基于光纤光镊和人工神经网络的微生物拉曼光谱识别

在与致病性微生物相关的临床诊断和治疗中，微生物种类的快速、准确识别是至关重要的前提步骤。拉曼光谱作为物质的“分子指纹”，能够用于生物样品的无标记、无培养检测，因此利用拉曼光谱有望实现致病性微生物的非标记鉴定。但由于微生物的自身游动及其所处的流体环境，微生物拉曼光谱的稳定采集存在较大的困难，其光谱之间的特征差异更是难以直接识别。

为了提高拉曼光谱采集的稳定性和实时识别的准确性，暨南大学纳米光子学研究院、基础医学与公共卫生学院与北京大学深圳医院临床医学实验室合作，提出了一种使用光纤光镊在微流通道内捕获微生物、进而获取其拉曼光谱的方法，利用光纤光镊产生的梯度力将不同种类的单个微生物稳定捕获在光纤尖端，并收集其拉曼光谱，建立起了包含有15种微生物类别、共1.2万条的拉曼光谱数据集。

同时，团队研究人员设计和构建了一维卷积人工神经网络，并用光谱数据集进行训练。这种结构的神经网络避免了池化层带来的光谱数据特征丢失，有效地提取了拉曼光谱所蕴含的特征峰位，不仅实现了准确率达到94.93%的不同微生物拉曼光谱快速识别，还通过特征可视化方法从光谱中提取出了特征条带，直观地展现出不同微生物的特征峰位。

该研究为致病性微生物感染的诊断提供了一种高效、准确的方法。该方法也能够扩展到除微生物之外的其他生物样本鉴别中，为免标记、免培养的生物医学分析提供一种光学策略。

本文亮点

提出了一种使用光纤光镊在微流通道内捕获单个微生物、进而获取其拉曼光谱的方法，克服了由微生物自身游动或流体环境导致的拉曼光谱采集困难，成功采集了15种不同微生物的共1.2万条拉曼光谱，提高了数据采集的准确性和稳定性。

设计和构建出了一种去除池化层的一维卷积人工神经网络，并用采集到的拉曼光谱数据训练该神经网络，有效地提取了拉曼光谱所蕴含的特征峰位，实现了准确率达到94.93%的不同微生物拉曼光谱快速识别。

使用特征可视化方法从拉曼光谱中提取出了特征条带，直观地展现出不同微生物拉曼光谱的特征峰位，为分析不同微生物的物质组成差异提供了数据参考。

图文导读

图1实验系统与材料(a) 实验装置示意图；(b-d) 实验中捕获和识别的大肠杆菌、金黄色葡萄球菌和白色念珠球菌扫描电镜图片；(e) Y形分支的微流通道及嵌入的光纤光镊显微图片；(f) 光纤光镊扫描电镜图片；(g) 被光纤光镊捕获前后的铜绿假单胞菌运动轨迹。

图2 人工神经网络结构与微生物识别结果(a) 由两个一维卷积层和8个全连接层构成的人工神经网络结构示意图；(b) 15种微生物识别结果的混淆矩阵分析图。

总结与展望

本工作提出了一种结合光纤光镊和人工神经网络技术的微生物拉曼光谱识别方法，实现了微流体通道中的微生物类别快速、准确鉴定。利用光纤光镊产生的梯度力稳定地捕获微生物，获得了15类不同物种的拉曼光谱；经过光谱数据集训练的人工神经网络在独立测试集上实现了94.93%的识别准确率；采用特征可视化方法提取了拉曼光谱特征，用以研究不同物种的物质构成差异。

本文所提出的拉曼光谱识别策略有望在构建高集成度、智能化的微流芯片（Lab-on-a-Chip）分析平台中得到应用，实现微生物、外泌体和病毒等生物医学样品的探知和鉴别。

审核编辑：刘清

光谱人工神经网络微生物神经网络