倪皓潔 周芷卉 傅玲琳 王翀 張德權 王彥波 李歡

摘? 要：肉品易受食源性致病菌污染，是食品安全監(jiān)管的重點。借由現(xiàn)代檢測技術快速可靠的鑒別及檢驗肉品中的食源性致病菌具有重要的現(xiàn)實意義。本文在總結肉品典型致病菌污染現(xiàn)狀的基礎上，重點綜述了分子診斷法、免疫分析法、光譜檢測法及電子鼻檢測法等致病菌檢測技術研究進展，在分析現(xiàn)有技術存在的主要問題的同時，對其未來發(fā)展方向進行了展望，旨在為肉品中食源性致病菌檢測技術的完善及提升提供參考與借鑒。

關鍵詞：肉品;食源性致病菌;分子診斷法;免疫分析法;光譜技術;電子鼻

Advances in Detection Technologies for Foodborne Pathogenic Bacteria in Meat

NI Haojie1， ZHOU Zhihui1， FU Linglin1， WANG Chong1， ZHANG Dequan2， WANG Yanbo1， LI Huan1，*

（1. School of Food Science and Biotechnology， Zhejiang Gongshang University， Hangzhou 310018， China;

2.Institute of Food Science and Technology， Chinese Academy of Agricultural Sciences， National Risk Assessment Laboratory of Agro-products Processing Quality and Safety， Ministry of Agriculture and Rural Affairs， Beijing 100193， China）

Abstract： Meat is subject to contamination by foodborne pathogenic bacteria， which has become one of the key points of food safety supervision and management. It is of great significance to identify and detect foodborne pathogenic bacteria in meat quickly and reliably by modern detection technology. Beginning with the current status of meat pollution by typical foodborne pathogenic bacteria， this paper reviews the currently available technologies for the detection of pathogenic bacteria such as molecular diagnosis， immunoassay， spectroscopy and electronic nose. The limitations and prospects of the detection technologies are also discussed. The review is expected to offer references for improving the limitations and developing new detection technologies.

Keywords： meat; foodborne pathogenic bacteria; molecular diagnosis; immunoassay; spectral analysis; electronic nose

DOI：10.7506/rlyj1001-8123-20210309-059

中圖分類號：TS207.4? ? ? ? ? ? ? ? 文獻標志碼：A? ? ? ?文章編號：

引文格式： 倪皓潔， 周芷卉， 傅玲琳， 等. 肉品中食源性致病菌檢測技術研究進展[J]. 肉類研究， 2021， 35（3）：? . DOI：10.7506/rlyj1001-8123-20210309-059.? ? http：//www.rlyj.net.cn? NI Haojie， ZHOU Zhihui， FU Linglin， et al. Advances in detection technologies for foodborne pathogenic bacteria in meat[J]. Meat Research， 2021， 35（3）：? . DOI：10.7506/rlyj1001-8123-20210309-057.? ? http：//www.rlyj.net.cn

我國是肉類生產(chǎn)和消費大國。據(jù)統(tǒng)計，2019年肉類總產(chǎn)量高達7758.8萬t，居民人均肉類和禽類食品消費量分別為26.9 kg和10.8 kg[1]。然而，肉品因營養(yǎng)豐富，極易遭受食源性致病菌的污染，誘發(fā)各類食源性疾病。研究表明，食源性致病菌等微生物引起的食品安全問題依然突出，引起的發(fā)病人數(shù)最多，2015年除西藏、臺灣外中國地區(qū)爆發(fā)的食源性疾病事件中，由微生物因素引起的發(fā)病人數(shù)高達51.5%[2]。因此，有效的預防和控制肉品中食源性致病菌的感染與傳播具有重要的現(xiàn)實意義。

肉品中常見的食源性致病菌有沙門氏菌、金黃色葡萄球菌、單核細胞增生李斯特菌、致病性大腸桿菌、產(chǎn)氣莢膜梭菌及空腸彎曲桿菌等[3-4]。食用被食源性致病菌污染的肉品時，易引起惡心嘔吐、腹瀉、發(fā)燒、胃腸炎等，更甚者引發(fā)死亡。我國對肉品中食源性致病菌的限量標準如表1所示。建立高效、準確、靈敏的肉品中致病菌檢驗檢測方法，對于預防相關食源性疾病的發(fā)生和流行至關重要，也是肉類產(chǎn)業(yè)高質量發(fā)展的迫切需要。鑒于此，本文在綜述肉品典型食源性致病菌污染現(xiàn)狀的基礎上，著重介紹了分子診斷、免疫分析、光譜檢測和電子鼻檢測等肉品中致病菌檢測技術的發(fā)展現(xiàn)狀及應用，分析其存在的主要問題，并對未來的發(fā)展方向進行展望，以期為肉品中食源性致病菌檢測技術的完善及提升提供一定的參考與借鑒。

1肉品中常見致病微生物

1.1? ?沙門氏菌

沙門氏菌（Salmonella）屬革蘭氏陰性腸道桿菌，是一種人畜共患病原菌，為引起食物中毒最常見的致病菌之一[5]。沙門氏菌侵染腸道后會引起腸胃炎、敗血癥以及傷寒等疾病，被我國列為乙類傳染病[6]。在世界各國的細菌性食物中毒事件中，沙門氏菌引起的食物中毒事件數(shù)量常列榜首，我國內陸地區(qū)也以沙門氏菌為首位[7-8]。據(jù)統(tǒng)計，肉品中沙門氏菌的檢出率在美國為20%～25%、英國為9.9%，日本進口家禽中沙門氏菌的污染率為10.3%，國內肉品沙門氏菌的檢出率在1.1%～39.5%[9]。

1.2? ?金黃色葡萄球菌

金黃色葡萄球菌（Staphylococcus aureus，S. aureus）也稱“嗜肉菌”，為兼性厭氧革蘭氏陽性菌，通常不具有致病性，但其產(chǎn)生的腸毒素會導致中毒，引起發(fā)燒、腹瀉和惡心嘔吐等癥狀[10]。近幾年，由金黃色葡萄球菌引發(fā)的食物中毒報道層出不窮，我國因其引起的食物中毒事件已居世界第4位[11]。

1.3? ?單核細胞增生李斯特氏菌

單核細胞增生李斯特氏菌（Listeria monocytogenes，L. monocytogenes）簡稱單增李斯特菌，是一種兼性厭氧革蘭氏陽性短桿菌，被世界衛(wèi)生組織列為四大食源性疾病致病菌之一。人感染該菌所導致的住院率高達92%，死亡率達20%～30%，孕婦、兒童、老年人等為高危人群，感染后會導致胎兒畸形、流產(chǎn)，以及腦膜炎、發(fā)熱性胃腸炎等疾病[12-13]。據(jù)風險評估分級研究，熟肉制品是我國單增李斯特菌病發(fā)病風險率最高和最主要的食品之一[14]。

1.4? ?致病性大腸桿菌

大腸桿菌（Escherichia coli，E. coli）屬革蘭氏陰性短桿菌，是一種條件致病菌。致病性大腸桿菌，按其致病作用可以分為腸道致病性大腸桿菌、腸道產(chǎn)毒素性大腸桿菌、腸道侵襲性大腸桿菌、腸道出血性大腸桿菌、腸集聚性大腸桿菌、腸產(chǎn)志賀樣毒素大腸桿菌、尿道致病性大腸桿菌和黏附大腸桿菌[15]。世界范圍內爆發(fā)嚴重的大腸桿菌感染事件中，幾乎都是由食物傳播引起的。屠宰環(huán)節(jié)是畜禽肉供應鏈中致病性大腸桿菌污染風險最高的環(huán)節(jié)[16]。

1.5? ?產(chǎn)氣莢膜梭菌

產(chǎn)氣莢膜梭菌（Clostridium perfringens，C. perfringens）是一種芽孢桿菌科的革蘭氏陽性厭氧菌，普遍存在并長期存活于各類環(huán)境中，具有較高的傳播率，能導致氣性壞疽和食物中毒等病癥[17]。原料肉和熟肉制品均易被產(chǎn)氣莢膜梭菌污染，其中，由牛肉制品污染引起的病例達40%[18]。

1.6? ?空腸彎曲桿菌

空腸彎曲桿菌（Campylobacter jejuni，C. jejuni）是一種微需氧的革蘭氏陰性菌，作為共生菌大量存在于動物腸道內，豬、牛、雞、狗是其最常見的傳染源和宿主[19-20]。在某些發(fā)達地區(qū)，空腸彎曲桿菌的感染率接近于沙門氏菌和志賀氏菌。感染空腸彎曲桿菌不會直接導致死亡，但其造成的一系列消化道及神經(jīng)疾病嚴重威脅人體健康[21]。

2食源性致病菌的傳統(tǒng)檢測方法

目前，傳統(tǒng)生化培養(yǎng)分析法依舊是肉品中食源性致病菌檢驗檢測的“金標準”。該法通過樣品預增菌、選擇性增菌、分離培養(yǎng)、生化鑒定、血清分型等手段，實現(xiàn)對致病菌的定性和定量檢測[22]。傳統(tǒng)生化法在致病菌檢測中應用最為廣泛、成本低、靈敏度高，但存在費時費力的缺點，檢驗流程通常需要1～2 d甚至更長時間，難以滿足現(xiàn)場快速檢測、實時監(jiān)控等需求[23]。由于其基于致病菌可培養(yǎng)性的檢測原則，可能會導致樣品中致病菌種類及含量的檢測值低于實際值，檢測結果的假陰性率較高[24]。近年來，隨著技術的不斷發(fā)展改進，相繼出現(xiàn)了許多以生化培養(yǎng)法為基礎、酶底物顯色法為原理的顯色培養(yǎng)基、測試片、全自動微生物檢測鑒定儀等產(chǎn)品，但仍無法滿足自動化、高通量的現(xiàn)代檢測技術需求，從傳統(tǒng)人工操作向自動化檢測的發(fā)展已經(jīng)成為肉品致病菌檢測技術不可逆轉的發(fā)展趨勢[13]。

3食源性致病菌檢測新技術

3.1? ?分子診斷法

基于核酸的分子診斷法是評估肉品食源性致病菌安全性的首選分析方法之一，具有特異性強、靈敏度高、檢測周期短、應用范圍廣等特點[25]，并逐漸向輕量便捷及多靶點同步檢測等方向發(fā)展。

3.1.1? ?聚合酶鏈式反應技術

聚合酶鏈式反應（polymerase chain reaction，PCR）是一種以特定核酸序列為靶標，經(jīng)過變性、退火、延伸的重復循環(huán)過程進行體外擴增的技術，簡便易行、特異性強、靈敏度高[26]。Capobianco等[27]利用液滴數(shù)字聚合酶鏈式反應（droplet digital PCR，ddPCR）檢測牛肉制品中產(chǎn)志賀毒素的大腸桿菌，成功區(qū)分了單個細胞內的志賀毒素基因和內膜素基因。該方法無需繪制標準曲線即可直接對樣品進行定量檢測，實用性強。Liu等[28]通過實時熒光定量聚合酶鏈式反應（real-time quantitative PCR，qPCR）定量檢測了12種常見的食源性致病菌。該方法對肉類樣品中副溶血性弧菌的檢出限為103 CFU/g，對其他11個菌株的檢出限為104 CFU/g，且不同致病菌間無交叉反應，具有快速、低成本、高通量、高特異性和高靈敏性等優(yōu)點。

為實現(xiàn)多種食源性致病菌的快速同步檢測，一系列多靶點檢測技術相繼涌現(xiàn)。其中，多重聚合酶鏈式反應（multiple polymerase chain reaction，mPCR）法因靈敏度高、特異性強，引起了廣泛的關注。Feng等[29]通過mPCR快速檢測了多種高致病性單增李斯特菌，基因組DNA的檢出限為291 fg/?L，細菌懸液中檢出限為5.5×106 CFU/mL。此外，以人工接種單增李斯特菌的豬肉為對象進行檢測時，分析時間為10～16 h，在1.8×102～1.8×103 CFU/10 g的范圍內呈現(xiàn)出良好的線性關系。Alía等[30]建立了四重qPCR技術，用以鑒別從肉類加工廠中分離的單增李斯特菌株的4 種主要血清型，分析時間和成本大大降低。該方法可用于肉品工業(yè)中單增李斯特菌污染源的鑒定，以及肉品加工過程中持久性菌株的流行病學監(jiān)測。

3.1.2? ?等溫擴增技術

等溫擴增作為一種核酸體外擴增技術，特點在于其反應過程始終維持在恒定溫度下，僅需簡單的恒溫儀器如熱塊或水浴鍋等的輔助即可實現(xiàn)擴增，大大降低了成本以及對精密溫控設備的依賴，已成為PCR擴增的替代性選擇[31]。常見的等溫擴增技術有環(huán)介導等溫擴增技術（loop-mediated isothermal amplification，LAMP）、滾環(huán)擴增技術（rolling circle amplification，RCA）、單引物等溫擴增技術（single primer isothermal amplification，SPIA）以及解旋酶依賴性擴增技術（helicase-dependent amplification，HDA）等[32]。Ledlod等[33]利用LAMP和雙向側流試紙（duplex lateral flow dipstick，DLFD）相結合的方法定量檢測了肉品中的單增李斯特菌，檢測時間為45 min。同時，與未經(jīng)LAMP預富集處理的檢測方法相比（檢出限4000 CFU/g），結合LAMP預富集的檢測方法靈敏度大大提升，檢出限最低可達20CFU/g。同時，該方法檢測單個樣品的成本僅為商用化試劑盒的一半，適用于大批量樣品的現(xiàn)場快速檢測。Chen等[34]建立了一種基于嗜熱解旋酶依賴性等溫擴增技術的豬肉制品金黃色葡萄球菌快速檢測方法（圖1）。該方法利用表面包裹二氧化硅的磁性納米顆粒非特異性分離富集細菌裂解液中的DNA，并通過HDA法對目標核酸序列進行擴增，結果顯示在102～104 CFU/mL范圍內具有良好的線性關系，檢出限低至50 CFU/mL。

3.1.3? ?DNA微陣列

DNA微陣列，又名DNA芯片，是一種基于基因測序的新型物種鑒定技術，利用在數(shù)平方厘米面積的基材上以特定順序排列形成的特異性寡核苷酸探針二維高密度矩陣，實現(xiàn)基因信息的快速檢測，在鑒定肉品中不同種屬致病菌等方面展現(xiàn)出了巨大的應用前景。Raji等[35]利用DNA微陣列技術對沙特阿拉伯利雅得零售生肉樣本中分離得到的金黃色葡萄球菌進行了分子診斷。對比禽肉、駱駝肉、羊肉和牛肉的實驗結果，可發(fā)現(xiàn)易感甲氧西林金黃色葡萄球菌對駱駝肉的污染率最高，為28%，而在牛肉中未檢出;耐甲氧西林金黃色葡萄球菌對駱駝肉的污染率最高，為20%，對禽肉污染率最低，為4%。

3.2? ?免疫分析法

免疫分析法以致病菌或菌的菌毛蛋白、脂多糖及其毒素為抗原[36]，利用相應的抗體或適配體對其進行特異性識別和定量檢測。除了經(jīng)典的酶聯(lián)免疫吸附法，近年來與層析技術、傳感器技術、芯片技術等方法聯(lián)用的免疫分析技術在肉品食源性致病菌檢測領域展現(xiàn)出了廣闊的應用前景。

3.2.1? ?酶聯(lián)免疫吸附法

酶聯(lián)免疫吸附測定（enzyme linked immunosorbent assay，ELISA）是一種利用抗原抗體特異性結合進行定性和定量檢測的技術。Zhu等[37]建立了一種靈敏的雙抗體夾心ELISA法檢測蠟樣芽孢桿菌細胞個數(shù)，在磷酸鹽緩沖液中可直接檢測到濃度低至0.9×103 cell/mL的蠟樣芽孢桿菌細胞，線性范圍約為1×104～2.8×106 cell/mL，在碎肉末樣品中的回收率為94.9%～98.4%。Zhao等[38]構建了一種微流控蠟印紙基ELISA（paper-based ELISA，P-ELISA）法用以快速檢測牛肉中的大腸桿菌O157：H7。該方法檢測時間不超過3 h，樣品用量低至5 ?L，檢出限達104 CFU/mL，與常規(guī)ELISA相比靈敏度提升了一個數(shù)量級。進一步對人工接種大腸桿菌O157：H7并富集培養(yǎng)8 h后的牛肉樣品進行定量檢測，發(fā)現(xiàn)該方法的靈敏度可達1 CFU/25 g。

3.2.2? ?免疫層析法

免疫層析法（immunochromatographic assay，ICA）是一種利用膠體金等顯色標記物通過夾心免疫反應實現(xiàn)特異性免疫診斷的檢測技術。Jiang等[39]開發(fā)了一種新型免疫層析測定法，利用具有高過氧化物酶活性的鉑-金雙金屬納米粒子檢測大腸桿菌O157：H7。即使在低濃度范圍內，該方法也可在不到1 min的時間內產(chǎn)生強烈的可見光信號，與傳統(tǒng)的納米金試紙條相比，靈敏度提高了1000倍以上。肉品作為一個復雜基質，其中的碳水化合物、脂肪以及氯化鈉和賴氨酸等成分能抑制抗體的特異性結合進而影響檢測的準確性[40]。Bu等[41]建立了一種基于免疫磁珠分離法及側向流動免疫層析（lateral flow immunoassays，LFIA）技術的腸炎沙門氏菌檢測方法，可有效分離富集肉品中的目標菌細胞（圖2）。首先利用表面包覆氨芐西林抗生素的磁性納米顆粒捕獲腸炎沙門氏菌，并通過與試紙條上的單克隆抗體形成夾心結構復合物，產(chǎn)生顯色反應實現(xiàn)目標菌的定量檢測。該方法僅靠肉眼觀察即可判別出102～103 CFU/mL腸炎沙門氏菌的存在，在豬肉樣品中的靈敏度為103 CFU/mL。

3.2.3? ?免疫傳感器

免疫傳感器集傳統(tǒng)免疫學檢測方法和生物傳感器技術的諸多優(yōu)點，被視為是食源性致病菌檢測的高潛力途徑。比如，可視化傳感器可利用自身色彩鮮明或具有類似過氧化物酶活性的納米材料的顏色變化，通過比色法對目標致病菌進行定性及定量檢測[42-43]。Díaz-Amaya等[44]研究了一種基于噴墨印刷納米圖案的光學適配體傳感器定量檢測大腸桿菌O157：H7，在絞碎的牛肉末中的檢出限為233 CFU/mL，并成功實現(xiàn)了大腸桿菌O157：H7在屬、種、菌株和血清型水平上的高特異性鑒別。Xu等[45]結合免疫磁珠分離技術及電化學傳感技術，實現(xiàn)了大腸桿菌O157：H7和鼠傷寒沙門氏菌的快速檢測，兩者在菌液中的特異性檢測范圍均為102～106 CFU/mL，在牛肉末中大腸桿菌O157：H7的檢出限為2.05×103 CFU/g，在雞肉漂洗水中鼠傷寒沙門氏菌的檢出限為1.04×103 CFU/mL。

3.2.4? ?免疫芯片法

免疫芯片因具有微型化、自動化及集成化等優(yōu)勢，近年來成為生化分析的研究熱點。其中，微流控芯片是一類通過對微米尺度通道內液體進行操縱和控制實現(xiàn)樣品制備、反應、分離、檢測等流程的微型系統(tǒng)，具有高通量、高效率和易操作的特點[46]。Hao等[47]利用微流控技術實現(xiàn)了鼠傷寒沙門氏菌的快速自動化檢測。該方法首先將表面修飾有量子點和多克隆抗體的MnO2納米花與樣品和磁性微粒共同注射到微流控芯片中，在充分混合及孵育后，利用外加磁場將磁性微粒-目標菌-納米花復合體分離到特定腔室內，隨后向芯片注射谷胱甘肽溶液，將MnO2納米花分解為Mn2+，釋放量子點。利用量子點的熒光信號可實現(xiàn)鼠傷寒沙門氏菌的定量分析，檢出限低至43 CFU/mL，在加標雞肉中的平均回收率為99.7%。

3.3? ?光譜檢測法

光譜技術是一種具有非侵入性和非破壞性特征的檢測方法，具有快速、重現(xiàn)性好等優(yōu)勢，適用于肉品中食源性致病菌的現(xiàn)場在線監(jiān)測[23]。目前已有將近紅外光譜（near infrared spectrum，NIRS）、表面增強拉曼光譜（surface-enhanced raman spectroscopy，SERS）及熒光光譜等技術應用于肉品致病菌檢測的報道。

3.3.1? ?近紅外光譜法

近紅外光譜技術利用近紅外光照射樣品后收集到的分子旋轉及振動相關特征信息實現(xiàn)目標分析物的檢測，具有無需或只需少量準備工作即可對各種樣品進行非接觸分析的優(yōu)點。但其存在化學特異性較差，光譜解譜困難等不足[48-49]。Bonah等[50]建立了一種可見-近紅外高光譜成像系統(tǒng)，結合偏最小二乘回歸算法，快速監(jiān)測新鮮豬肉中的大腸桿菌O157：H7和金黃色葡萄球菌。該方法可以提供豬肉樣品表面致病菌的濃度和分布，是評估肉品質量和安全性的高潛力途徑。

3.3.2? ?表面增強拉曼光譜法

表面增強拉曼光譜法利用金屬納米結構對拉曼信號的增強效應實現(xiàn)目標待檢物的高靈敏分析。研究表明相較于單分子拉曼信號，SERS法信號增強可高達1014倍[51]。Cho等[52]利用SERS技術快速檢測了牛肉末中的大腸桿菌O157：H7。通過結合免疫磁珠和膜過濾法，可從復雜樣品中快速捕獲、分離和富集目標菌，檢測時間小于3 h，檢出限低于10 CFU/mL，靈敏度高。

3.3.3? ?熒光光譜法

熒光光譜可提供較多的微生物相關生理或過程狀態(tài)的物理參數(shù)，較少的樣品量即可實現(xiàn)肉品中致病菌快速、自動化在線監(jiān)測[53]。Durek等[54]利用熒光光譜法對肉品表面的致病菌污染進行了無損監(jiān)測，成功在5℃下貯存20 d的豬肉和羊肉樣品中檢出了原卟啉和鋅卟啉的熒光，并證實這些卟啉熒光信號主要是由于肉品表面滋生的不同微生物相互作用而引起的。研究結果表明該方法可應用于鮮肉制品生產(chǎn)線和貿易線的致病菌污染監(jiān)測。

3.4? ?電子鼻檢測法

電子鼻是一種能夠快速指示樣品中隱含的特征化學氣體的傳感器，通過直接識別肉品中的細菌種群以評估肉品的安全性，已成功應用于肉品質量的快速監(jiān)控[55]。Timsorn等[56]建立了一種基于8 種金屬氧化物傳感器的新型便攜式電子鼻系統(tǒng)（圖3），可用于評估雞肉的新鮮度，并分別檢測在4 ℃和30 ℃下貯存貯存5 d的雞肉上已知細菌污染物的數(shù)量。構建的電子鼻傳感器能較好地評價雞肉的細菌種群數(shù)量，相關系數(shù)較高，達0.94，均方誤差為0.016。該技術響應時間短、檢測速度快、評估范圍廣，可以識別不同致病菌不同生長階段產(chǎn)生的化學氣味，有望發(fā)展為一種同時獲取多項生物信息的新型途徑。肉品食源性致病菌檢測技術的相關研究如表2所示。

4 結 語

現(xiàn)階段，傳統(tǒng)生化法仍是食源性致病菌檢測的“金標準”方法，但其操作繁瑣、耗時較長，不能滿足肉類行業(yè)現(xiàn)代化高速發(fā)展的需要。近年來，在肉品食用安全保障需求下，涌現(xiàn)了大量的新型食源性致病菌檢測技術。其中，分子診斷法在肉品致病菌的檢測中應用較為廣泛，靈敏度高，特異性強，適合定量分析復雜肉品，但是存在無法區(qū)分活死致病菌的局限性，易造成假陽性或假陰性結果[60]。此外，分子診斷法對樣品預處理、引物設計的要求較為嚴格，實驗操作復雜不適用于現(xiàn)場的檢測。免疫分析法依賴于抗原抗體等的特異性結合作用，目前技術發(fā)展較為成熟，但仍存在如抗體成本高、適配體種類有限等問題。光譜檢測法和電子鼻檢測法無需復雜耗時的前處理過程，是一種無損檢測法，可脫離實驗室環(huán)境，為實現(xiàn)肉品中食源性致病菌的實時原位在線監(jiān)測和自動化采樣監(jiān)測提供有效途徑。

開發(fā)簡單、快速、高效、靈敏的食源性致病菌檢測技術對保障肉品安全和消費者健康至關重要。在今后的研究中，還應加強對以下方面更為深入的探索：1）肉品基質復雜，亟需發(fā)展快速有效的樣品前處理技術，以替代漫長繁瑣的增菌步驟;2）如何在保證精準性的同時，提升檢測速度，實現(xiàn)實時在線監(jiān)測和快速現(xiàn)場檢測;3）如何構建輕量化、一體化及智能化的檢測設備，通過與大數(shù)據(jù)、人工智能及物聯(lián)網(wǎng)等技術聯(lián)用，為產(chǎn)業(yè)監(jiān)控提供技術支撐;4）如何處理檢測完畢后的廢棄物，避免致病菌二次污染等。

參考文獻：

[1] 中華人民共和國統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京： 中國統(tǒng)計出版社， 2020.

[2] 付萍， 王連森， 陳江， 等. 2015年中國大陸食源性疾病暴發(fā)事件監(jiān)測資料分析[J]. 中國食品衛(wèi)生雜志， 2019， 31（1）： 64-70. DOI：10.13590/j.cjfh.2019.01.014.

[3] 李可維， 劉思潔， 趙薇， 等. 9274份肉及肉制品食源性致病菌監(jiān)測結果分析[J]. 食品安全質量檢測學報， 2020， 11（23）： 9033-9038. DOI：10.19812/j.cnki.jfsq11-5956/ts.2020.23.077.

[4] PATEIRO M， MUNEKATA P E S， SANTANA A S， et al. Application of essential oils as antimicrobial agents against spoilage and pathogenic microorganisms in meat products[J]. International Journal of Food Microbiology， 2021， 337： 108966. DOI：10.1016/j.ijfoodmicro.2020.108966.

[5] 蔡潔. 我國肉類食品微生物安全現(xiàn)狀及控制檢測技術[J]. 中外企業(yè)家， 2018， 595（5）： 222. DOI：CNKI：SUN：ZWQY.0.2018-05-178.

[6] 謝雨龍， 覃巧思， 李佳連. 沙門氏菌檢測方法研究進展[J]. 輕工科技， 2020， 36（9）： 139-141. DOI：CNKI：SUN：GXQG.0.2020-09-056.

[7] 王霄曄， 任婧寰， 王哲， 等. 2017年全國食物中毒事件流行特征分析[J]. 疾病監(jiān)測， 2018， 33（5）： 359-364. DOI：CNKI：SUN：JBJC.0.2018-05-005.

[8] 王霄曄， 吳曉旻， 王銳， 等. 2018年第三季度全國食物中毒事件流行特征分析[J]. 疾病監(jiān)測， 2019， 34（8）： 741-745. DOI：CNKI：SUN：JBJC.0.2018-06-004.

[9] 吳得海. 食品安全事件之警示與思考[M]. 甘肅： 文化出版社， 2016.

[10] 孔祥瑞， 王洪柱. 金黃色葡萄球菌檢測方法的研究進展[J]. 中國乳業(yè)， 2017， （10）： 72-74. DOI：10.16172/j.cnki.114768.2017.10.020.

[11] 梁金姬， 宋德涵， 李韻辭， 等. 金黃色葡萄球菌檢測方法研究進展[J]. 山東化工， 2015， 44（10）： 41-42. DOI：10.3969/j.issn.1008-021X.2015.10.013.

[12] KARTHIKEYANA R， GAYATHRIB P， GUNASEKARAN P， et al. Comprehensive proteomic analysis and pathogenic role of membrane vesicles of Listeria monocytogenes serotype 4b reveals proteins associated with virulence and their possible interaction with host[J]. International Journal of Medical Microbiology， 2019， 309（3-4）： 199-212. DOI：10.1016/j.ijmm.2019.03.008.

[13] SILVA N F D， NEVES M M P S， MAGALHES J M C S， et al. Emerging electrochemical biosensing approaches for detection of Listeria monocytogenes in food samples： an overview[J]. Trends in Food Science & Technology， 2020， 99： 621-633. DOI：10.1016/j.tifs.2020.03.031.

[14] 宋筱瑜， 裴曉燕， 徐海濱， 等. 我國零售食品單增李斯特菌污染的健康風險分級研究[J]. 中國食品衛(wèi)生雜志， 2015， 27（4）： 447-450. DOI：10.13590/j.cjfh.2015.04.021.

[15] 殷澤祿， 萬虎. 大腸桿菌的研究綜述[J]. 甘肅畜牧獸醫(yī)， 2019， 49（5）： 33-35. DOI：10.15979/j.cnki.cn62-1064/s.2019.05.010.

[16] 韓海燕， 蔡擴軍， 王承. 大腸桿菌O157：H7的風險監(jiān)測[J]. 中國畜牧業(yè)， 2020， （10）： 50. DOI：CNKI：SUN：MYTX.0.2020-10-021.

[17] 于旭磊. 產(chǎn)氣莢膜梭菌流行特點及其噬菌體遺傳背景分析[D]. 泰安： 山東農(nóng)業(yè)大學， 2020： 1. DOI：10.27277/d.cnki.gsdnu.2020.000354.

[18] LI L， VALENZUELA-MARTINEZ C， REDONDO M， et al. Inhibition of Clostridium perfringens Spore Germination and Outgrowth by Lemon Juice and Vinegar Product in Reduced NaCl Roast Beef[J]. Journal of Food Science， 2012， 77（11）： M598-M603. DOI：10.1111/j.1750-3841.2012.02922.x.

[19] 黃亞奇， 熊靜禹， 沈達， 等. 空腸彎曲桿菌毒力因子及其致病機制研究進展[J]. 中國家禽， 2019， 41（22）： 46-51. DOI：10.16372/j.issn.1004-6364.2019.22.010.

[20] 陽成波， 蔣原， 黃克和. 空腸彎曲桿菌感染流行病學研究進展[J]. 動物醫(yī)學進展， 2002（6）： 10-12. DOI：10.16437/j.cnki.1007-5038.2002.06.004.

[21] 金星. 乳酸菌拮抗空腸彎曲桿菌的機制研究[D]. 無錫： 江南大學， 2020： 1. DOI：10.27169/d.cnki.gwqgu.2020.000853.

[22] 姬莉莉， 閆雪. 食品中微生物限量要求及檢測技術發(fā)展趨勢[J]. 2021， 12（2）： 460. DOI：10.19812/j.cnki.jfsq11-5956/ts.2021.02.008.

[23] 王成， 陸雨菲， 劉箐. 光譜技術在食源性致病菌檢測中的應用[J]. 光學儀器， 2019， 41（1）： 85-94. DOI：CNKI：SUN：GXYQ.0.2019-01-015.

[24] 鄭桂麗， 廖紹安， 翟俊輝， 等. 環(huán)境中"活的非可培養(yǎng)（VBNC）"細菌的研究進展[J]. 微生物學免疫學進展， 2004， 32（4）： 58-66. DOI：10.3969/j.issn.1005-5673.2004.04.016.

[25] KUMAR Y. Isothermal amplification-based methods for assessment of microbiological safety and authenticity of meat and meat products[J]. Food Control， 2021， 121： 107679. DOI：10.1016/j.foodcont.2020.107679.

[26] UMESHA S， MANUKUMAR H M. Advanced Molecular Diagnostic Techniques for Detection of Food-borne Pathogens; Current Applications and Future Challenges[J]. Critical Reviews in Food Science & Nutrition， 2018， 58（1）： 84-104. DOI：10.1080/10408398.2015.1126701.

[27] CAPOBIANCO J A， CLARK M， CARIOU A， et al. Detection of Shiga toxin producing Escherichia coli （STEC） in beef products using droplet digital PCR[J]. International Journal of Food Microbiology， 2019， 319： 108499. DOI：10.1016/j.ijfoodmicro.2019.108499.

[28] LIU Y， CAO Y， WANG T， et al. Detection of 12 Common Food-Borne Bacterial Pathogens by TaqMan Real-Time PCR Using a Single Set of Reaction Conditions[J]. Frontiers in microbiology， 2019， 10： 222. DOI：10.3389/fmicb.2019.00222.

[29] FENG Y W， YAO H， CHEN S S， et al. Rapid Detection of Hypervirulent Serovar 4h Listeria monocytogenes by Multiplex PCR[J]. Frontiers in Microbiology， 2020， 11： 1309. DOI：10.3389/FMICB.2020.01309.

[30] AL?A A， ANDRADE M J， CORDOBA J J， et al. Development of a multiplex real-time PCR to differentiate the four major Listeria monocytogenes serotypes in isolates from meat processing plants[J]. Food microbiology， 2020， 87： 103367. DOI：10.1016/j.fm.2019.103367.

[31] 王瑞. 快速核酸擴增及可視化策略用于食源性致病菌和轉基因作物檢測[D]. 杭州： 浙江大學， 2019： 16. DOI：10.27461/d.cnki.gzjdx.2019.000339.

[32] REID M S， LE X C， ZHANG H. Exponential Isothermal Amplification of Nucleic Acids and Assays for Proteins， Cells， Small Molecules， and Enzyme Activities： An EXPAR Example[J]. Angewandte Chemie International Edition， 2018， 57（37）： 11856-11866. DOI：10.1002/anie.201712217.

[33] LEDLOD S， BUNRODDITH K， AREEKIT S， et al. Development of a duplex lateral flow dipstick test for the detection and differentiation of Listeria spp. and Listeria monocytogenes in meat products based on loop-mediated isothermal amplification[J]. Journal of chromatography. B， Analytical technologies in the biomedical and life sciences， 2020， 1139（C）： 121834. DOI：10.1016/j.jchromb.2019.121834.

[34] CHEN X， WU X， GAN M， et al. Rapid detection of Staphylococcus aureus in dairy and meat foods by combination of capture with silica-coated magnetic nanoparticles and thermophilic helicase-dependent isothermal amplification[J]. Journal of Dairy Science， 2015， 98（3）： 1563-1570. DOI：10.3168/jds.2014-8828.

[35] RAJI M A， GARAWEEN G， EHRICHT R， et al. Genetic Characterization of Staphylococcus aureus Isolated from Retail Meat in Riyadh， Saudi Arabia[J]. Frontiers in Microbiology， 2016， 7： 911. DOI：10.3389/fmicb.2016.00911.

[36] 解沛燕， 朱龍佼， 許文濤. 適配體在食源性致病菌檢測中的應用進展[J]. 生物技術通報， 2016， 32（4）： 48-62. DOI：10.13560/j.cnki.biotech.bull.1985.2016.04.006.

[37] ZHU L， HE J， CAO X， et al. Development of a double-antibody sandwich ELISA for rapid detection of Bacillus Cereus in food[J]. Rep， 2016， 6（1）： 16092. DOI：10.1038/srep16092.

[38] ZHAO Y， ZENG D， YAN C， et al. Rapid and accurate detection of Escherichia coli O157：H7 in beef using microfluidic wax-printed paper-based ELISA[J]. The Analyst， 2020， 145（8）： 3106-3115. DOI：10.1039/d0an00224k.

[39] JIANG T， SONG Y， WEI T， et al. Sensitive detection of Escherichia coli O157：H7 using Pt-Au bimetal nanoparticles with peroxidase-like amplification[J]. Biosensors and Bioelectronics， 2016， 77： 687-694. DOI：10.1016/j.bios.2015.10.017.

[40] WANG Z， CAI R， GAO Z， et al. Immunomagnetic separation： An effective pretreatment technology for isolation and enrichment in food microorganisms detection[J]. Comprehensive Reviews in Food Science and Food Safety， 19（6）： 3802-3824. DOI：10.1111/1541-4337.12656.

[41] BU T， YAO X， HUANG L， et al. Dual recognition strategy and magnetic enrichment based lateral flow assay toward Salmonella enteritidis detection[J]. Talanta， 2020， 206（C）： 120204. DOI：10.1016/j.talanta.2019.120204.

[42] 周靜， 田風玉， 焦必寧， 等. 基于納米材料的可視化比色檢測技術在食源性致病菌檢測中的應用研究進展[J]. 食品與發(fā)酵工業(yè)， 2019， 45（11）： 259-267. DOI：10.13995/j.cnki.11-1802/ts.019960.

[43] ALHOGAIL S， SUAIFAN G A R Y， ZOUROB M. Rapid colorimetric sensing platform for the detection of Listeria monocytogenes foodborne pathogen[J]. Biosensors and Bioelectronics， 2016， 86： 1061-1066. DOI：10.1016/j.bios.2016.07.043.

[44] D?AZ-AMAYA S， ZHAO M， LIN L， et al. Inkjet Printed Nanopatterned Aptamer-Based Sensors for Improved Optical Detection of Foodborne Pathogens[J]. Small， 15（24）： 1805342. DOI：10.1002/smll.201805342.

[45] XU M， WANG R， LI Y. Rapid detection of Escherichia coli O157：H7 and Salmonella Typhimurium in foods using an electrochemical immunosensor based on screen-printed interdigitated microelectrode and immunomagnetic separation[J]. Talanta， 2016， 148： 200-208. DOI：10.1016/j.talanta.2015.10.082.

[46] 王楷宬， 孫瑞妮， 姜楠， 等. 微流控芯片技術在微生物檢測中的應用[J]. 中國動物檢疫， 2021， 38（1）： 93-99. DOI：10.3969/j.issn.1005-944X.2021.01.018.

[47] HAO L， XUE， HUANG F， et al. A Microfluidic Biosensor Based on Magnetic Nanoparticle Separation， Quantum Dots Labeling and MnO2 Nanoflower Amplification for Rapid and Sensitive Detection of Salmonella typhimurium[J]. Micromachines， 2020， 11（3）： 281-296. DOI：10.3390/mi11030281.

[48] TOLEDO M， GUTI?RREZ M C， SILES J A， et al. Chemometric analysis and NIR spectroscopy to evaluate odorous impact during the composting of different raw materials[J]. Journal of Cleaner Production， 2017， 167： 154-162. DOI：10.1016/j.jclepro.2017.08.163.

[49] KRZYSZTOF B B， JUSTYNA G， CHRISTIAN W H， et al. Near-Infrared Spectroscopy in Bio-Applications[J]. Molecules， 2020， 25（12）： 2948. DOI：10.3390/molecules25122948.

[50] BONAH E， HUANG X Y， AHETO J H， et al. Comparison of variable selection algorithms on vis-NIR hyperspectral imaging spectra for quantitative monitoring and visualization of bacterial foodborne pathogens in fresh pork muscles[J]. Infrared Physics & Technology， 2020， 107： 103327. DOI：10.1016/j.infrared.2020.103327.

[51] POLISETTI S， BAIG N F， MORALES-SOTO N， et al. Spatial Mapping of Pyocyanin in Pseudomonas Aeruginosa Bacterial Communities Using Surface Enhanced Raman Scattering[J]. Applied Spectroscopy， 2017， 71（2）： 215-223. DOI：10.1177/0003702816654167.

[52] CHO I， BHANDARI P， PATEL P， et al. Membrane filter-assisted surface enhanced Raman spectroscopy for the rapid detection of E. coli O157：H7 in ground beef[J]. Biosensors and Bioelectronics， 2015， 64： 171-176. DOI：10.1016/j.bios.2014.08.063.

[53] FAASSEN S， HITZMANN B. Fluorescence spectroscopy and chemometric modeling for bioprocess monitoring[J]. Sensors， 2015， 15（5）： 10271-10291. DOI：10.3390/s150510271.

[54] DUREK J， FR?HLING A， BOLLING J， et al. Non-destructive mobile monitoring of microbial contaminations on meat surfaces using porphyrin fluorescence intensities[J]. Meat Science， 2016， 115： 1-8. DOI：10.1016/j.meatsci.2015.12.022.

[55] 質量技術監(jiān)督行業(yè)職業(yè)技能鑒定指導中心. 質量技術監(jiān)督基礎[M]. 2版. 中國質檢出版社， 2014.

[56] TIMSORN K， THOOPBOOCHAGORN T， LERTWATTANASAKUL N， et al. Evaluation of bacterial population on chicken meats using a briefcase electronic nose[J]. Biosystems Engineering， 2016， 151： 116-125. DOI：10.1016/j.biosystemseng.2016.09.005.

[57] HASSAN A H A， BERGUA J F， MORALES-NARV?EZ E， et al. Validity of a single antibody-based lateral flow immunoassay depending on graphene oxide for highly sensitive determination of E. coli O157：H7 in minced beef and river water[J]. Food Chemistry， 2019， 297： 124965. DOI：10.1016/j.foodchem.2019.124965.

[58] ZHUANG L， GONG J， JI Y， et al. Lateral Flow Fluorescent Immunoassay Based on Isothermal Amplification for Rapid Quantitative Detection of Salmonella spp.[J]. The Analyst， 2020， 145（6）： 2367-2377. DOI：10.1039/C9AN02011J.

[59] MUNIANDY S， DINSHAW I J， TEH S J， et al. Graphene-based label-free electrochemical aptasensor for rapid and sensitive detection of foodborne pathogen[J]. Analytical & Bioanalytical Chemistry， 2017， 409（29）： 6893-6905. DOI：10.1007/s00216-017-0654-6.

[60] 王琦， 顏春蕾， 高洪偉， 等. 基于核酸適配體傳感器檢測食品致病菌的研究進展[J]. 生物技術通報， 2020， 36（11）： 245-258. DOI：10.13560/j.cnki.biotech.bull.1985.2019-1273.