转基因技术对实现作物增产增质, 降低农药使用量, 降低生产成本等具有重要作用, 但对生态环境也存在一定的潜在威胁。 为了防止转基因大豆在食品化中的滥用, 对转基因产品快速鉴别技术的研究尤为迫切。 紫外拉曼光谱检测技术具备外场远距离无损遥测检测, 简单高效, 快速准确等优点, 可有效用于物质遥测鉴别领域。 基于紫外拉曼光谱的转基因/非转基因大豆油以及与其他类别食用油鉴别方法, 采集了五种不同食用油(两种品牌转基因/非转基因大豆油各500组样本和一种稻米油100组样本, 共2 100组样本)在3 500~400 cm-1(268~293 nm)范围内的日盲紫外拉曼光谱信息, 为提高光谱数据的信噪比并保证分类识别的准确性, 对上述光谱数据采用Savitzky-Golay滤波降噪、 基于自适应迭代加权惩罚最小二乘法(airPLS)的基线校正以及多元散射校正(MSC)的光谱数据修正等预处理。 根据大豆油的紫外拉曼指纹图谱, 分析出主要化学成分包含脂肪类、 蛋白质类、 酰胺类。 将每种大豆油样本按1∶1划分为训练集和测试集, 输入训练集数据至支持向量机(SVM)进行训练, 采用10折交叉验证建立最佳模型, 识别准确率达99.81%, 对转基因大豆油的判别效果显著; 采用主成分分析法(PCA)进行数据降维处理, 提取出8个主成分, 累计贡献率为74.84%, 可代表大部分原始数据特征。 在此基础上, 将预处理后的光谱数据按4∶1划分为训练集和测试集, 采用偏最小二乘回归判别分析方法(PLS-DA), 结合10折交叉验证法建立全谱的最佳PLS-DA模型(判别阈值设置为0.5), 判别准确率达到70.95%。 研究表明, 紫外拉曼光谱分析方法可较为准确地鉴别非转基因/转基因大豆油, 同时可鉴别大豆油与稻米油, 实现对转基因大豆食品的快速无损鉴别, 可望成为转基因大豆油及其食品的现场检测新的技术途径, 对推动转基因产品遥测鉴别技术的发展具有进步意义。

太赫兹时域光谱(THz-TDS)技术是基于飞秒超快激光技术的 THz 波段光谱测量新技术, 具有较强的光谱分辨本领以及良好的透视性和安全性, 在物质检测方面具有广泛的应用价值。文中在采用太赫兹时域光谱技术对转基因大豆油光谱检测的基础上结合主成分分析方法(PCA)及支持向量机(SVM), 构建PCA-SVM模型对转基因大豆油进行鉴别。首先, 从样品在太赫兹波段测得的时域光谱中得到其吸光度光谱; 然后, 将其作为输入源导入PCA-SVM模型中, 剔除冗余数据、降低数据维数并鉴别。实验结果表明, 所建立的PCA-SVM模型能准确识别校验集, 可以准确地对转基因大豆油进行鉴别。研究结果表明: 太赫兹时域光谱技术可以实现转基因大豆油的快速、无损检测, 在食品安全领域有广泛的应用前景。

转基因技术对于实现粮食增产, 保护生物多样性, 减少化学农药使用量等方面有着重大意义, 但也可能存在一定的安全隐患。 因此, 转基因作物检测鉴别技术的研究愈发受到重视。 本文采用中红外光谱分析技术, 研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。 实验采集了三种不同的非转基因大豆亲本（HC6, JACK和W82）及其转基因大豆品种在3 818～734　cm-1范围内的光谱信息。 采用偏最小二乘-判别分析（partial least squares-discriminant analysis, PLS-DA）进行判别分析, 三种大豆的建模集的判别正确率分别为96.67%, 96.67%和83.33%, 预测集的判别正确率分别为83.33%, 85%和85%。 研究中采用X-loading weights、 变量投影重要性（variable importance in the projection, VIP）和二阶导数（second derivative, 2-Der）三种特征波数选择方法对光谱数据进行处理, 并根据得到的特征波数分别建立PLS-DA模型进行判别分析, 三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。 采用主成分分析（principal component analysis, PCA）和独立组分分析（independent component analysis, ICA）两种特征信息提取方法对光谱数据进行处理, 分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析, 三种大豆的建模集和预测集的判别正确率均超过80%和75%。 研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种, 为转基因大豆的无损鉴别提供新的思路。 同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度, 减少程序运算量。

以近红外高光谱成像技术, 结合化学计量学方法, 研究了转基因大豆的快速、 无损检测方法。 实验以3种不同非转基因亲本(HC6, JACK, TL1)及其转基因大豆作为研究对象。 采用高光谱成像系统采集874~1 734 nm波长范围的256个波段范围的高光谱图像, 提取大豆的光谱信息, 剔除明显噪声部分后, 采用Moving Average(MA)平滑预处理的941~1 646 nm范围光谱数据进行分析。 采用偏最小二乘判别分析算法(partial least squares-discriminant analysis, PLS-DA), 对3种非转基因亲本大豆建立模型进行判别分析, 其相应的建模集和预测集的判别正确率分别为97.50%和100%, 100%和100%, 96.25%和92.50%, 结果表明, 高光谱成像技术可用于非转基因大豆的识别。 对非转基因亲本及其转基因大豆进行判别分析, 基于全谱, 3种的建模集和预测集的判别正确率分别为99.17%和99.17%, 87.19%和81.25%, 99.17%和98.33%; 以x-loading weights提取非转基因亲本及其转基因大豆判别分析的特征波长并建立PLS-DA模型, 3种的建模集和预测集的判别正确率分别为72.50%和80%, 80.63%和79.38%, 85%和85%, 该结果表明非转基因亲本与转基因品种的判别分析是可行的, 特征波长的选择也可用于非转基因亲本与转基因品种的判别分析。 研究表明采用近红外高光谱成像技术对非转基因大豆、 非转基因亲本及其转基因大豆进行鉴别是可行的, 为转基因大豆的快速无损准确鉴别提供了一种新方法。

基于太赫兹波段内的光谱分析技术以及主成分特性分析与反向前馈神经网络建模, 提出了一种转基因大豆鉴别方法.从光谱数据中提取累计方差贡献率达到97.582%的前8种主成分因子, 并将其作为输入源导入神经网络模型, 通过剔除冗余数据、降低数据维数, 所建立的神经网络模型能准确识别校验集.该方法可以实现转基因大豆的快速、无损检测, 在农业安全领域有广泛的应用前景.

转基因的食品安全问题一直是科学家和公众关注的焦点, 其微量元素的生物可给性研究可为转基因食品的安全评价提供参考。 以“胃肠仿生消化、 肠道微生物代谢、 脂质体仿生物膜亲合吸附”构建胃肠功能模型, 用于大豆(转基因大豆和普通大豆)的样品前处理, 以脂质体亲合态、 水溶态界定消化食糜中镍化合物的形态, 以人体可吸收部分的脂质体亲合态评价大豆中镍的生物可给性。 经胃肠消化和微生物代谢, 大豆食糜中镍配合物以水溶态为主; 胃肠消化、 肠道微生物代谢均对镍配合物的生物可给性起促进作用; 转基因大豆和普通大豆中镍的生物可给性分别为4.1%和3.3%, 即大豆转基因后镍生物可给性提高24%; 但转基因大豆中脂质体结合态镍含量122.3 ng·g-1, 仅为普通大豆的36%。

为探究无损鉴别转基因大豆的可行性, 利用近红外光谱分析仪对大豆扫描得到反射光谱, 应用主成分分析结合BP神经网络方法进行分析鉴别。 首先应用主成分分析法, 得到包含大豆99.03%的光谱信息的6个主成分, 再将其作为BP神经网络的输入, 对应的大豆种类作为输出, 建立一个三层BP神经网络模型。 该模型对于转基因大豆的正确识别率为100%, 说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。

针对转基因大豆中普遍含有的35S启动子进行引物设计, 以双链DNA染料SYBR GreenⅠ为荧光标记物, 利用实时荧光定量PCR方法对大豆样品进行检测。该法检测转基因大豆的检测低限为0.005 nmol/L的35S启动子, 线性范围达3个数量级, 可快速区分转基因大豆和非转基因大豆, 具有快速、简便、灵敏、安全、高通量、低成本等优点, 可推广用于转基因植物产品的快速定量检测。