传感器材料可以放置在任何类型的表面上，从门把手和建筑物入口到口罩和纺织品。图片来源：Kam Sang Kwok 和 Aishwarya Pantula/约翰霍普金斯大学

约翰霍普金斯大学开发的一种 COVID-19 传感器可以通过增加在大流行期间让许多人感到沮丧的过程的准确性和速度来改变病菌测试。

在今天发表在Nano Letters上的一项新研究中，研究人员描述了这种新传感器，它不需要样品制备和操作员专业知识，与现有测试方法相比具有强大的优势，特别是对于人群范围的测试。

“这项技术就像在我们的设备上滴一滴唾液并得到阴性或阳性结果一样简单，”机械工程副教授 Ishan Barman 和化学和生物分子工程教授 David Gracias 说，是该研究的作者。“关键的新颖之处在于这是一种无标记技术，这意味着不需要额外的化学修饰，如分子标记或抗体功能化。这意味着传感器可以用于可穿戴设备。”

Barman 说，这项尚未在市场上销售的新技术解决了两种广泛使用的 COVID-19 测试类型的局限性：PCR 和快速测试。

PCR 测试非常准确，但需要复杂的样品制备，在实验室中处理结果需要数小时甚至数天。另一方面，寻找抗原存在的快速检测在检测早期感染和无症状病例方面不太成功，并且可能导致错误的结果。

该传感器几乎与 PCR 测试一样敏感，并且与快速抗原测试一样方便。在初始测试期间，该传感器在检测唾液样本中的 SARS-COV-2 方面表现出 92% 的准确度——与 PCR 测试相当。该传感器在快速确定其他病菌的存在方面也非常成功，包括 H1N1 和寨卡病菌。

该传感器基于大面积纳米压印光刻、表面增强拉曼光谱 (SERS) 和机器学习。它可用于一次性芯片形式或刚性或柔性表面的大规模测试。

该方法的关键是 Gracias 实验室开发的大面积、柔性场增强金属绝缘体天线 (FEMIA) 阵列。唾液样本被放置在材料上并使用表面增强拉曼光谱进行分析，该光谱使用激光来检查被检查样本的分子如何振动。由于纳米结构的 FEMIA 显着增强了病菌的拉曼信号，因此该系统可以快速检测病菌的存在，即使样本中仅存在少量痕迹。该系统的另一项重大创新是使用先进的机器学习算法来检测光谱数据中非常微妙的特征，从而使研究人员能够查明病菌的存在和浓度。

Ishan Barman（左）和 David Gracias 观察由拉曼显微镜测量的光谱特征，前景是机器学习算法发现的。学分：威尔柯克/约翰霍普金斯大学

“无标签光学检测与机器学习相结合，使我们能够拥有一个平台，可以测试各种病菌，具有更高的灵敏度和选择性，并且周转速度非常快，”主要作者 Debadrita Paria 说，他曾在该研究为机械工程博士后。

传感器材料可以放置在任何类型的表面上，从门把手和建筑物入口到口罩和纺织品。

“使用先进的纳米压印制造和转移印刷，我们已经实现了刚性和柔性 COVID 传感器基板的高精度、可调谐和可扩展的纳米制造，这对于未来实施不仅在基于芯片的生物传感器上而且在可穿戴设备上都很重要，”说格拉西亚斯。

他说，该传感器可能会与手持测试设备集成，以便在机场或体育场等拥挤的地方进行快速筛查。

“我们的平台超越了当前的 COVID-19 大流行，”巴曼说。“我们可以将其用于针对不同病菌的广泛测试，例如，区分 SARS-CoV-2 和 H1N1 甚至变体。这是当前快速测试无法轻易解决的主要问题。”

该团队继续努力进一步开发和测试患者样本的技术。Johns Hopkins Technology Ventures 已为其相关的知识产权申请了专利，该团队正在寻求许可和商业化机会。

作者包括：Kam Sang (Mark) Kwok，化学和生物分子工程专业的研究生；Piyush Raj，研究生；和机械工程博士后郑鹏。