Aussortieren von Viren mit maschinellem Lernen: KI-getriebene Nanotechnologie kann zu neuen COVID-19-Schnelltests führen.

0

Wissenschaftler der Universität Osaka entwickeln eine markierungsfreie Methode zur Identifizierung von Atemwegsviren auf der Grundlage von Veränderungen des elektrischen Stroms beim Durchgang durch Siliziumnanoporen, die zu neuen COVID-19-Schnelltests führen kann.

Die andauernde globale Pandemie hat einen dringenden Bedarf an Schnelltests geschaffen, die das Vorhandensein des SARS-CoV-2-Virus, des Erregers von COVID-19, diagnostizieren und ihn von anderen Atemwegsviren unterscheiden können. Jetzt haben Forscher aus Japan ein neues System zur Einzelviren-Identifizierung gängiger respiratorischer Krankheitserreger mit Hilfe eines Algorithmus für maschinelles Lernen demonstriert, der auf Stromänderungen in Siliziumnanoporen trainiert wurde. Diese Arbeit kann zu schnellen und genauen Screening-Tests für Krankheiten wie COVID-19 und Grippe führen.

In einer diesen Monat in ACS Sensors veröffentlichten Studie haben Wissenschaftler der Universität Osaka ein neues System mit Silizium-Nanoporen vorgestellt, das empfindlich genug ist, um in Verbindung mit einem Algorithmus für maschinelles Lernen auch nur ein einziges Viruspartikel zu erkennen.

Bei dieser Methode werden einer nur 50 nm dicken Siliziumnitridschicht, die auf einem Siliziumwafer suspendiert ist, winzige Nanoporen hinzugefügt, die selbst nur 300 nm im Durchmesser haben. Wenn an die Lösung auf beiden Seiten des Wafers eine Spannungsdifferenz angelegt wird, wandern die Ionen in einem Prozess, der Elektrophorese genannt wird, durch die Nanoporen.

Die Bewegung der Ionen kann durch den von ihnen erzeugten Strom überwacht werden, und wenn ein Viruspartikel in eine Nanopore eindringt, blockiert es einige der Ionen am Durchtritt, was zu einem vorübergehenden Stromabfall führt. Jede Senke reflektiert die physikalischen Eigenschaften des Partikels, wie Volumen, Oberflächenladung und Form, so dass sie zur Identifizierung der Virusart verwendet werden können.

Die natürliche Variation der physikalischen Eigenschaften der Viruspartikel hatte die Umsetzung dieses Ansatzes zuvor behindert. Mit Hilfe des maschinellen Lernens baute das Team jedoch einen Klassifikationsalgorithmus auf, der mit Signalen bekannter Viren trainiert wurde, um die Identität neuer Proben zu bestimmen. “Durch die Kombination der Einzelpartikel-Nanoporensensorik mit künstlicher Intelligenz konnten wir eine hochpräzise Identifizierung mehrerer Virusspezies erreichen”, erklärt der Seniorautor Makusu Tsutsui.

Der Computer kann die Unterschiede in elektrischen Stromwellenformen, die vom menschlichen Auge nicht erkannt werden können, unterscheiden, was eine hochpräzise Virusklassifizierung ermöglicht. Zusätzlich zum Coronavirus wurde das System mit ähnlichen Krankheitserregern getestet – dem Respiratory Syncytial Virus, dem Adenovirus, Influenza A und Influenza B.

Das Team ist der Ansicht, dass Coronaviren für diese Technik besonders gut geeignet sind, da ihre stacheligen äußeren Proteine es sogar erlauben, verschiedene Stämme getrennt zu klassifizieren. “Diese Arbeit wird bei der Entwicklung eines Virustestkits helfen, das die herkömmlichen Methoden zur Untersuchung von Viren übertrifft”, sagt der letzte Autor Tomoji Kawai.

Im Vergleich zu anderen viralen Schnelltests wie Polymerase-Kettenreaktion oder Antikörper-basierten Screens ist die neue Methode viel schneller und erfordert keine kostspieligen Reagenzien, was zu verbesserten diagnostischen Tests für aufkommende Viruspartikel führen kann, die Infektionskrankheiten wie COVID-19 verursachen.

Referenz: “Digitale Pathologie-Plattform für die Diagnose von Atemwegsinfektionen mittels Multiplex-Einzelpartikel-Detektion” von Akihide Arima, Makusu Tsutsui, Takeshi Yoshida, Kenji Tatematsu, Tomoko Yamazaki, Kazumichi Yokota, Shun’ichi Kuroda, Takashi Washio, Yoshinobu Baba und Tomoji Kawai, 16. September 2020, ACS Sensors.
DOI: 10.1021/acssensors.0c01564.

Share.

Leave A Reply