Een multidisciplinair onderzoeksteam van het National Institute of Standards and Technology (NIST) heeft een manier ontwikkeld om de gevoeligheid te verhogen van de primaire test die wordt gebruikt om het SARS-CoV-2-virus te detecteren, die COVID-19 veroorzaakt. Het toepassen van hun bevindingen op geautomatiseerde testapparatuur zou ons vermogen kunnen verbeteren om mensen te identificeren die besmet zijn maar geen symptomen vertonen.

De resultaten van het team, gepubliceerd in het wetenschappelijke tijdschrift Analytische en bioanalytische chemie , een wiskundige techniek beschrijven voor het waarnemen van relatief zwakke signalen in diagnostische testgegevens die wijzen op de aanwezigheid van het virus. Deze signalen kunnen aan detectie ontsnappen wanneer het aantal virale deeltjes dat wordt aangetroffen in het neusuitstrijkje van een patiënt laag is. De methode van het team helpt een bescheiden signaal duidelijker op te vallen.

"Door onze techniek toe te passen, kan de swab-test tot 10 keer gevoeliger worden, " zei Paul Patrone, een NIST-fysicus en een co-auteur van de paper van het team. "Het zou mogelijk meer mensen kunnen detecteren die het virus bij zich hebben, maar wiens virale aantal te laag is om met de huidige test een positief resultaat te geven."

De bevindingen van de onderzoekers bewijzen dat de gegevens van een positieve test, wanneer uitgedrukt in grafische vorm, neemt een herkenbare vorm aan die altijd dezelfde is. Net zoals een vingerafdruk een persoon identificeert, de vorm is uniek voor dit type test. Alleen de positie van de vorm, en belangrijker nog, zijn grootte, verschillen in grafiek, variërend met de hoeveelheid virale deeltjes die in het monster aanwezig zijn.

Hoewel het eerder bekend was dat de positie van de vorm kon variëren, het team leerde dat de grootte ook kan variëren. Testapparatuur herprogrammeren om deze vorm te herkennen, ongeacht grootte of locatie, is de sleutel tot het verbeteren van de testgevoeligheid.

De swab-test maakt gebruik van een laboratoriumtechniek genaamd kwantitatieve polymerasekettingreactie, of qPCR, om het genetische materiaal te detecteren dat wordt gedragen door het SARS-CoV-2-virus. De qPCR-techniek neemt alle strengen viraal RNA die aanwezig zijn in het uitstrijkje van een patiënt en vermenigvuldigt ze vervolgens tot een veel grotere hoeveelheid genetisch materiaal. Elke keer dat er een nieuw fragment van dit materiaal wordt gemaakt, de reactie geeft een fluorescerende marker vrij die oplicht bij blootstelling aan licht. Het is deze fluorescentie die de aanwezigheid van het virus aangeeft.

Hoewel de testmethode in de praktijk meestal goed werkt, het kan geen gevoeligheid hebben voor lage aantallen virale deeltjes. De test begint met het aanwezige genetische materiaal en verdubbelt dit, verdubbelt het dan weer, tot 40 keer over, zodat de fluorescerende markeringen voldoende licht genereren om een ​​detector te activeren. Verdubbeling, zoals iedereen die bekend is met samengestelde rente weet, is een krachtige versterker, eerst langzaam groeiend en daarna uitgroeiend tot hoge aantallen. De verdubbelingen produceren een grafiek die aanvankelijk vlak is, behalve de hobbels van systemische achtergrondruis, en uiteindelijk stijgt er een veelbetekenende piek uit.

Echter, wanneer de initiële virale telling laag is, er kunnen valse starts zijn in de eerste paar cycli. In deze gevallen, zelfs 40 verdubbelingen vormen mogelijk geen piek die hoog genoeg is - of een fluorescentie die helder genoeg is - om boven de detectiedrempel uit te stijgen. Dit probleem kan problemen veroorzaken, zoals niet-overtuigende tests of "vals-negatieven, " wat betekent dat een persoon het virus bij zich heeft, maar de test onthult het niet.

Voorlopige studies geven aan dat het aantal fout-negatieven kan oplopen tot 30% bij qPCR-tests voor COVID-19, waaronder één onderzoek waarin CT-scans van de borstkas positieve gevallen aangaven waar uitstrijkjes dat niet hadden gedaan. Een andere studie toont aan dat asymptomatische en vroege ziektetoestanden geassocieerd zijn met tot 60 keer minder virusdeeltjes in patiëntmonsters. EEN JAMA studie gepubliceerd in augustus ondersteunt het idee dat asymptomatische dragers het virus kunnen verspreiden.

De NIST-onderzoekers ontdekten dat de vorm van een positieve testgrafiek - een platte, luidruchtig begin gevolgd door een piek—wordt zelfs gevonden in gegevens die momenteel geen positief testresultaat opleveren. Hun paper biedt een formeel bewijs dat de vormen wiskundig "vergelijkbaar, " vergelijkbaar met driehoeken die dezelfde hoeken en verhoudingen hebben ondanks dat ze groter of kleiner zijn dan elkaar. Ze passen dit theoretische bewijs toe in een routine die een computer kan gebruiken om de referentievorm in de gegevens te herkennen.

"We worden niet langer beperkt door een hoge detectiedrempel, ' zei Patrone. 'De spikes hoeven niet groot te zijn. Ze moeten de juiste vorm hebben."

Het opnemen van hun bevindingen in tests zou de pandemische reactie onmiddellijk helpen, Patrone zei, omdat het zou helpen het aantal asymptomatische en presymptomatische gevallen nauwkeuriger te bepalen.

"In essentie, het verlagen van valse negatieven zou artsen en wetenschappers moeten helpen om meer grip te krijgen op de daadwerkelijke verspreiding van het virus, " zei hij. "Er is een goede kans dat wij asymptomatische gevallen met het testen missen. De vermindering die we projecteren in het aantal gedetecteerde viraal RNA zou een aanzienlijk aantal asymptomatische gevallen kunnen oppikken."

Het is ook onwaarschijnlijk dat de nieuwe test valse positieven genereert, omdat hij zou controleren of de curve consistent was met een referentievorm, niet alleen dat het een detectiedrempel overschreed.

"In standaard testprotocollen, het is mogelijk om valse positieven te krijgen, bijvoorbeeld als achtergrondeffecten de detectiedrempel bereiken en niemand het resultaat handmatig controleert, " zei Patrone. "De kans dat dat gebeurt in onze analyse is erg klein omdat de wiskunde dergelijke signalen automatisch uitsluit."

Pandemische responsmedewerkers zouden niets anders hoeven te doen bij het verzamelen van monsters. Omdat de aanpak van het team gebruikmaakt van een wiskundig algoritme dat wordt toegepast na het verzamelen van gegevens, programmeurs konden het toepassen door de software van de laboratoriumapparatuur bij te werken met een paar regels computercode.

"Ons werk is een potentieel gemakkelijke oplossing omdat het een vooruitgang is in de gegevensanalyse, Patrone zei. "Het kan gemakkelijk worden opgenomen in het protocol van elk laboratorium of testinstrument, dus het zou een onmiddellijke impact kunnen hebben op het traject van de gezondheidscrisis."