基于色氨酸类荧光（TLF）传感器的东非农村饮用水处理项目微生物水质现场验证：与隔室袋法（CBT）的对比评估

《Water Research X》：Field validation of a tryptophan-like fluorescence sensor against the compartment bag test for microbial drinking water quality in rural water treatment programs in East Africa

　　

饮用水微生物污染仍是中低收入国家（LMICs）可预防疾病与死亡的重要来源，尤其对五岁以下儿童影响显著。实现联合国可持续发展目标6（SDG 6）——人人普遍和公平获得安全管理的饮用水——不仅需要基础设施扩展，还需要在多样且往往脆弱的服务提供情境下获得可靠、及时的微生物水质信息。传统微生物水质监测采用抓取采样结合培养法或酶底物分析，结果以每100 mL的菌落形成单位（CFU）或最大可能数（MPN）报告，需复杂实验室设施、耗材、受训人员及18至48 h孵育期，结果滞后。在间歇供水、分散式设施和监测能力有限的低资源环境中，水质短期波动大，常规周期性采样难以分辨，污染常在暴露发生后才能检出，限制了监测数据用于实时风险缓解和公共卫生保护。由碳收益资助或核算的安全供水项目在分散站点同样面临水质验证约束。在缺乏集中实验室设施或后勤不可行时，Aquagenx隔室袋法（CBT）提供可现场部署的MPN统计估计方法用于大肠杆菌（E. coli）计数，已与膜过滤法（r = 0.904，n = 270）验证，与IDEXX Colilert法在WHO风险分类中阈值一致率约90%–93%。CBT单次检测95%置信区间为±0.65 log10，而Colilert分析不确定度为±0.10至0.15 log10；CBT还在约100 MPN/100 mL处存在右删失（上限）检出限，因此需采用删失回归模型并使一致性标准与参考方法自身精密度相匹配。色氨酸类荧光（TLF）是水中微生物相关有机物的快速、免试剂指示指标，可原位测量，多项研究报道其强度与地下水、地表水和饮用水系统的粪便污染相关，可作为实时粪便指示、筛查工具和污染风险度量。既往研究发现原位荧光比粪便指示菌（FIB）本身更快速、更一致地指示粪便污染风险。Bedell等（2022）将TLF传感器与机器学习结合估计地表水FIB浓度。TLF测量的是比培养法E. coli计数更广泛的微生物相关物质库，其中许多为胞外物质，且不存在适用于所有水体的单一TLF–E. coli关系。一项配套研究（Knopp et al., 2026）在美国和法国的休闲水与源水中验证了TLF传感器及回归分析用于连续和分类微生物水质估计，参考方法为膜过滤和IDEXX Colilert。本研究评估同一仪器结合情境特定分析在东非农村饮用水处理项目中的表现，每次一个采样事件。该研究将该荧光仪平台扩展至根本不同的应用领域：低收入国家饮用水系统，其健康相关阈值低数个数量级（≥1和≥10 MPN/100 mL），参考方法为可现场部署的CBT而非实验室技术，项目情境从休闲水警示转向碳融资饮用水项目。分析专门围绕部署设计：系数在各单元间共享，唯一逐单元校准为每日清洁水基线，性能以传感器和采样日同时留出方式衡量。研究报告在WHO风险阈值1和10 MPN/100 mL的分类及置信区间、与CBT的连续一致性（以EPA替代指示物框架所用一致性指数报告）、相对CBT自身不确定性和重复性的表现，以及浊度通道、温度项和单元特定校准的影响。评估嵌入两个碳融资饮用水项目：肯尼亚的Drought Resilience Impact Platform（DRIP）和卢旺达的Amazi Meza学校水处理项目，其中用于验证的传感器数据须满足Gold Standard数字监测、报告与验证（dMRV）框架的审计和报告标准以签发碳信用。

研究背景方面，饮用水微生物污染在中低收入国家（LMICs）仍是可预防疾病和死亡的重要来源，尤其影响五岁以下儿童。尽管在水、环境卫生和个人卫生（WASH）领域投入数十年，不安全饮用水仍导致相当比例的腹泻疾病及其对儿童生长和发育的影响。实现联合国可持续发展目标6需要基础设施扩展，也需要在多样且脆弱情境下可靠、及时的微生物水质信息。常规监测依赖抓取采样后培养法或酶底物分析，以每100 mL菌落形成单位（CFU）或最大可能数（MPN）报告，需复杂实验室设施、耗材、受训人员和18至48 h孵育，结果滞后。在间歇供水、分散设施和监测能力有限的低资源环境中，污染常来自降雨、卫生设施失效、处理系统不运行和不一致的家庭操作，水质短期变化大，常规周期采样难以分辨，污染往往在暴露后才检出，限制实时风险缓解。碳融资安全供水项目在分散站点也面临水质验证约束。隔室袋法（CBT）作为可现场部署的最大可能数（MPN）统计估计方法，用于大肠杆菌（E. coli）计数，已与膜过滤法验证（r = 0.904，n = 270），与IDEXX Colilert法在WHO风险分类中阈值一致率约90%–93%；其单次检测95%置信区间为±0.65 log₁₀，而Colilert为±0.10至0.15 log₁₀，且CBT在约100 MPN/100 mL处存在右删失上限，需删失回归模型和与参考方法精密度匹配的一致性标准。色氨酸类荧光（TLF）是可原位测量的快速、免试剂微生物相关有机物指示指标，多项研究报道其与地下水、地表水和饮用水系统粪便污染相关，可作实时粪便指示、筛查工具和污染风险度量；既往研究发现原位荧光比粪便指示菌（FIB）本身更快速、更一致地指示粪便污染风险。Bedell等（2022）将TLF传感器与机器学习结合估计地表水FIB浓度。TLF测量比培养法E. coli计数更广泛的微生物相关物质库，许多为胞外物质，且无单一TLF–E. coli关系适用于所有水体。配套研究（Knopp et al., 2026）在美国和法国休闲水和源水中验证TLF传感器及回归分析用于连续和分类微生物水质估计，参考方法为膜过滤和IDEXX Colilert。本研究评估同一仪器结合情境特定分析在东非农村饮用水处理项目中的表现，每次一个采样事件，将该平台扩展至低收入国家饮用水系统，其健康相关阈值低数个数量级（≥1和≥10 MPN/100 mL），参考方法为可现场部署CBT而非实验室技术，项目情境从休闲水警示转向碳融资饮用水项目。分析围绕部署设计：系数跨单元共享，唯一逐单元校准为每日清洁水基线，性能以传感器和采样日同时留出衡量。研究嵌入肯尼亚DRIP和卢旺达Amazi Meza两个碳融资饮用水项目，传感器数据须满足Gold Standard数字监测、报告与验证（dMRV）框架审计和报告标准以签发碳信用。研究目的是报告WHO风险阈值1和10 MPN/100 mL分类及置信区间、与CBT连续一致性（以EPA替代指示物框架一致性指数报告）、相对CBT自身不确定性和重复性的表现，以及浊度通道、温度项和单元特定校准的影响。

关键技术方法方面，研究使用Lume（Virridy, Boulder, CO）色氨酸类荧光（TLF）传感器及分析包，双273 nm紫外LED激发，350 nm带通滤光后由硅光电倍增管（SiPM）检测，以光子计数（mon2）报告，并以飞行时间（ToF）传感器信号每单光子雪崩二极管（SPS，kcps）作为浊度代理；采用Aquagenx隔室袋法（CBT）以E. coli为粪便指示菌按厂商标准方案计数，结果以MPN/100 mL报告并按WHO阈值1和10 MPN/100 mL分类；采用Tobit删失回归（响应为log₁₀（MPN+1），上限删失于log₁₀（101）），以期望最大化求最大似然估计并施加岭惩罚（λ = 0.1），特征包括校正荧光减当日基线（F）、ToF与当日基线ToF之比的自然对数（B）、温度减20 °C（T）及交互项F×T；采用留一单元留一日（新传感器新日期）为主验证方案、留一日为次要方案，以2000次按采样日自助重采样计算95%百分位置信区间。样本队列来源为肯尼亚DRIP（2026年6月2日至11日，Isiolo和Turkana县，荧光仪50065和50053）和卢旺达Amazi Meza（Kicukiro和Kamonyi区，荧光仪50045和50065），2026年5月25日至6月11日共收集123条CBT记录，排除11条后112条保留，110条可配对，形成75个样本（卢旺达40、肯尼亚35）和194个传感器–CBT配对（50045为36、50053为52、50065为106）。

研究结果方面，2.1研究站点：肯尼亚DRIP在北部肯尼亚干旱半干旱五县运行，将地下水钻孔在线氯化与物联网监测结合，以验证安全饮用水交付产生自愿碳信用，需定期微生物水质验证；移动验证期六天（2026年6月2日至11日）用50065和50053在Isiolo和Turkana县采样钻孔、水亭、公共水龙头和氯化系统，配对CBT–荧光仪测量，并对肯尼亚处理水样测余氯。卢旺达Amazi Meza通过LifeStraw? Community滤水器为500多所学校约60万学生提供处理饮用水，由替代家庭煮沸的自愿碳信用融资，预计2028年扩展至150万学生；验证期用50045和50065在Kicukiro和Kamonyi区采样学校滤水器出水、学校水源及附近泉水和溪流，配对同期CBT–荧光仪样本。2.2传感器：Lume为TLF传感器与分析包，用于远程原位自主数据采集，本研究以移动配置逐样读取；核心光学与电子设计见配套研究；双273 nm紫外LED激发，350 nm带通滤光后SiPM检测；每次测量扫描LED驱动电流和SiPM偏压，本研究使用LED设置512处读数及最接近校准工作点3000（接受2960至3040）的SiPM偏压，读数为光子计数（mon2）；光学头IP67密封并含内部温度传感器；机载ToF传感器约940 nm近红外脉冲，报告每SPAD信号（SPS，kcps）作浊度代理；50045和50053每6至15 min经蜂窝网络报告mon2、ToF和温度，50065每分钟经USB向笔记本电脑应用流式传输原始TLF读数、校准读数和温度并每日上传。2.3隔室袋法：以E. coli为粪便指示菌，按Aquagenx CBT厂商标准方案；每个地点（处理前源水和处理后收集点）将两台荧光仪浸入4 L样品水桶10 min，从桶中取100 mL抓取样冷藏运输，加生长培养基后常温孵育24–48 h，按阳性隔室（蓝绿色变色）模式查MPN表得MPN/100 mL；超过上限（≥100 MPN/100 mL）记为删失；CBT结果、时间戳、站点标识、水类型（源水或处理水）和余氯记录于mWater平台；同一水在传感器仍在桶中时重复采样两次，连续数据点为同一样本的重复CBT。2026年5月25日至6月11日收集123条CBT记录，分析前排除11条（未按方案或结果无效）；一条处理出水口原测48 MPN/100 mL的CBT读数，在12 min后同一滤水器重复样测得0 MPN/100 mL后更正为0。2.4配对：采样时间按mWater记录时区转UTC，缺失时区取自调查员提交元数据；当荧光和ToF通道均指示有水（低于各单元按Otsu法设定的空气/水分界）时计为“在水中”；50065每分钟读数，每次采样事件表现为空气读数之间的一段在水中读数，连续在水中读数定义浸没期，CBT结果分配给包含采样时间（±2 min）的浸没期，有效值为采样时间2 min内在水中读数的中位数或浸没期内最近的在水中读数；蜂窝报告单元间隔6至15 min，有效值为单次浸没期内在水中读数的中位数；50065未记录时以配对单元（卢旺达50045、肯尼亚50053）自身在水中读数定义浸没期，并按半个报告间隔加2 min放宽；一桶内两台单元读取产生两条独立读数；一次采样事件中两台传感器ToF约10 min显著高于水/空气阈值而取三样，这些读数按高浊度水处理；同一浸没期且相隔至多10 min的CBT结果为重复并构成一个样本，样本为分析单位；112条保留记录中110条可配对，形成75个样本（卢旺达40、肯尼亚35）和194个传感器–CBT配对（50045为36、50053为52、50065为106）；27个样本含重复记录，55个由两台单元读取，14个在CBT上限右删失。2.5信号校正与模型特征：荧光取自然对数尺度，按该批光学测得约每°C 2%的淬灭系数校正至20 °C，各单元用自身温度传感器校正；模型含每单元一个校准项即每日清洁水基线，包括温度校正荧光中位数和ToF中位数，由该单元当日处理水（mWater必填水类型标识，排除被评分浸没期）浸没读数计算；未采处理水的日期在最近前后采样日之间插值，或仅有单侧时取最近该日，适用于194个配对中的29个；基线定义以四种替代方案检验：仅CBT为0 MPN/100 mL的处理水桶（使用参考结果，部署中不可得）、最近前一处理水日（单元首日用自身处理水）、各单元首个处理水日固定、以及不论水类型取当日各通道最低桶；通过将留出单元基线从清洁水向所评分读数移动0.25、0.5和0.75比例模拟处理失效；模型用四个特征：F（校正荧光减当日基线）、B（ToF与当日基线ToF之比的自然对数）、T（温度减20 °C）及交互项F×T。2.6模型：以Tobit回归建模传感器特征与CBT测得E. coli浓度关系，响应为log₁₀（MPN+1），CBT上限结果按log₁₀（101）右删失；系数为删失模型最大似然估计，以期望最大化计算：每个删失结果以当前拟合下期望值替代、重新拟合、循环至系数稳定；特征在训练数据内标准化，除截距外所有系数施加岭惩罚（λ = 0.1）；系数由所有单元共享，无单元特定截距或斜率；预测?按MPN = 10^? ? 1转换；在各阈值（1和10 MPN/100 mL），预测MPN达到切点时判为达到或超过阈值，切点在训练数据内留一日预测上最大化Youden J，并在每个验证折中重新选择。2.7验证：性能来自模型和切点均未见过的数据，即训练时留出传感器和日期特定数据；主方案为新传感器新日期，模型用其他单元其他日期数据训练并预测留出单元在留出日期的表现，代表新部署单元情形；次方案为对所有单元留出一个采样日；一个样本可有一个以上传感器–CBT配对，其预测为各配对预测log₁₀（MPN+1）的均值，均值达到各配对切点均值（同一对数尺度）时判为达到或超过阈值，观测值为各重复记录log₁₀（MPN+1）的反变换均值，全部删失时删失；95%置信区间为按采样日2000次自助重采样的百分位区间。2.8性能指标：在1和10 MPN/100 mL报告敏感度、特异度、阳性和阴性预测值及平衡准确度并附计数；连续一致性以log₁₀（MPN+1）上的R²、平均绝对误差（MAE）和均方根误差（RMSE）报告，并报告预测落在CBT结果0.92 log₁₀范围内的样本比例，该带为两次测量合并95%不确定性（各带CBT ±0.65 log₁₀精密度），即同一水两次CBT的预期离散；对CBT上限删失样本，预测不高于限值0.92 log₁₀以上时计为带内，限值以上预测在计算前设为限值；一致性还以Willmott指数报告，该统计量为EPA针对特定地点替代休闲指示物和方法的技术支持材料所用，指数0.70及以上可使标准原样转移。

讨论与结论部分，研究将TLF传感器与分析嵌入肯尼亚DRIP和卢旺达Amazi Meza两个碳融资饮用水项目，在Gold Standard数字监测、报告与验证（dMRV）框架审计和报告标准下评估其用于微生物水质验证的可行性；分析围绕部署设计，系数跨单元共享，唯一逐单元校准为每日清洁水基线，性能以传感器和采样日同时留出衡量，并报告WHO阈值1和10 MPN/100 mL分类及置信区间、与CBT连续一致性、相对CBT自身不确定性和重复性的表现，以及浊度通道、温度项和单元特定校准的影响。研究结论（摘要要点）为：Lume TLF传感器与分析同CBT在东非并行读取抓取样；系数跨单元共享，唯一逐单元校准为每日基线；新传感器新日期下16次超标检出15次、59个清洁样中55个判对；Lume与CBT在75个样本中70个一致，重复CBT在38个中36个一致；全部30条氯化记录CBT读数为0并判为低于10 MPN/100 mL。研究意义在于将该荧光仪平台扩展至低收入国家饮用水系统这一健康相关阈值低数个数量级（≥1和≥10 MPN/100 mL）、参考方法为可现场部署CBT、项目情境为碳融资饮用水验证的全新应用领域，为分散饮用水项目的快速微生物水质验证提供依据。