粮油作物中黄曲霉毒素风险预测预警研究进展

李 森，叶 金，李冰杰，张玉芳

（国家粮食和物资储备局科学研究院1，北京 100037）

（南方丘区节水研究四川省重点实验室2，成都 610066）

（北京师范大学3，北京 100089）

黄曲霉毒素（AFs）是一组结构类似的二呋喃香豆素衍生物，基本结构为1 个二呋喃环和1 个氧杂萘邻酮［1］。在已知的20 余种黄曲霉毒素中，黄曲霉毒素B1（AFB1）、B2（AFB2）、G1（AFG1）和G2（AFG2）最为常见［2］。目前发现的产黄曲霉毒素真菌有28 种，主要包括黄曲霉（Aspergillus flavus）、寄生曲霉（Aspergillus parasticus）和集峰曲霉（Aspergillus nomius）等。黄曲霉毒素具有急性毒性、肝毒性、免疫抑制、致突变、致畸和致癌等毒性作用［3］，被国际癌症研究机构列为1A级致癌物［4］。

黄曲霉毒素常见于主要粮油及其制品中［5］。2018—2020 年全球关于小麦、玉米、水稻、燕麦、大麦、黑麦、高粱等谷物中真菌毒素污染的报道中，小麦、玉米和水稻中AFB1的危害严重［6］。中国小麦、稻谷和玉米及其原粮制品以及油料作物花生中，黄曲霉毒素也较为常见［7，8］。据估计，全球至少有45亿人长期接触AFs，特别是在N40°和S40°之间的“热区”［9］。目前全球有100 多个国家对食品中的黄曲霉毒素有限量的规定［10］。

粮油作物在种植、收获、储藏、运输和加工过程中，各个环节均易受到真菌的侵染，并在适宜的条件下产生黄曲霉毒素。黄曲霉毒素作为食品安全的主要风险来源之一，“早发现、早预警、早干预”是对其开展污染防控的重要手段。文章综述了国内外在黄曲霉毒素产生因素和相关预测模型方面的研究进展，并对同类型的研究进行了对比，不同类型的研究进行了适用情景讨论。

1 黄曲霉毒素产生的主要影响因素

1.1 微生物因素

黄曲霉毒素是由曲霉属真菌在特定条件下产生的，曲霉的种类和丰度、作物中真菌的构成等对黄曲霉毒素的产生等都具有决定性作用。在黄曲霉毒素产毒真菌中，黄曲霉、寄生曲霉和集峰曲霉等为主要产毒菌，其中黄曲霉主要产生AFB1和AFB2，寄生曲霉和集峰曲霉主要产生AFB1、AFB2、AFG1和AFG2［10］。由于菌种来源不同［11］，不同真菌产生黄曲霉毒素的条件和特征具有一定差异，明确产毒真菌种类对研究环境等其他因素的影响具有重要意义。此外，黄曲霉毒素在作物中产生的环境是一个生物系统，真菌构成非常复杂，真菌的组成对黄曲霉毒素的产生具有一定影响，如黏帚菌属（Clonostachys），隐球酵母（Cryptococcus），汉纳酵母属（Hannaella）等的物种丰度与产黄曲霉毒素真菌的丰度呈负相关，可能抑制产黄曲霉毒素产毒真菌的生长［12］。这些真菌作为拮抗真菌可以用于生物杀菌剂的研究，通过优化作物中的微生物系统开展产前防控，有效减少农药的使用。

1.2 环境因素

温度、湿度、空气、土壤等环境因素是影响黄曲霉毒素发生的主要因素，其中环境的温度和湿度关注度最高，也是导致黄曲霉毒素发生的关键因素。环境温度和湿度通过改变作物的温度和水分活度，从而改变作物中曲霉的环境，影响黄曲霉毒素的产生。基于实验室的相关研究得到了相关温度、湿度和水分活度的最适范围（表1）。研究表明，产毒真菌生长与黄曲霉毒素产生的最佳条件存在差异，黄曲霉毒素产生最佳温度范围通常为25 ～36 ℃，黄曲霉生长、相关基因表达及毒素的发生在酵母琼脂、玉米提取液等培养基上的最佳温度条件为30 ～36℃［13，14］。湿度影响作用的相关研究表明水分活度和黄曲霉毒素的水平呈正比。在表1 的14 项水分活度相关研究中，11 项研究表明黄曲霉毒素产生、产毒真菌生长和相关基因表达的最适水分活度均为研究范围的最高水分活度，12 项研究的最佳水分活度≥0.95，5 项研究的最佳水分活度为0.99。

表1 温度、水分活度对黄曲霉毒素、产毒真菌生长和相关基因表达的影响

在收获前的田间研究中，结果与实验室研究并不一致。Wu等［8］的研究发现黄曲霉毒素污染程度最高发生在降水稀少、平均气温接近23 ℃的气候条件下，最低气温约为20 ℃，最高气温约为29 ℃。这种现象可能是由于基质不同导致的差异，实验室培养基质多为粉碎后的成熟籽粒，而田间作物中产毒真菌的生长基质为未成熟的籽粒，两者在淀粉、蛋白质、籽粒活性等方面存在的较大的差异。在作物收获前的生长过程中，由于真菌生长基质（作物籽粒状态）复杂多变，生长环境是动态变化的自然环境，导致影响作物产前黄曲霉毒素发生的因素和机制更加复杂，实际田间作物的观测、检测等研究是获取作物收获前黄曲霉毒素发生条件的更有效途径。

除环境的温度和湿度外，环境中CO2和土壤环境对作物中黄曲霉毒素的发生同样存在影响。在作物生长过程中，大气环境中CO2浓度的轻度升高，在协同气温和水分活度升高的情况下，显著促进产毒真菌的生长和黄曲霉毒素的产生［15，16］。土壤环境对于直接接触土壤的花生而言影响较大，研究表明轻砂质土壤有利于黄曲霉孢子的快速传播与增殖，特别是在生长后期遇到高温干旱的条件，花生受黄曲霉毒素污染的风险较高［17］。

基于环境因素的研究表明作物无论是在收获后还是收获前，黄曲霉毒素的污染随着环境的改变，随时有发生的风险，控制环境因子对于黄曲霉毒素防控具有关键作用，目前的研究也为进一步建立预测模型、开展产前防控提供参考。

1.3 管理措施

除受环境因素影响外，各个环节管理方式的差异也会导致黄曲霉毒素发生的风险不同。种植过程中，同一区域的不同农户种植、管理、收获的作物黄曲霉毒素存在显著的差异。研究表明，作物的种植时间推迟和适时收获均能一定程度降低作物收获时黄曲霉毒素的发生风险［34］，这可能与作物采收时的成熟度、生长周期的长短和关键生长阶段的气候相关。此外，作物轮作［35］，施肥、干燥时间的推迟［36］会显著增加水稻中黄曲霉毒素的水平。因此，在合理时间种植、收获、干燥，并进行科学轮作、施肥可有效对黄曲霉毒素田间风险进行防控。

作物收获后，不适当的存储被认为是黄曲霉毒素污染持续发生的一个主要原因。作物的洁净度，包括运输工具的卫生程度［36］、受污染籽粒是否分离［37］、杂质含量和白垩粒的发生程度［38］，与储藏过程中黄曲霉毒素的发生风险有显著关系。此外，作物在储藏过程中的存在状态也会对黄曲霉毒素的发生风险有影响作用，如同等条件下培养，糙米中AFB1含量显著高于大米［25］。因此，在储藏过程中保持作物和环境的洁净、在满足标准的设备中运输和仓库中储藏等，可以降低作物收获后产生黄曲霉毒素的风险。

2 现有预测模型

2.1 收获前预测

目前作物收获前黄曲霉毒素污染风险预测模型，主要以玉米、花生等为主开展研究，其中玉米是关注度最高的作物。同时，模型多以温度、湿度等环境因素作为主要输入因子。

玉米收获前黄曲霉毒素预测主要以长须为时间节点，基于长须时间对前后日期的温度、湿度、降雨等因素进行统计并开展预测［39］，小麦中真菌毒素预测［40］在方法和因素上与玉米较为相似。花生由于生长于土壤中，因此不同于玉米和小麦中真菌毒素预测，相关影响因素主要为土壤的温度、湿度等，土壤湿度变化相对于空气湿度变化波动较平稳，有利于评估水分活度受土壤湿度的影响。但花生生长于地下，除作物开花日期，其他生长期的观测存在一定难度，给黄曲霉毒素风险评估带来挑战。目前稻谷收获前黄曲霉毒素预测模型相关研究较少。在我国，稻谷是主要粮食作物之一，也是容易积累黄曲霉毒素的粮食作物之一［41］，加强相关研究对保障粮食安全具有重要意义。

此外，一些研究将其应用评估未来气候下黄曲霉毒素污染风险的变化。当前，全球气候变化加速，极端天气出现频率增高，2021 年联合国政府间气候变化专门委员会（IPCC）发布的气候变化报告显示，未来20 年，全球气温将上升1.2 ～1.9 ℃［42］。美国和欧洲的研究表明，未来气候变化在增加同一地区污染风险［9］的同时，也将污染范围扩大或转移［43］，未来大尺度污染风险的预测将对今后作物产业布局优化提供参考。

2.2 产后预测模型

作物中的真菌通常可以分为田间真菌和储藏真菌。田间真菌主要为镰刀菌属，在作物收获前或收获后短期内大量生长并产生真菌毒素，随着作物的收获，田间真菌逐渐失去活性；储藏真菌主要为曲霉菌属和青霉菌属，在作物收获前生长及产生毒素，并在作物长期储藏过程中持续保持活性［44］。相比于脱氧雪腐镰刀菌烯醇、玉米赤霉烯酮等由镰刀菌产生的毒素，黄曲霉毒素在产后储藏过程中进一步污染的风险更大。因此，收获后作物中黄曲霉毒素的污染风险需要持续关注。

相较于收获前，作物收获后的籽粒和环境相对稳定，风险预测难度有所降低，预测途径和方法也趋向于多样化，基于实验室预设条件开展的研究也在该阶段的预测中发挥了很大作用。其中，多数研究仍以环境温度和湿度为主要输入因素，在探讨温度和水分活度影响（表1）的同时，建立相关预测模型［13，24，32，33］，用于指导产后作物开展风险预测。同时，也有一些研究基于产毒真菌含量、真菌的生长速率、基于环境因素对呼吸率的影响［25］等开展黄曲霉毒素水平预测［45］。

3 模型建立方法

目前黄曲霉毒素风险预测模型多为数据驱动型模型，并且以回归模型为主，主要包括多元线性回归、逻辑回归、高斯回归、分类树、保序回归、支持向量机、随机森林等（表2）。在人工智能高速发展的时代，神经网络的应用也为数据驱动模型的建立提供了更多可能，BP 神经网络、贝叶斯网络等逐渐应用于黄曲霉毒素风险预测领域。在预测过程中，由于风险的分类方法不同，模型建立过程中参数的设置不同，因素选择方法不同等因素，导致不同模型的预测结果和准确度有一定差异。在实际预测中如何开展应用，需要结合数据的特点（值得分布情况等）和应用的场景（不同作物等）进行具体探讨。

表2 黄曲霉毒素预测中数据驱动模型的种类及应用

数据驱动型模型基于客观数据的分析结果得到一定规律和结论，从而开展黄曲霉毒素风险早期预测，是一种较为直接的预测方法和途径。但为了探究黄曲霉毒素发生的原因，一些学者对其产生的机制进行深入探讨，同时基于机制机理，建立了风险预测机理模型。Abdel －Hadi 等［13］利用微阵列技术研究了水分活度和温度对黄曲霉在YES 培养基上10个关键产毒基因表达的影响，通过建立混合关联生长机理模型，以关联基因表达与水活度和温度预测AFB1污染风险。此外，通过建立产毒真菌生长一级模型及真菌毒素预测二级模型开展预测也是机理模型的一类重要方法［29，30，31］。

在模型构建中，数据驱动模型能发现因素间的客观规律，但难以对产生原因和机制进行解释；机理研究能准确解释共性的主要原因和规律，但不能解释全部的因素，其他个性的问题需要数据挖掘来补充。将机理模型与数据驱动结合起来，综合理论基础和信息技术的优点，是未来建模技术发展的方向。目前，在玉米产前黄曲霉毒素污染风险预测中，Liu等［46］采用了综合建模方法，将机理建模与人工智能相结合建模，弥补了历史观测数据中经常出现的数据不平衡和数据集不足的缺点，建立的模型预测准确率达到70% ～83%。

4 总结和展望

黄曲霉毒素严重影响着人和动物的健康。通过开展风险关键影响因素研究并进行早期预测，对作物中黄曲霉毒素污染关键环节进行防控，是减少污染发生、保障人类健康和减少经济损失的重要途径。基于微生物、温湿度等环境条件、田间管理措施等因素的研究，对黄曲霉毒素产生的原因和条件有了整体认知，为开展早期防控提供了理论依据。基于相关结论建立的回归模型、神经网络等数据驱动模型和机理模型，对评估作物生长中黄曲霉毒素风险以及由此产生的经济损失提供了测算依据。目前预测模型仍多以基于预设条件和参数的实验研究为主，虽然对作物收获后储存、运输过程中的条件控制具一定指导作用，但对于作物收获前风险的识别的预测能力有限。由于作物实际环境尤其是种植和收获过程中的条件复杂且多变，与实验室研究存在一定差异，因此基于实验研究结果进一步开展大田作物数据收集及预测模型研究是解决收获前早期预测的有效途径。同时，亟需融合产毒真菌生长及相关基因表达等研究，深入开展机理模型开发，并结合数据驱动模型开展早起预测，充分发挥不同模型的优势，综合提升我国粮食黄曲霉毒素风险防控能力。黄曲霉毒素风险预测研究的开展和应用，将更好地服务于我国真菌毒素风险预测工作，为收储政策提前制定，优化风险监测方案等提供参考，以提高我国应对黄曲霉毒素风险的能力。