成果文章丨《Analytical Chemistry》微流环境中使用光镊对发酵乳酸菌进行稳定 SERS 检测-医疗器械网

成果文章丨《Analytical Chemistry》微流环境中使用光镊对发酵乳酸菌进行稳定 SERS 检测

来源：长春长光辰英生物科学仪器有限公司分类：新品 2024-01-08 13:15:04 82阅读次数

2023年12月19日，中国科学院长春光学精密机械与物理研究所李备课题组在《Analytical Chemistry》期刊上发表了题为“Stable SERS Detection of Lactobacillus fermentum Using Optical Tweezers in a Microfluidic Environment”的文章。文章旨在于光镊微流控环境中获得稳定的细菌SERS信号，进而对乳酸菌进行拉曼光谱鉴定。

一、研究背景

目前，常规细菌鉴定方法耗时长，一般需要2-3天才能出结果。若使用纳米银表面增强拉曼散射（SERS）方法进行鉴定，虽然速度较快，但由于常规SERS方法是将胶体细菌混合液滴加在芯片上进行拉曼测试的，样本中的水分会随测试时间的增加逐渐蒸发，从而导致SERS信号不稳定。为了进一步提高SERS检测的稳定性，同时保证在微流环境中细菌不会随液体移动而导致测试不稳定，本研究使用光镊微流控体系对细菌进行三维位置固定，从而得到稳定的细菌SERS信号。

二、研究内容

搭建光镊微流控平台，采用1064 nm激光器作为光镊光源，而拉曼光路使用532 nm激光器进行激发，调节光路使两束激光在物镜下汇聚到同一位置。

图 1 SERS光镊微流控光路图

对现有无标签SERS技术的纳米银制作工艺进行改进。探究了KCL@纳米银集聚效应对SERS增强的效果。最终对6种酸奶发酵过程中的乳酸菌进行SERS鉴定。采用t-SNE降维分析算法对细菌SERS光谱进行初步聚类分析，可以观察到每种细菌SERS信号存在差异。

图 2 细菌SERS光谱，t-SNE结果图

利用SVM及XGBoost机器学习算法对SERS光谱进行分离模型构建，模型对6种菌的识别准确率均在95%以上，达到了很好的区分效果。

图 3 机器学习混淆矩阵结果对比图

随后，我们对是否使用SERS增强以及是否使用光镊检测的结果进行了对比，发现如果在光镊固定条件下不使用SERS增强，光谱稳定性虽然较高，但是光谱信噪略低。而结合光镊固定和SERS增强可以进一步提高SERS光谱的信噪比和稳定性。

最后，我们进行了模拟样品的菌种鉴定测试。将已知的两种乳酸菌混入纯牛奶中，恒温培养一段时间后，应用上述构建的分类识别模型对奶中的微生物进行鉴定。最终在样品中成功检出了这两种乳酸菌。

图 4（a) 有无 AgNP 增强和光镊的光谱信噪比箱型图

图 4（b）有无 AgNP 增强和光镊的光谱信噪比分布图

图 5 模拟样品的微生物菌株鉴定测试结果

三、结论

为了提高无标签 SERS 技术检测光谱的稳定性，提高 SERS 技术在细菌检测，尤其是乳酸菌快速鉴定方面应用的适用性。本研究搭建了SERS光镊微流控平台，结合无标签SERS技术对6种乳酸菌进行了 SERS 光谱检测。并利用机器学习算法（SVM 和 XGBoost）建立分类模型，6种细菌的识别准确率均超过 95%。为了体现该技术的稳定性，我们评估了光镊对SERS增强效果的影响。结果表明，使用光镊夹持细菌时，光谱稳定性显著提高。此外，本文还进行了模拟混合细菌测试，成功从样品中识别到了目标细菌。综上所述，这项工作验证了光镊微流控与无标签SERS技术相结合，可以有效提高细菌SERS光谱的稳定性，扩大了 SERS在微生物检测中的实际应用，满足了乳品酿造业对即时检测的迫切需求。

原文链接：

https://doi.org/10.1021/acs.analchem.3c03852

HOOKE INSTRUMENTS

辰英价值

本研究使用辰英新产品RA-Catcher拉曼光镊分选仪，通过将SERS与光镊微流控技术相结合，有效提高了常规检测方法中细菌SERS信号不稳定的问题，并成功实现了6种乳酸菌的快速鉴定。RA-Catcher是一款集共聚焦拉曼光谱检测与单细胞光镊操纵为一体的细胞识别与分离系统，能够对样品中≥0.5 μm不同尺寸、形态的微生物实现精准捕获、拉曼检测及分离，单细胞得率≥95%，分离后的细胞可进行单细胞测序，或与培养组学结合实现单克隆的靶向培养，为功能微生物研究提供新的工具。