《Applied Food Research》:A machine learning-assisted surface-enhanced Raman spectroscopy (SERS) method for the simultaneous detection of multiple passion fruit viruses
编辑推荐:
表面增强拉曼光谱(SERS)可在单次检测中显示不同样本的光谱组合。若能从组合光谱中清晰分辨出单个样本的光谱,则可同时检测多种分析物。在本研究中,研究人员成功开发了一种智能SERS光谱分类方法,该方法能够从原始拉曼光谱中准确识别目标SERS光谱,以实现多目标检测
表面增强拉曼光谱(SERS)可在单次检测中显示不同样本的光谱组合。若能从组合光谱中清晰分辨出单个样本的光谱,则可同时检测多种分析物。在本研究中,研究人员成功开发了一种智能SERS光谱分类方法,该方法能够从原始拉曼光谱中准确识别目标SERS光谱,以实现多目标检测。为验证所开发的SERS多样本检测方法的实用性,研究人员以百香果病毒检测为例,对四种病毒株进行识别和分析。在光谱预处理阶段,采用多种背景噪声去除技术,有效消除背景干扰并提高数据质量。在特征峰提取阶段,使用自适应峰检测算法结合基于直方图的频率分析来识别特征峰位置。为选择最具判别力的光谱特征,采用六种特征选择算法筛选最具有判别力的特征。然后将所选特征与五种人工智能(AI)模型集成,以寻找最佳的特征选择与AI模型组合以进行分类。实验结果表明,递归特征消除方法结合投票集成模型可获得最佳分类结果。在包含四种病毒光谱和混合病毒光谱的训练样本中,检测准确率达到97.9%。研究人员进一步提出一种概率阈值识别策略,该策略使用这四种单一病毒样本进行训练,以解释分类结果,从而分析共感染的病毒组成。实验结果表明,概率阈值识别策略仍能达到94.9%的检测准确率。高检测准确率证明了本研究提出的智能SERS多样本检测方法在实际应用中的可行性。
**论文解读文章**
**研究背景、问题与研究意义**
百香果(*Passiflora edulis* Sims)是一种重要的热带经济作物,富含维生素、类胡萝卜素和多酚等营养物质,广泛应用于鲜食、果汁加工和食品添加剂。然而,百香果植株易受病毒侵害,感染后常出现叶片黄化、斑驳、皱缩,果实木质化和畸形等症状,严重影响产量和品质。由于百香果主要采用扦插繁殖,病毒可通过感病苗和蚜虫等昆虫媒介传播,因此有效防控病毒病害成为百香果产业的关键问题。目前侵染百香果的主要病毒包括东亚西番莲病毒(EAPV-AO、EAPV-IB)、黄瓜花叶病毒(CMV)和夜来香花叶病毒(TelMV)四种,其中EAPV-AO检出率最高达65%,CMV为45%,TelMV为38%,EAPV-IB为28%。此外,共感染现象十分普遍,超过60%的感病植株同时携带两种或以上病毒,增加了诊断和防控的复杂性。
传统的病毒检测方法(如聚合酶链式反应,PCR)虽准确,但耗时、成本高且需要专业操作。拉曼光谱技术具有非破坏性、分子指纹特征等优势,但常规拉曼散射信号极弱。表面增强拉曼光谱(SERS)技术通过将分析物置于粗糙贵金属基底附近,利用电磁和化学增强机制,可将拉曼信号增强10
4至10
7倍,从而克服信号弱的问题。然而,现有SERS研究多针对单一目标,缺乏有效的多目标和复杂感染检测方案。此外,不同研究使用的SERS基底、测量条件和预处理方法差异大,缺乏标准化光谱数据库,导致模型难以直接迁移。因此,研究人员计划开发一种结合SERS检测、光谱预处理、特征峰提取和机器学习的智能SERS检测方法,用于多目标检测,并以百香果四种病毒的检测为例验证该方法。该研究对于提高病毒检测效率、降低数据库建立门槛、推动SERS技术在实际农业病害检测中的应用具有重要意义。论文发表在《Applied Food Research》。
**主要关键技术方法**
研究人员采用的主要关键技术方法包括:(1)**SERS基底制备**:通过半导体光刻、注塑成型和金薄膜溅射制备聚对苯二甲酸乙二醇酯(PET)微碗阵列基底,并采用柠檬酸钠还原法合成金纳米颗粒(AuNPs);(2)**病毒-金纳米颗粒复合物制备与光谱采集**:将四种病毒(EAPV-AO、EAPV-IB、CMV、TelMV)的原始鞘磷脂与AuNPs混合,形成病毒-金纳米颗粒复合物,滴加至金薄膜溅射的PET基底上,使用便携式拉曼光谱仪(633 nm激光)采集光谱;(3)**光谱预处理与特征提取**:采用宇宙射线去除、Savitzky-Golay平滑滤波、增强非对称最小二乘基线校正、波数范围选择和面积归一化进行预处理;利用自适应峰检测算法结合直方图频率分析自动识别特征峰位置;(4)**特征选择与机器学习建模**:使用六种特征选择算法(Fisher Score、Boruta、随机森林重要性RFI、互信息MI、递归特征消除RFE、标准化均值差SMD)筛选最具判别力的15个特征,并与五种人工智能模型(随机森林RF、支持向量机SVM、梯度提升树GB、多层感知器MLP、投票集成VE)组合,通过5折交叉验证和网格搜索优化模型参数,最终在测试集(191个独立样本)上评估性能。样本来源:四种病毒(EAPV-AO、EAPV-IB、CMV、TelMV)的原始鞘磷脂由大肠杆菌生产。
**研究结果**
**3.1. SERS基底制备结果**
**3.1.1. 金纳米颗粒与基底形貌表征**:扫描电子显微镜(SEM)表征显示,金纳米颗粒均匀分布在基底表面,形成连续致密的纳米结构层,颗粒尺寸介于70-100 nm之间,证实SERS芯片具有良好的稳定性。
**3.1.2. SERS增强效果验证**:以罗丹明6G(R6G)为标准探针分子,SERS光谱清晰显示R6G的特征振动峰(如612 cm
-1、774 cm
-1等),验证了基底增强效果。
**3.2. 百香果病毒光谱分析**
通过预处理后的光谱分析,发现四种病毒具有不同的特征峰模式:EAPV-AO在1535-1595 cm
-1范围呈现双强峰结构(对应类胡萝卜素C=C伸缩振动),与其它病毒显著不同;EAPV-IB在1700-1800 cm
-1具有独特峰(1745 cm
-1),为其他三种病毒所没有;CMV在500-800 cm
-1低波数区有多个强峰(515、575、695 cm
-1);TelMV在1400-1700 cm
-1范围仅有单强峰,且归一化拉曼强度(最高16 a.u.)明显高于其他病毒。这些特征为后续机器学习分类提供了基础。
**3.3. 机器学习模型训练与分类性能评估**
**3.3.1. 实验设计与数据集划分**:实验包括单病毒感染(EAPV-AO、EAPV-IB、CMV、TelMV)和混合病毒感染(AO+CMV、AO+IB、IB+CMV、AO+IB+CMV)共8类,数据集按70:15:15随机划分为训练集、验证集和测试集。
**3.3.2. 特征选择方法对比分析**:六种特征选择方法中,RFE+投票集成(VE)组合以97.9%的准确率最佳,拟合差距最小(0.061),表明RFE能选出泛化能力强的特征子集。RFE选出的15个特征中,1445 cm
-1为EAPV-IB和CMV的共享峰,1745 cm
-1为EAPV-IB的独有峰,1535-1595 cm
-1的双/单峰结构可区分EAPV-AO与TelMV。
**3.3.3. 不同模型分类性能评估**:RFE结合VE在测试集上达到97.9%准确率,宏平均F1分数0.983,微平均AUC 1.000。MLP准确率97.4%,RF和GB均为96.9%,SVM仅83.2%。前四个模型拟合差距0.061-0.064,泛化能力良好。
**3.3.4. RFE+VE模型分类性能**:该模型对单病毒(EAPV-AO、EAPV-IB、CMV、TelMV)分类准确率达100%;对混合感染中EAPV-AO+CMV准确率100%,EAPV-AO+EAPV-IB+CMV准确率98.7%。混淆矩阵显示191个测试样本中仅4个误分类(错误率2.1%),主要发生在混合感染样本(如EAPV-AO+EAPV-IB召回率89.5%,EAPV-IB+CMV召回率94.7%),原因可能是低浓度病毒特征被强峰掩盖。学习曲线显示训练分数稳定在1.0,交叉验证分数升至0.939,拟合差距0.061,存在轻微过拟合。ROC曲线微平均AUC达1.000,表明模型具有优异的类别区分能力。
**3.4. 简化训练样本类别的分类模型**
为解决多病毒检测中训练样本类别指数增长的问题(4种病毒理论上需15类,10种病毒则需1023类),研究人员提出概率阈值识别策略:仅使用四种单病毒样本和健康对照组共5类训练,设置概率阈值0.15,当样本输出多个病毒类别的预测概率均大于阈值时判定为共感染。测试集195个样本(含单病毒、双病毒、三病毒混合)整体准确率94.9%,所有单病毒分类准确率100%,误分类10例均发生在混合感染类别,且模型倾向于认为存在CMV(因其特征峰独特)。该策略显著降低了数据库建立门槛。
**总结与讨论**
讨论部分指出,本研究的主要分析数据为拉曼光谱,其质量与SERS基底结构和拉曼设备相关。通过注塑成型制备的PET微碗阵列基底具有较高一致性,但金颗粒的尺寸和均匀性仍影响光谱质量;便携式拉曼光谱仪缺乏全自动对焦装置,导致同一样品不同批次的光谱存在差异。
**结论部分翻译**:本研究成功开发了一种结合表面增强拉曼光谱、光谱分析和机器学习算法的智能病毒检测平台,并以百香果病毒检测作为应用案例进行验证。在光谱预处理阶段,采用宇宙射线噪声去除、Savitzky-Golay平滑滤波、增强非对称最小二乘基线校正和面积归一化,有效消除背景干扰,从而提高数据准确性和质量。在特征提取阶段,使用自适应峰检测算法结合基于直方图的频率分析识别特征峰位置,然后通过六种特征选择方法筛选出15个最具代表性的特征峰。在机器学习阶段,使用随机森林、支持向量机、梯度提升树、多层感知器和投票集成五种算法,与六种特征选择方法提取的特征峰数据结合,以寻找将特征峰提取与机器学习分类相结合的最佳AI分类模型。分类模型评估结果表明,递归特征消除方法结合投票集成模型可实现97.9%的准确率。单病毒感染分类准确率达到100%,多重感染分类准确率范围为89.5%至100%。实验结果表明,该模型具有优异的分类性能。本研究进一步提出了一种基于概率阈值的复合感染识别策略,以解决多病毒检测中训练样本指数增长的问题。基于概率阈值的策略仅需对少量单病毒样本进行训练,即可正确分类复合感染样本。总体准确率达到94.9%,显著降低了数据库建立门槛,提高了分类模型的实用性。