Multi-Excitation Front-Face Fluorescence Spectroscopy with Explainable LSTM for Detection of Lymphatic Tissue Adulteration in Ground Beef
本研究表明，将多激发前向荧光光谱技术与可解释的长短期记忆网络（LSTM）相结合，能够有效检测并量化不同商业条件下碎牛肉中的淋巴组织掺假问题，尽管存在脂肪含量、氧化程度及肌肉类型的差异，仍实现了极高的预测准确率与特异性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
食品供应链的完整性依赖于对包装内含物的精确了解。当碎牛肉出售时，法规和消费者信任都要求它仅包含骨骼肌，即我们预期的食用肉类。然而，肉类工业面临着一个持续存在的挑战：淋巴组织的意外或欺诈性掺入。淋巴结是动物免疫系统的一部分，作为过滤器，可能携带细菌和病原体。与肌肉不同，它们被归类为内脏，不宜供人类食用。一旦这些组织被磨碎并混合到牛肉批次中，肉眼便无法察觉。传统的检测方法，如 DNA 检测，既缓慢、昂贵又具有破坏性，这使得在屠宰场检查每一批移动中的肉类变得不切实际。科学家们长期以来一直在寻找一种基于光的快速替代技术。通过向样本照射光线并测量其反射出的荧光，研究人员可以检测出特定的分子，这些分子充当了化学指纹。这种被称为荧光光谱技术的方法可以揭示肉眼难以察觉的成分细微差异，为快速且无损地发现污染提供了一种潜在途径。
一组研究人员致力于解决检测隐藏在碎牛肉中的淋巴组织的特定问题。他们知道，简单的光照测试会遇到困难，因为碎牛肉是一个复杂的混合物，脂肪含量、氧化程度以及肌肉切割类型都会改变肉类的发光方式，从而往往会模拟出污染的信号。为了消除这种干扰，他们开发了一种使用四种不同颜色的光来探测肉类的方法，而不是仅用一种颜色。他们将这种多色光方法与一个旨在学习模式的高级计算机程序相结合，类似于人类大脑通过观察许多特征来识别一张脸。研究人员从五个不同的商业屠宰场收集了大量的牛肉样本，涵盖了三种牛品种、两个年龄组以及各种肉类切割方式。他们创建了数百个测试批次，将纯牛肉与精确量的淋巴组织混合，比例从完全没有到纯淋巴组织不等，以此来教导他们的系统什么是真实的污染。
他们的核心发现在于不同组织对光的反应方式。当研究人员将特定波长的光照射到样本上时，他们发现淋巴组织和肌肉组织讲述了截然不同的故事。肌肉组织富含某些蛋白质，在一种特定的光色下会发出明亮的荧光；而淋巴组织则缺乏这些蛋白质，但富含其他与能量生产和免疫活动相关的分子，这些分子在不同的光色下发光。通过使用四种不同的光设置测量肉类，系统可以观察到一种独特的模式：肌肉特有的荧光下降，而淋巴特有的荧光上升。这种信号组合构成了一个明确的污染特征。计算机模型学会了综合权衡这些变化，使其能够区分实际的淋巴组织与脂肪或水分等其他因素，后者可能会改变光反射，但不会产生这种特定的化学模式。
结果表明，这种方法非常有效。当在计算机从未见过的屠宰场牛肉样本上进行测试时，该系统能够以高度置信度准确预测淋伽组织的含量。它成功检测到了处于监管阈值水平的污染存在，能够区分纯牛肉和混合了少量淋巴结的牛肉。然而，研究人员澄清说，虽然该方法可以检测接近 2% 水平的掺假，但目前尚不支持在该浓度下的可靠定量。研究人员还证明，使用多种颜色的光是成功的关键。当他们尝试仅使用大多数先前研究所依赖的单一传统光色时，系统变得混乱，会将脂肪或水误认为污染。只有通过结合四种不同的光信号，模型才能保持准确并避免误报。这证实了改进来自于数据的采集方式，而不仅仅是来自计算机程序的复杂性。
为了确保发现是真实的而非计算机产生的伪影，团队将其结果与实际的化学测试进行了对比。他们测量了计算机识别为重要的特定分子，并发现化学水平与计算机的预测完美吻合。当计算机显示肌肉蛋白减少且免疫相关分子增加时，实验室测试确实证实了这一点。这种交叉验证为研究人员提供了强有力的证据，证明其方法观察到的是真实的生物学污染。他们确定，该方法可以检测到低至 1.8% 水平的淋巴组织存在，这低于监管机构通常开始担忧的阈值。然而，虽然该系统在发现污染是否存在方面表现出色，但在达到约 6% 时才能可靠地给出精确数值。
这项研究表明，一种相对简单的、非破坏性的光扫描可以作为强大的食品安全筛查工具。它为屠宰场提供了一种快速检查大批量碎牛肉中是否存在特定且危险的掺杂类型的方法，而这种掺杂此前一直难以捕捉。虽然该技术在测量极微量物质的绝对精度方面尚不完美，但它足以标记出可疑批次以进行更详细的后续测试。研究人员指出，该系统在不同农场和牛品种之间表现良好，表明它可以适应现实世界的应用。这项工作强调，通过多维度的视角而非单一视角来看待问题，科学家可以揭示那些曾经隐藏在复杂生物数据噪声中的解决方案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。