点击蓝字 关注我们
摘译：欧洪健
审校：郭 燕
拉曼散射（RS）效应是光子的非弹性散射，可以与样品中的分子相互作用，然后通过拉曼光谱仪形成反应样品的独特指纹。具有快速区分不同分裂水平细菌和识别具有不同耐药性细菌的潜力。在本项研究中，研究人员提出了一种基于无标记的SERS方法来区分ColR-Kp和ColS-Kp。图1说明了本研究的主要步骤。细菌在胰蛋白胨大豆肉汤（TSB）中培养4小时，而非长时间培养。
为了确定ColR-Kp和ColS-Kp菌株SERS拉曼光谱差异的最短培养时间，研究人员将样品分别在TSB中培养4、8、12和24 h，以探究耐药机制（如图2a-d）。
结果表明，在4、8、12和24 h培养时间的峰强度方面，菌株之间存在或多或少的差异。选择差异更明显的培养时间可以显著提高机器学习方法的成功率。
为了在更短的时间内进行检测，选择4 h的培养时间用于后续试验。将细菌在琼脂上培养24 h，在TSB中培养4 h。比较两种培养基的ColR-Kp和ColS-Kp的平均归一化光谱，如图3a和3b所示。在TSB中培养的两种肺炎克雷伯菌在大多数波段上都具有更高的强度值。1048 cm-1波段强度在ColR-Kp中不如ColS-Kp高。另一方面，在琼脂上生长的ColR-Kp在该波段上峰强度更高，但在耐药和敏感菌株中均存在。因此，在TSB中生长4 h的肺炎克雷伯菌菌株不仅提供了更多的鉴别特征，而且满足了快速诊断的需要。
由于光谱较为相似，无标记SERS收集的肺炎克雷伯菌光谱需要使用机器学习技术进行耐药菌株的鉴定。AUC值由ROC曲线下面积计算得出，是衡量分类器性能的重要指标。使用自编码器和PCA提取的特征，运行30次SVM分类器得到的准确率和AUC值如图4所示。自编码器提取的非线性特征比PCA提取的线性特征具有更高的分类精度和AUC值。对于在TSB中培养4h的ColR-Kp和ColS-Kp的快速检测，非线性特征比线性特征提供了更多的判别依据。
点评
原文链接：
Ciloglu FU, Hora M, Gundogdu A, Kahraman M, Tokmakci M, Aydin O. SERS-based sensor with a machine learning based effective feature extraction technique for fast detection of colistin-resistant Klebsiella pneumoniae. Anal Chim Acta. 2022 Aug 15;1221:340094. doi: 10.1016/j.aca.2022.340094
