跳到内容 跳到导航

Research & Ideas

站内搜索

对细菌感染的斗争进入21世纪

100岁的测试需要花费数天才能完成是识别细菌当前规范和正确的抗生素进行治疗。研究人员正在努力寻找更好的方法。

Illustration of a hand reaching towards a petri dish with red liquid 和 blooms

体内含有约79兆个细胞。 390000亿那些的是细菌。 |科学源/ EVA蜜蜂

数以百万计的人从细菌感染,每年死亡,但鉴定细菌的过程是基于一个世纪之久的实验室测试。

加快这一进程将挽救无数的生命,是CQ9电子游戏的研究人员组成的跨学科的团队的目标。

目前的“黄金标准”鉴定细菌包括培养样本 - 一个过程,是天生的慢性子,可以跨越数小时至数天根据细菌的类型,说铅博士后研究人员和研究项目共同主任, AMR萨利赫 材料科学与工程在CQ9电子游戏的部门。一旦测试完成,一般需另一个12-24小时为医生判断哪个抗生素是适合于治疗。

因为这个过程是如此费时,医生往往开抗生素基于经验准则,可能或可能不实际适合于特定患者;美国。疾病控制和预防中心估计,多达一半的患者不必要地使用抗生素治疗或用错误的抗生素种类或剂量的治疗。不正确使用抗生素,导致对抗生素耐药细菌,一个显著威胁人类健康的发展。 “我们的科学家,工程师,医生和医生的目标跨学科的团队,以加快这一进程,快速,灵敏的如血和痰标本检测细菌,说:” 珍妮弗·迪翁,材料科学与工程副教授,并通过礼貌,放射科。

这个想法是把样品中,然后将其打印出来成二维阵列,其中每个像素对应于单个细胞的液滴。当细菌与光的特定颜色照亮,其组成分子振动,改变散射光的颜色。该颜色或光谱的移位,可以测量和用于唯一地标识所述的细菌。

使用这些技术,研究人员能够识别31种和细菌菌株,代表在CQ9游戏医院的所有病人样本的95%,且绝大多数全世界看到所有的细菌感染。由团队开发机器学习算法有利于快速,准确的诊断,而低成本的硬件实现便携,定点护理诊断。

还需要做更多的工作需要,但迄今为止的结果是有希望的:在这一点上,团队的做法在确定细菌感染的正确的治疗,平均准确率在99%以上。

除了迪翁和萨利赫,对调查小组包括 尼亚·班斯特凡诺ermon皮埃尔khuri,雅库布马克·霍尔德尼马努·普拉卡什山姆甘比尔 和 孙燕姿杰弗里。他们的工作是由资助 对协作解决方案CQ9游戏催化剂,倡议在2016年推出,激发校园范围内的合作,以解决一些世界上最紧迫的挑战。

抄本

马克·霍罗威茨: 会议的最后一次谈话将是真正的第一个项目,该催化剂计划的重点。它是真正的看,并试图分析细菌感染以不同的方式。所以,它是CQ9电子游戏微生物的文化转变,这会由仁迪翁和AMR萨利赫呈现,他们会谈论这个程序,他们已经对基本上能够分析感染的发展。

仁迪翁: 阴凉,非常感谢你的介绍。像马克提到的,我的名字是仁迪翁,我在材料科学和工程教授。我很荣幸地介绍我们的工作,这是协同许多教师跨越工程,人文科学,医学学校的学校和商业学校。而像马克提到的,我们希望创建一个新的诊断工具,可以让我们快速检测细菌感染,以及他们的药敏。

我想一个有趣的事实开始。有接近80个万亿个细胞在我们的身体,并为每个人的细胞,我们有,有至少一个细菌细胞。这种微生物是调节新陈代谢,帮助消化,帮助和抵御感染的关键。

但如果外部细菌细胞出现时,它并不总是由我们张开双臂欢迎机构。如果你看一下全球的统计数据,你可以看到,细菌感染对人体健康产生深远的影响。

如果我们专注于血液中的只是细菌感染,细菌那些血液感染可导致比乳腺癌,结肠癌,前列腺癌和HIV合并在美国更多的死亡。我认为这是一个非常令人咋舌的统计数据。同样,如果我们看看发展中国家,所有死亡人数的大约30%是因细菌感染,有一个孩子死于每20秒由于细菌引起的疾病。

为什么这些统计数字如此可怕?事实证明,用于识别细菌感染的金标准是基于一个世纪的古老培养技术。

我们采取的样本,在我们的例子中,我们专注于细菌血液感染,我们把它放在一个血培养瓶中,然后你基本上只是等待细菌生长和繁殖,直到他们成为检测凭借pH值的变化在溶液中。并且,可以采取任何地方从约12小时至40天,这取决于细菌感染,一个人可能的类型。

然后,一旦你做了鉴定样品中的细菌,你要确定它会回应其抗生素。和筛选抗生素敏感性通常是常进行细菌培养,使他们在琼脂平板上用不同浓度的抗生素,以及各种类型的,只是看你在哪里的细菌死亡完成。所以,就像我说的,这个测试通常需要两天左右的量级。同时,在医院的病人,医生不希望你的痛苦,所以处方你要么广谱抗生素,或一种基于经验的指导方针抗生素。并根据CDC,大致约一半患者要么不必要地使用抗生素治疗,或给定的错误的类型,或错误的剂量。这就是为什么耐药性正在成为这样一个巨大的问题,而且我们肯定都会在未来几十年内必须面对的。

我们的做法是加速这一进程,可能要在那里即使是在医疗点的点,所以这样我们就可以迅速和灵敏的检测复杂样品如血液和粘液,和尿中的细菌,甚至可能是食物和水。

并且想法是取样品,然后将其打印出来成二维阵列,其中每个像素对应于单个细胞的液滴。然后,我们基本上借此二维阵列,其中,所述频谱,或每个像素对应的所述特定类型的细胞中这是在该像素的颜色,以及其种菌株及药敏的图片。这种做法的好处是,它不需要样品具体的准备,或细胞标记,并且也可以大力加强,所以我们可以用一些技巧,我们的同事正在开发可视化的色彩。

对于那些你们谁是熟悉的细菌,你可能知道,他们可以被改造以表达不同的颜色。甚至还有艺术比赛在海湾地区,使琼脂艺术与这些工程菌。

但在大多数情况下,跨越几十个左右的细菌,你会碰到,他们是无色的。那么,它是如何在此基础上散射光谱,我们实际上可以识别它们的颜色,而不必做颜色特定的工程?

好了,这个想法是使用一种称为拉曼散射技术,我会通过你谈谈它是如何工作的。所以这里有一个例子细胞,只是大肠杆菌,如果我们放大,它具有细胞膜多数民众赞成由许多不同的蛋白质。当我们与光照亮这一点,让我们说,我们正在与绿色的光照亮它,都在该小区的蛋白质和分子膜将要振动的。而那些振动或者添加或减少能源,那次事件绿灯。那么,我们拉闸获得发言权,红色光子出来,或蓝色光子出来,在这个时候,我们什么叫做拉曼散射光谱读出。在这里我们看到的拉曼位移,这基本上是一个已经加入或从光入射的颜色,我们把减去能量的度量。因此,这种拉曼散射提供了细菌的指纹,因为每个细菌物种和菌株具有独特的分子的组合物,我们可以使用用于识别。

我们所做的是看单细胞拉曼光谱从31株和22种,占在CQ9游戏医院的所有病人样本的95%,且绝大多数全世界看到所有的细菌感染。所以,你可以看到,看着这些拉曼光谱,你可以告诉不同类型的细菌谱,包括金黄色葡萄球菌,肺炎,链球菌之间的差异。

但是当你做了主成分分析,并试图潜入一点点深入到如何可以分离出不同的品种和品系,你可以看到,在这个情节,细菌和血液,非常独特的左手边,但所有的细菌种类和菌株的倾向于聚集在一起。所以,一些很容易分辨的,其他人都更有挑战性区分。

而这正是我们集团确实依赖于海湾地区的专业知识,并在我们的计算机科学的同事们开发出机器学习网络,可以帮助所有不同的拉曼光谱进行分类,通过使用卷积神经网络。所以,这是同一种机器学习算法,你会在图像识别中使用,现在,我们正在使用它的光谱识别除外。

这是什么算法呢,是它着眼于所有的光谱,然后根据训练集,它可以采取一个新的光谱,并确定哪些物种和品系是,它输出的预测分数。因此,赋予了新的谱,怎么可能是它是一个特定物种或菌株?所以,这里有一个所谓的混淆矩阵,在那里我们有塔上的真正物种的一个子集,并在所有不同行的预测种类。你可以看到金黄色葡萄球菌和表皮葡萄球菌,我们有相当高的分类精确度。

如果我们在所有物种和品系平均分类准确度,这是约82%,这实际上是相当不错的,因为我们有一些菌株只是同构的,或遗传工程的版本只是为了测试我们的算法可以精确程度。

和哪些事项医生是首选抗生素治疗。所以,如果我们看一下抗生素治疗组会是这样,你可以看到,我们的平均治疗准确度为97%,所以这是不是将用于许多临床驴更好。然后在这里,因为我提到某种带来了我们准确的转基因对,你可以看到那些多在80个百分点,但它仍然是相当有希望的,我们可以只插入一个抗性基因为细菌和也检测的差异。所以,这是非常令人兴奋的看着说,细菌可能如何演变成为滋生细菌耐药。

最后一点换手唱首歌给我的同事,AMR,之前我要提到的是,我们已经做了初步的临床试验,我们看着临床样本。并在对应的30名患者您在左侧看到的第一个临床试验中,我们做了与治疗组相当不错的,虽然我们也有一些擦枪走火。但后来,当我们用这个临床数据集作为训练重做实验,我们可以提高我们的机器学习算法的精度。

这是非常令人兴奋的,你可以看到,我们得到99%以上的准确性当我们开始在所有的这些病人看。重要的是,我们只需要10个细菌细胞获得精度超过99%,治疗的准确性。

AMR萨利赫:所以,现在我们已经看到,我们可以根据自己的签名或它们的光学散射识别单个细菌,问题是,我们如何才能转移此3D,如果我们有细胞的三维体积,如何才能使用此物业开发诊断工具?

在3D体积像一个血液样本,你有很多很多不同类型的不同形状和颜色的细胞。如果你试图找出他们,因为他们是在一个小瓶,这是不可能检测到它们的颜色。但如果你是想象他们可以创建一个2D绘制出这个三维体积的,你就能够识别这些细胞的不同颜色。而这正是我们做什么,但我们并没有真正做手工绘画,但我们并打印。

这是我们的工具的工作原理示意图。我们有我们的样品,我们想分析一下,它与某种类型的纳米粒子,使光学签名更生动,更容易检测的混合。然后,我们用这个打印机基本上这个数字化三维体积成离散像素。每个像素具有在纳米颗粒的分散体的单个细胞。然后,我们采取的图像,把这些打印出来的只是简单的图片,并从每个单个像素的使用的颜色测量光谱,并产生最终的报告,如果有样品中的病原体,病原体是什么类型,什么样的治疗应该用于该患者。

让我们在打印机仔细看看。这是印刷过程中,我们有一个集中的声波,基本处于液体和空气之间的界面真正的视频,你可以看到我们如何能够用非常具体的量产生非常可控的微滴,基于频率的传感器。

这是非常有利的,当谈到处理小瓶样品,因为你控制音量,你只用电波,声波排出。你并不需要物理喷嘴或任何东西,所以没有堵塞,当他们被弹出你是不是杀死细胞。同时,您还可以对单元格的内容非常精确的控制,你可以在很短的时间内处理大量的样品。

这是我们第一次审判在此打印机上,以弹出,或大肠杆菌的各个墨滴打印到琼脂平板上,你可以在这里看到这些单独的小滴如何成长为菌落琼脂平板上。但即使是最近现在,我们实际上可以弥补,或打印更复杂的话像CQ9电子游戏。并且这被实际写入与血液样品,将全血样品与等离子体纳米颗粒混合。如果你要放大,你会看到这些信件实际上是从个人的血细胞形成,印刷。所以,当我们说我们可以用我们的血写下CQ9游戏的名字,它实际上是从字面上看,我们的意思是。

现在我们已经将样品打印出来,我们怎么可以扫描呢?我们怎么可以屏蔽它在那里感染?我们一直在使用我们的科学级工具,它是沉重的,价格昂贵,体积庞大,而且他们绝不,便于携带。但我们的目标是使保健,低成本的设备的一个点。所以,我们用两种方式解决了这一难题。

第一,我们问自己,这些都是数据复杂,高端的工具,在我们的实验室给,所以我们需要所有的功能?我们需要在这里所有的光谱细节,这样我们就可以做出准确的鉴定?

事实证明,我们并不真正需要这个。只有某些频段和某些颜色,或者在这个特定的光谱波长,对我们的问题。如果你只把这些带,或者这些条形码,我们发现,分类精度可实际上95%,仅仅通过使用这些选择的。我们仍在优化该得到这甚至超过了95%以上。其他策略,免费策略,现在,是知道我们并不需要所有的光谱分辨率,或在光谱的所有细节,我们可以设计我们自己的硬件就是这个特定的应用进行了优化。

这就是我们所做的 - 我们实际上是用商业的CMOS摄像头是机器视觉应用制成,具有传输等级,建设我们的家建光谱仪。这也是该物理实现,如果你能在这个图片中看到,这是一个掌上电脑。这是一个紧凑,轻便的设备,可以拿在手中,它花费了我们不到$ 500,这是我们这个新的设备测量的第一光谱。这是一个非常激动人心的时刻看到这个非常好的光谱,只用很便宜的光谱仪,我们建造的。

我们在哪里,现在,我们正在研究在一个独立的平台,在这里我们可以有一个血液样本,并给我们在最后,报告在不到一个小时,这些不同的组件集成在一起。我们的目标是测试与CQ9电子游戏医院和VA医院这个综合平台,使用真实患者样本,并希望在该领域,这里的资源是非常严格的运行一些临床试验。

结束这次谈话,今天我们向您展示我们能够识别单个细菌单从他们的光学特征,我们可以使用生物打印机可以很容易地使用低成本的光谱仪数字化一个复杂的细胞样品的三维体积或相机来识别细菌。最后,我要感谢谁做这项工作可能我们所有的惊人的团队成员,当然催化剂的资金,究竟是谁把我们带到一起并取得这一切成为可能。

感谢各位的光临在,谢谢。