来自新加坡-麻省理工学院研究与技术联盟(SMART)的农业精准破坏性与可持续技术(DiSTAP)跨学科研究小组(IRG)、麻省理工学院在新加坡的研究企业以及来自淡马锡生命科学实验室(TLL)的当地合作者、开发了一种基于拉曼光谱的快速方法，用于检测和定量作物早期细菌感染。拉曼光谱生物标记物和诊断算法实现了对作物细菌感染的无创早期诊断，这对植物病害管理和农业生产力的进展至关重要。

面对对全球粮食供应和安全日益增长的需求，改善农业生产系统和提高作物生产率以克服这一挑战的需求越来越大。在全球范围内，作物中病原菌感染是造成农业产量损失的主要原因之一。气候变化加速了植物疾病的传播，也加剧了这个问题。因此，开发快速、早期检测病原菌侵染作物的方法对改善作物病害管理和减少作物损失具有重要意义。

与现有技术相比，SMART和TLL研究人员的突破提供了一种更快速、更准确的方法，可以在较早的阶段检测作物中的细菌感染。研究组在《植物科学前沿》杂志上发表了题为《利用拉曼光谱快速检测和定量植物固有免疫反应》的论文。

“早期发现被病原体感染的作物是改善植物病害管理的一个重要步骤，”DiSTAP联合领导的首席研究员教授、TLL副主席、共同通信作者Chua Nam Hai说。“它将允许快速和选择性地清除病原体，并抑制疾病进一步传播到邻近的其他作物。”

传统上，植物病害诊断包括简单的目测植物病害症状和严重程度。“目测方法往往是无效的，因为疾病症状通常只在感染的相对较晚阶段出现，此时病原体载量已经很高，而补救措施有限。因此，需要新的方法来快速和早期检测细菌感染。DiSTAP首席研究员、麻省理工学院教授、共同通讯作者Rajeev Ram说:“这一想法将类似于通过医学测试在早期阶段识别人类疾病，而不是等待视觉症状显示，以便应用早期干预或治疗。”

虽然现有的技术，如目前的分子检测方法，可以检测植物中的细菌感染，但它们的应用往往受到限制。分子检测方法在很大程度上取决于是否有病原菌特异性基因序列或抗体来识别作物中的细菌感染;由于成本高和所需设备笨重，这种方法也很耗时，不适合现场应用，不适合在农业农场使用。

“在DiSTAP，我们开发了一种基于定量拉曼光谱的算法，可以帮助农民快速识别细菌感染。开发的诊断算法利用了拉曼光谱生物标志物，可以很容易地在基于云的计算和预测平台上实现。它比现有的技术更有效，因为它能够准确识别和早期检测细菌感染，这两者对于拯救可能被摧毁的作物植物至关重要，”DiSTAP的科学主任兼首席研究员、联合首席作者Gajendra Pratap Singh博士解释说。

便携式拉曼系统可用于农业农场，当用于检测作物植物中是否存在细菌感染时，为农民提供一个准确而简单的是或否反应。这种快速、无创的方法的发展将改善植物病害管理，并通过有效减少农业产量损失和提高生产力，对农业农场产生变革性影响。

“使用诊断算法方法，我们对几种食用植物进行了实验，如菜心，”DiSTAP和TLL首席研究员、共同通讯作者Rajani Sarojam博士说。“结果表明，基于拉曼光谱的方法可以快速检测和量化感染病原菌的植物的先天免疫反应。我们相信，这项技术将有助于农业农场通过减少作物疾病造成的产量损失来提高生产力。”

研究人员目前正致力于开发高通量、定制的便携式或手持拉曼光谱仪，这将使拉曼光谱分析能够快速、容易地对田间种植的作物进行。

诊断算法和拉曼光谱生物标志物的开发和发现是由SMART和TLL完成的。TLL还通过突变株验证了该检测方法。该研究由SMART进行，并得到新加坡国家研究基金会在其卓越研究和技术企业校园(CREATE)项目下的支持。