便携式拉曼光谱仪结合机器学习实现植物病原细菌的快速精准分类

为解决植物病原菌快速检测难题，研究人员采用便携式拉曼光谱仪(RS)结合机器学习(ML)技术，成功建立了一种非破坏性细菌分类方法。通过对假单胞菌属(Pseudomonas)、黄单胞菌属(Xanthomonas)和欧文氏菌属(Erwinia)的332个菌落光谱分析，构建的PLS-DA模型在属、种和致病变种(pv.)水平的分类准确率达83-99%，为农业病害防控提供了新型诊断工具。

　　

植物病原细菌的快速鉴定是保障粮食安全和农业可持续发展的关键挑战。传统方法如培养鉴定耗时长达数日，分子检测需要昂贵设备，而质谱技术难以区分致病变种(pv.)。这些技术瓶颈导致田间病害防控滞后，每年造成全球作物损失高达20-40%。面对这一难题，国内研究团队创新性地将便携式拉曼光谱仪(RS)与机器学习算法结合，开辟了微生物快速分类的新路径。

研究人员采用便携式Bruker BRAVO拉曼光谱仪(785/853 nm激光)直接检测固体培养基上的细菌菌落，通过三步预处理流程：非对称加权惩罚最小二乘法(arPLS)基线校正、Savitzky-Golay(SG)多项式平滑和标准正态变量(SNV)散射校正。利用反向淘汰(BE)算法筛选特征波长后，构建偏最小二乘判别分析(PLS-DA)模型，并通过10次随机分组的5折交叉验证评估性能。

3.1 拉曼光谱采集与处理
采集332个菌落光谱显示，欧文氏菌在1150 cm^-1和1510-1540 cm^-1处存在显著特征峰，与假单胞菌和黄单胞菌形成差异。一阶导数转换后，1080-1180 cm^-1和1450-1540 cm^-1区域成为关键鉴别区间。

3.2 主成分分析
PCA揭示欧文氏菌(E. amylovora与E. herbicola)在PC1(33%)上分离明显，而假单胞菌(P. syringae与P. marginalis)需结合PC3(6%)才能区分。致病变种分析中，X. arboricola pv. corylina与juglandis在1100-1170 cm^-1区存在显著光谱差异。

3.3 PLS-DA分类结果
属水平分类准确率83%，其中黄单胞菌召回率91%；种水平达90-94%，欧文氏菌F1-score最高(0.95)；致病变种鉴别表现突出，X. arboricola pv.区分准确率99%。变量筛选使模型性能提升显著，如欧文氏菌种间分类准确率从85%提升至94%。

该研究首次证实便携式RS设备可实现植物病原菌多级分类，突破传统技术无法区分致病变种的限制。建立的标准化流程为构建细菌光谱数据库奠定基础，其非破坏性检测特性特别适合田间快速诊断。未来可扩展至食品微生物检测和临床耐药菌筛查领域，为生物安全监测提供经济高效的解决方案。论文发表于《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》，标志着光谱技术在农业病理学应用的重要突破。