[論文レビュー] Virus Detection in Multiplexed Nanowire Arrays using Hidden Semi-Markov models

Shalini Ghosh, Patrick Lincoln+2 more|arXiv (Cornell University)|Jul 16, 2014

Nanowire Synthesis and Applications参考文献 3被引用数 3

ひとこと要約

本稿では、抗体制 coating されたナノワイヤーを用いた導電率の変化を活用して、マルチプレックス化されたナノワイヤー アレイに結合する複数のウイルスを検出・同定するための隠れ部分マルコフモデル（HSMM）を提案する。時間的パターンのモデル化とノイズおよび重複する結合イベントの取り扱いにより、複雑でリアルタイムなウイルスセンシング環境下でも検出精度が向上する。

ABSTRACT

In this paper, we address the problem of real-time detection of viruses docking to nanowires, especially when multiple viruses dock to the same nano-wire. The task becomes more complicated when there is an array of nanowires coated with different antibodies, where different viruses can dock to each coated nanowire at different binding strengths. We model the array response to a viral agent as a pattern of conductance change over nanowires with known modifier --- this representation permits analysis of the output of such an array via belief network (Bayes) methods, as well as novel generative models like the Hidden Semi-Markov Model (HSMM).

研究の動機と目的

• 同じナノワイヤーに複数のウイルスが結合する状況で、特に結合イベントが重複したり強度にばらつきがある場合に、リアルタイムでの検出を課題とする。
• マルチプレックス化や信号モデリングの柔軟性に欠けるため、急速に変異するまたは改変されたウイルスを検出できない既存手法（例：Patolsky法）の限界を克服する。
• 多様な抗体および修飾剤でコーティングされたナノワイヤー アレイを用いて、複雑な試料中のウイルス体を正確に同定することを可能にする。
• ノイズ、相関、非定常な信号を考慮した生成的確率モデルを構築する。
• リダンドンシー、フェイルセーフ、広範なウイルスカバレッジを確保するため、マルチプレックス アレイにおける修飾剤選択を最適化する。

提案手法

• 各ナノワイヤーを既知の抗体または修飾剤で修飾し、ナノワイヤー アレイの導電率応答を時間的変化のパターンとしてモデル化する。
• 信念ネットワークと隠れ部分マルコフモデル（HSMM）を用いて、ノイズの多い導電率トレースから最も可能性の高いウイルス結合イベントの順序を推定する。
• ヒストограмのトレンド除去とマッチドフィルタリングを適用し、一時的なノイズや流体的スパイクから結合シグネイチャを分離する。
• 同様に処理されたナノワイヤー（例：同じ抗体、コントロールワイヤー）からのノイズのみの信号を相互相関させることで、共通のノイズ成分を推定・除去する。
• ナノワイヤー信号間の相互相関を活用し、流体注入や電気的干渉など共通のノイズ源を特定・抑制する。
• 時間遅れを考慮した同期化を施した同様に処理されたナノワイヤーからのノイズ推定値を平均化することで、ノイズ低減戦略を実装し、信号対ノイズ比を向上させる。

実験結果

リサーチクエスチョン

• RQ1 複数のウイルス粒子が同じナノワイヤーに結合する場合、導電率変化が時間的に重複する状況で、どのようにしてそれらを区別できるか？
• RQ2 マルチプレックス化されたナノワイヤー アレイにおける時間的導電率パターンを効果的にモデル化する方法は何か？その結果、ウイルス検出精度がどのように向上するか？
• RQ3 ナノワイヤー間で相関するノイズをどのように特定・除去できるか？これにより検出感度が向上し、誤検出が低減する。
• RQ4 ナノワイヤーの故障や汚染に耐性を持ちながら、標的ウイルスを確実に検出できるようにするため、修飾剤（抗体）の選択戦略は何か？
• RQ5 HSMMのような生成的モデルは、従来のしきい値処理やフィルタリング手法に比べ、微弱または一時的な結合イベントを検出する際に優れているか？

主な発見

• HSMMモデルは、複数のウイルス粒子による重複するボックスカル導電率変化を含む、ウイルス結合イベントの時間的ダイナミクスを効果的に捉えている。
• 相互相関解析により、同一の修飾剤（例：霍乱毒素、コントロールワイヤー）を有するナノワイヤー間で強いノイズ相関が確認され、共通の環境的ノイズ源が存在することが示された。
• 同様に処理されたナノワイヤーからのアンサンブル平均によるノイズ除去により、信号分散が237から230に低下し、明確なノイズ低減効果が確認された。
• ノイズ除去技術により、特に流体注入や電気的干渉に起因する相関背景ノイズから結合シグネイチャを分離し、信号の明瞭度が向上した。
• 異なる処理を施したナノワイヤー間では、スパイクの位置に対応する遅れでわずかな相関が観察され、外部要因に起因する残留ノイズカップリングが示唆された。
• 本手法により、従来のしきい値処理やフィルタリング手法ではノイズに埋もれてしまう微小な振幅または一時的な結合信号の検出が可能になった。