Diepe nanometrie: diep leersysteem detecteert ziektegerelateerde nanodeeltjes

Onderzoekers, waaronder die van de Universiteit van Tokio, ontwikkelden diepe nanometrie, een analytische techniek die geavanceerde optische apparatuur combineert met een algoritme voor geluidsverwijdering op basis van niet -gecontroleerd diep leren.

Diepe nanometrie kan nanodeeltjes in medische monsters met hoge snelheid analyseren, waardoor het mogelijk is om zelfs zelfs sporen van zeldzame deeltjes nauwkeurig te detecteren. Dit heeft bewezen dat het potentieel voor het detecteren van extracellulaire blaasjes die vroege tekenen van darmkanker aangeven, en er wordt gehoopt dat het kan worden toegepast op andere medische en industriële gebieden.

Het lichaam zit vol met microscopische deeltjes kleiner dan cellen. Deze omvatten extracellulaire blaasjes (EV’s), wat nuttig kan zijn bij vroege ziektedetectie en ook bij de afgifte van geneesmiddelen.

EV’s zijn echter zeer zeldzaam en het vinden van ze bij miljoenen andere deeltjes vereist een tijdrovend en duur pre-verrijkingsproces. Dit heeft onderzoekers, waaronder postdoctoraal onderzoeker Yuichiro Iwamoto van het Research Center for Advanced Science and Technology en zijn team, ertoe aangezet een middel te vinden om EV’s snel en betrouwbaar te detecteren.

“Conventionele meettechnieken hebben vaak een beperkte doorvoer, waardoor het moeilijk is om zeldzame deeltjes in korte tijd betrouwbaar te detecteren,” zei Iwamoto.

“Om dit aan te pakken, hebben we diepe nanometrie (DNM) ontwikkeld, een nieuw detectieapparaat voor nanodeeltjes en een niet-gecontroleerde diepe leerruisreductiemethode om de gevoeligheid te vergroten. Dit zorgt voor een hoge doorvoer, waardoor het mogelijk is om zeldzame deeltjes zoals EV’s te detecteren.”

Het werk is geweest gepubliceerd in Natuurcommunicatie.

De kern van DNM is het vermogen om deeltjes zo klein te detecteren als 30 nanometer (miljardste van een meter) in grootte, terwijl ook meer dan 100.000 deeltjes per seconde kunnen detecteren. Met conventionele hogesnelheidsdetectiehulpmiddelen worden sterke signalen gedetecteerd, maar zwakke signalen kunnen worden gemist, terwijl DNM ze kan vangen.

Dit kan analoog zijn aan het zoeken naar een kleine boot op een turbulente oceaan temidden van crashende golven – het wordt veel gemakkelijker als de golven verdwijnen, waardoor een kalme oceaan achterblijft om naar de boot te verkennen. De component Artificial Intelligence (AI) helpt in dit opzicht, door de kenmerken van te leren en zo te helpen het gedrag van de golven uit te filteren.

Deze technologie kan worden uitgebreid tot een breed scala aan klinische diagnoses die afhankelijk zijn van deeltjesdetectie, en het heeft ook potentieel op gebieden zoals vaccinontwikkeling en omgevingsmonitoring. Bovendien kan AI-gebaseerd signaal denoising worden toegepast op elektrische signalen, onder andere.

“De ontwikkeling van DNM is een zeer persoonlijke reis voor mij geweest”, zei Iwamoto. “Het is niet alleen een wetenschappelijke vooruitgang, maar ook een eerbetoon aan mijn overleden moeder, die me inspireerde om de vroege detectie van kanker te onderzoeken. Onze droom is om levensreddende diagnostiek sneller en toegankelijker voor iedereen te maken.”