Clasificar los virus con el aprendizaje de la máquina

Los científicos desarrollan un método sin etiquetas para identificar los virus respiratorios que puede conducir a nuevas pruebas rápidas de COVID-19

19.11.2020 - Japón

La pandemia mundial en curso ha creado una necesidad urgente de pruebas rápidas que permitan diagnosticar la presencia del virus del SARS-CoV-2, el patógeno que causa el COVID-19, y distinguirlo de otros virus respiratorios. Ahora, los investigadores de Japón han demostrado un nuevo sistema para la identificación de un solo virus de patógenos respiratorios comunes utilizando un algoritmo de aprendizaje automático entrenado en los cambios de corriente a través de los nanoporos de silicio. Este trabajo puede conducir a pruebas de detección rápidas y precisas para enfermedades como la COVID-19 y la gripe.

Osaka University

Detección de una sola partícula de virus usando un nanoporo de estado sólido

En un estudio publicado este mes en ACS Sensors, los científicos de la Universidad de Osaka han introducido un nuevo sistema 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 sólo 50 nm de espesor suspendida en una oblea de silicio tiene minúsculos nanoporos añadidos, que a su vez tienen sólo 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 entra en 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, de modo que pueden utilizarse para identificar el tipo de virus.

La variación natural de las propiedades físicas de las partículas de los virus había obstaculizado anteriormente la aplicación de este enfoque; sin embargo, utilizando el aprendizaje por máquina, el equipo construyó un algoritmo de clasificación entrenado con señales de virus conocidos para determinar la identidad de las nuevas muestras. "Combinando la detección de nanoporos de una sola partícula con la inteligencia artificial, pudimos lograr una identificación muy precisa de múltiples especies virales", explica el autor principal Makusu Tsutsui.

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 muy precisa. Además del coronavirus, el sistema se probó con patógenos similares: virus sincitial respiratorio, adenovirus, gripe A y gripe B.

El equipo cree que los coronavirus son especialmente adecuados para esta técnica, ya que sus proteínas externas puntiagudas pueden incluso permitir la clasificación de diferentes cepas por separado. "Este trabajo ayudará en el desarrollo de un equipo de prueba de virus que supera los métodos convencionales de inspección viral", dice el último autor Tomoji Kawai.

En comparación con otras pruebas virales rápidas como la reacción en cadena de la polimerasa o las pruebas basadas en anticuerpos, el nuevo método es mucho más rápido y no requiere reactivos costosos, lo que puede conducir a mejores pruebas de diagnóstico para las partículas virales emergentes que causan enfermedades infecciosas como el COVID-19.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Lucha contra el cáncer: últimos avances y progresos