致病性细菌感染，随着抗菌素耐药性的增加而加剧，对全世界的人类健康构成重大威胁。细胞外囊泡（EVs）由细菌分泌，是细菌的“远程武器”，在传染病的发生发展中发挥着重要作用。然而，没有有效的方法来快速检测和识别不同细菌来源的 EVs。基于此，厦门大学任斌和中科院城市环境研究所崔丽等人开发了与注意神经网络 (aNN) 的新深度学习模型相结合的无标记拉曼光谱，用以识别革兰氏、物种、菌株甚至生理水平的病原体衍生 EVs。

本文要点：

（1）通过使用来自六种典型病原体衍生 EVs 的大型拉曼数据训练人工神经网络模型，作者实现了对所有级别的 EVs 的高精度识别：在革兰氏和物种水平上超过 96%，在抗生素抗性和敏感应变水平，在生理水平上仍高于 87%。 与以前的方法相比，aNN 使拉曼光谱能够将 EVs 的细菌来源询问到更高水平。

（2）此外，通过积分梯度的解释算法，从细微不同的 EV 光谱中发现了支持 EV 辨别的光谱标记。对 EVs 和亲本病原体丰富的拉曼生化特征进一步对比分析清楚地揭示了 EVs 的生物发生过程，包括生物成分的选择性封装和与原始细菌不同的膜成分。这个开发的平台提供了一种准确和通用的方法来识别病原体衍生的 EVs、光谱标记和生物发生过程。它将促进快速诊断并允许及时治疗细菌感染。

参考文献：

Yi-Fei Qin, Xin-Yu Lu, Zheng Shi, Qian-Sheng Huang, Xiang Wang, Bin Ren, and Li Cui. Deep Learning-Enabled Raman Spectroscopic Identification of Pathogen-Derived Extracellular Vesicles and the Biogenesis Process. Anal. Chem. 2022

DOI:10.1021/acs.analchem.2c02226

https://doi.org/10.1021/acs.analchem.2c02226