Bacteriële infecties zijn wereldwijd de belangrijkste oorzaak van ziekte en overlijden; een aanhoudend probleem voor de volksgezondheid dat wordt verergerd door trage of onnauwkeurige diagnostiek. Nu hebben door NIBIB gefinancierde wetenschappers een goedkope, op papier gebaseerde test ontwikkeld die snel meerdere soorten bacteriën kan identificeren.

Het onderzoeksteam van de Universiteit van Nebraska gebruikte een complexe mix van microbiologie, chemie en kunstmatige intelligentie (AI) om een ​​testplatform te creëren dat bedrieglijk low-tech lijkt, gebouwd voor gebruik in afgelegen omgevingen met weinig middelen, zoals veldhospitalen en landelijke klinieken.

"We hebben deze technologie zo ontworpen dat deze extreem gevoelig en nauwkeurig is voor het identificeren van bacteriesoorten en tegelijkertijd gemakkelijk te produceren is", legt Denis Svechkarev, Ph.D., onderzoeksassistent-professor bij de afdeling farmaceutische wetenschappen en mede-eerste auteur van het artikel uit. met afgestudeerde student Aayushi Laliwala. "De test is ook duurzaam genoeg om verzending naar afgelegen locaties te overleven en eenvoudig genoeg om gemakkelijk te kunnen worden gebruikt door medisch personeel met beperkte training en apparatuur."

Het werk wordt uitgevoerd in het laboratorium van Aaron M. Mohs, Ph.D., universitair hoofddocent bij de afdeling farmaceutische wetenschappen en hoofdauteur van de publicatie, die verscheen in het tijdschrift Analytical Chemistry op 24 januari.

Het "eenvoudige" platform, dat zich in de ontwikkelings- en testfase bevindt met de hoop op uiteindelijk gebruik in het veld, heeft een complexe naam, "Paper-Based Ratiometric Fluorescent Sensor Array". Ongeveer de grootte van een 3 x 5 kaart, is de papiersensor "gerangschikt" met een raster van kleine cirkels waarop de te testen bacteriemonsters worden aangebracht. Het "ratiometrische fluorescerende" deel van de naam verwijst naar de ingenieuze manier waarop de bacteriën worden geïdentificeerd.

Het onderzoeksteam heeft fluorescerende kleurstoffen ontworpen en gesynthetiseerd die de subtiele biochemische verschillen van elk type bacterie kunnen 'voelen' en die verschillen in verschillende fluorescerende signalen kunnen omzetten. Vier verschillende fluorescerende kleurstoffen worden gedroogd op vier cirkels op de reeks die een enkele test omvat. Een bacteriemonster, zoals e coli, wordt op elk van de vier cirkels geplaatst en de kleurstoffen worden geactiveerd met ultraviolet licht, waardoor de vier kleurstoffen elk vijf fluorescerende signalen uitzenden voor een totaal van 20 fluorescerende signalen per test.

Een fluorescerende plaatlezer scant de 20 fluorescerende signalen, die variëren afhankelijk van de interactie van de kleurstoffen met het buitenmembraan van de bacteriën. Een ultramodern AI-programma - in de vorm van een kunstmatig neuraal netwerk - werd getraind om het subtiele maar specifieke patroon van fluorescerende intensiteiten te herkennen die door elk type bacterie worden gecreëerd. Het resultaat is een "signatuur" fluorescerend patroon dat van de lezer wordt overgebracht naar het kunstmatige neurale netwerkprogramma, dat het type bacterie identificeert.

In samenwerking met de microbiologen, Drs. Marat R. Sadykov en Kenneth W. Bayles, testte het team het systeem met een verzameling van 16 bacteriesoorten. Het systeem identificeerde de 16 soorten meer dan 90% van de tijd correct - een nauwkeurigheidsniveau dat een gezondheidswerker in het veld waardevolle informatie zou kunnen geven over de specifieke bacteriën in een geïnfecteerd persoon, wat een nauwkeurige, snelle antibioticabehandeling mogelijk maakt. De test bepaalde ook of de bacteriën grampositief of negatief waren met een nauwkeurigheid van 95%. Gram-testen is een techniek die de samenstelling van bacteriën verder bepaalt en is van cruciaal belang om te weten welke soorten antibiotica het meest effectief zijn. De nauwkeurigheid van de test was veelbelovend, aangezien een paar uur vertraging bij het diagnosticeren en behandelen van een infectieziekte de prognose van de patiënt dramatisch verslechtert.

Elk aspect van de test is ontworpen voor mogelijk gebruik in zelfs de meest afgelegen delen van de wereld, waar de huidige technieken die geavanceerde apparatuur en expertise vereisen niet haalbaar zijn. Door bijvoorbeeld de fluorescerende kleurstoffen op de papieren kaart te drogen, was het niet langer nodig om vloeibare fluorescerende kleurstoffen te gebruiken die gekoeld moesten worden - vaak niet beschikbaar in gebieden met weinig hulpbronnen. Fotolithografie werd gebruikt om het raster van cirkels op de papieren kaart te "fotostempelen" - een snelle en goedkope manier om duizenden kaarten te vervaardigen. Bij het testen - gedaan door de kaarten in een doos in de kast te plaatsen - bleven de kaarten tot zes maanden stabiel, waardoor ze ideaal waren voor verzending en distributie naar afgelegen gebieden. Het patroon op de kaart is identiek aan de platen met 96 putjes die worden gebruikt voor veel tests die vloeibare componenten gebruiken, waardoor de papieren kaarten kunnen worden gescand en gelezen door gemakkelijk beschikbare standaardmachines.

"Dit project is een buitengewoon voorbeeld van hoe om iets eenvoudigs te maken het gebruik van meerdere complexe technologieën vereist", zegt Tatjana Atanasijevic, Ph.D., (Scientific Program Manager) van het programma in Bioanalytical Sensors van het National Institute for Biomedical Imaging and Bioengineering. (NIBIB), die het project samen met verschillende aanvullende instituten van de National Institutes of Health medefinancierde.

Het werk bevindt zich in de onderzoeks- en ontwikkelingsfase en het team test en verfijnt het systeem met behulp van monsters die repliceren wat zou worden verzameld van patiënten in het veld. Toekomstige technische hoogstandjes in het vizier van het team zijn onder meer het werken met ingenieurs om een ​​systeem te creëren waarmee de papieren kaart met 96 punten kan worden gelezen met een eenvoudiger apparaat, misschien zelfs een mobiele telefooncamera - een weliswaar verheven doel, maar haalbaar, legde Svechkarev uit.

Gevraagd naar het werk, crediteert Mohs de buitengewone inspanning van Svechkarev en Laliwala. "De technologie die nodig is om dit bacteriële detectiesysteem te maken, is bedacht tijdens de pandemie toen we beperkte toegang tot het laboratorium hadden. Denis en Aayushi gebruikten deze tijd om vaardigheden te ontwikkelen, waaronder nieuwe computercoderingsmethoden, het leren gebruiken van verschillende soorten kunstmatige intelligentie, en het afronden van het ontwerp van de beste fluorescerende kleurstoffen - alle belangrijke elementen die samenkwamen om dit veelbelovende diagnostische systeem te bouwen." + Verder verkennen

Het visualiseren van de interne compartimenten van levende plantencellen met behulp van fluorescerende naftalimidekleurstoffen