Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Un método con nanoporos detecta solamente el virus de influenza a nivel de una sola partícula

Por el equipo editorial de LabMedica en español
Actualizado el 10 Dec 2018
Imagen: Una ilustración que muestra la detección de un solo virus de influenza usando un nanoporo de estado sólido (Fotografía cortesía de la Universidad de Osaka).
Imagen: Una ilustración que muestra la detección de un solo virus de influenza usando un nanoporo de estado sólido (Fotografía cortesía de la Universidad de Osaka).
Un equipo de investigadores japoneses ha introducido un concepto novedoso de sensor capaz de discriminar varios tipos de virus de la gripe sin etiquetas utilizando sus propiedades definidas de partículas.

El diagnóstico rápido de la infección por influenza antes de la aparición de los síntomas mejoraría la atención médica al reducir el riesgo de complicaciones graves y prevenir los brotes de enfermedades infecciosas. La sensibilidad y selectividad del sensor son fundamentales para lograr este objetivo, ya que la cantidad de partículas de virus es bastante pequeña en la etapa temprana de la infección.

Para superar el problema del bajo número de partículas, los investigadores de la Universidad de Osaka (Japón) desarrollaron un dispositivo de nanoporo con flujo electroosmótico (movimiento líquido inducido por una corriente eléctrica a través del nanoporo) que aseguraba que el canal poroso pudiese bloquear el paso de partículas no virales. Los nanoporos se diseñaron para tener una estructura de relación de aspecto de bajo espesor y diámetro para brindar sensibilidad adicional a la forma de las partículas y las cargas superficiales. Esto proporcionó pulsos resistivos que contenían un conjunto complejo de información referente, no solo al volumen de las nanopartículas, sino a las múltiples propiedades físicas de las partículas virales intactas.

Para evaluar el conjunto de información, los investigadores emplearon el análisis de patrones de las firmas eléctricas guiado por aprendizaje automático. Esto permitió la detección rápida y la diferenciación simultánea de los subtipos de partículas de virus con una sensibilidad máxima de discriminaciones de partículas individuales. Los resultados demostraron la capacidad de identificar alotipos con 68% de exactitud a nivel de virus único.

“Utilizamos el análisis de aprendizaje automático de las firmas eléctricas de los viriones”, dijo el autor colaborador, Dr. Makusu Tsutsui, profesor asociado de investigación científica e industrial en la Universidad de Osaka. “Al utilizar este enfoque de inteligencia artificial para el análisis de señales, nuestro método puede reconocer una diferencia ligera de forma de onda actual, que los ojos humanos no pueden discernir. Esto permite la identificación de alta precisión de los virus”.

“Nuestras pruebas revelaron que este nuevo sensor puede ser adecuado para su uso en un kit de prueba viral que sea rápido y simple”, dijo el primer autor Akihide Arima, investigador del departamento de química de la Universidad de Osaka. “Es importante destacar que el uso de este sensor no requiere experiencia humana especializada, por lo que se puede aplicar fácilmente como un método de detección en el punto de atención por una amplia variedad de personal de atención médica”.

La técnica de nanoporos para detectar el virus de la influenza se describió en la edición en línea de la revista Scientific Reports del 2 de noviembre de 2018.

Enlace relacionado:
Universidad de Osaka

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Electrolyte Analyzer
CBS-4000 (CBS-400)
ANALIZADOR DE ORINA
respons® UDS100
New
Analizador portátil de gases en sangre
BD100

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.