通过CRISPR-Cas12a和深度学习优化的crRNAs在横流平台上无放大检测mycoplasma pneumoniae
Jian Zhou1, Xue Mei Ren1, Juan Gao1
1Department of Laboratory Medicine, The First Affiliated Hospital of Xi'an Medical University, Xi'an 710077, China.
Journal of pharmaceutical and biomedical analysis
|October 23, 2025
概括
一个新的CRISPR-Cas12a诊断工具使用深度学习优化的crRNA库来快速,无放大检测Mycoplasma pneumoniae. 这种点照顾测试显示出高灵敏度和特异性,有助于更快的诊断和治疗.
科学领域:
- 分子生物学分子生物学
- 生物技术是生物技术.
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 菌性肺炎感染是一个重大的公共卫生挑战,需要准确和快速的诊断方法.
- 当前的诊断方法往往需要复杂的实验室设备和耗时的程序,这限制了它们在临床环境中的使用.
研究的目的:
- 开发一种基于CRISPR-Cas12a的无放大增强检测平台来检测Mycoplasma pneumoniae.
- 使用深度学习设计的crRNA库优化平台,以提高灵敏度和速度.
- 评估该平台作为临床检测 (POCT) 核酸检测策略的潜力.
主要方法:
- 一个crRNA库的计算设计和选,针对MP P1基因的保存区域.
- 开发一个具有多重crRNA库的CRISPR-Cas12a系统,用于增强信号和动力学.
- 测试与侧流带的整合用于视觉读取.
- 临床评估特异性和与标准诊断方法的一致性.
主要成果:
- 从50多个候选人中确定了16个高度活跃的crRNA,实现了协同信号增强.
- 与单个crRNA测试相比,复杂crRNA库的灵敏度提高了16.8倍 (LOD 0.15 pM),信号和时间减少了30%.
- 侧向流量测定显示,视觉检测灵敏度 (LOD 100 pM) 增加了十倍,具有高特异性,在45分钟内与临床结果达成>95%的一致性.
结论:
- 建立了一个深度学习促进的crRNA设计框架和一个基于crRNA库的新型检测系统.
- 开发的平台提供了一种可行和敏感的方法,用于对Mycoplasma pneumoniae的无放大POCT核酸测试.
- 这项技术有望简化CRISPR-Cas诊断的临床翻译,特别是在资源有限的环境中.
