一种建立食品质量安全检测样本数据库的方法
文献发布时间:2023-06-19 09:52:39
技术领域
本发明涉及数据库管理系统,更具体地说,涉及一种建立食品质量安全检测样本数据库的方法。
背景技术
食品健康是一个常见问题,经常通过使用分析测试来检测食品安全。分析可疑食品并将其结果与食品真实性数据库中所含的数据进行比较是典型的方法。但在创建食品真实性数据库时必须解决的最重要的考虑因素,如数据库范围、分析方法、采样、数据的收集和存储等。但目前并未有针对创建食品真实性数据库的系统和方法。
食品在生产、加工、运输的多个环节,会存在如农兽药残留、重金属、化学污染物、生物毒素等因素的污染。因此针对上述污染因素,补充完善绿色食品评价和生产标准体系,是十分必要和重要的。其中,重金属是环境的组成部分,在自然界中普遍存在。一些重金属和准金属,例如Co、Cu、Ni、Fe、Mn、Zn、Mo和Se是生物体必需的微量营养素。这些元素的缺乏是引起许多疾病的原因,然而超过限制摄入这些元素也会影响健康。典型的如准金属Se,它是植物生长的必需微量营养素,也是人体必需微量元素之一,可用于调节体内氧化还原反应的速度,影响某些重要酶的代谢及活性,但也有报道由于过量的Se摄入而导致的硒毒性,虽然这种情况的发生远少于Se缺乏的情况。作为生物群的一部分,植物和蔬菜依赖于有益的重金属来进行健康生长,它们通常从土壤、空气和水中所需量的重金属。因此,如果土壤、空气和水重金属过量,植物和蔬菜可能被重金属污染。对于不同环境基质,所有类型的植物、蔬菜、农作物、谷物等,指数化重金属污染是一种常见的做法。但食品由于存在多种原料的食品,尤其生的和加工的食品,目前还未有对应的重金属污染指数。现有技术中需要额外的信息,例如摄取率、体重、暴露频率等,判断操作复杂。缺乏关于不同食品中最大允许金属浓度的可靠数据,是不具有基于重金属的食品质量指数的一个原因。因此,目前亟待尝试以重金属含量为基础计算食品质量指数。
发明内容
本发明提出一种建立食品质量安全检测样本数据库的方法,基于重金属浓度的指示食品项目中的重金属污染指数,通过使用多个单独的数据库来计算样品的重金属污染指数。
一种建立食品质量安全检测样本数据库的方法,包括以下步骤:
S1:界定数据库的范围;确保用于填充数据库的样本覆盖将被数据库的检测样本;如果该数据库在不能覆盖被检测的样本,则将出现三种情况:样本将被正确地分类,样本将被错误地分类,或者数据库将报告样本不能被分类。在这种情况下,数据库的范围可以通过假设来增加,然后对这些假设进行验证。
S2:选择数据分析方法;考虑分析方法及其产生可再现数据的长期能力。稳定同位素分析是一个重要的领域,并且可以获得一系列校准标准和能力测试材料。选择光谱技术作为数据分析方法,其是可再现的技术,并且不受灵敏度随时间的漂移或变化的影响,并且还具有可用的校准标准。一旦确定了合适的分析方法,以小规模研究以确认所作的任何假设的有效性。取样的点的识别将确保所收集的样品适合所使用的分析技术,并且数据库代表目标产品。中收集样品的位置可以影响分析数据的质量和数据库的完整性。
S3:选择和获取真实的参考样品;确保数据库内包含的样本是可信的,在食品真实性数据库中包含标记为真实样品的劣质样品将使数据库无效。样品应该由公正随机地从主要生产者即农场、渔业等收集,以确保保持参考样品的可追溯性和完整性。重要的是标记所有食品的来源,如果对样品的来源没有可追踪性,则不能保证其真实性。
S4:收集分析数据;监测已知或怀疑的影响,在整个数据库中分析参考样品并以随机顺序收集分析数据;
S5:建立数据库;数据库分为底层数据库、应用层;底层的数据库模式应当足够灵活,以减轻数据库构建者修改该模式以适应不断增长的元数据或分析结果要求的需要;应用层提供数据库和用户之间的接口,并使利用数据库工作的过程流线化,应用层应当作为绝对最小值允许检索数据,应当假设数据库的用户和管理员将不是直接访问底层数据库,而是通过应用层访问。
S6:应用和验证数据库;用于创建数据库的所有数据必须被验证是否可靠,以确保产生数据准确性。通过内部验证和外部验证两种方式进行。内部验证,将已知来源的样本数据上传到组织创建的数据库示。外部验证,即使用数据库/模型来预测完整的独立的新样本组,其采用未知样本,从而模拟数据库的未来使用。
S7:维护数据库;数据库的管理是为了确保结果随着时间的推移保持有效。从创建数据库以来已经产生的真实的和已知的样本,并且分类结果与在数据库的初始验证期间生成的分类结果一致,可以将保证用于数据库检查的真实样品并入数据库中。
进一步的,在步骤S3中,选择和获取真实的参考样品,参考样品污染因素的检测考虑因素包括:农兽药残留、重金属、化学污染物、生物毒素;其中对于重金属检测包括检测食品样品的重金属质量指数,具体包括:将每种金属的归一化加权系数ω
n是所考虑的重金属的总数并且ω
mac
质量子指数,第i个金属的q
m
第i个金属的质量指数qi
q
现在,通过将各个金属质量指数相加,可以获得食品作为整体的综合重金属质量指数Cq
食品中特定重金属m
如果m
鉴于上述,Cqi可以被分割成正指数和负指数,使得,
其中,n1+n2=n。
Pqi显示了食品的重金属污染状态,而Nqi反映了其原始状态或有时可能是其营养状态。Pqi和Nqi中的至少一种与食品中的重金属含量一起表示,而Pqi和Nqi的组合共同构成重金属污染指数。重金属污染指数包括一对一个正指数Pqi和一个负指数Nqi。Pqi代表高于最大允许浓度的金属,而Nqi对应于以下的金属。Pqi越高,污染越大。在两个相似的食品具有相同或接近Pqi的情况下,Nqi决定了相对污染程度;Nqi越低,污染越少。
进一步的,所述数据库至少包含蔬菜样品中的12种重金属、大米样品中的12种重金属和牛奶样品中的10种重金属。
进一步的,蔬菜样品由多次挑选制备可食用部分的复合样品组成。用自来水洗涤可食用部分几次,最后用超纯水洗涤并风干。接着,将100g空气干燥(鲜重)的样品在80℃下烘干至恒重,以在80℃下进行水分测定,然后,取0.5g在80℃下干燥的粉末化和均质化的样品与硝酸和过氧化氢混合物中进行微波炉消解。微波炉设置参数如下:时间:30分钟,温度:200℃,功率:500W。过滤消化的样品,并使用1%硝酸将最终体积补充至50ml,然后保存用于重金属分析。金属含量以鲜重记录。
进一步的,牛奶样品中设置两组样品,每组12个,一式三份收集,收集后立即用3ml/L甲醛保存。将这些样品放置加热板上在硝酸和高氯酸混合物中消解。在体积达到50ml后,将消化的样品储存,用于重金属分析。
进一步的,大米样本中设置十四个样品,每个样本500克,一式三份。将所有没有外壳的样品用去离子水洗涤,在70℃下烘箱干燥72小时并研磨成细粉。接着,将0.5gm均化的粉末在硝酸和过氧化氢混合物中进行微波炉消解。过滤消解的样品,用1%硝酸补足终体积至50ml并储存用于重金属分析。
进一步的,蔬菜和大米样品分析12种重金属,即As、Cd、Co、Cr、Cu、Fe、Mn、Ni、Pb、Se、V和Zn,而牛奶样品分析10种金属,不包括Cd和V。
进一步的,使用电感耦合等离子体质谱仪进行重金属分析。由此产生的数据库用于验证和校准新提出的重金属污染指数。
进一步的,计算蔬菜/大米/牛奶样品的危险指数HI来校正重金属污染指数HMI:
n是计算HI时考虑的重金属总数,THQ
EDIi是特定金属的估计的每日摄入量,RfDi定义的第i种金属的参考剂量。RfDi的单位是mg/kg体重/天,其表示第i种金属每天每单位kg体重可以安全摄取的量。
EDIi的单位是mg/kg体重/天,其计算如下:
关于蔬菜/大米/牛奶,m
HI>1意味着相应的蔬菜/大米/牛奶可能对消费有害。
所有食品样品:蔬菜、大米和牛奶的HI使用公式8-10计算,这些HI值被用作校准重金属污染指数HMI的参考标准(Pqi,Nqi)。
食品中特定金属的最大允许浓度mac为使食品仍然安全消费的该金属的最高浓度,食品中的危险指数HI和重金属污染指数HMI,是相互关联的。如下所示的多元线性回归模型:
HI=a
本发明提出的一种建立食品质量安全检测样本数据库的方法,基于重金属浓度的指示食品项目中的重金属污染指数,通过使用多个单独的数据库来计算样品的重金属污染指数,对采样的食品进行质量评级。每个重金属污染指数包括一对正指数和负指数。正指数反映了高于最大允许浓度的物质,而负指数代表了低于最大允许浓度物质。重金属污染指数通过多变量线性回归模型与危险指数进行关联,其中危险指数是因变量,重金属污染正指数和负指数是自变量。危险指数指数危险指数用作校准重金属污染指数的参考标准,独立地对食品中如蔬菜、大米和牛奶中的重金属污染进行质量评级。只需要重金属浓度,相比现有技术中需要额外的信息,例如摄取率、体重、暴露频率等,判断标准更简单操作。
附图说明
图1是本发明的一种建立食品质量安全检测样本数据库的方法流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明提出一种建立食品质量安全检测样本数据库的方法,基于重金属浓度的指示食品项目中的重金属污染指数,通过使用多个单独的数据库来计算样品的重金属污染指数。
一种建立食品质量安全检测样本数据库的方法,包括以下步骤:
S1:界定数据库的范围;确保用于填充数据库的样本覆盖将被数据库的检测样本;如果该数据库在不能覆盖被检测的样本,则将出现三种情况:样本将被正确地分类,样本将被错误地分类,或者数据库将报告样本不能被分类。在这种情况下,数据库的范围可以通过假设来增加,然后对这些假设进行验证。
S2:选择数据分析方法;考虑分析方法及其产生可再现数据的长期能力。稳定同位素分析是一个重要的领域,并且可以获得一系列校准标准和能力测试材料。选择光谱技术作为数据分析方法,其是可再现的技术,并且不受灵敏度随时间的漂移或变化的影响,并且还具有可用的校准标准。一旦确定了合适的分析方法,以小规模研究以确认所作的任何假设的有效性。取样的点的识别将确保所收集的样品适合所使用的分析技术,并且数据库代表目标产品。中收集样品的位置可以影响分析数据的质量和数据库的完整性。
S3:选择和获取真实的参考样品;确保数据库内包含的样本是可信的,在食品真实性数据库中包含标记为真实样品的劣质样品将使数据库无效。样品应该由公正随机地从主要生产者即农场、渔业等收集,以确保保持参考样品的可追溯性和完整性。重要的是标记所有食品的来源,如果对样品的来源没有可追踪性,则不能保证其真实性。
S4:收集分析数据;监测已知或怀疑的影响,在整个数据库中分析参考样品并以随机顺序收集分析数据;
S5:建立数据库;数据库分为底层数据库、应用层;底层的数据库模式应当足够灵活,以减轻数据库构建者修改该模式以适应不断增长的元数据或分析结果要求的需要;应用层提供数据库和用户之间的接口,并使利用数据库工作的过程流线化,应用层应当作为绝对最小值允许检索数据,应当假设数据库的用户和管理员将不是直接访问底层数据库,而是通过应用层访问。
S6:应用和验证数据库;用于创建数据库的所有数据必须被验证是否可靠,以确保产生数据准确性。通过内部验证和外部验证两种方式进行。内部验证,将已知来源的样本数据上传到组织创建的数据库示。外部验证,即使用数据库/模型来预测完整的独立的新样本组,其采用未知样本,从而模拟数据库的未来使用。
S7:维护数据库;数据库的管理是为了确保结果随着时间的推移保持有效。从创建数据库以来已经产生的真实的和已知的样本,并且分类结果与在数据库的初始验证期间生成的分类结果一致,可以将保证用于数据库检查的真实样品并入数据库中。
进一步的,在步骤S3中,选择和获取真实的参考样品,参考样品污染因素的检测考虑因素包括:农兽药残留、重金属、化学污染物、生物毒素;其中对于重金属检测包括检测食品样品的重金属质量指数,具体包括:将每种金属的归一化加权系数ω
n是所考虑的重金属的总数并且ω
mac
质量子指数,第i个金属的q
m
第i个金属的质量指数qi
q
现在,通过将各个金属质量指数相加,可以获得食品作为整体的综合重金属质量指数Cq
食品中特定重金属m
如果m
鉴于上述,Cqi可以被分割成正指数和负指数,使得,
其中,n1+n2=n.
Pqi显示了食品的重金属污染状态,而Nqi反映了其原始状态或有时可能是其营养状态。Pqi和Nqi中的至少一种与食品中的重金属含量一起表示,而Pqi和Nqi的组合共同构成重金属污染指数HMI。
进一步的,所述数据库至少包含蔬菜样品中的12种重金属、大米样品中的12种重金属和牛奶样品中的10种重金属。
进一步的,蔬菜样品由多次挑选制备可食用部分的复合样品组成。用自来水洗涤可食用部分几次,最后用超纯水洗涤并风干。接着,将100g空气干燥(鲜重)的样品在80℃下烘干至恒重,以在80℃下进行水分测定,然后,取0.5g在80℃下干燥的粉末化和均质化的样品与硝酸和过氧化氢混合物中进行微波炉消解。微波炉设置参数如下:时间:30分钟,温度:200℃,功率:500W。过滤消化的样品,并使用1%硝酸将最终体积补充至50ml,然后保存用于重金属分析。金属含量以鲜重记录。
进一步的,牛奶样品中设置两组样品,每组12个,一式三份收集,收集后立即用3ml/L甲醛保存。将这些样品放置加热板上在硝酸和高氯酸混合物中消解。在体积达到50ml后,将消化的样品储存,用于重金属分析。
进一步的,大米样本中设置十四个样品,每个样本500克,一式三份。将所有没有外壳的样品用去离子水洗涤,在70℃下烘箱干燥72小时并研磨成细粉。接着,将0.5gm均化的粉末在硝酸和过氧化氢混合物中进行微波炉消解。过滤消解的样品,用1%硝酸补足终体积至50ml并储存用于重金属分析。
进一步的,蔬菜和大米样品分析12种重金属,即As、Cd、Co、Cr、Cu、Fe、Mn、Ni、Pb、Se、V和Zn,而牛奶样品分析10种金属,不包括Cd和V。
进一步的,使用电感耦合等离子体质谱仪进行重金属分析。由此产生的数据库用于验证和校准新提出的重金属污染指数。
进一步的,计算蔬菜/大米/牛奶样品的危险指数HI来校正重金属污染指数HMI:
n是计算HI时考虑的重金属总数,THQ
EDIi是特定金属的估计的每日摄入量,RfDi定义的第i种金属的参考剂量。RfDi的单位是mg/kg体重/天,其表示第i种金属每天每单位kg体重可以安全摄取的量。
EDIi的单位是mg/kg体重/天,其计算如下:
关于蔬菜/大米/牛奶,m
HI>1意味着相应的蔬菜/大米/牛奶可能对消费有害。
所有食品样品:蔬菜、大米和牛奶的HI使用公式8-10计算,这些HI值被用作校准重金属污染指数HMI的参考标准(Pqi,Nqi)。
食品中特定金属的最大允许浓度mac为使食品仍然安全消费的该金属的最高浓度,食品中的危险指数HI和重金属污染指数HMI,是相互关联的。如下所示的多元线性回归模型:
HI=a
本发明提出的一种建立食品质量安全检测样本数据库的方法,基于重金属浓度的指示食品项目中的重金属污染指数,通过使用多个单独的数据库来计算样品的重金属污染指数,对采样的食品进行质量评级。每个重金属污染指数包括一对正指数和负指数。正指数反映了高于最大允许浓度的物质,而负指数代表了低于最大允许浓度物质。重金属污染指数通过多变量线性回归模型与危险指数进行关联,其中危险指数是因变量,重金属污染正指数和负指数是自变量。危险指数指数危险指数用作校准重金属污染指数的参考标准,重金属污染指数独立地对食品中如蔬菜、大米和牛奶中的重金属污染进行质量评级。重金属污染指数只需要重金属浓度,相比现有技术中需要额外的信息,例如摄取率、体重、暴露频率等,判断标准更简单操作。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
- 一种建立食品质量安全检测样本数据库的方法
- 一种高通量准确建立生物样本中甘油三酯LC-MS/MS数据库的方法