Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

LabMedica

Deascargar La Aplicación Móvil
Noticias Recientes COVID-19 Química Clínica Diagnóstico Molecular Hematología Inmunología Microbiología Patología Tecnología Industria

Algoritmo de aprendizaje automático para la identificación de partículas individuales de virus podría conducir a una prueba para la COVID-19 más rápida y exacta

Por el equipo editorial de LabMedica en español
Actualizado el 01 Dec 2020
Un sistema nuevo para la identificación de un solo virión de patógenos respiratorios comunes que utiliza un algoritmo de aprendizaje automático, entrenado en cambios en la corriente a través de los nanoporos de silicio, puede conducir a pruebas de detección rápidas y exactas para enfermedades como la COVID-19 y la influenza.

Científicos de la Universidad de Osaka (Suita, Japón), presentaron un sistema nuevo que utiliza nanoporos de silicio lo suficientemente sensibles como para detectar incluso una sola partícula de virus cuando se combina con un algoritmo de aprendizaje automático. En este método, una capa de nitruro de silicio de solo 50 nm de espesor suspendida en una oblea de silicio tiene pequeños nanoporos agregados, que tienen solo 300 nm de diámetro. Cuando se aplica una diferencia de voltaje a la solución a cada lado de la oblea, los iones viajan a través de los nanoporos en un proceso llamado electroforesis. El movimiento de los iones puede ser monitoreado por la corriente que generan, y cuando una partícula viral ingresa a un nanoporo, bloquea el paso de algunos de los iones, lo que lleva a una caída transitoria de la corriente. Cada inmersión refleja las propiedades físicas de la partícula, como el volumen, la carga superficial y la forma, por lo que se pueden utilizar para identificar el tipo de virus.

Imagen: Detecciones de partículas individuales de virus utilizando un nanoporo de estado sólido (Fotografía cortesía de la Universidad de Osaka)
Imagen: Detecciones de partículas individuales de virus utilizando un nanoporo de estado sólido (Fotografía cortesía de la Universidad de Osaka)

La variación natural en las propiedades físicas de las partículas de virus había obstaculizado previamente la implementación de este método. Sin embargo, utilizando el aprendizaje automático, el equipo construyó un algoritmo de clasificación entrenado con señales de virus conocidos para determinar la identidad de nuevas muestras. La computadora puede discriminar las diferencias en las formas de onda de la corriente eléctrica que no pueden ser identificadas por los ojos humanos, lo que permite una clasificación de virus altamente exacta. Además del coronavirus, el sistema se probó con patógenos similares: virus sincitial respiratorio, adenovirus, influenza A e influenza B. El equipo cree que los coronavirus son especialmente adecuados para esta técnica, ya que sus proteínas externas en punta pueden incluso permitir que diferentes cepas serán clasificadas por separado. En comparación con otras pruebas virales rápidas como la reacción en cadena de la polimerasa o los cribados basados en anticuerpos, el nuevo método es mucho más rápido y no requiere reactivos costosos, lo que puede conducir a pruebas de diagnóstico mejoradas para partículas virales emergentes que causan enfermedades infecciosas como la COVID-19.

“A través de la combinación de la detección de partículas individuales con nanoporos con la inteligencia artificial, pudimos lograr una identificación altamente exacta de múltiples especies virales”, dijo el autor principal, Makusu Tsutsui.

“Este trabajo ayudará con el desarrollo de un kit de análisis de virus que superará a los métodos de inspección viral convencionales”, agregó el último autor, Tomoji Kawai.

Enlace relacionado:
Universidad de Osaka


Últimas COVID-19 noticias