3D纳米技术检测克罗诺杆菌

主动管理食源性疾病需要对食源性病原体进行常规监测，这需要开发简单、快速和敏感的检测方法。在此，韩国首尔大学的Hyunju Kang等研究人员提出了一种策略，该策略能够使用3D纳米结构拭子和基于深度学习的拉曼信号分类来检测多种食源性细菌。纳米结构拭子有效捕获食源性病原体，便携式拉曼仪器直接收集捕获细菌的拉曼信号。已经证明了一种深度学习算法，即具有二进制标记的1D卷积神经网络，在对单个细菌物种进行分类时实现了卓越的性能。该方法已扩展到混合细菌种群，保持接近100%的准确性。此外，还使用梯度加权类激活映射方法对食源性病原体的拉曼光谱带进行了研究。为了实际应用，对受污染的厨房用具和食品进行盲检。通过成功检测污染表面的细菌种类，验证了所提出的技术。3D纳米结构拭子、便携式拉曼设备和基于深度学习的分类的使用为食源性细菌物种的快速识别（≈5分钟）提供了强大的工具。

为了评估该方法在现实世界中的适用性，使用刀具、钳子、番茄、蛋壳和肉类等可能受到污染的厨房工具和食物进行了盲测。在这项盲测中，我们使用多种不同的细菌组合，不分青红皂白地将污染引入每个表面。然后使用3D纳米结构拭子收集食源性细菌，并获得拉曼信号（下图A）。

盲检结果表明，大多数样本根据相关拉曼信号正确地对受污染的食源性细菌进行了分类（下图B-D）。重要的是，我们观察到不同细菌组合的一致鉴定结果。这些结果证明将拉曼光谱与我们基于1D CNN的方法相结合，可以有效地区分与细菌样品中不同生物分子和化合物相关的独特光谱模式。

该检测策略显示出可靠的食品安全监测的巨大潜力，为公众健康和食品行业做出了有意义的贡献。

参考文献：

Hyunju Kang, Junhyeong Lee, Jeong Moon, Taegu Lee, Jueun Kim, YeonwooJeong, Eun-Kyung Lim, Juyeon Jung, Yongwon Jung, Seok Jae Lee, Kyoung G. Lee, Seunghwa Ryu,and Taejoon Kang. Multiplex Detection of Foodborne Pathogens using 3D Nanostructure Swab and Deep Learning-Based Classification of Raman Spectra. Small 2024, 2308317.

DOI: 10.1002/smll.202308317