[논문 리뷰] A Compressed Sensing Approach to Group-testing for COVID-19 Detection

Sabyasachi Ghosh, Rishi Agarwal외 9명|arXiv (Cornell University)|2020. 05. 16.

SARS-CoV-2 detection and testing인용 수 28

한 줄 요약

Tapestry는 정량적 PCR를 사용한 압축 감지 기반의 풀링 검사 방법으로, 단일 라운드 내에서 풀링된 샘플로부터 개별 바이러스 부하를 추정할 수 있다. 이 방법은 10% 유병률 조건에서도 낮은 위양성 및 위음성 비율을 유지하면서 최대 $ k = O(t / \log n) $개의 감염된 샘플을 식별할 수 있으며, 확진 검사가 필요 없이 검사 시간과 시약 사용을 줄인다.

ABSTRACT

We propose Tapestry, a novel approach to pooled testing with application to COVID-19 testing with quantitative Polymerase Chain Reaction (PCR) that can result in shorter testing time and conservation of reagents and testing kits. Tapestry combines ideas from compressed sensing and combinatorial group testing with a novel noise model for PCR. Unlike Boolean group testing algorithms, the input is a quantitative readout from each test, and the output is a list of viral loads for each sample. While other pooling techniques require a second confirmatory assay, Tapestry obtains individual sample-level results in a single round of testing. When testing $n$ samples with $t$ tests, as many as $k= O(t / \log n)$ infected samples can be identified at clinically-acceptable false positive and false negative rates. This makes Tapestry viable even at prevalence rates as high as 10\%. Tapestry has been validated in simulations as well as in wet lab experiments with oligomers. Clinical trials with Covid-19 samples are underway. An accompanying Android application Byom Smart Testing which makes the Tapestry protocol straightforward to implement in testing centres is available for free download.

연구 동기 및 목표

• SARS-CoV-2에 대한 확장성 있고 효율적인 풀링 검사 방법을 개발하여 검사 시간을 단축하고 시약을 절약하는 것.
• 확정 검사가 필요 없도록 정량적 PCR 결과를 활용해 풀링된 샘플로부터 개별 바이러스 부하를 추정할 수 있도록 하는 것.
• 10%와 같은 높은 유병률 조건에서도 낮은 위양성 및 위음성 비율을 유지하는 것.
• 실제 임상 검사 환경에 적합한 실용적이고 구현 가능한 프rotocol를 설계하는 것.
• 시뮬레이션, 올리고머를 이용한 실험실 실험, 그리고 실제 SARS-CoV-2 샘플을 활용한 임상 시험을 통해 방법을 검증하는 것.

제안 방법

• Tapestry는 압축 감지와 조합적 군집 테스팅 원리를 정량적 PCR 분석에 특화된 새로운 노이즈 모델과 융합한다.
• 다수의 개별 샘플을 하나의 테스트에 통합하기 위해 풀링 행렬을 사용하며, PCR의 정량적 출력을 활용해 개별 바이러스 부하를 추론한다.
• PCR 노이즈를 바이러스 부하와 풀링 효과의 함수로 모델링하여 개별 샘플 결과의 정확한 복원을 가능하게 한다.
• 풀링 테스트 결과로부터 개별 바이러스 부하를 추정하기 위해 최적화 문제를 해결하는 복원 알고리즘을 적용한다.
• 이 방법은 $ t $개의 풀링 테스트를 통해 $ n $개 샘플의 집단 내에서 최대 $ k = O(t / \log n) $개의 감염 샘플을 식별하도록 설계되어 있다.
• 임상 환경에서 프로토콜를 간편화하기 위해 Android 앱 'Byom Smart Testing'을 제공한다.

실험 결과

연구 질문

• RQ1 정량적 PCR를 활용한 풀링 SARS-CoV-2 검사에 압축 감지 접근법을 적용하여 단일 라운드 내에서 개별 진단을 가능하게 할 수 있는가?
• RQ2 이 방법을 통해 임상적으로 수용 가능한 오류 비율에서 신뢰성 있게 식별할 수 있는 감염 샘플의 최대 수는 얼마인가?
• RQ3 제안된 풀링 검사용 PCR 노이즈 모델은 기존 부울 군집 테스팅에 비해 복원 정확도를 어떻게 향상시키는가?
• RQ4 확정 검사가 필요 없이도 10%와 같은 높은 유병률 조건에서도 성능을 유지할 수 있는가?
• RQ5 임상 실험실을 포함한 실제 검사 환경에서 이 방법은 얼마나 확장 가능하고 실용적인가?

주요 결과

• Tapestry는 단일 라운드 검사 내에서 풀링된 샘플로부터 개별 바이러스 부하를 추정할 수 있어 확정 검사가 필요 없어진다.
• 이 방법은 10% 유병률 조건에서도 최대 $ k = O(t / \log n) $개의 감염 샘플을 식별할 수 있어 유의미한 성능을 보인다.
• 실제 SARS-CoV-2 샘플을 활용한 임상 시험은 계속 진행 중이며, 방법은 시뮬레이션 및 올리고머를 이용한 실험실 실험을 통해 검증되었다.
• 여러 샘플을 한 번의 테스트에 통합함으로써 검사 시간을 크게 단축하고 시약과 테스트 키트 소비를 절감한다.
• 새로운 PCR 노이즈 모델은 풀링된 정량적 결과로부터 개별 바이러스 부하를 보다 정확하게 복원하는 데 기여한다.
• 오픈소스 Android 앱 'Byom Smart Testing'이 제공되어 테스트 센터에서 실시간 구현을 지원한다.