《Agronomy》：Volatile-Based In-Field Screening of Xylella fastidiosa in Olive Plants Using a Smart E-Nose
编辑推荐：
木质部难养菌（Xylella fastidiosa, Xf）是对地中海农业最具破坏性的植物检疫威胁之一，可引起橄榄快速衰退综合征（Olive Quick Decline Syndrome, OQDS）。由于防控效果取决于及时干预，因此需要可扩展的田间筛查工具。
木质部难养菌（Xylella fastidiosa, Xf）是对地中海农业最具破坏性的植物检疫威胁之一，可引起橄榄快速衰退综合征（Olive Quick Decline Syndrome, OQDS）。由于防控效果取决于及时干预，因此需要可扩展的田间筛查工具。本研究评估了一种基于碳纳米管传感器阵列并结合人工智能算法的便携式数字电子鼻，用于通过挥发性有机化合物（Volatile Organic Compound, VOC）谱图对Xf进行田间筛查。研究在意大利四个大区（普利亚、卡拉布里亚、拉齐奥和托斯卡纳）对四个品种（Cellina di Nardò、Ogliarola Salentina、Ogliarola Barese 和 Leccino）的130棵橄榄树进行了三次重复采集（共390次测量）。植物状态根据采样区域的官方状态（划定的OQDS疫点 vs. 无Xf区域）确定，并通过对每株植物进行实时定量PCR（real-time quantitative PCR, qPCR）加以支持；在划定疫点内，按照植物检疫标准，在采样枝条中未检测到DNA的植物仍被归为Xf+，从而得到216个感染样本和174个健康样本。多维传感器信号通过优化的浅层神经网络（Shallow Neural Network, SNN）进行处理。在按植物分组的80/20验证中（同一株植物的重复采集保持在同一个子集内），模型取得了（93.3±4.0）%的准确率、（97.7±3.5）%的灵敏度和（88.2±8.3）%的特异性（平均值±标准差）。特征重要性分析揭示了一种可重复但尚未在化学上解析的VOC相关响应模式。这种低成本、便携式物联网（Internet of Things, IoT）设备为Xf监测提供了一种概念验证性筛查方法，但尚需进行植物级别和外部验证。
Xylella fastidiosa（Xf）是对地中海农业最具破坏性的植物病原体之一，可导致橄榄快速衰退综合征（OQDS）。该病害自2013年在意大利普利亚大区首次发现以来，已对当地橄榄产业造成毁灭性影响。由于Xf主要通过木质部取食昆虫传播，且感染早期常无症状，防控面临巨大挑战。当前主要诊断手段为基于实验室的分子检测，如实时定量PCR（qPCR），但该技术需要专业设备与人员，且对植物有破坏性。遥感等非破坏性技术虽然可监测林分健康，但往往在可见症状出现后才能察觉冠层变化。因此，亟需一种可扩展、低成本、能够在田间快速筛查的工具。挥发性有机化合物（VOCs）谱图可以反映植物在感染后的代谢变化，电子鼻（e-nose）作为非特异性气体传感器阵列，可捕捉这种变化，并结合人工智能算法实现模式识别。本研究评估了一款基于碳纳米管的便携式智能电子鼻（Smell Inspector，SmartNanotubes Technologies GmbH）联合浅层神经网络（Shallow Neural Network, SNN）在田间筛查橄榄树Xf感染的效果。相关成果发表于《Agronomy》。
研究人员在意大利四个大区（普利亚、卡拉布里亚、拉齐奥、托斯卡纳）的橄榄园中，对四种当地品种（Cellina di Nardò、Ogliarola Salentina、Ogliarola Barese、Leccino）共130株橄榄树进行了采样。每株树木剪取三段二年生枝条连同叶片，置于玻璃容器中，用电子鼻采集其顶空的VOC信号，每次采集5分钟，每株重复3次，共获得390个样本。植物感染状态根据采样地区的官方植物检疫状态划分，并用qPCR对每株植物进行分子确认；最终得到216个感染（Xf+）样本和174个健康（Xf-）样本。电子鼻的45个有效传感器通道信号经标准化后输入SNN进行分类，网络采用单隐藏层（200个神经元）、ReLU激活函数、Softmax输出，并使用RMSProp优化算法。在按植物分组的80/20验证中，同一株植物的3次重复被分在同一子集，模型重复20次后平均准确率为93.3%（±4.0%），敏感性（即正确识别感染植物的能力）为97.7%（±3.5%），特异性为88.2%（±8.3%）。此外，研究还进行了主成分分析（PCA）和特征重要性分析。
结果显示，健康与感染橄榄树的VOC响应在主成分空间中沿第一主成分存在分离趋势，说明电子鼻信号中蕴含与感染状态相关的信息。小标题“VOC指纹与特征重要性”下，研究人员通过置换重要性分析发现，45个活性通道中没有单一通道主导分类，而是整个阵列的分布式响应共同发挥作用；其中ch9–ch11和ch3–ch5传感器三联组（triplet）在区分两类样本时贡献最大。同时，研究者在仅使用普利亚地区样本（去除地区间差异）的亚组分析中，发现大多数三联组的区分能力反而提高，证明分类并非由地理来源驱动，而是与感染相关的挥发性响应模式有关。
讨论部分指出，该电子鼻并非特异性化学传感器，因此无法从输出中解析具体的挥发物化学成分，但可以作为预警工具，优先选择需要qPCR确证的样本。研究中观察到少数假阴性可能与细菌滴度低有关，但也有部分细菌载量较高的样本被误分类，说明非特异性传感器阵列固有的变异性也是影响因素。局限性包括感染状态与采样地点、品种、采样时间部分混杂；Ogliarola Barese和Leccino只在健康样本中出现；验证采用固定80/20随机划分而非全交叉验证；未来需要进行更大的独立验证。这些讨论均来自原文。
研究结论部分可翻译为：由于本研究所用的电子鼻是非特异性设备，无法从输出中解析Xylella fastidiosa相关挥发物组的化学组成。为加强Xf挥发物组的化学表征，未来研究将采用超高分辨率分析技术，如质子转移反应飞行时间质谱（PTR-ToF-MS）。凭借其高灵敏度和实时监测能力，且不产生样品碎片，该仪器将能够精确验证先前识别出的挥发性有机物官能团。目标是确定与病原菌感染相关的独特、超早期挥发性特征，为开发高特异性田间生物传感器实现Xf快速诊断奠定基础。一种便携式、室温工作的碳纳米管电子鼻联合浅层神经网络，可在商业化橄榄园中，在四个品种、四个意大利大区以及不受控环境条件下，以93.3±4.0%的测试准确率（平均值±标准差）区分Xf感染与健康橄榄树。判别信息由整个传感器阵列共同承载，并且在去除地区间对比后仍然存在。基于此，该设备可作为Xf监测的一种概念验证型、便携式、无需试剂的前筛查工具。
