辛辛那提大学的化学研究人员正在开发更好的生物传感器，希望这些传感器能够替代疫情期间在美国分发的近10亿个家庭新冠病毒检测试剂。艺术与科学学院助理教授皮耶特罗·斯特罗比亚（Pietro Strobbia）正在开发新的家庭传染病诊断工具。
“在疫情期间，我们遇到了一些家庭诊断的问题。家庭测试的灵敏度不足以准确检测许多传染病。”他说。
生物传感器是一种用于快速和敏感检测分子水平物质的设备。现有的诊断方法如聚合酶链反应测试比大多数人使用的抗原测试更准确，但它们也更昂贵，他说。
“我们从新冠疫情中学到了很多。但我们希望为下一次新冠疫情、下一个危险病毒做好准备。”他说。
为了实现这一目标，斯特罗比亚和他的研究伙伴，乔治·斯坦（George Stan）教授和鲁克桑德拉·迪玛（Ruxandra Dima）教授，获得了美国国立卫生研究院32.7万美元的资助，用于开发使用人工智能的新表面增强拉曼散射传感器。
“我们想做的是建立一个可以检测多种目标的传感器库，并使用人工智能读取序列，了解哪些序列最适合某些目标。”斯特罗比亚说。
该项目的长期目标是创建一个能够在家庭测试中检测多个遗传生物标志物的传感平台。表面增强拉曼散射已经在许多行业中用于检测食品中的污染物或环境分析。
这些传感器不仅能够检测病毒的存在，还能检测病毒的数量。
作为项目的一部分，斯特罗比亚的实验室投资了一台新机器人，该机器人可以准备项目所需的数百个流体传感器，每个传感器都含有精确混合的化学品。化学博士生史蒂文·夸林（Steven Quarin）表示，手动使用移液管准备传感器既繁琐又耗时。
“我知道准备一个96孔板的一行需要多长时间。”他说，“当你用移液管操作时，会变得非常重复。这是一项单调的工作。我有信心我没有犯错，但有时我会问自己，‘我这样做对吗？’”
斯特罗比亚说，机器人可靠准确，可以减少污染的风险。
计算化学家迪玛和斯坦表示，他们很高兴加入这个项目，开发高效且成本效益高的生物传感器。斯坦说，生物传感器开发受到我们对功能性DNA序列所需最佳生物物理和生化特性理解有限的阻碍。
“我们的合作旨在开发一种基于人工智能的方法，自主生成针对病毒目标优化的功能性DNA序列。”他说。“这种机器学习方法使用大量DNA序列库来学习基于四个核苷酸的DNA字母表的‘语言’。”
斯坦说，由于人工智能在访问更大数据集时会更加准确，因此项目的一个重要部分将是提供大量的功能性DNA序列库。
“反过来，这个大型DNA库将用于训练基于人工智能的模型。”斯坦说。“因此，化学系自动化管道的可用性为结合最先进实验和基于人工智能的工具的生物传感器设计开辟了令人兴奋的新途径。”
(全文结束)
