莱姆病(Lyme disease,LD)由蜱传播的伯氏疏螺旋体引起,是北美和欧洲最常见的媒介传播传染病。虽然及时的诊断和治疗能有效地防止疾病的发展,但目前的检测手段对早期LD并不敏感,灵敏度小于50%。此外,目前由美国疾病控制中心推荐的血清学检测成本较高(>400美元/次),且从样本到获得检测结果的时间跨度较长(>24小时)。为了应对这些挑战,加州大学洛杉矶分校Aydogan Ozcan研究团队创建了一种经济高效和快速的即时 (POC)测试方法用于LD早期诊断,该测试通过纸基多路垂直流动分析(xVFA)可检测针对七种疏螺旋体抗原及合成肽的特异性抗体。并为此开发了一种基于深度学习的诊断算法来选择抗原/肽靶的最佳子集,然后使用人类样本(N(+)=42,N(−)=54)对xVFA进行盲法测试,得到的曲线下面积(AUC)、灵敏度和特异性分别为0.950、90.5%和87%,优于早前的LD POC测试。通过特定批次的标准化和阈值调整,盲测性能的特异度可提高至96.3%,AUC值和灵敏度分别提高至0.963和85.7%。研究表明,将xVFA和诊断算法结合在LD的早期血清学诊断具有广阔前景。
Hyou-Arm Joung, Zachary S. Ball, ardJing Wu, et al. Point-of-Care Serodiagnostic Test for Early-Stage Lyme Disease Using a Multiplexed Paper-Based Immunoassay and Machine Learning. ACS Nano, 2019.
https://doi.org/10.1021/acsnano.9b08151