محققان دانشگاه استنفورد روش جدیدی برای شناسایی باکتری‌ها در مایعات ایجاد می‌کنند: انطباق خلاقانه فناوری در یک چاپگر جوهرافشان قدیمی به علاوه تصویربرداری با کمک هوش مصنوعی به راهی سریع‌تر و ارزان‌تر برای شناسایی باکتری‌ها در خون، فاضلاب و غیره منجر می‌شود

بازنشر افلاطون

دنبال: 0

صفحه اصلی > رسانه ها و مطبوعات > محققان استنفورد روش جدیدی برای شناسایی باکتری‌ها در مایعات ایجاد می‌کنند: انطباق خلاقانه این فناوری در چاپگر جوهرافشان قدیمی به همراه تصویربرداری با کمک هوش مصنوعی منجر به راه سریع‌تر و ارزان‌تری برای شناسایی باکتری‌ها در خون، فاضلاب و موارد دیگر می‌شود.

جزئیات نقاط چاپ شده روی یک اسلاید با روکش طلا (الف) که در آن رنگ‌بندی کاذب در نمای نزدیک یک نقطه، صدای قرمز خون را به رنگ قرمز و باکتری استافیلوکوکوس اپیدرمیدیس را به رنگ آبی نشان می‌دهد. محققان همچنین بر روی یک اسلاید پوشش داده شده با آگار (b) چاپ کردند تا نشان دهند که نقاط در جوجه کشی چگونه عمل می کنند. اعتبار
فریحه سفیر

چکیده:
لیزر را روی قطره‌ای از خون، مخاط یا فاضلاب بتابانید و نوری که به عقب بازتاب می‌شود می‌تواند برای شناسایی مثبت باکتری‌ها در نمونه استفاده شود.

محققان دانشگاه استنفورد روش جدیدی برای شناسایی باکتری‌ها در مایعات ایجاد می‌کنند: انطباق خلاقانه این فناوری در یک چاپگر جوهرافشان قدیمی به همراه تصویربرداری با کمک هوش مصنوعی منجر به راه سریع‌تر و ارزان‌تری برای شناسایی باکتری‌ها در خون، فاضلاب و موارد دیگر می‌شود.

استانفورد، کالیفرنیا | ارسال شده در 3 مارس 2023

جنیفر دیون، دانشیار علوم و مهندسی مواد و می‌گوید: «ما نه تنها می‌توانیم متوجه شویم که باکتری‌ها وجود دارند، بلکه می‌توانیم به طور خاص متوجه شویم که کدام باکتری در نمونه وجود دارد - E. coli، استافیلوکوک، استرپتوکوک، سالمونلا، سیاه زخم و غیره.» توسط رادیولوژی در دانشگاه استنفورد. هر میکروبی اثر انگشت نوری منحصر به فرد خود را دارد. این مانند کد ژنتیکی و پروتئومی است که در نور خط خورده است.»

دیون نویسنده ارشد یک مطالعه جدید در ژورنال Nano Letters است که روشی نوآورانه را که تیم او توسعه داده است، توضیح می دهد که می تواند به سنجش میکروبی سریعتر (تقریباً فوری)، ارزان تر و دقیق تر تقریباً هر مایعی که بخواهد برای میکروب آزمایش کند، منجر شود.

روش‌های کشت سنتی که امروزه هنوز مورد استفاده قرار می‌گیرند، ممکن است چند ساعت طول بکشد. دیون گفت که کشت سل 40 روز طول می کشد. به گفته تیم تحقیقاتی، آزمایش جدید می‌تواند در چند دقیقه انجام شود و نوید تشخیص بهتر و سریع‌تر عفونت، استفاده بهتر از آنتی‌بیوتیک‌ها، غذاهای ایمن‌تر، نظارت بر محیط زیست و توسعه سریع‌تر دارو را دارد.

سگ های قدیمی، ترفندهای جدید
پیشرفت این نیست که باکتری‌ها این اثر انگشت طیفی را نشان می‌دهند، واقعیتی که برای دهه‌ها شناخته شده است، بلکه در این است که چگونه این تیم توانسته است این طیف‌ها را در میان آرایه‌های کورکننده نور بازتاب شده از هر نمونه آشکار کند.

فریها سفیر، نویسنده اول، دانشجوی دکترا در آزمایشگاه دیون، می گوید: «نه تنها هر نوع باکتری الگوهای منحصر به فردی از نور را نشان می دهد، بلکه تقریباً هر مولکول یا سلول دیگری در یک نمونه مشخص نیز چنین است. گلبول‌های قرمز، گلبول‌های سفید و سایر اجزای موجود در نمونه سیگنال‌های خود را ارسال می‌کنند و تشخیص الگوهای میکروبی از نویز سلول‌های دیگر را دشوار می‌سازند.

یک میلی لیتر خون - به اندازه یک قطره باران - می تواند حاوی میلیاردها سلول باشد که فقط تعداد کمی از آنها ممکن است میکروب باشند. تیم باید راهی برای جداسازی و تقویت نور منعکس شده از باکتری به تنهایی پیدا می کرد. برای انجام این کار، آن‌ها به دنبال چندین تانژانت علمی شگفت‌انگیز بودند و فناوری چهار دهه‌ای که از محاسبات وام گرفته شده بود - چاپگر جوهرافشان - و دو فناوری پیشرفته زمان ما - نانوذرات و هوش مصنوعی - را ترکیب کردند.

کلید جداسازی طیف های باکتریایی از سیگنال های دیگر، جداسازی سلول ها در نمونه های بسیار کوچک است. بوتروس "پیر" خوری یاکوب، استاد بازنشسته مهندسی برق در استنفورد که به توسعه جوهر افشان اصلی کمک کرد، توضیح داد: ما از اصول چاپ جوهر افشان برای چاپ هزاران نقطه ریز خون به جای بازجویی از یک نمونه بزرگ استفاده می کنیم. چاپگر در دهه 1980

سفیر تأکید کرد: «اما شما نمی‌توانید فقط یک چاپگر جوهرافشان تهیه کنید و خون یا فاضلاب اضافه کنید». برای دور زدن چالش‌ها در کار با نمونه‌های بیولوژیکی، محققان چاپگر را تغییر دادند تا نمونه‌ها را با استفاده از پالس‌های صوتی روی کاغذ بگذارند. هر نقطه از خون چاپ شده تنها دو تریلیونم لیتر حجم دارد - بیش از یک میلیارد بار کوچکتر از یک قطره باران. در این مقیاس، قطرات آنقدر کوچک هستند که ممکن است تنها چند ده سلول را در خود جای دهند.

علاوه بر این، محققان نانومیله‌های طلا را به نمونه‌ها تزریق کردند که در صورت وجود، خود را به باکتری‌ها متصل می‌کنند و مانند آنتن عمل می‌کنند و نور لیزر را به سمت باکتری می‌کشند و سیگنال را حدود 1500 برابر قدرت تقویت‌نشده آن تقویت می‌کنند. با جداسازی و تقویت مناسب، طیف های باکتریایی مانند انگشت شست زخم علمی بیرون می آیند.

آخرین قطعه پازل استفاده از یادگیری ماشینی برای مقایسه طیف های متعددی است که از هر نقطه چاپ شده سیال منعکس می شود تا نشانه های آشکار هر باکتری در نمونه را تشخیص دهد.

"این یک راه حل نوآورانه با پتانسیل برای تاثیر نجات دهنده است. عمرو صالح، محقق سابق فوق دکترا در آزمایشگاه دیون و اکنون استاد دانشگاه قاهره، گفت: ما اکنون برای فرصت‌های تجاری‌سازی هیجان‌زده هستیم که می‌تواند به تعریف مجدد استاندارد تشخیص باکتری و خصوصیات تک سلولی کمک کند.

کاتالیزور برای همکاری
این نوع همکاری بین رشته‌ای یکی از ویژگی‌های بارز سنت استنفورد است که در آن کارشناسان از حوزه‌های به ظاهر متفاوت، تخصص متفاوت خود را برای حل چالش‌های دیرینه با تأثیر اجتماعی به کار می‌برند.

این رویکرد خاص در یک جلسه ناهار در یک کافه در محوطه دانشگاه شکل گرفت و در سال 2017، در میان اولین دریافت کنندگان یک سری کمک های مالی 3 میلیون دلاری بود که توسط کاتالیست استنفورد برای راه حل های مشارکتی توزیع شد. کمک های مالی کاتالیزور به طور خاص برای الهام بخشیدن به ریسک پذیری بین رشته ای و همکاری بین محققان استنفورد در زمینه های با پاداش بالا مانند مراقبت های بهداشتی، محیط زیست، خودمختاری و امنیت است.

در حالی که این تکنیک با استفاده از نمونه‌های خون ایجاد و تکمیل شده است، دیون به همان اندازه مطمئن است که می‌توان آن را برای انواع دیگر مایعات و سلول‌های هدف فراتر از باکتری‌ها، مانند آزمایش آب آشامیدنی از نظر خلوص یا شاید تشخیص سریع‌تر، دقیق‌تر و پایین‌تر ویروس‌ها به کار برد. هزینه نسبت به روش های فعلی

از دیگر نویسندگان دانشگاه استنفورد می توان به لوزا تادسه، دانشجوی سابق دکترا اشاره کرد. ستاد پژوهش کامیار فیروزی; نیاز بنایی، استاد پاتولوژی و پزشکی دانشکده پزشکی؛ و استفانی جفری، پروفسور جان و ماروا وارناک، Emerita، در دانشکده پزشکی. Nhat Vu از Pumpkinseed Technologies نیز یکی از نویسندگان آن است. بنایی، دیون، جفری و خوری یاکوب نیز اعضای Stanford Bio-X هستند. دیون همچنین معاون ارشد سکوهای تحقیقاتی/امکانات مشترک، عضو انستیتوی قلب و عروق و موسسه علوم اعصاب وو تسای و وابسته به مؤسسه انرژی Precourt است. جفری همچنین یکی از اعضای موسسه سرطان استانفورد است. خوری یاکوب همچنین عضو موسسه قلب و عروق، موسسه سرطان استانفورد و موسسه علوم اعصاب وو تسای است.

این تحقیق توسط Stanford Catalyst for Collaborative Solutions، Chan Zuckerberg Biohub Investigator Program، NIH-NCATS-CTSA، بنیاد گیتس، بنیاد ملی علوم، جایزه NIH New Innovator Award، و از سرمایه اولیه مرکز استانفورد تامین شده است. نوآوری در بهداشت جهانی بخشی از این کار در تأسیسات مشترک نانو استانفورد (SNSF) و تأسیسات مواد نرم و هیبریدی (SMF) انجام شد که توسط بنیاد ملی علوم و زیرساخت هماهنگ‌شده فناوری نانو ملی پشتیبانی می‌شوند.

####

برای اطلاعات بیشتر، لطفا کلیک کنید اینجا کلیک نمایید

تماس با ما:
جیل وو
دانشکده مهندسی دانشگاه استنفورد

حق چاپ © دانشکده مهندسی دانشگاه استنفورد

اگر نظری دارید بفرمایید تماس با ما ما.

مسئولیت صحت محتوا به عهده صادرکنندگان انتشارات خبری است، نه موج هفتم، شرکت یا نانوتکنولوژی اکنون.

نشانک: