快速识别Litopenaeus vannamei致病细菌:一种使用表面增强拉曼光谱 (SERS) 和深度学习的综合方法
Yibo Zou1,2, Yuting Li1,2, Feng Zhang3
1College of Information Technology, Shanghai Ocean University, Shanghai, 201306, China.
Analytical and bioanalytical chemistry
|July 4, 2025
概括
这项研究引入了一种使用拉曼光谱和人工智能快速识别病原体的新方法. 该技术显著提高了检测准确度,有助于在水产养殖中早期预防疾病.
科学领域:
- 水生微生物学 水生微生物学
- 生物技术是生物技术.
- 频谱学是一种光谱学.
背景情况:
- 致病性细菌感染导致Litopenaeus vannamei () 显著死亡,影响水产养殖经济.
- 传统的病原体检测方法,如聚合酶链反应 (PCR),耗时且复杂.
- 拉曼光谱提供了丰富的生物分子信息,但需要足够的光谱数据来进行有效的深度学习模型.
研究的目的:
- 开发一种快速准确的方法来识别常见的病原体.
- 为了解决在深度学习中有限的光谱数据的挑战,用于病原体检测.
- 改善在养殖中早期预防和控制疾病.
主要方法:
- 表面增强拉曼光谱 (SERS) 与深度学习模型的整合.
- 最小平方生成对抗网络 (LSGAN) 的应用,用于合成光谱数据增强.
- 利用变压器模型进行高精度病原体识别.
主要成果:
- LSGAN成功地将光谱数据集从160个样本增加到2160个样本.
- 变压器模型在数据增强后在识别病原体方面实现了99.69%的准确性,提高了2.82%.
- 该模型表现出强大的概括性,在外部微生物拉曼光谱数据集上达到91.04%的准确性.
结论:
- 基于LSGAN的数据增强有效地提高了对有限光谱数据的变压器模型性能.
- 拟议的SERS-LSGAN-Transformer方法为病原体检测提供了一个快速而准确的解决方案.
- 这种方法支持早期疾病管理,并提高了养殖的可持续性.
