约翰·霍普金斯大学
传感器材料可以放置在任何类型的表面上，从门把手和建筑入口到口罩和纺织品
鸣谢:郭金生和aishwarya·潘图拉/约翰·霍普金斯大学 约翰·霍普金斯大学开发的一种新冠肺炎传感器可以通过提高准确性和速度来彻底改变病毒测试，这一过程在疫情期间让许多人感到沮丧
在今天发表在《纳米快报》上的一项新研究中，研究人员描述了这种新的传感器，它不需要样品制备和最少的操作员专业知识，与现有的测试方法相比具有很大的优势，特别是在人群范围的测试中
“这项技术很简单，只需在我们的设备上滴一滴唾液，然后得到一个阴性或阳性结果，”机械工程副教授伊山·巴曼说，他与化学和生物分子工程教授大卫·格拉西亚斯都是这项研究的高级作者
“关键的新颖性在于这是一种无标记技术，这意味着不需要额外的化学修饰，如分子标记或抗体功能化
这意味着这种传感器最终可以用于可穿戴设备
" 巴曼说，这项尚未上市的新技术解决了两种最广泛使用的新冠肺炎测试的局限性:PCR和快速测试
PCR测试非常准确，但需要复杂的样品制备，结果需要几个小时甚至几天才能在实验室处理
另一方面，寻找抗原存在的快速测试在检测早期感染和无症状病例方面不太成功，并可能导致错误的结果
该传感器几乎和PCR测试一样灵敏，和快速抗原测试一样方便
在最初的测试中，该传感器在检测唾液样本中的SARS-COV-2时表现出92%的准确性，与PCR测试相当
该传感器在快速确定其他病毒的存在方面也非常成功，包括H1N1和寨卡病毒
该传感器基于大面积纳米压印光刻、表面增强拉曼光谱(SERS)和机器学习
它可用于一次性芯片格式或刚性或柔性表面的大规模测试
该方法的关键是由Gracias实验室开发的大面积、柔性场增强金属绝缘体天线(FEMIA)阵列
唾液样本被放置在材料上，并使用表面增强拉曼光谱进行分析，该光谱使用激光来检查被检查样本的分子如何振动
因为纳米结构FEMIA显著增强了病毒的拉曼信号，所以该系统可以快速检测到病毒的存在，即使样品中只存在少量痕迹
该系统的另一项重大创新是使用先进的机器学习算法来检测光谱数据中非常细微的信号，从而使研究人员能够确定病毒的存在和浓度
伊山·巴曼(左)和大卫·格拉西亚斯观察拉曼显微镜测量的光谱特征，前景，机器学习算法发现
鸣谢:威尔·柯克/约翰·霍普金斯大学 “无标签光学检测与机器学习相结合，使我们能够拥有一个单一的平台，可以以更高的灵敏度和选择性测试各种病毒，并且周转非常快，”主要作者Debadrita Paria说，他作为机械工程博士后研究员从事这项研究
传感器材料可以放置在任何类型的表面上，从门把手和建筑入口到口罩和纺织品
“使用最先进的纳米压印制造和转移印刷技术，我们已经实现了刚性和柔性COVID传感器基板的高度精确、可调和可扩展的纳米制造，这不仅对未来基于芯片的生物传感器的实施非常重要，对可穿戴设备也非常重要，”Gracias说
他说，这种传感器有可能与手持式测试设备集成，用于在机场或体育场等拥挤的地方进行快速筛查
“我们的平台超越了目前的新冠肺炎疫情，”巴曼说
“我们可以利用这一点对不同的病毒进行广泛的测试，例如，区分新型冠状病毒病毒和H1N1病毒，甚至变异病毒
这是一个主要问题，目前的快速测试还不能轻易解决
" 该团队继续致力于用患者样本进一步开发和测试这项技术
约翰霍普金斯技术风险投资公司已经申请了相关知识产权的专利，该团队正在寻求许可和商业化的机会
作者包括:Kam Sang (Mark) Kwok，化学和生物分子工程研究生；研究生Piyush Raj和机械工程博士后郑鹏
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
