• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Cientistas desenvolvem plataforma de biossensor baseada em aprendizagem profunda para contar melhor partículas virais
    A nova estrutura de biossensor projetada por pesquisadores aproveita um imunossensor Gires-Tournois e algoritmos de aprendizado profundo para quantificar com precisão biopartículas minúsculas, como vírus, mesmo em concentrações baixas. Crédito:Professor Young Min Song de GIST, Coreia

    Estudos recentes descobriram que os biossensores Gires-Tournois (GT), um tipo de ressonador nanofotônico, podem detectar minúsculas partículas virais e produzir micrografias coloridas (imagens tiradas através de um microscópio) de cargas virais. Mas eles sofrem de artefatos visuais e de não reprodutibilidade, limitando sua utilização.



    Num avanço recente, uma equipa internacional de investigadores, liderada pelo professor Young Min Song, da Escola de Engenharia Elétrica e Ciência da Computação do Instituto de Ciência e Tecnologia de Gwangju, na Coreia, aproveitou a inteligência artificial (IA) para superar este problema. O trabalho deles foi publicado no Nano Today .

    Tecnologias de diagnóstico rápido e no local para identificar e quantificar vírus são essenciais para planear estratégias de tratamento para pacientes infectados e prevenir a propagação da infecção. A pandemia de COVID-19 destacou a necessidade de testes de diagnóstico precisos, mas descentralizados, que não envolvam processos complexos e morosos necessários para testes laboratoriais convencionais.

    Uma ferramenta de diagnóstico popular no local de atendimento para quantificar cargas virais é a imagem microscópica de campo claro. No entanto, o pequeno tamanho (~ 100 nm) e o baixo índice de refração (~ 1,5, igual ao de uma lâmina de microscópio) de biopartículas como vírus muitas vezes dificultam sua estimativa precisa e aumentam o limite de detecção (a concentração mais baixa de carga viral que pode ser detectado com segurança).

    Em seu novo estudo, a equipe propôs uma ferramenta de biosensor sinérgico chamada "DeepGT", que pode aproveitar as vantagens das plataformas de detecção GT e combiná-las com algoritmos baseados em aprendizagem profunda para quantificar com precisão biopartículas em nanoescala, incluindo vírus, sem a necessidade de amostras complexas. métodos de preparação.

    "Projetamos o DeepGT para avaliar objetivamente a gravidade de uma infecção ou doença. Isso significa que não teremos mais que depender apenas de avaliações subjetivas para diagnóstico e cuidados de saúde, mas teremos uma abordagem mais precisa e baseada em dados para orientar estratégias terapêuticas ”, explica o Prof. Song, revelando a motivação por trás de seu estudo.

    A equipe projetou um biossensor GT com uma configuração de filme fino de três camadas e o biofuncionalizou para permitir a detecção colorimétrica na interação com os analitos alvo. As capacidades de detecção foram verificadas simulando o mecanismo de ligação entre as células hospedeiras e o vírus, utilizando biopartículas especialmente preparadas que imitavam o SARS-CoV-2 – a estirpe do coronavírus que causou a pandemia de COVID-19.

    Em seguida, os pesquisadores treinaram uma rede neural convolucional (CNN) usando mais de mil micrografias ópticas e eletrônicas de varredura da superfície do biossensor GT com diferentes tipos de nanopartículas. Eles descobriram que o DeepGT foi capaz de refinar artefatos visuais associados à microscopia de campo claro e extrair informações relevantes, mesmo em concentrações virais tão baixas quanto 138 pg.ml –1 .

    Além disso, determinou a contagem de biopartículas com alta precisão, caracterizada por um erro médio absoluto de 2,37 em 1.596 imagens, em comparação com 13,47 para algoritmos baseados em regras, em menos de um segundo. Impulsionado pelo desempenho das CNNs, o sistema de biossensor também pode indicar a gravidade da infecção, de assintomática a grave, com base na carga viral.

    O DeepGT apresenta, portanto, uma maneira eficiente e precisa de rastrear vírus em uma ampla faixa de tamanho, sem ser prejudicado pelo limite mínimo de difração na luz visível. “A nossa abordagem fornece uma solução prática para a rápida detecção e gestão de ameaças virais emergentes, bem como para a melhoria da preparação da saúde pública, reduzindo potencialmente a carga global de custos associados ao diagnóstico”, conclui o Prof.

    Mais informações: Jiwon Kang et al, DeepGT:Quantificação baseada em aprendizagem profunda de biopartículas nanométricas em micrografias de campo claro do biossensor Gires-Tournois, Nano Today (2023). DOI:10.1016/j.nantod.2023.101968
    Informações do diário: Nano hoje

    Fornecido pelo Instituto de Ciência e Tecnologia de Gwangju



    © Ciência https://pt.scienceaq.com