使用单细胞拉曼光谱学与机器学习相结合,在Daqu启动器中快速检测了六种Oceanobacillus物种
Lei Xu1,2, Yuan Liang1, Wei E Huang3,4
1Key Laboratory of Industrial Biotechnology of Ministry of Education, School of Biotechnology, Jiangnan University, Wuxi, China.
Microbial biotechnology
|February 21, 2024
概括
使用单细胞拉曼光谱 (SCRS) 和机器学习,快速识别Daqu初始培养中的Oceanobacillus物种. 这种非破坏性的方法确保了传统食品和饮料的发酵质量.
科学领域:
- 微生物学 微生物学
- 频谱学是一种光谱学.
- 数据科学数据科学数据科学
背景情况:
- 传统的发酵食品依赖于多个物种的初始培养,但微生物组成可能会波动.
- 确保初始培养品质对于产品的一致性至关重要.
- 需要快速的微生物识别方法来实时监测发酵.
研究的目的:
- 开发和验证一种快速,非破坏性的方法,用于识别Daqu初始培养中的Oceanobacillus物种.
- 应用单细胞拉曼光谱法 (SCRS) 结合机器学习进行微生物分析.
- 为了实现发酵过程的实时监控.
主要方法:
- 从Daqu样本中分离出6种Oceanobacillus物种,使用安普利康测序和纯培养.
- 创建了一个参考数据库,将分类学数据与单细胞拉曼光谱 (SCRS) 相对应.
- 使用机器学习算法 (SVM) 来根据SCRS数据对Oceanobacillus菌株进行分类.
主要成果:
- 支持矢量机 (SVM) 在分类海洋细菌物种方面取得了最高的准确性.
- 基于SVM的模型在合成微生物群落中显示出高精度 (平均误差<1%).
- 在60分钟内预测了6种Oceanobacillus物种的相对丰富性.
结论:
- 与机器学习相结合的SCRS提供了一种快速,无标签的方法来识别Daqu启动器中的Oceanobacillus物种.
- 这种方法有助于实时监测发酵过程.
- 这种方法有助于确保传统发酵产品的质量,如中国的白.
