一种基于纸质的多重血清测试,使用机器学习来监测针对SARS-COV-2的免疫力

科学领域:

• 免疫学 免疫学 免疫学
• 生物技术是生物技术.
• 公共卫生 公共卫生

背景情况:

• 由于SARS-CoV-2的感染性和演变,COVID-19大流行需要持续监测人口免疫力.
• 准确和可访问的血清学测试对于跟踪免疫水平和指导公共卫生战略至关重要.

研究的目的:

• 开发和验证基于纸质的多重垂直流量试验 (xVFA),用于检测针对SARS-CoV-2的IgG和IgM抗体.
• 创建一个能够监测COVID-19免疫力和根据免疫状况对个人进行分类的计算点照顾 (POC) 血清学测试.

主要方法:

• 设计了一种基于纸张的xVFA,利用五种SARS-CoV-2结构蛋白来检测IgG和IgM抗体.
• 采用基于手机的光学阅读器和基于神经网络的图像处理和血清诊断分析算法.
• 运行两个并行的xVFA,样本体积小 (40μL),用于快速测试 (<20分钟).

主要成果:

• xVFA成功地跟踪了纵向免疫水平,并将免疫分为"受保护"",不受保护"和"感染"组.
• 血清诊断算法在31个血清样本的盲测中实现了89.5%的准确性.
• 该试验证明了高性能,便携性,成本效益和快速操作.

结论:

• 开发的xVFA是一种有前途的计算POC血清学测试,用于监测COVID-19免疫力.
• 这个平台可以帮助及时做出有关推复疫苗和公共卫生政策的决定.
• xVFA为管理正在进行的COVID-19大流行和保护弱势群体提供了有价值的工具.