NML研究文章|机器学习方法:提高磁性免疫层析反应检测性能

Machine Learning Approach to Enhance the Performance of MNPs-Labeled Lateral Flow Immunoassay
WenqiangYan, Kan Wang*, Hao Xu, Xuyang Huo, Qinghui Jin, Daxiang Cui
Nano-Micro Lett. (2019) 11: 7
https://doi.org/10.1007/s40820-019-0239-3

本文亮点
1  设计了一种定量检测免疫层析芯片上的磁性纳米粒子的传感器。2  利用机器学习模型区分弱阳性与空白阴性样本,提高了特异性与灵敏度。3  设计了一种波形重建方法,很好地恢复了弱阳性样本的失真波形。
内容简介

利用磁性纳米粒子作为标记物标记的免疫层析检测对于即时检测(POCT)的推广应用非常重要。但是,目前报道的检测方法不能准确地分析免疫层析芯片的弱磁信号,限制了其在POCT中的应用。

上海交通大学崔大祥教授课题组设计了一种超灵敏传感器来克服免疫层析芯片上磁性纳米粒子的检测和归一化的难题,能将芯片上的磁信号准确地转换为可处理的数字信号。

另外,通过机器学习模型对弱阳性样本和空白阴性样本进行分类,并利用自定义的波形重建方法恢复了弱阳性样本的失真波形,大大提高了检测灵敏度和特异性。

本研究选取了免疫层析检测普及性较高的两种临床标志物人绒毛膜促性腺激素(HCG)和心梗三项(cTnI、CKMB和Myo)来验证本文方法检测性能。针对HCG的定量检测范围为1-1000 mIU/mL,检测下限为0.014 mIU/mL。心梗三项的检测,本文得到的检测值与标准值呈现高度的一致性,证明本文方法具有较高的准确性和可重复性,充分证明该方法具有应用于临床检测的潜力

图文导读

磁性免疫层析芯片

本文所涉及的磁性免疫层析芯片(图1),应用双抗夹心法。实验结果显示样本中抗原浓度越高,T线信号越强。

图1 磁性免疫层析芯片示意图

  

2  检测分析流程

检测分析流程(图2) ① 登记检测信息,② 将检测信息粘贴到芯片卡壳上,③ 滴加样品,进行生物反应,④ 反应结束后,通过设计的传感器和分析方法得到样品中的抗原浓度。

图2 检测分析流程

数据分析流程(图3)首先对初始检测波形进行降噪处理,但由于噪声的复杂性和多样性,噪声干扰常常使弱信号波形失真。因此我们通过支持向量机模型对弱阳性样本和空白阴性样本进行分类,并利用自定义的波形重建方法将弱阳性样本的失真波形恢复正常(图4)。

图3 数据分析流程图 图4 波形重建示意图
3   检测性能验证人绒毛膜促性腺激素(HCG)检测 以HCG作为示例,标准曲线如图5所示,得到的定量检测范围为1-1000 mIU/mL,检测下限为0.014 mIU/mL。心梗三项(cTnI、CKMB和Myo)检测 心梗三项的检测,如图6所示,得到斜率与回归系数均接近于1,说明本文得到的检测值与标准值呈现高度的一致性,充分证明该方法具有应用于临床检测的潜力。图5(a)针对HCG的磁性免疫层析芯片,从1到8的浓度分别是1000, 500, 100,50, 10, 5, 1 和0mIU/mL(b)针对HCG的标准曲线

图6(a)多重检测结果,证明了本文方法可以同时进行多种分析物的检测(b)针对cTnI,本文检测值与实际值的比较(c)针对CKMB,本文检测值与实际值的比较(d)针对Myo,本文检测值与实际值的比较

作者简介
通讯作者
崔大祥
教授
上海交通大学电子信息与电气工程学院
主要研究方向:纳米生物材料;纳米检测技术与传感器;肿瘤诊断与预警Email:dxcui@sjtu.edu.cn
通讯作者
王侃
副研究员
上海交通大学电子信息与电气工程学院
主要研究方向:基于纳米技术实现早期肿瘤的体外快速检测芯片及其配套设备的开发;纳米材料分子影像及安全性评价研究;生物组织阻抗频谱特性研究Email:wk_xa@163.com
通讯作者
霍旭阳
副教授
吉林医药学院生物医学工程学院
生物医学信号检测设备和医疗器械的研发Email:38114295@qq.com
第一作者
颜文强
硕士研究生
上海交通大学电子信息与电气工程学院
主要研究方向:免疫层析检测系统的开发Email: yanwenqiang@sjtu.edu.cn

关于我们

Nano-Micro Letters 是上海交通大学主办的英文学术期刊,主要报道纳米/微米尺度相关的最新高水平科研成果与评论文章及快讯,在 Springer 开放获取(open-access)出版。可免费获取全文,欢迎关注和投稿。

E-mail:editorial_office@nmletters.org

Tel:86-21-34207624

如果对你有帮助,请分享给别人!:纳微科技 » NML研究文章|机器学习方法:提高磁性免疫层析反应检测性能

赞 (1)