导语 MALDI-TOF MS优势 来自智利塔尔卡的研究者Nachtigall和他的同事开发了基于MALDI-TOF MS(基质辅助激光解析电离飞行时间质谱)诊断SARS-CoV-2感染的方法,并且初步验证了方法性能,结果显示该方法的准确度达到93.9%,假阳性率7%,假阴性率5%。 没错,就是普通微生物实验室常用来鉴定菌种的MALDI-TOF 质谱,实验室人熟悉且轻松驾驭的一个流程:挑选菌落→涂板→加基质→干燥→上机采集数据→分析结果。基于MALDI-TOF MS鉴定菌种具有显著的优势:所需样本微量、检测快速、耗材少,通量灵活,结果也较准确。(想复习MALDI-TOF MS工作原理的同学请看文末内容)。 众所周知,MALDI-TOF MS方法鉴定菌种依赖于参考数据库,数据库里有相应质谱图时菌种才能被鉴定。而当前并没有针对SARS-CoV-2的数据库。对此研究者采用机器学习(Machine learning, ML)方法解决。首先对来自三个国家经RT-PCR检测的362个鼻拭子样本(211个阳性,151个阴性)进行MALDI-TOF MS检测,后分别使用六种机器学习算法对所得谱图进行分析,对不同的机器学习算法进行评估后,支持向量机-径向基核函数(support vector machine with a radial kernel, SVM-R)模型具有最高的诊断准确度(93.9%),区分COVID-19患者和阴性对照的灵敏度为94.7%,特异度为92.6%。更加详细的方法建立过程可复制以下链接到浏览器查看 https://www.nature.com/search?q=Detection+of+SARS-CoV-2+in+nasal+swabs+using+MALDI-MS MALDI-TOF MS简介 2)质量分析器:TOF(time-of-flight,飞行时间),原理是,带电离子在电场作用下加速通过飞行管道,根据到达检测器的飞行时间不同而被检测,即离子的M/Z与离子的飞行时间成正比。 参考文献 [1] Nachtigall, F.M., Pereira, A., Trofymchuk, O.S. et al. Detection of SARS-CoV-2 in nasal swabs using MALDI-MS. Nat Biotechnol 38, 1168–1173 (2020). [2] Iles, R.K.; Zmuidinaite, R.; Iles, J.K.; Carnell, G.; Sampson, A.; Heeney, J.L. Development of a Clinical MALDI-ToF Mass Spectrometry Assay for SARS-CoV-2: Rational Design and Multi-Disciplinary Team Work. Diagnostics 2020, 10, 746. [3] Grossegesse, M., Hartkopf, F., Nitsche, A., Schaade, L., Doellinger, J., & Muth, T. (2020). Perspective on Proteomics for Virus Detection in Clinical Samples. Journal of proteome research, 19(11), 4380–4388. |