【
仪表网 研发快讯】近期，中国科学院长春光机所李备研究员团队与长光辰英工程化团队负责研制的中国科学院战略性先导科技专项(A类)子课题—深海微生物原位分选仪，圆满完成结题验收工作。
深海中蕴含着极为丰富、鲜为人知的微生物及其他物质资源，同时因其具有高压、高盐度、低温等特点而被认为是极端环境，研究在这种环境下生存的微生物可以帮助我们理解生命的极限。然而90%的微生物由于脱离原位环境等原因目前尚不可培养，深海微生物的研究面临采集、培养、物种鉴定和数据分析的多重难题。
项目团队基于拉曼、光镊及微流控技术研发了能够原位、实时、快速地检测并分选深海微生物的仪器设备，突破了拉曼检测技术和光镊分选技术在1500米级深海的应用，实现了对深海微生物的原位拉曼检测与光镊分选，填补了国内外应对深海极端环境原位检测与分选深海微生物设备的空白。
深海微生物原位分选仪
项目团队研制的深海微生物原位分选仪专用的干-湿舱组合舱体，解决了耐高压蓝宝石舷窗与分选仪光学系统的结构兼容性问题等众多深海环境下检测设备所面临的工程问题。深海微生物原位分选仪于2024年6月搭载“探索二号”TS2-38-1航次，在我国南海某海域完成1500米级海试试验。
项目研制过程中，攻克了多项适用于深海微生物原位识别、检测、分选和分析的关键技术，一是模拟1500米海域水体，研制专用型多波段显微物镜，为深海微生物的高分辨率、宽视场成像奠定基础。模拟我国南海1500米海域水体环境数据，结合设备舷窗形变数据，研制出了专用型多波段显微物镜，突破了深海环境下长工作距离、高数值孔径和宽波段的显微成像技术，该物镜的透过率高达86%，工作距离达到8 mm，达到国际同类产品的最高水平，为深海微生物的高分辨率、宽视场成像奠定了基础。二是借助深度学习算法，成功应对了深海数据稀缺和信噪比低的挑战，为深海微生物原位检测与分选提供了支持。结合深海微生物原位分选需求，引入了深度学习中的PGGAN(渐进式生成对抗网络)和ResNet(残差神经网络)算法，有效解决了深海极端环境下数据稀缺及信噪比低等问题，为深海微生物的原位检测与分选提供了智能化支持。
多波段长工作距离专用物镜
深度学习模型框架
浩瀚深海，神秘且未知，通过参研本次先导专项，科研团队初步尝试了对未知深海微生物的原位探测和分选，积累了深海微生物原位检测设备开发的理论研究经验、工程开发经验和海试测试经验，为持续深耕深海微生物原位检测及分选工作提供了理论支撑，为深海微生物资源的开发和利用提供技术支持。
中国科学院长春光机所李备团队，与牛津大学、格拉斯哥大学、卡迪夫大学等国际顶尖光学及微流控等领域科学家合作，专注于细胞操纵、拉曼光谱、共聚焦成像、微流控和人工智能五大核心领域。实验室目前拥有近20位硕博士科研团队，发表SCI论文60余篇，具备强大的研发和创新能力。在本项目的研发过程中，还获得了中国科学院深海工程与技术研究所张维佳团队和陈为团队的全力支持与协助。在生物样品预处理、测试验证，以及分选仪整机设备舱体设计、陆上模拟打压测试等核心环节，上述团队都发挥了至关重要的作用，为项目的顺利推进奠定了坚实基础。
所有评论仅代表网友意见，与本站立场无关。