可解释光谱Transformer用于基于拉曼的跨物种和菌株细菌鉴定

《Chemosensors》：Interpretable Spectral Transformer for Raman-Based Bacterial Identification Across Species and Strains

　　

拉曼光谱结合机器学习提供了一种快速、无标记的细菌鉴定方法，但稳健的转化仍受到光谱变异性、生物异质性和模型可解释性有限的挑战。在此，研究人员对一种优化的光谱变换器（Spectral Transformer, ST）框架进行了综合评估，用于基于拉曼的细菌分类，并将其与系统优化的一维卷积神经网络（one-dimensional convolutional neural network, 1D-CNN）进行基准比较。比较使用了一个精心整理的36类数据集，其中包括15个革兰氏阴性菌条目、15个革兰氏阳性菌条目、一个非细菌微生物以及五个背景/参考类别，从而能够评估物种级和细粒度细菌分类。在15 dB噪声增强评估下，ST达到了80.6% ± 0.3%的准确率和0.801 ± 0.003的马修斯相关系数（Matthews correlation coefficient, MCC），优于1D-CNN基线的72.9% ± 0.3%准确率和0.721 ± 0.003的MCC。集成梯度（Integrated Gradients）分析结合注意力图可视化实现了多级模型解释，揭示了ST的改进鲁棒性与错误分类期间更受限的归因模式相关，而1D-CNN的特征归因在噪声扰动下变得分散。重要的是，这种可解释性驱动的分析识别了基线架构中模型特定的失效模式，包括在噪声下过度依赖非特异性光谱区域，这可以为未来数据收集策略提供信息，并指导实验方案的改进。这些结果表明，基于注意力的光谱建模改善了噪声扰动条件下基于拉曼的细菌分类，同时实现了多级可解释性，将模型理解与实验设计和数据质量要求的可行反馈联系起来。

**论文解读：基于可解释光谱变换器的拉曼细菌鉴定研究**

**研究背景与问题**
拉曼光谱（Raman spectroscopy, RS）是一种无标记、非侵入性的光学技术，通过非弹性光子散射提供分子特异性信息，能够快速表征细菌的生化指纹，无需培养或染色。然而，拉曼光谱的高维特性、重叠振动带、弱信号强度、荧光背景、基线漂移以及仪器依赖的畸变，使得其直接用于稳健分析面临挑战。机器学习（machine learning, ML）的引入实现了自动特征提取和分类，但传统方法（如PCA-LDA、支持向量机等）在区分密切相关的物种及应对真实生物和仪器变异时表现不佳。深度学习方法，特别是卷积神经网络（CNN）和Transformer模型，能捕捉非线性光谱表示，但模型的可解释性不足限制了其在临床诊断中的转化。当前研究中，域偏移、光谱变异性以及模型缺乏可解释性，是阻碍拉曼-ML系统稳健部署的关键问题。为此，研究人员开展了一项综合评估，旨在比较优化后的光谱变换器（ST）与一维卷积神经网络（1D-CNN）在基于拉曼的细菌鉴定中的性能与可解释性，并探索注意力机制如何提升模型鲁棒性及提供可操作的实验反馈。该论文发表在《Chemosensors》。

**主要技术方法**
研究人员使用两个互补的拉曼平台（丹麦基础计量学研究所的定制高光谱拉曼显微镜和商业Lightnovo光谱仪）采集光谱，构建了一个包含36个类别的异质数据集，涵盖15种革兰氏阴性菌、15种革兰氏阳性菌、1种非细菌微生物及5个背景/参考类别，并包含物种、菌株、表型、仪器及培养基相关的子类。光谱经标准化预处理流程（像素去除、对齐、去尖峰、Savitzky–Golay去噪、改进非对称加权惩罚最小二乘基线校正、向量归一化）后，采用噪声感知增强（添加15 dB加性高斯白噪声）模拟真实采集条件。模型优化基于Optuna超参数搜索，ST采用3个Transformer编码器块（16个注意力头、补丁大小7、嵌入维度128），1D-CNN采用3个卷积块（滤波器64/128/256，核大小11）。可解释性分析通过提取2D光谱注意力图（计算注意力头与平均光谱的皮尔逊相关系数）和模型无关的集成梯度（Integrated Gradients, IG）进行，并利用Gini系数和空间扩散度量量化归因分布。

**研究结果**
**3.1 噪声增强下的分类性能**
在15 dB噪声增强评估下，ST总体准确率为80.6% ± 0.3%，MCC为0.801 ± 0.003，显著优于1D-CNN的72.9% ± 0.3%准确率和0.721 ± 0.003的MCC。配对McNemar检验证实ST的改进具有统计显著性（χ² = 1200, p < 0.001）。在葡萄球菌变种（MRSA、MSSA、MRSE、MSSE）子类中，ST的MCC比1D-CNN提升0.05；在大肠杆菌菌株子类中，两者性能接近。蒙特卡洛dropout和自助法评估显示，ST的MCC下降0.005（至0.796），而1D-CNN下降0.014（至0.707），表明ST的预测不确定性更小。

**3.2 光谱注意力的机制解释**
以聚苯乙烯为参考，通过计算注意力头权重与平均光谱的皮尔逊相关系数，研究人员识别出三种功能注意力原型：生物标志物检测器（如头13，r = 0.66, p < 0.001），锁定物理振动峰；抑制性注意力（如头9，r = ?0.75, p < 0.001），突出对比区域以抑制异类光谱；结构上下文头（如头11，r = ?0.08, p = 0.53），追踪基线几何和全局标记关系。模型共识集成层（r = 0.82, p < 0.001）通过加权线性求和融合这些子决策，形成基于物理对齐的决策边界。

**3.3 集成梯度的光谱特征归因**
IG分析显示，在正确分类时，两种模型均将强正归因集中在核酸相关振动带（~780–800 cm^?1），但ST在次要诊断肩峰上呈现更分布式的系统级特征分配。在错误分类时，1D-CNN在1400–1550 cm^?1（脂质/酰胺带）区域表现出过度依赖，归因空间扩散（315.8）显著高于ST（272.4），表明其受非特异性光谱噪声影响。对于大肠杆菌35218菌株，1D-CNN正确率为61.1%（高于ST的54.3%），但其错误模式仍呈现空间扩散（335.4），而ST的错误由700–1200 cm^?1的离散非局部扰动触发（扩散269.6），表明ST的失败机制源于全局比偏移而非特征污染。

**讨论与结论**
讨论部分指出，ST在噪声增强评估下的改进准确率（80.6% vs 72.9%）归因于注意力架构带来的更稳定光谱上下文建模，而非根本不同的特征选择。IG分析揭示了1D-CNN在噪声下出现散乱归因的模式，特别是对1400–1550 cm^?1非特异性区域的过度依赖，这为优化数据采集策略（如提高信噪比）提供了直接指导。ST的注意力图可直接可视化，无需额外后处理工具，且与模型无关的归因方法互补，实现了多级可解释性。尽管ST参数更多（3.6 MB vs 1.9 MB），但推理延迟相同（约0.06毫秒/光谱），不影响实时部署。研究结论强调：ST在整体分类准确率和MCC上优于1D-CNN，支持基于注意力的光谱建模在拉曼细菌鉴定中的潜力；结合2D注意力图和集成梯度，揭示了两种模型在正确分类时均使用化学相关拉曼指纹区，但在噪声扰动下呈现不同失效模式；ST的改进鲁棒性源于更稳定的光谱上下文建模。研究局限性包括：性能仅适用于当前数据集和预处理条件，需在独立仪器、实验室和临床条件下进行外部验证。未来工作应聚焦于跨仪器测试、域适应、不确定性校准及通过可解释性分析指导实验方案和模型架构的迭代优化。