食源性疾病每年影响着全球数百万人的健康，其中细菌性食源性疾病尤为常见。在食品安全领域，快速准确地检测食品中的致病菌一直是公共健康的重要保障。传统的细菌检测方法耗时长、操作复杂，无法满足快速检测的需求。因此，发展一种快速、灵敏、特异的检测技术对于预防食源性疾病具有重要意义。

近日，来自浙江大学药学院的研究团队在《化学工程期刊》上发表了一项创新研究成果，报道了一种基于树状分子的新型表面增强拉曼光谱（SERS）平台，该平台结合了增量学习技术，能够快速检测四种主要的食源性致病菌。

本研究中，研究人员设计了一种基于聚(酰胺胺)（PAMAM）的金纳米组装体的硅片基底（PGNAs/Si），作为高活性的SERS基底。与传统的金纳米粒子相比，这种新型基底通过引入可控的树枝状纳米结构和超小的内部纳米间隙，场发射扫描电镜图（左图）和一级结构示意图（右图）如下所示，显著提高了检测的灵敏度和重复性。研究团队在模拟污染的水、食品和膳食补充剂样本中，对四种常见的食源性致病菌——大肠杆菌、沙门氏菌、假单胞菌和金黄色葡萄球菌——进行了检测。结果显示，该SERS基底的检测限达到了10 CFU/mL，远低于现有的检测方法。

图片来源：Chemical Engineering Journal

 为了分析复杂的SERS光谱并区分不同病原体的样本，研究人员采用了增量学习模型，特别是利用了轻量梯度提升机（LightGBM）算法。这种算法在处理高维大数据集方面表现出色，能够高效地进行二元分类。为了提高模型的可解释性，研究人员使用了SHapley Additive exPlanations（SHAP）方法来识别在区分不同病原体中起关键作用的SERS特征。这种方法可以清晰地展示每个特征对分类结果的贡献，从而提高了模型的透明度和可信度。这项研究的成功，不仅展示了SERS技术在食品安全检测领域的应用潜力，也为其他领域的病原体检测提供了新的思路。通过这种快速、灵敏的检测方法，可以及时地发现和控制食源性致病菌，从而减少食源性疾病的发生。

研究人员表示，未来将进一步优化PGNAs/Si基底的纳米结构，以提高其在特定应用中的性能。同时，他们也将探索如何将这种技术与便携式拉曼光谱仪结合，以实现现场快速检测。随着科技的进步，我们有理由相信，这种新型的SERS平台将为食品安全检测带来革命性的变革，为公众健康提供更有力的保障。

原文链接：https://doi.org/10.1016/j.cej.2024.155987.