Sortering af vira med maskinlæring

Den igangværende globale pandemi har skabt et presserende behov for hurtige tests, der kan diagnosticere tilstedeværelsen af ​​SARS-CoV-2-virus, patogenet, der forårsager COVID-19, og skelne det fra andre luftvejsvira. Nu, forskere fra Japan har demonstreret et nyt system til single-virion identifikation af almindelige respiratoriske patogener ved hjælp af en maskinlæringsalgoritme uddannet i ændringer i strøm på tværs af siliciumnanoporer. Dette arbejde kan føre til hurtige og præcise screeningstest for sygdomme som COVID-19 og influenza.

I en undersøgelse offentliggjort i denne måned i ACS sensorer forskere ved Osaka University har introduceret et nyt system, der bruger silicium -nanoporer, der er følsomme nok til at detektere selv en enkelt viruspartikel, når det er kombineret med en algoritme til maskinlæring.

I denne metode, et siliciumnitridlag kun 50 nm tykt suspenderet på en siliciumwafer har små nanoporer tilføjet, som selv kun er 300 nm i diameter. Når en spændingsforskel påføres opløsningen på hver side af skiven, ioner rejser gennem nanoporerne i en proces kaldet elektroforese.

Ionernes bevægelse kan overvåges af den strøm, de genererer, og når en viral partikel trænger ind i en nanopore, det blokerer nogle af ionerne i at passere igennem, fører til et forbigående dyk i strømmen. Hver dip afspejler partiklens fysiske egenskaber, såsom volumen, overfladeladning, og form, så de kan bruges til at identificere typen af ​​virus.

Den naturlige variation i viruspartiklernes fysiske egenskaber havde tidligere hindret implementeringen af ​​denne tilgang, imidlertid, ved hjælp af maskinlæring, holdet byggede en klassifikationsalgoritme trænet med signaler fra kendte vira for at bestemme identiteten af ​​nye prøver. "Ved at kombinere enkelt-partikel nanopore-sansning med kunstig intelligens, vi var i stand til at opnå meget nøjagtig identifikation af flere virale arter, "forklarer seniorforfatter Makusu Tsutsui.

Computeren kan skelne forskellene i elektriske strømbølgeformer, som ikke kan identificeres af menneskelige øjne, som muliggør en meget nøjagtig virusklassificering. Ud over coronavirus, systemet blev testet med lignende patogener - respiratorisk syncytialvirus, adenovirus, influenza A, og influenza B.

Holdet mener, at coronavirus er særligt velegnet til denne teknik, da deres spidse ydre proteiner endda kan tillade forskellige stammer at blive klassificeret separat. "Dette arbejde vil hjælpe med udviklingen af ​​et virustestkit, der udkonkurrerer konventionelle virale inspektionsmetoder, " siger sidste forfatter Tomoji Kawai.

Sammenlignet med andre hurtige virale tests som polymerasekædereaktion eller antistofbaserede screeninger, den nye metode er meget hurtigere og kræver ikke dyre reagenser, hvilket kan føre til forbedrede diagnostiske tests for nye virale partikler, der forårsager infektionssygdomme såsom COVID-19.