타액 Raman COVID-19 지문

배경/근거: SARS-CoV-2 감염으로 인한 코로나바이러스 질병 2019(COVID-19)의 발생은 빠르게 확산되어 전 세계적인 유행병이 되었습니다. 글로벌 연구는 생화학적 감염 메커니즘에 대한 이해와 최소 침습 생체액에서 현재 및 과거 SARS-CoV-2 감염을 구별할 수 있는 빠르고 민감하며 저렴한 진단 도구의 발견에 중점을 두었습니다. COVID-19의 빠른 진단은 긍정적인 사례를 제한하고 격리하여 즉각적인 개입으로 감염 확산을 줄이기 위한 기본입니다. 또한, 호흡기 감염 중증도의 예측은 가벼운 임상 경과, 중증 질환 및 급성 호흡곤란 증후군(ARDS) 사이의 빠른 식별 및 식별에 매우 중요할 수 있습니다. SARS-CoV-2의 첫 번째 감염 부위 중 하나는 바이러스가 침샘의 상피 세포에 존재하는 ACE2 수용체에 결합하고 침투할 수 있는 구강입니다. 따라서 감염 초기 단계의 타액에서 고농도의 바이러스 입자가 발견될 수 있습니다. 타액은 최소한의 침습적 절차로 수집할 수 있는 생체 활성 분자로 구성된 복잡한 생체액입니다. Raman 분광법은 특정 생체 유체에 존재하는 모든 생화학 종의 존재, 농도, 환경, 수정 및 상호 작용에 관한 정보를 제공할 수 있는 비침습적이고 빠르고 레이블이 없는 진동 기술입니다. 조사관은 라만 분광기를 사용하여 건강한 피험자, COVID-19의 영향을 받은 환자 및 과거 COVID-19에 감염된 피험자로부터 수집한 타액을 분석합니다. 수집된 데이터는 기계 학습을 기반으로 분류 모델을 제공할 수 있는 라만 데이터베이스를 만드는 데 분석 및 사용됩니다. 잠재적인 타액 COVID-19 지문을 모니터링하고 특성화할 수 있는 가능성은 현재 및 과거에 건강한 피험자로부터 감염된 COVID-19 피험자를 모니터링하고 식별하는 데 매우 중요할 수 있습니다.

목적: 이 프로젝트의 목적은 COVID-19의 타액 라만 지문을 특성화하고 검증하여 1) 건강한 피험자, 2) COVID-19 환자 및 3) 피험자의 세 가지 실험 그룹 간의 차이점에 관련된 주요 생체 분자를 이해하는 것입니다. COVID-19에 의한 과거 감염. 대량의 라만 데이터는 타액 라만 데이터베이스를 생성하는 데 사용되며 각 데이터를 수집된 관련 임상 데이터와 연결합니다. Raman 데이터베이스는 주성분 분석 및 선형 판별 분석 측면에서 다변량 분석을 적용하여 분류 모델을 생성하는 데 사용됩니다. 이 분류 모델은 COVID-19 상태를 식별하기 위한 빠른 도구를 제공하며 잠재적으로 환자의 호흡기 임상 과정에 대한 정보도 제공합니다. 이 모델은 휴대용 라만 분광기에 적용하기 위해 변환되어 Raman Point of Care 방법을 생성하게 됩니다. LABION(Laboratory of Nanomedicine and Clinical Biophotonics)의 예비 결과 및 프로토콜에서 시작 - IRCCS Fondazione Don Gnocchi Milano , 각 실험군에서 채취한 타액을 라만분광법을 이용하여 분석한다. 수집된 신호를 균질화하고 이러한 방식으로 라만 데이터베이스를 생성하기 위해 기준선, 이동 및 정규화를 위해 모든 데이터가 처리됩니다. 각 그룹에서 계산된 평균 스펙트럼은 특성화되어 스펙트럼 차이를 담당하는 생물학적 분자의 주요 계열을 식별합니다. 순차적으로 모든 스펙트럼은 다변량 분석(주성분 분석 및 선형 판별 분석)을 통해 처리되어 이러한 방식으로 분류 모델을 얻습니다. LOOCV는 하위 집합 유효성 검사 분석을 사용하여 질문할 분류 모델의 교육에 사용됩니다. 부분 상관 계수(Pearson's and Spearman's correlation)는 임상 매개변수(예: COVID-19 임상 과정) 대조군으로 사용하여 피험자의 연령과 성별을 공변량화합니다. 분류 모델은 785nm에서 유사한 스펙트럼 분해능으로 방출하는 레이저가 장착된 휴대용 Raman을 사용하여 현장 진료로 변환 및 사용됩니다.

• 샘플 수집: 제조업체의 지침에 따라 Salivette(SARSTEDT, 독일)로 타액을 수집합니다. 면봉을 피험자의 입에 넣고 60초 동안 씹습니다. 타액 수집은 면봉의 원심분리(1000g x 2분)를 통해 이루어지며 모든 관련 매개변수(저장 온도 및 수집과 분석 사이의 시간)를 기록합니다. 모든 수집 절차는 마지막 식사 및 양치 후 최소 2시간 후에 수행됩니다.
• 샘플 처리: 분석 전에 타액(3 ul)을 알루미늄 호일에 놓고 밤새 건조시킵니다. 알루미늄 호일은 타액 라만 신호를 증가시키는 표면 강화 라만 산란을 달성하기 위한 기본입니다.
• 데이터 수집: 라만 스펙트럼은 100%(512mW) 레이저 출력으로 785nm에서 작동하는 레이저 광원이 장착된 Aramis 라만 현미경(Horiba Jobin-Yvon, 프랑스)을 사용하여 수집됩니다. 획득 시간은 이중 획득으로 30초로 설정되고 아티팩트 스펙트럼의 형성을 방지하기 위해 지연 시간은 2초로 설정됩니다. 각 분석 전에 기기는 실리콘 기준 밴드를 사용하여 보정됩니다. 모든 신호는 0.8cm-1의 해상도로 400~1600cm-1 사이의 영역에서 수집되며 정사각형 지도에 따라 최소 25개의 스펙트럼을 수집합니다. 소프트웨어 패키지 LabSpec 6(Horiba Jobin-Yvon)은 지도 디자인 및 스펙트럼 획득에 사용됩니다.
• 데이터 분석: 모든 데이터는 기준선을 설정하기 위해 4차 다항식 곡선을 사용하여 적합하고 단위 벡터를 사용하여 연속적으로 정규화됩니다. 알루미늄의 기여도는 각 스펙트럼에서 제거됩니다. 통계 분석은 다변량 접근법을 사용하여 수행됩니다. 간단히 말해서 주성분 분석과 선형 판별 분석을 적용하여 주성분과 표준 변수를 추출합니다. 이러한 기능은 LOOCV(leave one out cross-validation), 하위 집합 검증 및 임상 매개변수와의 상관 관계에 사용됩니다. Mann-Whitney는 분석된 그룹 간의 통계적으로 관련된 차이를 확인하기 위해 PC 점수에서 수행됩니다. 분석은 Origin 소프트웨어(OriginLab, USA)를 사용하여 수행됩니다.
• 상관 관계: 피험자의 연령과 성별을 공변량으로 사용하여 추출된 변수와 임상 매개변수에 대해 Pearson 계수와 Spearman 계수와의 부분 상관 관계를 수행합니다. p < 0.001인 값만 통계적으로 관련이 있는 것으로 간주됩니다.
• 번역: 데이터 및 분류 모델은 785nm에서 레이저 방출이 장착되고 이전 분석에 사용된 것과 비슷한 스펙트럼 분해능을 갖춘 휴대용 Raman에 적용됩니다.