通过目标干涉库实现的稳健单细胞拉曼识别

《Analytical Chemistry》：Robust Single-Cell Raman Identification Enabled by Target–Interference Library

　　单细胞拉曼光谱检测技术通过构建目标-干扰库分解框架有效解决食品基质中噪声干扰问题，实现芽孢杆菌属四物种97.1%的分类准确率，在牛奶基质中单孢子识别达96.12%。

　　

食源性病原体，尤其是能形成孢子的芽孢杆菌属细菌，由于其对传统灭菌方法的抗性以及快速产生毒素的能力，持续对食品安全构成威胁。单细胞拉曼光谱技术能够实现细菌细胞的快速、无标记检测。然而，其实际应用往往受到信噪比（SNR）较低的限制。在食品检测中，这一问题尤为突出，因为复杂的样品基质和多种干扰成分会显著增加光谱背景噪声，从而影响分析的准确性和可靠性。为了解决这些问题，我们提出了一种基于目标-干扰库（TIL）分解框架的方法，该方法能够主动学习目标细菌和已知干扰物的光谱特征。经过训练的TIL框架能够将含噪声的单细胞光谱分解为目标细菌信号和干扰成分。通过利用分离出的目标细菌信号，该方法显著提高了识别的精确度。我们将这种方法应用于区分四种密切相关的芽孢杆菌属细菌，即地衣芽孢杆菌（Bacillus licheniformis）、枯草芽孢杆菌（Bacillus subtilis）、蜡样芽孢杆菌（Bacillus cereus）和嗜热淀粉芽孢杆菌（Bacillus thermoamylovorans），分类准确率达到97.1%，远超传统方法。关键的是，该方法在真实复杂的牛奶基质中检测单个孢子的准确率高达96.12%。这一研究表明，该方法为快速、现场监测提供了实用途径，满足了现代食品安全监测的迫切需求。