《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Raman spectroscopy coupled with PLS-CNN error-min fusion strategy for conformity discrimination and amino acid quantification in yeast extracts
编辑推荐：
赵浩迪|李震|吴业旭|郑忠|刘春晓|黄兴发|张岩|林丹平|王学阳|吴振宇|陈明|阮银兰中国桂林市541004，桂林电子科技大学光电工程学院摘要酵母提取物是一种在食品和生物发酵行业广泛使用的生物制品，其质量取决于氨基酸组成以及是否符合工业标准。传统的评估方法依赖于氨基酸分析仪和微生
赵浩迪|李震|吴业旭|郑忠|刘春晓|黄兴发|张岩|林丹平|王学阳|吴振宇|陈明|阮银兰
中国桂林市541004，桂林电子科技大学光电工程学院
摘要
酵母提取物是一种在食品和生物发酵行业广泛使用的生物制品，其质量取决于氨基酸组成以及是否符合工业标准。传统的评估方法依赖于氨基酸分析仪和微生物生长试验，这些方法耗时且不适合现场监测。拉曼光谱提供了一种非破坏性的替代方案，但由于强烈的荧光背景、光谱重叠以及多种分析物之间非线性的差异，其在复杂生物分子基质如酵母提取物中的应用受到限制。在本研究中，选择1064纳米的激发波长而非830纳米，以抑制荧光干扰，获得更清晰的光谱特征。在一致性分类方面，采用带有通道注意力机制的一维卷积神经网络，准确率达到了92%，优于传统分类器。在氨基酸定量方面，提出了基于变量级别的PLS-CNN误差最小化融合策略，通过独立优化每种氨基酸的CNN贡献权重来最小化验证误差，从而实现不同目标间的线性与非线性平衡。该融合模型在混合处理类型下，对水解氨基酸的判定系数为0.989，对游离氨基酸的判定系数为0.956，性能优于单独的PLS、CNN及其他基准方法。该框架已在标准型、低水解型、高水解型以及高核苷酸型的酵母提取物上得到验证，显示出在更广泛的验证之前，可用于复杂生物分子基质的快速光谱分析。
引言
酵母提取物是通过酵母细胞的自溶或酶解作用得到的天然生物制品，含有丰富的功能性成分，如氨基酸、核苷酸、小肽和维生素，被广泛应用于食品、生物发酵和生物医学领域[1]、[2]、[3]。根据加工条件的不同——标准型、低水解型、高水解型以及高核苷酸型——这些成分的相对含量会有很大差异，从而形成具有不同成分特征的各类产品[4]、[5]。在这些成分中，氨基酸尤为重要：它们既以水解形式存在（反映蛋白质降解的程度），也以游离形式存在（直接影响风味、生理调节和代谢活动）[6]、[7]、[8]。成分失衡可能会抑制微生物生长并降低发酵产量[9]，因此，准确量化氨基酸并可靠地评估产品一致性，对于酵母提取物的质量控制和功能评价至关重要。
目前，酵母提取物的传统质量评估依靠氨基酸分析仪进行成分定量，再通过微生物生长试验来确定产品是否符合标准。虽然氨基酸分析仪精度很高，但它需要漫长的样品制备过程（包括在110摄氏度下进行22小时的酸水解）、复杂的仪器设备，而且成本高昂，不太适合实时监测[10]、[11]。微生物生长试验同样需要较长的培养时间，且易受环境变化的影响。这些局限性凸显出需要在工业条件下能够同时进行定性和定量分析的快速、准确、非破坏性方法的必要性。
拉曼光谱是一种非破坏性的振动分析技术，无需样品预处理即可获取分子指纹信息，已被广泛应用于食品、生物医学和工业质量控制领域[12]、[13]、[14]。通过检测单色光的内弹性散射，它能够提供关于蛋白质、核酸、氨基酸等分子成分的详细信息，因此非常适合分析如酵母提取物这样的复杂生物分子系统。然而，对这类基质进行拉曼分析时面临三个常见问题：强烈的荧光背景会掩盖微弱的拉曼信号；化学性质相似的成分之间存在严重的水谱重叠现象（例如同一氨基酸的水解形式和游离形式）；此外，由于生物体的多样性，不同批次之间的数据也存在差异[15]、[16]。在应对这些问题时，一个关键但常被忽视的因素就是激发波长的选择。1064纳米的近红外激发波长被认为比可见光或短近红外波长（如785纳米、830纳米）更能有效抑制荧光，但大多数针对复杂生物样本的研究都采用单一波长，却没有从原理上加以解释[17]、[18]。此外，仪器自身的光学缺陷——比如由残余荧光与CCD窗口界面相互作用产生的法布里-珀罗干涉现象[19]——也会导致光谱出现扭曲，而仅靠预处理是无法完全消除这些问题的。
除了数据采集之外，要从复杂生物样本的高维拉曼光谱中提取有意义的信息，还需要先进的计算工具。传统的化学计量学方法，如主成分分析、偏最小二乘法、支持向量机和随机森林，早已被应用于拉曼数据分析[20]、[21]。近年来，深度学习架构——尤其是卷积神经网络——在从高维光谱中提取非线性特征方面展现出更强的能力[22]、[23]，并在食品鉴定、药物定量和材料分类等领域取得了成功应用[24]、[25]、[26]。不过，最佳算法的选择取决于具体的分析任务。对于那些旨在从完整光谱中提取区分性模式的分类问题，适当的正则化处理的独立CNN即便在数据量较小的情况下也能取得优异性能。而在进行多目标回归分析时，尤其是当各个分析物之间存在非线性的光谱关系时，独立CNN容易过拟合，而线性PLS模型虽然稳健，但却无法捕捉非线性特征。因此，结合线性和非线性模型优点的混合策略为定量分析提供了良好的发展方向，但目前大多数融合方法都在所有预测目标上使用相同的固定权重，未能考虑同一光谱中不同分析物的差异性[27]。此外，针对酵母提取物的拉曼研究仍然较少[28]、[29]，很少有研究对不同加工类型的酵母提取物进行系统评估，也很少有研究尝试同时预测多种氨基酸含量。
本研究通过一种整合方法，将1064纳米拉曼光谱采集与针对不同任务的建模策略相结合，解决了光谱分析和化学计量学分析中的这些问题，用于酵母提取物的一致性定性分类和氨基酸定量分析。本研究的主要贡献有四点。首先，对比了830纳米和1064纳米激发波长的效果，将830纳米下观察到的周期性振荡归因于CCD窗口处的法布里-珀罗干涉现象，从而为在具有荧光特性的生物分子基质中选择激发波长提供了理论依据。其次，针对二元一致性分类任务，开发了一种集成有挤压-激励通道注意力机制的独立一维CNN，能够自动从高维拉曼光谱中提取具有区分性的非线性特征，并将其与传统分类器（支持向量机、随机森林、KNN）进行了对比测试。第三，针对多目标氨基酸回归分析任务，提出了一种基于误差驱动的变量级融合机制——PLS-CNN误差最小化融合策略，通过最小化验证均方误差来独立优化每种分析物的CNN贡献权重，从而实现不同预测目标间的线性与非线性平衡，这一方法不同于传统固定权重的组合模型。该框架在四种不同加工类型的酵母提取物上进行了系统测试，用于同时定量分析16种水解氨基酸和17种游离氨基酸。最后，通过将挤压-激励模块的注意力映射回典型的拉曼振动谱带，验证了所学习到的CNN表示结果的可解释性，证明模型的决策是基于具有化学意义的分子振动特征，而非背景干扰信号。
章节节选
样品描述与数据集构成
本研究所分析的酵母提取物样本由中国安琪酵母股份有限公司提供，共包含83个来自不同生产批次的样本，涵盖了四种产品类型：标准型（FM802、FM902、FM923）、高水解型（FM803、FM808）、低水解型（FM760、FP102）以及高核苷酸型（FM502）。其中，FM802、FM902、FM923、FM803和FM760这批样本已标注有一致性标签以及水解氨基酸含量。具体而言，有25个样本被标记为符合标准，另外10个
拉曼光谱数据分析
为确保比较的公平性，无论是830纳米还是1064纳米的光谱，都采用了相同的预处理流程——包括标准化处理、中值滤波以及使用相同参数设置的气相PLS基线校正。
图2a展示了用830纳米和1064纳米激光分别激发的典型酵母提取物样本的两种拉曼光谱。使用830纳米激发获得的光谱，其背景荧光明显强于使用1064纳米激发所得的光谱。
结论
本研究建立了一种结合近红外激发与深度学习的拉曼光谱分析框架，用于对酵母提取物进行非破坏性表征。1064纳米的激发波长显著降低了830纳米激发条件下的荧光干扰，提升了信噪比和光谱清晰度。在定性一致性评估方面，独立的CNN模型达到了92%的准确率，优于传统的分类器（支持向量机、随机森林、KNN）。在定量分析方面，
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究得到了中国国家自然科学基金（项目编号：62275058）、广西壮族自治区自然科学基金（项目编号：2023GXNSFAA026259）、广西科技计划项目（项目编号：AD25069073）、广西光电信息处理重点实验室（项目编号：GD24105）以及广西青年骨干教师能力提升项目（项目编号：2025KY0240）的支持。作者们还要感谢相关创新项目的资助
