محققان در این پروژه حسگر جدیدی ساخته اند که نیازی به آماده سازی نمونه ندارد و حداقل تجربه را می طلبد. با چنین قابلیت هایی، این سنسور دارای مزایای قابل توجهی نسبت به روش های تست فعلی، به ویژه تست منبع باز است.
ایشان بارمن، استادیار مهندسی مکانیک در دانشگاه جانز هاپکینز و یکی از محققان این پروژه، می‌گوید: «فقط ریختن تف کوچک روی دستگاه و گرفتن نتایج بد یا خوب است». نکته مهم این است که این روش نیازی به تغییرات شیمیایی مانند اتصال مولکولی یا فعال سازی آنتی بادی ندارد. این بدان معنی است که سنسور را می توان برای هر دستگاه قابل اجرا اعمال کرد.
وی افزود: این فناوری جدید می تواند بر محدودیت های آزمایش کووید-19 فعلی 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 چندین ساعت تا چند روز طول می کشد تا نتایج در آزمایشگاه آماده شود. به عبارت دیگر، آزمایش‌های سریعی که وجود آنتی‌ژن‌ها را تشخیص می‌دهند، عدم تشخیص بیماری اولیه را نشان می‌دهند و بدون علامت هستند و ممکن است با نتایج نادرست همراه باشند.
حسگر جدید محققان دانشگاه جان هاپکینز دارای حساسیت تست PCR و سرعت تست آنتی ژن است. در اولین آزمایش، سنسور دقت 92 درصدی را در تشخیص کرونا در نمونه‌های بزاق نشان داد و نتایج با نتایج PCR قابل مقایسه بود. این سنسور همچنین در شناسایی سریع سایر ویروس ها از جمله “ویروس زیرگروه H1N1” و “زیکا” موفقیت زیادی نشان داده است.
این حسگر مبتنی بر فناوری لیتوگرافی Nanoimprint، میانجی سطحی پیشرفته رامان (SERS) و یادگیری ماشینی است. از این سنسور می توان برای تست انبوه به صورت تراشه یکبار مصرف روی سقف های سخت یا نرم استفاده کرد.
کلید موفقیت این روش، فناوری به نام FEMIA است که در آزمایشگاه دیوید گراسیاس، استاد شیمی و مهندسی زیست مولکولی در دانشگاه جان هاپکینز توسعه یافته است. در این روش، یک نمونه بزاق بر روی دستگاهی قرار می گیرد و با کمک تصویربرداری سطحی تقویت شده رامان که از نور لیزر برای بررسی ارتعاش مولکول های موجود در نمونه استفاده می کند، آنالیز می شود.
از آنجایی که فناوری نانوساختار FEMIA به طور قابل توجهی شناسایی رامان ویروس را افزایش می دهد، سیستم می تواند به سرعت وجود ویروس را تشخیص دهد. اگر چه نمونه فقط تأثیر کمی دارد. یکی دیگر از نوآوری های اصلی این سیستم استفاده از الگوریتم های پیشرفته یادگیری ماشینی برای شناسایی سیگنال های کوچک از داده های طیف سنجی است که به محققان امکان می دهد حضور ویروس ها و چگالی آنها را به دقت تعیین کنند.
دبادریتا پریا، محقق ارشد این پروژه گفت: “دید نوری بدون علامت همراه با یادگیری ماشینی به ما امکان می دهد یک پلت فرم واحد داشته باشیم که می تواند انواع ویروس ها را با حساسیت و انتخاب بیشتر و بسیار سریع تر آزمایش کند.”
دستگاه حسگر را می توان در هر نوع زمین نصب کرد. از دستگیره های در و ورودی گرفته تا ماسک ها و پارچه ها.
Gracias گفت: «با استفاده از این فناوری نانو، ما حسگرهای بسیار دقیق، قابل تنظیم و مقیاس‌پذیری را برای تست Quaid-19 توسعه داده‌ایم که هم سفت و هم انعطاف‌پذیر هستند، در حسگرهای زیستی مبتنی بر تراشه استفاده نمی‌شوند، بلکه برای مواد قابل استفاده نیز استفاده می‌شوند. مهم.
وی افزود: شاید بتوان از این سنسور در یک دستگاه قابل حمل برای تشخیص سریع مکان های شلوغ مانند فرودگاه ها یا استادیوم ها استفاده کرد.
بارمن گفت: “محدوده ما در حال حاضر بیشتر از عفونت کووید-19 است.” ما می توانیم از آن برای شناسایی ویروس های مختلف استفاده کنیم. برای مثال، می‌توانیم از آن برای تشخیص کرونا از ویروس آنفولانزای نوع A H1N1 استفاده کنیم. این یک مشکل بزرگ است که با آزمایش سریع امروزی قابل شناسایی نیست.
تیم تحقیقاتی در حال ادامه تحقیقات برای گسترش کاربرد این فناوری با استفاده از نمونه های مختلف است.
این مطالعه در مجله Nano Letters منتشر شد.
46