

      Zhou Y L, Li X Q, Pan Z H, et al. Food Anal. Methods, 2019, 12(5): 1246~1254. doi: 10.1007/s12161-019-01459-x

    52. [52]

      Yun M R, Choe J E, You J M, et al. Food Chem., 2015, 169: 114~119. doi: 10.1016/j.foodchem.2014.07.143

    53. [53]

      Heydari M, Ghoreishi S M, Khoobi A. Food Chem., 2019, 283: 68~72. doi: 10.1016/j.foodchem.2018.12.132

    54. [54]

      Rezaei B, Boroujeni M K, Ensafi A A. Sens. Actuat. B, 2016, 222: 849~856. doi: 10.1016/j.snb.2015.09.017

    55. [55]

      邓光辉, 张桂华, 陈盛余. 时珍国医国药, 2010, 21(9): 2363~2364.

    56. [56]

      李晓丽, 周瑞清, 孙婵骏, 等. 光谱学与光谱分析, 2017, 37(2): 461~466.

    57. [57]

      郁星, 成玉梁, 于航, 等. 食品安全质量检测学报, 2019, 10(6): 1655~1660.

    58. [58]

      王利华, 王佳慧, 韩艳云, 等. 武汉工程大学学报, 2018, 40(1): 40~45.

    59. [59]

      吴焕乐, 唐建设, 方娟, 等. 分析实验室, 2019, 38(2): 147~151.

    60. [60]

      许丽梅, 康靖, 曾勇明, 等. 食品工业科技, 2017, 38(24): 238~242.

    61. [61]

      Ou Y M, Pei L, Lai K Q, et al. Food Anal. Methods, 2017, 10(3): 565~574. doi: 10.1007/s12161-016-0618-z

    62. [62]

      Lai H S, Ma G R, Shang W J, et al. Chemosphere, 2019, 223: 465~473. doi: 10.1016/j.chemosphere.2019.02.073

    63. [63]

      Sikder M, Lead J R, Chandler G T, et al. Sci. Total Environ., 2018, 618: 597~607. doi: 10.1016/j.scitotenv.2017.04.055

    64. [64]

      Heleyel M, Elhami S. J. Sci. Food Agric., 2019, 99(4): 1919~1925. doi: 10.1002/jsfa.9387

    65. [65]

      Ji R D, Zhao Z M, Yu X L, et al. Optik Int. J. Light Electron Optics, 2019, 181: 796~801. doi: 10.1016/j.ijleo.2018.12.141

    66. [66]

      Bakheet A A A A, Zhu X S. Sci. J. Chem., 2017, 5(1): 1~7. doi: 10.11648/j.sjc.20170501.11

    67. [67]

      Su A S, Zhong Q M, Chen Y Y, et al. Anal. Chim. Acta, 2018, 1023: 115~120. doi: 10.1016/j.aca.2018.03.024

  • 图式 1  苏丹红、酸性橙Ⅱ、碱性嫩黄O、若丹明B、孔雀石绿和碱性橙Ⅱ的结构式

    Scheme 1  Chemical structure of Sudan red, Acid Orange Ⅱ, Auramine O, Rhodamine B, Malachite green and Basic Orange Ⅱ

    图 1  微电极系统示意图[47]

    Figure 1  Schematic illustration of the miniature electrochemical system[47]

    表 1  苏丹红、若丹明B、孔雀石绿、碱性橙、酸性橙和碱性嫩黄O的检测标准

    Table 1.  Test standards of Sudan red, Rhodamine B, Malachite green, Basic Orange Ⅱ, Acid Orange Ⅱ and Auramine O

    非食用色素 检测标准
    苏丹红 GB/T 19681-2005食品中苏丹红染料的检测方法(HPLC法)
    若丹明B DB31/T 441-2009食品中苏丹红Ⅰ、Ⅱ、Ⅲ、Ⅳ和对位红的测定(液相色谱-串联质谱法)
    SN/T 2430-2010进出口食品中若丹明B的检测方法(HPLC法;液相色谱-串联质谱法)
    孔雀石绿 GB/T 19857-2005水产品中孔雀石绿和结晶紫残留量的测定(HPLC法;液相色谱-串联质谱法)
    GB/T 20361-2006水产品中孔雀石绿和结晶紫残留量的测定(HPLC法)
    碱性橙 GB/T 23496-2009食品中禁用物质的检测碱性橙染料(HPLC法)
    酸性橙 SB/T 10920-2012食品中酸性橙染料的测定(HPLC法)
    碱性嫩黄O DBS22/006-2012食品安全地方标准食品中酸性橙、碱性橙2和碱性嫩黄的测定(液相色谱-串联质谱法)
    下载: 导出CSV
  • 加载中
计量
  • PDF下载量:  19
  • 文章访问数:  2429
  • HTML全文浏览量:  564
文章相关
  • 发布日期:  2020-09-01
  • 收稿日期:  2019-09-18
  • 接受日期:  2020-01-26
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章