محققان در این پروژه حسگر جدیدی را توسعه دادند که نیازی به آماده سازی نمونه ندارد و به حداقل تخصص نیاز دارد. به لطف این قابلیت ها، این سنسور مزیت قابل توجهی نسبت به روش های تست فعلی، به خصوص تست های گسترده دارد.
ایشان بارمن، استادیار مهندسی مکانیک در دانشگاه جانز هاپکینز و یکی از محققان این پروژه گفت: «این به سادگی ریختن یک قطره بزاق روی دستگاه و گرفتن یک نتیجه منفی یا مثبت است. نکته کلیدی این است که این روش نیازی به تغییرات شیمیایی مانند برچسب گذاری مولکولی یا عملکرد آنتی بادی ندارد. این بدان معنی است که این سنسور در نهایت می تواند در دستگاه های پوشیدنی استفاده شود.
وی افزود: “این فناوری جدید می تواند بر محدودیت های آزمایش کووید-19 فعلی غلبه کند، اما هنوز در بازار موجود نیست.”
آزمایش PCR بسیار دقیق است، اما نیاز به یک فرآیند پیچیده آماده سازی نمونه دارد و نتایج در آزمایشگاه از چند ساعت تا چند روز طول می کشد تا 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 نادرست 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 مشابه نتایج واکنش زنجیره‌ای پلیمراز بود. این حسگر همچنین موفقیت زیادی در تشخیص سریع سایر ویروس ها از جمله “ویروس آنفولانزای نوع A H1N1” و “زیکا” نشان داده است.
این حسگر بر اساس “لیتوگرافی Nanoimprint”، “Surface-Enhanced Raman Medium” (SERS) و فناوری های یادگیری ماشین است. این سنسور را می توان برای تست انبوه به عنوان تراشه های یکبار مصرف روی سطوح سخت 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، یک نمونه بزاق بر روی ماده قرار داده می شود و با کمک روش Raman Enhanced Interfacial که از نور لیزر برای بررسی ارتعاش ذرات نمونه استفاده می کند، آنالیز می شود.
از آنجایی که فناوری نانوساختار FEMIA سیگنال رامان ویروس را تا حد زیادی تقویت می کند، سیستم می تواند به سرعت حضور ویروس را تشخیص دهد. حتی اگر فقط اثرات کوچکی در نمونه وجود 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 طیفی است که به محققان این امکان را می دهد تا حضور و چگالی ویروس را به دقت تعیین کنند.
Depadretta Paria، محقق ارشد این پروژه گفت: “تشخیص نوری طبقه بندی نشده همراه با یادگیری ماشینی به ما امکان می دهد یک پلتفرم واحد داشته باشیم که می تواند طیف گسترده ای از ویروس ها را با حساسیت و گزینش پذیری بیشتر و بسیار سریع آزمایش کند.”
مواد حسگر را می توان روی هر نوع سطحی قرار داد. از در و دستگیره در گرفته تا گیره و ملیله.
Gracias گفت: “با استفاده از این فناوری نانو، ما حسگرهایی با وضوح بالا، قابل تنظیم و مقیاس پذیر برای شناسایی Quaid-19 توسعه داده ایم که هم قوی و هم انعطاف پذیر هستند، نه تنها برای استفاده در حسگرهای زیستی مبتنی بر تراشه، بلکه برای دستگاه های پوشیدنی.” اهمیت.
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 در حال دور زدن 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 آنفولانزای H1N1 استفاده کنیم. این یک مشکل بزرگ است که با استفاده از تست های سریع فعلی قابل تشخیص نیست.
تیم تحقیقاتی تحقیقات خود را برای گسترش کاربرد این فناوری با استفاده از نمونه های مختلف ادامه می دهد.
این مطالعه در مجله Nano Letters منتشر شد.
46