一种采用透射光谱鉴别水中细菌的方法技术

本发明专利技术公开了一种采用透射光谱鉴别水中细菌的方法，适用于水体常见致病菌分类鉴别，在实验室内对待鉴别细菌进行24h纯种活化培养，测量获得致病菌的紫外可见多波长透射光谱，以此作为训练集，利用基于网格搜索法的内部交叉验证获取建模所需最佳惩罚因子C和核函数参数g，根据最优参数和一对一多分类的支持向量机法建立细菌快速分类鉴别模型。测量不同批次培养的同种细菌的透射光谱作为测试集，带入模型以实现细菌种类鉴别。该方法具有较高的准确性、稳定性和泛化能力，是饮用水源、食品、药品等领域细菌快速鉴别的一种简便、快速、准确的方法。

【技术实现步骤摘要】

本专利技术涉及水体微生物检测方法领域，具体是一种采用透射光谱鉴别水中细菌的 方法。
技术介绍
致病菌污染水体严重威胁饮用水安全和人类健康。当前饮用水中的病原微生物污 染，是危害人们健康的最大问题之一。联合国卫生组织调查数据显示：人类80%的疾病与 饮用水受到生物污染相关，远远高于化学污染致病的比例；每年88%的死亡病例与不洁饮 水和水卫生状况有关。流行病学调查和细菌学检验证明显示，沙门氏菌、大肠杆菌0157: H7 弯曲杆菌、霍乱弧菌和耶尔森氏菌等肠道致病菌，小球隐孢子虫、表吮贾第虫和痢疾变形虫 等病原微生物的暴发和流行是威胁饮用水安全和造成人类疾病的主要原因。我国自1986 年至2005年发生了 152起饮用水污染事故，污染类型以生物污染为主，远远高于化学污染 的比例，占69. 1%。 目前，对水中病原菌的检测仍主要基于选择性培养法和分子生物学、免疫学等标 准的生物化学法，这些方法鉴定程序繁琐、鉴别周期长（需3-7天或更长），需专业人员完 成，且生化方法特异性强，不具有普遍推广意义，难以实现快速、在线、实时检测，更不能达 到全面、连续的水质监测预警。随着光电检测技术的迅速发展，光谱学方法成为细菌鉴别检 测的主要技术手段。目前，国内外研究机构已开展多种光谱技术的细菌鉴别检测方法研究， 其中，研究最广泛的是将傅立叶红外光谱技术与化学计量学方法相结合用于鉴别细菌，但 是红外光谱为振动光谱，包含的是菌体化学组分对红外光吸收的倍频和组合频信息，光谱 信息有严重重叠，直接用于分类鉴别时数据量庞大，需依据不同种细菌选择不同波段光谱 分层建立鉴别模型，建模过程较复杂，且红外光谱的方法不适合分析含水样品，水中的羟基 峰对红外测定结果有较强干扰，因此，限制该鉴别方法的应用领域，不适合用于水体细菌种 类鉴别。为更好的保障饮用水及生活用水的安全，亟需发展一种快速、高效、操作简便的水 体细菌分类鉴别方法。
技术实现思路
本专利技术的目的是提供，以解决现有技术存 在的建模过程复杂、不适用于水中细菌分类鉴别的缺陷，提供一种快速、高效、操作简便的 细菌鉴别方法。。 为了达到上述目的，本专利技术所采用的技术方案为： -种采用透射光谱鉴别水中细菌的方法，其特征在于：包括以下步骤： (1)、受试细菌培养及悬浮液制备： 选取水体常见致病菌为研究对象并选取合适的培养基进行培养，对培养基及相关 器皿进行高温高压灭菌，将研究对象的标准菌样放入光照培养箱中进行24h~48h静置活 化培养，培养条件设置如下：光照2000-30001UX、光暗比14h:10h、培养温度依据菌种的最 适宜生长温度选择； 对培养的细菌菌液进行离心洗涤处理，制备每种细菌悬浮液，通过加入去离子水 调节细菌悬浮液浓度，选取悬浮液浓度对应200nm处的光密度值在0. 2-0. 8之间的悬浮液 作为训练集或测试集样本，每种细菌悬浮液配置至少10个不同浓度的样本，训练集细菌和 测试集细菌为不同时间批次培养的同种细菌，二者应在相同的环境条件下培养，并使用与 测试集样本相同的条件和方法制备训练集细菌悬浮液，训练集和测试集样本浓度无须完全 相同，选取悬浮液浓度对应200nm处的光密度值在0. 2-0. 8之间的悬浮液样本作为测试集 均可； ⑵、透射光谱采集： 以去离子水为参比，将细菌悬浮液放入紫外可见分光光度计中进行透射光谱测 定，光谱测量范围为200-900nm，取样间隔为lnm，扫描速度为中速，每次测量重复三次取平 均值； (3)、细菌透射光谱分类鉴别模型的建立，包括如下步骤： (3. 1)、细菌透射光谱信息提取： 对步骤⑵测量得到的透射光谱进行均值归一化处理，利用归一化的训练集光谱 数据建立细菌种类鉴别模型，建模过程充分利用整个测量波段200-900nm中每个波长处的 光密度值； 将细菌均值归一化后的透射光谱训练样本集数据记为： 其中，X是nXm维的数据矩阵，元=(\2TO，h)W·)是第i个细菌样本归一化 后的m维光密度数据组成的矢量，m为扫描波长总数且m = 701，n为细菌悬浮液样本总数； ? KH，···,^)是η维类别矢量，1肩细菌第i个样本的类别标签，即第i种细菌样本对应 的等级； (3. 2)、内部交叉验证： 选取基于网格搜索的3折交叉验证方法进行内部交叉验证，过程如下： 将细菌训练集样本数据X =和类别矢量f代入基于网格寻优的接口 函数SVMcgForclass，接口函数SVMcgForclass默认进行3折交叉验证过程，设置支持向量 机惩罚因子C和核函数参数g各自的取值范围，并设定各自的进步步长，进行基于网格搜索 的内部交叉验证，获得支持向量机惩罚因子C和核函数参数g的最优参数组合，使模型达到 最佳分类结果并具有最优的泛化能力； (3. 3)、基于支持向量机细菌分类鉴别模型的构建： 支持向量机的核心是在原始数据线性不可分的情况下，利用核函数变换到高维空 间，对数据集进行线性可分，采用一对一多分类的支持向量机方法构建细菌种类鉴别模型， 过程如下： 第1步、获取训练集(.Vi)，(七乂Λ···，(兄,乂) J 为模型建立的训练 集特征矢量，包括细菌分类所需的全部信息，获得的Α'=是线性不可分的，在 支持向量机建模时需先选取合适的核函数进行高维变换； 第2步、构造并求解最优化问题： 冢為分别是第i，j个细菌样本归一化后的m维光密度数据组成的矢量， yi, I是结果标签y i, y_j e Y = {1，-1}，A ,_)是核函数，g是拉格朗日对偶变量， or,泛二(Orl,%，…成f，. ai，a j是不同的拉格朗日乘子， a i，i = 1，…，η, α」，j = 1，…，n，C是一个参数，用于控制目标函数中两项之间的 权重，即惩罚因子； 第3步、计算，选择《的一个正分量α」，并据此计算： 其中栽b分别是线性超平面的法向量和截距； 第4步、把带入超平面方程得到判别函数： 通过以上支持向量机分类模型鉴定待测细菌种类。 本专利技术采用一种基于光与细胞体结构、蛋白质、核酸等生物大分子直接作用的 200-900nm多波长紫外可见透射光谱进行细菌分类鉴别，可以实现实验室内单一菌种的分 类鉴别，为研发实际水体细菌分类鉴别技术提供方法依据。 本专利技术优点为： (1)本专利技术的方法不仅可用于饮用水源细菌的快速识别鉴定，而且可用于食品检 测等其他领域的细菌鉴定。 (2)本专利技术的方法将包含细胞散射、吸收特征的波长范围200-900nm的透射光谱 与支持向量机方法结合起来，能够实现快速鉴别，无需对待鉴别细菌进行其他分类学方法 的预选择，无需专业人员完成，无需依据细菌种类选择不同波段建立鉴别模型，是一种简 便、快速、准确的细菌分类鉴别方法。【附图说明】 图1为本专利技术方法流程图。 图2为【具体实施方式】中五种不同光密度的四种细菌透射光谱图，其中： 图2a为大肠埃希氏菌菌、肺炎克雷伯菌、金黄色葡萄球菌、鼠伤寒沙门氏菌200nm 处的光密度值分别为：〇. 632、0. 375、0. 706、0. 291的透射光谱图，<当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种采用透射光谱鉴别水中细菌的方法，其特征在于：包括以下步骤：(1)、受试细菌培养及悬浮液制备：选取水体常见致病菌为研究对象，并选取合适的培养基进行培养，对培养基及相关器皿进行高温高压灭菌，将研究对象的标准菌样放入光照培养箱中进行24h～48h静置活化培养，培养条件设置如下：光照2000‑3000lux、光暗比14h:10h、培养温度依据菌种的最适宜生长温度选择；对培养的细菌菌液进行离心洗涤处理，制备每种细菌悬浮液，通过加入去离子水调节细菌悬浮液浓度，选取悬浮液浓度对应200nm处的光密度值在0.2‑0.8之间的悬浮液作为训练集或测试集样本，每种细菌悬浮液配置至少10个不同浓度的样本，训练集细菌和测试集细菌为不同时间批次培养的同种细菌，二者应在相同的环境条件下培养，并使用与测试集样本相同的条件和方法制备训练集细菌悬浮液，训练集和测试集样本浓度无须完全相同，选取悬浮液浓度对应200nm处的光密度值在0.2‑0.8之间的悬浮液样本作为测试集均可；(2)、透射光谱采集：以去离子水为参比，将细菌悬浮液放入紫外可见分光光度计中进行透射光谱测定，光谱测量范围为200‑900nm，取样间隔为1nm，扫描速度为中速，每次测量重复三次取平均值；(3)、细菌透射光谱分类鉴别模型的建立，包括如下步骤：(3.1)、细菌透射光谱信息提取：对步骤(2)测量得到的透射光谱进行均值归一化处理，利用归一化的训练集光谱数据建立细菌种类鉴别模型，建模过程充分利用整个测量波段200‑900nm中每个波长处的光密度值；将细菌均值归一化后的透射光谱训练样本集数据记为：(x→1,l1),(x→2,l2),...,(x→n,ln),]]>X=[x→1;x→2;...;x→n],]]>其中，X是n×m维的数据矩阵，是第i个细菌样本归一化后的m维光密度数据组成的矢量，m为扫描波长总数且m＝701，n为细菌悬浮液样本总数；是n维类别矢量，li是细菌第i个样本的类别标签，即第i种细菌样本对应的等级；(3.2)、内部交叉验证：选取基于网格搜索的3折交叉验证方法进行内部交叉验证，过程如下：将细菌训练集样本数据和类别矢量代入基于网格寻优的接口函数SVMcgForclass，接口函数SVMcgForclass默认进行3折交叉验证过程，设置支持向量机惩罚因子C和核函数参数g各自的取值范围，并设定各自的进步步长，进行基于网格搜索的内部交叉验证，获得支持向量机惩罚因子C和核函数参数g的最优参数组合，使模型达到最佳分类结果并具有最优的泛化能力；(3.3)、基于支持向量机细菌分类鉴别模型的构建：支持向量机的核心是在原始数据线性不可分的情况下，利用核函数变换到高维空间，对数据集进行线性可分，采用一对一多分类的支持向量机方法构建细菌种类鉴别模型，过程如下：第1步、获取训练集X=[x→1;x→2;...;x→n]]]>为模型建立的训练集特征矢量，包括细菌分类所需的全部信息，获得的是线性不可分的，在支持向量机建模时需先选取合适的核函数进行高维变换；第2步、构造并求解最优化问题：maxα→ Q(α→)=Σi=1nαi-12Σi,j=1nαiαjyiyjK(x→i,x→j),]]>s.t.,Σi=1nαiyi=0,]]>0≤αi≤C   i＝1,2,...,n，分别是第i,j个细菌样本归一化后的m维光密度数据组成的矢量，yi,yj是结果标签,yi,yj∈Y＝{1,‑1}，是核函数，是拉格朗日对偶变量，αi，αi,αj是不同的拉格朗日乘子，αi,i＝1,…,n,αj,j＝1,…,n,C是一个参数，用于控制目标函数中两项之间的权重，即惩罚因子；第3步、计算选择的一个正分量αj，并据此计算：b=yj-Σi=1nyiαi(x→i·x→j);]]>其中b分别是线性超平面的法向量和截距；第4步、把带入超平面方程得到判别函数：f(x)=sgn(ω→·x→+b)=sgn(Σi=1nαiyi(x→i·x→)+b),]]>通过以上支持向量机分类模型鉴定待测细...

【技术特征摘要】

【专利技术属性】
技术研发人员：段静波，赵南京，王久悦，方丽，马明俊，孟德硕，肖雪，杨瑞芳，刘文清，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34