В Корее разработали первый в мире датчик, позволяющий диагностировать заболевания головного мозга лишь одной каплей слюны

Корреспондент Гу Бон Хёк

- Достижения совместной исследовательской группы из Корейского института материаловедения, Университета Корё и Католического университета Кореи

- Точность диагностирования эпилепсии, шизофрении и болезни Паркинсона составляет 93,94%

Схема диагностики неврологических расстройств на основе слюны [Предоставлено Корейским институтом материаловедения]

Корейская исследовательская группа разработала первую в мире технологию, позволяющую проводить раннюю диагностику основных неврологических расстройств, таких как эпилепсия, болезнь Паркинсона и шизофрения, с использованием лишь небольшого количества слюны.

Исследовательская группа во главе с доктором Пак Сон Гю из Отдела исследований биологических и здравоохранительных материалов Корейского института материаловедения (KIMS) в сотрудничестве с группой под руководством профессора Чон Хо Сана из Университета Коре и исследовательской командой из Медицинской школы Католического университета Кореи разработала сенсорную платформу на основе искусственного интеллекта (ИИ), способную проводить раннюю диагностику неврологических заболеваний головного мозга с помощью слюны.

Эта технология использует плазмонные «горячие точки», которые естественным образом образуются в процессе захвата белков на наноструктурах на основе оксида меди и золота (Au-CuO). Ее особенность заключается в том, что она позволяет усилить чрезвычайно слабый рамановскый сигнал биомолекул до 1 миллиарда раз. Этот метод позволяет с высокой чувствительностью дифференцировать состояние фибрилляции белков (мономеры против фибрилл), что было трудно измерить с помощью существующих средств диагностики.

Совместная исследовательская группа в сотрудничестве с больницей Св. Винсента проанализировала образцы слюны 44 пациентов с эпилепсией, шизофренией и болезнью Паркинсона, а также 23 здоровых, которые вошли в контрольную группу. Результаты подтвердили, что эта технология позволяет классифицировать заболевания с высокой точностью – от 90% до 98%. Причем она позволяет дифференцировать неврологические расстройства на основе фундаментального патологического показателя «изменения структуры белка», а не общей концентрации белка, что считается редким достижением в мире.

Рис. 1. Схематическое изображение а) процесса GME для захвата целевых молекул и б) его применение в анализе конформационных состояний нейропротеинов для классификации неврологических заболеваний.

Рис. 2. Материальная и оптическая характеристика GME в присутствии белка. а) Изображение AuS@CuO после GME, полученное с помощью сканирующего электронного микроскопа (SEM), б) изображение области границ раздела AuS-CuO-AuNS, полученное с помощью высокоразрешающего просвечивающего электронного микроскопа (HR-TEM), в) схематическое изображение механизма GME для обнаружения белка, г) элементное картирование соответствующей области изображения HR-TEM, д) распределение электрического поля GME, е) спектры поглощения AuS@CuO в УФ- и видимом диапазонах до и после GME в присутствии и отсутствии белка, ж) Усиление SERS метода GME для обнаружения белка (масштабная линейка относится к интенсивности SERS), h) Эффективность SERS метода GME при различных концентрациях цитохрома c, i) Тест на однородность сигнала с 100 различными точками, j) Тест на воспроизводимость с 5 независимыми тестами для каждой партии, k) Тест на стабильность GME при различном времени хранения.

Рис. 3. Анализ конформационных состояний белка с использованием GME. а) спектры SERS Aβ42 в мономерной и фибриллярной формах, б) сравнение интенсивности маркеров, соответствующих конформационным состояниям Aβ42, с n = 10 в каждой группе (*p < 0,05, **p < 0,01, ***p < 0,001 и ****p < 0,0001), в) зависимость интенсивности Рамана от концентрации на пиках конформационных маркеров Aβ42, г) зависимость спектральной эволюции Aβ42 во времени по интенсивности пиков маркеров и их увеличенные изображения (вставка), д) относительная доля мономеров и фибрилл Aβ на основе изменения интенсивности Рамана на пиках конформационных маркеров, f) кинетика фибрилляции Aβ42 (где r — скорость фибрилляции, dy/dx — скорость превращения мономера в фибриллу, A1 и A2 — начальное и конечное значения соотношения фибриллы к мономеру, p — коэффициент Хилла, а x0 — точка перегиба), g) спектры SERS белка тау в мономерной и фибриллярной формах, h) сравнение интенсивностей маркеров Рамана, различающих конформации, с n = 10 на группу, i) зависимость интенсивности Рамана от концентрации на пиках конформационных маркеров тау, j) зависимость спектральных сдвигов тау от времени во время инкубации и их увеличенные изображения (вставка), k) относительная доля мономера и фибриллы тау на основе интенсивности конформационных маркеров, l) кинетика фибрилляции тау, полученная на основе анализа соотношения интенсивностей.

Рис. 4. Клиническое применение. а) Сравнение спектров SERS и интенсивности на пиках конформационных маркеров белков (вставка) между клиническими образцами слюны пациентов с эпилепсией (n = 13) и здоровых контрольных лиц (n = 23) (*p < 0,05, **p < 0,01, ***p < 0,001 и ****p < 0,0001), b) сравнение общего соотношения тау к Aβ42 для образцов с эпилепсией и здоровых образцов с использованием t-критерия, c) ROC-кривая и соответствующая матрица путаницы (вставка) для классификации эпилепсии и здоровых субъектов, d) сравнение спектров SERS и интенсивности маркеров (вставка) между образцами слюны пациентов с шизофренией (n = 21) и здоровых людей (n = 23) с использованием t-критерия, e) сравнение общего соотношения тау к Aβ42 для образцов с шизофренией и здоровых людей, f) кривая ROC и матрица путаницы (вставка) для диагностики шизофрении, g) сравнение спектров SERS и интенсивности маркеров (вставка) между образцами сборов слюны больных паркинсонизмом (n = 10) и здоровых людей (n = 21) с использованием t-критерия, h) сравнение общего соотношения тау к Aβ42 для образцов сборов слюны больных паркинсонизмом и здоровых людей, i) ROC-кривая и матрица путаницы (вставка) для классификации паркинсонизма, j) сравнение спектров SERS и интенсивности маркеров (вставка) при эпилепсии (n = 13), шизофрении (n = 21) и болезни Паркинсона (n = 10), k) сравнение общего соотношения тау к Aβ42 при различных неврологических расстройствах, l) ROC-кривая и матрица путаницы для классификации различных неврологических состояний.

Чон Хо Сан (слева направо), профессор кафедры биоинженерии Университета Корё; Ян Сын Хо, профессор Больницы Св. Винсента при Католическом университете Кореи; Пак Сун Гю, доктор Корейского института материаловедения [Предоставлено Корейским институтом материаловедения]

«Наступила эра, когда состояние мозга можно оценить с помощью простого анализа слюны, без необходимости проведения дорогостоящих ПЭТ-сканирований или анализов спинномозговой жидкости» - сказал доктор Пак Сон Гю из Корейского института материаловедения, добавив: «Поскольку данная информация опубликована в всемирно известном научном журнале, оригинальность и инновационность этой технологии официально признаны на международном уровне».

«Учитывая неинвазивный характер и низкую стоимость, эта технология обладает значительным потенциалом для расширения применения за пределы амбулаторных больниц и включения в домашние диагностические устройства» - пояснил профессор Чон Хо Сан из Университета Корё.

Исследовательская группа планирует продолжить разработку портативного диагностического устройства на основе рамановского датчика, которые можно будет использовать на местах оказания медицинской помощи, а также передать технологию медицинским и биотехнологическим компаниям с целью ее коммерциализации в будущем.

Результаты данного исследования опубликованы 24 числа в международном научном журнале «Advanced Materials».

nbgkoo@heraldcorp.com


#южнаякорея #корея #политика #экономика #промышленность #технология #медицина #бизнес #финансы #диагностика #пэт #нейропатология #болезнимозга #общество #культура #искусство #азия