拉曼光谱机器学习快速分型
该成果将表面增强拉曼光谱与机器学习结合，用于快速确定鲍曼不动杆菌菌株的序列型别，在临床环境下比质谱法更高效实用。
Liu, Suling · Zhang, Ni · Tang, Jiawei · Chen, Chong · Wang, Weisha · Zhou, Jingfang · Ye, Long · Chen, Xiaoli · Li, Zhengkang · 王亮
Microbiology spectrum 2025
SVM 模型五折交叉验证准确率达 99.74%，且无需培养等耗时步骤，可直接从光谱得到序列型。
在相同菌株上，SERS-SVM 的分型能力优于 MALDI-TOF 质谱仪，提升了临床实用性。
构建了覆盖 267 株临床分离株和 39 种序列型的 SERS 光谱数据库，为模型训练和验证提供了坚实基础。