当前微生物的鉴定和检测很大程度上依赖于分离培养，进而通过形态表型、代谢特性或分子生物学手段进行鉴定和检测。但是分离培养耗时长，操作繁琐，并且很多微生物尚未实现纯培养，亟需研发新的检测技术手段。拉曼光谱是化学分子的“指纹图谱”，拉曼光谱的采集具有无损、快速、非标记、水干扰小等特点，可以在近原位条件下开展，具备方法学优势。随着人工智能的发展，深度学习强大的模式识别、数据挖掘和监督下自主学习能力十分契合处理分析拉曼光谱复杂数据的需求，能够深入挖掘微生物拉曼光谱与生物特征的潜在关联和非线性模式。 本实验室自主搭建的激光拉曼光镊系统利用785 nm单色连续激光光源形成光镊捕获微生物单细胞，在操纵单细胞的同时激发细胞产生拉曼散射。通过采集微生物单细胞的拉曼光谱，利用卷积神经网络、transformer等深度学习算法建立识别模型，实现了常见微生物的快速鉴定，鉴定正确率达到 90.73 %以上，整个鉴定过程在2分钟内完成。单细胞拉曼光谱不仅可以用于快速鉴定微生物的种属，还能够直接对微生物的药敏特性进行预测，区分鲍曼不动杆菌耐药菌株和敏感菌株准确率超过 98%。对于多重耐药的鲍曼不动杆菌，基于单细胞拉曼光谱推荐有效抗生素类型的正确率高于73.08%。此外，根据拉曼光谱，我们在单细胞水平准确预测耳球菌是否可以形成聚集细胞和菌丝态等毒力特征，预测正确率分别为100%和97%。结合拉曼光谱和人工智能技术，我们建立了通过单细胞拉曼光谱对高毒力多重耐药肺炎克雷伯菌的荚膜型进行原位鉴定的体系，依此能够快速筛选裂解性噬菌体，为临床噬菌体治疗提供技术支撑。这些结果表明拉曼光谱技术能够不依赖于培养，快速对微生物进行近似原位的鉴定和生理生化特性表征, 具有广泛的应用前景。