基于数字微流控芯片的多种活食源性病原菌的鉴定及定量

食源性致病菌，如沙门氏菌、金黄色葡萄球菌、大肠杆菌O157：H7和蜡样芽孢杆菌，是导致食品污染的主要病原菌，也是引起食源性疾病爆发的主要因素。食品中少量细菌的存在，例如，10-100个大肠杆菌O157：H7都很可能引发一系列食品安全问题。因而，快速、准确地定量检测活的食源性致病菌是至关重要的。细菌平板培养计数（SPC）是活菌检测的金标准，大概需要1-2天的培养使得细菌在固体培养基上生长形成可见的菌落，且需要专业人员进行计数。为尽量缩短实验周期，分子生物学方法，如PCR，和免疫学技术均得到了广泛的关注和应用，不过这两种技术都面临着因死亡细菌引起的假阳性问题。为实现活菌定量，一些电化学检测方法、质谱分析和浊度检测也已得到开发，尽管速度较快（耗时较短），但这些方法通常需要较为繁琐的人工操作且灵敏度较低。在降低人工工作量和提高检测灵敏度上，微流控技术具有显著的优势，通过对样品进行极限稀释，可实现单细胞/分子水平的靶标检测。基于此背景，中国农业大学刘元杰团队报道了一种深度学习增强的数字微流控平台，用于对活的食源性病原体的多重检测。简单说来，①研究采用微坑微流控芯片（800个微坑）将样品进行分散，使得每个微坑至多含有一个细菌，在微坑中对细菌进行培养；②使用一个可编程的滑动显微镜平台，每15 min采集一次每个微坑内细菌的延时图像；③利用自开发的三维深度学习网络TLENTNet，对延时图像进行特征（增强）分析以实现细菌的鉴定（生长形态的分析）和定量分析（图1）。在最佳条件下，该平台能够在7 h内实现4种食源性致病菌：鼠伤寒沙门氏菌、大肠杆菌O157：H7、金黄色葡萄球菌和蜡样芽孢杆菌的鉴定及检测，平均准确率为97.72%，检出限为63 CFU/mL。

事实上，这并非首篇基于细菌形态分析去鉴定细菌种类的研究，早前已有研究基于类似概念去实现细菌的鉴定和药敏分析。不过，本研究更加深入的对深度学习网络进行了优化（二维到三维），且应用微坑微流控芯片对细菌进行定量。相较于先采取某些手段对细菌进行定量，再应用分子手段鉴定细菌种类的方法，本研究大大缩减了人工工作量。总的来说，本研究构建的深度学习增强的数字微流控平台相对来说自动化程度较高，无需任何标记即可对细菌进行多重定量分析。不过，方法的泛化应用能力尚需引入更多菌的研究；此外，方法是否具备实际样本应用能力，尚需进一步验证。

图1 用于活菌多重检测的数字微流控平台的示意图。(a)工作流程；(b)TLENTNet的网络结构。

原文链接：https://doi.org/10.1016/j.bios.2023.115837