先进的Nosema bombycis子鉴定:单细胞拉曼光谱与自我注意力机制引导的深度学习相结合
Mengjiao Xue1,2, Jianchang Hu1, Xiaoyong He1
1School of Electronic Engineering and Intelligentization, Dongguan University of Technology, Dongguan, Guangdong 523808, China.
Analytical chemistry
|December 11, 2024
概括
一种新方法使用单细胞拉曼光谱和自我注意力机制 (SAM) 引导的卷积神经网络 (CNN) 准确识别Nosema bombycis (Nb) 子. 这种方法显著提高了丝虫中pebrine疾病的诊断准确度.
科学领域:
- 生物技术是生物技术.
- 微生物学 微生物学
- 频谱学是一种光谱学.
背景情况:
- 由Nosema bombycis (Nb) 子引起的病对丝行业构成了重大威胁,造成了巨大的经济损失.
- 准确的,单细胞水平识别活的Nb子对于有效的疾病管理至关重要.
研究的目的:
- 开发一种新,准确和方便的方法来识别单个Nosema bombycis子.
- 为了增强丝虫中pebrine疾病的诊断能力.
主要方法:
- 利用单细胞拉曼光谱法从单个子获得光谱数据.
- 开发了一个由自我注意机制 (SAM) 指导的卷积神经网络 (CNN) 框架,用于光谱特征提取和分析.
- 采用数据增强和局部特征提取策略 (阻止单个拉曼波段) 来优化CNN模型.
主要成果:
- 优化的CNN模型,结合SAM和数据增强,实现了Nb子识别的99.27±0.25%的高预测准确度.
- 与没有SAM和数据增强的模型相比,这代表了近18%的显著改善.
- 确定了关键的拉曼波段 (1658,1458,1127和849厘米-1),对于准确的Nb子分类至关重要,通过SAM的注意力权重进行验证.
结论:
- 单细胞拉曼光谱与SAM介导的CNN相结合,为早期诊断Nosema bombycis子提供了一个强大的工具.
- 这种方法在丝工业中对监测和管理羊病具有重大潜力.
- 已识别的关键拉曼波段为Nb子检测提供了可靠的光谱标记.
