学术成果丨《LWT-FOOD SCI TECHNOL》中国科学院长春光机所李备研究团队发表发酵乳酸菌快速检测新方法

2024-07-3045

2024年7月1日，中国科学院长春光机所李备研究团队在《LWT-Food Science and Technology》期刊上发表了题为“Ultra-fast identification of lactic acid bacteria colonies based on droplet microcavity label-free SERS”的文章。文章基于液滴微腔技术结合无标记表面增强拉曼技术和机器学习算法，成功实现了乳酸菌的快速检测鉴定。核心产品——P300共聚焦拉曼光谱仪为本文乳酸菌的快速检测及分类提供了有力工具。

一、研究背景

乳酸菌的快速检测一直是科研工作者头疼的问题，常规细菌鉴定方法耗时非常长，一般需要2-3天才能出结果。过去的研究中，纳米银结合表面增强拉曼光谱（SERS）鉴定的方法虽然检测速度较快，但纳米银孵育等待的时间较长，不能及时地对菌落样品进行检测。本研究中，为了提高整体的细菌检测速率，将SERS与液滴微腔技术结合，缩短样品制备检测流程，又将拉曼技术与机器学习技术相结合，提高了细菌的识别分类效率。

二、研究方法

本研究设计搭载了拉曼检测平台，并针对液滴微腔设计了疏水性芯片，将微生物与纳米银混合后直接点样至芯片上，对液滴进行拉曼检测（图1）。对收集到的5种乳酸菌的拉曼光谱进行统计，采用2种机器学习算法对拉曼光谱的鉴定分类进行预测。

图1 纳米银SERS对乳酸菌的快速检测流程示意图

三、结果

本研究将培养的乳酸菌与纳米银胶体混合，直接点样至疏水芯片上，置于拉曼光谱仪下进行拉曼检测，具体步骤为，从固体培养基上挑取待测单菌落放入离心管种，然后滴加纳米银胶体混合，涡旋仪混合后直接滴加在疏水载玻片上，放置在物镜下直接进行拉曼光谱检测。

图2 5类乳酸菌SERS光谱统计

A为5类乳酸菌SERS光谱均谱指纹区示意图；B为5类乳酸菌SERS光谱的信噪比（SNR）统计；C为5类乳酸菌SERS光谱的tSNE聚类图

对五种酸奶发酵的乳酸菌进行SERS拉曼光谱检测，结果发现表面增强拉曼光谱信噪比较高，而且不同种之间信噪比分布均匀，而t-SNE分析也得到了很好的分布结果（图2C）。

接着，利用SVM、KNN机器学习算法对SERS光谱进行聚类鉴定。得到的识别准确率都在90%以上，达到了很好的区分效果。

图 3 两种机器学习算法对5种乳酸菌SRES光谱的预测

A为SVM机器学习算法对SRES光谱预测结果的混淆矩阵；B为KNN机器学习算法对SRES光谱预测结果的混淆矩阵

四、结论

本研究使用液滴微腔SERS的方法对五种乳酸菌进行SERS光谱检测。利用机器学习算法（SVM 和KNN）分析 SERS 光谱，将乳酸菌识别率提高至 90% 以上。提高了无标签 SERS 技术检测的速度，增强 SERS 技术在细菌检测，尤其是乳酸菌快速鉴定方面的适用性，满足了乳品酿造业对及时检测细菌的实际要求。

原文链接：https://www.sciencedirect.com/science/article/pii/S002364382400714X

五、辰英价值

该研究中采用了P300激光共聚焦拉曼光谱仪是研制的一款高端科研级光谱仪。在本文中，利用P300对纳米银与乳酸菌混合液进行了表面增强拉曼光谱检测，该仪器配套搭载的HOOKE IntP智能分析软件对光谱进行了t-SNE聚类分析和SVM、KNN分类预测。这些结果为进一步提高SERS在食品发酵行业的应用提供了参考依据，同时也体现了P300在食品发酵与菌株快速检测领域的应用潜力，为开发食品发酵行业菌群鉴定与快速检测提供了新的思路。