蚊媒传染病如疟疾、登革热和寨卡病毒每年导致全球数百万人感染，其中仅老龄蚊虫具备传播病原体的能力。传统蚊龄鉴定方法如气管形态学分析存在操作繁琐、准确性低等缺陷，而基因转录组技术又受环境因素干扰明显。这一技术瓶颈严重制约了靶向蚊控策略的实施——若能精准识别高危蚊群（即感染期蚊虫），防控效率将大幅提升。

针对这一挑战，马萨诸塞大学等机构的研究团队在《Parasites 》发表了一项突破性研究。该团队将表面增强拉曼光谱(SERS)与人工神经网络(ANN)深度融合，开发出首个能跨地域、跨性别精准预测埃及伊蚊年龄的技术体系。通过对加州(CA)和泰国(TH)两地124只蚊虫的2480组光谱分析，模型在单蚊水平实现了100%的年龄分类准确率，连续年龄预测误差仅2.18天(R=0.96)。这项技术将蚊龄鉴定从传统的"年轻/年老"二分法推进到精确日龄水平，为蚊媒传染病动态风险评估树立了新标准。

关键技术方法
研究采用60 nm柠檬酸盐包被银纳米颗粒(AgNP)增强光谱信号，通过DXRxi拉曼显微镜(780 nm激光)采集每只蚊虫20组SERS光谱。数据预处理采用Z-score标准化和Norris二阶导数降噪。人工神经网络(ANN)采用双层100神经元MLP结构，ReLU激活函数，分类任务使用交叉熵损失函数，回归任务采用均方误差，通过Adam优化器进行10000次迭代训练。创新性地引入多数表决机制（55%阈值）提升分类可靠性。

研究结果

加州源蚊虫的年龄分级
SERS光谱显示，1日龄蚊虫在726 cm^-1
(腺嘌呤)和1022 cm^-1
(苯丙氨酸)等峰强度显著区别于其他日龄组。ANN模型对CA雌蚊的日龄分类准确率达84%，较传统非ANN模型提升22%。t-SNE可视化显示1日龄样本形成独立聚类，而7-21日龄样本存在部分重叠。通过表决机制，模型在单蚊水平实现100%准确分类，回归预测R值达0.96(RMSE=2.18天)。

泰国源蚊虫的年龄分级
TH雌蚊在653 cm^-1
(C-S伸缩振动)处出现特征峰动态变化。模型对3/10/18日龄的分类准确率达86%(R=0.95)，其中10日龄预测波动较大(SD=2.09天)，反映中间日龄的分子特征过渡性。非ANN模型准确率仅68%，凸显ANN处理复杂光谱模式的优势。

性别与地理起源的影响
当模型跨性别应用时，雄性蚊虫预测准确率下降至81%，显示性别特异性分子差异。跨地域分析中，CA与TH蚊虫在1102 cm^-1
(C-C/C-N伸缩)等峰强度存在显著差异，但经表决机制优化后，混合数据集仍保持80%准确率(R=0.93)。

结论与意义
该研究首次证明SERS-ANN联用技术可突破地理和性别限制实现蚊龄精准预测。其核心突破在于：①通过ANN解码SERS分子指纹的年龄相关性，将传统7天分档精度提升至日级；②表决机制将光谱噪声影响降低至零误差；③揭示蚊虫衰老过程中腺嘌呤代谢(726 cm^-1
)和芳香族氨基酸(797/836 cm^-1
)的分子轨迹。

这项技术为蚊媒传染病防控提供了三重新范式：首先，可实现传播风险实时评估，指导精准杀虫剂喷洒；其次，通过监测野外蚊群年龄结构变化，可预警疾病暴发趋势；最后，为研究环境因素对蚊虫衰老的影响提供分子水平工具。尽管目前仍需实验室级拉曼设备，但单样本0.054美元的耗材成本显示出良好的田间应用前景。未来研究将探索便携式光谱仪适配和更多地理种群的验证，推动该技术成为全球蚊控体系的新标准。