محققان در این پروژه سنسور جدیدی ساخته اند که نیازی به آماده سازی نمونه ندارد و کمترین تجربه را می طلبد. این سنسور با چنین قابلیت هایی نسبت به روش های نوین تست به ویژه تست های گسترده برتری قابل توجهی دارد.
ایشان بارمن، دانشیار مهندسی مکانیک در دانشگاه جانز هاپکینز و یکی از محققان این پروژه، می گوید: «این فقط یک قطره بزاق روی ماشین می ریزد و نتیجه منفی یا مثبت می گیرد. نکته کلیدی 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 این سنسور در نهایت می تواند در دستگاه های پوشیدنی استفاده شود.
وی افزود: این فناوری جدید ممکن است بر محدودیت‌های آزمایش‌های فعلی روی کووید-۱۹ غلبه کند، اما هنوز در بازار موجود نیست.
آزمایش واکنش زنجیره ای پلیمراز (PCR) بسیار دقیق است، اما نیاز به یک فرآیند پیچیده آماده سازی نمونه دارد و تهیه نتایج در آزمایشگاه از چند ساعت تا چند روز طول می کشد. 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 کرونا در نمونه‌های بزاق نشان داد و نتایج با نتایج PCR قابل مقایسه بود. این حسگر همچنین موفقیت قابل توجهی در تشخیص سریع سایر ویروس ها از جمله “آنفولانزای نوع A زیرگروه H1N1” و “زیکا” نشان داد.
این حسگر بر اساس لیتوگرافی Nanoimprint، رامان پیشرفته سطح واسطه (SERS) و فناوری‌های یادگیری ماشین است. از این سنسور می توان برای تست انبوه به صورت تراشه های یکبار مصرف بر روی سطوح سخت یا انعطاف پذیر استفاده کرد.
کلید موفقیت این روش، فناوری به نام FEMIA است که در آزمایشگاه توسط دیوید گراسیاس، استاد مهندسی شیمی و بیومولکولی در دانشگاه جانز هاپکینز توسعه یافته است. در این روش، یک نمونه بزاق بر روی ماده قرار می گیرد و با استفاده از روش بهبود تصویربرداری مرزی رامان، که از نور لیزر برای بررسی ارتعاش مولکول های نمونه استفاده می کند، آنالیز می شود.
از آنجایی که فناوری نانوساختار FEMIA سیگنال رومانوف ویروس را تا حد زیادی تقویت می کند، سیستم می تواند به سرعت حضور ویروس را تشخیص دهد. حتی اگر نمونه فقط اثرات کوچکی داشته باشد. یکی دیگر از نوآوری های مهم این سیستم استفاده از الگوریتم های پیشرفته یادگیری ماشینی برای تشخیص سیگنال های بسیار کوچک در داده های طیف سنجی است که به محققان این امکان را 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.
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 هم سفت و هم انعطاف‌پذیر هستند، نه تنها برای استفاده در حسگرهای زیستی مبتنی بر تراشه، بلکه برای پوشیدنی‌ها. مهم.
وی افزود: شاید بتوان از این حسگر در یک دستگاه قابل حمل برای تشخیص سریع در مکان های شلوغ مانند فرودگاه ها یا ورزشگاه 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 کرونا از ویروس آنفولانزای A از نوع H1N1 استفاده کنیم. این مشکل بزرگی است که با تست های سریع مدرن قابل تشخیص نیست.
این تیم تحقیقاتی در حال ادامه تحقیقات خود برای گسترش کاربرد این فناوری با استفاده از مثال های مختلف است.
این مطالعه در مجله Nano Letters منتشر شده است.
46