综述：食品蛋白质氨基酸分析技术的进步

Chitra Sivakumar | Sristi Mundhada | Anup Dey | Mohammad Nadimi | Elham Salimi | Jitendra Paliwal
曼尼托巴大学生物系统工程系，加拿大曼尼托巴省温尼伯市，R3T 2N2

**摘要**
准确测定食品蛋白质中的氨基酸对于评估蛋白质质量、营养价值和膳食充足性至关重要。随着植物性蛋白质消费量的增加以及氨基酸在人类健康中的重要作用，对准确、高通量和可重复的分析技术的需求也在不断增长。然而，许多金标准技术耗时、劳动密集且成本高昂，这限制了它们在高通量分析中的应用。因此，食品蛋白质行业迫切需要快速、精确的氨基酸表征方法。开发此类工具需要清晰全面地了解现有技术和正在发展的新兴方法。本综述全面探讨了用于氨基酸测定的色谱法、光谱法和生物传感器技术。由于具有高灵敏度和可重复性，色谱法仍然是精确量化的基准方法，尽管它需要大量的样品制备和较长的分析时间。光谱法能够实现快速、通常是非破坏性的高通量分析，但基质干扰和光谱重叠仍然是主要挑战。生物传感器将选择性生物识别元件与换能器结合，为复杂食品基质中的便携式、实时、现场监测提供了新的解决方案。通过综合当前方法、分析其局限性并指出研究空白，本综述为开发高效、可持续的下一代食品蛋白质氨基酸分析平台提供了框架。

**1. 引言**
氨基酸是构成所有生物体蛋白质的基本有机化合物。从生理学角度来看，氨基酸对人类健康至关重要，既具有结构作用也具有调节作用。它们是蛋白质合成的主要底物，支持组织和器官的生长、修复和维护。除了结构作用外，氨基酸还是神经递质（例如色氨酸生成的血清素）和激素（例如酪氨酸生成的甲状腺激素）的前体，从而影响许多生化过程（Wu, 2009）。某些氨基酸（如亮氨酸）对刺激肌肉蛋白质合成至关重要，而精氨酸则有助于氨的解毒（Layman, 2003, Wu, 2009）。必需氨基酸的缺乏会损害生长、免疫和代谢稳态，这突显了适当膳食摄入的重要性（Ling et al., 2023）。
蛋白质由20种不同的氨基酸组成，其中9种被认为是必需的。必需氨基酸（如组氨酸、异亮氨酸、亮氨酸、赖氨酸、甲硫氨酸、苯丙氨酸、苏氨酸、色氨酸和缬氨酸）无法由人体自身合成，因此必须通过饮食获取。其余氨基酸虽然被归类为非必需或可替代的，但仍然对蛋白质合成是必要的，并且可以通过各种生化过程由人体产生（Barrett, 2000, Rutherfurd and Moughan, 2012）。动物蛋白（如肉类、家禽、鱼类、鸡蛋和乳制品）通常提供适合人类需求的所有必需氨基酸。例如，牛奶中的乳清蛋白含有高浓度的亮氨酸，这种氨基酸对肌肉蛋白质合成至关重要（Rieu et al., 2007）。同样，鸡蛋蛋白因其出色的氨基酸组成和高消化率而常被视为蛋白质质量的黄金标准（Layman & Rodriguez, 2009）。相比之下，大多数植物蛋白缺乏一种或多种必需氨基酸，因此属于不完全蛋白质。例如，谷物通常缺乏赖氨酸，而豆类则缺乏半胱氨酸和甲硫氨酸等含硫氨基酸。然而，通过结合不同的植物来源（如大米和豆类），可以实现完整的氨基酸组成（Sá et al., 2020）。
氨基酸有两种形式：游离氨基酸和结合在蛋白质中的氨基酸，这两种形式在功能和分析要求上有所不同。游离氨基酸以未结合分子的形式存在于食品基质中，直接影响味道、风味发展和代谢活动；而结合在蛋白质中的氨基酸则主要贡献于蛋白质的营养和结构特性。分析这两种形式需要不同的方法：游离氨基酸通常可以通过简单的样品制备直接测量，而结合在蛋白质中的氨基酸通常需要水解或酶促消化以释放单个氨基酸后再进行定量。因此，区分这两种形式对于选择适当的分析方法以及准确解释食品系统中的组成和功能数据至关重要（EAKER, 1970, Synge, 1955, Wu et al., 2016）。
氨基酸的定量和定性测定是评估蛋白质质量的核心。准确的氨基酸分析可以提供关于氨基酸平衡、蛋白质消化率和与人类营养及食品配方相关的代谢途径的关键信息（Rao & Poonia, 2023）。随着消费者对高蛋白和功能性食品需求的增加，能够快速、准确且经济高效地检测氨基酸的分析技术在研究和工业领域变得越来越重要。此外，由于消费者对植物性蛋白质的兴趣增加，对其氨基酸组成的准确表征（这些蛋白质的氨基酸组成往往不完整且不如动物蛋白）受到健康食品行业的高度重视。
为了提高氨基酸测定的灵敏度和特异性，人们从传统的生物和化学检测方法转向了更先进的仪器技术。早期研究（1940-1960年）表明，微生物的生长反应直接受到特定氨基酸在培养基中可用性的影响（Snell, 1945; (1945)），这促使了基于微生物生长的氨基酸定量方法的发展。尽管这些方法能够进行定量分析，但其局限性包括低特异性和基质干扰。另一方面，基于 ninhydrin 的比色法等化学方法通过与游离氨基反应实现快速检测，但选择性差且重复性不佳（Sun et al., 2006）。后续的发展集中在通过水解释放氨基酸，然后进行色谱分离和定量（Gehrke et al., 1985）。色谱技术的引入，特别是离子交换色谱（IEC）和高性能液相色谱（HPLC），标志着重大突破，提供了更好的分辨率和单个氨基酸的定量能力。这些方法仍然是复杂食品基质组成分析的基准。气相色谱（GC）虽然主要适用于挥发性衍生物，但也对理解与氨基酸相关的风味前体和降解途径做出了重要贡献。尽管色谱方法具有高准确性，但它们通常需要衍生化处理、较长的分析时间以及熟练的操作要求，这促使人们寻找更快捷的替代方法（Kaspar et al., 2008）。
为了补充色谱法，人们广泛探索了紫外-可见光（UV-Vis）、荧光、振动光谱、核磁共振（NMR）和质谱（MS）等光谱技术。这些方法可以实现快速、通常是非破坏性的检测，并能揭示组成和结构信息。例如，UV-Vis 和荧光光谱常用于监测氨基酸衍生物或内在芳香残基；而振动光谱则提供了关于蛋白质构象动态和二级结构的见解。NMR 光谱和基于 MS 的技术提供了无与伦比的分子级分辨率和灵敏度，支持靶向和非靶向的氨基酸分析。然而，这些方法需要昂贵的仪器、专业技能，并可能受到复杂食品基质中的基质干扰。尽管如此，它们与化学计量学和多变量分析的结合扩展了其在质量控制、认证和过程监测中的应用（Hassan et al., 2025, Kaspar et al., 2008, Kolev et al., 2008）。
近年来，生物传感器技术作为一种有前景的替代方法出现，填补了实验室分析精度与现场应用之间的差距。生物传感器将生物识别元件（如酶、适配体或分子印迹聚合物（MIP）与换能器结合，将生化相互作用转化为可测量的电信号或光信号。例如，电化学生物传感器利用安培法或电位法基于氨基酸氧化酶或脱氢酶催化的氧化还原反应来定量氨基酸；光学生物传感器则利用荧光、表面等离子体共振或比色检测实现无标记的实时监测。它们的主要优点包括便携性、低试剂消耗以及潜在的现场或在线食品分析能力。然而，生物传感器经常面临稳定性、重复性和复杂食品基质引起的干扰问题（Dinu and Apetrei, 2022, Viswanathan et al., 2009, Yousefi et al., 2019）。
现有分析平台的多样性表明，没有一种技术能够满足所有分析需求。色谱法提供最高的定量准确性，光谱法提供快速和非破坏性分析，而生物传感器实现实时、用户友好的操作。选择哪种技术取决于分析目标、样品类型和所需的灵敏度。例如，研究应用可能优先选择液相色谱-质谱（LC-MS）进行全面的氨基酸分析，而工业应用可能更倾向于使用光谱法或生物传感器方法进行快速质量评估。
尽管已有用于氨基酸分析的色谱法、光谱法和生物传感器技术，但在全面探讨每种方法在氨基酸检测和表征方面的不同方面及其实际应用方面仍存在不足。许多金标准技术虽然可靠，但往往耗时、劳动密集，或不适合高通量、实时或现场分析等现代需求。同时，新兴方法也在不断发展，但其进展受到缺乏明确概述现有技术原理、优势和局限性的统一框架的限制。现有文献经常强调个别技术或特定应用，未能充分比较不同方法之间的互补性或它们生成的分析信息类型。这种碎片化的视角限制了针对全面食品质量评估的技术选择。因此，本综述全面分析了色谱法、光谱法和生物传感器技术，强调了每种技术在氨基酸浓度、身份、结构特征、动态行为和功能相互作用方面的互补数据。通过这种方式，它为未来的研究和下一代氨基酸检测方法的发展提供了路线图。以下部分将重点介绍色谱技术，包括其原理、操作和应用。

**2. 氨基酸检测的色谱技术**
**2.1. 概述**
色谱法是测定食品蛋白质中氨基酸的金标准，因为它们具有高分辨率、选择性和多功能性。在食品蛋白质中，氨基酸以游离形式或结合在肽和蛋白质中存在，这会影响营养和感官特性（Peace & Gilani, 2005）。这些氨基酸的精确定量对于评估蛋白质质量、监测食品真实性以及指导营养标签标准至关重要。IEC 是最早的标准化食品氨基酸分析方法，通过使用基于树脂的柱子在受控 pH 值和离子强度下分离氨基酸。柱后 ninhydrin 衍生化处理可实现比色或荧光检测，但该过程耗时且劳动密集（Peace and Gilani, 2005, Yates et al., 2023）。
HPLC 的出现彻底改变了氨基酸分析，提供了更高的分辨率、更快的分析时间和与多种检测器的兼容性（图 1）。HPLC 引入了柱前和柱后衍生化试剂（如邻苯二甲醛（OPA）、9-芴基甲氧羰基氯（Fmoc-Cl）、6-氨基喹诺基-N-羟基琥珀酰亚胺基 carbamate（AQC）和苯异硫氰酸酯（PITC），使非发色氨基酸可以通过 UV 或荧光光谱检测（Custodio-Mendoza et al., 2024, Lestari et al., 2022）。现代进展带来了超高效液相色谱（UHPLC）和液相色谱-质谱（LC-MS/MS）系统的发展，实现了超快分离、最小溶剂使用量和更高的灵敏度。这些技术能够检测多种分析物，并越来越多地应用于食品的营养研究（Fathana et al., 2021, Łozowicka et al., 2021, Mota et al., 2016, Weber, 2022）。尽管 GC 对极性化合物的应用较少，但在风味研究中仍不可或缺（Vilar et al., 2022）。

**2.1.1. 离子交换色谱**
图 2 展示了一个典型的 IEC 示意图。过程首先用缓冲液准备离子交换柱并加载样品，使带电分子与树脂结合。未结合的物质被洗掉，通过改变盐浓度或 pH 值释放结合的化合物。然后收集分离出的组分进行进一步分析。IEC 基于带电分析物分子与树脂固定相上相反电荷的功能团之间的静电吸引。这种离子相互作用的强度取决于分子的电荷、流动相的pH值以及溶液的离子强度。基于分子净表面电荷的差异性结合使得分离成为可能，因为每种成分与树脂的相互作用程度不同。柱后与 ninhydrin 的反应会产生有色衍生物，这些衍生物可以通过分光光度法进行检测。尽管 IEC 系统具有极高的准确性和重复性，但它们需要较长的运行时间（每个样品 1-3 小时）并且需要大量的手动操作，因此正逐渐被更快速的基于 LC 的方法所取代，用于高通量分析（Cummins 等，2017，https://books.google.com/books/about/Column_Chromatography.html?id=jeSgDwAAQBAJ）。下载：下载高分辨率图像（150KB）下载：下载全尺寸图像图 2. 离子交换色谱的示意图。2.1.2. 高效液相色谱（HPLC）HPLC 是食品基质中氨基酸分析最广泛使用的技术，具有高灵敏度、重复性和多功能性。图 3 展示了一个通用 HPLC 系统的示意图。HPLC 根据蛋白质与固定相（通常是填充柱）和流动溶剂的相互作用来分离蛋白质。当样品在高压下通过柱子时，蛋白质由于极性、电荷、大小或结合亲和力的不同而分离。检测可以使用紫外光、荧光或质谱法进行，结合荧光检测器和超灵敏光电二极管阵列系统，可以实现痕量级定量并生成色谱图（Dai 等，2014；Kambhampati 等，2019；Mota 等，2016）。由于大多数氨基酸缺乏强天然发色团或荧光团，因此需要进行衍生化以形成光学活性成分。常用的试剂包括 OPA，它可以产生在 340/455 nm 处可检测的荧光衍生物；Fmoc-Cl，它可以产生稳定的紫外吸收或荧光产物；以及 AQC 或 PITC，它们可以产生适合反相分离的紫外可检测衍生物。方法性能取决于衍生化条件、流动相组成和梯度优化。HPLC 的速度、高通量和检测器的多功能性已经大大取代了传统的 IEC 方法，用于常规氨基酸分析（de Souza 等，2023；Gil 等，2021；Kambhampati 等，2019）。下载：下载高分辨率图像（100KB）下载：下载全尺寸图像图 3. 高效液相色谱的示意图。2.1.3. 气相色谱（GC）虽然 GC 传统上用于挥发性化合物的分析，但在化学衍生化后也具有特定的氨基酸和肽分析应用。图 4 显示了一个通用 GC 的示意图。在这种方法中，氨基酸通过硅基化、烷基化或酯化转化为挥发性、热稳定的衍生物，从而在气相中分离。蒸发的样品由惰性气体（如氦气或氮气）携带通过毛细管柱，在那里分析物根据它们与固定相的差异性相互作用而分离。相互作用较弱的化合物较早洗脱，而相互作用较强的化合物则表现出较长的保留时间，从而实现有效的分辨率。检测通常使用火焰离子化检测或质谱仪（GC-MS – 气相色谱-质谱）进行，后者提供了更高的选择性和结构信息。GC 技术适用于分析发酵和热处理食品中的挥发性氨基酸衍生物，包括对映体。然而，复杂的衍生化和热不稳定氨基酸的降解限制了其更广泛的应用（Peace 和 Gilani，2005；Vilar 等，2022）。下载：下载高分辨率图像（127KB）下载：下载全尺寸图像图 4. 典型气相色谱系统的示意图。2.2. 样品制备和衍生化挑战样品制备仍然是氨基酸色谱中最关键的瓶颈之一，因为食品蛋白质结构复杂且溶解度差异很大（Gunasekaran & Solar，2012）。为了准确定量，需要高效的水解来释放结合在蛋白质中的氨基酸。使用 6 M 盐酸在 110 °C 下进行 24 小时的传统酸水解会导致氨基酸降解和回收不完全，从而导致定量误差（Lamp 等，2018）。水解通常在多个时间间隔进行（例如，6-48 小时）以提高准确性。较短的时间可以减少降解，但可能无法完全释放氨基酸，而较长的时间则会增加降解。不稳定的残留物如色氨酸和半胱氨酸会被降解，而丝氨酸和苏氨酸则部分丢失（Zhang 等，2026）。此外，由于蛋白质结构区域内的肽键断裂缓慢，包括缬氨酸、亮氨酸和异亮氨酸在内的疏水性氨基酸在这些条件下无法完全释放，从而导致低估（Weber，2022）。为了准确测量不稳定的氨基酸，已经采用了额外的预处理步骤。过氧酸氧化用于在水解前将含硫氨基酸稳定为甲硫氨酸砜和半胱氨酸为半胱氨酸（Yobi 等，2023）。色氨酸在酸性条件下会被破坏，可以使用碱性水解单独测定（Ansaf 等，2023）。Rehlund 等人（2025）的一项比较研究发现，酶促水解能够获得更好的氨基酸回收率，有助于天冬酰胺和谷氨酰胺的定量，并改善色氨酸的回收率。为了克服这些缺点，已经开发了现代方法，包括酶辅助水解和超声波辅助水解以及微波辅助消化，以减少反应时间并最小化氨基酸分解（Custodio-Mendoza 等，2024；Fountoulakis 和 Lahm，1998）。衍生化化学在分析精度中也起着关键作用。它通过增加疏水性和引入发色团或荧光团来提高检测能力，尽管它可能会在某些氨基酸中引起信号漂移或不稳定。柱前衍生化提供更高的通量和重复性，而柱后技术则提供更好的反应一致性。衍生化试剂的选择（如 OPA 或 PITC）取决于氨基酸谱型、检测波长和基质特性（Yates 等，2023）。此外，食品中的基质复杂性（如乳制品和谷物）需要使用优化的提取缓冲液和清洁程序，包括固相提取，以最小化共洗脱并提高色谱分辨率（Belarbi 等，2021；Williams 等，2023）。2.3. 应用2.3.1. 乳制品和植物蛋白粉色谱为乳制品和植物蛋白补充剂的质量评估提供了强大的工具。Johns（2021）开发了一种液相色谱-紫外（LC-UV）方法，用于定量牛奶和植物来源蛋白粉中的甲硫氨酸、半胱氨酸和酪氨酸。该方法包括在 3,3′-二硫丙酸存在下的酸水解（6 M 盐酸，110 °C，24 小时），且不需要衍生化。该方法表现出优异的线性（R² > 0.999），甲硫氨酸和酪氨酸的定量限为 25 mg/100 g，半胱氨酸的定量限为 50 mg/100 g，为常规蛋白质质量评估提供了一种稳健且易于使用的方法。Hao 等人（2022）开发了一种基于真实性的方法来检测牛奶中的掺假。他们从胰蛋白酶消化的牛奶蛋白中鉴定出 46 种肽，并使用同位素稀释超高效液相色谱串联三重四极杆质谱（UPLC-TQMS）根据肽的可消化性和牛奶蛋白的稳定性选择了标记肽。使用代表季节和地区变异性的 22 个真实牛奶样品，他们确定了每 100 g 总蛋白中主要牛奶蛋白的真实性阈值 70.26 g。该方法表现出高灵敏度，能够成功检测出仅添加 10% 大豆蛋白的掺假。Vigolo 等人（2022）研究了影响牛奶蛋白组成的因素，包括三种不同的防腐剂（即无防腐剂、过氧化氢、Bronopol 和 Azidiol）、三种冷冻时间（-20°C 的 0、7 和 30 天）以及两种储存温度（5 和 21°C）。结果表明，长时间冷冻会导致蛋白质的非线性降解，储存温度会改变关键的牛奶蛋白组分（κ-酪蛋白、β-酪蛋白、αS1-酪蛋白、β-乳球蛋白和 α-乳白蛋白）。这些色谱方法在乳制品真实性检测中特别有用，可以检测牛奶加工和储存条件下的氨基酸。2.3.2. 水果、蜂蜜和饮料基质针对复杂液体基质（如水果、葡萄酒和蜂蜜），已经开发了高通量 LC 方法。Kelly 等人（2010）报道了一种快速 LC 方法，可以同时测定水果、葡萄酒和蜂蜜中的 24 种氨基酸和生物胺，整个过程（包括柱子重新平衡）在 40 分钟内完成，无需样品清洁。该方法在 0.25-10 mg/L 的范围内得到了验证，重复性和中等精度低于 7% 的相对标准偏差，准确率在 97-101% 之间。定量限从天冬氨酸、谷氨酸、乙醇胺和 γ-氨基丁酸等化合物的 10 μg/L 到酪氨酸、苯丙氨酸、腐胺和尸胺的 100 μg/L 不等。在一项针对‘MicroTom’番茄品种进行的受控 LED 补充研究中，调查了氨基酸动态。使用 LC-MS 和反相色谱以及三重四极杆检测进行了定量。提取、色谱分离和测量了 21 种氨基酸，并监测了对红光和蓝光处理的代谢反应。早晨光照补充显著增强了几乎所有氨基酸的积累，而晚上光照补充增加了几种必需氨基酸和芳香氨基酸，但整体效果较弱（Wang 等，2022a；Wang 等，2022b）。对五种印度芒果品种的非靶向 GC-MS 代谢组学分析鉴定了 95 种代谢物（47 种已注释和 48 种未知代谢物）。主成分分析（PCA）得分用于将品种与味道和氨基酸联系起来。例如，在 PCA 中得分较高的品种（Arumanis 143、Gedong）积累了与甜味相关的氨基酸，如甘氨酸、苏氨酸和酪氨酸，而在 PCA 中得分较低的品种（Lalijiwo、Cengkir Indramayu）则显示出较高水平的酸味和苦味相关氨基酸，如天冬氨酸、谷氨酸和苯丙氨酸（Sato 等，2021）。Loh 等人（2021）研究了益生菌发酵（Lacticaseibacillus paracasei Lpc-37 和 Saccharomyces cerevisiae CNCM I-3856）未加啤酒。使用 UPLC-MS/MS 进行定量，并使用层次聚类分析对氨基酸谱型进行分类。结果表明，未加啤酒的 S. cerevisiae 与 L. paracasei Lpc-37 单培养物的氨基酸谱型不同。此外，他们观察到氨基酸衍生物的增加，特别是支链氨基酸（亮氨酸）和芳香氨基酸（苯丙氨酸、酪氨酸和色氨酸）。L. paracasei Lpc-37 和 S. cerevisiae CNCM I-3856 的单独或协同发酵产生了更高水平的生物活性化合物。2.3.3. 植物和谷物色谱阐明了谷物和豆类中的蛋白质组分组成和氨基酸谱型，为育种和质量评估提供了信息。Balindong 等人（2016）证明，使用 60% n-丙醇和 5 M 醋酸进行优化蛋白质提取，随后进行 HPLC 分析，可以有效区分和定量巴斯马蒂（长粒和中粒）和寿司米品种中的醇溶蛋白和谷蛋白。这些差异与食用品质的变化有关，突显了精确氨基酸谱型在谷物特征分析中的重要性。一种简化的提取方法结合了基于 ninhydrin 的 HPLC 和毛细管等速电泳，能够敏感地定量 12 种无麸质面粉（玉米、燕麦、大豆、大米、南瓜、小米、花生、大麻籽、荞麦、苋菜、豌豆、鹰嘴豆）中的游离氨基酸，与小麦面粉相比。检测到了 14 种氨基酸，包括 L-谷氨酸（豌豆中最高 - 55.7 mg/100 g）、L-甲硫氨酸（豌豆中高达 36.7 mg/100 g）、L-组胺（豌豆中高达 28.3 mg/100 g）、L-缬氨酸（豌豆中 12.3 mg/100 g）、L-赖氨酸（豌豆中 3.76 mg/100 g）、L-色氨酸（大豆中 8.36 mg/100 g）、L-苯丙氨酸（豌豆中 10.5 mg/100 g）、L-酪氨酸（南瓜中最高）和 L-丝氨酸（花生中显著）。Dahl-Lassen 等人（2018）使用 UHPLC-MS 和单四极杆检测器分析了各种植物材料中的氨基酸，如红三叶草、黑麦草、苜蓿、拟南芥种子、菠菜叶、干燥狗粮颗粒以及国家标准与技术研究所（NIST）-1849a 婴儿配方奶粉参考材料。该方法结合了经典的蛋白质水解和衍生化与快速的 UHPLC 分离和单四极杆检测。它实现了 10 分钟的运行时间，提供了与先进昂贵质谱仪相当的精度、准确性和灵敏度。灵敏度至少是荧光或紫外检测的 10 倍。该技术可以处理小至 20 mg 的样品而不损失重复性，实现了高通量、稳健且经济高效的氨基酸谱型分析，适用于游离和水解蛋白质。这样的色谱分析通过提供可重复的定量氨基酸数据，指导品种选择、加工决策和营养标签。2.3.4. 肉类和加工食品色谱解决了肉类和加工产品中的胶原蛋白标记物和挥发性风味前体。Messia 等人（2008）结合了微波辅助水解（20 分钟）和高性能阴离子交换色谱以及脉冲安培检测，用于定量肉类和肉制品（如香肠）中的 4-羟脯氨酸，这是一种胶原蛋白生物标志物。该方法将水解时间从 24 小时缩短到 20 分钟，同时保持了高精度（相对标准偏差 0-6.4%），并且不需要使用柱前或柱后衍生化和无毒洗脱剂。在另一项研究中，Corral 等人（2016）研究了干发酵香肠中气味活性硫和氮化合物的形成。他们的研究将含硫氨基酸（甲硫氨酸和半胱氨酸）和硫胺素的降解与挥发性化合物的生成联系起来，例如甲硫氨酸转化为甲硫醛，硫胺素转化为 2-乙酰-1-吡咯啉，半胱氨酸转化为乙基吡嗪。通过使用溶剂辅助的香味蒸发技术结合气相色谱-质谱（GC-MS）分析、氮磷检测、火焰光度检测和嗅觉测量法，研究人员鉴定出了17种与烹饪土豆和坚果香气等感官特征相关的挥发性化合物。这项工作强调了加工过程中蛋白质水解产生的游离氨基酸的代谢重要性。这些色谱策略揭示了蛋白质水解、氧化和美拉德反应的生化途径，这些途径在加工过程中影响了食品的质地和香气。

2.4. 先进的联用色谱技术及新兴技术
色谱技术与光谱检测方法的结合使得氨基酸分析的灵敏度和分析通量得到了显著提升。其中，液相色谱与串联质谱（LC-MS）和液相色谱高分辨率质谱（LC-HRMS）在食品化学和代谢组学领域尤为著名（Weber, 2022; Zhao et al., 2021）。这些系统支持靶向和非靶向检测，能够实现低于5 ppm的质量精度（Wang et al., 2021a, Wang et al., 2021b）。LC-MS/MS通过多反应监测技术，根据独特的碎片化模式对分析物进行筛选，从而提高定量准确性（Li et al., 2023）。这对于区分同位素氨基酸、修饰衍生物和降解产物至关重要，尤其是在发酵食品、蛋白质水解物和热处理样品等复杂基质中（Kim et al., 2025, Zhan et al., 2023）。
新兴的色谱技术进一步扩展了这些功能，能够在分离过程中直接进行结构鉴定。液相色谱-核磁共振（LC-NMR）和液相色谱-红外（LC-IR）代表了直接分子表征方面的进展（Baviskar et al., 2022）。例如，LC-NMR可以在不进行预先分离或结晶的情况下，实时获取色谱洗脱物的质子和碳谱（Kamal et al., 2021, Menard and Schug, 2025）。这种方法可用于鉴定未知的氨基酸衍生物（Pérez-Victoria et al., 2022）、美拉德反应中间体（Hammerl et al., 2021）以及功能性食品中的微量生物活性肽（Almoselhy et al., 2025）。同样，LC-IR能够提供振动指纹图谱，有助于区分结构略有差异的氨基酸，尤其是在分析储存或氧化的食品样品时。通过液相色谱获得的蛋白质分子量分布变化可以用来衡量蛋白质的氧化程度。食品的酸败或酸度通常通过红外光谱（IR）来检测，红外光谱可以检测脂质氧化的副产物（Geng et al., 2023）。
可持续性的日益重要性促使了“绿色色谱”的发展，这类技术旨在通过减少溶剂使用、开发芯片实验室柱、降低流动相毒性以及采用生物衍生溶剂来减少分析工作对环境的影响（Agrawal et al., 2022, Peyrin and Lipka, 2024）。微液相色谱（micro-LC）和纳液相色谱（nano-LC）系统的流速为每分钟微升级别，大幅降低了溶剂消耗量，同时保持了色谱效率（Fedorenko and Bartkevics, 2023, Jesús et al., 2025）。为了减少人为错误，这些系统配备了自动化样品制备技术，如在线固相萃取、使用填充吸附剂的微萃取和数字溶剂输送泵（Gallardo et al., 2025）。
与数字工作流程的集成扩展了先进色谱系统的应用范围。现代液相色谱平台现在集成了机器学习算法，用于峰识别、基线校正和光谱反卷积。这些计算功能对于大规模食品真实性检测非常有用，特别是在需要快速检测掺假或蛋白质降解标志物的情况下。此外，联网的色谱仪器便于远程监控、实时质量保证和集中数据存储（Ali et al., 2025, Balamurugan et al., 2025, Das and Kenneth, 2025）。
然而，先进的联用色谱系统也存在一些局限性，包括维护成本、操作培训和标准化问题。基质效应在LC-MS工作中仍然是一个持续存在的问题，例如离子抑制、加合物形成以及碳水化合物和脂质的共洗脱（Eddahby et al., 2025）。此外，微液相色谱和纳液相色谱系统在处理粘稠或富含颗粒的基质时容易出现柱堵塞、背压不稳定和灵敏度下降的问题（Amir Hamzah et al., 2025）。这些挑战凸显了在标准化工作流程、提高微流控系统耐用性以及更深入整合基于机器学习的光谱校正和峰反卷积工具等方面持续发展的必要性。

2.5. 色谱技术总结
由于出色的精确度、重现性和对复杂基质的适用性，色谱技术仍然是食品系统中氨基酸分析的基石。IEC、HPLC和GC等方法通过使用先进的检测器和衍生化策略，实现了更快的分离速度、更高的自动化程度和更强的灵敏度。表1总结了各种色谱技术。最近的创新强调了更环保的分析实践，包括减少溶剂使用和微型化柱系统，这与可持续发展目标相一致。然而，色谱方法通常需要复杂的样品制备、衍生化步骤和较长的分析时间，这可能限制了其在高通量或现场食品监测中的应用。为了解决这些问题，光谱技术作为一种高效、经济且互补的方法应运而生，适用于复杂食品基质中的氨基酸分析。在下一节中，将讨论各种光谱技术的原理、工作原理和应用。

表1. 色谱技术总结
| 技术 | 样品制备复杂性 | 灵敏度（LOD, µg/mL） | 通量 | 适用基质 | 相对成本 |
|---------------|------------|--------------|--------|---------|
| IEC | 高 | 酸水解（6 M HCl, 6-24 h），中和，过滤，缓冲液稀释 | 1-5 | 所有水解蛋白质 | 低 |
| HPLC（UV/FLD） | 中 | 酸水解±衍生化（OPA/Fmoc-Cl），过滤（0.22 µm），稀释，内标 | 0.1-1.0 | 所有水解蛋白质 | 中 |
| GC-MS | 高 | 酸水解，衍生化（硅烷化、烷基化或酯化），干燥，溶剂萃取 | 0.5-2 | 发酵或挥发性氨基酸 | 高 |
| LC-HRMS / LC-NMR/LC-IR | 变化较大 | 最小化制备或水解（取决于基质），过滤/离心，稀释，内标 | 0.01-0.1 | 特殊食品 | 非常高 |

3. 光谱技术
3.1. 光谱检测概述
光谱技术在氨基酸和食品蛋白质分析中受到越来越多的关注，因为它们能够提供快速、无损且信息量丰富的分子洞察，且样品制备要求较低。尽管色谱方法仍然是精确量化的基准，但光谱方法通过实现原位、实时分析提供了互补的优势。它们提供了关于分子结构、构象变化和物理化学相互作用的宝贵信息，有助于评估多组分系统和食品真实性的质量保证。
光谱学是一组研究电磁辐射与物质相互作用的分析技术，用于揭示分子的组成和结构。光谱仪测量分子在特征波长下的吸收、发射或散射光的情况，从而生成反映其化学和物理性质的光谱。典型的光谱装置包括光源、波长选择器（如单色仪）、样品架和检测器。紫外光谱（UV-spectroscopy）是最早用于食品分析的光谱技术之一。图5展示了紫外光谱仪的示意图。首先，样品被光源照射，以确保在整个波长范围内辐射功率恒定。然后光通过单色仪，单色仪从宽光谱中选择出一窄波段。通常使用棱镜或衍射光栅作为单色仪。接着，单色光穿过放置在样品架中的样品。样品架通常由石英或熔融石英制成，因为这些材料允许紫外线和可见光的透过。最后，透过的光到达检测器，被转换成电信号并测量为吸光度。这些光谱特征提供了关于分子特征（如官能团和浓度）的定性和定量信息，从而能够准确识别和分析食品系统中的氨基酸和其他生物分子（Karoui and Blecker, 2010, Mandru et al., 2023）。
在食品蛋白质分析中，光谱技术被广泛用于评估蛋白质含量、氨基酸组成和蛋白质功能。这些方法包括紫外-可见光谱（UV-Vis spectroscopy），它通过测量发色团的电子跃迁来量化蛋白质和特定氨基酸（Mandru et al., 2023）；荧光光谱（Fluorescence spectroscopy），利用内在或外在荧光团研究蛋白质相互作用、构象变化和热稳定性（Karoui, 2018）；红外光谱（IR spectroscopy），包括中红外（MIR）和近红外（NIR），通过探测振动跃迁来评估二级结构、官能团和组成属性（Wang & Paliwal, 2007）；拉曼光谱（Raman spectroscopy）和表面增强拉曼光谱（SERS），提供用于结构表征和微量检测的振动指纹图谱（Findlay et al., 2025）；以及核磁共振光谱（NMR spectroscopy），提供关于分子动力学、水合和结构组织的详细信息（Parlak & Guzeler, 2016）。这些技术结合化学计量学或多变量工具，可以提供定量和定性的分析结果，对于评估食品质量、真实性和蛋白质功能至关重要。
以下部分将概述用于分析食品蛋白质的光谱技术。

3.2. 光学光谱
3.2.1. 紫外-可见光谱（UV-Vis spectroscopy）
紫外-可见光谱是一种广泛用于测定总蛋白质含量以及定量200至800纳米波长范围内特定氨基酸的技术。其原理基于芳香族残基（主要是色氨酸、酪氨酸和苯丙氨酸）的电子跃迁，这些残基在大约280纳米处有强烈的吸收。传统的蛋白质测定方法（如Biuret、Bradford和Lowry法）通过测量涉及肽键或氨基团的化学反应引起的吸光度变化来进行分析。对于单个氨基酸，使用 ninhydrin 或 AQC 等试剂进行衍生化后可以实现直接的光学检测和定量分析。虽然紫外-可见光谱快速、简单且经济，但其灵敏度可能受到基质浑浊度、重叠发色团和氧化的影响，尤其是对于低丰度氨基酸。此外，其适用范围主要限于少数芳香族氨基酸。因此，单独使用紫外-可见光谱可能无法提供全面的氨基酸谱型分析，这限制了其替代色谱方法的能力。将紫外-可见检测与色谱分离技术（如HPLC和UHPLC）结合使用，可以提高特异性和灵敏度，从而实现更可靠的定量。这种组合在通量和分析精度之间取得了平衡，使其成为食品蛋白质和氨基酸分析中的多功能工具（Mandru et al., 2023, Schmid, 2001）。

3.2.2. 荧光光谱（Fluorescence spectroscopy）
荧光光谱具有高灵敏度和选择性，特别是对于芳香族氨基酸（如色氨酸和酪氨酸）。内在荧光可以检测蛋白质局部微环境的细微构象变化。使用外来探针（如丹磺酰氯和FITC）可以扩展动态范围，便于在复杂食品基质中的分析（Lakowicz, 2006）。荧光光谱特别适用于监测氧化修饰、蛋白质变性和乳制品及肉制品中的聚集现象。其高信噪比和前端测量能力使其适用于不透明或浑浊的样品，实现快速、无损的分析（Hougaard et al., 2013, Karoui, 2018）。然而，与紫外-可见光谱类似，荧光技术仅适用于少数天然荧光氨基酸，通常需要标记或衍生化才能扩大应用范围，这可能会增加复杂性并降低通量。这些特性使得荧光光谱成为质量控制、过程监测和多种食品应用中蛋白质功能表征不可或缺的工具。

3.2.3. 振动光谱（Vibrational spectroscopy）
振动光谱包括近红外光谱（NIR）和中红外光谱（MIR）以及拉曼光谱（Raman spectroscopy），用于表征氨基酸和蛋白质的分子振动。蛋白质区域的吸收特征（1500-1700 cm⁻¹，特别是酰胺I（约1650 cm⁻¹）和酰胺II（约1550 cm⁻¹）带）提供了关于蛋白质二级结构及其与氨基酸组成关系的宝贵信息（Carbonaro & Nucara, 2010）。通过应用多变量分析等化学计量学技术，这些光谱可以转化为功能属性、蛋白质和氨基酸含量的预测模型，从而减少对传统湿化学方法的依赖（Sahar et al., 2019）。近红外光谱适用于需要快速、无损分析的大规模食品样品，适用于在线或现场质量监测，因为它可以快速估计水分、蛋白质和整体组成。然而，近红外光谱的空间分辨率相对较低，穿透深度有限，这可能限制其在异质样品中的有效性。另一方面，中红外光谱在需要更高分子特异性时更为适用，因为其基本振动带可以更准确地识别官能团并提供详细的化学谱型。实际上，近红外光谱适用于常规筛查，而中红外光谱则适用于目标氨基酸、蛋白质或结构表征的精确分析。当与回归或分类模型或其他机器学习算法结合使用时，近红外和中红外光谱可以准确预测牛奶、谷物、豆类和复合食品中的氨基酸和蛋白质谱型，支持食品加工中的高通量质量评估（ElMasry et al., 2012, Mundhada et al., 2022, Sivakumar et al., 2022, Sivakumar et al., 2025）。然而，这些方法严重依赖于针对特定食品基质的稳健校准模型，如果没有适当的校准数据集，就无法进行准确的分析。此外，强烈的基质效应，包括光谱特征的重叠、浑浊样品中的光散射以及色素或其他代谢物的干扰，会使得定量解释变得复杂，并需要大量的预处理。拉曼光谱是一种快速、非破坏性的振动技术，它通过检测激光光与样品相互作用时产生的独特分子振动来工作。由此产生的散射光会产生与特定化学键相对应的特征光谱峰，从而实现对蛋白质、脂质和碳水化合物的直接、无标记分析。拉曼光谱中的蛋白质相关振动带反映了分子结构，允许评估二级结构和构象变化（Rygula等人，2013年）。值得注意的是，近红外光谱依赖于偶极矩的变化，而拉曼光谱依赖于分子极化率的变化；因此，这两种技术提供了互补的、非冗余的信息。此外，拉曼光谱非常适合分析水溶液（Cozzolino，2022年；Li-Chan等人，2002年）。

拉曼光谱的一个主要限制是其信号本身较弱，只有大约百万分之一的光子对拉曼响应有贡献。为了解决这个问题，已经开发了诸如表面增强拉曼散射（SERS）、受激拉曼散射、相干反斯托克斯拉曼散射和共振拉曼光谱等增强策略，这些策略可以将信号放大几个数量级，从而能够检测到痕量级的氨基酸和蛋白质（Cozzolino，2022年；Zong等人，2018年）。尽管有这些进步，但荧光干扰、样品加热以及增强基底的可变性（例如在SERS中）等问题仍可能影响重复性并限制其常规应用。最近的研究进一步将拉曼光谱和SERS与多元统计方法（包括主成分分析（PCA）和线性判别分析（LDA）相结合，用于识别食品掺假、确定蛋白质含量以及监测热或氧化变化（Liu等人，2020a；Liu等人，2020b；Wang等人，2021a；Wang等人，2021b）。这种分子光谱与先进数据分析的结合代表了食品分析中的现代、强大的方法，将高维光谱数据转化为支持真实性验证和质量保证的有意义的生化信息。

3.2.4 核磁共振
核磁共振（NMR）光谱通过测量原子核在磁场中的弛豫行为，提供了关于蛋白质组成、结构和相互作用的分子级见解。它能够研究液体和固体食品系统中的蛋白质水合作用、构象动态和分子流动性。时域质子NMR（TD ¹H NMR）有助于监测食品加工过程中的水分分布和相变，例如烘焙或肉类凝胶形成（Pycarelle等人，2020年；Riley等人，2022年；Zheng等人，2021年）。高分辨率NMR能够量化单个氨基酸并识别化学修饰（Ma等人，2025年）。这些测量是非破坏性的，并提供实时信息，补充了传统的色谱和热分析技术。然而，NMR仪器价格昂贵，需要专门的知识，并且通常比质谱法的灵敏度低，这可能限制了其在复杂食品基质中进行痕量分析的应用。当与流变学和显微分析结合使用时，NMR有助于建立分子组织与宏观质地之间的关系，为优化蛋白质功能、提高配方稳定性和增强食品产品的感官和结构质量提供预测框架（Chen等人，2021年；De Kort等人，2017年）。

3.3 质谱
基于质谱的方法虽然通常是破坏性的，但依赖于电离和质量电荷比（m/z）检测。在主要的电离技术中，基质辅助激光解吸/电离（MALDI）和电喷雾电离（ESI）能够对食品蛋白水解物中的氨基酸和肽进行高精度分析（Mamone等人，2009年；Terada等人，2024年）。MALDI-MS产生的肽或游离氨基酸的特征光谱条形码可用于识别和验证复杂食品系统中的蛋白质来源。相比之下，ESI-MS，特别是与UHPLC-ESI-MS/MS结合使用时，能够以极高的灵敏度和选择性同时量化多种氨基酸（Bùi等人，2023年）。例如，最近的UHPLC-三重四极杆质谱工作流程已经能够量化肉类基质中的多达18种氨基酸，用于营养评估（Wang等人，2024年）。基于质谱的分析技术提供了高精度和深入的分析，但需要复杂的仪器和大量的样品制备。此外，基质效应、离子抑制以及方法优化的需求可能会影响定量准确性，特别是在复杂的食品基质中。

3.4 化学计量学和多元数据分析
光谱测量产生高维、多共线数据，需要先进的计算工具进行解释。化学计量学建模技术，包括PCA、偏最小二乘回归（PLSR）、判别分析和新兴的机器学习算法，现在对于从氨基酸相关光谱中提取相关信息至关重要（Hassan等人，2025年；Kang等人，2022年；Leite等人，2025年）。这些方法能够进行模式识别、异常值检测和定量校准，而无需物理分离。例如，PCA可以根据氨基酸指纹对富含蛋白质的食品进行分类（Sivakumar等人，2023年；Sivakumar等人，2024b），而回归模型可以直接从MIR或NIR光谱预测营养指数（Mundhada等人，2022年；Sivakumar等人，2023年）。将机器学习方法（如支持向量机（SVMs）和卷积神经网络（CNNs）结合起来，可以提高对大量样品的预测性能，包括小麦颗粒（Kılıçarslan和Kılıçarslan，2024年；Lingwal等人，2021年；Yasar，2024年；Gorgannejad等人，2026年）。除了量化之外，化学计量学还支持真实性测试、可追溯性和功能预测（Rodionova等人，2024年）。然而，这些方法需要大型、注释良好的数据集来捕捉食品基质之间的变异性，而这样的数据集往往成本高昂且难以获得。此外，仪器之间的校准转移仍然是一个重大限制，这激发了对混合模型和基于云的通用光谱分析框架的兴趣。

3.5 样品制备
食品系统中光谱分析的样品制备方法取决于所使用的技术、食品基质和所需的信息。一些技术，如振动光谱，通常可以直接应用于固体或液体食品样品，几乎不需要任何准备，从而实现快速、非破坏性的原位测量游离氨基酸。例如，全谷物、面粉或均质化乳制品可以在不进行预先提取的情况下进行分析（Su和Sun，2018年；Wu和Sun，2013年），而SERS可能需要将样品沉积在纳米结构基底上以增强信号检测（Findlay等人，2025年）。相比之下，UV-Vis光谱和荧光光谱通常需要将样品溶解或悬浮在适当的溶剂或缓冲液中，以确保均匀性和准确的吸光度或发射测量，从而测量游离氨基酸（Lakowicz，2006年；Mandru等人，2023年）。同样，基于LC-UV或LC-MS的方法通常需要蛋白质提取、水解、衍生化或过滤，以从复杂的食品基质中分离目标蛋白质结合的氨基酸或肽（Lucci等人，2017年）。虽然拉曼光谱具有多功能性，但也可能需要将样品溶解在氘代溶剂中、调整pH值或进行均质化，以便进行液态测量（Cao等人，2021年）。样品制备方法的选择必须平衡分析目标（如速度、灵敏度或结构保真度）与食品基质的复杂性和组成。不充分的样品制备可能会影响光谱质量、重复性和定量准确性。

3.6 应用
3.6.1 谷物和豆类
UV-Vis光谱已被广泛用于分析黑眼豆、班巴拉花生、大豆和非洲黑豆等豆类的蛋白质和氨基酸组成，以及Dika坚果和瓜籽等油籽（Okoronkwo等人，2017年）。近红外光谱在扁豆种子（Hang等人，2022年）、糙米面粉（Xie等人，2023年）和整粒大豆（Kovalenko等人，2006年）的蛋白质和氨基酸分析中显示出强大的预测能力，从而实现了谷物和豆类的快速成分筛选。结合机器学习的MIR光谱也被用于分析豆类混合物、谷物颗粒和伪谷物，准确预测蛋白质含量并区分无麸质和非无麸质样品（dos Santos等人，2025年；Sivakumar等人，2023年；Sivakumar等人，2024a；Sivakumar等人，2025年）。此外，衰减全反射-MIR光谱已被用于表征小麦蛋白质的二级结构，揭示了白蛋白、球蛋白和谷蛋白中α-螺旋和β-转角的主导地位（Nadeak等人，2025年）。

3.6.2 乳制品
荧光光谱已被证明在监测牛奶的热诱导变化方面非常有效。正面荧光被用于预测热处理牛奶中的乳糖形成（Ayala等人，2017年），并根据加工强度对巴氏杀菌牛奶进行分类（Hougaard等人，2013年）。它还被用于研究花青素（如pelargonidin）与乳制品蛋白质之间的相互作用，显示出强烈的静态淬灭和热力学驱动的结合亲和力（Arroyo-Maya等人，2016年）。LC-UV光谱有助于准确量化牛奶蛋白粉中的硫氨基酸（Johns，2021年），而MIR光谱最近被用于预测牛乳中的氨基酸组成，对谷氨酸、亮氨酸和甲硫氨酸等关键氨基酸显示出中等程度的预测准确性（Chu等人，2025年）。

3.6.3 肉类
低场NMR已被用于研究肉糊中的水合作用动态，识别与结合水和游离水相对应的不同弛豫组分以及脂肪的流动性（Shao等人，2016年）。质谱在检测肉制品中的物种掺假方面发挥了重要作用（Zhong等人，2022年）。拉曼光谱已被用于通过跟踪与氨基酸降解和蛋白质变性相关的光谱变化来监测鸡肉的变质（Zając等人，2017年）。

3.6.4 烘焙产品
时域质子NMR（TD ¹H NMR）已成为研究烘焙系统中蛋白质和淀粉转变的宝贵工具。它已被用于监测海绵蛋糕面糊和面包基质中的分子动态，揭示了蛋白质和淀粉在烘焙过程中的从刚性状态到流动状态的转变。含有外源脂质的蛋糕表现出增加的蛋白质聚合和改善的结构，而面包研究显示水分吸收、直链淀粉渗出和支链淀粉熔化显著影响面包内部的结构和质地（Nivelle等人，2019年；Pycarelle等人，2020年）。此外，关于大豆蛋白分离物和小麦面筋混合物的NMR研究将水分分布与粘弹性行为联系起来，为优化面团的弹性和质地提供了见解（Dekkers等人，2016年）。

3.6.5 油籽
UV-Vis光谱已被用于确定Dika坚果、花生、瓜籽和蓖麻籽等油籽中的蛋白质和氨基酸谱型（Okoronkwo等人，2017年）。毛细管电泳与质谱结合使用，已成功检测到橄榄油中仅含2%大豆油的掺假（Sánchez-Hernández等人，2011年）。拉曼光谱也被用于研究在脉冲电场辅助提取下半精炼亚麻籽蛋白提取物的结构变化，揭示了α-螺旋和β-折叠结构的变化（Punzalan等人，2025年）。

3.7 新兴趋势和知识空白
先进的光谱技术，如X射线吸收近边结构（XANES）、扩展X射线吸收精细结构（EXAFS）、电子顺磁共振（EPR）和太赫兹时域光谱（THz-TDS），已成为探测复杂食品基质中分子结构、官能团和动态相互作用的 promising 工具。它们的高灵敏度、非破坏性以及元素或状态特定的分辨率使它们特别适合于准确表征现代食品分析中的氨基酸和蛋白质衍生成分。XANES和EXAFS通过跟踪能量依赖的X射线吸收模式，提供了对特定元素局部化学环境的详细见解。这些技术阐明了氧化状态、配位几何结构、金属-蛋白质相互作用以及影响氨基酸行为、蛋白质构象和营养素生物利用度的微妙结构修饰（Ceko等人，2014年；Clemente等人，2021年；Prange等人，2001年；Schiell等人，2025年；Wojtaszek等人，2025年）。这些信息对于理解加工、储存和强化对氨基酸稳定性的影响至关重要。EPR光谱通过选择性地检测自由基和顺磁中心中的未配对电子，提供了补充视角。这使得EPR非常适合监测热处理、脂质氧化、酶促褐变或储存过程中涉及氨基酸的氧化途径。其捕获瞬态自由基物种的能力，特别是在通过自旋捕获或自旋标记方法增强时，使研究人员能够追踪氨基酸（如半胱氨酸、脯氨酸和丙氨酸）的结构转变和降解途径（Akram等人，2016年；Barba等人，2020年；Escudero等人，2019年；Jiang等人，2018年；Karakirova，2023年；H. Li等人，2021年；Zhang等人，2015年）。这对于富含蛋白质或易受氧化应激影响的食品尤为重要，因为氨基酸的完整性是新鲜度和质量的标志。THz-TDS通过探测低频振动模式（0.1-10 THz），反映了氢键网络、晶体排列和弱分子间相互作用，提供了额外的分析能力。许多氨基酸和肽表现出特征性的太赫兹（THz）吸收信号，这使得它们能够被区分，并能够检测由水合作用、热处理或掺假引起的结构变化（Afsah-Hejri等人，2019；Y. Liu等人，2019；Lu等人，2016；Zhang等人，2025；Zhang等人，2017）。这些光谱特征使得太赫兹时域光谱（THz-TDS）成为快速、无标记评估基于蛋白质的成分和复杂食品系统中氨基酸组成的有前景的工具。尽管取得了这些进展，但在这些光谱方法能够在食品实验室中得到更广泛的常规应用之前，仍存在几个关键问题。强烈的基质效应，包括光谱重叠、来自浑浊样品的散射、色素以及其他代谢物的相互作用，仍然使得定量解释变得复杂，并且通常需要大量的预处理。许多氨基酸缺乏明显的天然光谱特征，因此需要衍生化或间接检测策略，这降低了检测效率。便携式仪器在灵敏度、稳定性和重复性方面目前仍落后于台式系统，而仪器间的差异性限制了校准模型的通用性。缺乏标准化的光谱库、经过验证的参考材料和通用协议也阻碍了研究之间的可比性，并延缓了监管机构的认可。此外，基于机器学习的光谱技术需要大量且注释良好的数据集来涵盖多样的食品基质，但这样的数据集仍然昂贵且难以收集。

3.8. 光谱技术总结
表2比较了各种光谱技术。由于简单性、经济性和与衍生化分析物的兼容性，紫外-可见光（UV-Vis）和荧光光谱仍然是最常用于常规氨基酸检测的方法。振动光谱提供了有价值的结构信息，并能够快速、非破坏性地监测食品加工过程中与蛋白质相关的变化。核磁共振（NMR）光谱提供了无与伦比的结构分辨率和定量能力，但由于操作成本高和分析时间长，更适合研究应用。质谱（MS）具有出色的灵敏度和特异性，即使在复杂的食品基质中也能精确识别和定量氨基酸。然而，它们广泛的样品制备和仪器要求限制了其在工业中的广泛应用。

表2. 各种光谱技术的比较
| 技术 | 原理 | 通常获得的信息 | 样品制备 | 优点 | 局限 | 代表性应用 |
| --- | --- | --- | --- | --- | --- |
| UV–Vis光谱 | 测量特定紫外/可见光波长下氨基酸或衍生物的吸光度 | 需要水解、衍生化（ ninhydrin/OPA）、稀释 | 简单、经济、适合常规分析 | 需要衍生化；在复杂基质中特异性有限 | 水解蛋白质样品中总氨基酸/游离氨基酸的测定 |
| 荧光光谱 | 检测荧光氨基酸或标记衍生物的发射 | 对芳香族氨基酸（色氨酸、酪氨酸、苯丙氨酸）的敏感检测 | 需要水解或提取、衍生化（如需要）、过滤 | 高灵敏度；适合痕量分析 | 监测蛋白质氧化和构象变化 |
| 近红外（NIR）和中红外（MIR）光谱 | 测量与官能团对应的分子振动 | 提供分子指纹和二级结构信息 | 无需或只需少量样品处理 | 快速、非破坏性 | 食品蛋白质的质量控制和成分分析 |
| 拉曼（Raman）光谱 | 检测单色光的非弹性散射 | 氨基酸和肽的结构和构象信息 | 无需或只需少量样品处理 | 非破坏性；适用于水样 | 研究蛋白质折叠、聚集和处理效应 |
| 核磁共振（NMR）光谱 | 探索氨基酸环境中原子核的磁共振 | 结构阐明和定量分析 | 需要提取（水/有机）、溶剂交换（D₂O）、pH调整 | 高度特异性，提供分子级别的信息 | 氨基酸组成和代谢物分析 |
| 质谱（MS） | 测量离子化分子的质荷比 | 精确的分子质量和结构确定 | 需要水解或提取、纯化（固相萃取）、衍生化（可选） | 高灵敏度、特异性和多重检测能力 | 食品中游离和结合氨基酸的识别和定量 |

3.8. 光谱技术总结

表2比较了各种光谱技术。由于简单性、经济性和与衍生化分析物的兼容性，紫外-可见光（UV-Vis）和荧光光谱仍然是最常用于常规氨基酸检测的方法。振动光谱提供了有价值的结构信息，并能够快速、非破坏性地监测食品加工过程中与蛋白质相关的变化。核磁共振（NMR）光谱提供了无与伦比的结构分辨率和定量能力，但由于操作成本高和分析时间长，更适合研究应用。质谱（MS）具有出色的灵敏度和特异性，即使在复杂的食品基质中也能精确识别和定量氨基酸。然而，它们广泛的样品制备和仪器要求限制了其在工业中的广泛应用。

4. 基于生物传感器的技术
4.1. 生物传感器在氨基酸检测中的应用概述
生物传感器是一种分析设备，它将生物识别元件（生物受体）与换能器和信号处理组件结合在一起，将生化相互作用转换为可测量的输出（例如电信号、光信号或机械信号），如图6所示。生物传感器通过目标分析物与生物受体（如酶、适配体或分子印迹聚合物）的相互作用来检测目标分析物，从而提供高特异性。这种相互作用通过换能器转换为可测量的信号，可以是电信号（基于电荷或电阻的变化）、电化学信号（基于电流、电压或与参比电极的电阻变化）或光信号（基于吸光度、荧光或折射率的变化）。处理后的信号由板载处理器使用校准或嵌入式算法进行放大和解释。最终，处理后的数据显示在数字界面或智能手机上，实现快速、用户友好的检测。在食品蛋白质中检测氨基酸的背景下，生物传感器具有几个关键特点，包括高选择性（通过生物受体）、快速响应、微型化潜力以及便携性。此外，它们非常适合原位或现场检测，这在蛋白质质量和食品真实性测量中越来越受到重视（Malik等人，2023a）。

与传统的色谱或光谱方法不同，生物传感器提供了更简化的替代方案。它们能够快速筛选、实时监测并在蛋白质水解物或食品提取物中检测特定的氨基酸或其衍生物。例如，黄曲霉素是一种由真菌在次级代谢途径中产生的多酮化合物，已经使用光学生物传感器检测到（Eyvazi等人，2021）。尽管生物传感技术发展迅速，但其在食品系统中检测氨基酸的应用仍然有限。大多数现有的生物传感器是为监测农药、毒素、病原体和生物胺等食品污染物而开发的，其中生物识别和信号转导的基本原理已经确立。这些平台通常采用酶基、适配体基或分子印迹聚合物（MIP）识别元件与电化学或光学换能器结合的方法，这些方法可以有效适应氨基酸分析（Bunney等人，2017；Eyvazi等人，2021；Malik等人，2023a；Turasan等人，2021）。以下部分根据1）关键的生物识别元件和2）氨基酸检测的转导机制对生物传感器进行分类，并讨论了其在食品蛋白质分析中的新兴应用。

4.2. 生物识别元件
生物识别元件，也称为生物受体，是生物传感器的关键组成部分，确保与目标分析物的选择性相互作用。它通过强而选择性的结合提供准确检测所需的特异性。各种生物识别元件，包括酶、抗体、适配体和分子印迹聚合物，表现出不同的特性，这些特性影响生物传感器的性能。理解这些特性对于设计可靠和灵敏的检测系统至关重要（Morales和Halpern，2018；Ravina等人，2022）。然而，只有少数生物识别元件在实际应用中显示出检测食品系统中氨基酸的能力。以下部分根据它们的特异性、稳定性和与复杂食品基质的兼容性探讨了最合适的选项。

4.2.1. 基于酶的识别
基于酶的生物传感器利用特定的酶作为生物识别元件来催化与目标氨基酸的反应。常见的例子包括氨基酸氧化酶和脱氢酶，它们选择性地与L-谷氨酸、L-苏氨酸、L-脯氨酸和L-酪氨酸等残基相互作用（García-Guzmán等人，2018；Pu等人，2025；Tang等人，2022）。酶促反应产生的产物可以通过电化学或光学方法检测到。其优点包括高特异性和快速响应时间，尽管酶的稳定性可能受pH值、温度和基质成分的影响。在电极或膜上的固定化策略可以提高重复使用性和与复杂食品提取物的兼容性（Cheng等人，2023）。

4.2.2. 基于适配体的识别
基于适配体的生物传感器利用短的单链DNA或RNA序列，这些序列折叠成特定的三维结构，从而选择性地与目标氨基酸结合。结合会引起构象变化，这些变化被转换为可检测的光学或电化学信号，如光诱导的电子转移、荧光共振能量转移或激发态分子内质子转移。与酶相比，它们具有更高的稳定性（在各种pH值和盐浓度下仍然有效）、易于合成和成本较低。挑战包括来自复杂食品基质的干扰、非特异性结合以及需要在可变的食品加工条件下优化性能（Wang等人，2022a；Wang等人，2022b；Yang等人，2025）。基于适配体的识别主要针对有限的几种目标，即L-色氨酸、L-组氨酸、L-精氨酸和L-苯丙氨酸，主要使用肽适配体传感器（McKeague和Derosa，2012；Song等人，2008；W. Wang等人，2023）。

4.2.3. 基于分子印迹聚合物（MIP）的识别
基于MIP的生物传感器依赖于合成的聚合物，这些聚合物被设计成含有与目标氨基酸形状和功能基团互补的结合位点。在聚合过程中，氨基酸作为模板，在去除后留下空腔，这些空腔可以选择性地重新结合目标分子。MIP可以与电化学或光学换能器结合，将结合事件转换为可测量的信号。基于MIP的生物传感器具有高稳定性、可重复使用性和耐受恶劣处理条件的能力。局限性包括与生物受体相比结合动力学较慢，以及潜在的非特异性相互作用，这可以通过仔细的聚合物设计和表面功能化来最小化（Akgönüllü等人，2023；Ayerdurai等人，2023）。基于MIP的生物传感器通常限于每个聚合物对单个目标的识别，包括色氨酸、甘氨酸、丙氨酸和L-半胱氨酸，基于模板驱动的检测方法（Chen等人，2016；Gao等人，2026；Haupt和Mosbach，2000）。

4.2.4. 生物识别元件的比较
表3总结了用于检测食品基质中氨基酸的生物传感器中使用的关键生物识别元件，强调了它们的特异性、稳定性和再生能力。基于酶的生物传感器使用氨基酸氧化酶和脱氢酶等酶，对氨基酸（包括谷氨酸、苯丙氨酸和酪氨酸）具有高选择性和快速响应。然而，它们的性能可能受pH值、温度和基质成分等因素的影响。基于适配体的传感器提供化学稳定性、易于合成和可逆结合，能够在复杂食品提取物中进行多重检测。MIP作为坚固的合成替代品，具有高热稳定性和化学稳定性，适用于恶劣的加工环境，并且是可重复使用的传感器平台。选择合适的生物识别元件取决于目标氨基酸、所需的灵敏度和食品基质的复杂性。虽然酶提供更高的特异性，但适配体和MIP提供了更好的稳定性和多功能性。

4.3. 根据转导机制的分类
基于转导机制，用于检测食品系统中氨基酸的生物传感器平台大致可以分为两类：电化学传感器和光学传感器，每种类型都有其独特的优势和设计挑战。

4.3.1. 电化学传感器（安培型、电位型、电导型）
电化学传感器由于其固有的灵敏度、相对较低的成本和与微型电子设备的兼容性，是最适合检测氨基酸的传感器之一。它们通过检测电荷分布的变化，将酶、适配体或MIP与其目标底物之间的生化相互作用转换为可测量的电信号。电化学传感器通常采用三电极系统，包括一个参比电极（通常是Ag/AgCl）以维持稳定的电位，一个工作电极用于信号生成，以及一个对电极来完成电路。在安培型传感器中，监测酶促或氧化还原反应产生的电流（通常在固定电位下）。电位型传感器测量传感器表面相对于参比电极的电位变化，而电导型传感器检测电导率的变化（Eyvazi等人，2021）。基于酶和聚合物的电化学生物传感器已被开发用于检测食品和饮料样品中的氨基酸，如苯丙氨酸、酪氨酸和色氨酸，具有高选择性和快速响应时间（Cheng等人，2023年；Dinu和Apetrei，2022年）。设计电化学传感器以检测氨基酸时需要考虑的因素包括生物受体（酶、适配体、MIP）的固定化、减少干扰物质、优化工作电位（以降低背景电流和来自食品基质成分的干扰）以及长期稳定性以便重复测量（Eivazzadeh-Keihan等人，2018年）。坚固的传感器还必须能够处理复杂的食品提取物基质。将纳米材料（例如碳纳米管、金属纳米颗粒）与酶固定化相结合可以提高灵敏度并降低检测限。例如，在检测D-氨基酸时，使用固定在涂有铜纳米颗粒的多壁碳纳米管上的D-氨基酸氧化酶的生物传感器实现了非常低的检测限（0.001 mM）和长期稳定性（在4°C下储存2个月后使用120次）（Lata等人，2012年）。

4.3.2 光学生物传感器（荧光、SPR、比色法）
光学生物传感器依赖于分析物-生物受体相互作用引起的光吸收、荧光、散射或共振变化。荧光生物传感器利用荧光标记物或检测氨基酸与适配体或酶结合时荧光信号的变化（Yousefi等人，2019年）。SPR传感器检测金属膜界面处的折射率变化，从而实现无标记检测（Liu等人，2020a；Liu等人，2020b）。比色传感器通过酶介导的颜色变化或纳米颗粒聚集提供视觉信号变化，简单易用。
光学生物传感器可以检测蛋白质降解或加工过程中形成的氨基酸衍生物，如生物胺、氧化硫化合物和交联残基，这些可以作为变质或掺假的指标。基于适配体的荧光传感器利用目标诱导的构象变化产生可测量的光学信号，而金纳米颗粒比色传感器则依赖于氨基酸结合或纳米颗粒聚集引发的等离子体位移。这些系统能够实现快速、无标记和原位监测食品质量和真实性。然而，在复杂食品提取物中仍存在基质干扰（浑浊度、颜色、散射）、微型化以及实现低检测限的挑战（Ha Anh等人，2022年；Huang等人，2018年；Lee等人，2018年；Xiong等人，2021年；F. X. Zhang等人，2002年）。

4.4 样品制备和数据分析
样品制备是基于生物传感器检测氨基酸的关键步骤，尤其是在分析复杂食品基质时。生物传感器通常用于定量检测游离氨基酸，而与蛋白质结合的氨基酸则需要先进行水解以释放组成残基才能被检测到。常用的预处理方法包括均质化、过滤和离心以去除颗粒物并减少基质干扰（Alvarez Cañarte等人，2025年；Lee等人，2018年；Torre等人，2019年）。为了准确量化，可以采用酶水解或酸消化来从蛋白质和肽中释放游离氨基酸。选择性提取技术，如固相提取和基于聚合物的提取，可以进一步分离目标氨基酸，从而提高传感器的灵敏度和特异性（Ashley等人，2017年）。数据分析涉及将生物传感器的原始信号（如电流、电压、阻抗、吸光度或荧光）转换为有意义的定量信息。这通常是通过使用已知浓度的目标氨基酸构建校准曲线来实现的。先进的信号处理技术，包括基线校正、噪声过滤和多变量统计分析，常被用来提高准确性并减轻基质效应（Achmad等人，2023年；Dinu和Apetrei，2022年；Kaur等人，2023年）。

4.5 应用
尽管生物传感器在食品中检测和定量氨基酸的应用仍然有限，但已有大量研究致力于检测食品污染物、监测食品安全和分析食品掺假。这些研究中展示的原则、设计策略和转换机制突显了生物传感器在氨基酸分析中的巨大潜力。基于这些方法，生物传感器平台可以适应食品蛋白质的应用，实现氨基酸的检测和定量，以评估蛋白质质量。本节介绍了一些选定的研究，展示了如何利用现有的生物传感器技术来满足对复杂食品基质中氨基酸进行快速、灵敏和原位检测的日益增长的需求。

4.5.1 谷物
Alvarez Cañarte等人（2025年）开发了一种使用赖氨酸α氧化酶作为生物识别元件和电位计换能器的生物传感器，用于检测富含谷物和豆类的肉香肠中的赖氨酸。该传感器测量了赖氨酸氧化过程中的氧气消耗，表现出高亲和力（Km = 0.32 mM）、优异的灵敏度（检测限 = 0.01 mM）和70天的稳定性，固定的酶可重复使用多达18次。赖氨酸的定量结果与HPLC结果高度相关，显示出最小的环境影响和成本效益。Tertis等人（2023年）开发了一种纳米结构石墨-金平台，用于构建针对导致乳糜泻的麸质成分——麦胶蛋白的电化学适配体传感器。该适配体传感器使用镀有金纳米颗粒的丝网印刷碳工作电极进行共价固定40个碱基的DNA适配体，间接检测基于铁氰化物电化学信号。该传感器表现出高灵敏度和选择性，检测范围为10–50,000 ng/L，检测限为3.4 ng/L，能够准确检测小麦粉和无麸质产品中的麸质。这两项研究表明，基于酶和适配体的电化学传感器可以提供快速、准确且环保的替代传统方法，用于监测食品中的关键营养和过敏成分。

4.5.2 乳制品
研究人员开发了用于定量乳制品中赖氨酸的酶生物传感器，旨在提供比传统HPLC方法更快、更经济且更环保的替代方案。Villavicencio Yanos等人（2025年）开发了一种使用固定在尼龙和丝兰双聚物膜上的酶作为生物识别元件的传感器，并结合安培计换能器来测量酪蛋白水解物中的赖氨酸。该系统表现出高亲和力（KM = 0.37 mM）、酶稳定性（胰蛋白酶活性持续约35天且可重复使用多达10次）以及低环境影响，能够实现与HPLC相当的速度和准确的赖氨酸定量。（Jadán Piedra等人，2023年）使用赖氨酸-α-氧化酶作为生物识别元件，并结合氧电极作为换能器，用于检测马苏里拉奶酪中的赖氨酸。该传感器监测了赖氨酸氧化过程中的氧气消耗，在奶酪成熟八周内实现了3.5秒的快速响应时间和优异的特异性（KM = 0.03 mM）。这两项研究均成功证明了酶生物传感器可以提供可靠、选择性和高效的乳制品中赖氨酸测量方法，为标准HPLC分析提供了实用的替代方案。

4.5.3 水果
Tang等人（2022年）开发了一种用于体内和现场植物监测的酶促谷氨酸传感器，将谷氨酸氧化酶集成在由Au–Pt纳米颗粒、羧基化石墨烯氧化物和羧基化多壁碳纳米管组成的纳米复合改性的丝网印刷电极上。这种Nafion/GlutaOx/GO–COOH–MWNT–COOH/Au–Pt/SPE传感器展示了迄今为止报道的最宽检测范围（2 µM–16 mM）和低检测限（0.14 µM），能够在不同pH值的番茄中准确测定谷氨酸含量。Tasić等人（2022年）利用废弃锌碳电池中的石墨棒开发了一种低成本的环保电化学传感器，用于检测L-色氨酸。使用循环和差分脉冲伏安法，未改性的石墨电极表现出不可逆的双电子、双质子氧化过程，检测限为1.73 µM，适用于牛奶和苹果汁样品。Mokole等人（2024年）开发了一种基于涂有CuO–聚苯胺纳米复合材料的玻璃碳电极的色氨酸传感器（通过绿色和化学合成方法制备）。该传感器表现出高导电性和灵敏度，能够在低至2.037 µM的浓度下检测色氨酸，并在菠萝样品中可靠地工作（回收率85–109%）。这些研究共同展示了纳米结构、酶促和可持续材料在开发可靠、经济高效的农业和营养监测生物传感器方面的潜力。

4.5.4 鱼类
研究人员开发了快速、灵敏且经济的传感器，用于检测鱼类中的组胺，组胺是新鲜度和潜在过敏风险的重要指标。Lee等人（2018年）制造了一种非酶促电化学传感器，使用在铜电沉积丝网印刷碳电极上形成的片状Cu₃(PO₄)₂纳米结构，并涂有1%的Nafion。由于带负电的Nafion层，该传感器表现出良好的选择性，线性检测范围为5-500 ppm，检测限为3 ppm，与LC-MS测量结果相比，对45小时腐烂的鱼样品给出了准确的结果。Torre等人（2019年）通过使用戊二醛和牛血清白蛋白交联将二胺氧化酶固定在丝网印刷碳电极上，开发了一种简单的酶生物传感器。使用计时安培法，该传感器实现了快速响应（60秒）、1-75 mg/L的线性范围、优异的重现性（RSD = 2.6%），并成功检测了鱼提取物中的组胺。这两种方法都强调了基于丝网印刷碳电极的传感器在食品行业中快速、低样品体积、环保和现场分析组胺方面的潜力。

4.6 新兴趋势和知识空白
微技术和纳米技术的最新发展正在迅速改变生物传感器领域，推动向微型化、更高灵敏度、多重检测和与智能便携设备无缝集成方向发展。纳米结构材料，如碳纳米管、石墨烯、量子点以及基于金属（Au、Ag、Cu）或金属氧化物的纳米颗粒，由于其高表面积、优异的导电性和增强的电子转移动力学以及新颖的结合模式，已成为提高传感器性能的核心（Malik等人，2023a；Wang，2012年）。在氨基酸传感方面，将酶或适配体固定在碳纳米管-金属纳米颗粒复合材料上显著提高了检测限和稳定性。例如，用3,4,9,10-苝四羧酸功能化的多壁碳纳米管实现了对猪肾中D-和L-丙氨酸的高灵敏度和选择性，检测限低至1.0 × 10-⁸ M（Xia等人，2016年）。这些进步使生物传感器能够检测复杂食品基质中的微量氨基酸或氧化标记物，这是传统方法难以实现的。同时，基于纸张的生物传感器作为一种低成本、灵活且一次性的平台，非常适合食品监测。使用反转纳米压印光刻技术，嵌入Ag、Au或Au-Ag合金纳米颗粒的纸质等离子体传感器实现了高转移效率（约85%）和强烈的共振波长变化（Δλ = 33 nm用于腐胺，24 nm用于亚精胺），用于生物胺检测（Tseng等人，2017年）。类似地，使用溴甲酚紫和溴百里酚蓝的双色比色纸质传感器通过智能手机的RGB分析实现了鸡肉样品中腐败气体的快速、无创检测（Abo Dena等人，2021年）。这些便携式平台可以通过集成将氨基酸浓度转换为可测量光学变化的酶或适配体层来适应氨基酸检测，为智能包装和消费者级别的食品质量监测提供了机会。微流控集成是另一个强大的趋势。芯片实验室设备允许精确处理小样本体积、自动混合和多重检测，减少了分析时间和试剂消耗（Logesh等人，2021年）。在最近的一项研究中，一种基于微流控的智能手机生物传感器使用预加载的石墨烯氧化物和荧光探针实现了一步式、无需清洗的四种细菌ssDNA目标的检测，可在五分钟内完成检测并具有高灵敏度（Xing等人，2023年）。相同的微流控设计原则——预加载试剂、控制流动和快速反应动力学——也可以应用于氨基酸检测，直接从水解的食品提取物中进行多分析物检测。智能手机集成通过内置成像、自动分析和无线数据共享继续扩展生物传感器的能力。定制的比色或化学发光传感器应用已经允许快速、现场准备的食物评估（Abo Dena等人，2021年；Montali等人，2020年）。然而，仍存在挑战，包括复杂的样品预处理、不一致的基质效应和不完整的应用程序级数据处理。解决这些差距，以及增强云连接性、AI驱动的分析和物联网集成，将使下一代便携式生物传感器能够可靠地检测各种食品系统中的氨基酸。

5. 食品中氨基酸检测的色谱法、光谱法和生物传感器技术的比较
在可用的分析平台中，色谱法、光谱法和生物传感器技术是三种主要技术，每种技术在灵敏度、速度和适用性方面都有其独特的优势和局限性。对它们进行比较评估对于选择适合研究和工业应用的合适分析工具至关重要。表4比较了色谱法、光谱法和生物传感器技术。**色谱法、光谱法和生物传感器技术在氨基酸检测与测定中的比较**

| 参数 | 色谱法 | 光谱法 | 生物传感器 |
|------------|-------------|-------------|-------------------|
| 原理 | 基于极性/电荷的分离，结合检测器进行定量 | 电磁波与分子振动的相互作用 | 生物识别元件将分析物相互作用转化为信号 |
| 样品制备 | 复杂（需要水解、衍生化处理） | 最小到中等程度 | 最小到中等程度 |
| 检测时间 | 30-120分钟 | 几秒到几分钟 | 几秒到几分钟 |
| 灵敏度 | 非常高（ng/mL） | 中等 | 高（µM-nM范围） |
| 选择性 | 优秀 | 中等（需要化学计量学方法） | 高（基于生物识别元件） |
| 仪器成本 | 高 | 中等到高 | 低到中等 |
| 便携性 | 较差 | 中等 | 优秀 |
| 矩阵干扰 | 低（提取后） | 高 | 中等到高 |
| 适用于现场检测 | 不适合 | 适合 | 非常适合 |
| 典型应用 | 氨基酸分析、营养分析 | 蛋白质结构与质量监测 | 快速筛查、食品 authenticity 验证、变质检测 |
| 可检测的氨基酸 | 包括半胱氨酸、丙氨酸、缬氨酸、亮氨酸、异亮氨酸、丝氨酸、苏氨酸、甘氨酸、甲硫氨酸、天冬氨酸、谷氨酸、赖氨酸、精氨酸、组氨酸、苯丙氨酸、酪氨酸、色氨酸和脯氨酸 | 有限的氨基酸种类，通常为芳香族氨基酸（如色氨酸、酪氨酸、苯丙氨酸）以及总氨基酸含量（基于UV/荧光/IR） | 可检测多种氨基酸，包括半胱氨酸等 |

了解各种分析技术的相对优势和局限性对于选择适合特定研究或工业目标的方法至关重要。例如，高效液相色谱（HPLC）和气相色谱（GC）仍然是氨基酸测定的基准技术，它们具有出色的分辨率、定量准确性和重复性，非常适合复杂的食品基质分析。色谱法的优势在于能够高精度和特异性地分离和检测混合物中的单个氨基酸。然而，这些方法通常受到劳动密集型样品制备、衍生化需求和较长分析时间的限制。此外，高昂的仪器成本以及对操作人员技能的要求限制了其在常规或现场应用中的可行性。尽管存在这些挑战，色谱法仍然是验证新兴分析技术的参考标准。

光谱技术，包括近红外（NIR）、拉曼（Raman）和中红外（MIR）光谱，作为快速、无损的替代方法受到了关注。它们具有样品制备简单的优点，并能提供关于食品中氨基酸组成和蛋白质变化的定性或半定量信息。这些方法因其简单性和快速性而适用于高通量筛查和质量控制。然而，与色谱法相比，它们的灵敏度通常较低，数据解释可能因信号重叠和基质干扰而变得复杂。通常需要先进的化学计量学建模来提取有意义的信息，这为分析过程增加了计算负担。因此，光谱法更适合初步筛查或过程监测，而不是精确定量。

相比之下，生物传感器技术代表了结合生物识别与信号转导的新一代分析工具。这些设备将特定的生化相互作用转化为可测量的电信号或光信号。根据配置的不同，生物传感器可以通过使用选择性生物识别元件（如酶、适配体或分子印迹聚合物（MIPs）来实现高选择性。电化学和光学生物传感器尤为突出，具有快速检测、便携性和与微型化自动化系统的兼容性。它们的简单性、低试剂消耗以及实时监测潜力使其在食品分析中极具吸引力。然而，生物传感器经常面临长期稳定性、重复性和复杂食品基质干扰的挑战。纳米材料、微流控技术和信号放大策略的持续进步正在解决这些限制，提高传感器的稳健性和检测准确性。

本综述全面评估了各种技术在氨基酸检测方面的应用，并参考了现有文献。表5总结了关于食品蛋白质中氨基酸检测的相关文章。这些综述聚焦于特定主题，如D-氨基酸（Marcone等人，2019年）、基于生物体的代谢研究（Kaur等人，2023年；Xu等人，2020年）或食品欺诈检测（Hong等人，2017年），展示了传统仪器方法的深度，同时保持了实验室研究的重点。总体而言，它们强调了需要稳健、灵敏和可靠的分析工作流程，以处理多样化的生物和食品基质。在此背景下，我们的综述通过整合经典分析技术与色谱法、光谱法和生物传感器的最新进展，特别强调了面向未来的便携式和实时氨基酸检测策略，以弥合实验室性能与实际食品工业应用之间的差距。

**表5. 食品蛋白质中氨基酸检测相关综述文章的比较**

| 研究 | 研究重点 | 覆盖的技术 | 应用范围 | 与本研究的比较 |
|---------------|--------------|------------------|------------------|-------------------------|
| Hong等人（2017年） | 食品欺诈与掺假检测 | 色谱法、光谱法、电泳法、电感耦合等离子体质谱法和免疫测定法 | 高度掺假食品中的掺假检测；侧重于传统方法；本研究扩展到便携式生物传感器、纳米材料和实时氨基酸检测 |
| Xu等人（2020年） | 生物体中氨基酸的测定方法 | 色谱法、毛细管电泳法、核磁共振（NMR）、氨基酸分析仪、电化学传感器 | 生物和食品相关样品中的氨基酸分析方法 | 广泛调查氨基酸分析方法；本研究在此基础上增加了光谱法和新兴生物传感器，用于实际应用 |
| Marcone等人（2019年） | 食品中的D-氨基酸 | 色谱分离、衍生化处理和生物传感器检测 | 食品蛋白质的营养安全分析 | 专注于D-氨基酸；本研究涵盖所有氨基酸的检测，包括光谱技术；生物传感器和现场检测的进展 |
| Kaur等人（2023b） | 生物样品中氨基酸检测的最新趋势 | 分析和生物分析方法 | 色谱法和电化学传感器 | 食品、药品和生物样品 | 涵盖已建立的方法和一些基于传感器的方法；本研究强调光谱法和下一代传感器 |
| 本研究 | 食品蛋白质中氨基酸的检测 | 色谱法、光谱法和生物传感器 | 不同基质中的食品蛋白质；实时、便携式氨基酸分析 | 更广泛的范围；整合了传统和新兴技术；指出了快速、高通量食品氨基酸分析的差距和未来方向 |

**6. 结论**
总之，色谱法、光谱法和生物传感器技术在氨基酸检测和测定方面各有优势。色谱法仍是定量和组成分析的黄金标准，而光谱法提供了一种快速、无损的方法，适用于过程控制和高通量筛查。尽管生物传感器在氨基酸应用方面仍在发展中，但由于其便携性、选择性和对智能分析系统的适应性，它们具有现场和实时监测的潜力。选择哪种技术最终取决于分析目标、样品复杂性和可用资源。为了选择合理的方法，系统地比较关键分析参数（如灵敏度、选择性、重复性、成本和通量）是必要的。未来的研究应优先开发适用于植物基食品的生物传感器技术，因为消费者对植物源蛋白质的需求不断增加，需要在加工和储存过程中快速进行蛋白质质量评估。此外，对食品样品的全面表征将需要一种综合分析方法，利用色谱法、光谱法和生物传感器方法对单个样品进行多方面分析，以生成交叉验证的、高度可靠的氨基酸谱型。进一步的进展还应探索将微流控平台与先进的光谱和电化学检测技术相结合，创建完全自动化的系统，以便在最小化样品制备的情况下分析复杂的食品基质。同时，建立标准化光谱库和传感器响应数据库，支持各种食品产品的分析，将有助于开发稳健的机器学习预测模型，提高准确性、仪器互操作性，并促进这些技术在氨基酸测定中的广泛应用。

**CRediT作者贡献声明**
Mohammad Nadimi：撰写 – 审稿与编辑，监督
Elham Salimi：撰写 – 审稿与编辑，监督
Jitendra Paliwal：撰写 – 审稿与编辑，监督，项目管理，资金获取
Chitra Sivakumar：撰写 – 初稿撰写，可视化，方法学设计，正式分析，概念化
Sristi Mundhada：撰写 – 初稿撰写，软件开发，方法学设计，正式分析，概念化
Anup Dey：撰写 – 初稿撰写，概念化