Kunstig intelligens registrerer tilstedeværelsen af ​​vira

Mange biosensningsapplikationer er afhængige af karakterisering af specifikke analytter såsom proteiner, vira og bakterier, blandt mange andre mål, som kan opnås ved brug af mikro- eller nanoskala partikler. I sådanne biosensorer, disse partikler er belagt med en overfladekemi, der får dem til at klæbe til målanalyt -dannende klynger som reaktion. Jo højere målanalytkoncentrationen er, jo større bliver antallet af klynger. Derfor, overvågning og karakterisering af disse partikelklynger kan fortælle os, om målanalyt er til stede i en prøve og i hvilken koncentration. Nuværende metoder til at udføre en sådan analyse er begrænset, idet de enten kun er i stand til en grov aflæsning eller er afhængige af dyre og omfangsrige mikroskoper, som begrænser deres anvendelighed til at imødekomme forskellige biosensningsbehov, især i ressourcebegrænsede miljøer.

For at overvinde manglerne ved de eksisterende løsninger, UCLA -forskere har udviklet en hurtig og automatiseret biosensureringsmetode baseret på holografi kombineret med dyb læring - i øjeblikket en af ​​de mest lovende og succesfulde metoder inden for kunstig intelligens, AI. I dette system, alle partikelklynger og individuelle mikropartikler i en prøve først afbildes i 3D som hologrammer, alt på samme tid, og over et meget stort prøveområde på mere end 20 mm ² , mere end ti gange større end billedområdet for et standard optisk mikroskop. Næste, et uddannet dybt neuralt netværk behandler disse hologrammer og rekonstruerer dem hurtigt til billeder af klynger, der ligner dem, der kunne opnås med et standard scanningsmikroskop, men gør dette meget hurtigere og for en betydeligt større prøvevolumen. Under denne proces, alle partikelklyngerne i mikroskalaen (afslører tilstedeværelsen af ​​målanalytten) tælles automatisk med en følsomhed svarende til et mikroskop af laboratoriekvalitet.

Som et bevis på konceptet, UCLA-forskere har med succes demonstreret anvendelsen af ​​denne dyb læringsbaserede biosensing-tilgang til påvisning af herpes simplex-virus (HSV) og opnåede en påvisningsgrænse på ~ 5 vira pr. Mikro-liter, giver et klinisk relevant følsomhedsniveau for HSV -detektion. HSV er en af ​​de mest udbredte virusinfektioner, der skønnes at have påvirket mere end 50% af de voksne i USA.

Dette værk blev udgivet som en forsideartikel i ACS Photonics , et tidsskrift for American Chemical Society. Undersøgelsen blev ledet af Dr. Aydogan Ozcan, en associeret direktør for California NanoSystems Institute (CNSI) og kanslerens professor i elektrisk og computerteknik ved UCLA Henry Samueli School of Engineering and Applied Science, sammen med Yichen Wu, en kandidatstuderende, og Aniruddha Ray, en postdoktor, på UCLAs afdeling for elektroteknik og computerteknik.

"Vores arbejde demonstrerer en automatiseret, billig platform til hurtig udlæsning og kvantificering af en lang række partikelklyngebaserede biosensorer. Denne unikke evne, der muliggøres af dyb læring, vil hjælpe med at demokratisere biosensorinstrumenter, gør dem velegnede til stor anvendelse selv i udviklingslande, "sagde Ozcan.