气溶胶是病原菌通过空气传播，感染人体的主要途径。早期、快速、精确的检测，对于控制病原菌的气溶胶传播及传染病爆发至关重要。传统病原菌检测方法存在检测速度慢、灵敏度低、操作繁琐等问题。单细胞拉曼光谱因其能够表征微生物的表型特征，且具有速度快、免培养、多靶标的优势，成为病原菌快检的新兴技术。近年来，人工智能的迅速发展，进一步提升了拉曼光谱对细菌间微弱谱图差异的分辨率。然而，实际环境微生物种类众多且多数未能培养，无法穷尽所有环境微生物的拉曼光谱进行建库训练，如何从复杂空气环境菌群中快速、精准识别病原菌仍面临巨大挑战。

    基于此，中国科学院城市环境研究所朱永官院士团队崔丽研究组开发了一种基于单细胞拉曼光谱结合开集深度学习算法的新型空气病原菌检测技术。研究人员通过构建病原微生物气溶胶拉曼谱库，引入开集损失函数、优化阈值等方式创新开集深度学习算法，实现了复杂真实空气中多种关键病原菌的快速准确识别。对于病原菌丰度高于1%的空气样品，从样品采集、预处理、拉曼检测到最终算法识别及报告结果全流程仅需1小时。对5种目标病原菌的平均识别准确率高达93%，假阳性率比传统闭集识别算法降低36%，检测灵敏度达到单细胞水平。该方法在含有>4600种微生物的实际空气样品中依然能够实现对目标病原菌的靶向识别，抗干扰能力相比传统方法大幅提升。最终，该方法在医院、商场、食堂、垃圾处理厂、公共厕所、微生物实验室等多种实际环境场景进行了进一步验证。该方法克服了传统方法检测慢、识别差的问题，为环境生物安全监测预警，防治病原菌气溶胶传播提供有力的工具。

    研究成果以Open-set deep learning-enabled single cell Raman spectroscopy for rapid identification of airborne pathogens in real-world environments为题，发表于综合性期刊Science Advances上。中国科学院城市环境研究所朱龙吉副研究员为第一作者，朱永官院士和崔丽研究员为共同通讯作者，厦门大学田中群院士、任斌教授、中国科学院计算技术研究所安竹林副研究员、美国弗吉尼亚理工大学Peter J. Vikesland教授、英国Francis L. Martin教授等对论文进行了指导。研究工作得到国家自然科学基金（42021005、32100083、22176186）、重点研发计划（2022YFF0713100）、中国科学院前沿科学重点研究计划“从0到1”原始创新项目（ZDBS-LY-DQC027）的支持。

   论文链接

方法流程示意图