基于MALDI-TOF质谱与XGBoost机器学习技术的沙门氏菌血清型快速自动化鉴定新策略

本研究创新性地将基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）与XGBoost机器学习算法相结合，开发出仅需16个特征峰的沙门氏菌血清型鉴定模型（AUC达0.9898）。通过多中心验证（内部/外部验证AUC分别为0.9662/0.9778）及Streamlit平台部署，为传统血清学凝集试验提供高效（灵敏度0.88，特异性0.98）、低成本替代方案，显著提升临床实验室对B/C1/C2/3/D/E/非A-F/肠炎/鼠伤寒等8类血清型的鉴别效率。

　　

ABSTRACT
沙门氏菌血清分型在流行病学研究和临床治疗中具有关键作用，但传统血清学凝集方法耗时费力且依赖专业人员。本研究通过整合基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）与机器学习技术，建立了包含692株临床分离株（含2,048张质谱图）的多中心数据集，涵盖B、C1、C2/3、D、E、非A-F、鼠伤寒和肠炎等8类主要血清型。采用SHAP特征选择法从192个初始特征中筛选出16个关键质谱峰（如10,975和8,787 m/z对鼠伤寒血清型鉴别贡献显著），构建的XGBoost模型在训练集中展现出优异性能（AUC=0.9898），其简化版在内/外部验证集中分别保持0.9662和0.9778的AUC值。

INTRODUCTION
沙门氏菌作为全球公共卫生威胁，其血清型特异性与疾病严重程度和抗生素耐药性密切相关。例如，猪霍乱沙门氏菌（C1）和都柏林沙门氏菌（D）更易引发败血症，而肠炎沙门氏菌在中国出现独特的多重耐药克隆。传统White-Kauffmann-Le Minor分型方案需使用150余种诊断血清，操作复杂且需专业判读。尽管MALDI-TOF MS已实现微生物种水平鉴定，但其血清型鉴别准确率仅20%-68%，亟需结合机器学习提升分辨率。

MATERIALS AND METHODS
研究纳入浙江大学医学院附属儿童医院（ZUCH）601株和皖北煤电集团总医院（WCGH）91株沙门氏菌，经³⁷
C培养后使用Bruker MALDI Biotyper系统采集2,000-20,000 Da质谱数据。通过R包MALDIquant进行基线校正（SNIP法）和峰对齐（LOWESS法），最终保留192个特征峰。比较10种机器学习算法后发现，XGBoost在五折交叉验证中表现最优，其16特征简化模型通过Streamlit部署为交互式网页应用（https://predict-salmonella-subtypes.streamlit.app/）。

RESULTS
热图和t-SNE分析揭示不同血清型特征峰强度存在显著差异（如5,491 m/z对D型特异性高）。XGBoost模型在训练集中对肠炎沙门氏菌的识别性能尤为突出（特异性0.9989）。特征相关性气泡图显示5,619与5,680 m/z具有强相关性（r=0.83），但保留这些特征可提升模型鲁棒性。决策曲线分析证实该模型在所有验证集中均具有临床实用价值。

DISCUSSION
相较于自建数据库方案，本模型将血清型鉴定准确率提升至88%-98%。值得注意的是，6,007 m/z在SVM/MLP模型中重要性较高而在XGBoost中未显现，反映算法差异导致的特征权重分布不同。尽管存在批次效应，跨中心验证结果证实模型稳定性。未来需扩充罕见血清型（如A型、伤寒沙门氏菌）训练数据，并验证其在bioMérieux等其他质谱平台的适用性。该技术为食源性疾病暴发追踪和精准用药提供了自动化解决方案。