基于拉曼光谱指纹智能分析的临床样本诺卡氏菌种水平鉴定

《World Journal of Microbiology and Biotechnology》：Species-level identification of Nocardia spp. from clinical samples via intelligent analysis of Raman spectroscopic fingerprints

　　

摘要

背景

诺卡氏菌属是临床上的机会性致病菌，经常被漏诊，且往往导致严重的临床后果。这类感染多为侵袭性感染，可累及肺部、神经系统、皮肤及软组织。不同种类的诺卡氏菌在毒力和抗菌药物敏感性方面存在显著差异。然而，临床表现高度多样，种水平的鉴定在技术上仍然困难，诺卡氏菌属的精确诊断具有挑战性。因此，快速鉴定诺卡氏菌属对于指导临床治疗至关重要。

方法

本研究开发了一种将机器学习与表面增强拉曼光谱（SERS）相结合的智能分析模型，用于快速鉴定七种临床常见的诺卡氏菌属。我们从临床样本中分离和培养46株诺卡氏菌，涵盖七个诺卡氏菌种。为每株菌株生成了总计64个SERS光谱，以提高数据可重复性。我们进行了主成分分析（PCA）和正交偏最小二乘判别分析（OPLS-DA），以评估诺卡氏菌属之间的光谱差异。随后，我们开发并优化了九个机器学习模型。我们利用准确率、精确率、召回率、F1分数和五折交叉验证对模型性能进行了定量评估，并进一步使用混淆矩阵和受试者工作特征（ROC）曲线评估分类性能。我们应用SHAP（SHapley Additive exPlanations）方法对最优模型进行解释和分析。

结果

在所有模型中，支持向量机（SVM）达到了最高的99.47%鉴定准确率，表现出卓越的分类性能。

结论

SERS-SVM是一种准确有效的分析技术，可用于快速鉴定七种临床常见的诺卡氏菌属。