2024年9月28日，中国科学院微生物研究所付钰团队和中国农业大学徐宁团队合作在Talanta上发表了题为“Noninvasive Raman Spectroscopy for the Detection of Rice Bacterial Leaf Blight and Bacterial Leaf Streak”的研究论文。该研究利用激光光镊拉曼光谱系统和手持式拉曼光谱仪，结合基于卷积神经网络等机器学习的算法，实现了对水稻白叶枯病和细菌性条斑病的早期检测，为农业生产中农作物病害的早期诊断提供了一种新方法。

由黄单胞菌的两个致病变种Xanthomonas oryzae pv. oryzae (Xoo) 引起的水稻白叶枯病和Xanthomonas oryzae pv. oryzicola (Xoc)引起的水稻细菌性条斑病是影响水稻产量和品质的重大威胁。传统的水稻细菌性病害检测方法在时效性和准确性存在很大的局限，该研究利用激光光镊拉曼光谱系统，收集了感染叶片中渗出的Xoo和Xoc的单细胞拉曼光谱数据，利用已开发的深度学习算法对光谱数据进行分析，鉴定准确率高达97.5%。为了进一步促进该技术在田间应用，研究使用手持式拉曼光谱仪对接种Xoo、Xoc以及健康水稻叶片的拉曼光谱进行了大量的数据采集，基于卷积神经网络构建了3种处理及水稻叶片不同发病状态的分析模型。在侵染早期尚未显示感染症状的阶段，该模型对Xoo感染叶片的识别准确率达到了82.67%，对Xoc感染叶片的识别准确率为78.38%，对健康叶片的检测正确率是100%（图1）。本研究为田间水稻细菌性病害的早期诊断提供了重要参考。

图1 激光光镊拉曼光谱系统和便携式拉曼光谱仪检测分析流程图

中国科学院微生物研究所付钰研究员和中国农业大学植物保护学院徐宁副教授为论文的共同通讯作者，中国农业大学植物保护学院硕士生纪雪晗和中国科学院微生物研究所联合培养硕士生薛俊静为该论文的共同第一作者。中国农业大学植保学院刘俊教授为本论文提供了重要指导和建议。该研究得到了北京市自然科学基金和国家自然科学基金项目资助。

原文链接：https://doi.org/10.1016/j.talanta.2024.126962