細菌光譜檢測方法與分子機制的研究進展

胡典 陰慧娟

摘 要：細菌是人類最常見的致病源之一，不僅嚴重危害人類健康和公共衛生安全，還帶來了巨額的醫療支出。快速而準確的細菌檢測對細菌感染的治療具有重要的意義。光譜檢測方法不但可以快速實時地獲得細菌的分類、含量以及功能狀態等信息，而且具有操作簡單、非侵入性的優勢，在細菌檢測領域具有巨大的潛力。本文介紹了拉曼光譜、太赫茲光譜、可見光和近紅外光光譜、熒光光譜在細菌檢測方面的研究與應用，并對可見光和近紅外光光譜的分子機制——光靶點，包括含有視網膜發色團的細菌視紫紅質（CBCRs）、帶有四吡咯發色團的擬菌植物色素、帶有對香豆酸發色團的光活性黃蛋白（PYP）、帶有黃素單核苷酸（FMN）的光氧壓力（LOV）結構域、帶有黃素腺嘌呤二核苷酸（FAD）發色團的隱色劑和含有FAD的藍光感應域等進行了闡述。最后，針對現有細菌光譜檢測技術的優缺點提出了細菌檢測技術的優化策略，希望對細菌的光譜檢測研究提供幫助。

關鍵詞：細菌感染；光譜檢測；拉曼光譜；可見光和近紅外光譜；光靶點

中圖分類號：R318.51 ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼：ADOI：10.3969/j.issn.1007-7146.2023.04.001

Progress in the Study of Bacterial Spectral Detection Methods and Molecular Mechanisms

HU Dian， YIN Huijuan*

（Laboratory of Laser Medicine， Institute of Biomedical Engineering， Chinese Academy of Medical Sciences， Tianjin 300192， China）

Abstract： Bacteria are one of the most common human pathogens， which not only seriously jeopardize human health and public health safety， but also bring about huge medical expenditures. Rapid and accurate bacterial detection is important for the treatment of bacterial infections. The spectral detection method can not only obtain the classification， content and functional status of bacteria promptly and in real time， but also has the advantages of simple operation and non-invasive， and has great potential in the field of bacterial detection. This paper describes the research and application of Raman spectroscopy， terahertz spectroscopy， visible and near-infrared light spectroscopy， fluorescence spectroscopy in bacterial detection， and the molecular mechanism of visible and near-infrared light spectroscopy， light targets， including bacterial retinal plasmids containing retinal chromophores， bacteriophytochromes with tetrapyrrole chromophores， photoactive proteins with p-coumarate chromophores， photo-oxidative stress structural domains with flavin-like mononucleotide chromophores， cryptochromes with flavin-adenine dinucleotide chromophores. And blue-light sensing domains with flavin-adenine dinucleotides are described. Finally， optimization strategies for bacterial detection techniques are proposed with respect to the advantages and disadvantages of existing bacterial spectral detection techniques， hoping to provide help for the research of bacterial spectral detection.

Key words： bacterial infection; spectral detection; Raman spectroscopy; visible light and near-infrared spectroscopy; optical target

（Acta Laser Biology Sinica， 2023， 32（4）： 289-296）

細菌（bacteria）是一類形狀細短、結構簡單、大多以二分裂方式繁殖的原核生物，分布十分廣泛，一般位于土壤或者水中，或者與其他生物共生。人體也是大量細菌的棲息地，在人體的皮膚表面、腸道、口腔、鼻子或者其他部位有多種細菌存在。

大多數細菌都是無害的，有些甚至是有益菌，但細菌感染仍然是最常見的導致人類疾病的原因之一。細菌從原定植區遷移到其他區域可導致疾病的發生。外源性移植物（如起搏器等）會促進細菌感染，機體免疫力低下、潛在病灶暴發等都會增加細菌感染的機會。細菌感染可導致嚴重的后果，如截肢、敗血癥，甚至死亡，同時也會給國家和社會帶來巨大的經濟負擔［1］。

目前，臨床上細菌感染的診斷方法包括細菌培養、菌落的形成以及分子診斷技術。這些方法必須對患者的體液樣本進行活檢分離后再進行鑒定，雖然準確性高，但檢測時間長，費用昂貴，且需要熟練的操作員。這不僅消耗了巨量的人力物力，還限制了細菌的檢測效率。因此，開發快速、準確、高成本效益的細菌檢測方法是十分重要的。

新興的細菌檢測方法包括了基于核酸的分子法、質譜法以及光譜法等技術。細菌的光譜檢測技術指的是利用光與待測細菌的相互作用產生光譜信息的變化來分析細菌的結構、含量或者功能狀態的技術。與其他細菌檢測技術相比，光譜檢測技術有獨特的優勢：1）檢測快速，滿足實時在線的需求；2）光譜特征的唯一性，滿足準確性的需求；3）所需樣本量小，只需微量細菌即可檢測。目前，細菌檢測的光譜技術主要包括拉曼光譜、太赫茲光譜、可見光和近紅外光譜等［2］。本文將重點綜述光譜法在細菌檢測中的進展，包括光譜法的原理、細菌光譜檢測的研究進展以及細菌的光感受器等方面。

1 細菌的光譜檢測技術

1.1 拉曼光譜

拉曼光譜是一種散射光譜。拉曼光譜分析法是基于印度科學家C.V.拉曼（Raman）所發現的拉曼散射效應。入射光和散射光之間的頻率變化由引起拉曼散射的化學鍵所決定，通過對拉曼光譜分析可得到分子振動、轉動等方面的信息，進而研究分子結構。因此，拉曼光譜在分子結構水平上的檢測具有很大的優勢，且具有很高的特異性、敏感性以及空間分辨率，可用于單細胞檢測。同時，它還是一種無損、非標的檢測技術，可用于細胞功能狀態的檢測。

利用拉曼光譜進行細菌檢測的研究已有較多報道。 Wang等［3］采用表面增強拉曼光譜技術（surface-enhanced Raman spectroscopy，SERS）來監測細菌的生長和噬菌體的感染。他們采集了生長于瓊脂平板上的大腸桿菌代謝所產生的揮發性有機物二甲基二硫醚和可反映營養物質消耗和非揮發性代謝產物累積的瓊脂的SERS信號，發現細菌受到噬菌體感染時，這些物質的SERS信號強度下降，下降的幅度與病毒的感染濃度相關，且通過多元分析，病毒感染的預測準確度可到達93%。 Wang等［4］將拉曼光譜與神經網絡相結合對古細菌（archeobacteria）進行了鑒定，利用主成分分析法成功地將古桿菌屬（Archaebacterium）和彎曲桿菌屬（Campylobacter）、螺桿菌屬（Helicobacter）區分開來。為了在物種水平上鑒定阿氏桿菌（Artemisia albicans），他們結合卷積神經網絡（convolutional neural network，CNN）對阿氏桿菌進行物種分類，準確率達到了97.2%。Espagnon等［5］采用拉曼光譜法直接鑒定了固體培養基上的臨床相關細菌、酵母（yeast）微菌落及巨菌落。為了縮短檢測時間，在培養大菌落和微菌落后，他們采用拉曼光譜直接評估了培養基上的屬于9種細菌和1種酵母的80株菌落，隨后采用支持向量機（support vector machine，SVM）、主成分分析（principal component analysis，PCA）等人工智能方法對其中一種菌株進行了8倍的交叉驗證（但未對可能的培養基干擾進行校正），最后測得的大菌落和小菌落的正確識別率分別達到了94.1%和91.5%。這證實了拉曼光譜在物種級別的鑒定方面具有卓越的性能。此外，Rebro?ová等［6］采用拉曼光譜法對葡萄球菌（Staphylococcus）進行了快速的鑒定，提出了一種能夠從瓊脂平板菌落中鑒定葡萄球菌的方法。他們選擇了277個葡萄球菌菌株進行試驗，其中包括62個金黃色葡萄球菌株（Staphylococcus aureus）、8個中間型葡萄球菌株（Staphylococcus intermedius）和207個凝固酶陰性葡萄球菌株（Staphylococcus epidermidis），采用商用的拉曼光譜儀進行信號采集，同時對檢測數據進行了多項式基線擬合和數值微分積分等處理。結果表明，拉曼光譜能夠對受試物種進行區分，在常規臨床診斷中具有巨大的潛力。

1.2 太赫茲光譜

近年來太赫茲光譜作為一種新型的細菌檢測方式展現出了獨特的優勢。太赫茲波指的是頻率在0.1～10.0 THz范圍的電磁波，波長大概在0.03～3.00 mm，介于微波與紅外之間。由于其獨特的頻率范圍，太赫茲波具有一些非常適合細菌檢測的特性。太赫茲波通過細菌時可以同步激發細菌的低頻振動，由此產生特定的光譜特征［7］。

Yang等［8］用太赫茲時域光譜法快速無標記地對傳染病中4種常見細菌進行了檢測和評估，還研究了同一菌種的活菌、死菌和菌粉狀態對太赫茲波的吸收差異。結果表明，細菌之間水分含量的微小差異可引起太赫茲吸收系數的差異，并可據此對細菌種類進行鑒定。Yoon等［9］采用太赫茲光譜對不同類型的微生物進行了鑒定，根據太赫茲頻率范圍內的固有介電常數來分類和鑒定微生物。他們測量了由多種微生物物種組成的薄膜的介電常數，并使用有效介質理論提取了各個微生物的數值，結果表明：霉菌（mould）的介電常數是1.24～1.85，比細菌的介電常數（2.75～4.11）低；酵母菌的介電常數最高，達到5.63～5.97，比水的介電常數高。利用這個理論可對這些物種進行分類。此外，Berrier等［10］采用太赫茲質子天線對細菌層進行了檢測，發現太赫茲質子天線可通過等離子體激發產生局部電場增強效應，增強周圍介質（如水和蛋白質等）中的吸收光線，從而實現對微小細菌層的檢測；并通過調整天線尺寸和形態對不同類型的細菌層實現了選擇性檢測，同時具備實時檢測和高分辨率成像的優點。Yang等［11］開發了一種基于滾動循環擴增（rolling cycle amplification，RCA）的太赫茲生物傳感器，通過引導細菌DNA的等溫擴增，可用于檢測沙門氏菌和大腸桿菌等多種細菌，靈敏度可以達到105 CFU/mL。

1.3 可見光和近紅外光譜

細菌的可見光和近紅外光譜是指，細菌中對光敏感的蛋白或者分子在吸收特定波長的光子后導致該波長光強度發生變化，從而產生的具有細菌光吸收特征的光譜。利用細菌的可見光和近紅外光譜進行細菌鑒別的研究多集中在水域細菌、農業細菌和醫學細菌感染的鑒別上。

Malina等［12］對綠色光合細菌（green photosynthetic bacteria）葉綠體中的葉綠素c進行了可見光和近紅外光譜檢測，發現綠色硫細菌（green sulfur bacteria）、絲狀無氧菌（filamentous anaerobic bacteria）均可表達這種細菌性葉綠素，且它們的吸收光譜在藍綠光范圍內。Zeng等［13］研究了紫色硫細菌中光受體復合體，發現在不同構象下其吸收峰值可在850和875 nm之間進行變化，且在不同構象下光受體復合體吸收光子的能量轉移效率不同。這表明，同一細菌中光受體的吸收峰值可因構象或狀態的不同有小幅度位移，光轉換效率也隨之發生變化。Saga等［14］測定了三種紫色光合細菌Rhodoblastus acidophilus、Rhodobacter sphaeroides和Phaeospirillum molischianum的光合色素2中B800和B850吸收帶的摩爾消光系數。光合色素2是一種在光合作用中起關鍵作用的葉綠素蛋白復合物，其中的B800和B850吸收帶對于光捕獲和傳遞能量至反應中心起到了重要作用。

Ge等［15］為了早期發現和預防病原體所引起的水稻疾病，對與野生黃單胞菌（Pseudomonas aeruginosa）相關聯的光受體MALDI-TOF進行了研究，測定了其傅里葉變換紅外光譜（Fourier transform infrared spectroscopy，FTIR）的質量，成功鑒定和區分了野生黃單胞菌的兩種病原體。Conforte等［16］也對能夠影響植物疾病的農業病原菌野生黃單胞菌毒力的相關機制和光調節作用進行了研究。他們采集了農業病原體野薔薇［Xanthomonas campestris pv.（Xcc）］所編碼的單一的細菌植物色素光感受器（XccBphp）變體在光照后的紫外-可見光光譜，結果顯示，樣品在625和733 nm光源照射后的黑暗還原過程中，分別于300、400、700 nm處顯示出吸收峰值。Bonomi等［17］同樣對影響植物疾病的野生黃單胞菌進行了研究，發現其在250、400和700 nm處有吸收峰值出現。這表明，上述兩個研究結果具有一致性。

Abatedaga等［18］研究了鮑曼不動桿菌（Acinetobacter baumannii）中的光受體細菌性脂蛋白信號肽多肽酶A（bacterial lipoprotein signal peptide peptidase A，blsA）。blsA是一種藍光感受器，可以通過吸收藍光來調節細菌的生長和代謝。他們試圖揭示其可見光和近紅外光譜隨溫度變化而產生的位移與其在細菌中表達量的關系。該研究發現：與相似結構的黃素腺嘌呤二核苷酸（flavin adenine dinucleotide，FAD）光受體相比，blsA雖然在360和450 nm處有同樣的吸收峰，但是兩個峰值的吸收強度正好相反，后者在360 nm有更強的吸收；在低于37℃的環境溫度下，blsA的吸收峰值幅值較37℃高，在細菌中的表達量也較高，說明鮑曼不動桿菌在低溫下更容易侵入人體。Endres等［19］對能導致尿道炎、闌尾炎、膀胱炎的大腸桿菌（Escherichia coli）進行了研究，發現大腸桿菌具有光氧壓力（light-oxygen-voltage，LOV）結構域的光靶點，其吸收峰值在500 nm處。

1.4 熒光光譜

細菌的熒光光譜是指細菌中吸收光子的蛋白或者分子在吸收光子后發射了特定波長的熒光，該熒光光譜也可用于鑒定細菌類別。Battisti等［20］研究了大腸桿菌菌株700824和菌株43504中原卟啉IX（protoporphyrin IX，PPIX）和糞卟啉I（coproporphyrin I，CPI）的激發熒光。他們首先測定出，在405 nm光源的激發下，標準品PPIX和CPI在鹽酸和甲醇中的發射峰值為580～670 nm，然后，采用鹽酸和甲醇獲得的這兩個菌株的提取物，測得其熒光發射光譜在相同光源激發下的發射峰值也在這個區間。其中菌株700824的甲醇提取物熒光峰值為 630 nm，而鹽酸提取物的峰值為660 nm 。Morici等［21］研究了幽門螺桿菌（Helicobacter pylori）的熒光光譜。他們選擇了兩種菌株，分別為ATCC 43504和ATCC 700824（cagA+和vacA+），發現幽門螺桿菌提取物在405 nm激發下熒光峰值分別在500、600和650 nm處產生。Cieplik等［22］則研究了牙周病原體放線菌（Periodontal pathogens actinomycetes）的熒光光譜，為光療殺菌提供了依據。該研究表明：牙周病原體放線菌裂解液在350 nm光源激發下產生了515 nm發射峰值；在400 nm光源激發下產生了515和612 nm兩個發射峰值；在460 nm光源激發下在522 nm處產生了發射峰值。Plavskii等 ［23］研究了革蘭陽性的金黃色葡萄球菌、革蘭陰性的大腸桿菌和酵母類真菌的熒光光譜。在400 nm激發下，大腸桿菌和金黃色葡萄球菌的熒光峰值在525、626、693 nm處產生；白化細菌的熒光峰值有細微差異，分別在525、624、690 nm 處產生。Guffey等［24］則利用了這種內源性光敏劑進行了光療殺菌的研究，檢測了405和470 nm的光對金黃色葡萄球菌、銅綠假單胞菌（Pseudomonas aeruginosa）和厭氧性痤瘡丙酸桿菌（Propionibacterium acnes anaerobicum）的殺菌效果，結果表明，在405和470 nm藍光照射下，銅綠假單胞菌和金黃色葡萄球菌產生劑量依賴性的殺菌效果，而痤瘡丙酸桿菌（Propionibacterium acnes）則無反應。該研究認為，殺菌效果的差異或與其含有的內源性光敏劑的種類和含量有關。醫院不動桿菌 （Acinetobater nosocomialis）是一種醫院常見的條件致病菌，研究表明，它主要含有藍光感受域（blue light sensing using FAD，BLUF），對藍光和溫度敏感，可被藍光滅活［25］。

我們對上述細菌的可見光-近紅外光譜和熒光光譜進行了總結（表1）。

2 細菌光靶點

細菌產生可見光和近紅外光譜與熒光光譜的主要分子機制是光感受器，也叫做光靶點。光靶點具有感光性能，分布于各個生物體包括細菌體內。它們一般通過發色團來吸收光子并發生相應的光化學變化（如光能轉化為化學能引起蛋白質的構象變化），導致受體蛋白的激活以及信號的傳導。

2.1 細菌光靶點的發現歷程

在很長的一段時間之中，科學家們一直認為，除了光養生物以外的其他生物（如細菌）對光是不敏感的。直到1999年，科學家們在非光養生物［放射性球菌（Streptococcus radiodurans）、銅綠假單胞菌］之中發現了紅光感受器以及擬菌植物色素，這說明了至少存在兩類細菌是能夠“看見”光的。接著，科學家們分析了枯草芽胞桿菌中含有黃素色基的光氧電壓（light oxygen voltage，LOV）結構域，加深了對“細菌能感受到光”這一觀點的認識［26］。

隨后，人們共鑒定出來細菌中的六類主要光感受器。這六類光感受器分別是含有視網膜發色團的視紫紅蛋白、帶有四吡咯發色團的擬菌植物色素、帶有對香豆酸發色團的光活性黃蛋白（photoactive yellow protein，PYP）、帶有黃素單核苷酸（flavin mononucleotide，FMN）的LOV結構域、帶有FAD發色團的隱色劑以及帶有FAD的BLUF。

2.2 六類光靶點的結構及光譜特征

2.2.1 視紫紅蛋白

具有視網膜發色團的視紫紅蛋白是動物中最古老的已知感光體之一，是膜結合受體。根據結構分為兩類：微生物型（I型）與動物型（II型）。這兩種類型是獨立起源的，且都具有一種或者兩種光活性狀態。也有報道稱有出現三種光活性狀態的情況。其中，視紫紅色蛋白主要吸收藍綠光，光譜范圍為450～750 nm。目前具有共識性的信號傳導機制是視紫紅色蛋白接受光照后導致構象變化，從而激活G蛋白，啟動信號傳導［27］。

Tanaka等［28］ 利用X-ray晶體學和電子顯微鏡技術對熱漿菌（Thermoplasmatales archaeon）的視紫紅蛋白的獨特色彩調控機制的結構基礎進行了研究，發現視紫紅蛋白中的一個螺旋結構在其色調節機制中起到了關鍵作用。該螺旋結構能夠改變其構象，從而調節視紫紅質的可見光和近紅外光譜范圍，且這種調節是由單一螺旋結構實現的，與其他通過多種不同結構進行色彩調節的光能轉換蛋白不同。Kim等［29］則對自然界中的視紫紅質變異體的顏色調控機制進行了研究，從各種微生物表達的大量視紫紅蛋白中選擇了13個有代表性的視紫蛋白（opsin），將其表達純化后對其可見光和近紅外光譜進行了測量，發現這些天然變體的吸收峰值在530～556 nm的范圍內。此外，根據序列比對，他們確認了候選殘基的對應光譜，通過同源建模對殘基的三維結構進行了預測，驗證了I型視紫蛋白在視紫紅色蛋白的色彩調節機制中的重要作用。

2.2.2植物色素

植物色素是在植物和綠藻中發現的第一個光感受器。擬菌植物色素的吸收光譜一般大于600 nm，位于紅光和紅外光區域。擬菌植物色素具有兩個構象：一個是不活躍結構，吸收紅光；另一個是活躍結構，吸收紅外光。擬菌植物色素具有開放的四吡咯發色團，吸收光譜范圍在600～700 nm處。擬菌植物色素具有很多作用，它們能控制一些短期植物的光周期，并對其開花產生影響；紅光能促進種子發芽而紅外光則可逆轉這種現象。擬菌植物色素的作用方式被分成三類：高輻照響應、低通量響應、超低通量響應［30］。

Stepanenko等［31］對細菌植物色素進行了研究。他們通過基因工程方法將細菌植物色素的基因與熒光蛋白（phycocyanobilin，PCB）的基因相融合，并在大腸桿菌中表達，制備近紅外標記物，結果顯示，這種近紅外標記物具有較廣的發射光譜范圍、較高的穩定性和熒光強度。他們在細胞和動物組織中驗證了這種近紅外標志物的應用。這種近紅外標志物的熒光蛋白（fluorescent protein，FPs）主要在生物組織的最高透視區域（650～900 nm）表達。與其他光受體相比，細菌視紫紅質（bacterial cryptochrome/photolyase blue-light receptors，CBCRs）的PCB發色團具有獨特的紅移吸收峰值，范圍是725～740 nm 。

2.2.3 光活性黃蛋白

光活性黃蛋白一般帶有對香豆酸色基。它在光照條件下顯示出異構化的特征，然而在光誘導變化方面屬于視紫紅質。科學家們對其進行堿基測序，將其分為8個主要組，并通過細菌名稱對其進行命名。它的吸收光譜范圍一般為380～520 nm，主要吸收藍光。它的信號傳導機制一般是通過在漂白狀態時與某些蛋白質進行關聯激活并傳播信號［32］。

Kim等［33］利用了紫外-可見光吸收和瞬時光柵法詳細研究了帽狀羅氏菌（Streptococcus pneumoniae）的光活性黃蛋白（Rc-PYP）的光反應。他們通過瞬時/溫升的兩種可見光和近紅外光譜測量方法確定了紫外光激發下的光響應信號（photoresponse signal of excitation under UV light，pUV）和藍光激發下的光響應信號（photoresponse signal for excitation under blue light，pBL），Rc-PYP在375和438 nm處表現出兩個吸收峰；在pBL和pUV激發過程中，Rc-PYP會有相對較大的構象變化，生物功能也會產生相反的反應。

2.2.4 含黃素色基的藍光受體結構域

帶有黃素單核苷酸（flavin mononucleotide，FMN）的LOV結構域吸收光譜范圍在380～520 nm之間。它由光蛋白、Zeitulupe、嵌合感受器、芳基烴受體（aryl hydrocarbon receptor，AHR）、紫外線抗性基因基底（UV-B resistance/responsive gene 8，UVR8）組成。Zeitlupe光感受器屬于藍光感受器，是LOV結構域的主要光感受器，位于核和細胞質之間且只有一個LOV域。Zeitlupe的吸收光譜范圍一般為450～520 nm［34］。

Goncharov等［35］對LOV域結構進行了研究，通過構建基于黃素的熒光蛋白，并在細菌中表達，獲得了兩種LOV結構域，噬熱絲狀光合細菌表達的黃素熒光蛋白（flavin-based fluorescent protein derived from Chloroflexus aggregans LOV domain，CagFbFP）和噬熱細菌表達的黃素熒光蛋白（flavin-based fluorescent protein derived from Chloroflexus islandicus LOV domain，CisFbFP）。該研究發現，與CagFbFP相比（激發峰值和發射峰值分別為448和497 nm），CisFbFP激發峰值和發射峰值發生了明顯的紅移（分別為453和504 nm），它們的唯一區別是后者黃素異丙嗪環中的127位是絲氨酸，而前者是天冬酰胺。

2.2.5 含FAD的藍光感應域

含有FAD的BLUF進化得非常早，但并未被發現。BLUF是一種藍光受體，其中的FAD含有氨基酸序列作為發色團。它的吸收光譜位于380～520 nm藍光范圍。目前已經發現BLUF可以調節光合作用、進行光療以及介導腺苷酸環化酶活性和磷酸二酯酶的光誘導［36］。

Fujisawa等［37］通過飛秒時間分辨吸收光譜研究，探討了紫色細菌Rhodopseudomonas palustris中BLUF蛋白PapB的信號狀態形成機制，發現PapB的激發態能量轉移過程與其構象變化密切相關。在靠近基態的激發態中，PapB的構象發生了改變，從而導致了其信號狀態的形成。此外，該研究還發現，PapB的激發態壽命與其信號狀態形成的速率密切相關。Abatedaga等［25］對鼻疽桿菌中BLUF感光受體的特征進行了研究，揭示了其對光調節的溫度依賴性及不同致病細菌中BLUFs的表達模式和光譜特征。研究表明，含BLUF的蛋白AnBLUF65在重組表達時可編碼光調節溫度范圍內的活性光感受器。在15℃環境下，藍光照射前，鼻疽桿菌（Acinetobacter nosocomialis）的暗適應感光體dAnBLUF65的吸收峰在483 nm，在藍光照射后，該波段發生紅移（8 nm），表明BLUF蛋白適應光狀態，即lAnBLUF65形成。

2.2.6 含FAD的隱色劑

含FAD發色團的隱色劑也是一種重要的細菌光感受器。隱色劑是一種藍色/UV-A受體，它們存在于三種同工型的Cry1、Cry2、Cry3之中。其中Cry1和Cry2與細菌I類DNA光解酶和兩個膜相關的光子蛋白具有相似性，而Cry3的功能尚且不清楚。吸收光譜范圍一般是320～520 nm。隱色劑的作用多樣，可對DNA損傷進行修復，還能轉化光能給FAD［38］。

Ji等［39］提出了一種基于FAD的熒光指示劑，用于快速檢測牛奶中的細菌污染，通過對不同細菌的檢測和對比，證明了該指示劑對于多種常見細菌的檢測具有高效、敏感和特異性。Liu等［40］研究了利用FAD作為生物標志物的熒光檢測方法，對多種細菌進行了檢測，發現該方法對于大腸桿菌、金黃色葡萄球菌等細菌具有高靈敏度和特異性。

3 總結與展望

細菌的光譜檢測具有獨特的優勢與特點。拉曼光譜在分子水平上的檢測有一定的優勢。通過分子振動、轉動等信息的差異，可區分革蘭陰性菌和革蘭陽性菌，但是無法對細菌進行更細致的分類，敏感性弱。太赫茲波檢測法可通過對細菌水含量的微小差異所導致的吸收系數變化對細菌狀態進行鑒定，如死菌、活菌和菌粉等，同樣不能對細菌進行分類。而可見光和近紅外光譜則可利用細菌表達光受體的不同對細菌種類進行分類鑒定，靈敏性較拉曼光譜和太赫茲高。

目前，已有少量研究試圖利用可見光和近紅外光譜和熒光光譜對細菌進行分類鑒定。Bonah等［41］采用了高光譜成像技術已檢測出食物（如生肉、雞蛋、水果和蔬菜等）中含有的大腸桿菌、沙門氏菌（Salmonella）和李斯特菌（Listeria monocytogenes）等；Wu等［42］采用了一種便攜式熒光儀，利用外源性納米顆粒與細菌結合產生的熒光信號來鑒定細菌。這種方法具有非常高的靈敏度，可快速準確地檢測多種細菌，包括大腸桿菌、金黃色葡萄球菌和沙門氏菌等。然而，這些細菌光譜檢測方法只在小范圍或特定目的上應用，普及推廣尚不成熟。分析其問題主要有以下幾個方面：1）現有研究檢測細胞種類少，只針對特定檢測目標進行，對其他檢測目標或者細菌種類沒有可移植性，如上述用于食物檢測的高光譜方法等。2）現有研究只針對特定目的如食物污染、傷口感染等的細菌種類進行分類鑒定，由于這類細菌表達光靶點類似，因此，單純的光譜檢測很難對細菌進行準確分類。實際上，臨床實踐中大部分情況下都不需要對細菌進行屬類別的分類，只需要對細菌的革蘭陽性和陰性以及是否耐藥做出判斷，即可給出治療方案。3）缺乏標準的細菌光譜庫。各研究團隊測出的細菌光譜無法進行準確性驗證，在做分類鑒定時也無可參考的標準光譜。針對以上問題，作者認為有以下幾種可行性研究路徑。首先，細菌光譜的基本理論是細菌內發色團對光子的響應，因此，可以依據細菌表達的發色團或者光靶點對細菌進行分類，并比較界門綱目科屬種類別上細菌表達光靶點的異同，從而初步判定光譜檢測可以對細菌分類的深度。其次，建立包括所有可培養細菌的光譜庫，為細菌的光譜檢測提供比對的標準。最后，結合人工智能算法對細菌光譜庫中的細菌進行分類，確定光譜檢測鑒定細菌類別的可行性和準確性。總之，與細菌培養檢測和基因檢測相比，光譜檢測技術具有檢測速度快、成本低的獨特優勢。雖然目前因為技術發展的不成熟尚無法發揮應有的作用，但是隨著上述問題的解決，在不久的將來，細菌光譜檢測技術憑借實時快速的優勢必將在醫學、農業、食品安全等領域發揮巨大的潛力。

參考文獻（References）：

［1］ DEUSENBERY C， WANG Y， SHUKLA A. Recent innovations in bacterial infection detection and treatment［J］. ACS Infectious Diseases， 2018， 7（4）： 695-720.

［2］ SCHIFF D， AVIV H， ROSENBAUM E， et al. Spectroscopic method for fast and accurate group A Streptococcus bacteria detection［J］. Analytical Chemistry， 2016， 88（4）： 2164-2169.

［3］ WANG W， KANG S， VIKESLAND P J. Surface-enhanced raman spectroscopy of bacterial metabolites for bacterial growth monitoring and diagnosis of viral infection［J］. Environmental Science & Technology， 2021， 55（13）： 9119-9128.

［4］ WANG K， CHEN L， MA X， et al. Arcobacter identification and species determination using raman spectroscopy combined with neural networks［J］. Applied and Environmental Microbiology， 2020， 86（20）： e00924-20.

［5］ ESPAGNON I， OSTROVSKII D， MATHEY R， et al. Direct identification of clinically relevant bacterial and yeast microcolonies and macrocolonies on solid culture media by Raman spectroscopy［J］. Journal of Biomedical Optics， 2014， 19（2）： 027004.

［6］ REBRO?OV? K， ?ILER M， SAMEK O， et al. Rapid identification of Staphylococci by Raman spectroscopy［J］. Scientific Reports， 2017， 7（1）： 14846.

［7］ LU J， LI X， ZHANG Y， et al. Two-dimensional spectroscopy at terahertz frequencies［J］. Topics in Current Chemistry （Cham）， 2018， 376（1）： 6.

［8］ YANG X， WEI D， YAN S， et al. ?Rapid and label-free detection and assessment of bacteria by terahertz time-domain spectroscopy［J］. Journal of Biophotonics， 2016， 9（10）： 1050-1058.

［9］ YOON S A， CHA S H， JUN S W， et al. Identifying different types of microorganisms with terahertz spectroscopy［J］. Biomedical Optics Express， 2020， 11（1）： 406-416.

［10］ BERRIER A， SCHAAFSMA M C， NONGLATON G， et al. Selective detection of bacterial layers with terahertz plasmonic antennas［J］. Biomedical Optics Express， 2012， 3（11）： ?2937-2949.

［11］ YANG X， YANG K， ZHAO X， et al. Terahertz spectroscopy for the isothermal detection of bacterial DNA by magnetic bead-based rolling circle amplification［J］. Analyst， 2017， 142（24）： 4661-4669.

［12］ MALINA T， KOEHORST R， B?NA D， et al. Superradiance of bacteriochlorophyll c aggregates in chlorosomes of green photosynthetic bacteria［J］. Scientific Reports， 2021， 11（1）： 8354.

［13］ ZENG L， LIAO Z， WANG X H. Geometry effects on light-harvesting complexs light absorption and energy transfer in purple bacteria［J］. Photochemistry and Photobiology， 2019， 95（6）： 1352-1359.

［14］ SAGA Y， HIROTA K. Determination of the molar extinction coefficients of the B800 and B850 absorption bands in light-harvesting complexes 2 derived from three purple photosynthetic bacteria Rhodoblastus acidophilus， Rhodobacter sphaeroides， and Phaeospirillum molischianum by extraction of bacteriochlorophyll a［J］. Analytical Sciences： the International Journal of the Japan Society for Analytical Chemistry， 2016， 32（7）： 801-804.

［15］ GE M Y， LI B， WANG L， et al. Differentiation in MALDI-TOF MS and FTIR spectra between two pathovars of Xanthomonas oryzae［J］. Spectrochimica Acta A， Molecular and Biomolecular Spectroscopy， 2014， 133： 730-734.

［16］ CONFORTE V， OTERO L H， TOUM L， et al. Pr-favoured variants of the bacteriophytochrome from the plant pathogen Xanthomonas campestris hint on light regulation of virulence-associated mechanisms［J］. The FEBS Journal， 2021， 288（20）： 5986-6002.

［17］ BONOMI H R， TOUM L， SYCZ G， et al. Xanthomonas campestris attenuates virulence by sensing light through a bacteriophytochrome photoreceptor［J］. EMBO Reports， 2016， 17（11）： 1565-1577.

［18］ ABATEDAGA I， VALLE L， GOLIC A E， et al. Integration of temperature and blue-light sensing in Acinetobacter baumannii through the BlsA sensor［J］. Photochemistry and Photobiology， 2017， 93（3）： 805-814.

［19］ ENDRES S， WINGEN M， TORRA J， et al. An optogenetic toolbox of LOV-based photosensitizers for light-driven killing of bacteria［J］. Scientific Reports， 2018， 8（1）： 15021.

［20］ BATTISTI A， MORICI P， GHETTI F， et al. Spectroscopic characterization and fluorescence imaging of Helicobacter pylori endogenous porphyrins［J］. Biophysical Chemistry， 2017， 229： 19-24.

［21］ MORICI P， BATTISTI A， TORTORA G， et al. The in vitro photoinactivation of Helicobacter pylori by a novel LED-based device［J］. Frontiers in Microbiology， 2020， 11： 283.

［22］ CIEPLIK F， SP?TH A， LEIBL C， et al. Blue light kills Aggregatibacter actinomycetemcomitans due to its endogenous photosensitizers［J］. Clinical Oral Investigations， 2014， 18（7）： 1763-1769.

［23］ PLAVSKII V Y， MIKULICH A V， TRETYAKOVA A I， et al. Porphyrins and flavins as endogenous acceptors of optical radiation of blue spectral region determining photoinactivation of microbial cells［J］. Journal of Photochemistry and Photobiology B， Biology， 2018， 183： 172-183.

［24］ GUFFEY J S， WILBORN J. In vitro bactericidal effects of 405 nm and 470 nm blue light［J］. Photomedicine and Laser Surgery， 2006， 24（6）： 684-688.

［25］ ABATEDAGA I， PEREZ MORA B， TUTTOBENE M， et al. A characterization of BLUF-photoreceptors present in Acinetobacter nosocomialis［J］. PLoS One， 2022， 17（4）： e0254291.

［26］ DAVIS S J， VENER A V， VIERSTRA R D. Bacteriophytochromes： phytochrome-like photoreceptors from nonphotosynthetic eubacteria［J］. Science （New York， NY）， 1999， 286（5449）： 2517-2520.

［27］ VAN DER HORST M A， KEY J， HELLINGWERF K J， et al. Photosensing in chemotrophic， non-phototrophic bacteria： let there be light sensing too［J］. Trends in Microbiology， 2007， 15（12）： 554-562.

［28］ TANAKA T， SINGH M， SHIHOYA W， et al. Structural basis for unique color tuning mechanism in heliorhodopsin［J］. Biochemical and Biophysical Research Communications， 2020， 533（3）： 262-267.

［29］ KIM S H， CHUON K， CHO S G， et al. Color-tuning of natural variants of heliorhodopsin［J］. Scientific Reports， 2021， 11（1）： 854.

［30］ PURCELL E B， CROSSON S. Photoregulation in prokaryotes［J］. Current Opinion in Microbiology， 2008， 11（2）： 168-178.

［31］ STEPANENKO O V， STEPANENKO O V， SHPIRONOK O G， et al. Near-infrared markers based on bacterial phytochromes with phycocyanobilin as a chromophore［J］. International Journal of Molecular Sciences， 2019， 20（23）： 6067.

［32］ LOSI A， G?RTNER W. Bacterial bilin- and flavin-binding photoreceptors［J］. Photochemical & Photobiological Sciences， 2008， 7（10）： 1168-1178.

［33］ KIM S， NAKASONE Y， TAKAKADO A， et al. Wavelength-dependent photoreaction of PYP from Rhodobacter capsulatus［J］. Biochemistry， 2020， 59（51）： 4810-4821.

［34］ CROSSON S， RAJAGOPAL S， MOFFAT K. The LOV domain family： photoresponsive signaling modules coupled to diverse output domains［J］. Biochemistry， 2003， 42（1）： 2-10.

［35］ GONCHAROV I M， SMOLENTSEVA A， SEMENOV O， et al. High-resolution structure of a naturally red-shifted LOV domain［J］. Biochemical and Biophysical Research Communications， 2021， 567： 143-147.

［36］ GOMELSKY M， KLUG G. BLUF： a novel FAD-binding domain involved in sensory transduction in microorganisms［J］. Trends in Biochemical Sciences， 2002， 27（10）： 497-500.

［37］ FUJISAWA T， TAKEUCHI S， MASUDA S， et al. Signaling-state formation mechanism of a BLUF protein PapB from the purple bacterium Rhodopseudomonas palustris studied by femtosecond time-resolved absorption spectroscopy［J］. The Journal of Physical Chemistry B， 2014， 118（51）： 14761-14773.

［38］ LOSI A， G?RTNER W. Old chromophores， new photoactivation paradigms， trendy applications： flavins in blue light-sensing photoreceptors［J］. Photochemistry and Photobiology， 2011， 87（3）： 491-510.

［39］ JI Y， ZHANG Q， ZHANG C， et al. A fluorescent indicator for rapid detection of bacterial contamination in milk based on FAD［J］. Journal of Dairy Science， 2019， 102（4）： 3011-3021.

［40］ LIU Y， ZHANG Q， LI J， et al. A label-free fluorescent sensor based on FAD for selective detection of Escherichia coli［J］. Food Chemistry， 2018， 244： 306-312.

［41］ BONAH E， HUANG X， AHETO J H， et al. Application of hyperspectral imaging as a nondestructive technique for foodborne pathogen detection and characterization［J］. Foodborne Pathogens and Disease， 2019， 16（10）： 712-722.

［42］ WU X， LAI T， JIANG J， et al. An on-site bacterial detection strategy based on broad-spectrum antibacterial ε-polylysine functionalized magnetic nanoparticles combined with a portable fluorometer［J］. Mikrochimica Acta， 2019， 186（8）： 526.