Новый метод высокоточной и чувствительной идентификации вирусов
Метод высокоточной и чувствительной идентификации вирусов с использованием рамановской спектроскопии, портативного устройства для захвата вирусов и машинного обучения может обеспечить обнаружение и идентификацию вирусов в режиме реального времени, что поможет бороться с будущими пандемиями, считает группа исследователей под руководством Университета штата Пенсильвания.
"Этот метод обнаружения вирусов не содержит меток и не нацелен на какой-либо конкретный вирус, что позволяет нам выявлять потенциальные новые штаммы вирусов", - говорит Шэнси Хуанг, доцент кафедры электротехники и биомедицинской инженерии и соавтор исследования, опубликованного сегодня (2 июня) в журнале Proceedings of the National Academy of Sciences. Он также быстрый, поэтому подходит для быстрого скрининга в переполненных общественных местах". Кроме того, богатые рамановские характеристики вместе с анализом машинного обучения позволяют глубже понять структуры вируса"
Рамановская спектроскопия обнаруживает уникальные колебания в молекулах, улавливая сдвиги, когда луч лазерного света вызывает эти колебания. Для захвата вирусов будет использован инструмент, известный как микрофлюидное устройство, чтобы поймать вирусы между лесами выровненных углеродных нанотрубок.
Микрофлюидные устройства используют очень маленькие объемы жидкостей организма на микрочипе для проведения медицинских и лабораторных исследований. Такое устройство может использовать культуры вирусов, слюну, носовые смывы или даже выдыхаемое дыхание, включая образцы, собранные на месте во время вспышки заболевания. Леса из углеродных нанотрубок будут отфильтровывать любые посторонние вещества или фоновые молекулы из носителя или окружающего воздуха, которые могут затруднить получение точных показаний.
"Тот факт, что мы используем углеродные нанотрубки для обогащения образцов, очень полезен, потому что таким образом мы обогащаем образец вирусами и устраняем другие биошумы, которые нежелательны при поиске вируса", - сказал Маурисио Терронес, профессор университета Эвана Пью, профессор физики Верна М. Вилламана и соавтор исследования.
Когда образцы получены и рамановский микроскоп исследует их, в дело вступает аспект машинного обучения. Исследователи собрали рамановские спектры трех различных категорий вирусов: респираторных вирусов человека, птичьих вирусов и энтеровирусов. Эти данные затем используются для обучения модели машинного обучения - конволюционной нейронной сети, которая идентифицирует вирусы.
"После того, как модель машинного обучения была обучена, то, получив неизвестный рамановский спектр неизвестного вируса, наша модель машинного обучения может автоматически распознать тип вируса", - говорит Шарон Хуанг, доцент кафедры информационных наук и технологий и автор-корреспондент исследования. "Это включает, например, распознавание типа гриппа, будь то грипп A или грипп B, и модель может даже распознавать подтипы вирусов, такие как H1N1 или H3N2".
По мнению исследователей, преимущества такого устройства многочисленны, особенно в условиях быстро развивающейся вспышки.
"Обеспечивая быстрое и не содержащее этикеток устройство для обнаружения вирусов, этот подход позволит работникам здравоохранения более тщательно отслеживать эволюцию вируса", - сказал Инь-Тинг Йех, ассистент профессора-исследователя в Научном колледже Эберли и соавтор исследования.
"Хотя использование машинного обучения для обработки рамановского сигнала само по себе не является чем-то новым", - говорит Элоди Гедин, старший исследователь, отдел системной геномики, NIH и соавтор исследования. Что делает этот подход новым, так это сочетание портативного устройства для захвата вирусов, сбора рамановских спектров от захваченных вирусов на этом устройстве, а также быстрой и точной классификации вирусов с помощью модели машинного обучения". Такой подход к обнаружению вирусов в режиме реального времени особенно своевременен для борьбы с текущими и будущими вспышками"
