针对非洲猪瘟防控中现场快速检测的迫切需求，环介导等温扩增（LAMP）技术因无需精密仪器而备受关注。然而，非洲猪瘟病毒（ASFV）基因组庞大、变异度高，传统的单基因检测方法存在较高的假阴性风险，因此开发能够同步检测多个靶标的LAMP新型检测平台具有重要意义。近日，我课题组朱元首老师与陈雨新同学以《DeepLAMP: Deep Learning-assisted Hive-Chip Integrated with AuNP-enhanced Colorimetric LAMP for Smartphone-based Multiplex Detection of African Swine Fever Virus》为题，在国际权威期刊《Sensors and Actuators B: Chemical》（工程技术大类1区，影响因子7.7）上发表学术论文。

本研究成功开发了一种名为“DeepLAMP”的多靶标同步检测平台。该平台集成了三类核心技术：蜂巢结构微流控芯片、金纳米粒子增强型比色LAMP反应体系，以及基于智能手机的深度学习分析系统，实现了对ASFV四个保守基因（B646L、Q706L、P1192R、B475L）的同步检测，有效解决了单基因检测易漏检的难题。金纳米粒子的引入显著提升了检测灵敏度，检测限可达5–50 copies/μL；优化的深度学习模型可自动识别肉眼难以判读的微弱颜色变化，整体分类准确率达98.6%。整个检测流程可在60分钟内完成，且无需依赖离心机或大型仪器，适用于猪场等资源有限场景。实验表明，该平台对临床样本具有高识别能力，且与猪瘟病毒（CSFV）、猪繁殖与呼吸综合征病毒（PRRSV）及伪狂犬病毒（PRV）无交叉反应，表现出良好的特异性与鲁棒性。该研究为非洲猪瘟的现场快速监测与即时诊断提供了一种灵敏、特异、易操作的解决方案，未来该平台结构可进一步拓展至其他人兽共患病或新发传染病的多重基因检测中。