日前，在第51届日内瓦国际发明展上，由中国农业科学院农产品加工研究所粮油减损与真菌毒素防控创新团队研发的“全细胞生物传感器阵列及其应用”技术，从全球1000多个发明项目中脱颖而出荣膺金奖。

传统真菌毒素检测方法，如酶联免疫、液相色谱、液质联用、气质联用等，虽然灵敏度高，但普遍面临两大瓶颈，一是样品前处理复杂、依赖昂贵设备，难以实现现场快速检测；二是本质属于“事后检测”——毒素已产生、粮食已受损，检测的意义更多在于“确认损失”而非“避免损失”。

如何将防线前移，实现毒素产生前的“实时监测”和“源头预警”？中国农科院加工所团队另辟蹊径——用活体微生物细胞做“传感元件”。团队首先鉴定出玉米、花生黄曲霉霉变早期释放的标志性有机挥发物，从大肠杆菌中筛选出能特异性响应这些信号的启动子基因，再将14种应激响应启动子与萤光素酶基因融合，构建成全细胞生物传感器阵列。当霉菌刚刚开始活动、释放出微量挥发物时，传感器随即产生逐级放大的生物发光信号，实现了对霉变事件的早期捕捉。

据团队负责人邢福国研究员介绍，为进一步提升检测的精准度，团队将传感器阵列与人工智能机器学习模型深度融合。实验数据显示，该技术对霉变与健康样本的区分准确率达到100%；对霉变前期不同阶段花生的预测准确度达95%，玉米达98%。在此基础上，团队进一步构建了由8个全新发光菌株组成的升级版传感器阵列，结合高性能集成学习算法，实现了对玉米和花生霉变天数及黄曲霉毒素B1含量的精准定量预测。内部验证中，模型对玉米霉变天数与黄曲霉毒素B1含量的预测，准确率分别达到94%和98%；在采用独立黄曲霉菌株的外部验证中，模型依然保持了强大的泛化能力，在不同粮食基质和真菌菌株中均表现稳健。

“该成果已获得国家发明专利授权，并在国际TOP期刊发表6篇高质量论文。”邢福国表示，目前团队正在加紧研发小型化便携式设备、半导体气体传感器和电化学气体传感器，推进成果的转化应用，力争早日为粮食减损与食品安全智能监管提供有力技术支撑，为全球粮食安全治理贡献中国方案。