SARS-CoV-2大流行和COVID-19疾病导致全球医疗保健面临前所未有的负担，这促使研究人员要开发快速可靠的检测手段来辅助SARS-CoV-2的诊断。在众多的诊断策略中，核酸检测，如逆转录聚合酶链反应（RT-PCR）、逆转录环介导等温扩增，成为了主流的技术。以RT-PCR为基础的测定已经成为病毒诊断的最普遍和可靠的方法，被认为是选择性和灵敏度的“黄金标准”。然而，这种测定方法依赖于专业实验室，需要病毒RNA提取和专业的PCR技能，使得此项技术耗费大量时间和需要培养专业人才。最近，有一些可快速并准确进行RNA检测的生物传感方法得到了发展。其中，表面增强拉曼散射（surface-enhanced Raman scattering, SERS）得到了显著的关注。基于SERS的RNA检测可被分为两类，一种是直接检测，另一种是间接检测。直接检测直接测试来自分析物的SERS光谱，如病毒RNA。间接检测测试链接在分析物上的标签分子。大多数以SERS为基础的SARS-CoV-2检测是基于间接检测。这种检测需要SERS标签分子，而且测试过程较复杂。相反，直接检测可以克服这些问题。但是由于RNA和DNA中含有基本相同的核酸碱基，这使得SERS光谱非常相近，较难区分。为了解决这个问题，需要更高级的数据处理方法来区分和确定来自目标RNA/DNA的SERS光谱。在本工作中，我们发展了一种SERS传感器，并结合深度学习（deep learning, DL）算法，实现了鼻拭子中SARS-CoV-2的快速检测。利用SERS和DL来进行SARS-CoV-2检测的流程如图1所示。对待诊断人员进行鼻拭子采样，并至于灭活缓冲溶剂中。利用掠射角沉积技术可低成本、高效率的制备高可靠银纳米棒基底，并对此基底修饰DNA探针来捕获病毒RNA。将鼻拭子溶液滴入测试井中，在室温下静置20 min之后进行SERS光谱测试，经过智能算法识别，即可判定阳性或者阴性。
图2A展示了SERS基底（FASS）、加入buffer、CoV NL63 RNA和SARS-CoV-2 RNA的SERS光谱。它们的光谱比较相似，很难用肉眼区分开来。经过主成分分析法（PCA）分析后，如图2B所示，加入SARS-CoV-2 RNA后的SERS光谱可明显区分于其它光谱。证明了此种SERS基底的专一性。另外，我们测试了不同浓度SARS-CoV-2 RNA的SERS光谱（图2C），并且成功利用循环神经网络（RNN）预测了病毒浓度（图2D）。
阳性患者和阴性人员的鼻拭子的SERS光谱非常相似，无法主观判断，也无法用PCA进行分析，所以需要更先进的数据处理方法。于是，我们建立了RNN模型来对阳性患者和阴性人员进行判断。RNN模型的构成如图3所示。在典型的RNN模型基础上，我们添加了LSTM和多个全连接层。它们可以记住长期状态，增加一个输出和一个输入，显著解决长序列训练中梯度消失和梯度爆炸的问题。此RNN模型对SERS光谱阳性和阴性的总测试准确率可以达到98.9%，明显优于其它对比算法，如SVM、RF、BP和CNN。这是因为RNN更擅长处理序列问题。
我们基于此种方法对72名人员进行了新冠病毒诊断，得到了98.6%的总准确率。对阳性患者预测的准确率为97.2%，对阴性人员的判定准确率为100%，表现了较高的可靠性。作为参考，其它常用的测试方法准确率为：快速抗原检测66% （BMJ 2020, 370, m2516）；呼吸检测，阳性91.2%，阴性99.3%（Nat. Biotechnol. 2022, 40, 990−993）；核酸检测~ 95%（J. Adv. Res. 2020, 26, 149−159）；试纸检测97.2%（Biosens. Bioelectron. 2022, 200, 113925）。我们报道了一种快速且可靠的鼻拭子新冠病毒检测方法，整个测试过程在25 min之内，准确率在97%以上，测试设备便于携带，可以成为新冠肺炎诊断的一种强有力辅助手段。此部分工作发表于ACS Sensors。美国佐治亚大学的Yanjun Yang博士和重庆大学的研究生李豪为共同第一作者，重庆大学艾斌研究员与美国佐治亚大学Yiping Zhao教授为共同通讯作者。该研究得到了国家自然科学基金，重庆市自然科学基金，中央高校基本科研业务费-基础前沿交叉项目等基金的支持。原文标题：Rapid Detection of SARS-CoV-2 RNA in Human Nasopharyngeal Specimens Using Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms文章链接：https://pubs.acs.org/doi/10.1021/acssensors.2c02194
