第一作者：HaoranLiu
通讯作者：杨雁冰;袁荃
通讯单位：武汉大学；湖南大学
光子晶体增强的磁微粒发光免疫分析
Python算法处理发光图像
尿路感染（UTIs）是由致病菌侵入尿路引起的炎症，其并发症可危及生命，对全球超过1.5亿人的健康构成重大威胁[1]。UTI可治疗，但患者复发率高，因而康复后仍需定期检查[2]。然而，尿培养作为UTIs诊断的金标准，存在检测周期长等诸多局限[3]。
据此，本文描述了一种智能诊断系统，其整合磁微粒发光免疫生物传感器、信号放大生物芯片和基于Python的图像处理算法用于尿液中细菌的快速检测。显然，算法的图像分辨率优于人工观测。利用Python算法对微弱的发光信号进行分析，可为细菌检测提供较低的检测限和较宽的检测范围。对于大数据时代的健康管理和个性化医疗，这种算法与生物传感器结合的方法有望成为慢性病患者自我诊断的有效工具。
图1基于Python图像算法的免疫发光分析实现尿液中的细菌检测
要点1.光子晶体增强的磁微粒发光免疫分析
本文提出的发光免疫生物传感器（采用双抗体夹心法）用磁性纳米颗粒（MnNPs，羧基改性的Fe3O4纳米粒子）和Zn2GeO4:Mn纳米颗粒（ZGO:MnNPs）分别标记致病菌的抗体（图2a）。当细菌存在时，与标记抗体形成免疫复合物（图2b-d）。荧光发射显示：当E.coli和S.aureus存在时，均在nm处观察到一个强发射峰（图2e-f）。经评估，方法的检出限（LOD）为-cfu/mL。
光子晶体（PC）是一种具有周期性结构的空间高度有序纳米材料[4]。由于光子带隙特性，特定波长的光不能在晶体内部传播，而会被反射[5]。研究表明，PC能增加荧光强度。基于此，将传感器与信号放大生物芯片相结合，构建了一个便携式设备用于尿液中细菌检测（图3a和c）。在芯片上，聚苯乙烯（制备PC的常用物质）纳米球致密堆积，形成高度有序的层状结构（图3d），可使免疫复合物的发光强度提高4倍以上。
图2(a)磁微粒发光免疫分析的细菌检测原理；(d)共聚焦显微镜图像：红色为碘化丙酸（PI）染色的细菌，绿色为ZGO:MnNPs
要点2.Python算法处理发光图像
为了实现实时和数字检测，作者使用Python算法用于处理PC生物芯片的发光图像（由数码单反相机采集）（图3b）。在图像处理中，霍夫变换是从图像中识别几何形状的基本方法之一，主要用于分离出具有某种相同特征的几何形状（如圆）。利用Python算法中的霍夫变换能够自动识别发光图像中的圆形发光点，并在圆心选取以圆形半径为边长的正方形测试区域。随后，算法提取测试区域的平均RGB值，转换为平均色度值（x,y）和亮度值（Y），即把每个圆形发光点转换为国际照明委员会色空间（CIExyY）。在CIExyY中，波长决定色度值（x,y），而光的强度等于亮度（Y）[6]。由于光强与波长无关，因此（x,y）与（Y）正交，二者互不影响[7]。
在上述PC增强的磁微粒发光免疫分析中，Python算法采用亮度值（Y）计算发光信号强度。Python算法有效识别阳性样本和阴性样本，并获取相应的色度值和亮度值（图3e-g）。阴性样品（无明显发射）和阳性样品（绿光发射）的色度值存在差异，而更为主要的是后者光强显著强于前者（图3g），从而可明显区分二者。在此基础上，方法的LOD低至cfu/mL，在成人尿液中方法的检测性能与尿培养法相当。
图3(a)基于光子晶体的免疫发光检测原理；(b)Python算法分析免疫发光图像的原理；(f)Python算法对信号区域的识别结果
总之，本文整合免疫生物传感器、光学增强和图像算法，开发了一种用于检测人类尿液中细菌的诊断系统。该系统具有便携、智能、用户友好等优点，满足随时随地开展健康测试的需求。通过更换发光纳米颗粒和识别元件，该方法可用于各种目标物的检测。随着深度学习的快速发展，软硬件协同的系统不仅为慢性疾病的自我诊断提供了潜在的设计思路，而且在提高医学诊断的准确性和效率方面具有很大的前景。
