编辑推荐：
在医学、制药和农业食品等领域，病原菌检测至关重要。研究人员开展基于细菌轨迹检测活细菌的研究，结合光学成像、目标检测追踪与机器学习分类技术，成功区分活细菌、死细菌及惰性物体，还能检测异常细菌浓度，为感染防控提供了新方向。
在医学、制药、农业食品等诸多领域，病原菌检测都是重中之重。就拿医院感染（nosocomial infections）来说，它给全球医疗系统带来了极大挑战。在德国，2022 年预估有 40 万人受其困扰；法国每年也有多达 750 万例感染。传统的病原菌检测方法问题多多，像实验室培养法，耗时极长，光是孵育步骤就可能需要长达 7 天才能观察到可见生长，而且往往还会低估实际情况。聚合酶链式反应（Polymerase Chain Reaction，PCR）虽然是当下感染检测的金标准，但它对特定微生物的目标 DNA 特异性过强。免疫分析（immunological assays）虽然响应时间短，可灵敏度又比不上 PCR，而且难以应用于未知样本。所以，开发一种更高效、便捷的病原菌检测方法迫在眉睫。
来自法国斯特拉斯堡大学 ICube 实验室（UMR 7357 (CNRS/University of Strasbourg)）、德国弗莱堡大学等机构的研究人员，开展了一项极具创新性的研究。他们提出了一种结合光学成像、物体检测与跟踪以及基于机器学习的分类方法，旨在实现对大量样本进行集成实时广泛筛查。该研究成果发表在《Scientific Reports》上，为病原菌检测开辟了新道路。
在研究中，研究人员用到了几个关键技术方法。首先是光学成像技术，他们使用自制显微镜，搭配 40x 蔡司物镜、镜头、绿色 LED 光源和 Ximea 相机进行样本成像。其次是数据处理技术，通过自行编写的 Python 脚本和相关库函数，对采集的视频进行图像分割、粒子跟踪等处理。最后是分类技术，运用随机森林（Random Forest）分类器，基于细菌轨迹的 11 个特征进行分类。
下面来看具体的研究结果：
- 活细菌与珠子的分类：研究人员以 1μm 乳胶珠子模拟惰性物体，测试区分活细菌和惰性物体的可能性。对每种细菌准备 4 个样本，训练分类器区分活细菌和珠子。结果显示，训练后的算法能有效预测样本中细菌 / 珠子的比例，误差较小。其中，与速度相关的特征（平均速度、速度标准差、速度斜率）在分类决策中使用频率较高12。
- 死细菌与珠子的分类：为探究该技术能否区分死细菌和珠子，研究人员准备 12 个新样本，用死细菌替代活细菌进行测试。结果表明，虽然分类效率较区分活细菌时有所下降，但算法仍能区分死细菌和惰性物体。特征重要性分析显示，与活细菌分类时的特征使用趋势相似34。
- 活细菌与死细菌的分类：研究人员准备 12 个样本，对比同一微生物的活细菌和死细菌轨迹。结果发现，分类错误率显著上升，但算法仍能识别出样本中多数物种的真实类别。不过，对于金黄色葡萄球菌（Staphylococcus aureus，S. aureus），该算法难以区分其活细菌和死细菌56。
- 应用示例：污染检测：研究人员开展新实验，分析未表征细菌的混合物作为基线，再加入铜绿假单胞菌（Pseudomonas aeruginosa，P. aeruginosa）进行测试。结果表明，该方法能检测出特定细菌浓度的增加，为实际应用提供了概念验证78。
在研究结论和讨论部分，研究人员成功证明了基于细菌轨迹区分细菌的可行性。他们使用低成本光学系统和适配的数据处理流程，能有效区分活细菌、死细菌与珠子，对大肠杆菌（Escherichia coli，E. coli）和铜绿假单胞菌还能区分其活细菌和死细菌。而且，即使存在分类不准确的问题，该方法仍能检测出样本中异常的细菌浓度。不过，研究也存在一些不足，比如样本制备误差、显微镜分辨率限制等。未来研究可以从优化算法、改进实验条件、增加检测细菌种类等方面展开。
总的来说，这项研究意义重大。它为病原菌检测提供了一种创新、快速且低成本的方法，有望应用于感染传播预防等领域。其光学成像与人工智能相结合的方式，为开发嵌入式细菌污染识别系统奠定了基础，对生命科学和健康医学领域的发展具有重要的推动作用。
