Des études récentes ont montré que les biocapteurs du Gires-Tournois (GT), un type de résonateur nanophotonique, peuvent détecter de minuscules particules virales et produire des micrographies colorées (images prises au microscope) de la charge virale. Mais ils souffrent d'artefacts visuels et de non-reproductibilité, limitant leur utilisation.

Lors d'une avancée récente, une équipe internationale de chercheurs, dirigée par le professeur Young Min Song de l'École de génie électrique et d'informatique de l'Institut des sciences et technologies de Gwangju en Corée, a exploité l'intelligence artificielle (IA) pour surmonter ce problème. Leurs travaux ont été publiés dans Nano Today .

Les technologies de diagnostic rapide et sur site permettant d’identifier et de quantifier les virus sont essentielles pour planifier des stratégies de traitement pour les patients infectés et empêcher la propagation de l’infection. La pandémie de COVID-19 a mis en évidence la nécessité de tests de diagnostic précis mais décentralisés, qui n'impliquent pas les processus complexes et longs nécessaires aux tests conventionnels en laboratoire.

L’imagerie microscopique en fond clair est un outil de diagnostic populaire sur le lieu d’intervention pour quantifier la charge virale. Cependant, la petite taille (~ 100 nm) et le faible indice de réfraction (~ 1,5, identique à celui d'une lame de microscope) des bioparticules telles que les virus rendent souvent leur estimation précise difficile et augmentent la limite de détection (la plus faible concentration de charge virale qui peut être détecté de manière fiable).

Dans leur nouvelle étude, l'équipe a proposé un outil de biodétection synergique appelé « DeepGT », qui peut exploiter les avantages des plates-formes de détection GT et les fusionner avec des algorithmes basés sur l'apprentissage profond pour quantifier avec précision les bioparticules à l'échelle nanométrique, y compris les virus, sans avoir besoin d'échantillons complexes. méthodes de préparation.

"Nous avons conçu DeepGT pour évaluer objectivement la gravité d'une infection ou d'une maladie. Cela signifie que nous n'aurons plus à nous fier uniquement à des évaluations subjectives pour le diagnostic et les soins de santé, mais que nous aurons plutôt une approche plus précise et basée sur les données pour guider les stratégies thérapeutiques. ", explique le professeur Song, révélant la motivation derrière leur étude.

L’équipe a conçu un biocapteur GT avec une configuration à couche mince tricouche et l’a biofonctionnalisé pour permettre une détection colorimétrique lors de l’interaction avec des analytes cibles. Les capacités de détection ont été vérifiées en simulant le mécanisme de liaison entre les cellules hôtes et le virus à l'aide de bioparticules spécialement préparées qui imitent le SRAS-CoV-2, la souche de coronavirus à l'origine de la pandémie de COVID-19.

Ensuite, les chercheurs ont formé un réseau neuronal convolutif (CNN) en utilisant plus d’un millier de micrographies optiques et électroniques à balayage de la surface du biocapteur GT avec différents types de nanoparticules. Ils ont découvert que DeepGT était capable d'affiner les artefacts visuels associés à la microscopie à fond clair et d'extraire des informations pertinentes, même à des concentrations virales aussi faibles que 138 pg ml ^–1 . .

De plus, il a déterminé le nombre de bioparticules avec une grande précision, caractérisée par une erreur absolue moyenne de 2,37 sur 1 596 images, contre 13,47 pour les algorithmes basés sur des règles, en moins d’une seconde. Renforcé par les performances des CNN, le système de biodétection peut également indiquer la gravité de l'infection, d'asymptomatique à grave, en fonction de la charge virale.

DeepGT présente ainsi un moyen efficace et précis de dépister les virus sur une large gamme de tailles sans être gêné par la limite minimale de diffraction dans la lumière visible. "Notre approche fournit une solution pratique pour la détection et la gestion rapides des menaces virales émergentes ainsi que pour l'amélioration de la préparation de la santé publique en réduisant potentiellement le fardeau global des coûts associés aux diagnostics", conclut le professeur Song.

Plus d'informations : Jiwon Kang et al, DeepGT :Quantification basée sur l'apprentissage profond de bioparticules nanométriques dans des micrographies en champ clair du biocapteur Gires-Tournois, Nano Today (2023). DOI :10.1016/j.nantod.2023.101968

Informations sur le journal : Nano aujourd'hui

Fourni par l'Institut des sciences et technologies de Gwangju