Colorimetric/chemiluminescent vertical flow immunoassay based on multifunctional cobalt–gold bimetallic nanoclusters for Brucella antibody detection and deep learning- assisted semiquantitative analysis
Diese Studie präsentiert einen kolorimetrischen/chemilumineszenten vertikalen Fluss-Immunoassay unter Verwendung von Glutathion-geschützten Kobalt–Gold-Bimetall-Nanoclustern als multifunktionalen katalytischen Sonden für den sensitiven Nachweis von Brucella-Antikörpern, welcher durch eine auf Deep Learning basierende semiquantitative Analyse weiter verbessert wird, um eine hohe Genauigkeit und standardisierte Interpretation in klinischen Proben zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die Krankheitserkennung beruht oft auf dem Auffinden winziger Spuren der körpereigenen Abwehrproteine, der sogenannten Antikörper, die erscheinen, wenn das Immunsystem eine Infektion bekämpft. Für eine schwere bakterielle Erkrankung namens Brucellose, die von Tieren auf Menschen übertragen wird und Fieber sowie Gelenkschmerzen verursacht, ist das schnelle Auffinden dieser Antikörper lebenswichtig. Traditionelle Methoden können Tage dauweisen oder komplexe Laborgeräte erfordern, die in abgelegenen Gebieten nicht verfügbar sind. Wissenschaftler suchen schon lange nach einem Weg, diese Tests so einfach wie einen Schwangerschaftstest, aber so empfindlich wie eine hochtechnologische Labormaschine zu machen. Die Herausforderung besteht darin, sehr schwache Signale zu erkennen, wenn die Infektion gerade erst beginnt oder wenn die Menge an Antikörpern gering ist, da das Hintergrundrauschen des Teststreifens die Antwort leicht verdecken kann.
Ein Forscherteam hat einen neuen Typ eines Schnelltests entwickelt, der dieses Problem löst, indem er ein spezielles Material mit einem intelligenten Computerprogramm kombiniert. Sie entwickelten einen vertikalen Fluss-Test, bei dem die Flüssigkeit gerade nach oben durch einen Papierstreifen fließt statt seitwärts, was eine bessere Kontrolle der Reaktion ermöglicht. Das Herzstück dieses Systems sind winzige, ultra-kleine Cluster aus Metallatomen aus Gold und Kobalt, die in eine schützende Hülle gehüllt sind. Diese Cluster fungieren als ein zweckgebundenes Werkzeug: Sie heften sich an die spezifischen Antikörper, nach denen der Test sucht, und wirken zudem wie ein chemischer Katalysator, der zwei verschiedene Arten von Lichtsignalen auslösen kann. Ein Signal ist eine sichtbare blaue Farbe, die erscheint, wenn eine Chemikalie hinzugefügt wird, während das andere ein schwaches, leuchtendes Licht ist, das keine externe Lampe benötigt, um gesehen zu werden.
Die Forscher fanden heraus, dass dieses Metallcluster-Material bemerkenswert effektiv bei der Verstärkung schwacher Signale ist. Wenn der Teststreifen die Antikörper einfängt, sammeln sich die Metallcluster an einer bestimmten Stelle. Wenn die Menge an Antikörpern sehr klein ist, sind auch die Cluster spärlich vorhanden, und die resultierende Farbe könnte zu blass sein, um sie mit bloßem Auge zu erkennen. Wenn jedoch eine chemische Lösung hinzugefügt wird, beschleunigen die Metallcluster eine Reaktion, die eine klare Flüssigkeit blau färbt. Dieser Prozess macht das schwache Signal viel stärker und leichter erkennbar. Noch nützlicher ist das zweite Signal, ein chemisches Leuchten, das auftritt, wenn die Metallcluster mit einer anderen Chemikalie reagieren. Dieses Leuchten ist sehr stetig und hält lange an, was ein klares Bild vor einem dunklen Hintergrund liefert. Da das Leuchten nicht auf externes Licht angewiesen ist, offenbart es Details, die die blaue Farbe vielleicht übersehen würde, insbesondere wenn das Testergebnis grenzwertig ist.
Um sicherzustellen, dass die Personen, die den Test lesen, nicht raten müssen, ob ein schwacher Fleck positiv oder negativ ist, hat das Team ein Computerprogramm trainiert, um die Bilder zu analysieren. Sie haben eine Art künstliche Intelligenz darauf trainiert, den Teststreifen zu betrachten und die Größe sowie die Helligkeit der farbigen Flecken mit extremer Präzision zu messen. Anstatt dass ein menschliches Auge versucht zu entscheiden, ob ein Punkt groß genug ist, berechnet der Computer das exakte Verhältnis zwischen dem Testpunkt und einem Kontrollpunkt. Diese Methode eliminiert menschliche Fehler und ermöglicht es, den Test in vier Intensitätsstufen einzuteilen, von negativ bis stark positiv. Der Computer war in der Lage, die Ergebnisse des Goldstandards der Laboruntersuchung in fast allen Fällen zu entsprechen und die positiven Proben mit hoher Genauigkeit zu identifizieren.
In einer kleinen Studie unter Verwendung echter Blutproben von Patienten schnitt der neue Test außergewöhnlich gut ab. Die Version, die das blaue Farbsignal nutzte, identifizierte korrekt 95 Prozent der infizierten Proben, während die Version mit dem leuchtenden Licht 95 Prozent der infizierten Proben und 100 Prozent der gesunden Proben identifizierte. Dies bedeutet, dass die Leuchtmethode in dieser Gruppe keine Fehlalarme produziert hat. Der Test erwies sich auch als stabil und behielt seine Wirksamkeit für mindestens einen Monat bei, wenn er im Kühlschrank gelagert wurde. Die Forscher betonen, dass die Studie zwar vielversprechend ist, die Untersuchung jedoch mit einer begrenzten Anzahl von Proben durchgeführt wurde und größere Tests notwendig sind, um diese Ergebnisse über verschiedene Populationen hinweg zu bestätigen.
Diese Arbeit zeigt, dass es möglich ist, ein einzelnes, einfaches Gerät zu bauen, das auf vielfältige Weise Ergebnisse liefert – von einer schnellen visuellen Prüfung bis hin zu einer hochsensiblen, im Dunkeln leuchtenden Messung. Durch die Paarung dieser physikalischen Signale mit einer intelligenten Computeranalyse haben die Forscher ein Werkzeug geschaffen, das eine qualitativ hochwertige Krankheitserkennung an Orten ohne fortschrittliche Labore bringen könnte. Der Ansatz zeigt, dass die Kombination von fortschrittlichen Materialien mit digitaler Intelligenz die medizinische Testung zuverlässiger machen kann, insbesondere wenn die Anzeichen einer Krankheit schwach und schwer zu erkennen sind.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.