一种使用主要成分分析的新型免疫测试技术,用于增强新兴病毒变异的检测
Josselyn Mata Calidonio1, Arianna I Maddox2, Kimberly Hamad-Schifferli1,3
1Department of Engineering, University of Massachusetts Boston, Boston, MA, USA. kim.hamad@umb.edu.
Lab on a chip
|July 24, 2024
概括
这项研究引入了一种可适应的纸质免疫试验,能够通过重新定位现有的抗体和使用机器学习进行变体歧视来检测未知的疾病变体,如SARS-CoV-2.
科学领域:
- 生物技术是生物技术.
- 免疫学 免疫学 免疫学
- 机器学习 机器学习
背景情况:
- 快速诊断对于检测传染病至关重要,通常针对已知的生物标志物.
- 目前的纸质诊断试验难以识别新的或未知的疾病变体.
- 开发适应性诊断工具对于新出现的传染性威胁至关重要.
研究的目的:
- 开发一种可适应的纸质免疫试验,用于检测未知的疾病变体.
- 用SARS-CoV-2变种来证明测试的能力.
- 创建一个诊断平台,不需要对每个变体产生新的抗体.
主要方法:
- 最初针对SARS-CoV-2阿尔法变种产生的重定位交叉反应性抗体.
- 利用与抗体结合的金纳米粒子用于色度信号生成.
- 应用机器学习,包括主要组件分析,以解释色度图案和区分变体.
主要成果:
- 免疫试验成功地区分了已知的SARS-CoV-2变种 (alpha和Omicron BA.5).
- 该测试以100%的准确性确定了以前未经发现的变种 (Omicron BA.1).
- 证明了适应能力,在不开发新抗体的情况下检测新兴变异.
结论:
- 使用机器学习的可适应性纸质免疫测试可以检测未知的疾病变体.
- 这种方法为传染病监测提供了一种灵活有效的方法.
- 开发的诊断工具对识别和跟踪新出现的病毒菌株具有重大潜力.
更多相关视频
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.2K
08:07Author Spotlight: Advancing Antiviral Strategies Through Novel Immunocapture and Mass Spectrometry Techniques
Published on: January 12, 2024
697
