亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        近紅外光譜技術(shù)在微生物檢測中的應(yīng)用進(jìn)展

        2023-01-29 01:53:44田燕龍高學(xué)軍周加才陸道禮
        光譜學(xué)與光譜分析 2022年1期
        關(guān)鍵詞:單胞菌光譜細(xì)菌

        田燕龍,王 毅,王 簫,高學(xué)軍,周加才,陸道禮,陳 斌

        1.江蘇大學(xué)食品與生物工程學(xué)院,江蘇 鎮(zhèn)江 212013 2.北京京儀集團(tuán)有限責(zé)任公司,北京 100022 3.北京北分瑞利分析儀器(集團(tuán))有限責(zé)任公司,北京市物質(zhì)成分分析儀器工程技術(shù)研究中心、北京市企業(yè)技術(shù)中心,北京 100095

        引 言

        微生物是指一切肉眼看不見或看不清的微小生物,形體微小,結(jié)構(gòu)簡單,通常要用光學(xué)顯微鏡和電子顯微鏡才能看清楚[1]。微生物種類繁多、數(shù)目龐大,主要包括放線菌、細(xì)菌、病毒、真菌、立克次體、支原體等。微生物無處不在,與人類生產(chǎn)生活有著十分密切的關(guān)系。人們每天吃的饅頭、面包、泡菜等食品和喝的酸奶,以及各種酒類-調(diào)味品中的醋、醬油,都是經(jīng)過微生物發(fā)酵制作出來的。但是微生物在人們?nèi)粘I钪幸灿胸?fù)作用。比如肉、蛋,水果等食物,如果保存不當(dāng),就會(huì)腐爛、變質(zhì);人類感染細(xì)菌和病毒等病原微生物后就會(huì)生病乃至死亡;藥品生產(chǎn)過程中如果被有害微生物污染,其有效成分會(huì)遭到破壞,從而失去有效性。凡此種種、不勝枚舉,為了防范和控制微生物的危害,微生物的快速、準(zhǔn)確檢測變得尤為重要。

        目前常用的微生物檢測技術(shù),主要包括傳統(tǒng)生化方法、色譜技術(shù)、顯色培養(yǎng)基技術(shù)、鏈?zhǔn)椒磻?yīng)檢測技術(shù)、核酸探針檢測技術(shù)、電阻抗檢測技術(shù)和免疫分析檢測技術(shù)等[2-3]。這些技術(shù)雖然檢測準(zhǔn)確度很高,但都存在一定的局限性,或者前處理步驟復(fù)雜、時(shí)間長、檢測結(jié)果假陽性率偏高,或者儀器設(shè)備昂貴、對(duì)檢測環(huán)境要求高,均不適合快速檢測。因此探尋一種準(zhǔn)確、簡便、快捷的分析技術(shù)具重要意義。近紅外光譜(NIRs)技術(shù)是指利用物質(zhì)對(duì)近紅外光的選擇性吸收及其吸收強(qiáng)度來預(yù)測其成分和含量,主要用于有機(jī)物質(zhì)定性和定量分析,具有操作簡單、分析速度快、對(duì)檢測人員專業(yè)要求低、分析過程無污染等優(yōu)點(diǎn),已廣泛應(yīng)用于農(nóng)業(yè)、醫(yī)藥、食品等多個(gè)領(lǐng)域,在微生物檢測領(lǐng)域也展現(xiàn)出巨大的應(yīng)用潛力[4-5]。

        1 近紅外光譜技術(shù)鑒定微生物的基本原理

        近紅外光是指位于780~2 500 nm(12 820~4 000 cm-1)范圍的電磁波,NIRs主要測量分子振動(dòng)的倍頻及合頻吸收,包含了絕大多數(shù)類型有機(jī)物組成和分子結(jié)構(gòu)的豐富信息。所有的生物系統(tǒng)都是由水、核酸、蛋白質(zhì)、糖類和脂類組成的,其中的核酸(RNA和DNA)、蛋白質(zhì)(多肽)、糖類和脂類是由分子量小于500的單體通過聚合作用形成的大分子,統(tǒng)稱為生物大分子[6]。NIRs技術(shù)通過讀取微生物菌體細(xì)胞壁、細(xì)胞膜及細(xì)胞內(nèi)生物大分子和水的化學(xué)鍵振動(dòng)情況,提供整個(gè)微生物菌體生化組成成分的光譜定性定量信息,因此可以區(qū)分生化信息上的差別[7-8]。此外,由于倍頻與合頻吸收強(qiáng)度弱、吸收帶較寬且重疊嚴(yán)重,導(dǎo)致NIRs解析困難,必須結(jié)合化學(xué)計(jì)量學(xué)技術(shù),才能實(shí)現(xiàn)對(duì)微生物的檢測[9]。

        2 近紅外光譜技術(shù)在微生物研究中的應(yīng)用

        2.1 國外近紅外光譜技術(shù)檢測微生物的研究發(fā)展?fàn)顩r

        2.1.1 微生物分類

        馬里蘭大學(xué)帕克分校的Rodriguez-Saona等利用氧化鋁多孔膜富集細(xì)菌,在光譜信息豐富的1 667~2 500 nm(6 000~4 000 cm-1)區(qū)域進(jìn)行主成分分析(PCA),最早用NIRs實(shí)現(xiàn)了大腸桿菌HB101、大腸桿菌ATCC 43888、大腸桿菌1224、淀粉酶樣芽孢桿菌、銅綠假單胞菌、蠟樣芽孢桿菌、伊諾卡氏李斯特菌等細(xì)菌的鑒定[7-8,10]。在此基礎(chǔ)上,他們又實(shí)現(xiàn)了NIRs對(duì)1×105CFU·mL-1濃度大腸桿菌、銅綠假單胞菌、枯草芽孢桿菌、蠟樣芽孢桿菌、蘇云金桿菌等菌株的快速檢測和鑒定[11]。

        Alexandrakis等選擇700~900 nm(14 286~11 111 cm-1)的波長范圍進(jìn)行建模,對(duì)英諾庫亞氏李斯特菌FH、乳酸乳球菌、熒光假單胞菌、門多西納假單胞菌、惡臭假單胞菌進(jìn)行鑒別,發(fā)現(xiàn)偏最小二乘(PLS)方法能夠?qū)崿F(xiàn)菌屬水平上5種細(xì)菌共127個(gè)樣本100%的正確判別[12]。Feng等采用競爭性自適應(yīng)重加權(quán)采樣(CARS)技術(shù),僅選擇3個(gè)波長就實(shí)現(xiàn)了對(duì)濃度為1×109CFU·mL-1的大腸桿菌和因諾氏李斯特菌在菌種和菌株水平上的分類[13]。Sivakesava等分別使用傅里葉變換紅外光譜(FT-IRs)和傅里葉變換近紅外光譜(FT-NIRs)對(duì)5種不同微生物進(jìn)行了鑒別,發(fā)現(xiàn)FT-NIRs的樣品制備過程更加簡單,但是在典型變量分析時(shí)需要更多的主成分?jǐn)?shù),而且只能在菌屬水平上對(duì)5種微生物進(jìn)行分類,不能在菌種水平上對(duì)5種微生物進(jìn)行分類[14]。Krepelka等提出了一種FT-NIRs曲線擬合方法,該算法將光譜分解為特定的吸收峰,簡化了光譜,提高了對(duì)細(xì)菌種類的預(yù)測能力[15]。Lima等利用FT-NIRs方法結(jié)合多元分析快速鑒別了產(chǎn)碳青霉烯酶肺炎克雷伯菌和不產(chǎn)碳青霉烯酶肺炎克雷伯菌[16]。

        2.1.2 食源性微生物檢測

        食源性致病菌是引起食源性疾病的首要原因,全球每年發(fā)生高達(dá)1.5億的腹瀉病例中,有70%是由各種致病性微生物污染食品所引起,因而快速、簡便、特異的致病微生物檢測方法成為研究熱點(diǎn)[17]。

        使用NIRs法可以實(shí)現(xiàn)對(duì)肉類腐敗程度的檢測[18-22]。Alexandrakis等利用NIRs和化學(xué)計(jì)量學(xué)檢測和鑒定了接種在雞胸肉上的選定細(xì)菌,發(fā)現(xiàn)NIRs可以檢測和區(qū)分接種和未接種細(xì)菌的雞胸肉,而且可以區(qū)分新鮮和不新鮮,但是卻未能區(qū)分用于本研究接種的五種不同菌株[21]。Powell等在1 000~1 333 nm(10 000~7 500 cm-1)的光譜范圍內(nèi),利用FT-NIRs方法實(shí)現(xiàn)了新鮮三文魚魚片與4 ℃保存9 d的魚片的分離鑒別,并利用PLS回歸預(yù)測模型,預(yù)測了9 d后的細(xì)菌數(shù)量,證明了NIRs檢測和預(yù)測魚類微生物腐敗的可行性[22]。

        NIRs還能夠檢測水果蔬菜中的微生物污染物[23-25]。有研究發(fā)現(xiàn),F(xiàn)T-NIRs方法在1 111~2 000 nm(9 000~5 000 cm-1)范圍內(nèi)可用于菠蘿果肉中1×108CFU·mL-1濃度水平大腸桿菌和腸炎鏈球菌的鑒別,認(rèn)為該技術(shù)在食品中污染物的檢測方面具有很大的潛力[23]。在700~1 100 nm(14 286~9 091 cm-1)短波區(qū)域內(nèi),NIRs也被證明是一種快速、無損檢測卷心菜細(xì)菌污染的方法[24-25]。

        此外,Cámara-Martos等使用FT-NIRs方法實(shí)現(xiàn)了對(duì)水基食品基質(zhì)中的乳酸菌以及牛奶中的大腸桿菌和銅綠假單胞菌的鑒定和定量[26-27]。Daskalov等發(fā)現(xiàn)NIRs可以成功區(qū)分保加利亞黃色奶酪是否被低濃度(1×101×103CFU·g-1)的單核增生李斯特菌污染[28]。Al-Qadiri利用短波NIRs技術(shù),將光譜特征的變化與細(xì)菌增殖和牛奶腐敗程度相關(guān)聯(lián),實(shí)現(xiàn)了快速、無創(chuàng)地檢測和監(jiān)測牛奶腐敗[29]。

        2.1.3 糧食中產(chǎn)毒真菌檢測

        據(jù)聯(lián)合國糧農(nóng)組織調(diào)查估算,全球每年受真菌毒素的污染的糧食約有25%。因污染嚴(yán)重而失去商業(yè)價(jià)值的農(nóng)作物約有2%,利用NIRs可以實(shí)現(xiàn)對(duì)產(chǎn)毒真菌的快速檢測[30-34]。Berardo等采用NIRs法快速檢測了玉米籽粒的腐敗和霉菌毒素,發(fā)現(xiàn)NIRs可以準(zhǔn)確預(yù)測真菌侵染果仁的發(fā)生率,特別是黃萎病菌侵染果仁的發(fā)生率,以及膳食中麥角甾醇和富馬菌素B1的含量[31]。Gaspardo等研究發(fā)現(xiàn)FT-NIRs方法是檢測玉米粉中富馬菌素B1和B2的一種較好的方法,可用于安全食品和污染食品的鑒別[32]。Tao等使用CARS-PLS模型對(duì)黃曲霉毒素污染玉米粒和健康玉米粒進(jìn)行了分類,當(dāng)閾值為20和100 ppm時(shí)分類的總體準(zhǔn)確率分別達(dá)到86.67%和84.44%[33]。Fernández-Ibaez等分別使用FT-NIRs儀器和色散型NIRs儀器測試了玉米和大麥籽粒中的黃曲霉毒素B1,發(fā)現(xiàn)在FT-NIRs儀器上建立的校正模型可以獲得更好的光譜信息,無需數(shù)學(xué)預(yù)處理就能得到較好的統(tǒng)計(jì)結(jié)果[34]。

        2.1.4 近紅外光譜成像微生物檢測

        運(yùn)用常規(guī)的NIRs技術(shù)得到的是樣品某一點(diǎn)(或區(qū)域)的平均光譜,因而是樣品組成或性質(zhì)的平均結(jié)果。利用NIRs成像技術(shù)則可以實(shí)現(xiàn)樣品空間各點(diǎn)的信息,從而進(jìn)一步得到空間各點(diǎn)的組成和結(jié)構(gòu)信息[35]。Dubois等利用近紅外化學(xué)成像技術(shù)分別在1 000~2 350 nm(10 000~4 255 cm-1)和1 200~2 400 nm(8 333~4 167 cm-1)的光譜范圍內(nèi)對(duì)沉積在特制拋光鋁卡片上的細(xì)菌細(xì)胞進(jìn)行了高通量分析[36-37]。結(jié)果表明,通過分析特定波長的強(qiáng)度差異可以來識(shí)別細(xì)菌,并且可以使用離散波長來區(qū)分和識(shí)別卡片中包含的各種生物體。Sun等利用高光譜成像技術(shù)先后快速測定了雞胸肉中假單胞菌和腸桿菌含量以及三文魚肉中乳酸菌的腐敗,證明近紅外高光譜成像技術(shù)是一種不需要復(fù)雜的實(shí)驗(yàn)室條件就能確定食品衛(wèi)生和檢測食品基質(zhì)上致病菌的潛在工具[38-40]。Kimmies等利用近紅外高光譜成像和多元數(shù)據(jù)分析對(duì)食源性細(xì)菌進(jìn)行鑒別,成功分離了革蘭氏陽性菌和革蘭氏陰性菌,并實(shí)現(xiàn)了顏色相似細(xì)菌的區(qū)分和致病菌與非致病菌的區(qū)分[41]。

        2.1.5 其他微生物檢測

        除了上述應(yīng)用外,NIRs技術(shù)在微生物檢測領(lǐng)域還有一些其他的應(yīng)用。Quintelas等在1 667~1 852 nm(6 000~5 400 cm-1)的光譜區(qū)域內(nèi)使用FT-NIRs技術(shù)對(duì)藥品中的細(xì)菌污染進(jìn)行了檢測和定量,結(jié)果表明在3種藥物制劑(隱形眼鏡液、止咳糖漿和主題消炎液)中,F(xiàn)T-NIRs能夠?qū)λ屑?xì)菌的無菌溶液和污染溶液進(jìn)行鑒別,對(duì)枯草桿菌、大腸桿菌、熒光假單胞菌、腸沙門氏菌、表皮葡萄球菌的檢測限分別為9.0,5.1,5.7,7.8和5.7 CFU·mL-1[42]。銅綠假單胞菌是醫(yī)院感染的主要原因,并且在治療的3~4 d后就會(huì)產(chǎn)生耐藥性,Marques等利用線性判別分析(LDA)和遺傳算法(GA)對(duì)銅綠假單胞菌進(jìn)行FT-NIRs分析,根據(jù)耐藥和敏感性實(shí)現(xiàn)了對(duì)臨床標(biāo)本中銅綠假單胞菌的分離[43]。Sikulu-Lord等利用NIRs檢測和鑒定了實(shí)驗(yàn)室飼養(yǎng)的雄性和雌性埃及伊蚊中兩種沃爾巴克氏體菌株(wMelPop和wMel),發(fā)現(xiàn)NIRs可以將感染wMelPop和wMel的埃及伊蚊與未感染的野生樣本區(qū)分開,鑒別準(zhǔn)確率最低也達(dá)到了84.5%[44]。此外,Pesala等利用紅外光譜和NIRs對(duì)結(jié)核分枝桿菌進(jìn)行無創(chuàng)檢測;Saranwong等設(shè)計(jì)了一種生牛奶化學(xué)成分和總需氧菌計(jì)數(shù)的無損近紅外光譜分析系統(tǒng)[45]。

        2.2 國內(nèi)近紅外微生物檢測研究發(fā)展?fàn)顩r

        和國外相比,國內(nèi)關(guān)于NIRs微生物檢測的研究起步較晚,2008年劉建學(xué)等使用NIRs快速預(yù)測了原料乳中大腸菌群[46]。目前國內(nèi)關(guān)于NIRs微生物檢測的文獻(xiàn)主要集中在不同細(xì)菌分類、食源性致病菌檢測以及糧食中產(chǎn)毒真菌檢測等三方面。

        2.2.1 微生物分類

        河南科技大學(xué)的劉建學(xué)等在基于NIRs技術(shù)的細(xì)菌分型和鑒別方面做了大量工作。該課題組利用基于PCA的投影判別技術(shù),檢測和識(shí)別了大腸桿菌、單增李斯特菌和沙門氏菌,54個(gè)樣本的判別正確率達(dá)到100%[47];以NIRs結(jié)合支持向量機(jī)(SVM)實(shí)現(xiàn)了對(duì)大腸桿菌O157∶H7、單增李斯特菌、金黃色葡萄球菌(90個(gè)樣本)的100%分類鑒別[48];采用改進(jìn)的貝葉斯判別模型(BDA)實(shí)現(xiàn)了對(duì)大腸埃希氏菌0157∶H7、單增李斯特菌和金黃色葡萄球菌3種細(xì)菌(80個(gè)樣本)100%的正確分類[49]。最近,馬凱旋等研究了大腸埃希氏菌O157∶H7、金黃色葡萄球菌、單增李斯特菌3種致病菌的不同濃度和不同培養(yǎng)階段的光譜數(shù)據(jù),發(fā)現(xiàn)在10 CFU·mL-1的低濃度下仍然能夠?qū)崿F(xiàn)對(duì)細(xì)菌的識(shí)別;此外在對(duì)致病菌檢測時(shí),應(yīng)對(duì)樣品的前處理進(jìn)行統(tǒng)一,以提高鑒別的準(zhǔn)確度[50]。

        西北農(nóng)林科技大學(xué)的相關(guān)研究通過采集1株酵母和5株細(xì)菌標(biāo)準(zhǔn)菌株的近紅外漫反射光譜,在1 852~2 500 nm(5 400~4 000 cm-1)的光譜范圍內(nèi)采用PCA對(duì)光譜數(shù)據(jù)進(jìn)行了分析,構(gòu)建了基于FT-NIRs的微生物快速鑒定模型,這是國內(nèi)較早進(jìn)行的基于NIRs技術(shù)的細(xì)菌分型和鑒別工作。隨后,該課題組又基于FT-NIRs技術(shù)實(shí)現(xiàn)了脂環(huán)酸芽孢桿菌種間的分類鑒定。

        第三軍醫(yī)大學(xué)馬寧等進(jìn)行了NIRs鑒別耐甲氧西林金葡菌和甲氧西林敏感金葡菌的研究,發(fā)現(xiàn)在900~2 200 nm(11 111~4 545 cm-1)光譜范圍內(nèi)使用NIRs結(jié)合SVM的分析方法具有精確區(qū)分耐甲氧西林金葡菌和甲氧西林敏感金葡菌的能力[51]。Mu等研究了FT-NIRs技術(shù)在不同菌種中對(duì)單個(gè)菌株進(jìn)行分類的潛力,結(jié)果表明,SVM和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF)等非線性分類方法的分類正確率均在96%以上,優(yōu)于PLS判別分析[52]。福州大學(xué)的相關(guān)研究使用FT-NIRs技術(shù)對(duì)大腸桿菌、金黃色葡萄球菌和沙門氏菌進(jìn)行鑒別,結(jié)果表明反向傳播神經(jīng)網(wǎng)絡(luò)(BP-ANN)算法具有最佳預(yù)測效果,預(yù)測集60個(gè)樣品的預(yù)測精度達(dá)到100%。

        最近,江蘇大學(xué)Shi等研究了利用NIRs特征結(jié)合化學(xué)計(jì)量學(xué)快速鑒定乳酸菌種類的可行性,發(fā)現(xiàn)當(dāng)選取10個(gè)特征波數(shù)(4 119,4 428,4 316,4 914,5 905,6 193,6 526,6 969,8 373和8 659 cm-1)時(shí),利用最小二乘支持向量機(jī)(LS-SVM)可以建立最優(yōu)識(shí)別模型,對(duì)實(shí)驗(yàn)中所用的4個(gè)菌種11個(gè)菌株的識(shí)別率在80%~95%之間[53]。

        2.2.2 食源性微生物檢測

        中國海洋大學(xué)相關(guān)研究針對(duì)魚類在低溫貯藏過程中的微生物變化,利用便攜式NIRs儀器結(jié)合GA和BP-ANN系統(tǒng)方法建立了三文魚和比目魚菌落總數(shù)的預(yù)測和檢測模型[58-59]。三文魚模型與傳統(tǒng)平板計(jì)數(shù)方法的相關(guān)系數(shù)為0.981,均方根誤差為0.097,驗(yàn)證模型的相關(guān)系數(shù)為0.960,均方根誤差為0.098;比目魚模型與傳統(tǒng)平板計(jì)數(shù)方法的相關(guān)系數(shù)為0.985,均方根誤差為0.095,驗(yàn)證模型的相關(guān)系數(shù)為0.966,均方根誤差為0.083,兩種模型都具有良好精密度和準(zhǔn)確度。

        有研究利用FT-NIRs技術(shù)快速、準(zhǔn)確、無損地識(shí)別了雞肉中分離的4種致腐假單胞菌單菌種及其混合菌種菌液,從而實(shí)現(xiàn)了雞肉中假單胞菌的NIRs快速識(shí)別[56]。浙江工商大學(xué)曹海燕等利用FT-NIRs結(jié)合PLS、馬氏距離等分析方法實(shí)現(xiàn)了對(duì)紫薯半干面新鮮程度的鑒別以及紫薯半干面中菌落總數(shù)含量的定量檢測,其中檢測紫薯半干面菌落總數(shù)含量范圍為40~1×108CFU·g-1,已經(jīng)可以滿足行業(yè)標(biāo)準(zhǔn)NY/T 1512—2007《綠色食品 生面食、米粉制品》中菌落總數(shù)(≤3×105CFU·g-1)的檢測要求[57]。

        2.2.3 糧食中產(chǎn)毒真菌檢測

        東北農(nóng)業(yè)大學(xué)的張強(qiáng)等基于SVM進(jìn)行了稻谷黃曲霉毒素B1的NIRs無損檢測研究,所建模型的校正集決定系數(shù)達(dá)到0.913,表明NIRs可準(zhǔn)確檢測稻谷中的黃曲霉毒素B1[58]?;诙嘣€性回歸(MLR)和逐步回歸算法(SRA),他們又構(gòu)建了基于NIRs的稻谷霉菌和毒素檢測數(shù)學(xué)模型,實(shí)現(xiàn)了稻谷表面霉菌菌落總數(shù)的快速預(yù)測[59]。中國農(nóng)業(yè)大學(xué)的袁瑩等利用FT-NIRs對(duì)霉變玉米進(jìn)行了檢測,SVM分類模型對(duì)訓(xùn)練集和測試集的預(yù)測準(zhǔn)確率分別達(dá)到93.3%和91.7%[60]。相關(guān)研究利用PCA,LDA和PLSR方法建立了稻谷霉菌污染的快速分析模型,該模型不僅可以用于感染不同霉菌稻谷樣品的快速鑒別,還可有效區(qū)分不同霉變程度的稻谷。

        利用NIRs技術(shù)還可以檢測花生的真菌病害。有研究開發(fā)了一種基于NIRs技術(shù)的花生產(chǎn)毒霉菌污染程度的定性定量分析方法,對(duì)儲(chǔ)藏0,3,6和9 d花生的感染單一霉菌和多種霉菌的總體判別正確率分別達(dá)到100%和99.17%。江蘇大學(xué)的黃星奕等建立了一種基于FT-NIRs技術(shù)和K最近鄰(KNN)模式識(shí)別方法的霉變和出芽花生識(shí)別方法,訓(xùn)練集與預(yù)測集識(shí)別率均為98.84%[61]。

        3 結(jié)論和展望

        NIRs技術(shù)作為一種新型的分析技術(shù),目前已經(jīng)可以實(shí)現(xiàn)10 CFU·mL-1的極低濃度水平下食源性致病菌的檢測[28,50,57],滿足部分食品安全國家或行業(yè)標(biāo)準(zhǔn)中100 CFU·mL-1(CFU·g-1)微生物限量的檢測需求,在食品安全領(lǐng)域具有廣闊的應(yīng)用前景。NIRs技術(shù)結(jié)合化學(xué)計(jì)量學(xué)軟件可以實(shí)現(xiàn)食品生產(chǎn)和加工中微生物的在線檢測,縮短檢測時(shí)間,提高生產(chǎn)效率。NIRs用于微生物鑒別和分類時(shí),在將來的臨床檢測中,可以節(jié)約大量的人力、物力和財(cái)力,并為尋找合適的抗菌藥物提供了依據(jù),縮短對(duì)病人的確診時(shí)間,減緩病人的痛苦。

        然而,開展NIRs技術(shù)在微生物檢測領(lǐng)域的應(yīng)用研究,還任重而道遠(yuǎn)。(1)必須制定規(guī)范化和標(biāo)準(zhǔn)化的樣品制備和操作流程,這樣才能實(shí)現(xiàn)不同微生物實(shí)驗(yàn)室的數(shù)據(jù)互通和實(shí)驗(yàn)重現(xiàn)性,進(jìn)而實(shí)現(xiàn)NIRs技術(shù)在微生物檢測領(lǐng)域的大規(guī)模應(yīng)用;(2)目前還沒有一個(gè)成熟的關(guān)于微生物檢測的NIRs模型數(shù)據(jù)庫,而NIRs定性和定量分析幾乎完全依賴于數(shù)據(jù)庫;(3)由于傳統(tǒng)紅外儀器設(shè)計(jì)理念的問題,處于近紅外和中紅外結(jié)合區(qū)域的2 000~3 000 nm(5 000~3 333 cm-1)范圍的電磁波,F(xiàn)T-NIRs儀器和FT-IRs儀器在這一區(qū)域受到光源種類、分光器件基礎(chǔ)材料、探測器類型等諸多因素的影響,儀器的信噪比都非常低,而2 000 nm以上波長區(qū)域恰恰是生物大分子光譜信息最豐富的區(qū)域,因此如果有專門針對(duì)這一波段優(yōu)化設(shè)計(jì)的光譜儀器,相信會(huì)有助于微生物的定性和定量分析。

        猜你喜歡
        單胞菌光譜細(xì)菌
        基于三維Saab變換的高光譜圖像壓縮方法
        偉大而隱秘的細(xì)菌
        細(xì)菌大作戰(zhàn)
        細(xì)菌大作戰(zhàn)
        槲皮素改善大鼠銅綠假單胞菌肺感染
        中成藥(2017年9期)2017-12-19 13:34:21
        持續(xù)性根尖周炎中牙齦卟啉單胞菌的分離與鑒定
        細(xì)菌惹的禍
        星載近紅外高光譜CO2遙感進(jìn)展
        銅綠假單胞菌金屬酶及整合酶的檢測
        齊口裂腹魚腸道氣單胞菌的分離鑒定
        亚洲av永久无码精品三区在线| 乱码一二三入区口| 亚洲日韩图片专区小说专区| 国产美女a做受大片免费| 麻豆视频在线观看免费在线观看 | 亚洲二区三区在线播放| 色男色女午夜福利影院| 人妻少妇精品中文字幕专区| 美丽人妻在夫前被黑人| 亚洲国产欧美日韩欧美特级| 久久综合国产乱子伦精品免费 | 99精品国产在热久久无码 | 免费人妻无码不卡中文字幕18禁| 亚洲精品夜夜夜| 国产精品白浆免费观看| 丝袜美腿诱惑区在线播放| 亚洲综合中文字幕日韩| 美国少妇性xxxx另类| 久久综合九色综合欧美狠狠| 99在线视频精品费观看视| 国产高清一区二区三区视频| 国产亚洲精品90在线视频| 国产欧美亚洲精品第一页| 色www视频永久免费| 窝窝影院午夜看片| 久久91精品国产91久久麻豆| 亚洲综合天堂av网站在线观看 | 99免费视频精品| 偷偷夜夜精品一区二区三区蜜桃| 亚洲精品国产电影| 欧洲女人性开放免费网站| 欧美日韩亚洲一区二区精品| 丝袜人妻无码中文字幕综合网| 懂色av一区二区三区网久久| 欧美白人战黑吊| 欧美最猛性xxxxx免费| 高清国产美女av一区二区| 少妇特殊按摩高潮对白| 国产无套内射又大又猛又粗又爽| 精品国产一区二区三区免费| 久久青草国产精品一区|