快速病毒诊断:基于FTIR的鉴定,菌株类型和SARS-CoV-2的结构特征
Pooja Lahiri1, Souvik Das1,2, Shivani Thakur3
1Advanced Technology Development Centre, Indian Institute of Technology Kharagpur, Kharagpur 721302, India.
Analytical chemistry
|August 31, 2024
概括
福利埃转换红外显微光谱和机器学习准确地识别了SARS-CoV-2变种和流感A. 这种快速诊断工具有助于监测病毒的演变和为未来的疫情做好准备.
科学领域:
- 生物物理学的生物物理.
- 传染病诊断 传染病诊断 传染病诊断
- 计算生物学 计算生物学
背景情况:
- 随着COVID-19的流行,人们需要快速诊断来追踪SARS-CoV-2的变种,并为未来的疫情做好准备.
- 现有的诊断方法可能不足以实时监测和区分变种.
- 了解病毒演变对于公共卫生准备至关重要.
研究的目的:
- 开发和验证使用FTIR显微光谱和机器学习用于SARS-CoV-2变种特征和菌株类型的多学科方法.
- 识别用于区分SARS-CoV-2变种,健康个体和其他呼吸道病毒 (如A型流感) 的光谱标志物.
- 为了研究与可传播性相关的病毒蛋白的结构变化.
主要方法:
- 福里埃变换红外光谱 (FTIR) 显微镜被用来分析来自不同流行波的喉拭片样本.
- 机器学习算法,特别是神经网络,用于分类光谱数据.
- FTIR光谱数据与病毒变异和临床结果相关.
主要成果:
- 在FTIR光谱中观察到不同的振动配置,特定的波数范围 (1150-1240厘米−1) 被确定为关键分类标记.
- 机器学习模型在分类SARS-CoV-2变种方面实现了98.6%的准确性.
- 神经网络成功地区分了SARS-CoV-2,流感A (H1N1,H3N2) 和健康样本.
- FTIR分析揭示了更易传播的SARS-CoV-2变种的尖端蛋白中的红色转移和二次结构变化.
结论:
- 综合的FTIR显微光谱和机器学习方法为SARS-CoV-2变种识别提供了快速可靠的方法.
- 这种技术可以帮助监测病毒的演变,并提高新出现的传染病的诊断能力.
- 该研究提供了对病毒蛋白质变化和传播能力的计算发现的实验验证.
