Цифровой иммуноферментный анализ с открытой поверхностью, основанный на магнитной ловушке и алгоритмах глубокого обучения, для быстрого и высокочувствительного выявления вируса африканской чумы свиней
Африканская чума свиней (АЧС) — вирусная инфекция, ассоциированная с крайне высокой летальностью и значительным экономическим ущербом.
В настоящее время не существует эффективных мер борьбы с данным заболеванием. В связи с этим, своевременное выявление инфекции на латентной стадии, является критически важным способом профилактики и борьбы с заболеванием. Такой подход позволяет максимально рано и точно диагностировать заболевание, а также оперативно изолировать инфицированное животное, что способствует прерыванию цепочки передачи вируса.
Своевременная диагностика заболевания осложнена низкой вирусной нагрузкой на ранних стадиях патогенеза, что обусловливает необходимость применения методов детекции с предельно высокой чувствительностью, в частности, направленных на выявление вирусного антигена p30. Существующие технологии цифрового иммуноферментного анализа, несмотря на принципиальную способность к высокочувствительной детекции p30, характеризуются субоптимальной эффективностью вследствие неполного использования микрорезонаторного потенциала, сопровождающегося пуассоновскими флуктуациями, а также ограниченной точностью алгоритмов распознавания изображений.
В представленном исследовании предложена платформа цифрового иммуноферментного анализа на основе открытой поверхности (open-surface digital ELISA — OS-dELISA), интегрирующая магнитные микросферы, экспонированные в открытое пространство, и методы искусственного интеллекта. Формирование упорядоченного массива микросфер достигается посредством магнитной фиксации, при которой каждая микросфера выполняет функцию открытой микрополости. В сочетании с осциллирующим микрофлюидным режимом и in situ усилением сигнала на основе тирамина предложенная конфигурация исключает необходимость дополнительной инкапсуляции иммунокомплексов в замкнутые микрополости, повышает эффективность утилизации микрополостей и степень связывания антигена, что в совокупности обеспечивает существенный прирост аналитической чувствительности.
Обработка больших массивов визуальных данных реализована с использованием усовершенствованной свёрточной нейронной сети архитектуры Mask R-CNN, обеспечивающей интеллектуальную и высокоточную сегментацию изображений. Разработанная платформа OS-dELISA позволяет детектировать антиген p30 в течение 17 минут с пределом обнаружения 21 fg/mL. Валидация метода на образцах сыворотки продемонстрировала 100 % диагностическую чувствительность и 95 % специфичность. Таким образом, конвергенция микрофлюидных технологий и алгоритмов искусственного интеллекта в рамках платформы OS-dELISA открывает новые перспективы для создания интеллектуальных систем экспресс-диагностики инфекционных патологий в ветеринарной медицине.
