Att hitta praktiska lösningar för att upptäcka proteiner, cancerbiomarkörer, virus och andra små föremål har varit en viktig utmaning för forskare över hela världen i decennier. Dessa lösningar lovar att rädda liv genom snabbare diagnostik och behandling av allvarliga infektioner och sjukdomar.

Nu visar ett UCLA-teams nya forskning hur sådana upptäckter kan göras för en bråkdel av kostnaden genom att använda "smarta" mobila enheter designade av maskininlärning.

En metod för att upptäcka små föremål och relaterade biomarkörer kallas plasmonisk avkänning, vilket innebär att lysa på metallnanostrukturer för att förstärka det lokala elektriska fältet. Interaktionen mellan detta förstärkta elektriska fält och molekylen av intresse kan mätas, avslöjar viktig information om molekylär koncentration och kinetik. Även om forskare har utforskat denna typ av avkänning i årtionden, de har ställts inför utmaningar när det gäller miljöer utanför laboratoriemiljöer som är begränsade i resurser. Detta beror på att dyra och skrymmande instrument behövs för detta arbete.

Det primära målet med maskininlärning är att "träna" en algoritm med en stor mängd data så att den kan "lära sig" komplexa trender och statistik och i sin tur användas för att förutsäga utfall med mycket mer exakthet än en traditionell modell. Till exempel, Google har använt maskininlärning i applikationer som att känna igen bokstäver och siffror på våra gator och hem.

UCLA-teamet, leds av Aydogan Ozcan, Kanslerns professor i elektroteknik och bioteknik och biträdande direktör för California NanoSystems Institute, tog detta koncept och tillämpade det på plasmonisk avkänning, konstruera en mobil och billig enhet som är mycket mer exakt än konventionella sensordesigner.

Prototypenheten är lätt och bärbar, bestående av ett 3D-tryckt plasthölje, fyra lysdioder, eller lysdioder, i olika färger och en kamera. Som beskrivs i studien, en maskininlärningsalgoritm väljer ut de fyra mest optimala lysdioderna bland tusentals andra möjliga val, komma fram till den mest exakta designen, och en beräkningsmetod för att kvantifiera sensorutgången. Detta arbete syftar till att tillhandahålla ett designverktyg som andra ingenjörer och forskare kan använda för att optimera sina egna billiga optiska sensorläsare för olika tillämpningar inom hälso- och sjukvården samt miljöövervakning.

Genom att använda nyupptäckta nanotillverkningsmetoder, forskargruppen kunde producera flexibla plasmoniska sensorer som är robusta och billiga nog att användas för engångsbruk. Dessa sensorer kan genomgå "ytmodifiering, " som säkerställer att endast molekylerna av intresse interagerar med det förstärkta elektriska fältet.

Detta biokemisteg kan ses som två kompletterande pusselbitar, där en del är fäst vid sensorytan, förhindra att någon annan del än dess komplement förenar den och stör mätningen. Detta innebär att dessa sensorer kan "modifieras" för att fånga upp valfritt antal specifika biomål såsom bakterier, virus eller cancerceller, bland många andra.

För att använda denna plasmoniska läsare, ett flytande prov, till exempel blod eller urin, appliceras på sensorytan med hjälp av ett engångsmikrochip. Sensorn passar sedan in i en patron som kan sättas in i enheten, som sedan automatiskt mäter och analyserar provet, levererar avkänningsresultatet. Forskargruppen säger att en sådan plasmonisk läsare skulle kunna utformas som en mobiltelefontillbehör för att ytterligare sänka kostnaderna och dra fördel av molnanslutningen såväl som beräkningskraften hos smartphones.

Studiens första författare är Zach Ballard, en elteknikstudent och National Science Foundation-stipendiat. Forskningen publicerades i ACS Nano.

"Fantastiska upptäckter och resultat görs dagligen vid forskningsinstitutioner som UCLA, men ofta när ingenjörer börjar föreställa sig att flytta denna vetenskap till den verkliga världen, de träffade vägspärrar, " sa Ballard. "Så det är alltid spännande för mig att se den senaste tekniken bli mer praktisk."