近期，中国科学院长春光学精密机械与物理研究所研究员李备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，完成结题验收工作。

　　深海蕴含着丰富、鲜为人知的微生物及其他物质资源，具有高压、高盐度、低温等特点，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。目前，90%的微生物因脱离原位环境等原因而不可培养。深海微生物研究面临采集、培养、物种鉴定和数据分析等多重难题。

　　该团队基于拉曼、光镊和微流控技术，研发出能够原位、实时、快速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。

　　该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较多深海环境下检测设备面临的工程问题。2024年6月，深海微生物原位分选仪搭载“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。

　　在项目研制过程中，该团队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。团队模拟我国南海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。该物镜的透过率达86%，工作距离达8mm，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。团队结合深海微生物原位分选需求，引入深度学习中的渐进式生成对抗网络和残差神经网络算法，解决了深海极端环境下数据稀缺和信噪比低等问题，为深海微生物的原位检测与分选提供了智能化支持。

　　该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和分选工作提供了理论支撑，并为深海微生物资源的开发和利用提供了技术支持。

深海微生物原位分选仪布放现场

深海微生物原位分选仪

深海微生物原位分选仪海试

多波段长工作距离专用物镜

深度学习模型框架

供稿人：杨越

审核人：文成锋