Anonim

Hvordan raskt identifisere sepsis-forårsaker bakterier - smelte det ned

Medisinsk

Lisa-Ann Lee

14. februar 2017

Stephanie Fraley (venstre) evaluerer bakterielle DNA smelte kurve data med hennes studenter (Kreditt: UCSD)

Når en pasient diagnostiseres med sepsis, slår et medisinsk syndrom som dræper flere mennesker enn brystkreft, prostatakreft og HIV sammen, en nedtelling for leger å behandle infeksjonen og avdekke skyldige som forårsaker at kroppens systemer slår seg av . Imidlertid kan identifisering av det eksakte patogenet som forårsaker infeksjonen ta dager med gjeldende prosedyrer, hvilket er en tid som en terminalt syk pasient ganske enkelt ikke har. Men håp kan være i horisonten, da forskere fra University of California San Diego (UCSD) nylig avduket et diagnostisk verktøy som gjør det mulig å identifisere blodbårne bakterier i løpet av noen timer.

Den nye metoden benytter to nye teknologier - mikrofluidika (også kjent som lab-on-chip teknologi) og High Resolution Melt (HRM) - for å identifisere bakterier gjennom et unikt DNA-sekvensavhengig fingeravtrykk kjent som smeltekurve.

Med den tidligere kan forskerne se alt bakterielt DNA som er tilstede individuelt i en prøve, i stedet for å bare utpeke den som de tror kan være årsaken til betennelsen, noe som er en ineffektiv måte å håndtere en tilstand hvor hastigheten er av essensen.

"Bakterie-DNA er på alt og forurensning er overalt, så prøver å finne de som er forbundet med sepsis er som det ordspråklige søket etter nålen i haystack, " bemerket lead forfatteren Stephanie Fraley, en assisterende professor i bioengineering på ucsd, tilbake da hun ble tildelt Burroughs Wellcome Fund Career Award for å utvikle ingeniørteknologier for behandling av sepsis. Den nye studien bygger på Fraley 's arbeid på dette feltet.

Når det gjelder HRM-analyse, er det som gjør det så fordelaktig at det er raskt og nøyaktig å bestemme den genetiske sammensetningen av store mengder prøver. I tilfelle av denne studien kunne forskerne genotype 20.000 samtidige reaksjoner fra bare en milliliter blod som hadde blitt inokulert med matbårne bakterier Listeria monocytogenes og Streptococcus pneumoniae, en bakterie som er ansvarlig for respiratoriske infeksjoner og meningitt.

For å gjøre dette isolerte forskerne først DNA fra blodprøven og plasserte den på en digital chip som tillot hvert brikke å selvstendig multiplisere i sin egen reaksjon. Hver brønn inneholdt bare 20 picoliters - en enkelt regndråpe, som en sammenligning, inneholder vanligvis hundretusener av picoliters - en prestasjon som ble oppnådd via en proprietær blanding av kjemikalier. Det som er bemerkelsesverdig om UCSD-eksperimentet er at det vanligvis utføres HRM-analyse etter fullføring av en molekylær fotokopieringsteknikk kjent som polymerasekjedereaksjon. I dette tilfellet utviklet forskerne en maskinalgoritme som tillot dem å hoppe over denne prosessen og gjennomføre analysen automatisk.

"Analysere disse mange reaksjonene på samme tid ved denne lille en skala hadde aldri blitt forsøkt før, " sier Fraley. "De fleste molekylære tester ser på DNA i mye større skala og ser etter bare én type bakterier om gangen. Vi analyserer alle bakteriene i en prøve. Dette er en mye mer holistisk tilnærming. "

Deretter oppvarmede forskerne brikken med det amplifiserte DNA i trinn på 0, 2 grader Celsius, noe som forårsaket at den smelte. Hva skjer neste er nøkkelen til å forstå hva som gjør HRM-analyse en så kraftig genotypingsteknikk, og hvorfor det kan bidra til å fremme vår kamp mot sepsis.

Når DNA-dobbelt-helix smelter, begynner bindingene som holder sammen DNA-strengene å bryte ned, noe som avslører sin unike signatur. Dette er tatt med en spesiell type fluorescerende fargestoff som binder til dobbeltstrenget DNA, noe som får det til å lyse sterkt. Etter hvert som strengene oppløses, blir fluorescensen svakere siden det ikke er noe som farvestoffet kan kle seg i.

Ingeniører fanget bakteriens smeltekurver ved hjelp av et spesialdesignet høyt gjennomstrømmingsmikroskop og analyserte dem deretter med en maskinlæringsalgoritme som tidligere hadde blitt trent på 37 forskjellige typer bakterier. Det var ingen konkurranse: Algoritmen overgikk tradisjonelle metoder, som har en feilrate på nesten 23 prosent, ved å identifisere bakteriestammer med 99 prosent nøyaktighet.

Målet nå for Fraley og hennes team er å ta dette diagnostiske verktøyet ut av laboratoriet og inn på legekontorer. Selv om andre forskere har forsøkt å løse problemet med sepsis ved å utvikle kunstige milter som kan rengjøre blodet samt bakterieavvisende overflatebelegg for medisinsk utstyr, er det fortsatt et presserende behov for mer effektive diagnostiske verktøy.

Fremover vil forskerne arbeide for å redusere størrelsen på systemet for å gjøre det egnet til bruk i klinikker og legekontor, og utvide systemets patogen-detekterende evner for å inkludere sopp og virus, samt gener for antibiotikaresistens. I tillegg vil det bli utført ytterligere studier på faktiske pasientprøver.

Fraley er håp om at systemet vil være tilgjengelig for leger i de neste fem årene. "Dette har potensial til å nå folk i nærheten av eller på forsiktighetsstedet, " sier hun og legger til at med de riktige justeringene, er det også potensial for å bli distribuert i lavressursinnstillinger. "Det er en enkel og nyskapende tilnærming. "

Studien ble publisert i Nature Scientific Reports.

Kilde: UCSD

Stephanie Fraley (venstre) evaluerer bakterielle DNA smelte kurve data med hennes studenter (Kreditt: UCSD)

Anbefalt Redaksjonens