基于温度增强的纯素代谢的多功能SERS平台,用于快速诊断临床病原体和药物耐药性评估
Lei Jin1,2, Qiuqiu Mu3, Qing Zhang3
1School of Pharmaceutical Sciences, Wenzhou Medical University, Wenzhou 325035, China.
Analytical chemistry
|January 29, 2025
概括
使用表面增强拉曼光谱 (SERS) 和机器学习 (ML) 加快了病原体的快速识别. 这种方法利用温度诱导的 purin代谢快速生成 SERS 光谱,使细菌菌株的准确分化和药物耐药性的检测成为可能.
科学领域:
- 光谱学和分析化学 分析化学
- 微生物学与传染病的研究
- 计算生物学和生物信息学
背景情况:
- 无标签的表面增强拉曼光谱 (SERS) 结合机器学习 (ML) 提供了快速病原体识别的潜力.
- 目前的方法依赖于SERS光谱的精氨酸降解代谢物,但需要长时间的潜伏时间 (>10小时),并与特定菌株的变异作斗争.
- ML模型的有限通用性是由于忽视了细菌菌株之间的光谱变异.
研究的目的:
- 通过调查细菌纯素代谢中温度诱导的变化来加速基于SERS的病原体识别.
- 为了解决缺乏关注同一细菌物种菌株之间的光谱变异的问题.
- 优化ML模型以提高实际应用中的实用性和通用性.
主要方法:
- 研究了细菌纯素代谢中温度诱导的变化.
- 通过将样本加热到60°C,在1小时内获得了强大的SERS光谱.
- 优化了ML模型,使用数据集捕获多个菌株特定的SERS指纹,并对单独的菌株进行验证.
主要成果:
- 在60°C时1小时内加速获取SERS频谱.
- 在病原体菌株中识别了多个指纹模式,而不是统一的光谱签名.
- 在17小时内,SoftMax分类器在识别实验室和临床标本方面实现了100%的准确性.
- 在区分耐药菌株 (MRSA,CRE) 的准确性>91%和在区分特定菌株 (例如,EHEC) 的准确性>99.66%.
结论:
- 一个基于纯素代谢的加速SERS平台为细菌感染诊断提供了一个快速的替代方案.
- 优化的ML模型在病原体识别和表征方面具有很高的准确性和通用性.
- 这种方法显著减少了诊断时间,并提高了识别耐药和特定细菌菌株的能力.
