近期，中國科學院長春光機所李備研究員團隊與長光辰英工程化團隊負責研制的中國科學院戰略性先導科技專項（A類）子課題—深海微生物原位分選儀，圓滿完成結題驗收工作。
深海中蘊含著極為豐富、鮮為人知的微生物及其他物質資源，同時因其具有高壓、高鹽度、低溫等特點而被認為是極端環境，研究在這種環境下生存的微生物可以幫助我們理解生命的極限。然而90%的微生物由于脫離原位環境等原因目前尚不可培養，深海微生物的研究面臨采集、培養、物種鑒定和數據分析的多重難題。
項目團隊基于拉曼、光鑷及微流控技術研發了能夠實時、快速地檢測并分選深海微生物的儀器設備，突破了拉曼檢測技術和光鑷分選技術在1500米級深海的應用，實現了對深海微生物的拉曼檢測與光鑷分選，為國內外應對深海極端環境檢測與分選深海微生物提供了新思路。
深海微生物原位分選儀
項目團隊研制的深海微生物原位分選儀專用的干-濕艙組合艙體，解決了耐高壓藍寶石舷窗與分選儀光學系統的結構兼容性問題等眾多深海環境下檢測設備所面臨的工程問題。深海微生物原位分選儀于2024年6月搭載“探索二號”TS2-38-1航次，在我國南海某海域完成1500米級海試試驗。
深海微生物原位分選儀海試
項目研制過程中，攻克了多項適用于深海微生物原位識別、檢測、分選和分析的關鍵技術，一是模擬1500米海域水體，研制專用型多波段顯微物鏡，為深海微生物的高分辨率、寬視場成像奠定基礎。模擬我國南海1500米海域水體環境數據，結合設備舷窗形變數據，研制出了專用型多波段顯微物鏡，突破了深海環境下長工作距離、高數值孔徑和寬波段的顯微成像技術，該物鏡的透過率高達86%，工作距離達到8 mm，達到國際同類產品的最高水平，為深海微生物的高分辨率、寬視場成像奠定了基礎。二是借助深度學習算法，成功應對了深海數據稀缺和信噪比低的挑戰，為深海微生物原位檢測與分選提供了支持。結合深海微生物原位分選需求，引入了深度學習中的PGGAN（漸進式生成對抗網絡）和ResNet（殘差神經網絡）算法，有效解決了深海極端環境下數據稀缺及信噪比低等問題，為深海微生物的原位檢測與分選提供了智能化支持。
?多波段長工作距離專用物鏡
深度學習模型框架
浩瀚深海，神秘且未知，通過參研本次先導專項，科研團隊初步嘗試了對未知深海微生物的原位探測和分選，積累了深海微生物原位檢測設備開發的理論研究經驗、工程開發經驗和海試測試經驗，為持續深耕深海微生物原位檢測及分選工作提供了理論支撐，為深海微生物資源的開發和利用提供技術支持。
中國科學院長春光機所李備團隊，與牛津大學、格拉斯哥大學、卡迪夫大學等國際頂尖光學及微流控等領域科學家合作，專注于細胞操縱、拉曼光譜、共聚焦成像、微流控和人工智能五大核心領域。實驗室目前擁有近20位碩博士科研團隊，發表SCI論文60余篇，具備強大的研發和創新能力。在本項目的研發過程中，還獲得了中國科學院深海工程與技術研究所張維佳團隊和陳為團隊的全力支持與協助。在生物樣品預處理、測試驗證，以及分選儀整機設備艙體設計、陸上模擬打壓測試等核心環節，上述團隊都發揮了至關重要的作用，為項目的順利推進奠定了堅實基礎。
