Neue und verbesserte Methode zum Nachweis von SARS-CoV-2 durch Raman-Spektroskopie und maschinelles Lernen

Ein nichtinvasives und reagenzienfreies Verfahren zum effizienten Nachweis von COVID-19

11.02.2022 - USA

Das neuartige Coronavirus oder SARS-CoV-2, das das hochansteckende COVID-19 verursacht, hat weltweit Millionen von Menschen infiziert. Die globale Ausbreitung dieser tödlichen Pandemie hat umfangreiche Forschungsarbeiten zur Infektionskontrolle ausgelöst. Die Kontrolle der Ausbreitung von COVID-19 ist jedoch aus vielen Gründen schwierig.

Ember et al., doi 10.1117/1.JBO.27.2.025002

Einige Patienten zeigen eine Vielzahl unspezifischer Symptome, die von Kopfschmerzen bis zu Husten reichen. Viele Patienten mit COVID-19 bleiben jedoch auch nach der Ansteckung symptomfrei, können aber dennoch andere anstecken. Dies erschwert die anfängliche Triage und Diagnose. Und obwohl Techniken der reversen Transkriptions-Polymerase-Kettenreaktion (RT-PCR) derzeit der Goldstandard sind, haben sie gewisse Einschränkungen.

Bei der RT-PCR müssen die Proben zur Untersuchung in ein klinisches Labor gebracht werden, was logistische Schwierigkeiten mit sich bringt. Sie erfordert auch die Verwendung von Reagenzien, die knapp werden können und bei einer Mutation des Virus weniger wirksam sein können. Darüber hinaus können RT-PCR-Tests bei asymptomatischen Personen zeitaufwändig und weniger empfindlich sein, so dass sie für ein umfassendes Schnellscreening nicht geeignet sind.

Erste SARS-CoV-2-Genome aus Österreich veröffentlicht

News lesen

Biomedizinische Forscher versuchen daher, neue Methoden für einen besseren Nachweis von COVID-19-Infektionen am Ort des Geschehens zu entwickeln, ohne dass Proben zur Untersuchung eingesandt werden müssen. Kürzlich haben kanadische Forscher ein solches Verfahren entwickelt, das Speichelproben verwendet. Im Gegensatz zu Nasen-Rachen-Abstrichen ist die Speichelentnahme sicherer und nicht invasiv. In ihrem im Journal of Biomedical Optics veröffentlichten Artikel beschreiben sie ein neues reagenzienfreies Nachweisverfahren, das auf maschinellem Lernen (ML) und laserbasierter Raman-Spektroskopie beruht.

Die Raman-Spektroskopie wird von Forschern routinemäßig eingesetzt, um die molekulare Zusammensetzung von Proben zu bestimmen. Vereinfacht gesagt, streuen Moleküle einfallende Photonen (Lichtteilchen) auf eine einzigartige Weise, die von den zugrunde liegenden chemischen Strukturen und Bindungen abhängt. Forscher können Moleküle anhand ihres charakteristischen Raman-"Fingerabdrucks" oder Spektrums erkennen und identifizieren, das durch Bestrahlung der Proben und Messung des gestreuten Lichts ermittelt wird.

COVID-19 kann chemische Veränderungen in der Zusammensetzung des Speichels hervorrufen. Auf der Grundlage dieses Wissens analysierte das Forscherteam 33 COVID-19-positive Proben, die klinisch mit einer Teilmenge von insgesamt 513 COVID-19-negativen Speichelproben aus der COVID-19-Testklinik in Pointe-Saint-Charles in Quebec, Kanada, abgeglichen wurden. Die so gewonnenen Raman-Spektren wurden dann auf Modellen mit mehreren Instanzen trainiert, anstatt auf herkömmlichen Modellen.

Der Hauptautor Frédéric Leblond, der am Polytechnique Montréal, am Centre de recherche du Centre hospitalier de l'Université de Montréal und am Institut du cancer de Montréal, Kanada, tätig ist, erklärt dies folgendermaßen: "Unsere maschinelle Lernmethode verwendet die Informationen jedes einzelnen Raman-Spektrums. Sie verwendet keine gemittelten Daten und kann daher mehr Informationen aus den Speichelproben integrieren, um ein sehr genaues Ergebnis zu erzielen."

Die Ergebnisse dieser Methode zeigen eine Genauigkeit von etwa 80 Prozent, und die Forscher fanden heraus, dass die Berücksichtigung des Geschlechts zum Zeitpunkt der Geburt wichtig war, um diese Genauigkeit zu erreichen. Obwohl die Zusammensetzung des Speichels von der Tageszeit, dem Alter der Testperson und anderen gesundheitlichen Faktoren abhängt, kann sich diese Technik dennoch als ein guter Kandidat für den Nachweis von COVID-19 in der Praxis erweisen.

Katherine Ember, Postdoktorandin am Polytechnique Montréal, Kanada, und Erstautorin der Studie, fasst zusammen: "Unser markierungsfreier Ansatz überwindet viele Einschränkungen von RT-PCR-Tests. Wir arbeiten daran, dieses System als schnelleres, robusteres und kostengünstigeres System mit potenziell höherer Genauigkeit zu vermarkten. Dieses System könnte leicht in die aktuellen Arbeitsabläufe zur Erkennung von Viren integriert, an neue Viren und bakterielle Infektionen angepasst und durch neue Ansätze des maschinellen Lernens auf verwirrende Variablen abgestimmt werden. Parallel dazu arbeiten wir daran, die Testzeit weiter zu verkürzen, indem wir nanostrukturierte metallische Oberflächen zur Aufnahme der Speichelprobe verwenden.

Diese Erkenntnisse können eine bessere Erkennung von COVID-19 ermöglichen und den Weg für neue Instrumente für andere Infektionskrankheiten ebnen.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Originalveröffentlichung

Ember et al.; "Saliva-based detection of COVID-19 infection in a real-world setting using reagent-free Raman spectroscopy and machine learning"; J. Biomed. Opt.; 27(2) 025002 (2022)

https://www.analytica-world.com/de/news/1174740/neue-und-verbesserte-methode-zum-nachweis-von-sars-cov-2-durch-raman-spektroskopie-und-maschinelles-lernen.html

Originalveröffentlichung

Ember et al.; "Saliva-based detection of COVID-19 infection in a real-world setting using reagent-free Raman spectroscopy and machine learning"; J. Biomed. Opt.; 27(2) 025002 (2022)

Themen