在與致病性微生物相關的臨床診斷和治療中，微生物種類的快速、準確識別是至關重要的前提步驟。拉曼光譜作為物質的“分子指紋”，能夠用于生物樣品的無標記、無培養檢測，因此利用拉曼光譜有望實現致病性微生物的非標記鑒定。但由于微生物的自身游動及其所處的流體環境，微生物拉曼光譜的穩定采集存在較大的困難，其光譜之間的特征差異更是難以直接識別。

為了提高拉曼光譜采集的穩定性和實時識別的準確性，暨南大學納米光子學研究院、基礎醫學與公共衛生學院與北京大學深圳醫院臨床醫學實驗室合作，提出了一種使用光纖光鑷在微流通道內捕獲微生物、進而獲取其拉曼光譜的方法，利用光纖光鑷產生的梯度力將不同種類的單個微生物穩定捕獲在光纖尖端，并收集其拉曼光譜，建立起了包含有15種微生物類別、共1.2萬條的拉曼光譜數據集。

同時，團隊研究人員設計和構建了一維卷積人工神經網絡，并用光譜數據集進行訓練。這種結構的神經網絡避免了池化層帶來的光譜數據特征丟失，有效地提取了拉曼光譜所蘊含的特征峰位，不僅實現了準確率達到94.93%的不同微生物拉曼光譜快速識別，還通過特征可視化方法從光譜中提取出了特征條帶，直觀地展現出不同微生物的特征峰位。

該研究為致病性微生物感染的診斷提供了一種高效、準確的方法。該方法也能夠擴展到除微生物之外的其他生物樣本鑒別中，為免標記、免培養的生物醫學分析提供一種光學策略。

本文亮點

提出了一種使用光纖光鑷在微流通道內捕獲單個微生物、進而獲取其拉曼光譜的方法，克服了由微生物自身游動或流體環境導致的拉曼光譜采集困難，成功采集了15種不同微生物的共1.2萬條拉曼光譜，提高了數據采集的準確性和穩定性。

設計和構建出了一種去除池化層的一維卷積人工神經網絡，并用采集到的拉曼光譜數據訓練該神經網絡，有效地提取了拉曼光譜所蘊含的特征峰位，實現了準確率達到94.93%的不同微生物拉曼光譜快速識別。

使用特征可視化方法從拉曼光譜中提取出了特征條帶，直觀地展現出不同微生物拉曼光譜的特征峰位，為分析不同微生物的物質組成差異提供了數據參考。

圖文導讀

圖1實驗系統與材料(a) 實驗裝置示意圖；(b-d) 實驗中捕獲和識別的大腸桿菌、金黃色葡萄球菌和白色念珠球菌掃描電鏡圖片；(e) Y形分支的微流通道及嵌入的光纖光鑷顯微圖片；(f) 光纖光鑷掃描電鏡圖片；(g) 被光纖光鑷捕獲前后的銅綠假單胞菌運動軌跡。

圖2 人工神經網絡結構與微生物識別結果(a) 由兩個一維卷積層和8個全連接層構成的人工神經網絡結構示意圖；(b) 15種微生物識別結果的混淆矩陣分析圖。

總結與展望

本工作提出了一種結合光纖光鑷和人工神經網絡技術的微生物拉曼光譜識別方法，實現了微流體通道中的微生物類別快速、準確鑒定。利用光纖光鑷產生的梯度力穩定地捕獲微生物，獲得了15類不同物種的拉曼光譜；經過光譜數據集訓練的人工神經網絡在獨立測試集上實現了94.93%的識別準確率；采用特征可視化方法提取了拉曼光譜特征，用以研究不同物種的物質構成差異。

本文所提出的拉曼光譜識別策略有望在構建高集成度、智能化的微流芯片（Lab-on-a-Chip）分析平臺中得到應用，實現微生物、外泌體和病毒等生物醫學樣品的探知和鑒別。

審核編輯：劉清