《Talanta》:Comparison of spectral imaging modalities for identification and classification of air-liquid interface biofilms
编辑推荐:
在气液界面形成的生物膜对食品工业构成重大挑战,因为其具有抗清洁性和难以检测的特点。本研究系统调查了五种细菌(大肠杆菌E. coli、枯草芽孢杆菌B. subtilis、阪崎克罗诺杆菌C. sakazakii、荧光假单胞菌P. fluorescens和植物乳杆菌
在气液界面形成的生物膜对食品工业构成重大挑战,因为其具有抗清洁性和难以检测的特点。本研究系统调查了五种细菌(大肠杆菌E. coli、枯草芽孢杆菌B. subtilis、阪崎克罗诺杆菌C. sakazakii、荧光假单胞菌P. fluorescens和植物乳杆菌L. plantarum)在不锈钢AISI 304、不锈钢AISI 316和铝表面形成界面生物膜的能力。通过结晶紫染色确认生物膜形成,并通过活菌计数进行定量。阪崎克罗诺杆菌在牛奶中于不锈钢表面产生了最高的生物膜生物量(>6 log CFU cm?2),而荧光假单胞菌(基本培养基)和植物乳杆菌(牛奶)未产生可存活细胞,表明回收限制或生理状态改变。采用光谱成像技术(FT-IR、Raman、SWIR、VNIR)分析生物膜形成。结果表明,表面类型和生长培养基对光谱特征和分类性能有强烈影响,在营养丰富的条件下,不锈钢基底比铝支持更高的细菌生长。主成分分析(PCA)显示牛奶中污染样本的清晰分离,而肉汤样本更稳定但区分度较低。所有技术均检测到污染,其中SWIR和VNIR在结合子区域分析和数据融合时提供更一致的分类性能。肉汤培养的生物膜比牛奶中的更可靠分类,可能是由于光谱复杂性降低。测试集间的变异性强调了仔细选择样本和稳健模型验证的必要性。总体而言,光谱成像是一种有前景的非破坏性生物膜检测方法,其中SWIR和VNIR表现最佳。
生物膜(biofilm)在食品工业中构成持续性污染源,尤其在气液(A/L)界面,部分浸没表面(如储罐、管道、洗涤系统)因氧气可用性和营养积累促进微生物定殖。传统检测方法(如拭子采样)耗时且无法提供实时化学信息,因此亟需快速、非破坏性的分析手段。光谱成像(spectral imaging)技术能提供化学特异性分子指纹,但多种模态(FT-IR、Raman、SWIR、VNIR)在气液界面生物膜检测中的系统比较尚缺乏。本研究旨在评估这些模态在代表性金属食品接触表面(铝、不锈钢AISI 304和316)上检测和分类生物膜的能力,并探索多模态数据融合的潜力。五种细菌(大肠杆菌E. coli、枯草芽孢杆菌B. subtilis、荧光假单胞菌P. fluorescens、阪崎克罗诺杆菌C. sakazakii、植物乳杆菌L. plantarum)在基本培养基和牛奶中培养,于气液界面形成生物膜。通过活菌计数和结晶紫染色确认生物膜形成,并采用PCA、PLS-DA和SO-PLS-LDA进行光谱分析和分类。主要结论:光谱成像可有效检测污染,SWIR和VNIR表现最佳,分类性能遵循污染检测>革兰氏(GP/GN)区分>菌株辨识的层次。论文发表在《Talanta》。
为开展研究,研究人员采用了几项关键方法:1)表面表征:通过扫描电子显微镜(SEM)、光学轮廓仪和接触角测量评估铝、不锈钢AISI 304及316的形貌、粗糙度、润湿性和表面自由能;2)光谱成像采集:使用宏观VNIR(400–1000 nm)和SWIR(930–2500 nm)推扫成像系统,以及微观FT-IR(7500–475 cm
-1)和Raman(2018–285 cm
-1)显微成像系统,获取生物膜区域的平均光谱;3)数据分析:采用主成分分析(PCA)进行探索性分析,使用偏最小二乘判别分析(PLS-DA)构建分类模型,并采用顺序正交化偏最小二乘线性判别分析(SO-PLS-LDA)进行多模态数据融合,以留一样本交叉验证评估模型性能。样本来源:五种细菌来自德国微生物菌种保藏中心(DSMZ)和美国典型培养物保藏中心(ATCC),金属耦合由英国Fractory Ltd.提供。
**3.1 表面表征**:通过SEM、轮廓仪和接触角测量发现,不锈钢AISI 316表面最均匀且表面自由能最高,不锈钢AISI 304异质性最大,铝表面较疏水且形态不规则。这些差异影响细菌初始粘附和生物膜发育,较亲水、高能表面更有利于与水环境相互作用。
**3.2 微生物学定量**:活菌计数和结晶紫染色显示,所有菌种均能形成生物膜,但高度依赖菌株、培养基和表面。阪崎克罗诺杆菌在牛奶中于不锈钢表面产生最高生物量(>6 log CFU cm
?2)。荧光假单胞菌在基本培养基、植物乳杆菌在牛奶中未回收活菌,但结晶紫染色显示可见生物膜结构,表明细菌可能进入存活但不可培养(VBNC)状态,或回收受限。不锈钢表面通常比铝支持更高活菌数,尤其在牛奶中,铝表面生物膜更不均匀。
**3.3 光谱特征**:牛奶样本光谱更复杂,FT-IR在3680–2670 cm
-1(O-H、N-H、C-H伸缩振动)和1800–950 cm
-1(蛋白质酰胺I/II、脂质、多糖指纹区)显示特征;Raman在1650 cm
-1(C=O振动)、1000–1100 cm
-1(C-O伸缩)及1240 cm
-1(P=O伸缩)反映蛋白质、脂质和碳水化合物。肉汤样本光谱较弱且结构简单,区分度低。SWIR和VNIR主要反映散射、水合、厚度等宏观光学性质。
**3.4 探索性分析(PCA)**:主成分分析显示,主要变异来源为生物膜存在和生长培养基,而非细菌种类。牛奶样本中污染与未污染表面分离清晰,肉汤样本重叠较多。不锈钢AISI 316提供最清晰、可重复的分离,铝表面基底-培养基相互作用强,AISI 304异质性影响分离稳定性。
**3.5 分类结果**:PLS-DA模型显示污染检测最稳健(中位准确率~90–100%),GP/GN区分中等(~80–90%),菌株分类最困难(~50–70%)。肉汤中GP/GN分类略优于牛奶,可能因背景简单。SWIR和VNIR在菌株分类中表现优于FT-IR和Raman。极化滤波未显著改善性能。子区域分析(聚焦生物膜区域)可提高宏观成像的菌株分类准确率,尤其对于牛奶样本。
**3.6 数据融合**:SO-PLS-LDA融合多模态数据,污染检测稳健,GP/GN和菌株分类略有改善,但无单一模态占优。VNIR贡献最频繁,SWIR次之,Raman和FT-IR贡献依赖位置。数据融合提供互补信息:宏观成像(VNIR/SWIR)贡献散射、水合、厚度等光学信息,微观成像(Raman/FT-IR)贡献化学特异性信息。模型性能仍高度依赖表面、培养基和测试集。
**讨论与结论**:讨论指出,表面异质性、生物变异性和基质效应是影响光谱响应的关键因素,不应视为噪音。铝表面表现强基底-培养基相互作用,AISI 304最不稳定,AISI 316提供最可重复的光谱模式。光谱成像对污染检测有效,但菌株鉴定仍具挑战,需更大数据集和更优特征提取。实际应用中,宏观反射成像(VNIR/SWIR)适用于快速卫生监测,可集成至在线清洗验证或作为筛查步骤。研究结论翻译如下:本研究证明了互补光谱成像方法(FT-IR、Raman、SWIR和VNIR)在检测金属食品接触表面气液界面形成的生物膜方面的潜力。所解决的问题本身是复杂的,因为表面异质性、生物变异性、基质效应和生物膜空间组织的差异都影响生物膜发育和光谱响应。表面表征确认了测试基底之间的相关差异:铝呈现更不规则的形态和较低的润湿性,不锈钢AISI 304显示出更高的表面异质性,而不锈钢AISI 316具有最均匀的形态和最高的表面自由能。微生物学定量和结晶紫染色确认了生物膜形成,且显著依赖于菌株、表面和培养基,牛奶培养基促进更连续和结构化的生物膜。光谱轮廓和PCA显示主要变异来源与生物膜存在和生长培养基相关,而非细菌种类。PLS-DA模型确认了分类性能的清晰层次:污染检测最稳健,GP/GN区分可行但更具变异性,菌株分类最具挑战性。极化滤波未提供一致改进。SO-PLS-LDA确认了组合模态的互补价值,VNIR和SWIR贡献光学信息,FT-IR和Raman贡献化学信息。总体而言,光谱成像被证明可用于快速检测金属表面的生物膜污染,并显示出对广泛细菌群体区分的潜力,但菌株鉴定仍有限。铝表面显示强基底-培养基相互作用,AISI 304仍是最具变异性的基底,而AISI 316提供了最可重复的生物膜相关光谱组织。从实践角度看,宏观反射成像(VNIR/SWIR)快速、无标记且可应用于大面积表面,适合食品加工环境中的常规卫生监测,主要需求是快速非破坏性标记部分浸没食品接触表面上的生物膜污染,而非分类学鉴定。向工业环境转化需在独立批次、表面和仪器上进行验证,并开发便携式采集和自动化决策流程。