近日，中国农业大学植物保护学院徐宁团队与中国科学院微生物研究所付钰团队合作在国际分析化学领域国际学术期刊《Talanta》（中科院一区）上，发表了题为《Noninvasive Raman Spectroscopy for the Detection of Rice Bacterial Leaf Blight and Bacterial Leaf Streak》的研究成果。该研究利用激光光镊拉曼光谱系统和便携式拉曼光谱仪，同时结合基于卷积神经网络 (CNN) 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。

在水稻生产过程中，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。传统水稻细菌性病害检测方法依赖于分子生物学检测和病症的经验判断，但在时效性和准确性方面存在一定的局限。拉曼光谱（Raman Spectroscopy,RS）技术作为一种新兴的检测手段，能够快速识别样本中的化学成分和分子指纹特征，其检测过程无需样品预处理，具有无损、快速和灵敏的特点，因此适合用于植物病害的快速检测。

本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和遮蔽法对光谱数据进行分析，平均准确率高达97.5%。同时，为了进一步的田间应用，本研究还使用便携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，并使用独立测试数据集评估了模型的准确性。结果显示，在侵染早期无症状阶段，该模型对Xoo感染叶片的识别准确率为82.67%，对Xoc感染叶片的识别准确率为78.38%，对健康叶片的检测率为100%（图1）。因此本研究为未来水稻细菌性病害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硕士生薛俊静为该论文的共同第一作者，中国农业大学植物保护学院徐宁副教授和中国科学院微生物研究所付钰研究员为论文的共同通讯作者。中国农业大学植保学院刘俊教授和微生物所的卢维来老师为本论文提供了重要指导和建议。博士生石建城、王伟，硕士生张贤玉和本科生王兆煦参与了本工作。该研究由北京自然科学基金和国家自然科学基金面上项目资助。