美国斯坦福大学（Stanford University）开发了用于分析血液和废水的人工智能（AI）辅助方法。
微生物的可靠检测和鉴别对于医学诊断、环境监测、食品生产、生物防御、生物制造和药物开发至关重要。虽然病原体检测通常使用体外液体培养方法，但据估计，使用目前的实验室方法，可以轻松培养的细菌种类不到所有细菌种类的2%。此外，在这2%中，根据细菌种类的不同，培养过程可能需要数小时到数天不等。因而由于诊断进程缓慢，在等待细菌培养结果时通常使用广谱抗生素，导致抗生素耐药细菌数量惊人地增加。
拉曼光谱是一种无标记振动光谱技术，最近已成为一种有前途的细菌种类鉴别平台。由于每个细胞种类和菌株都有独特的分子结构，因而它们具有可用于鉴别的独特的光谱指纹。与基于核酸的检测方法（如聚合酶链式反应（PCR））和基于蛋白质的检测方法（如基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF）和酶联免疫分析（ELISA））相比，拉曼光谱检测技术只需很少或不需要使用试剂或标记，设备成本相对较低，并具有无扩增检测的潜力。此外，拉曼光谱检测技术是一种无损技术，首先，其激发激光功率很低，使细胞可以保持活性；其次，测量结果基本不受细胞中水分的干扰；最后，检测只需非常小的样本量。与等离子体或米式共振纳米颗粒结合，拉曼光谱信号平均可以增强10⁵-10⁶倍，最高可增强10¹⁰倍，从而实现对细胞的快速检测。由于这些优势，拉曼光谱检测技术已经成功地应用于基因分析、蛋白质检测，甚至单分子检测。最近的工作也显示了拉曼光谱检测技术在细胞鉴别方面的令人兴奋的进展，包括细菌鉴别、免疫分析和活体活检。然而，为了提高拉曼光谱检测技术的临床和工业实用性，它必须与简便的样本制备方法相结合。
据麦姆斯咨询报道，近期，美国斯坦福大学的一个研究项目开发了一种细菌鉴别技术，该技术结合了表面增强拉曼光谱（SERS）、机器学习和用于样本制备的生物打印方法。这项研究近期以“Combining Acoustic Bioprinting with AI-Assisted Raman Spectroscopy for High-Throughput Identification of Bacteria in Blood”为题发表在Nano Letters期刊上。
拉曼光谱技术用于细菌鉴别原理示意图
据参与该项目的研究人员称，传统培养方法可能需要数小时或数天，作为传统培养方法的替代方法，这种新方法可以快速、廉价、更准确地对许多不同液体进行微生物分析。
斯坦福大学Fareeha Safir说：“不仅每种细菌都表现出独特的光谱特征，而且给定样本中几乎所有其他分子或细胞都是如此。样本中的红细胞、白细胞和其他成分都在发送自己的信号，因此很难从其他细胞的噪音中区分微生物的光谱信号。”
要解决这个问题，研究小组需要考虑的是如何利用极少量的样本达到最好的细胞分离效果，尽可能多地去除不必要的光谱信号。为了解决这一挑战，该研究借鉴了喷墨打印技术的原理，使用了一种被称为声学微滴喷射（ADE）的技术。在使用声学微滴喷射技术时，超声波将聚焦在流体-空气界面，产生辐射压力，从而使液体表面喷射出液滴，其液滴大小与换能器的频率成反比。
从细胞原液中喷射出的图案化液滴
未来的即时检测技术
该平台的拉曼面利用金纳米棒（GNRs）进行表面增强，将金纳米棒引入样本液体中，通过声学打印操作将细菌和金纳米棒都沉积到镀金载玻片上。
声学打印平台和共聚焦拉曼装置示意图
该研究团队在其发表的论文中评论道：“这项试验首次展示了利用微观生物实体和纳米颗粒进行的多组分样本的稳定而精确的高频声波打印。”
此外，在该项试验中，基于拉曼光谱的分析被应用于大肠杆菌、葡萄球菌，以及小鼠红细胞样本，并使用之前从均匀细胞样本中训练的机器学习算法来鉴别不同类别样本的拉曼光谱特征。
利用拉曼光谱信号鉴别用金纳米棒（GNRs）打印的细胞样本
基于机器学习算法和拉曼光谱技术鉴别大肠杆菌、葡萄球菌，以及小鼠红细胞样本
结果显示，该系统对细胞纯样本的分类准确率超过99%，对细胞混合样本的分类准确率为87%。此外，使用金纳米棒和不使用金纳米棒的检测结果证实，拉曼光谱信号在生物打印样本中会发生表面增强，其放大倍数高达1500倍。
根据该研究团队的说法，该方法可以帮助推进基于拉曼光谱的研究、临床诊断和疾病管理，为未来的即时检测系统提供基于流体的生物标志物微创检测。该平台也可以应用于其他液体的检测，比如公共卫生监测领域的饮用水检测。
研究团队成员Amr Saleh说：“这是一种创新的解决方案，有可能挽救生命。我们对该方法潜在的商业化机会感到兴奋，这可以帮助重新定义细菌检测和单细胞表征的标准。”
论文信息：
https://doi.org/10.1021/acs.nanolett.2c03015
