Deep learning-baserad holografisk point-of-care sensor. Kredit:Ozcan Lab @ UCLA
Agglutinationsanalyser är allmänt använda immunologiska sensorer baserade på antigen-antikroppsinteraktioner som resulterar i klumpar av antikroppsbelagda mikroskopiska partiklar. När provet, till exempel, en patients serum – introduceras, motsvarande målantigener i provet fäster snabbt till antikroppsbindningsställena och partiklarna börjar bilda kluster på grund av målantigenets förmåga att binda till olika ställen samtidigt. Nivån av klustring bland partiklarna är en indikation på mängden antigen som finns i ett prov. Dessa partikelbaserade sensorer har använts för att testa antigener i ett antal kroppsvätskor, och att diagnostisera ett brett spektrum av sjukdomar. Dess stora fördelar i point-of-care diagnostik inkluderar kort reaktionstid, låg provvolym, låg kostnad, och hög specificitet. Ett av hindren för dess bredare användning ligger i analysens låga känslighet och brist på kvantitativa mätningar.
I en ny tidning publicerad i Lab on a Chip, ett team av forskare från University of California, Los Angeles (UCLA) har utvecklat en snabb och kostnadseffektiv partikelagglutinationsbaserad sensor som drivs av holografisk avbildning och djupinlärning. En kapillärbaserad flödesanordning för engångsbruk är utformad för att vara värd för agglutinationsreaktionen med en materialkostnad på under 2 cent per test. Ett mobilt och billigt holografiskt mikroskop fångar en film av provet, övervakning av partikelklustringsprocessen under 3 minuter. Denna fångade holografiska film bearbetas snabbt av tränade neurala nätverk för att automatiskt mäta målanalytkoncentrationen i provet.
Effektiviteten av denna djupinlärningsaktiverade point-of-care-sensor demonstrerades genom att noggrant mäta C-reaktivt proteinkoncentration i humana serumprover. C-reaktivt protein (CRP) är en allmän biomarkör som produceras av levern som svar på inflammation i kroppen och används ofta som en indikator på myokarddysfunktion och hjärtsvikt. Testad på olika serumprover från unika patienter, denna beräkningssensor kunde noggrant mäta koncentrationen av CRP inom högkänslighetsområdet, spänner över 0-10 µg/ml. Viktigt, denna mobila sensor kunde också framgångsrikt detektera mycket höga CRP-koncentrationer, långt över 10 µg/ml, vilket i allmänhet är svårt för andra sensorer att mäta på grund av deras begränsade dynamiska område för analytkoncentration.
"Denna mobil, djupinlärningsaktiverad holografisk sensor är mycket exakt och kostnadseffektiv, vilket gör den idealisk för en mängd olika vårdrelaterade diagnostikapplikationer, sa professor Aydogan Ozcan, kanslerns professor i elektro- och datorteknik vid UCLA och biträdande direktör för California NanoSystems Institute, vem som är den äldre motsvarande författaren till verket.
Denna forskning leddes av Dr. Ozcan, i samarbete med Dr. Omai Garner, en professor i klinisk mikrobiologi och chef för Point of Care Testing vid UCLA. De andra författarna till detta verk är Yi Luo, Hyou-Arm Joung, Sarah Esparza, och Jingyou Rao från UCLA. Dr. Ozcan har också UCLA-fakultetsutnämningar inom bioteknik och kirurgi, och är HHMI-professor. Denna forskning finansierades av National Science Foundation, PATHS-UP Engineering Research Center.