使用机器学习检测地沟油的新型生物标志物MicroRNA分析

南京大学的研究人员在exrna上发表了一篇研究文章，介绍了一种利用microRNAs （miRNAs）作为生物标志物检测地沟油的新方法。研究人员证明，mirna存在于食用油中，可用于区分纯油和再生油。通过将qRT-PCR与机器学习技术相结合，他们对商业植物油、动物油和地沟油的miRNA谱进行了表征。值得注意的是，miR-16和let-7a的相对丰度在这些油中存在显著差异，可以使用支持向量机（SVM）模型进行准确区分。研究结果表明，miR-16和let-7a等mirna可以作为可靠的生物标志物，即使符合国家标准，也可以对地沟油进行分类。本研究提出了一种可行、有效的地沟油检测方法，在提高食品安全和公众健康方面具有潜在的应用前景。

　　

研究人员来自南京大学，在《ExRNA》杂志上发表了一篇研究文章，提出了一种利用微小RNA（miRNA）作为生物标志物检测地沟油的新方法。研究人员证明，miRNA存在于食用油中，可用于区分纯油和回收油。通过将qRT-PCR与机器学习技术相结合，他们对商业植物油、动物油和地沟油的miRNA特征进行了表征。值得注意的是，miR-16和let-7a的相对丰度在这些油中存在显著差异，利用支持向量机（SVM）模型可以实现准确的区分。研究表明，miR-16和let-7a等miRNA是可靠的生物标志物，即使地沟油符合国家标准，也能对其进行分类。这项研究为检测地沟油提供了一种可行且有效的方法，有望在增强食品安全和公共卫生方面发挥潜在作用。

地沟油是一个广义术语，涵盖了日常生活中各种类型的劣质油，包括回收厨房废油、反复使用的煎炸油和废弃动物脂肪。这些“问题食用油”对数十亿人的公共健康构成重大风险。截至2012年，中国市场上每年有约200万到300万吨地沟油进入流通，可能污染了全国高达十分之一的食品供应。近年来，由于对废弃食用油管理的监管更加严格，大规模非法地沟油活动变得罕见。然而，像“口水油”（多次被不同顾客重复使用的油）以及由于非食用油运输过程中不当操作导致的掺假油等问题的出现，使得地沟油以新的形式死灰复燃。这些变种更加隐蔽且分散，使得其检测难度日益增加。因此，有效识别地沟油和其他劣质油仍然是一个关键问题。

从根本上说，地沟油是一种混合油，由不同来源的各种油组成，其化学成分和脂质比例不一致，通常会经过复杂的后处理。南京大学的李佳欣说：“与普遍认知相反，在地沟油的加工过程中可能会采用某些精炼和碱中和技术来规避监管标准，这使得大多数现行国家标准（GB 2716-2018）中规定的传统检测方法对其无效。”现有的检测方法存在显著局限性，包括易受加工相关修改的影响、检测成本高以及受烹饪和饮食习惯的干扰。

本研究发现，miRNA可以在经过处理的地沟油中持续存在。通过系统调查，研究人员确定了七种特定的miRNA——MIR162a、MIR168a、MIR166、MIR156a、let-7a、miR-223和miR-16——作为潜在的生物标志物。通过qRT-PCR筛选，他们进一步确定，其中四种miRNA——let-7a、MIR162a、MIR156a和miR-16——在商业油和模拟食用油（动物油和植物油的混合物）之间表现出显著的丰度差异。此外，这种丰度差异被发现是浓度依赖的。

为了验证let-7a、MIR162a、MIR156a和miR-16区分地沟油的能力，研究人员分析了37个真实世界中的地沟油样本。结果显示，MIR162a和MIR156a在动物油与其他食用油之间表现出显著的丰度差异，但它们在植物油和地沟油之间的水平差异并不显著。相比之下，miR-16和let-7a在所有三种油类型之间的成对比较中表现出显著的丰度差异。

随后，研究人员通过基于两种动物源性miRNA（miR-16和let-7a）和两种植物源性miRNA（MIR162a和MIR156a）对油进行分类，进行了层次聚类。聚类结果显示，动物源性miRNA能够正确地将所有油分为三类：动物油、地沟油和植物油。然而，基于植物源性miRNA的聚类导致植物油和地沟油的分类混杂，表明其区分能力较低。

为了进一步增强该方法的可靠性和适用性，研究人员将所有油样本数据绘制在以miR-16和let-7a丰度为x轴和y轴的二维平面上。为了识别油类型之间的关键差异，他们应用了最大间隔超平面的概念，并采用支持向量机（SVM）算法进行机器学习。这种方法使得可以根据miRNA丰度区分油类型得出一个分类“公式”（决策边界）。通过将qRT-PCR得出的miR-16和let-7a的丰度值输入到这个公式中，可以准确地将油样本分类为动物油、地沟油或植物油。该算法在测试数据集上进行了验证，达到了100%的分类准确率。

通过将qRT-PCR与SVM算法相结合，本研究引入了一种基于miRNA丰度识别地沟油的新技术方法，为确保食品安全和打击食品相关犯罪提供了强大的工具。张博士说：“鉴于在新冠疫情期间全国范围内部署了qRT-PCR设备，这种方法不仅比传统方法更具成本效益，而且更加便捷。此外，由于miRNA直接反映了油的生物来源，它们本质上不易被伪造和外部干扰。”此外，机器学习的引入增强了这种方法的灵活性。当地卫生和市场监管部门可以使用自己的样本数据重新训练模型，从而扩大训练数据集或加入额外的miRNA（增加数据维度）。这种适应性有望开发出一个更强大、更精确的油品质量评估系统。

Li J, Cong L, Liu Y, Li L, Zhang Y. MicroRNA profiling as novel biomarkers for detecting gutter oil using machine learning. ExRNA 2025(1):0002, https://doi.org/10.55092/exrna20250002.