葡萄貯藏期間易遭霉菌污染，導致經濟損失和食品安全問題。當前的葡萄霉變檢測方法有PCR、ELISA、電子鼻和高光譜成像等，但存在需要昂貴的設備、人員培訓成本、樣本預處理、檢測靈敏度和特異性不足等問題，因此亟需開發一種低成本、無損、高靈敏度的檢測方法，以實現葡萄貯藏早期霉變監測預警。 　　為了解決這一問題，團隊構建了一組由14個環境應激響應啟動子融合熒光素酶報告基因構建的大腸桿菌報告菌株，結合多種數據預處理算法及優化的機器學習模型，成功地實現了對黑曲霉、赭曲霉和灰霉污染的葡萄準確地無損監測。研究結果表明，這些工程細菌報告菌株對受感染葡萄釋放的揮發性有機化合物高度敏感，可以明顯區分出葡萄在無明顯癥狀（1天后）和癥狀出現（2天后）兩個不同感染階段。構建的機器學習預測模型可以實現對三種真菌在葡萄上的感染程度進行分類預測，對黑曲霉、赭曲霉和灰霉菌的分類準確率分別達到100%、92%和92%，顯示出極高的預測性能。這種基于代謝工程細菌的全新生物傳感技術，可對葡萄腐爛霉變的快速、無損、低成本的監測，不僅可用于葡萄，也可應用于其他農產品的微生物腐敗檢測，是一項前景廣闊的創新技術。下一步將致力于提高傳感器地特異性和工作壽命，以期盡快實現該技術在農產品貯藏運輸過程中的大規模應用。 　　該研究結果在生物和園藝產品采后技術國際知名學術期刊Postharvest Biology and Technology（JCR一區，TOP5%，IF=7.0）在線發表，糧油減損與真菌毒素防控創新團隊博士后馬俊寧為論文第一作者，邢福國研究員為通訊作者，該研究得到了國家重點研發專項計劃（2022YFD2100104）和中國農業科學院科技創新工程（CAAS-ASTIP-G2022-IFST-01）的資助。 　　原文鏈接: /file/upload/2023-08-28/xajgp1inzjg