《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：How wastewater composition and isolation workflow shape Raman-based bacterial phenotyping
编辑推荐：
研究人员指出，废水是一种结构与化学组成均呈异质性的环境，其中悬浮颗粒与聚合有机物会影响微生物回收效率及可测表型。为系统阐明基质结构与样品处理如何影响单细胞拉曼表型分析，研究人员采用添加琼脂糖（结构稳定）或木薯淀粉（动态、富含颗粒）基质的合成废水模型，证明基质结
研究人员指出，废水是一种结构与化学组成均呈异质性的环境，其中悬浮颗粒与聚合有机物会影响微生物回收效率及可测表型。为系统阐明基质结构与样品处理如何影响单细胞拉曼表型分析，研究人员采用添加琼脂糖（结构稳定）或木薯淀粉（动态、富含颗粒）基质的合成废水模型，证明基质结构不仅影响细菌可回收性，还将拉曼可检测的生物化学表型在五种临床相关菌种（铜绿假单胞菌 Pseudomonas aeruginosa、大肠杆菌 Escherichia coli、鲍曼不动杆菌 Acinetobacter baumannii、粪肠球菌 Enterococcus faecalis 和屎肠球菌 Enterococcus faecium）间重新分布。进一步研究表明，基于过滤的分离构成了预分析偏倚因子，通过改变回收细胞组分及最终光谱轮廓发挥作用。尽管存在上述影响，主成分判别分析（PCA-LDA）仍保持了稳健的种内与种间区分能力，表明观测到的拉曼光谱变异不仅反映物种差异，也包含基质与工作流程相关效应。综上，该研究将基质感知的标准化确立为将拉曼监测从受控环境推广至真实世界废水监测的必要前提。
研究背景方面，废水监测已成为公共卫生领域的基石技术，可用于追踪病毒、细菌、寄生虫、抗菌药物耐药性及社区非法药物使用情况。然而，废水的高度异质性给靶向低丰度病原体的准确识别带来巨大挑战。传统培养方法无法覆盖环境中大量不可培养微生物，而拉曼光谱作为一种无需标记的培养非依赖型技术，能够提供高特异性的分子指纹，非常适用于废水分析。但废水中pH波动、浊度、有机负荷及荧光干扰化合物会掩盖光谱清晰度，降低灵敏度与鉴定准确性。此外，微生物对环境胁迫的适应性会改变其表型，样品运输、储存及处理过程也会引入人为变异，使得拉曼信号的解读变得复杂。以往模拟废水效应的研究多聚焦于复制化学环境，忽略了物理复杂性及分离步骤的影响，导致从受控生长条件到实际样品处理的环节存在空白。
为此，研究人员在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》发表研究，通过构建受控实验体系，系统解析了废水基质物理结构与分离工作流程对拉曼表型分析的联合影响。
关键技术方法方面，研究人员选用五株来自耶拿大学医院的临床分离株，构建了低营养合成废水模型，并引入两种结构迥异的水凝胶基质作为悬浮固体的可控类似物：结构稳定的琼脂糖（agarose）与动态解体的木薯淀粉（tapioca）。通过标准化的真空过滤与离心浓缩流程分离细菌，利用配备532 nm激发光源的拉曼显微镜获取单细胞光谱。数据经Ramanmetrix?软件预处理后，采用主成分分析结合线性判别分析（PCA-LDA）建立分类模型，并通过10折交叉验证评估性能。
研究结果部分，首先，在“不同废水参数对细菌生长的影响”中，研究发现肠球菌属在合成废水中生长较差，而铜绿假单胞菌、鲍曼不动杆菌和大肠杆菌表现出较好的生长动态，但总体生物量积累较低。添加凝胶后光密度值升高主要由颗粒散射引起，不能真实反映生物量增加。木薯基质可能作为辅助碳源，而琼脂糖则表现为惰性基质。
其次，“凝胶结构、废水中的行为及其对细菌分离回收的影响”显示，分离效率因基质而异。琼脂糖形成稳定的海绵状网络，允许营养物质扩散，细菌回收一致；木薯凝胶则表现动态，吸水膨胀解体，导致滤膜堵塞和不完全分离，尤其肠球菌回收率极低。过滤步骤本身导致细胞损失，除孔径筛分外，还与细胞和滤膜的理化相互作用有关。
第三，“不同基质组成与处理方式诱导的光谱差异”分析表明，基质在回收的生物量中留下了明显的光谱印记。琼脂糖条件下，光谱中出现了998、892 cm-1等多糖特征峰；木薯条件下则出现479 cm-1等淀粉特征峰。同时，不同处理方式改变了细胞内脂质、蛋白质及核酸相关的生化特征峰强度。
第四，“基于化学计量学确认基质与处理效应（PCA-LDA）”结果显示，尽管存在基质与处理引起的变异，五种细菌在判别空间中形成了定义清晰且不重叠的聚类，革兰氏阳性菌与阴性菌分离明显。未过滤对照组准确率达97.1%，过滤对照组为97.9%，琼脂糖组达99.3%，木薯组达99.2%（仅限三种革兰氏阴性菌）。这表明PCA-LDA在处理复杂基质数据时仍能保持可靠的种水平区分能力，但基质和处理因素确实引入了可量化的光谱偏移。
讨论与结论部分，研究人员强调，废水并非被动的背景，而是会通过悬浮固体和有机聚合物影响微生物生理、回收效率及光谱表征的物理化学选择器。分离流程作为预分析变量，通过尺寸筛选、吸附及生理变体捕获重塑了可检测表型。虽然拉曼光谱结合化学计量学能在不同条件下维持物种鉴别，但观测到的光谱变异包含了物种差异、基质结构及工作流程的综合效应。因此，在构建光谱库与训练模型时必须考虑基质组成与回收流程。基于受控条件厘清这些效应，为拉曼光谱更可靠地应用于复杂环境系统的微生物监测奠定了基础，也为未来便携式仪器与人工智能驱动的现场废水流行病学监测提供了必要的标准化依据。
