实时，准确的病毒检测方法可以帮助与下一个大流行作斗争
根据宾夕法尼亚州立大学（Penn State）领导的一组研究人员的说法，一种使用拉曼光谱，便携式病毒捕获装置和机器学习可以实现实时病毒检测和识别的方法，可以帮助战斗未来的大流行学。
“这种病毒检测方法是无标签的，并且不针对任何特定病毒，从而使我们能够识别潜在的新病毒菌株，” Electrical Engineering and Biomedical Engineering的助理教授，研究似乎似乎是该研究的新菌株。今天（6月2日）美国国家科学院论文集。“它也很迅速，非常适合在拥挤的公共场所快速筛查。此外，Rich Raman的特征与机器学习分析相同，还可以更深入地了解病毒结构。”
当激光光束诱导这些振动时，拉曼光谱法检测分子中的独特振动。为了捕获病毒，一种称为一个工具微流体设备将用于在对齐的碳纳米管的森林之间捕获病毒。
微流体设备在微芯片上使用非常少量的体液进行医疗和实验室测试。这样的装置可以使用病毒培养物，唾液，鼻洗或什至呼气，包括在爆发期间在现场收集的样品。碳纳米管森林会从宿主或周围空气中滤除任何异物或背景分子，这可能使得获得准确的读数更加困难。
毛里西奥说：“我们正在使用碳纳米管来丰富样品的事实非常有用，因为这样我们正在丰富病毒样本并消除寻找病毒时不想拥有的其他生物噪声。”Terrones，Evan Pugh大学教授和Verne M. Willaman物理与研究合着者教授。
一旦捕获了样品并检查了拉曼显微镜，就开始进行机器学习方面。研究人员收集了三种不同类别病毒的拉曼光谱：人类呼吸道病毒，禽病毒和肠病毒。然后将这些数据用于训练机器学习模型，卷积神经网络，可以识别病毒。
“在训练了机器学习模型之后，并给予了未知病毒的未知拉曼谱系，我们的机器学习模型可以自动认识到它是哪种类型的病毒。”研究。“这包括诸如流感型，识别它是什么类型，是流感A还是流感B，该模型甚至可以识别病毒的亚型，例如H1N1或H3N2。”
根据研究人员的说法，这种设备的好处很多，尤其是在快速发展的爆发中。
Eberly科学学院助理研究教授Yin-ting Yeh说：“通过为病毒监测提供快速且无标签的病毒检测装置，这种方法将使公共卫生官员能够更加密切监测病毒的发展。”该研究的合着者。
美国国立卫生研究院（NIH）的研究人员与宾夕法尼亚州立大学，乔治华盛顿大学和约翰·霍普金斯大学的研究人员一起参加了这项研究。研究团队的下一步将包括收集更多不同人类和动物病毒的拉曼光谱，包括DNA病毒来生长病毒光谱数据库。这将使对机器学习模型进行更广泛的培训，并增强其概括性和检测新病毒菌株的能力。此外，它们将努力改善设备中的拉曼增强功能，以实现更好的信号强度和降低生物噪声水平。
“在使用Raman的机器学习时信号处理该研究中的系统基因组学部分，NIH兼合着者Elodie Ghedin本身并不是新颖的。在此捕获病毒设备，以及使用A的病毒的快速准确分类机器学习模型。这个病毒实时方法的检测特别及时解决了当前和未来的爆发。”
进一步探索
