综述：SERS技术在感染性疾病诊断中的应用：一种用于病原体检测和抗生素耐药性分析的先进平台

《International Journal of Nanomedicine》：SERS for Infectious Disease Diagnostics: An Advanced Platform for Pathogen Detection and Antimicrobial Resistance Analysis

本文综述了表面增强拉曼光谱(SERS)作为一种前沿分析技术在感染性疾病诊断中的应用。文章系统探讨了SERS在细菌、病毒、真菌、支原体/衣原体等病原体快速检测及其抗生素耐药性(AMR)分析中的优势与策略，并介绍了与微流控、深度学习(DL)等创新技术的集成，为精准医疗和公共卫生监测提供了新视角。尽管面临基质可重复性、生物安全性和临床标准化等挑战，SERS技术展现出了从实验室迈向临床应用的巨大潜力。

SERS：感染性疾病诊断的强大新工具

摘要

由病原微生物引起的感染性疾病，仍是全球公共卫生的重大挑战。快速、准确的病原体鉴定及抗生素耐药性(AMR)分析，对于感染性疾病的及时控制和治疗至关重要。表面增强拉曼光谱(SERS)是一种将拉曼光谱与纳米材料的局域表面等离子体共振(LSPR)效应相结合的分析技术，具有快速、无损、高灵敏度和高特异性等特点，在感染性疾病诊疗中展现出显著潜力。本文将深入阐述SERS技术的原理及其在病原检测与AMR分析中的前沿应用。

拉曼光谱与SERS

拉曼光谱是一种基于非弹性散射的振动光谱技术，可获取反映分子化学键振动的独特光谱“指纹”。然而，其信号极其微弱，限制了实际应用。SERS技术的出现解决了这一难题。当目标分子吸附在纳米结构的贵金属基底上时，激光激发下的LSPR效应会产生强烈的电磁“热点”，能将拉曼信号增强10⁴–10¹¹倍。这种增强主要源于电磁增强和化学增强两种机制。

临床应用

SERS在细菌检测中的应用

不同种类细菌具有独特的化学成分，可产生不同的拉曼光谱指纹。SERS检测细菌主要依赖两种方法：无标记法和标记法。无标记法中，目标细菌直接与具有SERS增强效应的等离激元金属纳米颗粒(NPs)相互作用，信号直接来源于细菌自身。标记法则使用功能化的等离激元NPs，其表面结合了特定的拉曼报告分子和生物识别元件，通过特异性结合目标病原体产生强特征信号。由于SERS光谱数据复杂，通常需要结合机器学习(ML)算法进行分析。例如，有研究利用卷积神经网络(CNN)算法，在属水平和种水平的分类准确率分别达到了99.80%和98.37%。

SERS在病毒检测中的应用

不同病毒物种具有独特的结构成分，可产生不同的拉曼光谱特征。此外，病毒感染会引起血清成分（特别是蛋白质、脂质和代谢物）的系统性改变，这些变化可通过血清拉曼光谱捕获，并结合ML算法进行分析。例如，有研究利用SERS结合ML方法，在3分钟内快速识别呼吸道合胞病毒(RSV)、甲型流感病毒(IFA)和人腺病毒(HAdV)，检测限低至1.0×10²copies/mL，准确率达100%。

SERS在真菌检测中的应用

真菌独特的生化成分（如几丁质、麦角固醇等）可产生独特的振动特征，通过SERS获取特征光谱指纹，并结合多变量分析，可实现快速菌种鉴定。研究已成功将SERS应用于白色念珠菌、新型隐球菌、烟曲霉以及皮肤癣菌等常见病原真菌的区分与鉴定。

SERS在支原体与衣原体检测中的应用

SERS技术已扩展至检测难以培养的微生物，如生殖支原体(M. genitalium)和沙眼衣原体(C. trachomatis)等性传播病原体。有研究利用SiO₂包被的金和银纳米颗粒基底，成功在1小时内通过诱导产生的不同光谱特征区分了沙眼衣原体和淋病奈瑟菌。

SERS在AMR分析中的应用

抗菌药物通过与细菌细胞成分的靶向相互作用发挥杀菌作用，这些相互作用会引起不同的生化改变，可通过SERS精确监测，从而区分耐药菌和敏感菌。主要方法有两种：一是检测特征拉曼峰的变化以反映药物诱导的细胞成分结构转变；二是同位素标记结合SERS，以追踪抗生素暴露期间的实时代谢变化。有研究将CNN模型与SERS传感器集成，在抗生素处理仅10分钟后，就能以99%的准确率区分出经抗生素处理与未经处理的大肠杆菌(E. coli)和铜绿假单胞菌(P. aeruginosa)。

创新技术

SERS与微流控

微流控技术将多种功能模块集成到芯片等微型设备中，可精确操控微升甚至纳升级别的液体样本。与SERS联用可构成强大的协同平台。例如，有研究开发了基于SERS的微滴传感器，将SARS-CoV-2的检测限从36 PFU/mL显著提高到0.22 PFU/mL。还有研究构建了毛细管驱动的微流控芯片，可在1小时内检测10¹–10⁷cfu/mL的大肠杆菌。

SERS与深度学习

深度学习(DL)是机器学习(ML)的一个子集。拉曼光谱可有效与CNN、残差网络(ResNet)和循环神经网络(RNN)等DL架构结合，构建高精度的分类系统用于智能病原体识别。例如，有研究结合SERS与多尺度CNN，对肠炎沙门菌、鼠伤寒沙门菌和副伤寒沙门菌血清型进行识别，准确率超过97%。另一项研究构建了基于DL的SERS光谱智能识别模型，实现了对常见尿路感染(UTI)细菌的菌种、抗生素敏感性和多重耐药(MDR)的准确鉴定。

单细胞拉曼光谱

单细胞拉曼光谱(SCRS)是一种结合拉曼散射效应与精确单细胞操纵的光学分析技术，可在单个活细胞水平获取内源生物分子的振动光谱信息。目前，基于SCRS的抗菌药物敏感性试验(AST)主要依赖于无标记识别特征拉曼光谱峰和重水标记拉曼技术。有研究开发了快速拉曼辅助抗生素敏感性试验(FRAST)，利用SCRS检测抗生素存在下单个细菌的代谢活性，可将尿液样本的“样本到报告”周转时间缩短至3小时，脓毒症样本缩短至21小时，结果与常规AST高度一致。

挑战与展望

尽管SERS技术优势显著，但其从实验室研究向广泛临床应用的转化仍面临挑战。首先，SERS基质的可重复性和生物安全性不足。大多数基质存在批次间差异大、信号波动高、长期稳定性差等问题。其次，复杂临床样本会产生强烈的荧光背景干扰。再次，缺乏统一、全面的微生物拉曼光谱参考数据库和方法学标准化。最后，该技术操作复杂，需要专业软件和人员，限制了其在基层医疗和床旁检测(POCT)中的应用。

未来研究应聚焦于：开发高重复性、可大规模生产的SERS基底，并深入研究其生物安全性；集成微流控系统与自动化样本前处理模块，构建一体化平台；建立SERS检测标准化操作程序；构建多中心病原体SERS光谱数据库，并开发AI驱动的诊断系统；开发智能便携的POCT设备。

结论

SERS已成为感染性疾病快速诊断的一个变革性平台。凭借其快速、无标记、无损、超高灵敏度和高特异性等独特优势，SERS能够精确识别病原菌及其AMR谱。尽管存在挑战，但纳米技术、AI数据分析的协同整合以及纳米材料生物安全评估监管框架的加强，正协同加速SERS向智能化、高通量和临床可部署方向成熟。随着持续的努力，SERS有望成功从实验室研究过渡到临床应用，并有望发展成为下一代感染性疾病诊断的基石技术。