Метод рамановской спектроскопии для быстрой идентификации бактерий, вызывающих порчу пива

В исследовании, опубликованном в Аналитические методыисследовательская группа под руководством Ли Бэя из Чанчуньского института оптики, точной механики и физики (CIOMP) Китайской академии наук (CAS) предложила быстрое обнаружение бактерий, вызывающих порчу пива, на основе рамановской спектроскопии с усилением поверхности без меток ( SERS) технологии.

Молочная кислота бактерии являются распространенными бактериями, вызывающими порчу пива, и их необходимо контролировать и контролировать на всех этапах производства пива. Традиционные методы обнаружения бактерий, вызывающих порчу, отнимают много времени и не могут удовлетворить потребность в быстром обнаружении на месте в режиме реального времени во время производственного процесса.

Спектроскопия комбинационного рассеяния широко используется для обнаружения микробов из-за ее быстрых, неразрушающих и точных свойств, но обычная спектроскопия комбинационного рассеяния имеет недостаток, заключающийся в плохом соотношении сигнал-шум, что влияет на точность идентификации микробов.

По сравнению с обычной рамановской спектроскопией метод SERS имеет более сильный и чувствительный сигнал и хорошо подходит для обнаружения бактерий, вызывающих порчу пива. Кроме того, метод SERS без меток идеально подходит для коммерциализации из-за его низкой стоимости и хороших результатов.

В этом исследовании ученые усовершенствовали существующий процесс приготовления наночастиц серебра SERS без меток (AgNP). Было исследовано влияние эффекта агломерации AgNPs@KCl на усиление SERS. SERS идентифицировал восемь видов бактерий, вызывающих порчу пива, образующихся в процессе пивоварения.

Исследователи дополнительно изучили влияние метода на окончательную скорость идентификации, объединив алгоритм анализа уменьшения размерности t-распределенного стохастического встраивания соседей (t-SNE), метод опорных векторов (SVM), k-NearestNeighbor (KNN) и линейный дискриминантный анализ. (LDA) алгоритмы машинного обучения. Все три алгоритма машинного обучения достигли точности около 90% и хорошо показали себя в идентификации бактерий, вызывающих порчу пива.

При анализе стабильности и тестах на смешивание две известные вызывающие порчу бактерии смешивали с чистым пивом и инкубировали при постоянной температуре в течение определенного периода времени для идентификации бактерий в пиве. Две вызывающие порчу бактерии были успешно обнаружены в образцах и имели хорошую спектральную стабильность.

Согласно окончательному проверочному исследованию, этот метод действительно может идентифицировать целевые бактерии, вызывающие порчу, из смоделированных образцов, что имеет большое значение для быстрой идентификации порча бактерии в процессе пивоварения.