近日，大连理工大学环境学院常洋洋副教授等在化学领域著名学术期刊Angewandte Chemie International Edition上发表了题为“Deep Learning–Enhanced DNAzyme-Driven Rolling-Circle Amplification Encoding for Multibacterial Detection”的研究论文。该研究针对食源性致病菌快速、精准、高通量检测需求，创新性地构建了一种DNAzyme驱动的滚环扩增/分子信标编码系统（DRM-ES），结合基于智能手机成像的卷积神经网络（CNN）深度学习，实现了对大批量样本中多重致病菌的同步识别与精准定量。

该工作取得了如下突破：

活菌特异性识别：利用由活菌分泌特定蛋白激活的脱氧核酶（DNAzyme）作为识别元件，有效规避了死菌干扰，实现了对致病菌风险的精准评估。

信号放大与颜色编码：经切割后的DNAzyme片段可有效触发滚环扩增（RCA）反应，产生大量串联重复序列，可特异性识别并开启蓝、绿、红三色分子信标，将不同细菌识别事件转化为肉眼可辨、仪器可量化的荧光指纹图谱。

深度学习智能解码：基于2800张荧光图像构建并训练卷积神经网络模型，可对智能手机采集的复杂混合荧光信号实现自动化解析，直接输出细菌种类与精确浓度而无需人工判读。

该方法在食品、临床及环境样本中均表现出优异检测性能：对金黄色葡萄球菌、椰毒假单胞菌、大肠杆菌的检测灵敏度分别低至10²、10¹、10¹ CFU/mL；以传统培养法为金标准对照，阳性符合率为100%，阴性符合率不低于95.2%。在32个样本阵列的并行检测中，成功鉴定出29份自然污染样本，具备良好的高通量筛查潜力。此外，本方法无需依赖大型实验室仪器，可为食品安全现场监管、临床感染即时诊断及环境病原微生物大规模筛查，提供一种高灵敏、可区分死活菌、支持多重检测的便携式通用检测平台。

本研究得到了国家重点研发计划（2023YFB3208200）、国家自然科学基金（22425602、22406015）、辽宁省博士科研启动基金（2025-BS-0071、2025-BS-0022）、大连市科技人才创新支持计划（2024RJ001、2023R0008）以及中央高校基本科研业务费专项资金（DUT25RC(3)033）的支持。

图1. 深度学习辅助DRM-ES系统用于多重活菌检测原理示意图

图2. DRM-ES的组装及可行性验证

图3. DRM-ES的分析性能评估

图4. 基于深度学习的DRM-ES图像量化分析

图5. DRM-ES在实际基质中的即时检测验证

图6. DRM-ES对受污染样品阵列式筛查分析

文章信息：

原文链接：https://doi.org/10.1002/anie.4446117