使用3D纳米结构扫描和基于深度学习的拉曼光谱分类来多重检测食源性病原体
Hyunju Kang1,2, Junhyeong Lee3, Jeong Moon1,4
1Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), 125 Gwahak-ro, Yuseong-gu, Daejeon, 34141, Republic of Korea.
Small (Weinheim an der Bergstrasse, Germany)
|April 2, 2024
概括
一种新的3D纳米结构抹布与深度学习拉曼光谱学相结合,在几分钟内快速检测出多种食源细菌. 这一突破为加强食品安全监测和公共卫生保护提供了一个强大的工具.
科学领域:
- 食品安全 食品安全
- 微生物学 微生物学
- 分析化学 分析化学
背景情况:
- 有效的食物传播疾病管理需要对食物传播病原体进行常规监测.
- 目前的检测方法往往缺乏主动监测所需的简单性,速度和灵敏性.
研究的目的:
- 开发一种快速,灵敏和简单的方法来检测多种食物传播细菌.
- 使用3D纳米结构扫描和基于深度学习的拉曼信号分类来识别病原体.
主要方法:
- 采用3D纳米结构的拭子,有效捕获食物传播的病原体.
- 一个便携式拉曼仪器直接从捕获的细菌中收集拉曼信号.
- 一个具有二进制标签的1D卷积神经网络 (CNN) 用于细菌物种分类,扩展到混合种群.
主要成果:
- 深度学习算法在分类单个和混合细菌物种方面实现了高精度 (近100%).
- 梯度加权类激活映射提供了对特征拉曼波段的见解.
- 对受污染的食品和食器进行盲目测试,证明了成功检测细菌.
结论:
- 3D纳米结构拭子,便携式拉曼装置和深度学习的综合方法提供了快速 (约5分钟) 的食物传播细菌识别.
- 这种技术显示出可靠的食品安全监测的巨大潜力,有利于公众健康和食品工业.
