Обнаружение SARS-CoV-2 в назальных мазках с помощью MALDI-MS и методов машинного обучения

AP19578688

Цель: Оценить экспресс-метод определения вируса SARS-CoV-2 в материале, полученном из назального мазка при помощи времяпролетной масс-спектрометрии и методов машинного обучения.

Актуальность

Коронавирусная инфекция, появившись в 2019 году, стала испытанием для человечества и для системы здравоохранения, в частности. Эпидемия выявила множество пробелов в организации диагностического процесса, приведя к коллапсу лабораторной службы Республики Казахстан в периоды наибольшей заболеваемости. Для обнаружения вирусной РНК в биоматериале используется метод ПЦР с обратной транскрипцией (ОТ-ПЦР). Обнаружение SARS-CoV-2 с помощью ОТ-ПЦР тестов является высокоточным методом, однако применение этого метода диагностики требует больших финансовых и временных затрат.

Наша исследовательская группа предлагает оценить метод обнаружения SARS-CoV-2 в назальных мазках с использованием матричной лазерной десорбции / ионизационной масс-спектрометрии (MALDI-MS) и анализа машинного обучения. В этом подходе применяются оборудование и навыки, которые рутинно используются в клинических лабораториях. Биоматериал не требует предварительной пробоподготовки и дорогостоящих реагентов. Таким образом, предлагаемый метод обнаружения SARS-CoV-2 в материале, полученном из назального мазка, станет более доступным и менее времязатратным тестом, чем ОТ-ПЦР.

Ожидаемые результаты

По итогам научного исследования мы оценили существующие ранее методики, а также разработали собственную экспресс методику детекцииSARS-CoV-2 в биоматериале, полученном из назальных мазков. Новый подход в диагностике COVID-19 имеет потенциальный социально-экономический эффект, заключающийся в сокращении времени диагностического поиска, своевременной адекватной терапии критических состояний, сокращении сроков госпитализации и, следовательно, затрат на лечение. Реализация исследования будет способствовать снижению уровня смертности, увеличению продолжительности жизни.

Получение данных о новых методах ранней диагностики COVID-19 позволит внести изменения в алгоритм диагностики, что станет инновационным не только в пределах Республики Казахстан, но и во всем мире.

  1. Кадырова И.А. - PhD по специальности «Медицина», ассоциированный профессор, врач клинико-лабораторной диагностики, старший научный сотрудник научно-исследовательской лаборатории НАО «МУК». h-индекс - 5, ORCIDID 0000-0001-7173-3138.
  2. Бабенко Д.Б. - PhD по специальности «Медицина», специалист по молекулярно-генетическим методам исследования, биоинформатике, статистическому анализу и методам машинного обучения. h-индекс – 5 (Scopus); 2 (WebofKnowledge), Scopus AutorID: 55935641200, SPIN-код: 3567-2768, ResearcherID P-8052-2017, ORCID 0000-0003-2280-2146.
  3. Егоров Сергей - PhD по специальности «Иммунология» (Университет Торонто). В проекте выполняет роль консультанта по иммунологическим методам исследования и интерпретации иммунопатогенеза. h-индекс – 17, ORCID ID 0000-0002-7136-7921.
  4. Лавриненко А.В.- магистр по специальности «Медицина», докторант 3 года обучения, заведующая научно-исследовательской лаборатории НАО «МУК». h-индекс - 1, ORCID 0000-0001-9436-8778.
  5. Колесниченко С.И. - Младший научный сотрудник научно-исследовательской лаборатории НАО «МУК» . ORCID 0000-0003-3515-8900.
  6. Ступина Е.А. - заведующая отделением капельных и нейроинфекций, врач-инфекционист областной клинической больницы г. Караганды.
  7. Султанбекова А. А.- врач- отоларинголог, PhD докторант.

Реализация проекта осуществлена полностью.

Исследовательская группа оценила производительность алгоритма машинного обучения insilico на объединенных данных из Южной Америки и Казахстана, а также обучила собственные модели ML с целью различения образцов с SARS-CoV-2. Модели SVM-R и DT показали особенно высокую производительность, превзойдя другие модели, с показателями ROCAUC 0,983 и 0,972 соответственно.SVM-R особенно эффективен в различении образцов из Казахстана, достигая точности 88,0% для SARS-CoV-2+, 95,0% для NCARI и 78,0% для AC. Подчеркнут потенциал MALDI MS как инновационного диагностического инструмента для определения различных ОРИ, а также необходимость дополнительной оптимизации и валидации метода MALDI MS/ML перед его внедрением в рутинную клиническую практику, учитывая меняющуюся эпидемиологическую обстановку.

К областям применения результатов исследования относятся: инфекционные болезни, клиническая микробиология, лабораторная диагностика.

Научные публикации в рамках проекта:
    2021 год:
  1. 1. Lavrinenko A., Kolesnichenko S., Turmukhambetova A., Kadyrova I. Respiratory pathogens co-infection in patients with COVID-19 pneumonia in Kazakhstan//Microbiology society. Annual conference online 2021. Poster abstract book 26–30 April 2021, Р 282.
    2. 2022 год:
  2. 2. Kadyrova I, Yegorov S, Negmetzhanov B, Kolesnikova Y, Kolesnichenko S, Korshukov I, et al. (2022) High SARS-CoV-2 seroprevalence in Karaganda, Kazakhstan before the launch of COVID-19 vaccination. PLoS ONE 17(7): e0272008. https://doi.org/10.1371/journal. pone.0272008 (Scopus -87 процентиль, Q1).
  3. 3. Kadyrova I.A., Sultanbekova A.A., Barkhanskaya V.I., Kolesnichenko S.I., Kolesnikova E.А., Lavrynenko А.V., Korshukov I.V., Bekov Ye.K., Yegorov S.V., Babenko D.B. Application of MALDI MS mass spectrometry for the detection of SARS-CoV-2 in nasopharyngeal swabs//Systematic review Science & Healthcare, 2022. (Vol. 24) 5, Р. 36-44. (КОКСОН).
  4. 4. I. Kadyrova, S. Kolesnichenko, Ye. Kolesnikova, I. Korshukov, V. Barkhanskaya, A. Sultanbekova, D. Babenko SARS-COV-2 Detection in MALDI-TOF Mass Spectra by Machine Learning/ Int'l Conference on Mathematical Modeling in Physical Sciences September 5-8, 2022 Virtual, on-line Conference
  5. 5. S.I. Kolesnichenko, I.A. Kadyrova, I.V. Korshukov, Ye.A. Kolesnikova, V.I. Barkhanskaya, D.B. Babenko SARS-COV-2 DETECTION USING MALDI-TOF AND MACHINE LEARNING APPROACH// IX International Conference of Young Scientists: Virologists, Biotechnologists, Biophysicists, Molecular Biologists and Bioinformaticians within the framework of the OPENBIO Open Communications Platform.
    6. 2023 год:
  6. 6. Yegorov S., Kadyrova I. et al «Application of MALDI MS and Machine Learning to Detection of SARS-CoV-2 and non-SARS-CoV-2 Respiratory Infections» находится на рецензировании в журнале PLOS One, опубликован препринт https://doi.org/10.1101/2023.08.31.23294891
  7. 7. А.А. Султанбекова, И.А. Кадырова, Д.Б. Бабенко. Maldi-Tof масс-спектрометрия жәнемашиналық оқыту әдістерін қолдануарқылы sars-cov-2 вирусындиагностикалаудың экспресс әдісін бағалау// Фармакология Казахстана, 2023, № 1, С. 262-276
  8. 8. А.А. Султанбекова. Опыт применения время пролетной масс-спектрометрии (MALDI-TOF) для детекции вирусных патогенов, в частности короновируса. Систематический обзор Фармакология Казахстана, 2023, № 4, С. 97-106.
  9. 9. Kadyrova, I., Kolesnichenko, S., Korshukov, I., Kolesnikova, Y., Barkhanskaya, V., Lavrinenko, A., Babenko, D. (2023). SG-APSIC1053: Detection of SARS-COV-2 in nasopharyngeal swags with MALDI-TOF MS and machine learning. Antimicrobial Stewardship & Healthcare Epidemiology, 3(S1), S2-S3. doi:10.1017/ash.2023.9
  10. 10. Dmitriy Babenko et al Application of MALDI MS to Differentiate SARSCoV-2 and Non-SARS-CoV-2 Symptomatic Infections in the Early and Late Phases of the Pandemic// Conference Proceedings, Zurich Switzerland July 24-25, 2023.

    11. Акты Внедрения и свидетельство о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом.

    Кадырова И, Колесниченко С, Коршуков И, Барханская В, Султанбекова А, Колесникова Е, Бабенко Д. Свидетельство о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом № 24868 от «7» апреля 2022 года Разработка экспресс-метода определения вируса sars-cov-2 в материале, полученном из назального мазка при помощи времяпролетной масс-спектрометрии и методов машинного обучения.

    Два акта внедрения результатов научно-исследовательской работы «Экспресс-метод определения вируса SARS-CoV-2 в материале, полученном из назального мазка при помощи время-пролетной масс-спектрометрии и методов машинного обучения» в перечень методик Научно-исследовательской лаборатории и в клиническую практику клиники НАО Медицинского университета Караганды.