结合拉曼光谱和深度学习算法在属和种水平上鉴定细菌病原体

结合拉曼光谱和深度学习算法在属和种水平上鉴定细菌病原体

传染病是由微生物引起的一组疾病，可在人与人之间传播或从动物传染给人。细菌病原体是人类患上传染病的主要诱因之一，如果在细菌感染过程中快速准确地识别致病因子，这将极大地预防病原体传播、改善患者治疗和护理。近年来，由于成本低廉、无创性和无标签的特点，拉曼光谱(RS，Raman spectroscopy)正成为一种快速检测细菌的技术。但该方法仍存在再现性差、信噪比低等技术问题。表面增强拉曼光谱（SERS，Surface enhanced Raman spectroscopy）是解决传统RS信噪比低问题的有效方法。考虑到SERS数据的复杂性，数据处理过程中经常使用如CNN、SVM等机器学习算法构建光谱模型。目前SERS在细菌鉴定中的应用处于起步阶段，未来SERS结合机器学习鉴别多种细菌病原体具有极大的潜力。

从临床样品中分离出的9个不同细菌属的30个细菌种。从拉曼光谱仪中总共获得了17149个SERS光谱。SERS光谱数据经过多项式拟合、基线校正和归一化等常规的方法预处理之后，通过计算每个拉曼位移的强度来生成每个细菌物种的平均SERS光谱，同时也相应地生成标准偏差（图1A）。然后，使用点矩阵显示每个光谱的特征峰分布（图1B）。

在这项研究中，使用1种深度学习算法（CNN）和3种经典机器学习算法(RF、SVM和Adaboost)对不同细菌的SERS光谱数据进行分类和预测。CNN网络结构主要包括一个输入层、6个卷积层、3个最大池层和一个完全连接层。使用了AUC、ACC、Pre、Recall、F1等评价指标来衡量所有模型的性能。还使用混淆矩阵描述样本数据的真实属性与预测结果之间的关系。

可以从表1中清楚地看到，CNN的性能与RF识别不同细菌属时性能相似，并且这两种算法的性能都比其他两种算法更好。此外在表2中，识别不同细菌种时CNN的性能始终优于所有其他经典机器学习算法。图2表明，CNN模型在鉴别细菌属（AUC：1.0000）和细菌种（AUC：0.9958）上都取得了最佳性能。从图3A中的结果可以看出，对于30种不同的细菌，CNN模型实现了良好的预测能力，每个菌种的分类ACC大于或等于90%。对于细菌属的混淆矩阵，CNN模型可以在每个菌属中实现ACC大于98%，其中1%的不动杆菌和2%的链球菌被错误地预测为肠球菌属（图3B）。综上结果表明，CNN识别致病菌的预测精度最高。

总之，SERS技术整合机器学习算法在细菌病原体实验室环境下快速识别方面已经展示出广阔的潜力，该技术有可能进一步发展和完善，未来或许能够直接识别和预测临床样本中的细菌病原体。