针对此问题，中国科学院城市环境研究所朱永官院士团队崔丽研究组开发了一种结合单细胞拉曼光谱与开集深度学习算法的新型空气病原菌检测技术。该技术通过建立病原微生物气溶胶的拉曼光谱数据库，并采用改进的开集深度学习算法，可以实现复杂空气中多种关键病原菌的高效识别。对于含有1%以上病原菌的样本，整个流程从采集到结果输出仅需1小时，对五种目标病原菌的平均识别准确率达到93%，同时将假阳性率降低了36%，检测限达到了单细胞水平。即使在包含超过4600种微生物的样本中，这种方法也能有效识别目标病原菌，显著提高了抗干扰能力。此外，该技术已在医院、商场等多种实际环境中得到验证，显示了其在生物安全监测和防止病原菌气溶胶传播方面的巨大潜力。
研究成果以Open-set deep learning-enabled single cell Raman spectroscopy for rapid identification of airborne pathogens in real-world environments为题，发表于综合性期刊Science Advances上。中国科学院城市环境研究所朱龙吉副研究员为第一作者，朱永官院士和崔丽研究员为共同通讯作者，厦门大学田中群院士、任斌教授、中国科学院计算技术研究所安竹林副研究员、美国弗吉尼亚理工大学Peter J. Vikesland教授、英国Francis L. Martin教授等对论文进行了指导。研究工作得到国家自然科学基金（42021005、32100083、22176186）、重点研发计划（2022YFF0713100）、中国科学院前沿科学重点研究计划“从0到1”原始创新项目（ZDBS-LY-DQC027）的支持。
方法流程示意图
