Een revolutie in de virusdetectie met AI-verbeterde biosensoren

Een revolutie in de virusdetectie met AI-verbeterde biosensoren

Tijdstempel: 17 oktober 2023 12:20 uur
Bronknooppunt: 2941324
17 okt 2023 (Nanowerk Nieuws) Snelle diagnostische technologieën ter plaatse voor het identificeren en kwantificeren van virussen zijn essentieel voor het plannen van behandelstrategieën voor geïnfecteerde patiënten en het voorkomen van verdere verspreiding van de infectie. De COVID-19-pandemie heeft de behoefte benadrukt aan nauwkeurige maar gedecentraliseerde diagnostische tests die geen complexe en tijdrovende processen met zich meebrengen die nodig zijn voor conventionele laboratoriumtests.

Key Takeaways

  • De behoefte aan snelle en gedecentraliseerde diagnostische tests is benadrukt door de COVID-19-pandemie, waarbij helderveldmicroscopische beeldvorming een veelgebruikt diagnostisch hulpmiddel is.
  • Traditionele virusdetectiemethoden zoals de biosensoren van Gires-Tournois (GT) kunnen beelden van virale ladingen produceren, maar brengen uitdagingen met zich mee, zoals visuele artefacten.
  • Researchers introduced “DeepGT,” a tool combining GT sensing with AI for precise quantification of nanoscale bioparticles.
  • Het DeepGT-systeem maakt gebruik van een convolutioneel neuraal netwerk, dat een hoge nauwkeurigheid vertoont bij het tellen van biodeeltjes en de ernst van een infectie kan aangeven op basis van de virale lading.
  • Het team ziet DeepGT als een cruciale oplossing voor snelle virusdetectie, waardoor de diagnostische kosten mogelijk worden verlaagd.

    • Het Onderzoek

    Een populair diagnostisch hulpmiddel voor het kwantificeren van virale lasten is helderveldmicroscopische beeldvorming. De kleine omvang (∼100 nm) en de lage brekingsindex (∼1.5, hetzelfde als die van een microscoopglaasje) van biodeeltjes zoals virussen maken hun nauwkeurige schatting echter vaak moeilijk en verhogen de detectielimiet (de laagste concentratie van virale lading die betrouwbaar kan worden gedetecteerd). Recente onderzoeken hebben aangetoond dat biosensoren van Gires-Tournois (GT), een soort nanofotonische resonatoren, minuscule virusdeeltjes kunnen detecteren en kleurrijke microfoto's (beelden gemaakt door een microscoop) van virale ladingen kunnen produceren. Maar ze hebben last van visuele artefacten en niet-reproduceerbaarheid, waardoor het gebruik ervan wordt beperkt. Bij een recente doorbraak heeft een internationaal team van onderzoekers, onder leiding van professor Young Min Song van de School of Electrical Engineering and Computer Science van het Gwangju Institute of Science and Technology in Korea, gebruik gemaakt van kunstmatige intelligentie (AI) om dit probleem te overwinnen. Hun werk is gepubliceerd in Nano vandaag (“Deep learning-based quantification of nanosized bioparticles in bright-field micrographs of Gires-Tournois biosensor”). Het team stelde een synergetische biosensingtool voor, genaamd ‘DeepGT’, die de voordelen van GT-sensingplatforms kan benutten en deze kan samenvoegen met op deep learning gebaseerde algoritmen om biodeeltjes op nanoschaal, inclusief virussen, nauwkeurig te kwantificeren zonder de noodzaak van complexe monstervoorbereidingsmethoden. “We hebben DeepGT ontworpen om de ernst van een infectie of ziekte objectief te beoordelen. Dit betekent dat we niet langer uitsluitend afhankelijk zullen zijn van subjectieve beoordelingen voor diagnose en gezondheidszorg, maar in plaats daarvan een nauwkeurigere en datagestuurde aanpak zullen hebben om therapeutische strategieën te sturen”, legt prof. Song uit, waarmee hij de motivatie achter hun onderzoek onthult. Het team ontwierp een GT-biosensor met een drielaagse dunnefilmconfiguratie en biofunctionaliseerde deze om colorimetrische detectie mogelijk te maken bij interactie met doelanalyten. De detectiecapaciteiten werden geverifieerd door het bindingsmechanisme tussen gastheercellen en het virus te simuleren met behulp van speciaal geprepareerde biodeeltjes die SARS-CoV-2 nabootsten – de coronavirusstam die de COVID-19-pandemie veroorzaakte. Vervolgens trainden de onderzoekers een convolutioneel neuraal netwerk (CNN) met behulp van meer dan duizend optische en scanning-elektronenmicrofoto's van het GT-biosensoroppervlak met verschillende soorten nanodeeltjes. Ze ontdekten dat DeepGT visuele artefacten die verband houden met helderveldmicroscopie kon verfijnen en relevante informatie kon extraheren, zelfs bij virale concentraties zo laag als 138 pg ml-1. Bovendien werd het aantal biodeeltjes met een hoge nauwkeurigheid bepaald, gekenmerkt door een gemiddelde absolute fout van 2.37 over 1,596 afbeeldingen, vergeleken met 13.47 voor op regels gebaseerde algoritmen, in minder dan een seconde. Gesterkt door de prestaties van CNN’s kan het biosensorsysteem ook de ernst van de infectie aangeven, van asymptomatisch tot ernstig, op basis van de virale lading. DeepGT biedt dus een efficiënte en nauwkeurige manier om virussen over een breed groottebereik te screenen zonder gehinderd te worden door de minimale diffractielimiet in zichtbaar licht. “Onze aanpak biedt een praktische oplossing voor de snelle detectie en beheersing van opkomende virale bedreigingen en voor de verbetering van de paraatheid op het gebied van de volksgezondheid door mogelijk de totale last van de kosten die verband houden met diagnostiek te verminderen”, besluit prof. Song.

    Tijdstempel:

    Meer van Nanowerk