گروهی از پژوهشگران روشی ابداع کرده‌اند تا با کمک نور لیزر و هوش مصنوعی نوع باکتری موجود در مایعات و حتی سلول‌های دیگر را ظرف چند دقیقه شناسایی می‌کند.
در حال حاضر، برای اینکه ببینیم چه نوع باکتری (در صورت وجود) در یک نمونه مایع وجود دارد، کشت های باکتریایی باید در طی چند ساعت یا حتی چند روز در آزمایشگاه رشد داده شوند. با این حال، یک تکنیک لیزری جدید تنها در چند دقیقه کار می کند.
قبلاً شناخته شده بود که وقتی در معرض نور لیزر قرار می گیرند، باکتری ها نور را در یک الگوی طیفی منعکس می کنند که منحصر به آن گونه خاص است.
مشکل این است که سایر اقلام میکروسکوپی در نمونه مانند سلول های خونی یا ویروس ها نیز نور را منعکس می کنند و چرخش منحصر به فرد خود را روی آن می گذارند. این بدان معنی است که “اثر انگشت” طیفی باکتری در میان نویز پس زمینه گم می شود، بنابراین نمی توان آن را تشخیص داد.
به رهبری پروفسور جنیفر دیون، تیمی از دانشمندان دانشگاه استنفورد راه حلی برای این مشکل ابداع کرده اند.
تکنیک آنها شامل یک چاپگر جوهرافشان اصلاح شده است که از پالس های صوتی برای چاپ نقاط کوچک مایع مورد نظر استفاده می کند. هر نقطه که روی یک اسلاید چاپ شده است، تنها دو تریلیونم لیتر حجم دارد. از آنجایی که این نقاط بسیار کوچک هستند، حداکثر حاوی چند ده سلول هستند، بنابراین هر باکتری موجود رقابت بسیار کمی برای دیده شدن دارد.
علاوه بر این، نانومیله‌های طلا که به نمونه‌های کوچک اضافه می‌شوند، خود را به باکتری‌ها متصل می‌کنند و به عنوان آنتنی عمل می‌کنند که نور لیزر را جذب می‌کنند. در نتیجه، اثر انگشت طیفی منعکس شده این باکتری ۱۵۰۰ برابر قوی‌تر از آن چیزی است که در غیر این صورت بود. این امر باعث می شود تا نرم افزارهای مبتنی بر یادگیری ماشینی بتوانند آن اثر انگشت را شناسایی کرده و آن را با نوع خاصی از باکتری ها مطابقت دهند.
و اگرچه این فناوری عمدتاً با استفاده از خون موش آلوده به عنوان مایع توسعه یافته است، دیون معتقد است که باید به همان اندازه در تجزیه و تحلیل مایعات دیگر موثر باشد ، حتی می‌توان آن را برای هدف قرار دادن انواع دیگر سلول‌ها، مانند ویروس‌ها، سازگار کرد.
عمرو صالح، یکی از نویسندگان ارشد این مطالعه، محقق سابق فوق دکترا در آزمایشگاه دیون و در حال حاضر استاد دانشگاه قاهره، گفت: این یک راه حل ابتکاری با پتانسیل تأثیر نجات جان است. ما اکنون برای فرصت‌های تجاری‌سازی هیجان‌زده هستیم که می‌تواند به تعریف مجدد استاندارد تشخیص باکتری و خصوصیات تک سلولی کمک کند.
در حال حاضر، برای اینکه ببینیم چه نوع باکتری (در صورت وجود) در یک نمونه مایع وجود دارد، کشت های باکتریایی باید در طی چند ساعت یا حتی چند روز در آزمایشگاه رشد داده شوند. با این حال، یک تکنیک لیزری جدید تنها در چند دقیقه کار می کند.
قبلاً شناخته شده بود که وقتی در معرض نور لیزر قرار می گیرند، باکتری ها نور را در یک الگوی طیفی منعکس می کنند که منحصر به آن گونه خاص است.
مشکل این است که سایر اقلام میکروسکوپی در نمونه مانند سلول های خونی یا ویروس ها نیز نور را منعکس می کنند و چرخش منحصر به فرد خود را روی آن می گذارند. این بدان معنی است که “اثر انگشت” طیفی باکتری در میان نویز پس زمینه گم می شود، بنابراین نمی توان آن را تشخیص داد.
به رهبری پروفسور جنیفر دیون، تیمی از دانشمندان دانشگاه استنفورد راه حلی برای این مشکل ابداع کرده اند.
تکنیک آنها شامل یک چاپگر جوهرافشان اصلاح شده است که از پالس های صوتی برای چاپ نقاط کوچک مایع مورد نظر استفاده می کند. هر نقطه که روی یک اسلاید چاپ شده است، تنها دو تریلیونم لیتر حجم دارد. از آنجایی که این نقاط بسیار کوچک هستند، حداکثر حاوی چند ده سلول هستند، بنابراین هر باکتری موجود رقابت بسیار کمی برای دیده شدن دارد.
علاوه بر این، نانومیله‌های طلا که به نمونه‌های کوچک اضافه می‌شوند، خود را به باکتری‌ها متصل می‌کنند و به عنوان آنتنی عمل می‌کنند که نور لیزر را جذب می‌کنند. در نتیجه، اثر انگشت طیفی منعکس شده این باکتری ۱۵۰۰ برابر قوی‌تر از آن چیزی است که در غیر این صورت بود. این امر باعث می شود تا نرم افزارهای مبتنی بر یادگیری ماشینی بتوانند آن اثر انگشت را شناسایی کرده و آن را با نوع خاصی از باکتری ها مطابقت دهند.
و اگرچه این فناوری عمدتاً با استفاده از خون موش آلوده به عنوان مایع توسعه یافته است، دیون معتقد است که باید به همان اندازه در تجزیه و تحلیل مایعات دیگر موثر باشد ، حتی می‌توان آن را برای هدف قرار دادن انواع دیگر سلول‌ها، مانند ویروس‌ها، سازگار کرد.
عمرو صالح، یکی از نویسندگان ارشد این مطالعه، محقق سابق فوق دکترا در آزمایشگاه دیون و در حال حاضر استاد دانشگاه قاهره، گفت: این یک راه حل ابتکاری با پتانسیل تأثیر نجات جان است. ما اکنون برای فرصت‌های تجاری‌سازی هیجان‌زده هستیم که می‌تواند به تعریف مجدد استاندارد تشخیص باکتری و خصوصیات تک سلولی کمک کند.
کد خبر ۲۰۱۰۱۱۲۱۵.۴۷۶
