直接从原位样本中鉴定、分选和测序单个细胞对于深入分析微生物组的结构和功能具有重要价值。最近，中国科学院的研究人员开发了一种名为 EasySort AUTO 的自动化系统，该系统利用人工智能（AI）辅助对象检测模型和跨界面接触方法，实现了高效、精准的单细胞分选。

EasySort AUTO 系统首先通过 AI 辅助对象检测模型自动识别目标微生物细胞，随后利用光镊技术将这些细胞精确分选并封装在微滴中，最终以“单细胞单管”的方式导出。这种方法不仅提高了分选效率，还最大限度地保持了细胞的活性。该系统还采用了一种跨界面接触的微流控打印技术，能将细胞从芯片自动转移到管中，便于后续的单细胞培养或测序。实验结果显示，酵母和大肠杆菌的单细胞存活率超过 80%，表明这种方法在分选过程中有效保护了细胞活力。

此外，AI 辅助的目标检测技术使得从混合酵母样本中高精度自动分选目标细胞成为可能。EasySort AUTO 系统具备自动化、高效分选和高细胞存活率的特点，使其在单细胞分选领域展现出巨大的应用潜力。相关研究成果以“Artificial intelligence-assisted automatic and index-based microbial single-cell sorting system for One-Cell-One-Tube”为题，发表在《mLife》杂志上。

传统的单细胞分析方法如荧光激活细胞分选（FACS）虽然强大，但在处理小型微生物细胞时仍面临操作复杂和成本高的问题。相比之下，EasySort AUTO 系统的模块化设计和多功能性使其更适合小型实验室使用。尽管如此，FACS 分选过程中细胞的机械和生理压力可能导致细胞存活率下降，而 EasySort AUTO 系统则能较好地保持细胞活力。

当前，EasySort AUTO 系统的单细胞分选速率为约 120 个细胞/小时，但这一速率受限于光镊操作速度和自动单细胞输出效率。研究团队正致力于开发一种具有更高收集速度和准确性的新型三维移动平台，以进一步提升系统性能。此外，基于图像的微生物筛选仍存在一些局限性，例如相同菌株的不同个体可能大小和形状各异，不同微生物之间也可能非常相似。因此，未来需要开发更先进的图像识别算法和更高效的硬件设备，以提升系统的识别精度和应用范围。

EasySort AUTO 系统不仅有助于微生物单细胞分析，还能与其他技术如荧光原位杂交（FISH）结合，进行更全面的基因组分析，为微生物学研究提供了新的工具。