许多生物传感应用依赖于特定分析物的特性,如蛋白质、病毒和细菌,以及许多其他目标,这可以通过使用微或纳米尺度的颗粒来完成。在这种生物传感器中,这些粒子被涂上一层表面化学物质,使它们粘附在目标分析物上,并形成相应的簇。目标分析物浓度越高,聚类的数量越多。因此,监测和描述这些粒子簇可以告诉我们目标分析物是否存在于样品中以及浓度是多少。目前进行这种分析的方法是有限的,因为它们要么只能进行粗略的读数,要么依赖于昂贵和笨重的显微镜,这限制了它们的适用性,以满足不同的生物传感需求,特别是在资源有限的环境中。
为了克服现有解决方案的不足,加州大学洛杉矶分校的研究人员开发了一种基于全息技术和深度学习的快速、自动化的生物传感方法。在此系统中,所有的粒子沉积集群和单个微粒样品中第一次成像在3 d全息图,在同一时间,在一个非常大的样本面积20多平方毫米,超过十倍比标准的光学显微镜的成像区域。接下来,一个训练有素的深度神经网络处理这些全息图,并迅速将它们重建成类似于标准扫描显微镜所能获得的簇状图像,但这样做的速度要快得多,样本量也要大得多。在这个过程中,在微观尺度上(揭示目标分析物的存在)的所有粒子团被自动计数,其灵敏度与实验室级显微镜相似。
作为概念的证明,加州大学洛杉矶分校的研究人员成功地演示了这种基于深度学习的生物传感方法用于检测单纯疱疹病毒(HSV),并达到了每微升5个病毒的检测极限,为HSV检测提供了临床相关水平的敏感性。HSV是最广泛的病毒感染之一,据估计影响了超过50%的美国成年人。
该研究由加州纳米系统研究所(CNSI)副主任、加州大学洛杉矶分校(UCLA)亨利·塞缪尔利工程与应用科学学院(Henry Samueli School of engineering and Applied Science)电子与计算机工程教授艾多根·奥兹坎(Aydogan Ozcan)博士、研究生吴义辰(ychen Wu)和博士后学者阿尼鲁德达·雷(Aniruddha Ray)领导。在加州大学洛杉矶分校电子与计算机工程系工作。“我们的工作展示了一种自动化、廉价的平台,用于快速读出和量化各种基于粒子聚集的生物传感器。这种由深度学习带来的独特能力将有助于生物传感仪器的普及化,使它们适用于甚至在发展中国家的大规模使用,”Ozcan说。
来源:加州大学洛杉矶分校