揭秘深海：单细胞光镊拉曼技术助力深海微生物的免培养原位检测-大发棋牌

来源：分类：

2024-12-20 17:00:10 263阅读次数

扫码分享

在浩瀚无垠的深海中，隐藏着无数未被发现的微生物宝藏。这些微小的生命体可能是解决日益严重的海洋污染问题的关键。传统方法难以捕捉这些微小生命体，单细胞光镊拉曼技术可在液体中实现对微生物单细胞的捕获与操纵，以及拉曼光谱采集、微液滴分离等操作，为深海微生物的免培养原位检测提供新的思路。

应用优势

· 光镊与拉曼光谱技术结合，实现微生物单细胞的液体原位固定与免标记拉曼光谱检测识别

· pggan深度学习算法压缩样品采集时间，提高拉曼光谱采集效率

· resnet分类模型辅助提高深海微生物识别准确率至99.8%

应用方案

1、实验流程

2、实验结果

2.1 深海微生物拉曼光谱采集

对深海采集的pe碎片上的微生物混合培养物进行测序，从中选取了5个种属的细菌单细胞进行拉曼光谱采集，包括不动杆菌（acinetobacter sp.）、假芽孢菌（fictibacillus sp.）、盐单胞菌（halomonas sp.）、假单胞菌（pseudomonas sp.）和葡萄球菌（staphylococcus sp.）。利用光镊固定微生物单细胞，同时拉曼激发光用于采集微生物拉曼信号，实现液体中微生物原位拉曼检测。将每种菌采集的300个光谱求均谱后结果如图1所示。

图1 光镊-拉曼采集的5种菌拉曼光谱

2.2 pggan算法模拟拉曼光谱

由于海洋微生物密度远低于富集培养密度，因此为实现更低样品量下更准确的分类结果，采用了pggan算法对采集的拉曼光谱进行模拟，并生成对应的模拟光谱。图2中蓝线为生成光谱的平均光谱，红线为真实光谱，各菌属的生成光谱与真实光谱的差异肉眼几乎无法区分，说明该方法确实能够较为真实地模拟各菌属的拉曼光谱。采用该算法对5种深海微生物各生成了1000个模拟光谱。

图2 pggan算法模拟各菌属光谱

2.3 深度学习对深海菌的预测分类

将上述pggan算法生成的每种菌1000个拉曼光谱导入不同的分类模型中（pca-lda、pca-svm、knn、cnn、resnet），对每种菌的光谱数据取80％用于模型训练，剩余20％用于预测验证模型的准确率，得到的最优模型resnet的预测结果如图3所示，预测的平均准确率为99.8％。

图3 resnet分类模型对五种深海微生物的预测

小结

传统的微生物鉴定方法通常涉及复杂的样品处理和破坏性，更无法实现原位检测，限制了对真实样品的探索。sc-catcher-r单细胞拉曼光镊操纵与分选系统，集拉曼光谱与光镊分选于一体，应用光镊技术在液体中实现对微生物单细胞的捕获与操纵、单细胞拉曼光谱采集、微液滴分离等操作。在本研究中，运用光镊-拉曼、pggan算法和resnet分类模型建立了一套用于深海微生物免培养快速原位识别的新方法。该方法减少了对大量样品数据的采集需求，解决了低信噪比拉曼光谱的分类难题，为深海微生物的免培养识别提供了一种快速、准确、免标记的检测工具。

扫描下方二维码

体验更多光镊应用服务！

end

往期推荐

成果文章丨《analytical chemistry》微流环境中使用光镊对发酵乳酸菌进行稳定 sers 检测

2024-01-08

单细胞操纵的艺术(一)：光镊技术引领生物实验新潮流

2024-05-14

《talanta》| 光镊-拉曼光谱结合深度学习对海洋细菌进行分类

2022-03-29

成果展示丨《talanta》中国科学院长春光机所李备研究员x-lab团队成功开发新型单细胞液体拉曼光谱检测芯片

2024-12-13

参与评论

后参与评论

全部评论(0条)

揭秘深海：单细胞光镊拉曼技术助力深海微生物的免培养原位检测-大发棋牌

联系我们

关注我们