Deep Learning und holographische Bildgebung beschleunigen die Erkennung und Quantifizierung viraler Plaques

Virusinfektionen stellen die Menschheit seit Jahrhunderten vor große Herausforderungen. Trotz fortschreitender wissenschaftlicher Fortschritte geht der Kampf gegen Viren weiter, wie die jüngste COVID-19-Pandemie zeigt. Im Kampf gegen diese Virusinfektionen wurden verschiedene Techniken zum Nachweis und zur Quantifizierung von Viren etabliert, die wesentlich zur Entwicklung kritischer Impfstoffe und antiviraler Medikamente beigetragen haben.

Unter diesen Techniken sticht der Virus-Plaque-Assay als Goldstandard hervor, da er die einzigartige Fähigkeit besitzt, die Virusinfektiosität auf kostengünstige Weise zu beurteilen, indem die Bildung von Virusplaques, die durch Virusinfektionen verursacht werden, über einer Zellschicht beobachtet wird. Dennoch erfordern die herkömmlichen Virusplaque-Tests eine Inkubationszeit von 2–14 Tagen, gefolgt von einer Probenfärbung mit Chemikalien und einer visuellen Inspektion durch den Menschen, um die Anzahl der Virusplaques zu zählen.

Dieses Verfahren ist zeitaufwändig und anfällig für Färbeartefakte und Zählfehler, die durch menschliche Techniker verursacht werden. Daher ist eine genaue, automatisierte, schnelle und kostengünstige Technik zur Quantifizierung viraler Plaques dringend erforderlich.

In einem neuen Artikel veröffentlicht in Naturbiomedizinische Technikentwickelte ein Team von Wissenschaftlern unter der Leitung von Professor Aydogan Ozcan vom Fachbereich Elektro- und Computertechnik der University of California, Los Angeles (UCLA), ein schnelles, fleckenfreies und automatisiertes System zur Erkennung viraler Plaques, das durch Holographie und Deep Learning ermöglicht wird.

Dieses System beinhaltet ein kostengünstiges holographisches Bildgebungsgerät mit hohem Durchsatz, das die ungefärbten virusinfizierten Zellen während ihres Inkubationsprozesses kontinuierlich überwacht. Bei jedem Bildgebungszyklus werden diese vom Gerät erfassten Zeitraffer-Hologramme regelmäßig von einem KI-gestützten Algorithmus analysiert, um die viralen Plaques, die aufgrund der Virusreplikation entstehen, automatisch zu erkennen und zu zählen.

Der Proof-of-Concept und die Wirksamkeit dieses Systems wurden anhand von drei verschiedenen Virustypen nachgewiesen: dem vesikulären Stomatitis-Virus (VSV), dem Herpes-simplex-Virus Typ 1 (HSV-1) und dem Enzephalomyokarditis-Virus (EMCV). Durch den Einsatz dieses Systems gelang es den UCLA-Forschern, mehr als 90 % der VSV-Virusplaques innerhalb von 20 Stunden nach der Inkubation ohne jegliche chemische Färbung zu erkennen, was eine Zeitersparnis von mehr als 24 Stunden im Vergleich zum herkömmlichen Plaque-Assay, der 48 Stunden erfordert, demonstriert der Probeninkubation. Im Fall von HSV-1 und EMCV konnte dieses System die Nachweiszeit für virale Plaques effektiv um etwa 48 bzw. 20 Stunden reduzieren, verglichen mit der Nachweiszeit, die für den herkömmlichen färbungsbasierten viralen Plaque-Assay erforderlich ist.

Dieses fleckenfreie und kostengünstige System bietet nicht nur eine große Zeitersparnis, sondern kann auch erfolgreich einzelne Virusplaques innerhalb von Clustern identifizieren, im Gegensatz zu herkömmlichen Virusplaque-Assays, bei denen es aufgrund der räumlichen Gegebenheiten nicht möglich ist, diese einzelnen Plaques innerhalb von Clustern separat zu erkennen und zu zählen Überlappung ihrer Unterschriften.

Alle diese Ergebnisse unterstreichen das transformative Potenzial dieses KI-gestützten Virusplaque-Nachweissystems zur Verwendung mit verschiedenen Plaque-Assays in der Virologie, das dazu beitragen könnte, die Impfstoff- und Arzneimittelentwicklungsforschung zu beschleunigen, indem die für herkömmliche Virusplaque-Assays erforderliche Nachweiszeit erheblich verkürzt und eliminiert wird chemische Färbung und manuelles Zählen vollständig.