多维 SERS 生物传感器结合卷积神经网络实现细菌精准识别

表面增强拉曼光谱（SERS）因高灵敏度和分子特异性，成为细菌检测的有力工具，但传统无标记 SERS 方法仅依赖细菌成分在基底上的自发吸附，获取的化学指纹信息有限，难以区分复杂细菌种类。为突破这一局限，研究团队提出 “多维传感” 思路：利用具有不同化学特性的分子修饰银纳米颗粒（Ag NPs），调控细菌成分与传感界面的选择性吸附，增强相互作用的多样性，从而捕获更全面的 SERS 光谱信息。

研究中，团队制备了 7 种不同的 SERS 基底，包括未修饰的 Ag NPs 及分别用 11 - 巯基十一酸（MUA）、11 - 巯基 - 1 - 十一醇（MUD）、1 - 十二硫醇（DT）、3 - 巯基丙酸（MPA）、3 - 巯基 - 1 - 丙醇（MP）、4 - 巯基苯硼酸（MPBA）修饰的 Ag NPs。通过紫外 - 可见光谱、扫描电镜（SEM）、动态光散射（DLS）和 zeta 电位分析，证实了修饰后的纳米材料具有 distinct 的理化特性：例如，修饰后的 Ag NPs 粒径增大（从 76 nm 增至 153 nm），表面电荷因修饰分子的官能团（如羧基、羟基）而显著变化，这些特性调控了与细菌成分的相互作用。

图1：展示修饰 Ag NPs 的化学物质详情、纳米材料的光学照片、SEM 形貌、UV-vis 光谱、DLS 粒径及 zeta 电位。

图2：17 种细菌在 7 种不同修饰 Ag NPs 基底上的 SERS 光谱，同色代表同种细菌。

 基于这些基底，团队构建了包含 17 种细菌菌株、共 119,000 条 SERS 光谱的数据库，涵盖 7 个维度。通过 1D-CNN 模型分析所有可能的维度组合（共 127 种），发现最优的五维组合（Ag NPs、Ag NPs@MUA、Ag NPs@MUD、Ag NPs@DT、Ag NPs@MP）识别准确率最高，达 99.29%，远超单维度（最高 77.03%）及传统算法（如 SVM 的 78.32%、随机森林的 68.43%）。研究还发现，维度并非越多越好：加入 Ag NPs@MPA 和 Ag NPs@MPBA 反而降低准确率，因存在光谱冗余；且最优维度组合因分析对象而异（如菌株水平识别最优为三维，非菌株水平为低维度）。

图3：1D-CNN 识别细菌的混淆矩阵、损失曲线、准确率曲线及不同组别在各维度组合下的识别率趋势。

 该研究的核心价值在于：通过多维传感丰富细菌的化学指纹，结合深度学习精准提取特征，大幅提升了细菌识别的准确性和特异性。这一技术不仅为复杂微生物群落的快速鉴定提供了新工具，也为多维传感器的维度优化提供了实践依据，有望应用于食品安全、临床诊断等领域。

参考文献：Liu W, Zhu L, Ren Y, et al. Multidimensional Surface-enhanced Raman Scattering Biosensor Integrated Convolutional Neural Networks for Accurate Bacteria Identification[J]. Biosensors and Bioelectronics, 2025: 117747.