Оптика і ШІ знаходять віруси швидше

Дослідники розробили автоматизовану версію аналізу вірусних бляшок, золотого стандарту для виявлення та кількісного визначення вірусів. Новий метод використовує голографічне зображення в режимі реального часу та глибоке навчання, що значно скорочує час виявлення та усуває фарбування і ручний підрахунок. Цей прогрес може допомогти прискорити розробку нових вакцин та противірусних препаратів.

Южу Лі з лабораторії Ozcan при Каліфорнійському університеті в Лос-Анджелесі (UCLA) представить це дослідження на конференції Frontiers in Optics + Laser Science (FiO LS), яка відбудеться 9-12 жовтня 2023 року в конференц-центрі Greater Tacoma Convention Center в Такомі (район Великого Сіетла), штат Вашингтон.

«Скорочуючи час виявлення порівняно з традиційними аналізами вірусних бляшок, ця методика може допомогти прискорити дослідження з розробки вакцин і ліків за рахунок значного скорочення необхідного часу виявлення і повної відмови від хімічного фарбування і ручного підрахунку», – пояснює Лі. «У разі спалаху нового вірусу вакцини або противірусні препарати можна буде розробляти, випробовувати і робити доступними для громадськості зі значно більшою швидкістю, що призведе до більш швидкого реагування на надзвичайні ситуації у сфері охорони здоров’я, викликані вірусом».

Хоча аналіз вірусних бляшок є економічно ефективним способом оцінки інфекційності вірусу і кількісного визначення кількості вірусу в зразку, його проведення займає багато часу. Зразки спочатку розводять, а потім додають до культивованих клітин. Якщо вірус вбиває інфіковані клітини, утворюється область, вільна від клітин – бляшка. Потім експерти вручну підраховують забарвлені бляшкоутворюючі одиниці (PFU) – процес, який схильний до нерівномірності забарвлення і помилок підрахунку, що допускаються людиною.

Нова безбарвна автоматизована система аналізу вірусних бляшок замінює ручний підрахунок бляшок на безлінзову голографічну систему візуалізації, яка відображає просторово-часові особливості PFU під час інкубації. Потім алгоритм глибокого навчання використовується для виявлення, класифікації та визначення місцезнаходження PFU на основі спостережуваних змін.

Щоб продемонструвати ефективність своєї системи, дослідники інфікували культивовані клітини вірусом везикулярного стоматиту. Вже через 20 годин інкубації автоматизована система виявила понад 90% вірусних PFU без жодного хибнопозитивного результату. Це було набагато швидше, ніж традиційний аналіз зубного нальоту, який вимагає 48 годин інкубації для цього вірусу. Вони також застосували автоматизований підхід до вірусу простого герпесу типу 1 та вірусу енцефаломіокардиту. Вони продемонстрували ще коротший час інкубації для цих вірусів, заощадивши в середньому близько 48 і 20 годин відповідно.

Дослідники повідомляють, що не було виявлено жодного хибнопозитивного результату в усіх часових точках. Крім того, оскільки система може ідентифікувати окремі PFU під час їх раннього росту, до формування кластерів PFU, її можна використовувати для аналізу вірусних зразків з приблизно в 10 разів вищою концентрацією вірусу, ніж традиційні підходи.

«Що стосується наступних кроків, то дослідники Каліфорнійського університету вдосконалюють дизайн своєї системи для подальшого підвищення її чутливості та специфічності до різних типів вірусів, прокладаючи шлях до широкого впровадження в лабораторних та промислових умовах», – сказав Лі. «Вони також вивчають інші потенційні застосування цього методу у вірусологічних дослідженнях для високопродуктивного та економічно ефективного скринінгу противірусних препаратів».

Медичні технології включають в себе використання пристроїв для діагностики, лікування та управління проблемами зі здоров’ям. Використання штучного інтелекту (ШІ) значно змінило результати лікування пацієнтів.