Метод на основе одиночных клеток позволяет быстро идентифицировать патогены в воздухе в реальных условиях

Аэрозоли играют ключевую роль в передаче воздушно-капельных патогенов, выступая в качестве носителей, транспортирующих патогены между окружающей средой и человеком. Своевременное и точное обнаружение этих патогенов необходимо для сдерживания вспышек инфекционных заболеваний в их источнике и снижения уровня внутрибольничных инфекций.

Традиционные методы обнаружения патогенов сталкиваются с рядом проблем, включая низкую скорость, чувствительность и сложные процедуры.

В отличие от них, одночастичная рамановская спектроскопия стала перспективной технологией для быстрой идентификации патогенов. Этот метод характеризует фенотипические особенности микроорганизмов и обладает преимуществами, такими как скорость, независимость от культивирования и возможность многокомпонентного детектирования.

Современные достижения в области искусственного интеллекта (ИИ) значительно повысили разрешающую способность рамановской спектроскопии, улучшив её возможность различать тонкие спектральные вариации между бактериями.

Однако в реальных условиях с огромным микробным разнообразием и множеством некультивируемых видов создание всеобъемлющих баз данных рамановских спектров для всех микроорганизмов окружающей среды остаётся серьёзной проблемой. Быстрая и точная идентификация патогенов внутри сложных воздушных микробных сообществ особенно затруднена из-за высокой сложности этих сред.

Чтобы решить эту задачу, исследовательская группа под руководством профессора Чжу Юнгуаня, члена Китайской академии наук (CAS), и профессора Цуй Ли из Института городской среды CAS разработала и опубликовала инновационную технологию обнаружения воздушных патогенов.

Эта технология, сочетающая одночастичную рамановскую спектроскопию с алгоритмом глубокого обучения с открытым множеством, была описана в журнале Science Advances.

Исследователи создали базу данных рамановских спектров для обнаружения патогенов в аэрозолях. Они включили в алгоритм глубокого обучения функцию потерь для открытого множества и определили оптимизационные пороги. Этот инновационный подход позволяет идентифицировать пять ключевых воздушных патогенов в сложных реальных условиях.

Для образцов воздуха с содержанием патогенов более 1% весь процесс — включая сбор образцов, предварительную обработку, идентификацию и отчёт — занимает всего один час. Система достигает средней точности идентификации 93% для пяти целевых патогенов и снижает уровень ложноположительных результатов на 36% по сравнению с традиционными алгоритмами с закрытым множеством.

Её чувствительность позволяет обнаруживать патогены на уровне одиночных клеток. Кроме того, этот метод может эффективно выявлять патогены в реальных образцах воздуха, содержащих более 4600 видов микроорганизмов, демонстрируя значительно более высокую устойчивость к помехам по сравнению с традиционными методами.

Метод был проверен в различных реальных условиях, включая больницы, торговые центры, столовые, заводы по переработке пищевых отходов, микробиологические лаборатории и общественные туалеты.

Эти проверки продемонстрировали его эффективность в решении проблем медленного обнаружения и недостаточной идентификации, характерных для традиционных методов. Позволяя эффективно контролировать биобезопасность окружающей среды и обеспечивая раннее предупреждение, этот подход играет жизненно важную роль в предотвращении передачи патогенов по воздуху.