محققان در این پروژه سنسور جدیدی ساخته اند که نیازی به آماده سازی نمونه ندارد و به تجربه کمتری نیاز دارد. با چنین قابلیت هایی، این سنسور مزیت قابل توجهی نسبت به روش های تست فعلی به ویژه تست های گسترده دارد.
ایشان بارمن، استادیار مهندسی مکانیک در دانشگاه جانز هاپکینز و یکی از محققین این پروژه می گوید: «این فقط ریختن یک قطره بزاق به داخل خودرو و گرفتن نتیجه منفی یا مثبت است. نکته اصلی این است که این روش نیازی به تغییرات شیمیایی مانند برچسب گذاری مولکولی یا عامل دار کردن آنتی بادی ها ندارد. این بدان معنی است که سنسور در نهایت می تواند در دستگاه های پوشش داده شده استفاده شود.
وی افزود: این فناوری جدید ممکن است بر محدودیت‌های آزمایش‌های فعلی کووید-۱۹ غلبه کند، اما هنوز در بازار موجود نیست.
آزمایش “واکنش زنجیره ای پلیمراز” (PCR) بسیار دقیق است، اما به فرآیند آماده سازی نمونه پیچیده ای نیاز دارد و چندین ساعت تا چند روز طول می کشد تا نتایج در آزمایشگاه آماده شود. به عبارت دیگر، آزمایش‌های سریعی که وجود آنتی‌ژن را تشخیص می‌دهند، موفقیت کمتری در تشخیص زودهنگام عفونت‌های اولیه و بدون علامت نشان می‌دهند و ممکن است با نتایج اشتباه همراه باشند.
حسگر جدید محققان دانشگاه جان هاپکینز دارای حساسیت تست PCR و سرعت تست آنتی ژن است. در طول آزمایش اولیه، سنسور دقت 92 درصدی را در تشخیص ویروس کرونا در نمونه‌های بزاق نشان داد و نتایج با نتایج PCR قابل مقایسه بود. این حسگر همچنین موفقیت قابل توجهی در شناسایی سریع سایر ویروس ها، از جمله “ویروس آنفولانزای H1N1” و “زیکا” نشان داد.
این حسگر مبتنی بر فناوری‌های «لیتوگرافی نانوایمپرنت»، «واسطه سطحی پیشرفته رامان» (SERS) و یادگیری ماشینی است. این سنسور را می توان برای تست انبوه به شکل تراشه های موجود بر روی سطوح جامد یا انعطاف پذیر استفاده کرد.
کلید موفقیت این روش، فناوری به نام FEMIA است که در آزمایشگاه دیوید گراسیاس، استاد مهندسی شیمی و بیومولکولی در دانشگاه جان هاپکینز توسعه یافته است. در این روش، نمونه بزاق بر روی ماده قرار می گیرد و با کمک روش تصویری رابط بهبود یافته رامان که از نور لیزر برای مطالعه ارتعاش مولکول های نمونه استفاده می کند، آنالیز می شود.
از آنجایی که فناوری نانوساختار FEMIA سیگنال رامان ویروس را به میزان قابل توجهی تقویت می کند، سیستم می تواند به سرعت وجود ویروس را تشخیص دهد. حتی اگر فقط اثرات جزئی روی نمونه وجود داشته باشد. یکی دیگر از نوآوری های مهم این سیستم، استفاده از الگوریتم های پیشرفته یادگیری ماشینی برای تشخیص علائم بسیار کوچک در داده های طیف سنجی است که به محققان امکان می دهد تا حضور ویروس و چگالی آن را به دقت تعیین کنند.
دبادریتا پریا، محقق ارشد این پروژه گفت: «تشخیص نوری بدون برچسب همراه با یادگیری ماشینی به ما امکان می‌دهد یک پلتفرم واحد داشته باشیم که می‌تواند طیف وسیعی از ویروس‌ها را با حساسیت و گزینش‌پذیری بیشتر و بسیار سریع آزمایش کند. به آرامی
مواد حسگر را می توان روی هر نوع سطحی قرار داد. از دستگیره در و ورودی گرفته تا ماسک و منسوجات.
Gracias گفت: با استفاده از این فناوری نانو، ما سنسورهای بسیار دقیق، قابل تنظیم و مقیاس‌پذیری را برای تشخیص Quaid-19 توسعه داده‌ایم که صلب و انعطاف‌پذیر هستند، نه تنها برای استفاده در حسگرهای زیستی مبتنی بر تراشه، بلکه برای لباس‌ها. آنها نیز هستند. مهم.
وی افزود: شاید بتوان از این حسگر در یک دستگاه دستی برای تشخیص سریع در مکان های شلوغ مانند فرودگاه ها یا استادیوم ها استفاده کرد.
بارمن گفت: “پلتفرم ما فراتر از همه گیری کووید-19 فعلی است.” ما می توانیم از آن برای شناسایی ویروس های مختلف استفاده کنیم. برای مثال، می‌توانیم از آن برای تشخیص ویروس کرونا از زیرگروه ویروس آنفلوانزا H1N1 استفاده کنیم. این یک مشکل بزرگ است که با استفاده از تست های سریع فعلی قابل تشخیص نیست.
تیم تحقیقاتی به جستجوی خود برای گسترش کاربرد این فناوری با استفاده از طیف وسیعی از مثال ها ادامه می دهد.
این مطالعه در مجله Nano Letters منتشر شد.
46