0551-69105010
由細菌病原體引起的傳染病是重要的公共問題。此外，由于抗生素的過度使用，在臨床環境中廣泛遇到了許多多重耐藥的細菌病原體。因此，細菌病原體的快速識別和抗生素耐藥性分析可以極大地促進傳染病的精確治療策略。迄今為止，已經開發了許多用于體外診斷的常規和分子方法。本文總結了細菌檢測相關技術以及其優缺點。
1、傳統方法檢測細菌進展
傳統細菌檢測通常是將可疑菌落進行培養，它涉及樣品收集，連續稀釋，在合適的培養基上鋪板以及等待適當的孵育時間以獲得可見菌落的漫長過程。培養過程中利用特定酶（如熒光素酶）在酶促反應期間作為副產物發光實現細菌的檢測。但培養時間長、操作復雜，耗材量大。難以實現細菌的快速檢測。
基于抗體和抗原的特異性結合的免疫學方法，利用抗原的靶標部分與抗體結合。能夠實現細菌的快速診斷。廣泛使用的免疫學方法是酶聯免疫吸附測定（稱為ELISA，它使用抗體并通過顏色變化來識別物質）和免疫磁分離（稱為IMS，可以有效地從各種體液和培養細胞中分離細胞）。ELISA與IMS相結合，開發了一種免疫層析試紙（ICG），可用作食品中診斷細菌的簡單方法]；Cho和他的團隊將ELISA與免疫磁珠（基于磁珠的免疫磁分離）相結合，并用熒光團標記它們以檢測細菌。但是這種免疫學方法成本高、步驟復雜，應用受限。
以聚合酶鏈反應（PCR）為主的細菌分子生物學檢測技術，通過體外擴增DNA,能夠實現細菌的檢測。同時，PCR可以與毛細管電泳相結合，實現微生物的靈敏檢測。但由于反應過程中會產生非特異性產物， PCR的診斷仍然不穩定。
2、SERS檢測細菌進展
SERS檢測病原菌的關鍵在于具有良好特異性的高性能SERS標簽。SERS標簽的效果由幾個因素決定，例如SERS活性底物，附著分子類型等。各種形狀的金納米顆粒（AuNPs）或銀納米顆粒(AgNPs)，已普遍用作SERS活性底物。
抗體通常用作識別元件，因為它通過共價結合效應對細菌具有特異性。如單壁碳納米管（SWCNTs）-Au NPs與單克隆抗體偶聯用于檢測沙門氏菌或多重耐藥（MDR）沙門氏菌。可以實現高靈敏檢測（LOD：10 cfu/mL）。
SERS的其他檢測細菌分析通常采用由無機鹽誘導的AuNPs或AgNPs膠體或顆粒聚集體，只需與細菌細胞混合，就能實現細菌信號的采集。雖然簡單的混合方法使檢測更便宜、更容易、更快捷，但生成的混合物并不總是均勻的，這導致納米顆粒在病原體細胞表面的隨機分布，然后出現不可重復的SERS譜圖。基于貴金屬納米顆粒的SERS方法的主要目標是使貴金屬納米顆粒與細菌表面接觸盡可能多的點并盡可能接近。
Zhou等人提出了通過靜電相互作用在細菌細胞壁上原位合成AgNPs的方法，以更好地檢測飲用水中的細菌。使用這種策略增強細菌的拉曼信號遠高于簡單混合膠體與細菌懸浮液或共孵育策略的情況。此外，他們發現AgNP合成后細菌的拉曼信號強度主要取決于細胞壁的Zeta電位，該電荷似乎僅與細菌表面AgNPs的合成有關，而與它們的持續附著無關。并且方法具有許多優點，例如操作簡單，反應物體積較低，靈敏度和選擇性高，以及良好的重現性，可以擴展到更復雜的樣品，例如食品或血液樣品。
3、機器學習識別細菌進展
生物學家會使用不同的測試，如運動測試、分子測試和生化測試等，以便達到細菌成功的分類，會受到科研人員主觀的影響。機器學習的快速發展，是細菌的自動檢測有力的工具。
一方面，研究人員利用機器學習從細菌外部形貌、各種表征圖象進行細菌的識別與劃分。
Osman等人開發了一種NN方法，基于K均值聚類的圖像分割，特征提取，特征選擇和基于GA-NN方法的分類，結合遺傳算法實現在組織中檢測結核分枝桿菌]。Lopez等人提出了使用CNN鑒定結核分枝桿菌（MT）的分類技術。作者使用三個卷積層來評估具有穩健平衡融合的圖像數據集，并將 MT 的數據分類為正或負。該系統的準確率達到96%。Zielinski等人提出了一種基于DL的識別技術，用于細菌種類和屬的分類。利用深度卷積神經網絡（DCNN）獲取圖像描述，然后利用池化編碼器生成特征向量，最后利用SVM或RF進行分類任務。
另一方面，采用對細菌所特有的信號進行區分。
一些研究利用一些機器學習技術來區分過于相似的屬于易感細菌的SERS數據光譜。在分析致病菌光譜時，通常首選PCA[，通過從數據中提取線性特征來顯示抗生素耐藥組和易感組之間的差異。還有研究已經表明，提取非線性特征的CNN分類器在細菌拉曼數據分類方面比用PCA提取的線性特征具有更高的分類精度。為了提取非線性特征，自動編碼器是一類有用的機器學習技術。它們像PCA一樣用于降維目的，但與PCA不同，它提取非線性特征，通過使用這種方法來來區分ColR-Kp和粘菌素易感肺炎克雷伯，實現致病菌的有效識別。
文字報道：洪巖
文章編輯：董榮錄
