使用基于机器学习的无标签SERS策略,快速分类SARS-CoV-2变种菌株
Jingwang Qin1, Xiangdong Tian1, Siying Liu2
1State Key Laboratory of Structural Chemistry, Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences, Fuzhou, Fujian, 350002, PR China; Department of Translational Medicine, Xiamen Institute of Rare Earth Materials, Haixi Institute, Chinese Academy of Sciences, Xiamen, 361021, PR China.
Talanta
|September 7, 2023
概括
快速识别严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 变种是控制大流行病的关键. 这项研究使用了表面增强的拉曼散射 (SERS) 和机器学习 (ML) 来快速准确地检测变种.
科学领域:
- 生物技术是生物技术.
- 病毒学 病毒学
- 数据科学数据科学数据科学
背景情况:
- 持续的SARS-CoV-2突变,特别是在尖端 (S) 蛋白中,驱动病毒传播和免疫逃避.
- 准确和快速识别SARS-CoV-2变种对于有效的公共卫生干预和治疗策略至关重要.
研究的目的:
- 开发和验证一种用于快速和准确识别SARS-CoV-2变种的新方法.
- 评估无标签表面增强拉曼散射 (SERS) 与机器学习 (ML) 结合用于变体歧视的有效性.
主要方法:
- 建立各种SARS-CoV-2变体的SERS光谱数据库.
- 开发用于变种分类的逻辑回归 (LR) 机器学习模型.
- 测试模型的准确性在已知的变体和盲目测试的人类鼻子拭子.
主要成果:
- 开发的分类器在识别Beta,Delta,武汉和Omicron (BA.1) 变种方面实现了100%的准确性.
- 该方法在对阳性和阴性人类鼻子拭子的盲目测试中显示出100%的准确性.
- 通过SERS-ML方法,在10分钟内准确识别了变种.
结论:
- 基于机器学习的SERS技术为准确和快速区分SARS-CoV-2变种提供了有前途的解决方案.
- 这项技术有可能用于实时诊断和指导治疗决策.
- 该方法在复杂的生物样本中是有效的,促进了临床应用.
