编辑推荐：
为解决 Batrachochytrium salamandrivorans（Bsal）对全球有尾目生物多样性的威胁以及现有检测技术的局限问题，研究人员开展近红外光谱（NIRS）结合预测模型用于活体有尾目动物 Bsal 快速无创筛查的研究。结果显示该方法分类准确率达 80%，灵敏度 92%，有助于早期检测和防控。
在神秘的两栖动物世界里，一种名为 Batrachochytrium salamandrivorans（Bsal）的致命真菌正悄然肆虐，它就像一个隐藏在黑暗中的杀手，对全球有尾目生物多样性构成了巨大威胁。Bsal 引发的壶菌病（chytridiomycosis），是一种会 “吃掉” 两栖动物皮肤的可怕疾病，已经导致全球数百种两栖动物走向衰落甚至灭绝。目前，检测 Bsal 的传统方法，如组织学检查和定量聚合酶链反应（qPCR），虽然可靠，但存在诸多局限，它们大多只能在实验室使用，检测时间长，还需要专业技术人员操作。在生物安全风险日益严峻的当下，迫切需要一种快速、无创且能在野外使用的检测技术。
为了应对这一挑战，来自美国密西西比州立大学、田纳西大学等机构的研究人员展开了一项极具意义的研究。他们将目光聚焦在近红外光谱（NIRS）技术上，探索其能否成为检测 Bsal 的有效工具。最终，研究取得了令人振奋的成果，相关论文发表在《Communications Biology》上。
研究人员在这项研究中，运用了多种关键技术方法。首先，他们精心挑选了 50 只来自美国田纳西州诺克斯维尔附近池塘的东方蝾螈（Notophthalmus viridescens）作为研究对象。在实验前，对这些蝾螈进行了特殊处理，通过 30°C 持续 10 天的热处理，清除潜在感染，并利用 qPCR 检测确保其未感染 Batrachochytrium dendrobatidis（Bd）和 Bsal。接着，使用 ASD FieldSpec? 3 Indico?Pro 光谱仪，从蝾螈的下巴、泄殖腔、尾巴基部和足部四个部位收集近红外反射光谱。同时，设计了两组实验，分别对比感染与未感染 Bsal 的蝾螈光谱，以及不同感染程度蝾螈与未感染蝾螈的光谱。此外，运用多种机器学习算法，如广义线性模型（GLM）、线性判别分析（LDA）等构建预测模型，并进行统计分析评估模型性能。
光谱特征及区域差异
研究人员对收集到的光谱数据进行分析后发现，不同身体区域（下巴、泄殖腔、尾巴、足部）的光谱特征存在显著差异。在近红外光谱的 700 - 1200nm 第三泛音区以及 1200 - 1700nm 第一、二泛音区，这种差异尤为明显。例如，足部、尾巴和泄殖腔区域的 Bsal (+) 光谱，在 1380 - 1400nm 波长范围内，其转换后的吸光度值明显低于 Bsal (-) 光谱。通过主成分分析（PCA）进一步发现，四个区域的光谱得分在主成分 1（PC - 1）上呈现出明显的分离，下巴、泄殖腔和尾巴的 PC 得分主要集中在 PC - 1 的负半轴，而足部的 PC 得分则集中在正半轴。这表明不同身体区域的生化特征存在差异，为后续研究奠定了基础。
真菌负荷与死亡率
在整个研究过程中，研究人员利用 qPCR 对蝾螈的真菌负荷进行了量化分析。结果显示，真菌负荷随着时间的推移稳步增加，在不同时间点之间存在显著差异，如第 6 天到第 12 天、第 12 天到第 18 天等。同时，对比只进行 qPCR 检测（qPCR - only）和结合 NIRS 检测（NIRS + qPCR）两组蝾螈的死亡率发现，在感染 Bsal 后的第 36 天，qPCR - only 组的死亡率为 57%（4/7），而 NIRS 组仅为 23%（7/30）；到第 42 天研究结束时，qPCR - only 组全部死亡，NIRS 组死亡率为 60%（18/30）。这一结果表明，NIRS 检测可能对真菌生长有抑制作用，或者额外的操作对病原体负荷产生了影响。
区分感染与未感染个体的光谱
在实验 1 中，研究人员试图通过光谱区分 Bsal 感染（Bsal - exposed (+)）和未感染（Bsal - control (-)）的个体。最初，仅使用 PC - 1 和 PC - 2 时，光谱分离效果不佳，但当使用更多主成分时，如 PC - 2、PC - 3 与 PC - 1、PC - 4 组合，观察到了两组光谱的分离现象。进一步对不同身体区域的光谱进行分类模型评估发现，足部区域的总体准确率最高，达到 75.0 ± 3.9%。在多种算法比较中，支持向量机（SVM）算法表现出色，应用于四个区域组合数据集时，能准确分类 92.0% 的 Bsal - exposed (+) 光谱和 67.6% 的 Bsal - control (-) 光谱，整体分类准确率达到 80%，灵敏度超过 90%，特异性超过 65%。
区分不同感染程度个体的光谱
实验 2 中，研究人员对比了不同感染程度（低、中、高）Bsal 感染个体与未感染个体的光谱。结果发现，低感染（Bsal - low (+)）和高感染（Bsal - high (+++)）组的光谱特征有一定相似性，但与未感染组相比仍存在差异。在区分不同感染程度个体与未感染个体的光谱时，尾巴区域的分类准确率往往较高。不同算法在处理这类数据时表现各异，除 K - 最近邻（KNN）算法在部分情况下准确率较低外，其他算法表现相近。在区分 Bsal - control (-) 和 Bsal - low (+) 个体光谱时，下巴和尾巴区域的分类准确率较高；区分 Bsal - control (-) 和 Bsal - moderate (++) 个体光谱时，尾巴区域表现更优；区分 Bsal - control (-) 和 Bsal - high (+++) 个体光谱时，同样是尾巴区域的分类率较高。
综合研究结果与讨论，这项研究意义重大。它首次证明了 NIRS 技术在检测东方蝾螈 Bsal 感染方面的有效性，即使是感染初期、未表现出临床症状的个体也能被检测出来。这为两栖动物疾病防控提供了一种快速、无创的初步筛查工具，在宠物贸易、生物多样性保护等场景中具有广阔的应用前景。例如，在宠物贸易中，利用便携式 NIRS 仪器结合预测模型，可在动物跨境或跨地区运输时快速检测，有效阻止 Bsal 等有害病原体的传播。此外，研究还发现 NIRS 检测可能具有抗真菌效果，这为治疗壶菌病提供了新的研究方向。然而，研究也存在一定局限性，如样本量相对较小，可能影响实验结果的普遍性。未来，需要进一步扩大样本量，在更多两栖动物物种中验证该技术的有效性，不断完善这一检测方法，为保护全球两栖动物生物多样性提供更有力的支持。
