Wetenschappers van Osaka University werken aan een methode voor het identificeren van respiratoire virussen op basis van veranderingen in elektrische stroom wanneer ze door siliciumnanoporiën gaan, wat kan leiden tot nieuwe snelle COVID-19-tests.
Door de aanhoudende wereldwijde pandemie is er dringend behoefte aan snelle tests die de aanwezigheid van het SARS-CoV-2-virus, de ziekteverwekker die COVID-19 veroorzaakt, kunnen diagnosticeren en het kunnen onderscheiden van andere respiratoire virussen. Nu hebben onderzoekers uit Japan een nieuw systeem gedemonstreerd voor single-virion identificatie van veelvoorkomende respiratoire pathogenen met behulp van een machine learning-algoritme dat is getraind op veranderingen in de stroom door siliciumnanoporiën. Dit werk kan leiden tot snelle en nauwkeurige screeningstests voor ziekten zoals COVID-19 en influenza.
Siliciumnanoporiën
In een studie die deze maand in ACS Sensors is gepubliceerd, hebben wetenschappers van de Universiteit van Osaka een nieuw systeem geïntroduceerd dat gebruikmaakt van siliciumnanoporiën die gevoelig genoeg zijn om zelfs maar een enkel virusdeeltje te detecteren wanneer het wordt gekoppeld aan een algoritme voor machine learning.
Bij deze methode worden aan een siliciumnitridelaag van slechts 50 nm dik opgehangen op een siliciumwafel kleine nanoporiën toegevoegd, die zelf slechts 300 nm in diameter zijn. Wanneer een spanningsverschil wordt toegepast op de oplossing aan weerszijden van de wafel, reizen ionen door de nanoporiën in een proces dat elektroforese wordt genoemd.
Beweging
De beweging van de ionen kan worden gevolgd door de stroom die ze genereren, en wanneer een viraal deeltje een nanoporie binnendringt, blokkeert het een deel van de ionen om erdoorheen te gaan, wat leidt tot een tijdelijke stroomdip. Elke dip weerspiegelt de fysieke eigenschappen van het deeltje, zoals volume, oppervlaktelading en vorm, zodat ze kunnen worden gebruikt om het soort virus te identificeren.
De natuurlijke variatie in de fysieke eigenschappen van virusdeeltjes had eerder de implementatie van deze benadering belemmerd, maar met behulp van machine learning bouwde het team een classificatie-algoritme dat getraind is met signalen van bekende virussen om de identiteit van nieuwe monsters te bepalen. “Door het combineren van enkelvoudige nanoporiën-detectie met kunstmatige intelligentie, waren we in staat om zeer nauwkeurige identificatie van meerdere virale soorten te bereiken”, legt senior auteur Makusu Tsutsui uit.
Menselijk oog
De computer kan de verschillen in elektrische stroomgolfvormen die niet door het menselijk oog kunnen worden geïdentificeerd, onderscheiden, waardoor een zeer nauwkeurige virusclassificatie mogelijk is. Naast het coronavirus werd het systeem getest met vergelijkbare pathogenen – respiratoir syncytieel virus, adenovirus, influenza A en influenza B.
Het team is van mening dat coronavirussen bijzonder geschikt zijn voor deze techniek, omdat hun stekelige buitenste eiwitten het zelfs mogelijk maken om verschillende stammen apart te classificeren. “Dit werk zal helpen bij de ontwikkeling van een virustestkit die beter presteert dan conventionele virale inspectiemethoden”, zegt de laatste auteur Tomoji Kawai.
Vergeleken met andere snelle virale tests zoals polymerasekettingreactie of op antilichamen gebaseerde screeningen, is de nieuwe methode veel sneller en zijn er geen dure reagentia nodig, wat kan leiden tot verbeterde diagnostische tests voor opkomende virale deeltjes die infectieziekten veroorzaken, zoals COVID-19.
Beeld: Osaka University
