Guckelsberger és munkatársai abban az évben kifejlesztettek egy módszert az antitestek és a vírusantigének közötti interakciók digitális mikroszkópos képeinek automatikus osztályozására a laboratóriumban növesztett sejtekben. A számítógép lényegében megtanulja észlelni, ha a páciens rendelkezik-e koronavírus elleni antitestekkel.
A diagnózison túl a módszer arra is betekintést nyújt a kutatók számára, hogy a sejtekben milyen jellemzők jeleznek pozitív eredményt, milyen antitestválaszok vannak jelen, és lehetővé teszi, hogy pusztán a kép alapján előrejelzéseket készítsenek a COVID-19 antitest-pozitív minta valószínűségéről.
Ugyanezeket a számítógéppel osztályozott mintaképeket szakértő virológusoknak is megmutatták, akik pozitívnak vagy negatívnak minősítették azokat a koronavírus-antitestekre nézve. „A mi megközelítésünk megfelel a humán szakértők osztályozási szintjének – mondja Guckelsberger –, és sokkal gyorsabb. Ráadásul megmondhatja, ha vannak olyan kétértelmű eredmények, amelyeket szakértő szemmel érdemes alaposabban megvizsgálni.”
A projekt közelmúltban közzétett eredményei Sejtjelentési módszerek, azt is mutatják, hogy a módszer összehasonlítható, és bizonyos tekintetben jobb is, mint az olyan széles körben használt tesztekkel, mint az ELISA.
"Tisztított vírusfehérjék helyett sejteket használtunk vizsgálatunk alapjául, amely közelebb áll a valódi fiziológiához" - mondja a vezető szerző. Vilja Pietiäinen a Helsinki Egyetem Finnországi Molekuláris Medicina Intézetének (FIMM) munkatársa.
„Mivel minden teljesen automatizált, nagy az áteresztőképességünk, de megkapjuk azokat a digitális képeket is, amelyeket virológusnak vagy patológusnak is meg lehet mutatni anélkül, hogy mikroszkópba kellene menniük. Az eredmények akár mobileszközön is ellenőrizhetők. És meg tudjuk számolni a fertőzött sejtek számát, így rendelkezésünkre állnak a mennyiségi adatok és a vizuális adatok is.”
A világjárvány korai napjaiban a kutatócsoport gyorsan meg tudott alakulni a virológiai, képalkotó és gyógyszerválasz-vizsgálatokkal kapcsolatos korábbi nemzetközi és helyi együttműködéseknek köszönhetően – magyarázza Pietiäinen.
„Akkor szükségünk volt egy nagy áteresztőképességű antitest-vizsgálatra, amely kimutatja, ha valakinek SARS-CoV-2 fertőzése van. Azóta sokat fejlődtek a SARS-CoV-2 diagnózisa, kimutatása és antitestválasza”, mint például a széles körben ismert polimeráz láncreakció (PCR) teszt vagy az antigénteszt (például az orrtampon), amely közvetlenül méri a vírus jelenlétét a szervezetben.
A Pietiäinen, Guckelsberger és munkatársai által kifejlesztett teszt ezzel szemben az antitesteket méri, ami megmondja, hogyan ismeri fel az immunrendszer a vírust, és hogyan termel ellene különböző típusú antitesteket.
"Ha csak néhány mintája van, nagyon keveset tud egy betegségről, vagy esetleg nem fér hozzá egy magas szintű biológiai biztonsági laboratóriumhoz, akkor a csővezetékünk igazán értékes lehet" - mondja Guckelsberger, hozzátéve, hogy bárhol használható, helytől függetlenül. mintaelőkészítő berendezés vagy mikroszkóp típusa. Valójában a csővezeték sokoldalúan tesztelhető bármilyen csírán.
„A tesztet úgy alakítottuk ki, hogy bármilyen újonnan megjelenő kórokozó esetén alkalmazható legyen, így növelve felkészültségünket a jövőbeli világjárványokra” – mondja Pietiäinen. „Bizonyos összetevőket minden új vírushoz optimalizálni kell, de a teszt szépsége az, hogy különböző célokra használható. Már használják zoonózisos vírusok, például a Puumala vírus tanulmányozására.”
A kutatócsoport más automatizált sejtalapú vizsgálatokat, majd mesterséges intelligencia által vezérelt képelemzési módszereket használ a SARS-CoV-2-re adott gyógyszerválaszok tanulmányozására, valamint a betegektől származó rákos sejteket elpusztító gyógyszerek azonosítására. ex vivo.
Amellett, hogy publikálják munkáikat, és hozzájárulnak a járvány jobb megértéséhez, Guckelsberger és Pietiäinen közös meglátásban osztoznak, amelyet ez a projekt tanított nekik.
„Ha nagy kérdések merülnek fel a világban, mi, tudósok nem dolgozhatunk egyedül a silókban. A különböző területek, egyetemek és országok szakértőinek közös céllal kell összefogniuk – esetünkben adatkutatókkal, klinikusokkal, informatikusokkal, biokémikusokkal” – mondja Pietiäinen.
„Lenyűgöző volt egy nagy csapatban dolgozni, amit nem gyakran csinálunk az informatikában” – visszhangozza Guckelsberger.
„Az egyik nagy kihívás a szakértelem különböző perspektíváiból történő kommunikáció volt, például annak megértése, hogy mi történik a csővezeték mindkét végén, a nedves labor eljárásoktól a paramétereken át az adatokig és képekig. Ugyanakkor ez egy fantasztikus tanulási élmény volt, és szeretnék még többet átélni a jövőben.”
Miközben jól bevált gépi tanulást alkalmaztak a csővezeték minden összetevőjéhez, Guckelsberger szerint a biológusok és az informatikusok közötti kapcsolat megteremtése volt az egyik igazi előrelépés. A technológia használata a biológiai kérdések megoldására Pietiäinen számára is nagy hasznot jelentett.
„A mikroszkópos vizsgálat és a gépi tanulás kombinálása nem csak a SARS-CoV-2 esetében, hanem a gyógyszerekre adott személyre szabott válaszok vagy a ritka genetikai betegségek sejtfenotípusainak megtekintésére is hatásos. Egy kép többet ér ezer szónál, itt is ez a helyzet.”
Forrás: Aalto Egyetem