深度学习增强数字微流控芯片中活的食源性病原体的多重检测

  基于平板培养的方法是全球公认的定量活食源性病原体的金标准。然而，这很耗时(1-2 天)，并且需要专门的实验室和人员。发表在期刊《Biosensors and Bioelectronics》的文章《Deep learning enhanced multiplex detection of viable foodborne pathogens in digital microfluidic chip》报道了一种深度学习增强型数字微流控平台，用于活食源性病原体的多重检测。

  如图1所示，作者开发了一种数字微流控平台来监测对齐微孔内的细菌生长。使用深度学习模型通过识别每个微孔处的菌落并计算阳性微孔的数量来自动进行细菌多重检测。作者设计了一种特殊的深度学习模型，即延时图像驱动的高效网络转换器网络(TLENTNet)，通过细菌生长的时空特征对细菌进行分型，并通过细菌培养物的数字计数对细菌进行量化。如图a所示，首先使用LB培养基制备细菌样品。然后，将其注入微流控芯片中，使用负压注射器将最多一种细菌随机封装在20 nL微孔中。在培养期间，每15分钟通过编程的滑动显微平台扫描一次微孔阵列。使用电荷耦合器件(CCD)相机在明场条件下对每个微孔进行成像，以捕获细菌生长的延时图像。利用TLENTNet(图b)连续分析细菌生长的长期时空特征，实现细菌分型和定量。该平台获得的活菌计数结果显示与金标准SPC方法高度一致，同时将检测时间从5 h减少到7 h以内，具有良好的性能。

  图1 该数字微流控平台用于活菌的多重检测示意图。(a)该平台的工作流程。(b)TLENTNet的网络结构。

  参考文献

  [1] Quan, Han et al. “Deep learning enhanced multiplex detection of viable foodborne pathogens in digital microfluidic chip.” Biosensors & bioelectronics, vol. 245 115837. 17 Nov. 2023, doi:10.1016/j.bios.2023.115837