• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Los científicos desarrollan una plataforma de biodetección basada en aprendizaje profundo para contar mejor las partículas virales
    El novedoso marco de biodetección diseñado por investigadores aprovecha un inmunosensor Gires-Tournois y algoritmos de aprendizaje profundo para cuantificar con precisión biopartículas minúsculas, como virus, incluso en concentraciones bajas. Crédito:Profesor Young Min Song de GIST, Corea

    Estudios recientes han descubierto que los biosensores Gires-Tournois (GT), un tipo de resonador nanofotónico, pueden detectar partículas de virus minúsculas y producir micrografías (imágenes tomadas a través de un microscopio) coloridas de cargas virales. Pero sufren de artefactos visuales y de no reproducibilidad, lo que limita su utilización.



    En un avance reciente, un equipo internacional de investigadores, dirigido por el profesor Young Min Song de la Escuela de Ingeniería Eléctrica y Ciencias de la Computación del Instituto de Ciencia y Tecnología de Gwangju en Corea, ha aprovechado la inteligencia artificial (IA) para superar este problema. Su trabajo fue publicado en Nano Today .

    Las tecnologías de diagnóstico rápido e in situ para identificar y cuantificar virus son esenciales para planificar estrategias de tratamiento para pacientes infectados y prevenir una mayor propagación de la infección. La pandemia de COVID-19 ha puesto de relieve la necesidad de pruebas de diagnóstico precisas pero descentralizadas que no impliquen procesos complejos y lentos necesarios para las pruebas de laboratorio convencionales.

    Una herramienta de diagnóstico popular en el lugar de atención para cuantificar la carga viral son las imágenes microscópicas de campo brillante. Sin embargo, el pequeño tamaño (~ 100 nm) y el bajo índice de refracción (~ 1,5, igual que el de un portaobjetos de microscopio) de biopartículas como los virus a menudo dificultan su estimación precisa y aumentan el límite de detección (la concentración más baja de carga viral). que se pueda detectar de forma fiable).

    En su nuevo estudio, el equipo propuso una herramienta de biodetección sinérgica llamada "DeepGT", que puede aprovechar las ventajas de las plataformas de detección GT y fusionarlas con algoritmos basados ​​en aprendizaje profundo para cuantificar con precisión biopartículas a nanoescala, incluidos virus, sin la necesidad de muestras complejas. métodos de preparación.

    "Diseñamos DeepGT para evaluar objetivamente la gravedad de una infección o enfermedad. Esto significa que ya no tendremos que depender únicamente de evaluaciones subjetivas para el diagnóstico y la atención médica, sino que tendremos un enfoque más preciso y basado en datos para guiar las estrategias terapéuticas. ", explica el profesor Song, revelando la motivación detrás de su estudio.

    El equipo diseñó un biosensor GT con una configuración de película delgada de tres capas y lo biofuncionalizó para permitir la detección colorimétrica al interactuar con los analitos objetivo. Las capacidades de detección se verificaron simulando el mecanismo de unión entre las células huésped y el virus utilizando biopartículas especialmente preparadas que imitaban el SARS-CoV-2, la cepa de coronavirus que causó la pandemia de COVID-19.

    A continuación, los investigadores entrenaron una red neuronal convolucional (CNN) utilizando más de mil micrografías ópticas y electrónicas de barrido de la superficie del biosensor GT con diferentes tipos de nanopartículas. Descubrieron que DeepGT podía refinar los artefactos visuales asociados con la microscopía de campo brillante y extraer información relevante, incluso en concentraciones virales tan bajas como 138 pg ml –1 .

    Además, determinó el recuento de biopartículas con gran precisión, caracterizada por un error absoluto medio de 2,37 en 1.596 imágenes, frente al 13,47 de los algoritmos basados ​​en reglas, en menos de un segundo. Impulsado por el rendimiento de las CNN, el sistema de biodetección también puede indicar la gravedad de la infección, desde asintomática hasta grave, según la carga viral.

    DeepGT presenta así una forma eficiente y precisa de detectar virus en un amplio rango de tamaños sin verse obstaculizado por el límite mínimo de difracción en la luz visible. "Nuestro enfoque proporciona una solución práctica para la rápida detección y gestión de amenazas virales emergentes, así como para mejorar la preparación de la salud pública al reducir potencialmente la carga general de los costos asociados con el diagnóstico", concluye el profesor Song.

    Más información: Jiwon Kang et al, DeepGT:Cuantificación basada en aprendizaje profundo de biopartículas de tamaño nanométrico en micrografías de campo brillante del biosensor Gires-Tournois, Nano Today (2023). DOI:10.1016/j.nantod.2023.101968

    Información de la revista: Nano hoy

    Proporcionado por el Instituto de Ciencia y Tecnología de Gwangju




    © Ciencia https://es.scienceaq.com