[논문 리뷰] Virus Detection in Multiplexed Nanowire Arrays using Hidden Semi-Markov models

Shalini Ghosh, Patrick Lincoln외 2명|arXiv (Cornell University)|2014. 07. 16.

Nanowire Synthesis and Applications참고 문헌 3인용 수 3

한 줄 요약

이 논문은 항체 코팅된 나노와이어에 다중 바이러스가 결합하는 것을 감지하고 식별하기 위해 은닉 반마르코프 모델(HSMM)을 제안한다. 이 모델은 항체 코팅된 나노와이어를 통해 발생하는 전도도 변화를 기반으로 하며, 전도도 변화의 시간적 패턴을 모델링하고 노이즈 및 중첩된 결합 이벤트를 고려함으로써, 복잡한 실시간 바이러스 감지 환경에서 감지 정확도를 향상시킨다.

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).

연구 동기 및 목표

• 동일한 나노와이어에 여러 바이러스가 동시에 결합하는 경우, 특히 결합 이벤트가 겹치거나 강도가 다를 때 실시간으로 감지하는 도전 과제를 해결한다.
• 다중화 기능과 강력한 신호 모델링이 부족한 기존 방법(예: Patolsky 방법)의 한계를 극복하여, 빠르게 돌연변이가 발생하거나 유전자 조작된 바이러스를 감지할 수 있도록 한다.
• 다양한 항체와 변형제로 코팅된 나노와이어 어레이를 활용해 복잡한 샘플 내 바이러스 항원을 정확하게 식별할 수 있도록 한다.
• 노이즈가 많고 상관관계가 있으며 비정상적인 신호를 고려한 생성적 확률 모델을 개발한다.
• 재현성, 고장 내성, 광범위한 바이러스 커버리지 확보를 위해 다중화 어레이의 변형제 선택 전략을 최적화한다.

제안 방법

• 각 나노와이어를 알려진 항체 또는 변형제로 처리함으로써, 나노와이어 어레이의 전도도 반응을 시간에 따른 변화 패tern으로 모델링한다.
• 믿음 네트워크와 은닉 반마르코프 모델(HSMM)을 적용하여 노이즈가 있는 전도도 트레이스에서 가장 가능성 높은 바이러스 결합 이벤트의 순서를 추론한다.
• 히스토그램의 추세 제거와 매칭 필터링을 사용해 데이터를 사전 처리하여 일시적인 노이즈와 유체 역상의 영향을 제거하고 결합 서명을 분리한다.
• 유사하게 처리된 나노와이어(예: 동일한 항체 또는 대조군 와이어)의 노이즈 전용 신호를 상호상관 분석하여 공통 노이즈 성분을 추정하고 제거한다.
• 나노와이어 간의 상호상관을 활용해 유체 주입이나 전기적 간섭과 같은 공통 노이즈 원인을 식별하고 억제한다.
• 시간 지연를 고려한 정렬을 적용한 유사하게 처리된 나노와이어의 노이즈 추정치 평균화를 통해 노이즈 제거 전략을 구현함으로써 신호 대 노이즈 비율을 향상시킨다.

실험 결과

연구 질문

• RQ1 동일한 나노와이어에 여러 바이러스가 동시에 결합할 경우, 전도도 변화가 시간적으로 겹칠 때 어떻게 이를 구분할 수 있는가?
• RQ2 다중화 나노와이어 어레인지에서 시간적 전도도 패턴을 효과적으로 모델링하는 방법은 무엇이며, 이를 통해 바이러스 감지 정확도를 어떻게 향상시킬 수 있는가?
• RQ3 나노와이어 간 상관관계가 있는 노이즈를 어떻게 식별하고 제거하여 감지 민감도를 높이고 잠재적 오진을 줄일 수 있는가?
• RQ4 다른 나노와이어 장애나 오염에 대해 내성을 가지면서도 목표 바이러스를 안정적으로 감지할 수 있도록 하기 위해 변형제(항체) 선택 전략은 어떻게 설계되어야 하는가?
• RQ5 HSMM 같은 생성적 모델이 기존의 임계값 설정 또는 필터링 방법보다 약하거나 일시적인 결합 이벤트를 감지하는 데 더 뛰어난 성능을 보일 수 있는가?

주요 결과

• HSMM 모델은 다중 바이러스 입자가 유도하는 겹치는 상자형 전도도 변화를 포함한 바이러스 결합 이벤트의 시간적 동역학을 성공적으로 포착하였다.
• 상호상관 분석을 통해 동일한 변형제(예:霍乱毒素 또는 대조군 와이어)를 가진 나노와이어 간에 강한 노이즈 상관관계가 확인되어 공통 환경적 노이즈 원인이 존재함을 시사하였다.
• 유사하게 처리된 나노와이어의 앙상블 평균을 통한 노이즈 제거로 신호 분산이 237에서 230으로 감소하여 명백한 노이즈 감소 효과를 입증하였다.
• 노이즈 제거 기법은 특히 유체 주입과 전기적 간섭으로 인한 상관관계가 있는 배경 노이즈를 분리함으로써 신호의 명확성을 향상시켰다.
• 다른 처리 방식을 가진 나노와이어 간에는 스파이크 위치와 일치하는 지연에서 약한 상관관계가 관찰되어 외부 사건으로 인한 잔류 노이즈 결합이 존재함을 시사하였다.
• 이 방법은 기존의 임계값 설정 또는 필터링 방법에서 노이즈에 의해 가려지는 저강도 또는 일시적인 결합 신호를 감지할 수 있도록 하였다.