محققان در این پروژه سنسور جدیدی ساخته اند که نیازی به آماده سازی نمونه ندارد و کمترین تجربه را می طلبد. 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 محققان این پروژه، گفت: این روش به سادگی ریختن یک قطره بزاق روی دستگاه و گرفتن نتیجه منفی یا مثبت است. نکته کلیدی این است که این روش نیازی به تغییرات شیمیایی مانند برچسب گذاری مولکولی یا عامل دار کردن آنتی بادی ندارد. این بدان معنی است که این سنسور در نهایت می تواند در دستگاه های پوشیدنی استفاده شود.
او اضافه کرد: این فناوری جدید می‌تواند بر محدودیت‌های آزمایش‌های فعلی 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 آزمایش اولیه، سنسور 92 درصد دقت را در تشخیص ویروس کرونا در نمونه های 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 نوع A H1N1” و “زیکا” نشان داد.
این حسگر مبتنی بر فناوری‌های «لیتوگرافی نانوایمپرنت»، «واسطه سطحی پیشرفته رامان» (SERS) و یادگیری ماشینی 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 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 تصویربرداری سطحی پیشرفته رامان که از نور لیزر برای بررسی ارتعاش مولکول های نمونه استفاده می کند، آنالیز می شود.
از آنجایی که فناوری نانوساختار FEMIA به طور قابل توجهی سیگنال رامان ویروس را تقویت می کند، سیستم می تواند حضور ویروس را به سرعت 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 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 نور بدون برچسب 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 انتخاب پذیری بیشتر و بسیار سریعتر آزمایش کند.
مواد حسگر را می توان روی هر نوع سطحی قرار داد. از دستگیره در و ورودی گرفته تا ماسک و منسوجات.
گراسیاس گفت: با استفاده از این فناوری نانو، ما حسگرهای بسیار دقیق، قابل تنظیم و مقیاس‌پذیری را برای تشخیص Quaid-19 ایجاد کرده‌ایم که هم سفت و هم انعطاف‌پذیر هستند، نه تنها برای استفاده در حسگرهای زیستی مبتنی بر تراشه، بلکه برای دستگاه‌های پوشیدنی.
او اضافه کرد: این سنسور می تواند در یک دستگاه دستی برای تشخیص سریع در مکان های شلوغ مانند فرودگاه ها یا استادیوم ها استفاده شود.
بارمن گفت: پلت فرم ما فراتر از همه گیری کووید-19 فعلی است. ما می توانیم از آن برای شناسایی ویروس های مختلف استفاده کنیم. به عنوان مثال، می‌توانیم از آن برای تمایز کرونا از ویروس آنفولانزای نوع A H1N1 استفاده کنیم. این یک مشکل بزرگ است که با استفاده از تست های سریع فعلی قابل تشخیص نیست.
تیم تحقیقاتی در حال ادامه تحقیقات خود برای گسترش کاربرد این فناوری با استفاده از نمونه های مختلف است.
این مطالعه در مجله Nano Letters منتشر شد.
46: