Home Notizie recenti Un metodo di rilevamento dei virus accurato e in tempo reale potrebbe...

Un metodo di rilevamento dei virus accurato e in tempo reale potrebbe aiutare a combattere la prossima pandemia

54
0
95%. Credito: Elizabeth Floresgomez e Yin-Ting Yeh” larghezza=”475″ altezza=”356″>
Immagine al microscopio elettronico a scansione che mostra nanotubi di carbonio (viola) che intrappolano efficacemente i virus dell’influenza (oggetti rotondi viola chiaro). Questi virus intrappolati vengono quindi analizzati mediante spettroscopia Raman e apprendimento automatico e possono essere identificati con una precisione >95%. Credito: Elizabeth Floresgomez e Yin-Ting Yeh

Un metodo di identificazione dei virus altamente accurato e sensibile che utilizza la spettroscopia Raman, un dispositivo portatile di acquisizione dei virus e l’apprendimento automatico potrebbe consentire il rilevamento e l’identificazione dei virus in tempo reale per aiutare a combattere le future pandemie, secondo un team di ricercatori guidato da Penn State.

“Questo metodo di rilevamento dei virus è privo di etichette e non mira a nessun virus specifico, consentendoci così di identificare potenziali nuovi ceppi di virus,” ha detto Shengxi Huang, assistente professore di ingegneria elettrica e ingegneria biomedica e coautore dello studio apparso oggi (2 giugno) nel Atti dell’Accademia Nazionale delle Scienze. “È anche rapido, quindi adatto per proiezioni veloci in spazi pubblici affollati. Inoltre, le ricche funzionalità Raman, insieme all’analisi dell’apprendimento automatico, consentono una comprensione più profonda delle strutture dei virus.”

La spettroscopia Raman rileva vibrazioni uniche nelle molecole rilevando i turni quando un raggio di luce laser induce queste vibrazioni. Per catturare i virus, uno strumento noto come dispositivo microfluidico verrebbe utilizzato per intrappolare i virus tra foreste di nanotubi di carbonio allineati.

I dispositivi microfluidici utilizzano quantità molto piccole di fluidi corporei su un microchip per eseguire test medici e di laboratorio. Un tale dispositivo potrebbe utilizzare colture di virus, saliva, lavaggi nasali o persino respiro esalato, compresi i campioni raccolti in loco durante un’epidemia. Le foreste di nanotubi di carbonio filtrerebbero qualsiasi sostanza estranea o molecola di fondo dall’ospite o dall’aria circostante che potrebbe rendere più difficile ottenere una lettura accurata.

Vedi anche:  Il sensore indossabile rileva che i ballerini stanno ballando attraverso il dolore

“Il fatto che stiamo usando nanotubi di carbonio per arricchire i campioni è stato molto utile perché in questo modo stiamo arricchendo il campione di virus ed eliminando altri bio-rumore che non si desidera avere quando si cerca un virus,” ha affermato Mauricio Terrones, professore dell’Università Evan Pugh e professore di fisica The Verne M. Willaman e coautore dello studio.

Una volta che i campioni sono stati catturati e il microscopio Raman li ha esaminati, entra in gioco l’aspetto dell’apprendimento automatico. I ricercatori hanno raccolto gli spettri Raman di tre diverse categorie di virus: virus respiratori umani, virus aviari ed enterovirus. Questi dati vengono quindi utilizzati per addestrare un modello di apprendimento automatico, una rete neurale convoluzionale, che identifica i virus.

“Dopo che il modello di apprendimento automatico è stato addestrato, quindi dato uno spettro Raman sconosciuto di un virus sconosciuto, il nostro modello di apprendimento automatico può riconoscere automaticamente di che tipo di virus si tratta,” ha affermato Sharon Huang, professore associato di scienze e tecnologia dell’informazione e corrispondente autrice dello studio. “Ciò include, come con l’influenza, il riconoscimento di che tipo è, se si tratta dell’influenza A o dell’influenza B, e il modello può persino riconoscere sottotipi di virus, come H1N1 o H3N2.”

I vantaggi di un tale dispositivo sono molti, secondo i ricercatori, soprattutto in un focolaio in rapido movimento.

“Fornendo un dispositivo di rilevamento dei virus rapido e privo di etichette per la sorveglianza dei virus, questo approccio consentirebbe ai funzionari della sanità pubblica di monitorare più da vicino l’evoluzione di un virus,” ha affermato Yin-Ting Yeh, assistente professore di ricerca presso l’Eberly College of Science e coautore dello studio.

Vedi anche:  I cechi lasciano che alcuni lavoratori rimangano in servizio dopo essere risultati positivi

Insieme ai ricercatori della Penn State, della George Washington University e della Johns Hopkins University, hanno partecipato allo studio anche i ricercatori del National Institutes of Health (NIH). I prossimi passi del team di studio includeranno la raccolta di più spettri Raman di diversi virus umani e animali, compresi i virus del DNA per far crescere il database degli spettri dei virus. Ciò consentirebbe una formazione più ampia dei modelli di apprendimento automatico e ne migliorerebbe la generalizzabilità e la capacità di rilevare nuovi ceppi di virus. Inoltre, lavoreranno per migliorare il miglioramento Raman nel dispositivo per consentire migliori intensità del segnale e livelli di bio-rumore inferiori.

“Sebbene l’utilizzo dell’apprendimento automatico per l’elaborazione del segnale Raman non sia di per sé una novità,” ha affermato Elodie Ghedin, ricercatrice senior, sezione di genomica di sistema, NIH e coautrice dello studio. “Ciò che rende nuovo questo approccio è la combinazione di un dispositivo di acquisizione virus portatile, la raccolta di spettri Raman dai virus catturati su questo dispositivo e la classificazione rapida e accurata dei virus utilizzando un modello di apprendimento automatico. Questo approccio di rilevamento dei virus in tempo reale è particolarmente opportuno per affrontare le epidemie attuali e future.”


Articolo precedenteAlcuni medicinali per la pressione sanguigna possono ridurre il rischio di rottura dell’aneurisma per le persone con pressione alta
Articolo successivoLa crescita dell’occupazione negli Stati Uniti supera le aspettative; tasso di disoccupazione stabile al 3,6%