В Корее представили технологию, позволяющую обнаружить наркотики в моче за 5 минут

Корреспондент Гу Бон Хёк

- Корейский институт бионауки и биотехнологии разработал платформу для экспресс-диагностики, сочетающую нанотехнологии и ИИ

- Позволяет обнаружить крайне малое количество наркотиков в моче; ожидается применение в расследованиях и неотложной медицинской помощи

Наноподложка, усиливающая микроскопические световые сигналы от наркотических веществ в миллионы раз [Предоставлено Корейским институтом биотехнологии]

12 ноября Корейский институт биотехнологии сообщил, что исследовательская группа доктора Лим Ын Кён из его Центра бионаноисследований совместно с профессором Ким Тхэ Хваном из Католического университета Тэгу, профессором Ли Чжун Хи из Больницы Сеульского университета в Бундане и Центром исследований ИИ StoneLab разработала диагностическую платформу, сочетающую нанотехнологии и ИИ, которая позволяет обнаруживать компоненты наркотиков за 5 минут без дополнительной химической обработки мочи.

В связи с ростом числа преступлений, связанных с наркотиками, растет потребность в технологиях, позволяющих быстро и точно определять факт употребления наркотиков непосредственно на месте происшествия.

Существующие методы высокоточного анализа отличаются высокой точностью, но требуют сложной подготовки образцов и дорогостоящего оборудования. В то же время наборы для экспресс-тестирования на месте, хотя и обеспечивают быстроту, имеют ограничения в плане обнаружения небольших количеств наркотических веществ или их дифференциации от других препаратов с похожими свойствами.

Для решения этих проблем исследовательская группа разработала наноподложку, которая усиливает слабые световые сигналы, испускаемые молекулами наркотиков, в несколько миллионов раз.

Графический абстракт

На тонкой золотой подложке были плотно расположены столбики размером в нанометры, а поверхность была сделана шероховатой, чтобы при контакте с молекулами наркотиков появлялся сильный световой сигнал. Это позволило обнаруживать даже крайне малые количества наркотических веществ, присутствующих в моче.

К этому подходу были применены технологии искусственного интеллекта. С помощью алгоритма машинного обучения «LightGBM» удалось выделить уникальный «сигнальный отпечаток» наркотических веществ среди сложных сигналов, генерируемых различными продуктами обмена веществ и метаболитами лекарственных препаратов в моче.

В ходе экспериментов с реальными образцами мочи система с точностью около 80% определяла положительный результат на наркотики даже в условиях смеси обезболивающих и других лекарственных препаратов. В ходе экспериментов на животных также было подтверждено, что компоненты наркотиков можно обнаружить в моче, взятой спустя 6 часов после введения наркотиков.

Данная технология имеет большое значение, поскольку сочетает в себе высокую чувствительность прецизионного аналитического оборудования и оперативность экспресс-тестирования на месте. Благодаря возможности анализа наркотических веществ по небольшому количеству мочи без сложных этапов предварительной обработки открываются перспективы для применения этой технологии в диагностике на месте.

Аннотация

Преступления, связанные с незаконным оборотом наркотиков, становятся все более актуальной глобальной проблемой, что обусловливает острую потребность в быстрых и надежных системах скрининга наркотиков. Хотя традиционные методы идентификации дают достоверные результаты, они зачастую требуют длительного времени обработки и сложных процедур, что ограничивает их применение в условиях пунктов оказания медицинской помощи (POC). В данной работе мы представляем подложку для поверхностно-усиленного Рамановского рассеяния (SERS) на основе нанотравы из золота с шероховатой поверхностью (RGNG), разработанную для чувствительного и автоматизированного скрининга наркотиков. Иерархическая архитектура RGNG, оптимизированная посредством совместного осаждения Au–Ag с последующим селективным травлением, генерирует плазмонные «горячие точки» высокой плотности и обеспечивает высокую аналитическую чувствительность даже в сложных биологических матрицах. Исследования in vivo на моделях крыс продемонстрировали успешную классификацию четырёх незаконных наркотиков в моче в течение 6 часов после введения с использованием анализа главных компонент. Кроме того, интеграция с объяснимой платформой машинного обучения LightGBM позволила дифференцировать (AUC = 0,80) образцы с положительным результатом на незаконные наркотики от образцов отрицательного контроля, содержащих значительное количество лекарственных препаратов, среди 155 клинических образцов мочи путём выделения паттернов биомаркеров, связанных с наркотиками, из общего фона системного метаболизма. Эта диагностическая схема, сочетающая передовую плазмонную инженерию с интерпретируемыми алгоритмами градиентного бустинга, представляет собой масштабируемый подход, подтверждающий концепцию, для быстрого криминалистического и медицинского скрининга; перед внедрением в клиническую практику потребуется внешняя валидация на независимой когорте.

Рисунок 1. Схематическое изображение скрининга лекарственных препаратов в сырой моче с помощью метода SERS, интегрированного в платформу LightGBM.

Рисунок 2. Структурная и морфологическая характеристика шероховатой подложки из нанотравы из золота.

(a) Схематическое изображение процесса изготовления, включающего электрохимическое совместное осаждение и селективное травление HNO3. (b, c) Изображения, полученные с помощью растрового электронного микроскопа (SEM) в виде сверху, оптимизированного RGNG, демонстрирующие плотное и равномерное распределение (масштабная линейка = 1 мкм) (d) изображение поперечного сечения, полученное с помощью FIB–SEM, демонстрирующее вертикальный рост столбиков с высоким соотношением сторон (масштабная линейка = 1 мкм). (e) Топографическая карта, полученная с помощью атомно-силового микроскопа (AFM) (масштабная линейка = 1 мкм) (f) Соответствующий линейный профиль, демонстрирующий высоту от пика до впадины. (g–i) Картирование методом СЭМ–ЭДС RGNG после травления (масштабная линейка = 500 нм). (j–l) Картирование методом FIB–ЭДС RGNG после травления, демонстрирующее оболочку с высоким содержанием Au и ядро с высокой концентрацией Ag (масштабная линейка = 500 нм).

Рисунок 3. Оптимизация продолжительности травления и теоретический электромагнитный анализ.

(a–l) Дифрактограммы XRD подложек на разных стадиях травления: фон Au-пластины (отрицательный контроль, NC; a, e, i), 0 мин (b, f, j), 60 мин (c, g, k) и 120 мин (d, h, l). (m) Циклические вольтамперограммы, полученные в 0,1 М H2SO4 для оценки ECSA. (n) Рассчитанные значения ECSA. (o) Результаты моделирования методом конечных элементов (FEM), показывающие распределение электрического поля при возбуждении с длиной волны 630 нм. (p) Картирование пика DTNB при 1330 см–1 методом SERS по оптимизированной подложке RGNG для подтверждения пространственной однородности.

Рисунок 4. Профилирование метаболизма in vivo и оперативное обнаружение запрещенных наркотиков в моче крыс.

(a) Средние спектры SERS DTNB на подложке RGNG в диапазоне от 1 мкМ до 100 аМ. (b) Калибровочная кривая, отображающая зависимость средних значений интенсивности SERS от концентрации (n = 3, 100 точек) (c) Средние спектры SERS шести незаконных наркотиков: фентанил (красный), морфин (оранжевый), гидрокодон (жёлтый), кодеин (зелёный), МДМА (голубой), норкетамин (синий) (n = 3, 25 точек) (d) Графики зависимости интенсивности от концентрации (e) Хронология эксперимента по введению наркотиков (амфетамин, кетамин, МДМА и метамфетамин) и последующему сбору мочи в два интервала: через 0–6 ч и 6–12 ч после инъекции. (f) Типичные тепловые карты интенсивности SERS образцов мочи крыс, собранных в интервале 0–6 ч. (g) Диаграмма оценок PCA для интервала 0–6 ч. (h) Тепловые карты интенсивности SERS для интервала 6–12 ч. (i) Диаграмма оценок PCA для интервала 6–12 ч.

Рисунок 5. Бинарная классификация клинических образцов человека на основе машинного обучения.

(a) Схема рабочего процесса LightGBM для обработки данных SERS. (b) Средние спектры SERS для положительной (наркотические/психотропные вещества) и отрицательной (стандартные анальгетики) групп из 155 клинических пациентов. (c) Матрица путаницы, демонстрирующая диагностическую точность при оптимизированном пороге индекса Юдена, равном 0,437. (d) Анализ ROC-кривой, демонстрирующий высокий показатель AUC и высокую прогностическую эффективность конвейера RGNG–LightGBM. (e) График важности признаков, выделяющий ключевые волновые числа, влияющие на классификацию. (f) График общей значимости признаков, наложенный на средние спектры SERS. (g) Распределение значений SHAP для ведущих признаков, где отдельные точки данных указывают на сдвиги логарифма отношения шансов в сторону либо отрицательной (слева, −1), либо положительной (справа, +1) диагностических границ. (h) График общего абсолютного значения SHAP (|SHAP|), наложенный на средние спектры SERS.

Доктор Ким Чжин Ён из Корейского института бионауки и биотехнологии проводит соответствующие исследования [Предоставлено Корейским институтом бионауки и биотехнологии]

Однако для практического применения в следственных и медицинских учреждениях требуется дополнительная проверка. Исследовательская группа планирует собрать дополнительные клинические образцы, чтобы усовершенствовать технологию, позволяющую определять не только сам факт употребления наркотиков, но и конкретный их вид. Также ведется работа над разработкой портативного устройства.

Ожидается, что в будущем эта технология найдет применение в различных областях медицины и судебной экспертизы, включая полицейские операции по борьбе с незаконным оборотом наркотиков и диагностику наркотической интоксикации в отделениях неотложной помощи.

«Данное исследование является примером того, как сочетание нанотехнологий и объяснимых алгоритмов искусственного интеллекта позволяет точно и быстро классифицировать компоненты наркотиков даже в сложных биологических жидкостях» - сказала доктор Лим Ын Кён, добавив: «Мы надеемся, что в будущем, усовершенствовав эту технологию до уровня портативных устройств, пригодных для использования на месте, мы сможем изменить парадигму работы в сфере борьбы с незаконным оборотом наркотиков и неотложной диагностики».

Результаты данного исследования опубликованы в сентябрьском номере международного научного журнала «ACS Measurement Science Au».

nbgkoo@heraldcorp.com

#южнаякорея #корея #политика #экономика #промышленность #технология #медицина #экспертиза #расследования #общество #культура #искусство #бизнес #финансы #азия #искусственныйинтеллект #машинноеобучение #биотехнология #диагностика