基于中红外生物分子指纹图谱与可解释机器学习模型的呼吸道病毒快速精准诊断

本文创新性地结合衰减全反射傅里叶变换红外光谱（ATR-FTIR）与可解释旋转位置嵌入-稀疏注意力Transformer（RoPE-SAT）模型，通过鼻咽分泌物生物指纹区（1800-900 cm-1）实现10分钟内多病原体鉴别，灵敏度与特异性均超94.4%。Grad-CAM可视化技术揭示病毒特征光谱（如脂质、酰胺I-III、核酸等），为呼吸道病毒（RVs）大规模筛查提供快速、环保的解决方案。

　　

Highlight

本研究开发的新型诊断系统通过鼻咽分泌物的衰减全反射傅里叶变换红外光谱（ATR-FTIR）结合可解释旋转位置嵌入-稀疏注意力Transformer（RoPE-SAT）模型，在10分钟内实现呼吸道病毒（RVs）的精准鉴别。系统聚焦生物指纹区（1800-900 cm^-1），采用标准正态变量（SNV）归一化和二阶导数处理消除基线漂移，并通过梯度加权类激活映射（Grad-CAM）生成热力图，直观展示病毒特异性光谱特征（如脂质、酰胺I-III、核酸和碳水化合物等生物标志物）。

Model explanation for classifying Cohort 1 and discussion

传统深度学习模型常被视为"黑箱"，本研究创新性地将Grad-CAM应用于RoPE-SAT模型，量化模型关注的关键红外波段与已知病毒生物分子特征的重叠率。这种可解释性分析证实：模型能自主识别与病毒复制密切相关的光谱特征，例如在流感B病毒检测中显著关注核酸特征峰（1240 cm^-1附近磷酸二酯键振动），而SARS-CoV-2检测则更依赖刺突蛋白相关的酰胺带（1650 cm^-1）。

Conclusion and future work

该诊断系统在两个独立队列（采用不同病毒运输培养基和干燥方法）中均表现优异，未来将通过扩大样本量和病原体种类进一步优化模型。本研究为开发兼具高精度与可解释性的POCT（即时检验）设备奠定基础，其"光谱指纹+AI"的技术路线也可拓展至其他传染病检测领域。