-
题名基于单细菌共焦拉曼光谱的细菌快速检测
被引量：2
- 1
-
-
作者
窦雪晨
蔡田雨
王冠
刘培鹏
李抄
杜耀华
田丰
-
机构
军事科学院系统工程研究院卫勤保障技术研究所
-
出处
《微生物学通报》
CAS
CSCD
北大核心
2022年第5期1581-1593,共13页
-
基金
国家重点研发计划(2017ZX10304403003003)
军队重点项目(20SWAQX06)。
-
文摘
【背景】目前利用共焦拉曼光谱技术进行成像和成分鉴别方面的研究较多,但如何快速检测与鉴别多种细菌方面的研究较少。【目的】基于共焦拉曼光谱技术,建立一种在单细菌水平上实现病原微生物快速分类鉴定的方法。【方法】以大肠杆菌为研究对象,利用共焦拉曼光谱技术在单细菌水平上进行了激发波长的优化试验,并研究了大肠杆菌存放时间对单细菌拉曼光谱信息的影响。同时,对白色葡萄球菌、大肠杆菌、金黄色葡萄球菌、沙门氏菌和铜绿假单胞菌进行了共焦拉曼光谱测试,并对5种细菌进行单细菌拉曼光谱的归属分析,设计共焦拉曼光谱技术结合支持向量机(support vector machine,SVM)模型学习算法,进行了5种细菌的快速分类鉴别。【结果】对于单细菌拉曼光谱探测,532、633和785 nm这3种常见的拉曼探测波长中,532 nm具有更好的激发效率和光谱信噪比。结合SVM模型对5种细菌的识别分类,SVM模型的灵敏度和特异性达到了96.00%以上,整体准确率为98.25%。不同存放时间下大肠杆菌拉曼光谱的重复性和稳定性都很好,且SVM模型匹配率均在90.00%以上。【结论】单细菌拉曼光谱结合SVM模型可对5种细菌进行快速、准确的分类,不同存放时间对大肠杆菌拉曼光谱的归类识别几乎无影响。
-
关键词
共焦拉曼光谱技术
单细菌
分类鉴定
线性支持向量机模型
-
Keywords
confocal Raman spectroscopy
single bacterial cells
classification and identification
support vector machine
-
分类号
R446.5
[医药卫生—诊断学]
-
