Ученые создали платформу для биосенсоров на основе глубокого обучения для точного подсчета вирусных частиц
Исследования показали, что биосенсоры Гира-Турнуа (GT) — тип нанофотонных резонаторов — могут обнаруживать мельчайшие вирусные частицы и создавать цветные микрофотографии вирусной нагрузки. Однако им свойственны визуальные артефакты и невоспроизводимость, что ограничивает их применение.
Международная команда исследователей под руководством профессора Янг Мин Сонга из Школы электротехники и компьютерных наук Института науки и технологий Кванджу в Корее использовала искусственный интеллект (ИИ), чтобы решить эту проблему. Их работа опубликована в журнале Nano Today.
Быстрые и портативные диагностические технологии для идентификации и количественного определения вирусов необходимы для планирования лечения и предотвращения распространения инфекции. Пандемия COVID-19 подчеркнула потребность в точных, но децентрализованных тестах, не требующих сложных и длительных лабораторных процессов.
Популярным инструментом для количественного определения вирусной нагрузки у постели больного является визуализация в светлом поле микроскопа. Однако малый размер (~ 100 нм) и низкий показатель преломления (~ 1.5, как у предметного стекла) биологических частиц, таких как вирусы, часто затрудняют их точную оценку и повышают предел обнаружения.
В новом исследовании команда предложила синергетический инструмент биосенсинга под названием DeepGT. Он объединяет преимущества платформ GT-сенсоров с алгоритмами на основе глубокого обучения для точного количественного определения наноразмерных биологических частиц, включая вирусы, без сложной подготовки образцов.
«Мы разработали DeepGT для объективной оценки тяжести инфекции или заболевания. Это означает, что нам больше не придется полагаться исключительно на субъективные оценки для диагностики и лечения. Вместо этого у нас будет более точный и основанный на данных подход для выбора терапевтических стратегий», — объясняет профессор Сонг.
Команда создала GT-биосенсор с трехслойной тонкопленочной конфигурацией и биофункционализировала его для колориметрического детектирования при взаимодействии с целевыми аналитами. Способность к детектированию была проверена путем моделирования механизма связывания вируса с клеткой-хозяином с использованием специально подготовленных биологических частиц, имитирующих SARS-CoV-2.
Затем исследователи обучили сверточную нейронную сеть (CNN) на более чем тысяче оптических и сканирующих электронных микрофотографий поверхности GT-биосенсора с различными типами наночастиц. Они обнаружили, что DeepGT способен устранять визуальные артефакты, связанные с микроскопией в светлом поле, и извлекать релевантную информацию даже при концентрации вируса всего 138 пг мл–1.
Более того, система определяла количество биологических частиц с высокой точностью (средняя абсолютная ошибка 2.37 на 1596 изображениях против 13.47 у алгоритмов на основе правил) менее чем за секунду. Благодаря производительности CNN, биосенсорная система также может указывать на тяжесть инфекции — от бессимптомной до тяжелой — на основе вирусной нагрузки.
Таким образом, DeepGT представляет собой эффективный и точный способ скрининга вирусов в широком диапазоне размеров, не ограниченный минимальным дифракционным пределом видимого света.
«Наш подход предлагает практическое решение для быстрого обнаружения и контроля новых вирусных угроз, а также для повышения готовности системы здравоохранения за счет потенциального снижения общей финансовой нагрузки, связанной с диагностикой», — заключает профессор Сонг.