Una integración creativa de imágenes asistidas por IA con la tecnología de una impresora de inyección de tinta obsoleta da como resultado un método más eficiente y rentable para detectar bacterias en sustancias como la sangre y las aguas residuales.
Al apuntar un láser a una gota de sangre, moco o agua residual, se puede analizar el reflejo de la luz para identificar con precisión la presencia de bacterias en la muestra.
“Podemos averiguar no solo qué bacterias están presentes, sino específicamente qué bacterias hay en la muestra: E. coli, Staphylococcus, Streptococcus, Salmonella, ántrax y más”, dijo Jennifer Dionne, profesora asociada de ciencia e ingeniería de materiales y, cortesía de , de Radiología en la Universidad de Stanford. “Cada microbio tiene su propia huella digital óptica. Es como el código genético y proteómico garabateado en la luz».
Dionne es la autora principal de un nuevo estudio en la revista Nano Letters que detalla un método innovador desarrollado por su equipo que puede conducir a ensayos microbianos más rápidos (casi inmediatos), económicos y precisos de prácticamente cualquier fluido que se desee analizar en busca de microbios.
Los métodos de cultivo tradicionales que todavía se utilizan hoy en día pueden tardar horas, si no días, en completarse. Un cultivo de TB toma 40 días, dijo Dionne. La nueva prueba se puede realizar en minutos y promete diagnósticos de infección mejores y más rápidos, mejor uso de antibióticos, alimentos más seguros, mejor monitoreo ambiental y un desarrollo de fármacos más rápido, dice el equipo.
Perros viejos, trucos nuevos
El descubrimiento no es que las bacterias muestren estas huellas dactilares espectrales, un hecho conocido durante décadas, sino cómo el equipo pudo revelar estos espectros en medio de la deslumbrante variedad de luz reflejada en cada muestra.
«No solo cada tipo de bacteria muestra patrones únicos de luz, sino que prácticamente todas las demás moléculas o células en una muestra determinada también lo hacen», dijo la primera autora Fareeha Safir, Ph.D. estudiante en el laboratorio de Dionne. «Los glóbulos rojos, los glóbulos blancos y otros componentes de la muestra envían sus propias señales, lo que dificulta, si no imposibilita, distinguir los patrones microbianos del ruido de otras células».
Un mililitro de sangre, aproximadamente del tamaño de una gota de lluvia, puede contener miles de millones de células, de las cuales solo unas pocas pueden ser microbios. El equipo tuvo que encontrar una forma de separar y amplificar la luz reflejada únicamente por las bacterias. Para hacerlo, se aventuraron por varias tangentes científicas sorprendentes, combinando una tecnología de cuatro décadas prestada de la informática, la impresora de inyección de tinta, y dos tecnologías de vanguardia de nuestro tiempo, las nanopartículas y la inteligencia artificial.
“La clave para separar los espectros bacterianos de otras señales es aislar las células en muestras extremadamente pequeñas. Usamos los principios de la impresión de inyección de tinta para imprimir miles de pequeñas gotas de sangre en lugar de interrogar una sola muestra grande», explicó el coautor Butrus «Pierre» Khuri-Yakub, profesor emérito de ingeniería eléctrica en Stanford que ayudó a desarrollar la impresora de inyección de tinta original. en la década de 1980
“Pero no se puede obtener una impresora de inyección de tinta lista para usar y agregar sangre o aguas residuales”, enfatizó Safir. Para sortear los desafíos en el manejo de muestras biológicas, los investigadores modificaron la impresora para colocar muestras en papel usando pulsos acústicos. Cada punto de sangre impreso tiene un volumen de solo dos billonésimas de litro, más de mil millones de veces más pequeño que una gota de lluvia. A esta escala, las gotas son tan pequeñas que solo pueden contener unas pocas docenas de células.
Además, los investigadores infundieron las muestras con nanovarillas de oro que se unen a la bacteria, si está presente, y actúan como antenas, atrayendo la luz láser hacia la bacteria y amplificando la señal a unas 1500 veces su fuerza sin mejorar. Apropiadamente aislados y amplificados, los espectros bacterianos sobresalen como los pulgares doloridos de los científicos.
La pieza final del rompecabezas es el uso del aprendizaje automático para comparar los diversos espectros reflejados por cada punto de fluido impreso para identificar las firmas reveladoras de cualquier bacteria en la muestra.
“Es una solución innovadora con el potencial de salvar vidas. Ahora estamos entusiasmados con las oportunidades de comercialización que pueden ayudar a redefinir el estándar en la detección bacteriana y la caracterización unicelular», dijo el coautor principal Amr Saleh, ex becario postdoctoral en el laboratorio de Dionne y ahora profesor en la Universidad de El Cairo. .
catalizador de colaboración
Este tipo de colaboración interdisciplinaria es un sello distintivo de la tradición de Stanford, donde expertos de campos aparentemente dispares aportan su diversa experiencia para enfrentar desafíos de larga data con impacto social.
Este enfoque particular surgió durante una reunión a la hora del almuerzo en un café del campus, y en 2017 estuvo entre los primeros beneficiarios de una serie de subvenciones de $3 millones distribuidas por Catalyst for Collaborative Solutions de Stanford. Las subvenciones Catalyst están específicamente orientadas a inspirar la toma de riesgos interdisciplinarios y la colaboración entre los investigadores de Stanford en áreas de alta recompensa como la atención médica, el medio ambiente, la autonomía y la seguridad.
Si bien esta técnica se creó y perfeccionó utilizando muestras de sangre, Dionne confía igualmente en que se puede aplicar a otros tipos de fluidos y células diana además de las bacterias, como probar la pureza del agua potable o quizás identificar virus con mayor rapidez, precisión y en un costo menor que los métodos actuales.
Referencia: «Combinación de bioimpresión acústica con espectroscopia Raman asistida por IA para la identificación de alto rendimiento de bacterias en la sangre» por Fareeha Safir, Nhat Vu, Loza F. Tadesse, Kamyar Firouzi, Niaz Banaei, Stefanie S. Jeffrey, Amr. AE Saleh, Butrus (Pierre) T. Khuri-Yakub y Jennifer A. Dionne, 1 de marzo de 2023, Nano Letters.
DOI: 10.1021/acs.nanolett.2c03015
Esta investigación fue financiada por Stanford Catalyst for Collaborative Solutions, Chan Zuckerberg Biohub Investigator Program, NIH-NCATS-CTSA, Gates Foundation, National Science Foundation, NIH New Innovator Award y financiación inicial del Stanford Center for Innovation en Salud Global. Parte de este trabajo se realizó en la Instalación Nano Compartida (SNSF) y la Instalación de Materiales Híbridos y Blandos (SMF) de Stanford, que cuentan con el apoyo de la Fundación Nacional de Ciencias y la Infraestructura Coordinada Nacional de Nanotecnología.