دسته‌بندی ویروس‌ها با یادگیری ماشین

منتشر شده در: sciencedaily به تاریخ ۱۹ نوامبر ۲۰۲۰
لینک مطلب اصلی: Sorting out viruses with machine learning

پاندمی جهانی در حال پیشرفت، نیاز فوری به آزمایش‌های سریع ایجاد کرده‌است که می‌توانند حضور ویروس SARS-CoV-۲ را تشخیص دهند، ویروس بیماری‌زایی که باعث COVID19 می‌شود و آن را از دیگر ویروس‌های تنفسی متمایز می‌کند. در حال حاضر، محققان ژاپنی یک سیستم جدید را برای شناسایی تک سویه پاتوژن های تنفسی با استفاده از یک الگوریتم یادگیری ماشینی آموزش‌دیده بر روی تغییرات جریان در سراسر نانولوله‌های سیلیکون نشان داده‌اند. این کار ممکن است به تست‌های غربالگری سریع و دقیق برای بیماری‌هایی مانند COVID19 و آنفولانزا منجر شود.

در مطالعه‌ای که در این ماه در سنسورهای ACS منتشر شد، دانشمندان در دانشگاه Osaka یک سیستم جدید را با استفاده از نانولوله‌های سیلیکون معرفی کردند که به قدری حساس است که حتی یک ذره تک ویروس را نیز هنگام جفت شدن، با یک الگوریتم یادگیری ماشین تشخیص دهند.

در این روش، یک لایه نیترید سیلیکون فقط ۵۰ نانومتر ضخامت معلق روی ویفر سیلیکون دارای نانومیله‌های ریز اضافه‌شده، که خودشان فقط ۳۰۰ نانومتر قطر دارند. هنگامی که یک تفاوت ولتاژ در محلول در دو طرف ویفر اعمال می‌شود، یون‌ها در یک فرآیند به نام الکتروفورز، از میان نانوکانه‌ها عبور می‌کنند.

حرکت یون‌ها را می توان با جریانی که تولید می‌کنند کنترل کرد، و وقتی یک ذره ویروسی وارد یک نانو ماده می‌شود، مانع عبور برخی یون‌ها می‌شود، که منجر به شیب گذرا در جریان می‌شود. هر شیب ویژگی‌های فیزیکی ذره مانند حجم، بار سطحی و شکل را منعکس می‌کند، بنابراین می توان از آن‌ها برای شناسایی نوع ویروس استفاده کرد.

تنوع طبیعی در ویژگی‌های فیزیکی ذرات ویروس قبلا مانع از اجرای این روش شده بود، با این حال، با استفاده از یادگیری ماشین، تیم یک الگوریتم طبقه‌بندی آموزش‌دیده با سیگنال‌های ویروس‌های شناخته‌شده برای تعیین هویت نمونه‌های جدید ساخت. نویسنده ارشد، Makusu Tsutsui توضیح می‌دهد: «با ترکیب حسگری نانو ذرات تک ذره‌ای با هوش مصنوعی، ما توانستیم به شناسایی دقیق گونه‌های ویروسی متعدد دست یابیم.»

کامپیوتر می‌تواند تفاوت‌های موجود در شکل موج‌های جریان الکتریکی که توسط چشم انسان قابل‌تشخیص نیستند را تشخیص دهد، که طبقه‌بندی ویروس بسیار دقیق را ممکن می‌سازد. علاوه بر کروناویروس، سیستم با پاتوژنهای مشابه-ویروس سینسیتیال تنفسی، آدنو ویروس، انفلونزای A و انفلونزای B آزمایش شد.

این تیم بر این باور است که کوروناویروس‌ها به خصوص برای این تکنیک مناسب هستند زیرا اسپایک پروتئین‌های بیرونی آن‌ها ممکن است حتی اجازه دهند که سویه‌های مختلف به صورت جداگانه طبقه‌بندی شوند. نویسنده آخر Tomoji Kawai می‌گوید: « این کار به توسعه کیت تست ویروس کمک خواهد کرد که از روش‌های معمولی بازرسی ویروسی بهتر عمل می‌کند.»

در مقایسه با دیگر تست‌های ویروسی سریع مانند واکنش زنجیره‌ای پلیمراز یا صفحات مبتنی بر آنتی‌بادی، روش جدید بسیار سریع‌تر است و به معرف‌های پرهزینه نیاز ندارد، که ممکن است منجر به بهبود تست‌های تشخیصی برای ذرات ویروسی در حال ظهور شود که باعث بیماری‌های عفونی مانند COVID19 می‌شوند.

ترجمه این مقاله با استفاده از ربات ترجمه آنلاین مقالات پزشکی انجام شده و بصورت محدود مورد بازبینی انسانی قرار گرفته است. در نتیجه ممکن است دارای برخی اشکالات ترجمه باشد.