CN101730745A - 用于检测试样内细菌的装置和方法 - Google Patents

用于检测试样内细菌的装置和方法 Download PDF

Info

Publication number
CN101730745A
CN101730745A CN200880015129A CN200880015129A CN101730745A CN 101730745 A CN101730745 A CN 101730745A CN 200880015129 A CN200880015129 A CN 200880015129A CN 200880015129 A CN200880015129 A CN 200880015129A CN 101730745 A CN101730745 A CN 101730745A
Authority
CN
China
Prior art keywords
feature
sample
specific bacteria
water
integer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200880015129A
Other languages
English (en)
Inventor
摩西·本-大卫
加利亚·汉诺特
托默·叶鲁夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OPTIDET DIAGNOSTICS Ltd
Original Assignee
OPTIDET DIAGNOSTICS Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by OPTIDET DIAGNOSTICS Ltd filed Critical OPTIDET DIAGNOSTICS Ltd
Publication of CN101730745A publication Critical patent/CN101730745A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20—Probabilistic models

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Zoology (AREA)
  • Immunology (AREA)
  • Wood Science & Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Microbiology (AREA)
  • Toxicology (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供一种用于检测和/或鉴定未培养试样中的特定细菌的方法。所述方法包括选自以下的步骤(a)获得所述未培养试样的吸收光谱(AS)；(b)获取所述特定细菌的n维体积边界；(c)对所述AS进行数据处理；和(d)如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。

Description

用于检测试样内细菌的装置和方法
技术领域
本发明涉及试样内特定细菌的光谱医学诊断领域。更具体地，本发明提供通过利用光谱测量来检测试样内不同种类细菌的装置和方法。该检测可用于医学和非医学用途，例如检测水、饮料、食品生产中细菌和感测拥挤场所的有害物质等。
背景技术
在医学领域中，微生物鉴定显然非常重要。而且，近年来，由于环境和工业微生物学的显著发展，所以甚至更加迫切地需要高效且相对快速的鉴定技术。其中迫切需要快速且准确的细菌鉴定的一个领域是呼吸系统疾病。
呼吸系统疾病是肺、支气管、气管和喉部疾病的总称。这些疾病轻至温和的和自限性的(鼻炎或普通感冒)，重至威胁生命(例如，细菌性肺炎或者肺栓塞)。
呼吸系统疾病可分为阻塞性呼吸系统疾病或限制性呼吸系统疾病。阻塞性呼吸系统疾病是阻碍出入肺的流量的病症(例如哮喘)；限制性呼吸系统疾病是使肺的功能性体积减少的病症(例如肺纤维化)。
呼吸系统疾病还可分为上呼吸道或下呼吸道疾病(在传染性呼吸系统疾病中最常用)、实质性肺病和血管性肺病。
顾名思义，传染性呼吸系统疾病通常由能够感染哺乳动物呼吸系统的多种传染源之一引起，其病源可以是病毒性的或细菌性的(例如，肺炎链球菌细菌)。
患有传染性呼吸系统疾病的患者通常忍受喉咙痛，并且吞咽存在问题。然而，这些症状也可能表明是流感。
为了正确地诊断感染并提供恰当的治疗，通常从患者取得疑似具有链球菌的咽培养物(throat culture)。
咽培养和细菌分析通常耗费大约3天。而且，测试给患者带来一些不便。
细菌分析将确定需要的和正确的治疗和用药方法。
另一种测试是“快速”链球菌测试。在这些测试中，将咽拭子插入试剂中，并根据细菌和试剂之间的化学反应来确定细菌的存在。虽然这些测试给出快速的结果(10至30分钟)，但是它们的灵敏度非常差，并且对使用者不好。因此，医务人员经常不使用它们。
通常，医生期望知道是否存在细菌，然后开抗生素处方。因此，对于医生以及患者，获得咽试样的即时响应将会是有利的。
即时响应可以通过对咳嗽的呼出碎屑物(debrit)(呼出的气体和微流体)或其它人体流体(唾液、黏液等)取样并光学表征其内容物而获得。对患者而言，光学表征试样可能比通常的咽培养更方便。
一些光谱技术在本领域中已经是已知的。例如，NELSON，Wilfred的PCT WO 98/41842公开了一种用于检测细菌抗体复合物的体系。将待测试细菌存在的试样置于含有抗体的介质中，所述抗体附着到表面，用于结合特定的细菌以形成抗原-抗体复合物。该介质与入射的光能束接触。部分能量作为较低的共振增强拉曼背散射能从介质发射出。微生物的存在与否的检测基于所述微生物的特征光谱峰。换言之，PCT WO98/41842使用紫外共振拉曼光谱。
Laura A.Vanderberg的美国专利6599715涉及一种用于检测试样中活细菌孢子存在的方法以及孢子检测系统。该方法包括将试样置于萌发培养基中保持足以出现任何存在的活细菌孢子的时间。然后，将试样与能够和吡啶二羧酸形成荧光复合物的镧系元素溶液相混合。最后，测量样品中吡啶二羧酸的存在。
Wilfred H.Nelson的美国专利4847198公开了一种鉴定细菌的方法。首先，在细菌中用紫外能束激发分类标记物。然后，基本上在不存在荧光的情况下收集共振增强拉曼背散射能。接下来，将共振增强的拉曼散射能转化成与所述细菌中的分类标记物对应的光谱。最后，显示光谱，由此鉴定细菌。
Mostafa A.El-Sayed的美国专利6379920公开了一种通过使用光谱手段来分析和诊断生物学试样中的特定细菌的方法。该方法包括获得未感染患者的生物学试样的光谱作为参比，从受感染的试样光谱中减去该参比，并且将所得差异光谱的指纹区与细菌参比光谱进行比较。利用这种诊断技术，专利6379920声称不用培养就可鉴定特定细菌。
Naumann等人已经利用FTIR光谱证实干燥试样中的细菌检测和分类[Naumann D.等人，“Infrared spectroscopy in microbiology”，Encyclopedia of Analytical Chemistry，R.A.Meyers(Ed.)pp.102-131，John Wiley & Sons Ltd，Chichester，2000]。Marshall等人已经利用FTIR拉曼光谱鉴定了活的微生物[Marshall et al“Vibrationalspectroscopy of extant and fossil microbes：Relevance for theastrobiological exploration of Mars”，Vibrational Spectroscopy 41(2006)182-189]。其它方法涉及上述组合的荧光光谱。
现有技术文献中没有公开可以迅速(不用培养)且准确地检测试样中细菌的装置和方法，并且没有证实在湿试样中进行鉴定。而且，现有技术文献中没有公开可以消除试样中水的影响以更好地检测细菌的手段和方法。而且，所有的上述方法都需要熟练的操作人员和/或使用试剂或复杂的试样制备来检测细菌。
因此，长期需要用于在不使用试剂和/或复杂试样制备的情况下从未培养的试样、尤其是湿试样中准确鉴定细菌的装置和方法。
发明内容
本发明的一个目的是提供一种检测和/或鉴定未培养试样中的特定细菌的方法。所述方法包括选自下列的步骤：
a.获得所述未培养试样的吸收光谱(AS)；
b.通过以下步骤获取所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii.计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于(assigning)所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.对所述AS进行数据处理：
i.通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
本发明的另一目的是提供上述方法，其中对所述AS进行数据处理的所述步骤(c)还包括如下步骤：
i.计算所述AS的o阶导数中的至少一个；所述o是大于或等于1的整数；
ii.从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征；
iii.根据所述m2个特征将所述o阶导数分成几段；
iv.在每个所述段中计算m3个统计相关性；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
本发明的另一目的是提供上述方法，其中所述计算每个所述段的统计相关性的步骤通过利用皮尔逊相关系数来进行。
本发明的另一目的是提供上述方法，还包括由如下细菌中选择特定细菌的步骤：酿脓链球菌(Streptococcus Pyogenes)、C组和G组β-溶血性链球菌(Group C and G beta-hemolytic streptococci)、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌(Corynebacterium haemolyticum，Diphtheria and Ulcerans)、淋病奈瑟氏球菌(Neisseria Gonorrhoeae)、肺炎支原体(Mycoplasma Pneumoniae)、小肠结肠炎耶尔森氏菌(Yersinia Enterocolitica)、结核分枝杆菌(Mycobacterium tuberculosis)、沙眼衣原体和肺炎衣原体(Chlamydia Trachomatiss and Pneumoniae)、百日咳博德特氏菌(Bordetella Pertussis)、军团杆菌(Legionella spp)、肺炎肺囊虫(Pneumocystis Carinii)、诺卡氏菌属(Nocardia)、荚膜组织胞浆菌(Histoplasma Capsulatum)、粗球孢子菌(CoccidioidesImmitis)、A组β-溶血性流感嗜血杆菌(Haemophilus influenza group Abeta hemolytic)和金黄色葡萄球菌(staphylococcus Aureus)。
本发明的另一目的是提供上述方法，其中所述获得AS的步骤还包括以下步骤：
a.提供至少一个容纳所述未培养试样的光学池；
b.提供选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是等于或大于1的整数；所述p个光源适于向所述光学池发射光；
c.提供用于接收所述试样的光谱数据的检测装置；
d.由所述光源以不同的波长向所述光学池发射光；和
e.通过所述检测装置收集从所述光学池出来的光；由此获得所述AS。
本发明的另一目的是提供上述方法，其中所述发射光的步骤在紫外、可见光、红外、中红外、远红外和太赫兹(terahertz)的波长范围内进行。
本发明的另一目的是提供上述方法，还包括通过在约3000～3300cm-1和/或约850～1000cm-1和/或约1300～1350cm-1的区域中分析所述AS来检测所述细菌的步骤。
本发明的另一目的是提供一种检测和/或鉴定未培养试样中的特定细菌的方法。所述方法包括：
a.获得所述未培养试样的吸收光谱(AS)；所述AS包含水的影响；
b.通过以下步骤获取所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于(assigning)所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.从所述AS消除所述水影响；
i.提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))；
ii.将所述AS分成至少两个波数范围；
iii.计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))；
iv.从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应的波数(x1)；
v.计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))；
vi.在所述至少一个波数(x1)处用至少一个Sig只有水(x1)除以至少一个CF水(即Sig只有水(x1)/CF只有水(x1))；
vii.计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])；
viii.对于所述AS内的每个所述波数(x)，用所述
AVG[Sig只有水(x1)/CF只有水](x1)乘以CF(x)；和
ix.在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果；
d.在没有所述水影响的情况下通过以下步骤对所述AS进行数据处理：
i.通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
本发明的另一目的是提供上述方法，其中在没有所述水的影响下对所述AS进行数据处理的所述步骤(c)还包括如下步骤：
i.计算所述AS的o阶导数中的至少一个；所述o是大于或等于1的整数；
ii.从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征；
iii.根据所述m2个特征将所述o阶导数分成几段；
iv.计算每个所述段中的m3个统计相关性；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
本发明的另一目的是提供上述方法，其中所述计算每个所述段中的统计相关性的步骤通过利用皮尔逊相关系数来进行。
本发明的另一目的是提供上述方法，还包括选择选自如下细菌的特定细菌的步骤：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
本发明的另一目的是提供上述方法，其中所述获得AS的步骤还包括以下步骤：
a.提供至少一个容纳所述未培养试样的光学池；
b.提供选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于向所述光学池发射光；
c.提供用于接收所述试样的光谱数据的检测装置；
d.由所述光源以不同的波长向所述光学池发射光；和
e.通过所述检测装置收集从所述光学池出来的光；由此获得所述AS。
本发明的另一目的是提供上述方法，其中所述发射光的步骤在紫外、可见光、红外、中红外、远红外和太赫兹的波长范围内进行。
本发明的另一目的是提供适于检测和/或鉴定试样内特定细菌的系统1000。所述系统包括：
a.用于获得所述试样的吸收光谱(AS)的装置100；
b.用于获取所述特定细菌的n维体积边界的统计处理装置200；所述装置200的特征在于：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.对所述AS进行数据处理的装置300；所述装置300的特征在于：
i.用于通过使用选自移动平均法、Savitzky-Golay法或其任意组合的不同平滑技术来降噪的装置301；
ii.用于从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置302；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置303；
iv.用于计算每个所述段的m1个统计相关性的装置304；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置400。
本发明的另一目的是提供上述系统，其中对所述AS进行数据处理的所述装置300的特征还在于：
i.用于计算所述AS的o阶导数中的至少一个的装置305；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置306；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置307；
iv.用于计算每个所述段中的m3个统计相关性的装置308；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置309。
本发明的另一目的是提供上述系统，其中用于计算统计相关性的所述装置308或304选自皮尔逊相关系数。
本发明的另一目的是提供上述系统，其中所述特定细菌选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
本发明的另一目的是提供上述系统，其中用于获得所述试样的吸收光谱(AS)的所述装置100还包括：
a.至少一个容纳所述未培养试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
本发明的另一目的是提供上述系统，其中所述p个光源适于发射紫外、可见光、红外、中红外、远红外和太赫兹波长范围内的光。
本发明的另一目的是提供适于检测和/或鉴定未培养试样内的特定细菌的系统2000，其中所述系统2000包括：
a.用于获得所述未培养试样的吸收光谱(AS)的装置100；所述AS包含水的影响；
b.用于获取用于所述特定细菌的n维体积边界的统计处理装置200；所述装置200的特征在于：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.用于从所述AS消除所述水影响的装置300；所述装置300具有；
i.用于提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))的装置301；
ii.用于将所述AS分成至少两个波数范围的装置302；
iii.用于计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))的装置303；
iv.用于从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应的波数(x1)的装置304；
v.用于计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))的装置305；
vi.用于在所述至少一个波数(x1)处用至少一个Sig只有水(x1)除以至少一个CF水(即Sig只有水(x1)/CF只有水(x1))的装置306；
vii.用于计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])的装置307；
viii.用于对所述AS内的每个所述波数(x)用所述
AVG[Sig只有水(x1)/CF只有水](x1)乘以所述CF(x)的装置308；和
ix.用于在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果的装置309；
d.用于在没有所述水影响的情况下对所述AS进行数据处理的装置400；所述装置400的特征在于：
i.用于通过使用选自移动平均法、Savitzky-Golay法或其任意组合的不同平滑技术来降噪的装置401；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置402；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置403；
iv.用于计算每个所述段的m1个统计相关性的装置404；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置500。
本发明的另一目的是提供上述系统，其中用于在没有所述水影响下对所述AS进行数据处理的所述装置400还包括：
i.用于计算所述AS的o阶导数中的至少一个的装置405；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置406；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置407；
iv.用于计算每个所述段中的m3个统计相关性的装置408；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置409。
本发明的另一目的是提供上述系统，其中用于计算每个所述段的统计相关性的所述装置408和/或404选自皮尔逊相关系数。
本发明的另一目的是提供上述系统，其中所述特定细菌选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
本发明的另一目的是提供上述系统，其中用于获得所述试样的吸收光谱(AS)的所述装置100还包括：
a.至少一个容纳所述未培养试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
本发明的最后一个目的是提供上述系统，其中所述p个光源适于发射选自紫外、可见光、红外、中红外、远红外和太赫兹波长范围内的光。
附图说明
为了理解本发明并了解其在实践中可以如何实施，现在将参照附图，仅以非限制性示例的方式来描述多个实施方案，附图中：
图1～2示出根据本发明优选实施方案适于检测和/或鉴定试样中细菌的系统1000和2000。
图3～4示出在水校正之前(图3)和水校正之后(图4)的吸收光谱。
图5是链球菌的吸收峰的一个实例。
图6示出在降噪之前和降噪之后的包含100％链球菌的干试样的吸收信号。
图7示出在降噪之前和降噪之后的包含100％链球菌的干试样的吸收信号的一阶导数。
图8～12示出在950cm-1至1200cm-1的波数范围内的试样和参比试样的吸收光谱及对应的统计相关性。图8～12还示出相同范围内光谱的一阶导数和对应的统计相关性。
图13～17示出在1220cm-1至1380cm-1的波数范围内的试样和参比试样的吸收光谱及对应的统计相关性。图13～17还示出相同范围内光谱的一阶导数和对应的统计相关性。
图18示意性示出鉴定干试样内细菌的二维区域的边界。
图19示出降噪之前和降噪之后的包含100％链球菌的试样的吸收信号。
图20示出降噪之前和降噪之后的包含100％链球菌的试样的吸收信号的一阶导数。
图21～23示出包含100％链球菌的参比试样和包含100％链球菌的试样的吸收光谱和对应的统计相关性。
图24～26示出包含100％链球菌的参比试样、包含100％链球菌的试样的吸收光谱的一阶导数和它们之间的相关系数。
图27～29示出包含100％链球菌的参比试样和包含50％葡萄球菌和50％链球菌的溶液的吸收光谱的一阶导数以及它们之间的相关系数。
图30～32示出包含100％链球菌的参比试样和包含25％葡萄球菌与75％链球菌的溶液的吸收光谱的一阶导数以及它们之间的相关系数。
图33～35示出包含100％链球菌的参比试样和包含75％葡萄球菌与25％链球菌的溶液的吸收光谱的一阶导数以及对应的相关系数。
图36示意性示出鉴定溶液内细菌的二维区域的边界。
具体实施方式
以下说明与本发明的所有部分一起提供，以使本领域的技术人员能够使用所述发明，并且提出本发明人所预期的实施本发明的最佳方式。然而，因为已经具体定义了提供通过使用光谱测量来检测试样中细菌的装置和方法的本发明一般原理，所以各种修改对于本领域技术人员而言是显然的。
光谱测量(不管是吸收光谱、荧光光谱、拉曼光谱还是散射光谱)是所有光学传感装置的基础。为了鉴定有害物质(例如细菌)，将可能含有所述有害物质的试样置于光谱仪内，然后分析该试样内的吸收光谱来检验是否识别出所述有害物质的光谱特征。
本发明提供通过分析可能含有细菌的试样的吸收光谱来检测或鉴定细菌的装置和方法。
术语“试样”在本文中是指气溶胶试样或液体试样。本发明提供能够检测液体以及气溶胶中的细菌的检测装置。该检测装置可用于医疗或非医疗用途。而且，该检测装置可以用于例如检测水、饮料、食品生产中的细菌和感测拥挤场所的有害物质等。
术语“皮尔逊相关系数”在下文中是指反映两个变量相关程度的所述变量之间的相关性。皮尔逊相关系数反映两个变量之间的线性相关程度。其值为+1至-1。-1相关性是指变量之间存在完美的负线性相关。0相关是指所述两个变量之间不存在线性相关。1相关是指所述两个变量之间存在完全线性相关。
用于计算皮尔逊相关系数r的常用公式是下面这个公式：
r = ΣXY - ΣXΣY N ( Σ X 2 - ( ΣX ) 2 N ) ( ΣY 2 - ( ΣY ) 2 N )
术语“约”在下文中是指比所提及的值低或高25％的范围。
术语“段”在下文中是指吸收光谱内的波长范围。
术语“n维体积”在下文中是指尤其适于鉴定所考查细菌的n维空间内的体积。n维体积通过从吸收光谱或其导数中提取特征和统计相关性来构建。
术语“n维空间”在下文中是指其中每个坐标为从细菌光谱特征中提取的特征或统计相关性或从光谱和/或其导数中或从光谱段和/或其导数中计算出来的计算统计相关性的空间。
术语“n维体积边界”在下文是指包括约95％的待考查细菌的可能特征和相关值的范围。
本发明提供适于使用微生物/细菌/有害物质的独特光谱特征并因此能够检测试样中微生物/细菌/有害物质的细菌检测方法和装置。
现在参照图1，其示出根据本发明一个优选实施方案的适于检测和/或鉴定试样内特定细菌的系统1000。系统1000包括：
a.用于获得试样吸收光谱(AS)的装置100；
b.用于获取特定细菌的n维体积边界的统计处理装置200，其具有：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰的强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.对所述AS进行数据处理的装置300，所述装置300具有：
i.用于通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪的装置301；
ii.用于从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置302；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置303；
iv.用于计算每个所述段的m1个统计相关性的装置304；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置400。
根据本发明的另一实施方案，对所述AS进行数据处理的所述装置300(在系统1000中)的特征还在于：
i.用于计算所述AS的o阶导数中的至少一个的装置305；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置306；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置307；
iv.用于计算每个所述段中的m3个统计相关性的装置308；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置309。
根据本发明的另一实施方案，用于计算统计相关性的所述装置308或304(在系统1000中)选自皮尔逊相关系数。
根据本发明的另一实施方案，待通过系统1000鉴定的所述特定细菌选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
根据本发明的另一实施方案，用于获得所述试样的吸收光谱(AS)的所述装置100(在系统1000中)还包括：
a.至少一个容纳所述试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
根据本发明的再一实施方案，所述p个光源(在系统1000中)适于发射选自紫外、可见光、红外、中红外、远红外和太赫兹波长范围内的光。
现在参照图2，其示出根据本发明另一优选实施方案的适于检测和/或鉴定试样内特定细菌的系统2000。系统2000包括：
a.用于获得所述试样的吸收光谱(AS)的装置100；所述AS包含水的影响；
b.用于获取所述特定细菌的n维体积边界的统计处理装置200；所述装置200具有：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰的强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.用于从所述AS消除水影响的装置300；包括：
i.用于提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))的装置301；
ii.用于将所述AS分成至少两个波数范围的装置302；
iii.用于计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))的装置303；
iv.用于从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应波数(x1)的装置304；
v.用于计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))的装置305；
vi.用于用在所述至少一个波数(x1)处至少一个Sig只有水(x1)除以至少一个CF水(即Sig只有水(x1)/CF只有水(x1))的装置306；
vii.用于计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])的装置307；
viii.用于对所述AS内的每个所述波数(x)用所述
AVG[Sig只有水(x1)/CF只有水](x1)乘以CF(x)的装置308；和
ix.用于在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果的装置309；
d.用于对没有所述水影响的所述AS进行数据处理的装置400；其特征在于：
i.用于通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪的装置401；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置402；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置403；
iv.用于计算每个所述段的m1个统计相关性的装置404；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置500。
根据本发明的另一实施方案，用于对没有所述水影响的所述AS进行数据处理的装置400(在系统2000中)还包括：
i.用于计算所述AS的o阶导数中的至少一个的装置405；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置406；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置407；
iv.用于计算每个所述段中的m3个统计相关性的装置408；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置409。
根据本发明的另一实施方案，系统2000中用于计算每个所述段的统计相关性的装置408和/或404选自皮尔逊相关系数。
根据本发明的另一实施方案，所述特定细菌(在系统2000中)选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
根据本发明的另一实施方案，用于获得所述试样的吸收光谱(AS)的所述装置100还包括：
a.至少一个容纳所述试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
根据本发明的另一实施方案，所述p个光源适于发射选自紫外、可见光、红外、中红外、远红外和太赫兹波长范围内的光。
本发明的又一目的是提供检测和/或鉴定试样内特定细菌的方法。所述方法包括尤其是选自以下的步骤：
a.获得所述试样的吸收光谱(AS)；
b.通过以下步骤获取所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii.计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.对所述AS进行数据处理：
i.通过使用选自移动平均法、Savitzky-Golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
应当指出，在上述每个系统(1000或2000)中，统计处理装置200对每种特定细菌只使用一次。一旦已经通过统计处理装置200提供所述边界，则通过验证m1和/或m3个统计相关性和/或m和/或m2个特征是否在所述边界内来确定试样中是否存在所述特定细菌。而且，一旦提供所述边界，则不需要再次对相同特定细菌进行统计处理。
本发明的又一目的是提供一种检测和/或鉴定试样内特定细菌的方法。所述方法包括尤其是选自以下的步骤：
a.获得所述试样的吸收光谱(AS)；所述AS包含水的影响；
b.通过以下步骤获取用于所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii.计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.从所述AS消除所述水的影响；
i.提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))；
ii.将所述AS分成至少两个波数范围；
iii.计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))；
iv.从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应的波数(x1)；
v.计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))；
vi.在所述至少一个波数(x1)处用至少一个Sig只有水(x1)除以至少一个CF水(即Sig只有水(x1)/CF只有水(x1))；
vii.计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])；
viii.对于所述AS内的每个所述波数(x)，用所述
AVG[Sig只有水(x1)/CF只有水](x1)乘以CF(x)；和
ix.在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果；
d.在没有所述水影响的情况下通过以下步骤对所述AS进行数据处理：
i.通过使用选自移动平均法、Savitzky-Golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
在上述每种方法中，统计处理对每种特定细菌只使用一次。一旦通过统计处理提供所述边界，则通过验证所述m1个统计相关性和/或所述m个特征是否在所述边界内来确定试样中是否存在所述特定细菌。而且，一旦提供所述边界，就不需要再次对相同特定细菌进行统计处理。
根据本发明的另一实施方案，上述方法中对所述AS进行数据处理的所述步骤(c)还包括如下步骤：
i.计算所述AS的o阶导数中的至少一个；所述o是大于或等于1的整数；
ii.从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征；
iii.根据所述m2个特征将所述o阶导数分成几段；
iv.计算每个所述段中的m3个统计相关性；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
根据本发明的另一实施方案，上述方法中计算每个所述段中的统计相关性的步骤通过利用皮尔逊相关系数来进行。
根据本发明的另一实施方案，上述方法还包括选择选自如下细菌的特定细菌的步骤：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
根据本发明的另一实施方案，上述方法中获得AS的步骤还包括以下步骤：
a.提供至少一个容纳所述试样的光学池；
b.提供选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于向所述光学池发射光；
c.提供用于接收所述试样的光谱数据的检测装置；
d.由所述光源以不同的波长向所述光学池发射光；和
e.通过所述检测装置收集从所述光学池出来的光；由此获得所述AS。
根据本发明的另一实施方案，所述发射光的步骤在紫外、可见光、红外、中红外、远红外和太赫兹的波长范围内进行。
根据本发明的另一实施方案，上述方法还包括通过在约3000～3300cm-1和/或约850～1000cm-1和/或约1300～1350cm-1的区域中分析所述AS来检测所述细菌的步骤。
根据本发明的另一实施方案，在任一个系统(1000或2000)中或用于上述任一种方法的吸收光谱均利用选自傅立叶变换红外光谱仪、荧光计和拉曼光谱仪中的仪器获得。
根据本发明的另一实施方案，在任一个系统(1000或2000)中或用于上述任一种方法的未培养试样选自源于人体的流体，例如血液、唾液、尿、胆汁、阴道分泌物、中耳吸出物、脓、胸腔积液、滑液，脓疮、腔抽取物和血清。
在前述说明中，已经为举例说明和描述的目的列出了本发明的实施方案(包括优选的实施方案)。它们不是穷举性的或将本发明限于所公开的具体形式。根据上述教导，可以进行明显的修改或变化。选择和说明实施方案是为了最佳地说明本发明原理和其实际应用，并且使本领域的普通技术人员能够将本发明用于各种实施方案和进行改变以适于所期望的特定用途。当根据其被公正、合法且公平地赋予的范围进行解释时，所有这些修改方案和变化方案都在由所附权利要求所确定的本发明范围内。
实施例
下面给出实施例以证明本发明所要求保护的实施方案。所述实施例描述本发明的方式和方法，并且提出本发明人所预期的实施本发明的最佳方式，但是不应被解释为限制本发明。
实施例1-水的影响
从流体试样的光谱(尤其是气溶胶的光谱)中鉴定细菌的一个主要问题是水的影响(即水噪，其通过水光谱掩盖所期望的光谱)。
水分子可以以多种方式振动。在气体状态下，振动包括共价健的对称伸缩(v1)、不对称伸缩(v3)和弯曲(v2)的组合。水分子具有非常小的转动惯性矩，其在气体中产生结合丰富的振动-转动光谱，所述光谱包含数万至数百万条吸收线。水分子具有三个振动模式x、y和z。下表(表1)示出水的振动、波长和每个振动的归属。
表1：水的振动、波长和每个振动的归属
Figure G2008800151292D00291
Figure G2008800151292D00301
本发明提供一种显著降低甚至消除吸收光谱内的水影响的方法。
现在参照图3和4，其示出有和没有水影响的试样吸收光谱。没有水影响的试样吸收光谱的实例在图4中给出。图3代表进行水校正之前的光谱。
用于消除水影响的方法包括以下步骤：
首先，将吸收光谱分成几段(即波长范围)。将光谱分成约1800cm-1至约2650cm-1、约1400cm-1至约1850cm-1、约1100cm-1至约1450cm-1、约950cm-1至约1100cm-1、约550cm-1至约970cm-1的段(波长范围)。
所述段根据(i)水吸收光谱内不同强度的峰；和(ii)信号的趋势来确定。
然后，按以下方式从每段消除水的影响：
(a)提供吸收光谱内每个波数(x)处的吸收强度(在下文称为Sig有水(x))；
(b)计算每个段内每个波数(在下文称为x)处的校正因子(CF)(在下文称为CF(x))；
(c)在对应波数(x1)处从吸收光谱获取主要受水影响的至少一个吸收强度(在下文称为Sig只有水(x1))；
(d)在所述至少一个波数(x1)处计算水的至少一个校正因子(CF只有水(x1))；
(e)用至少一个Sig只有水(x1)除以所述至少一个波数(x1)处的至少一个CF水(即Sig只有水(x1)/CF只有水(x1))；
(f)计算步骤(e)的结果的平均值(在下文称为AVG[Sig只有水(x1)/CF只有水(x1)](x1))；
(g)对于每个波数(x)，用AVG[Sig只有水(x1)/CF只有水(x1)](x1)乘以CF(x)；和
(h)对与每个(x)，从Sig有水(x)减去步骤(g)的每个结果。
换言之，根据下式，对光谱内的每个吸收强度消除水的影响：
Sig有水(x)-(CF(x)×AVG[Sig只有水(x1)/CF只有水(x1)])计算校正因子
校正因子(CF)取决于波长范围、每个波长处的水吸收峰的形状、峰的宽度、峰的高度、吸收光谱趋势和其任意组合。以下序列用作校正因子(x-代表波数，单位为cm-1)
1.波长范围1846cm-1至2613cm-1
系数：
a11＝137.2；
b11＝2170；
c11＝224.3；
a21＝19.02；
b21＝2063；
c21＝37.53；
a31＝0.7427；
b31＝2224；
c31＝13；
a41＝98.33；
b41＝2124；
c41＝109.8；
a51＝-4.988；
b51＝2192；
c51＝33.87；
a61＝20.19；
b61＝1998；
c61＝40.22；
a71＝228.3；
b71＝1496；
c71＝1329；
a81＝6.751e+012；
b81＝-1226；
c81＝592.1；
CF ( x ) = a 11 * e ( - ( ( x - b 11 ) / c 11 ) 2 ) + a 21 * e ( - ( ( x - b 21 ) / c 21 ) 2 ) + a 31 * e ( - ( ( x - b 31 ) / c 31 ) 2 ) + a 41 * e ( - ( ( x - b 41 ) / c 41 ) 2 ) + a 51 * e ( - ( ( x - b 51 ) / c 51 ) 2 ) +
a 61 * e ( - ( ( x - b 61 ) / c 61 ) 2 ) + a 71 * e ( - ( ( x - b 71 ) / c 71 ) 2 ) + a 81 * e ( - ( ( x - b 81 ) / c 81 ) 2 )
2.波长范围1461cm-1至1846cm-1
a12＝-300.2；
b12＝1650；
c12＝13.65；
a22＝-51.65；
b22＝1665；
c22＝6.48；
a32＝142.4；
b32＝1623；
c32＝7.584；
a42＝1450；
b42＝1649；
c42＝32.62；
a52＝96.34；
b52＝1617；
c52＝2.387；
a62＝608；
b62＝1470；
c62＝369.3；
a72＝0；
b72＝1873；
c72＝2.625；
a82＝1037；
b82＝1644；
c82＝76.21；
CF ( x ) = a 12 * e ( - ( ( x - b 12 ) / c 21 ) 2 ) + a 22 * e ( - ( ( x - b 22 ) / c 22 ) 2 ) + a 32 * e ( - ( ( x - b 32 ) / c 32 ) 2 ) + a 42 * e ( - ( ( x - b 42 ) / c 42 ) 2 ) + a 52 * e ( - ( ( x - b 52 ) / c 52 ) 2 ) +
a 62 * e ( - ( ( x - b 62 ) / c 62 ) 2 ) + a 72 * e ( - ( ( x - b 72 ) / c 72 ) 2 ) + a 82 * e ( - ( ( x - b 82 ) / c 82 ) 2 )
3.波长范围1111cm-1至1461cm-1
a13＝1368；
b13＝2167；
c13＝767；
a23＝80.67；
b23＝1356；
c23＝68.83；
a33＝36.85；
b33＝1307；
c33＝33.79；
a43＝142.5；
b43＝1244；
c43＝67.19；
a53＝260.4；
b53＝1130；
c53＝88.91；
a63＝66.54；
b63＝1093；
c63＝31；
a73＝7.126；
b73＝1345；
c73＝20.9；
a83＝4.897；
b83＝1280；
c83＝11.05；
CF ( x ) = a 13 * e ( - ( ( x - b 13 ) / c 13 ) 2 ) + a 23 * e ( - ( ( x - b 23 ) / c 23 ) 2 ) + a 33 * e ( - ( ( x - b 33 ) / c 33 ) 2 ) + a 43 * e ( - ( ( x - b 43 ) / c 43 ) 2 ) + a 53 * e ( - ( ( x - b 53 ) / c 53 ) 2 ) +
a 63 * e ( - ( ( x - b 63 ) / c 63 ) 2 ) + a 73 * e ( - ( ( x - b 73 ) / c 73 ) 2 ) + a 83 * e ( - ( ( x - b 83 ) / c 83 ) 2 )
4.波长范围961cm-1至1111cm-1
a14＝692.6；
b14＝952；
c14＝31.04；
a24＝48.46；
b24＝983.2；
c24＝15.72；
a34＝287.5；
b34＝994.6；
c34＝27.98；
a44＝434.9；
b44＝1032；
c44＝40.86；
a54＝17.05；
b54＝1052；
c54＝13.55；
a64＝48.61；
b64＝1068；
c64＝16.56；
a74＝70.71；
b74＝1086；
c74＝21.23；
a84＝497.3；
b84＝1124；
c84＝64.42；
CF ( x ) = a 14 * e ( - ( ( x - b 14 ) / c 14 ) 2 ) + a 24 * e ( - ( ( x - b 24 ) / c 24 ) 2 ) + a 34 * e ( - ( ( x - b 34 ) / c 34 ) 2 ) + a 44 * e ( - ( ( x - b 44 ) / c 44 ) 2 ) + a 54 * e ( - ( ( x - b 54 ) / c 54 ) 2 ) +
a 64 * e ( - ( ( x - b 64 ) / c 64 ) 2 ) + a 74 * e ( - ( ( x - b 74 ) / c 74 ) 2 ) + a 84 * e ( - ( ( x - b 84 ) / c 84 ) 2 )
波长范围570cm-1至961cm-1
a15＝-2877；
b15＝36.23；
c15＝29.09；
a25＝0；
b25＝-124.3；
c25＝22.09；
a35＝-190.7；
b35＝18.97；
c35＝16.45；
a45＝1.589e+004；
b45＝-3.427；
c45＝56.25；
a55＝-1.352e+004；
b55＝-5.861；
c55＝40.75；
a65＝476.7；
b65＝82.38；
c65＝17.29；
a75＝1286；
b75＝62.29；
c75＝180.3；
a85＝802.9；
b85＝102.8；
c85＝18.79；
CF ( x ) = a 15 * e ( - ( ( x - b 15 ) / c 15 ) 2 ) + a 25 * e ( - ( ( x - b 25 ) / c 25 ) 2 ) + a 35 * e ( - ( ( x - b 35 ) / c 35 ) 2 ) + a 45 * e ( - ( ( x - b 45 ) / c 45 ) 2 ) + a 55 * e ( - ( ( x - b 55 ) / c 55 ) 2 ) +
a 65 * e ( - ( ( x - b 65 ) / c 65 ) 2 ) + a 75 * e ( - ( ( x - b 75 ) / c 75 ) 2 ) + a 85 * e ( - ( ( x - b 85 ) / c 85 ) 2 )
主要受水影响的吸收强度
再次参照图3，其示出消除水影响之前的吸收光谱。
由图可见，主要受水影响的吸收强度为2000cm-1和更高的波数区域。该区域处的强度为约0.2吸收单位。在本实施例中，x1为2000，Sig只有水(x1)为0.2。
再次参照图4，其示出消除水的影响之后试样的吸收光谱。
应当指出，为了获得更高的分辨率，两个图(3和4)均标准化至2(即乘以2)。
实施例2-细菌的吸收光谱
每种细菌都具有独特的光谱特征。尽管多种细菌具有类似的光谱特征，但是由于细胞膜上的蛋白质不同和DNA/RNA结构的差别，所以仍然存在一些光谱差别。
下表2列出可以用于鉴定细菌的IR区域中的波长。
表2：IR区域中的细菌波长
  波长[nm]   波数[cm-1]   归属
  2857   3500   O-H羟基的伸缩振动
  3125   3200   蛋白质的N-H伸缩振动(酰胺A)
  3379   2959   -CH3的C-H伸缩振动(不对称)
  3408   2934   ＞CH2的C-H伸缩振动(对称)
  3423   2921   脂肪酸中的＞CH2的C-H伸缩振动(不对称)
  3450   2898   C-H次甲基的C-H伸缩振动
  3481   2872   CH3的C-H伸缩振动(对称)
  3506   2852   脂肪酸中的＞CH2的C-H伸缩振动(对称)
  5743   1741   酯的＞C＝O伸缩振动
  5830   1715   酯RNA/DNA，OH-C＝O的＞C＝O伸缩振动
  5899   1695   酰胺I带组分
  5934   1685   得自反平行
  5970   1675   蛋白质的折叠片层和β转角
  波长[nm]   波数[cm-1]   归属
  6042   1655   α螺旋拉伸结构的酰胺I
  6108   1637   b-折叠片层拉伸结构的酰胺I
  6459   1548   酰胺II
  6600   1515   “酪氨酸”带
  6811   1468   ＞CH2的C-H变形振动
  7142   1400   COO-的C＝O伸缩振动(对称)
  7633-8064   1310-1240   蛋白质的酰胺III带组分
  8000-8190   1250-1220   ＞PO2 -磷酸二酯的P＝O伸缩振动(不对称)
  8333-11111   1200-900   C-O-C，以糖类的环振动为主的C-O，C-O-P，P-O-P
  9216   1085   ＞PO2 -的P＝O伸缩振动(对称)
  13888   720   ＞CH2的C-H摇摆振动
  11111-16666   900-600   特定的细菌键
该表摘自Naumann D.，“Infrared spectroscopy in microbiology”，Encyclopedia of Analytical Chemistry，R.A.Meyers(Ed.)pp.102-131，John Wiley & Sons Ltd，Chichester，2000。
下表3和图5是酿脓链球菌的吸收峰的一个实例。一些峰可能与表2中的峰相关。其它的峰，例如峰1、2、9、12、13和14是在本发明中公开的特定酿脓链球菌峰，用于进行检测和鉴定。
表3：链球菌的吸收峰
  峰编号   波数[cm-1]   吸光度   加权因子 归属
  1   3286   0.3638   0.09 特定的细菌特性
  2   3077   0.2852   0.1 特定的细菌特性
  峰编号   波数[cm-1]   吸光度   加权因子 归属
  3   2962   0.2875   0.1 -CH3的C-H伸缩振动(不对称)
  4   2933   0.2785   0.09 ＞CH2的C-H伸缩振动(不对称)
  5   1648   0.5245   0.01 a-螺旋伸缩结构的酰胺I
  6   1548   0.4029   0.01 酰胺II
  7   1452   0.2235   0.15 ＞CH2的C-H变形振动
  8   1405   0.2920   0.15 COO-的C＝O伸缩振动(对称)
  9   1348   0.1763   0.15 特定的细菌特性
  10   1245   0.1589   0.15 ＞PO2 -的P＝O伸缩振动(不对称)
  11   1076   0.2159   0.15 ＞PO2 -的P＝O伸缩振动(对称)
  12   989   0.0957   0.05 特定的细菌特性
  13   925   0.0821   0.05 特定的细菌特性
  14   850   0.0828   0.05 特定的细菌特性
实施例3-区分干混合物中的两种细菌
以下的体外实施例提供一种区分干混合物内的两种细菌-酿脓链球菌和金黄色葡萄球菌并且鉴定和/或确定所述样品中是否存在链球菌的方法。
根据以下程序制备酿脓链球菌和金黄色葡萄球菌的五种混合物：
1.制备β溶血性链球菌(目录号-ATCC 19615)和金黄色葡萄球菌(目录号ATCC 25923)的以下溶液：
  总体积   酿脓链球菌CFU/160μL   金黄色葡萄球菌CFU/160μL
  60   12   0
  60   9   3
  60   6   6
  60   3   9
  60   0   12
  总计   150μL   150μL
2.将每种溶液取30μL置于光学板(ZnSe)经标记的槽上。另一个槽包含30μL的ddH2O用于参比。
3.将板置于干燥器(Dessicator 250mm聚丙烯，Yavin Yeda，Israel)中，其中存在几个具有干燥剂(五氧化二磷，目录号#79610，SigmaAldrich)的培养皿。
4.使干燥器保持真空约30分钟。
然后将试样置于FTIR光谱仪(Bruker)中，并且获取试样的光谱响应(光谱范围4000cm-1至400cm-1)。
对每个样品的吸收光谱应用Blackman-Harris 3项切趾函数(见以下方程)：
w ( n ) = a 0 - a 1 cos ( 2 πn N - 1 ) + a 2 cos ( 4 πn N - 1 ) - a 3 cos ( 6 πn N - 1 )
a0＝0.35875；a1＝0.48829；a2＝0.14128；a3＝0.01168
其中u·(n)是Blackman-Harris 3项切趾；n是0至N-1的整数；并且N是应用Blackman-Harris 3项切趾函数的范围。
接下来，对试样扫描足够的次数(64次扫描)以使信噪比大于3000∶1。
特定细菌的鉴定和/或检测如下：
(a)通过使用Savitzky-Golay平滑减少每个吸收光谱中的噪音；
(b)计算信号的一阶导数；
(c)从光谱提取m个特征，例如但不限于峰波长、峰高度和宽度、峰高比等。提取共m个特征。m是大于或等于1的整数；
(d)根据所述m个特征将信号和/或其一阶导数分成几个区(段，即几个波数区)；
(e)对(i)每个区域的光谱信号和(ii)每个区域的信号导数计算m1个统计相关性。提取总计m1个统计相关性。m1是大于或等于1的整数。通过利用皮尔逊相关系数来计算每个区域的统计相关性(信号及其导数的统计相关性)；
(f)检查m个特征和m1个统计相关性，并验证它们是否在n维体积边界(其通过统计处理获得)内；
(g)如果所述m个特征和/或m1个统计相关性在n维体积边界内，则确定特定细菌的鉴定为阳性。
统计处理
统计处理尤其适于提供n维体积边界。对于每个特定的细菌，为了获得所述边界，只进行一次统计处理。一旦提供所述边界，就按上述方式(即，验证所述特征或相关性是否在所述边界内)确定试样中是否存在所述特定细菌。而且，一旦提供所述边界，就不再需要再次对相同的特定细菌进行统计处理。
按以下方式对每种特定细菌进行统计处理：
(a)获得包含特定细菌的试样的几个吸收光谱(AS2)；
(b)从所述光谱提取例如但不限于峰波长、峰高度和宽度、不同峰的强度比等x个特征。共x个特征。x为大于或等于1的整数；
(c)计算信号的一阶导数；
(d)根据所述x个特征将所述信号和/或其一阶导数分成几个区域(段)；
(e)对吸收光谱内的不同段计算y个相关性；
(f)定义n维空间。n等于x个特征和y个统计相关性之和；
(g)将x个特征中的每一个和y个相关性中的每一个归属至和/或关联至需要鉴定的特定细菌；
(h)对(i)x个特征中的每一个；和/或(ii)y个统计相关性中的每一个计算高斯分布。所有的计算高斯分布定义n维空间内的n维体积；和
(i)利用二次高斯分类或类似方法(例如k最近邻法、贝叶斯分类等)来确定每个体积的边界。
如果(从所述光谱提取的)所述特征和相关性落在所述n维体积边界内，则鉴定是所述特定细菌。否则，鉴定不是所述特定细菌。
作为一个替代方案或其它方案，x个特征中的每一个和/或y个统计相关性中的每一个都被赋予加权因子。加权因子通过考查每个特征或相关性如何提高细菌检测的预测来确定(例如，使用最大概似法或贝叶斯估计来确定)。一旦给x个特征中的每一个和y个统计相关性中的每一个赋予加权因子，则确定对于细菌预测具有最显著贡献的特征和/和统计相关性的边界。
作为一个替代方案或其它方案，通过降噪来平滑AS2。降噪通过选自移动平均法、savitzky-golay的不同平滑技术或其任意组合来获得。
我们首先将列举平滑技术的一个实例。为此，列出降噪前和降噪后的整个信号及其一阶导数。
然后将给出光谱偏差的实例。最后给出边界的实例。应当指出，为了示范的目的，对这些实例，根据具有最显著贡献的特征和/或统计相关性来计算边界。
而且，以下实施例的目的是鉴定链球菌。
光谱的平滑
现在参照图6，其示出降噪之前和降噪之后的包含100％链球菌的试样的吸收信号(记录的信号对比平滑的信号)。
现在参照图7，其示出降噪之前和降噪之后的包含100％链球菌的试样的信号一阶导数(记录的信号对比平滑的信号)。分割吸收光谱及其一阶导数
给出的是不同试样(具有不同量的链球菌和葡萄球菌)的吸收光谱及其一阶导数。作为实例，给出两个选定段(950cm-1至1200cm-1；和1230cm-1至1360cm-1)中的吸收光谱及其一阶导数。
所有的段(对信号及其一阶导数分割而成)与相关性一起列于表3和4中。
现在参照图8～12，其示出950cm-1至1200cm-1的波数范围内的试样(实线)和参比试样(虚线)的吸收光谱及对应的统计相关性。图8～12还示出相同范围内的光谱一阶导数和对应的统计相关性。
每个吸收光谱都利用不同的技术(例如移动平均法、Savitzky-Golay法等)来平滑。
图8代表具有100％链球菌(虚线)的参比试样和具有100％链球菌(实线)的试样；
图9代表具有100％葡萄球菌(虚线)的参比试样和具有100％葡萄球菌(实线)的试样；
图10代表具有100％链球菌(虚线)的参比试样和具有50％链球菌和50％葡萄球菌(实线)的试样；
图11代表具有100％链球菌(虚线)的参比试样和具有75％链球菌和25％葡萄球菌(实线)的试样；
图12代表具有100％链球菌(虚线)的参比试样和具有25％链球菌和75％葡萄球菌(实线)的试样。
现在参照图13～17，其示出1220cm-1至1380cm-1的波数范围内的试样(实线)和参比试样(虚线)的吸收光谱一阶导数及对应的统计相关性。图13～17还示出相同范围内的光谱一阶导数和对应的统计相关性。
每个吸收光谱都利用不同的技术(例如移动平均法、Savitzky-Golay法等)来平滑。
图13代表具有100％链球菌的参比试样(虚线)的一阶导数和具有100％链球菌的试样(实线)的一阶导数；
图14代表具有100％链球菌的参比试样(虚线)的一阶导数和具有100％葡萄球菌的试样(实线)的一阶导数；
图15代表具有100％链球菌的参比试样(虚线)的一阶导数和具有50％链球菌和50％葡萄球菌的试样(实线)的一阶导数；
图16代表具有100％链球菌的参比试样(虚线)的一阶导数和具有75％链球菌和25％葡萄球菌的试样(实线)的一阶导数；
图17代表具有100％链球菌的参比试样(虚线)的一阶导数和具有25％链球菌和75％葡萄球菌的试样(实线)的一阶导数。从光谱提取m个特征
以下特征是提取的峰波长、峰高度和宽度、不同峰的强度比、峰高度比。根据所述特征将信号和信号的一阶导数分成上述段，其原因是在该区域中在待检测的特定细菌(即链球菌)和其它细菌(例如葡萄球菌)之间存在差别。
每个段的m1个统计相关性和加权因子
下表4示出每个段的信号一阶导数的m1个统计相关性。波数范围以cm-1计，并在括号中给出。表4还列出每个统计相关性的加权因子。
表4：信号的一阶导数相关性表
试样   相关性1[1190:990]   相关性2[1363:1235]   相性3[1650:1550]   相关性4[1780:1720]   相关性5[2995:2836]
  链球菌100％   0.9966   0.988   0.9987   0.5004   0.9987
  葡萄球菌100％   0.7845   0.7467   0.996   0.3735   0.9826
  链球菌   0.9167   0.978   0.998   0.8102   0.9892
  75％
链球菌50％ 0.9753   0.9016   0.9993   0.7703   0.9888
链球菌25％ 0.9646   0.8246   0.9979   0.4362   0.9901
加权因子   0.31   0.3   0.02   0.001   0.019
下表5示出每个段的信号的m1个统计相关性。波数范围以cm-1计，并在括号中给出。表5还列出每个统计相关性的加权因子。
表5：信号相关性表
试样   相关性1[1190:990]   相关性2[1363:1235]   相关性3[1650:1550]   相关性4[1780:1720]   相关性5[2995:2836]
  链球菌100％   0.99887   0.99417   0.99985   0.99697   0.99987
  葡萄球菌100％   0.8719   0.97454   0.9978   0.98574   0.99703
  链球菌75％   0.91777   0.98977   0.99901   0.99817   0.99775
  链球菌50％   0.99542   0.987   0.99982   0.99563   0.99697
  链球菌25％   0.98933   0.98857   0.99739   0.98584   0.99598
  加权因子   0.18   0.09   0.04   0.02   0.02
每个特征或相关性的加权因子通过最大概似法确定。
由表4和5可见，相关性1和相关性2在信号及其一阶导数中均具有最大的加权因子。因此，我们将举例说明这些相关性的计算的边界。边界计算
如上所述，根据对试样中的特定细菌鉴定具有最显著贡献的特征和/或统计相关性计算边界。
现在参照图18，其示出能够鉴定细菌的二维区域的边界。该边界基于从一阶导数计算的对细菌预测具有显著作用的两个特征或相关性-相关性1(用于990cm-1至1190cm-1的波数范围)和相关性2(用于1235cm-1至1363cm-1的波数范围)来计算。待鉴定的特定细菌是链球菌。
由图18可见，当在试样中存在链球菌时，可以以光学方式确定和鉴定其在试样中的存在。
验证特征或相关性是否在边界内
一旦获得检测试样(例如，包含50％链球菌的试样)，则读取吸收信号，计算一阶导数并处理数据。然后，可以根据相关性和/或特征确定试样中是否存在链球菌。图18中列出的相关性是第1和第2相关性。
由图15可见，一阶导数的第2相关性(由1235cm-1至1363cm-1的波数范围计算的相关性)为0.9016，一阶导数的第1相关性(由990cm-1至1190cm-1的波数范围计算的相关性)为0.9753(图10)。
再次参照图18，可见点(0.9016，0.9753)在链球菌区域中-因此我们可以告知患者在试样中存在链球菌。
现在看另一个实例-100％葡萄球菌(即，没有链球菌)。
由图14可见，一阶导数的第2相关性(由1235cm-1至1363cm-1的波数范围计算的相关性)为0.7467，一阶导数的第1相关性(由990cm-1至1190cm-1的波数范围计算的相关性)为0.7845(图9)。
再次参照图18，可见点(0.7467，0.7845)在葡萄球菌区域中-因此我们可以告知患者在试样中不存在链球菌。
将m个特征和m1个相关性关联至特定细菌
将以下特征和相关性关联至链球菌：表3中的峰1、2、9、12、13和14以及在990cm-1至1190cm-1和1235cm-1至1363cm-1范围内的一阶导数相关性。
应当指出，本发明检测整个细菌，而不仅是膜上的单个蛋白质。
实施例4-区分溶液中的两种细菌
以下体外实例提供一种区分溶液中的两种细菌的方法。该溶液包含酿脓链球菌和金黄色酿脓葡萄球菌的混合物。而且，该体外实例提供一种鉴定和确定试样中是否存在链球菌的方法。
以下实例提供一种区分溶液中的两种细菌的方法。该溶液包含酿脓链球菌和金黄色酿脓葡萄球菌的混合物。
制备酿脓链球菌和金黄色酿脓葡萄球菌的五种混合物。然后在不同的波长范围内通过利用上述皮尔逊相关系数来分析试样的光谱吸收谱的一阶导数。
混合物制备如下：(从HY Labs(08-9366475.www.hylabs.co.il))购买第三次转染(注：在突变之前两次额外转染是可接受的)之后的β-溶血性链球菌(批号6919)和金黄色酿脓葡萄球菌(批号6985)。
接下来，给两个eppendorf管称重。然后，对每个牌子制备贮备溶液。总体积为160μl+10swipes具有来自所述两个检测板中的每个板的接种环。
接下来，将30μL溶液置于光学板(ZnSe)上的一个标记的槽上：一个槽用于30μL的链球菌，一个槽用于30μL的ddH2O。然后，将30μL溶液置于另一光学板(ZnSe)上的一个标记的槽上：一个槽用于30μL的葡萄球菌，一个槽用于30μL的双蒸水(ddH2O)。
接下来，将板置于干燥器内(Dessicator 250mm聚丙烯，YavinYeda)，其中存在几个具有干燥剂(五氧化二鳞，目录号#79610，SigmaAldrich)的培养皿，并且施加真空30分钟。
接下来，以14,0000RPM(HSIANGTAI CNM2000)的转速将两个离心管离心5分钟。然后吸出上清液。然后，给管称重，并且通过用ddH2O稀释干细菌来调节均匀浓度。
记录以下计算结果：
  空管重量  管+细菌重量   细菌重量mg   添加的水
  酿脓链球菌   1.05167   1.05814   6.47   150l
  金黄色葡萄球菌   1.06035   1.07268   12.33   300μl
接下来，根据下表制备5个溶液：
 总体积μl   酿脓链球菌％(从母液取出的量，μl)   金黄色葡萄球菌CFU/160μL(从母液取出的量)
  60   100％(60μL)   0％(0μL)
  60   75％(45μL)   25％(15μL)
  60   50％(30μL)   50％(30μL)
  60   25％(15μL)   75％(45μL)
  60   0(0μL)   0(0μL)
  总计   μL 150   μL 150
然后，以140,000RPM(HSIANGTAI CNM2000)的转速将两个离心管离心5分钟；并且吸出上清液。接下来，将2～3μL液滴置于光学板的两侧上，并且读取光谱信号。
特定细菌的鉴定和/或检测如下：
(a)通过使用Savitzky-Golay平滑降低每个吸收光谱中的噪音；
(b)计算信号的一阶导数；
(c)从光谱提取m个特征，例如但不限于峰波长、峰高度和宽度、峰高比等。提取共m个特征。m是大于或等于1的整数；
(d)根据所述m个特征将信号和/或其一阶导数分成几个区(段)；
(e)对(i)每个区域的光谱信号和(ii)每个区域的信号的导数计算m1个统计相关性。提取m1个统计相关性。m1是大于或等于1的整数。通过利用皮尔逊相关系数来计算每个区域(信号及其导数)的统计相关性；
(f)检查m个特征和m1个统计相关性，并验证它们是否在n维体积边界(其通过统计处理获得)内；
(g)如果所述m个特征和/或m1个统计相关性在n维体积边界内，则确定特定细菌的鉴定为阳性。
统计处理
统计处理尤其适于提供n维体积边界。对于每种特定的细菌，为了获得所述边界，只进行一次统计处理。一旦提供所述边界，就按上述方式(即，验证所述特征或相关性是否在所述边界内)确定试样中是否存在所述特定细菌。而且，一旦提供所述边界，就不再需要再次对相同的特定细菌进行统计处理。
按以下方式对每种特定细菌进行统计处理：
(a)获得包含特定细菌的试样的几个吸收光谱(AS2)；
(b)从所述AS2提取例如但不限于峰波长、峰高度和宽度、不同峰的强度比等x个特征。共x个特征。x为大于或等于1的整数；
(c)计算信号的一阶导数；
(d)根据所述x个特征将所述信号和/或其一阶导数分成几个区域(段)；
(e)对吸收光谱内的不同段计算y个相关性；
(f)定义n维空间。n等于x个特征和y个统计相关性之和；
(g)将x个特征中的每一个和y个相关性中的每一个归属至和/或关联至需要鉴定的特定细菌；
(h)对(i)每个x特征；和(ii)每个y统计相关性计算高斯分布。所有的计算高斯分布定义n维空间内的n维体积；和
(i)利用二次高斯分类或类似方法(例如k最近邻法、贝叶斯分类)来确定每个体积的边界。
如果(从所述光谱提取的)所述特征和相关性落在所述n维体积边界内，则鉴定是所述特定细菌。否则，鉴定不是所述特定细菌。
作为一个替代方案或其它方案，x个特征中的每一个和/或y个统计相关性中的每一个都被赋予加权因子。加权因子通过考查每个特征或相关性如何提高细菌检测的预测来确定(例如，使用最大概似法或贝叶斯估计来确定)。一旦给x个特征中的每一个和y个统计相关性中的每一个赋予加权因子，则确定对于细菌预测具有最显著贡献的特征和/和统计相关性的边界。
作为一个替代方案或其它方案，通过降噪来平滑AS2。降噪通过选自移动平均法、savitzky-golay或其任意组合的不同平滑技术来获得。
我们首先将列举平滑技术的一个实例。为此，列出降噪前和降噪后的整个信号及其一阶导数。
然后将给出光谱偏差的实例。最后给出边界的实例。应当指出，为了示范的目的，对这些实例，根据具有最显著贡献的特征和/或统计相关性来计算边界。
而且，以下实施例的目的是鉴定链球菌。
光谱的平滑
现在参照图19，其示出降噪之前和降噪之后的包含100％链球菌的试样的吸收信号(记录的信号对比平滑的信号)。
现在参照图20，其示出降噪之前和降噪之后的包含100％链球菌的试样的信号一阶导数(记录的信号对比平滑的信号)。
分割吸收光谱及其一阶导数
给出不同试样(具有不同量的链球菌和葡萄球菌)的吸收光谱的一阶导数。作为实例，给出三个选定段(950cm-1至1200cm-1；1220cm-1至1380cm-1；和1710cm-1至1780cm-1)中的一阶导数。
所有的段(对信号及其一阶导数分割而成)与相关性一起列于表5和6中。
现在参照图21～23，其示出包含100％链球菌的参比试样(虚线)和具有100％链球菌的试样(实线)的吸收光谱及对应的统计相关性。
图21示出在950cm-1至1200cm-1的第一范围区域中的参比试样和试样的一阶导数。图22示出在1220cm-1至1380cm-1的第二范围区域中的参比试样和试样的一阶导数。图23示出在1710cm-1至1780cm-1的第三范围区域中的参比试样和试样的一阶导数。
现在参照图24～26，其示出包含100％链球菌的参比试样(虚线)和具有100％葡萄球菌的试样(实线)的吸收光谱的一阶导数。该图还示出对应的统计相关性。
图24示出在950cm-1至1200cm-1的第一范围区域中的参比试样和试样的一阶导数。
图25示出在1220cm-1至1380cm-1的第二范围区域中的参比试样和试样的一阶导数。
图26示出在1710cm-1至1780cm-1的第三范围区域中的参比试样和试样的一阶导数。
现在参照图27～29，其示出包含100％链球菌的参比试样(虚线)和包含50％葡萄球菌和50％链球菌的试样(实线)的吸收光谱的一阶导数。该图还示出对应的统计相关性。
图27示出在950cm-1至1200cm-1的第一范围区域中的参比试样和试样的一阶导数。
图28示出在1220cm-1至1380cm-1的第二范围区域中的参比试样和试样的一阶导数。
图29示出在1710cm-1至1780cm-1的第三范围区域中的参比试样和试样的一阶导数。
现在参照图30～32，其示出包含100％链球菌的参比试样(虚线)和包含25％葡萄球菌和75％链球菌的试样(实线)的吸收光谱的一阶导数。该图还示出对应的统计相关性。
图30示出在950cm-1至1200cm-1的第一范围区域中的参比试样和试样的一阶导数。
图31示出在1220cm-1至1380cm-1的第二范围区域中的参比试样和试样的一阶导数。
图32示出在1710cm-1至1780cm-1的第三范围区域中的参比试样和试样的一阶导数。
现在参照图33～35，其示出包含100％链球菌的参比试样(虚线)和包含75％葡萄球菌和25％链球菌的试样(实线)的吸收光谱的一阶导数。该图还示出对应的统计相关性。
图33示出在950cm-1至1200cm-1的第一范围区域中的参比试样和试样的一阶导数。
图34示出在1220cm-1至1380cm-1的第二范围区域中的参比试样和试样的一阶导数。
图35示出在1710cm-1至1780cm-1的第三范围区域中的参比试样和试样的一阶导数。
从光谱提取m个特征
以下特征是提取的峰波长、峰高度和宽度、不同峰的强度比、峰高度比。根据所述特征将信号和信号的一阶导数分成上述段，其原因是在该区域中在待检测的特定细菌(即链球菌)和其它细菌(例如葡萄球菌)之间存在差别。
每个段的m1个统计相关性和加权因子
下表6示出每个段的信号一阶导数的m1个统计相关性。波数范围以cm-1计，并在括号中给出。表6还列出每个统计相关性的加权因子。
表6：信号的一阶导数相关性的表
试样   相关性1[1190:990]   相关性2[1363:1235]   相关性3[1650:1550]   相关性4[1780:1720]   相关性5[2995:2836]
  链球菌   0.99719   0.99517   0.98354   0.99716   0.99794
  100％
  葡萄球菌100％   0.89313   0.91064   0.89163   -0.43181   0.98581
  链球菌75％   0.98223   0.98223   0.98703   0.86995   0.99619
  100％
  链球菌50％   0.91633   0.95679   0.83732   -0.1747   0.98709
  链球菌25％   0.90358   0.93308   0.83065   -0.19636   0.99509
  加权因子   0.27   0.18   0.01   0.3   0.05
下表7示出每个段的信号的m1个统计相关性。波数范围以cm-1计，并在括号中给出。表7还列出每个统计相关性的加权因子。
试样   相关性1[1190:990]   相关性2[1363:1235]   相关性3[1650:1550]   相关性4[1780:1720]   相关性5[2995:2836]
  链球菌100％   0.99097   0.99954   0.99237   0.99997   0.99923
  葡萄球菌100％   0.97118   0.99099   0.90992   0.99441   0.99516
  链球菌75％   0.98197   0.9858   0.93361   0.99329   0.99692
  链球菌50％   0.98696   0.99762   0.99266   0.99921   0.99983
  链球菌25％   0.96841   0.98883   0.85486   0.99385   0.98444
  加权因子   0.09   0.005   0.005   0.01   0.09
每个特征或相关性的加权因子通过最大概似法确定。
由表6和7可见，相关性1和相关性4在信号及其一阶导数中均具有最大的加权因子。因此，我们将举例说明这些相关性的计算边界。边界计算
如上所述，根据对试样中的特定细菌鉴定具有最显著贡献的特征和/或统计相关性计算边界。
现在参照图36，其示出能够鉴定细菌的二维区域的边界。该边界基于从一阶导数计算的对细菌预测具有显著作用的两个特征或相关性-相关性1(用于990cm-1至1190cm-1的波数范围)和相关性2(用于1235cm-1至1363cm-1的波数范围)来计算。待鉴定的特定细菌是链球菌。
如前所述，通过二次高斯分类或类似方法确定相关性值以及其它特征的边界。
同样，由图36可见以及与在干试样中所证实的，当在试样中存在链球菌时，可以以光学方式确定和鉴定其在试样中的存在。
验证特征或相关性是否在边界内
一旦获得检测试样(例如，包含25％链球菌的试样)，则读取吸收信号，计算一阶导数并处理数据。然后，可以根据相关性和/或特征确定试样中是否存在链球菌。图36中列出的相关性是第1和第4相关性。
由图35可见，一阶导数的第4相关性(由1720cm-1至1780cm-1的波数范围计算的相关性)为-0.1936，一阶导数的第1相关性(由990cm-1至1190cm-1的波数范围计算的相关性)为0.90358(图33)。
再次参照图36，可见点(-0.1936，0.90358)在链球菌区域中-因此我们可以告知患者在试样中存在链球菌。
现在看另一个实例-100％葡萄球菌(即，没有链球菌)。
由图26可见，一阶导数的第4相关性(由1720cm-1至1780cm-1的波数范围计算的相关性)为-0.43181，一阶导数的第1相关性(由990cm-1至1190cm-1的波数范围计算的相关性)为0.89313(图24)。
由图36，可见点(-0.43181，0.89313)在葡萄球菌区域中-因此我们可以告知患者在试样中不存在链球菌。
将m个特征和m1个相关性关联至特定细菌
将以下特征和相关性关联至链球菌：表3中的峰1、2、9、12、13和14以及在990cm-1至1190cm-1和1235cm-1至1363cm-1范围内的一阶导数相关性。
应当指出，本发明检测整个细菌，而不仅是膜上的单个蛋白质。
而且，应当指出，在该示例性实施例中，未消除水的影响。因此，在不消除水影响的情况下鉴定细菌在本发明的范围内。

Claims (25)

1.一种检测和/或鉴定未培养试样中特定细菌的方法；其中所述方法包括：
a.获得所述未培养试样的吸收光谱(AS)；
b.通过以下步骤获取所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii.计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.对所述AS进行数据处理：
i.通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
2.根据权利要求1所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中对所述AS进行数据处理的所述步骤(c)还包括如下步骤：
i.计算所述AS的o阶导数中的至少一个；所述o是大于或等于1的整数；
ii.从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征；
iii.根据所述m2个特征将所述o阶导数分成几段；
iv.在每个所述段中计算m3个统计相关性；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
3.根据权利要求1或2所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述计算每个所述段的统计相关性的步骤通过利用皮尔逊相关系数来进行。
4.根据权利要求1～3中任一项所述的检测和/或鉴定未培养试样中的特定细菌的方法，还包括选择选自如下细菌的特定细菌的步骤：酿脓链球菌(Streptococcus Pyogenes)、C组和G组β-溶血性链球菌(Group Cand G beta-hemolytic streptococci)、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌(Corynebacterium haemolyticum，Diphtheria andUlcerans)、淋病奈瑟氏球菌(Neisseria Gonorrhoeae)、肺炎支原体(Mycoplasma Pneumoniae)、小肠结肠炎耶尔森氏菌(YersiniaEnterocolitica)、结核分枝杆菌(Mycobacterium tuberculosis)、沙眼衣原体和肺炎衣原体(Chlamydia Trachomatiss and Pneumoniae)、百日咳博德特氏菌(Bordetella Pertussis)、军团杆菌(Legionella spp)、肺炎肺囊虫(Pneumocystis Carinii)、诺卡氏菌属(Nocardia)、荚膜组织胞浆菌(Histoplasma Capsulatum)、粗球孢子菌(Coccidioides Immitis)、A组β-溶血性流感嗜血杆菌(Haemophilus influenza group A betahemolytic)和金黄色葡萄球菌(staphylococcus Aureus)。
5.根据权利要求1～4中任一项所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述获得AS的步骤还包括以下步骤：
a.提供至少一个容纳所述未培养试样的光学池；
b.提供选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于向所述光学池发射光；
c.提供用于接收所述试样的光谱数据的检测装置；
d.以不同的波长由所述光源向所述光学池发射光；和
e.通过所述检测装置收集从所述光学池出来的光；由此获得所述AS。
6.根据权利要求5所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述发射光的步骤在紫外、可见光、红外、中红外、远红外和太赫兹的波长范围内进行。
7.根据权利要求1～6中任一项所述的检测和/或鉴定未培养试样中的特定细菌的方法，还包括通过在约3000～3300cm-1和/或约850～1000cm-1和/或约1300～1350cm-1的区域中分析所述AS来检测所述细菌的步骤。
8.一种检测和/或鉴定未培养试样中的特定细菌的方法；其中所述方法包括：
a.获得所述未培养试样的吸收光谱(AS)；所述AS包含水的影响；
b.通过以下步骤获取所述特定细菌的n维体积边界：
i.获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)；
ii.从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征；所述x是大于或等于1的整数；
iii.计算所述AS2的至少一个导数；
iv.根据所述x个特征将所述AS2分成几段；
v.计算每个所述段的y个统计相关性；所述y为大于或等于1的整数；
vi.定义n维空间；n等于所述x个特征和所述y个统计相关性之和；
vii.将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌；
viii.对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布；所述高斯分布定义所述n维空间内的n维体积；
ix.通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界；
c.从所述AS消除水的影响；
i.提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))；
ii.将所述AS分成至少两个波数范围；
iii.计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))；
iv.从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应的波数(x1)；
v.计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))；
vi.在所述至少一个波数(x1)处用所述至少一个Sig只有水(x1)除以至少一个CF水(即Sig只有水(x1)/CF只有水(x1))；
vii.计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])；
viii.对于所述AS内的每个所述波数(x)，用所述AVG[Sig只有水(x1)/CF只有水](x1)乘以CF(x)；和
ix.在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果；
d.在没有所述水影响的情况下通过以下步骤对所述AS进行数据处理：
i.通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征；所述m是大于或等于1的整数；
iii.根据所述m个特征将所述AS分成几段；
iv.计算每个所述段的m1个统计相关性；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
9.根据权利要求8所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中在没有所述水影响的情况下对所述AS进行数据处理的所述步骤(c)还包括如下步骤：
i.计算所述AS的o阶导数中的至少一个；所述o是大于或等于1的整数；
ii.从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征；
iii.根据所述m2个特征将所述o阶导数分成几段；
iv.计算每个所述段中的m3个统计相关性；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌。
10.根据权利要求8或9所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述计算每个所述段的统计相关性的步骤通过利用皮尔逊相关系数来进行。
11.根据权利要求8～10中任一项所述的检测和/或鉴定未培养试样中的特定细菌的方法，还包括选择选自如下细菌的特定细菌的步骤：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
12.根据权利要求8～11中任一项所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述获得AS的步骤还包括以下步骤：
a.提供至少一个容纳所述未培养试样的光学池；
b.提供选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于向所述光学池发射光；
c.提供用于接收所述试样的光谱数据的检测装置；
d.以不同的波长由所述光源向所述光学池发射光；和
e.通过所述检测装置收集从所述光学池出来的光；由此获得所述AS。
13.根据权利要求12所述的检测和/或鉴定未培养试样中的特定细菌的方法，其中所述发射光的步骤在紫外、可见光、红外、中红外、远红外和太赫兹的波长范围内进行。
14.一种适于检测和/或鉴定未培养试样中的特定细菌的系统1000；其中所述系统包括：
a.用于获得所述未培养试样的吸收光谱(AS)的装置100；
b.用于获取所述特定细菌的n维体积边界的统计处理装置200；所述装置200的特征在于：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.对所述AS进行数据处理的装置300；所述装置300的特征在于：
i.用于通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪的装置301；
ii.用于从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置302；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置303；
iv.用于计算每个所述段的所述m1个统计相关性的装置304；所述m1是大于或等于1的整数；和
d.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置400。
15.根据权利要求14所述的系统1000，其中对所述AS进行数据处理的所述装置300的特征还在于：
i.用于计算所述AS的o阶导数中的至少一个的装置305；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置306；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置307；
iv.用于计算每个所述段中的m3个统计相关性的装置308；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置309。
16.根据权利要求14或15所述的系统1000，其中用于计算所述统计相关性的所述装置308或304选自皮尔逊相关系数。
17.根据权利要求14～16中任一项所述的系统1000，其中所述特定细菌选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
18.根据权利要求14～16中任一项所述的系统1000，其中所述用于获得吸收光谱(AS)的装置100还包括：
a.至少一个容纳所述未培养试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪中的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
19.根据权利要求18所述的系统1000，其中所述p个光源适于发射波长范围选自紫外、可见光、红外、中红外、远红外和太赫兹的光。
20.一种适于检测和/或鉴定未培养试样中的特定细菌的系统2000；其中所述系统2000包括：
a.用于获得所述未培养试样的吸收光谱(AS)的装置100；所述AS包含水的影响；
b.用于获取所述特定细菌的n维体积边界的统计处理装置200；所述装置200的特征在于：
i.用于获得包含所述特定细菌的试样的至少一个吸收光谱(AS2)的装置201；
ii.用于从所述AS2提取选自峰波长、峰高度和宽度、不同峰强度比或其任意组合的x个特征的装置202；所述x是大于或等于1的整数；
iii.用于计算所述AS2的至少一个导数的装置203；
iv.用于根据所述x个特征将所述AS2分成几段的装置204；
v.用于计算每个所述段的y个统计相关性的装置205；所述y为大于或等于1的整数；
vi.用于定义n维空间的装置206；n等于所述x个特征和所述y个统计相关性之和；
vii.用于将所述x个特征中的每一个和所述y个相关性中的每一个归属于所述特定细菌的装置207；
viii.用于对所述x个特征中的每一个和/或所述y个统计相关性中的每一个计算高斯分布的装置208；所述高斯分布定义所述n维空间内的n维体积；
ix.用于通过利用选自二次高斯分类、k最近邻法、贝叶斯分类或其任意组合的技术来确定所述n维体积的所述边界的装置209；
c.用于从所述AS消除水的影响的装置300；所述装置300具有；
i.用于提供所述AS内每个波数(x)处的吸收强度(Sig有水(x))的装置301；
ii.用于将所述AS分成至少两个波数范围的装置302；
iii.用于计算所述至少两个范围内每个波数(x)处的校正因子(CF)(CF(x))的装置303；
iv.用于从所述AS获取主要受所述水影响的至少一个吸收强度(Sig只有水(x1))及对应的波数(x1)的装置304；
v.用于计算所述至少一个波数(x1)处所述水的至少一个校正因子(CF只有水(x1))的装置305；
vi.用于在所述至少一个波数(x1)处用所述至少一个Sig只有水(x1)除以所述至少一个CF水(即Sig只有水(x1)/CF只有水(x1))的装置306；
vii.用于计算步骤(vi)的平均值(AVG[Sig只有水(x1)/CF只有水(x1)])的装置307；
viii.用于对所述AS内的每个所述波数(x)用所述AVG[Sig只有水(x1)/CF只有水](x1)乘以所述CF(x)的装置308；和
ix.用于在所述AS内的每个所述波数(x)处从所述Sig有水(x)减去所述步骤(viii)的结果的装置309；
d.用于在没有所述水影响的情况下对所述AS进行数据处理的装置400；所述装置400的特征在于：
i.用于通过使用选自移动平均法、savitzky-golay法或其任意组合的不同平滑技术来降噪的装置401；
ii.从所述AS提取选自峰宽度、强度、宽度/强度比、峰波长、不同峰的强度比或其任意组合的m个特征的装置402；所述m是大于或等于1的整数；
iii.用于根据所述m个特征将所述AS分成几段的装置403；
iv.用于计算每个所述段的所述m1个统计相关性的装置404；所述m1是大于或等于1的整数；和
e.如果所述m1个统计相关性和/或所述m个特征在所述n维体积内则检测和/或鉴定存在所述特定细菌的装置500。
21.根据权利要求20所述的系统2000，其中用于对所述AS进行数据处理的所述装置400还包括：
i.用于计算所述AS的o阶导数中的至少一个的装置405；所述o是大于或等于1的整数；
ii.用于从所述o阶导数中提取选自峰宽度、强度、宽度/强度比、不同峰的强度比、峰波长或其任意组合的m2个特征的装置406；
iii.用于根据所述m2个特征将所述o阶导数分成几段的装置407；
iv.用于计算每个所述段中的所述m3个统计相关性的装置408；和
v.如果所述m1和/或m3个统计相关性和/或所述m和/或m2个特征在所述n维体积内，则检测和/或鉴定存在所述特定细菌的装置409。
22.根据权利要求20或21中任一项所述的系统2000，其中用于计算每个所述段的统计相关性的所述装置408和/或404选自皮尔逊相关系数。
23.根据权利要求20～22中任一项所述的系统2000，其中所述特定细菌选自：酿脓链球菌、C组和G组β-溶血性链球菌、溶血棒状杆菌和白喉棒状杆菌以及溃疡棒状杆菌、淋病奈瑟氏球菌、肺炎支原体、小肠结肠炎耶尔森氏菌、结核分枝杆菌、沙眼衣原体和肺炎衣原体、百日咳博德特氏菌、军团杆菌、肺炎肺囊虫、诺卡氏菌属、荚膜组织胞浆菌、粗球孢子菌、A组β-溶血性流感嗜血杆菌和金黄色葡萄球菌。
24.根据权利要求20～23中任一项所述的系统2000，其中用于获得所述试样的吸收光谱(AS)的所述装置100还包括：
a.至少一个容纳所述未培养试样的光学池；
b.选自激光器、灯、LED可调谐激光器、单色仪的p个光源，p是大于或等于1的整数；所述p个光源适于以不同波长向所述光学池发射光；和
c.用于接收从所述光学池出来的所述试样的光谱数据的检测装置。
25.根据权利要求24所述的系统2000，其中所述p个光源适于发射波长范围选自紫外、可见光、红外、中红外、远红外和太赫兹的光。
CN200880015129A 2007-04-04 2008-04-06 用于检测试样内细菌的装置和方法 Pending CN101730745A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US92173007P 2007-04-04 2007-04-04
US60/921,730 2007-04-04
PCT/IL2008/000472 WO2008122975A2 (en) 2007-04-04 2008-04-06 Means and methods for detecting bacteria in a sample

Publications (1)

Publication Number Publication Date
CN101730745A true CN101730745A (zh) 2010-06-09

Family

ID=39615711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880015129A Pending CN101730745A (zh) 2007-04-04 2008-04-06 用于检测试样内细菌的装置和方法

Country Status (6)

Country Link
US (1) US9102975B2 (zh)
EP (1) EP2134856A2 (zh)
JP (1) JP2010523970A (zh)
CN (1) CN101730745A (zh)
CA (1) CA2683142A1 (zh)
WO (1) WO2008122975A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103792204A (zh) * 2014-01-20 2014-05-14 郑州市中食农产品加工研究院 一种基于太赫兹时域光谱技术的微生物快速检测技术

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120077206A1 (en) 2003-07-12 2012-03-29 Accelr8 Technology Corporation Rapid Microbial Detection and Antimicrobial Susceptibility Testing
EP1648286B1 (en) 2003-07-12 2017-12-20 Accelerate Diagnostics, Inc. Sensitive and rapid biodetection
GB2482423A (en) * 2010-07-31 2012-02-01 Advanced Biomedical Ltd A method for determining the effectiveness of a sterilization or disinfection process
US10254204B2 (en) 2011-03-07 2019-04-09 Accelerate Diagnostics, Inc. Membrane-assisted purification
EP2683831B1 (en) 2011-03-07 2015-09-23 Accelerate Diagnostics, Inc. Rapid cell purification systems
WO2013093913A1 (en) * 2011-12-19 2013-06-27 Opticul Diagnostics Ltd. Spectroscopic means and methods for identifying microorganisms in culture
US9677109B2 (en) 2013-03-15 2017-06-13 Accelerate Diagnostics, Inc. Rapid determination of microbial growth and antimicrobial susceptibility
US10316347B2 (en) 2014-06-26 2019-06-11 Ecolab Usa Inc. Endospore detection using hydrophobic collection material
CN107709970B (zh) 2015-02-25 2021-03-05 奥特赛斯诊断有限公司 身体排出物分析
US10023895B2 (en) 2015-03-30 2018-07-17 Accelerate Diagnostics, Inc. Instrument and system for rapid microogranism identification and antimicrobial agent susceptibility testing
US10253355B2 (en) 2015-03-30 2019-04-09 Accelerate Diagnostics, Inc. Instrument and system for rapid microorganism identification and antimicrobial agent susceptibility testing
JP7027408B2 (ja) 2016-08-30 2022-03-01 アウトセンス ダイアグノスティクス リミテッド 身体排出物の分析
DE102017108278B4 (de) * 2017-04-19 2019-03-07 Bruker Daltonik Gmbh Mikrobieller Teststandard für die Verwendung in der Infrarot-Spektrometrie
JP7264724B2 (ja) * 2019-05-30 2023-04-25 花王株式会社 角層解析方法
JP7361920B2 (ja) * 2020-06-22 2023-10-16 株式会社日立ハイテク 遠赤外分光装置
WO2023105758A1 (ja) * 2021-12-10 2023-06-15 株式会社日立ハイテク 遠赤外分光装置、及び遠赤外分光方法
US11874223B1 (en) 2022-08-30 2024-01-16 The Goodyear Tire & Rubber Company Terahertz characterization of a multi-layered tire tread

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4847198A (en) 1987-10-07 1989-07-11 The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations Detection and indentification of bacteria by means of ultra-violet excited resonance Raman spectra
EP0644412A3 (de) * 1993-09-17 1995-08-09 Boehringer Mannheim Gmbh Verfahren zur Analyse klinisch relevanter Flüssigkeiten und Suspensionen.
US6844199B1 (en) 1997-03-14 2005-01-18 The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations Direct detection of bacteria-antibody complexes via UV resonance Raman spectroscopy
US6599715B1 (en) 1999-05-12 2003-07-29 The Regents Of The University Of California Real time viability detection of bacterial spores
US6379920B1 (en) 1999-07-24 2002-04-30 Georgia Tech Research Corp. Spectroscopic diagnostics for bacteria in biologic sample
DE10051806A1 (de) 2000-10-18 2002-04-25 Bayer Ag Verfahren zur Charakterisierung, Identifizierung und Kennzeichnung von mikrobiellen Mischungen

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103792204A (zh) * 2014-01-20 2014-05-14 郑州市中食农产品加工研究院 一种基于太赫兹时域光谱技术的微生物快速检测技术

Also Published As

Publication number Publication date
WO2008122975A3 (en) 2008-12-18
US9102975B2 (en) 2015-08-11
US20100099139A1 (en) 2010-04-22
JP2010523970A (ja) 2010-07-15
EP2134856A2 (en) 2009-12-23
WO2008122975A2 (en) 2008-10-16
CA2683142A1 (en) 2008-10-16

Similar Documents

Publication Publication Date Title
CN101730745A (zh) 用于检测试样内细菌的装置和方法
US20110184654A1 (en) Means and Methods for Detecting Bacteria in an Aerosol Sample
Boots et al. Identification of microorganisms based on headspace analysis of volatile organic compounds by gas chromatography–mass spectrometry
Feng et al. FTIR-assisted MALDI-TOF MS for the identification and typing of bacteria
Hubalek Coefficients of association and similarity, based on binary (presence‐absence) data: an evaluation
Essendoubi et al. Rapid identification of Candida species by FT-IR microspectroscopy
US8237107B2 (en) Spectrophotometric identification of microbe subspecies
King et al. Assays and enumeration of bioaerosols-traditional approaches to modern practices
Kwon et al. Rapid metabolic discrimination and prediction of dioscin content from African yam tubers using Fourier transform-infrared spectroscopy combined with multivariate analysis
Essendoubi et al. Epidemiological investigation and typing of Candida glabrata clinical isolates by FTIR spectroscopy
Nitrosetein et al. Attenuated Total Reflection Fourier Transform Infrared Spectroscopy combined with chemometric modelling for the classification of clinically relevant Enterococci
Van Ooyen Theoretical aspects of pattern analysis
Shen et al. Qualitative analysis of lambda-cyhalothrin on Chinese cabbage using mid-infrared spectroscopy combined with fuzzy feature extraction algorithms
CN103336915A (zh) 基于质谱数据获取生物标志物的方法及装置
Zehm et al. Detection of Candida albicans by mass spectrometric fingerprinting
Yang et al. Protocol for bacterial typing using Fourier transform infrared spectroscopy
Giraud-Gatineau et al. Insights into subspecies discrimination potentiality from bacteria MALDI-TOF mass spectra by using data mining and diversity studies
CN109187385A (zh) 一种高光谱成像鉴定微生物的方法
US20110178721A1 (en) Means and methods for detecting antibiotic resistant bacteria in a sample
CN107103206A (zh) 基于标准熵的局部敏感哈希的dna序列聚类
CN104520715A (zh) 质谱微生物鉴定过程中对混合物的检测
van de Bilt et al. Application of matrix-assisted laser desorption ionization time-of-flight mass spectrometry for rapid and accurate identification of Ralstonia solanacearum and Ralstonia pseudosolanacearum
Sun et al. LRSK: a low-rank self-representation K-means method for clustering single-cell RNA-sequencing data
CN113390853B (zh) 利用拉曼光谱鉴别细菌和真菌的方法及系统
Pena et al. Comparison of performance of MALDI-TOF MS and MLST for biotyping carbapenemase-producing Klebsiella pneumoniae sequence types ST11 and ST101 isolates

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20100609