Trouver des solutions pratiques pour détecter les protéines, biomarqueurs du cancer, virus et autres petits objets est un défi majeur pour les chercheurs du monde entier depuis des décennies. Ces solutions sont prometteuses pour sauver des vies grâce à un diagnostic et un traitement plus rapides des infections et des maladies graves.

Aujourd'hui, une nouvelle recherche d'une équipe de l'UCLA montre comment de telles détections peuvent être effectuées pour une fraction du coût en utilisant des appareils mobiles « intelligents » conçus par l'apprentissage automatique.

Une méthode pour détecter les petits objets et les biomarqueurs associés est appelée détection plasmonique, qui consiste à projeter de la lumière sur des nanostructures métalliques pour amplifier le champ électrique local. L'interaction entre ce champ électrique amplifié et la molécule d'intérêt peut être mesurée, révélant des informations importantes sur la concentration moléculaire et la cinétique. Bien que les scientifiques aient exploré ce type de détection pendant des décennies, ils ont été confrontés à des défis lorsqu'il s'agit d'environnements en dehors des environnements de laboratoire qui sont limités en ressources. En effet, des instruments coûteux et encombrants sont nécessaires pour ce travail.

L'objectif principal de l'apprentissage automatique est de « former » un algorithme avec une grande quantité de données afin qu'il puisse « apprendre » des tendances et des statistiques complexes et à son tour être utilisé pour prédire les résultats avec beaucoup plus de précision qu'un modèle traditionnel. Par exemple, Google utilise l'apprentissage automatique dans des applications telles que la reconnaissance de lettres et de chiffres dans nos rues et nos maisons.

L'équipe de l'UCLA, dirigé par Aydogan Ozcan, Chancellor's Professor of Electrical Engineering and Bioengineering et directeur associé du California NanoSystems Institute, a pris ce concept et l'a appliqué à la détection plasmonique, construire un appareil mobile et peu coûteux qui est beaucoup plus précis que les conceptions de capteurs conventionnels.

L'appareil prototype est léger et portable, constitué d'un boîtier en plastique imprimé en 3D, quatre diodes électroluminescentes, ou LED, de différentes couleurs et un appareil photo. Comme décrit dans l'étude, un algorithme d'apprentissage automatique sélectionne les quatre LED les plus optimales parmi des milliers d'autres choix possibles, proposer la conception la plus précise, et une méthode de calcul pour quantifier la sortie du capteur. Ce travail vise à fournir un outil de conception que d'autres ingénieurs et chercheurs peuvent utiliser pour optimiser leurs propres lecteurs de capteurs optiques à faible coût pour diverses applications dans les soins de santé ainsi que la surveillance de l'environnement.

En utilisant des méthodes de nanofabrication récemment découvertes, l'équipe de recherche a pu produire des capteurs plasmoniques flexibles, suffisamment robustes et peu coûteux pour être jetables. Ces capteurs peuvent subir des "modifications de surface, " qui garantit que seules les molécules d'intérêt interagissent avec le champ électrique amplifié.

Cette étape biochimique peut être considérée comme deux pièces de puzzle complémentaires, où une pièce est fixée à la surface du capteur, empêchant toute autre pièce que son complément de la rejoindre et d'interférer avec la mesure. Cela signifie que ces capteurs peuvent être "modifiés" pour capturer n'importe quel nombre de cibles biologiques spécifiques telles que les bactéries, virus ou cellules cancéreuses, parmi beaucoup d'autres.

Pour utiliser ce lecteur plasmonique, un échantillon fluidique, par exemple du sang ou de l'urine, est appliqué sur la surface du capteur à l'aide d'une micropuce jetable. Le capteur s'insère alors dans une cartouche qui peut être insérée dans l'appareil, qui mesure et analyse ensuite automatiquement l'échantillon, fournir le résultat de la détection. L'équipe de recherche affirme qu'un tel lecteur plasmonique pourrait être conçu comme un accessoire de téléphone portable pour réduire davantage les coûts et tirer parti de la connectivité cloud ainsi que de la puissance de calcul des smartphones.

Le premier auteur de l'étude est Zach Ballard, un étudiant diplômé en génie électrique et boursier de la National Science Foundation. La recherche a été publiée dans ACS Nano.

"Des découvertes et des résultats étonnants sont réalisés quotidiennement dans des instituts de recherche comme l'UCLA, mais souvent, lorsque les ingénieurs commencent à envisager de déplacer cette science dans le monde réel, ils heurtent des barrages routiers, " a déclaré Ballard. " C'est donc toujours excitant pour moi de voir la technologie de pointe devenir plus pratique. "