基于神经网络辅助的光谱智能分型技术：从系统发育到光子学的鸡肉肠杆菌科快速鉴定新策略

本研究创新性地将纳米粒子增强激光诱导击穿光谱（NELIBS）与人工神经网络（ANN）相结合，成功实现对鸡肉中肠杆菌科菌株的精准鉴别。该技术突破传统分子鉴定局限，在种/属级分类精度达100%，为食品微生物快速检测提供了全新解决方案。

　　

^Highlight

^{分离菌种的分子鉴定与系统发育分析}

通过对16S rRNA进行通用引物PCR扩增和测序，8株分离菌经NCBI BLAST比对确认（相似度99.3%-100%），全部属于肠杆菌科。系统发育树分析揭示了菌株间的进化关系，为后续光谱鉴别提供了生物学依据。

^{NELIBS光谱分析与主成分聚类}

采用纳米粒子增强激光诱导击穿光谱（NELIBS）技术获取细菌元素组成特征。主成分分析（PCA）显示在95%-97%累积方差下，可实现属、种乃至亚种级别的精确区分。即使存在第二种细菌污染，通过不同浓度混合菌实验验证了LIBS鉴定的稳健性。

^{人工神经网络分类模型}

利用人工神经网络（ANN）对光谱数据进行智能解析，实现了高达100%的分类准确率。该机器学习模型成功克服了传统方法在混合菌样本鉴别中的局限性，展现出强大的模式识别能力。

^讨论

虽然16S rRNA测序作为金标准具有高准确性，但其操作繁琐、耗时且成本高昂。本研究证明NELIBS-ANN联用技术不仅能实现同级分类精度，更在检测速度（分钟级）和混合样本处理能力方面展现出显著优势，为食品安全现场检测提供了突破性解决方案。