MALDI-TOF MS用于诊断SARS-CoV-2感染
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）。
Nachtigall和他的同事们建立的诊断SARS-CoV-2感染的方法进一步扩大了MALDI-TOF鉴定方法的优势和潜在应用范围。该方法（见图1）试剂需求少，无需样本纯化过程（当然，从细胞中分离病毒本身就很复杂），将保存液中的鼻拭子样本震荡混匀后，可将保存液直接涂板，经过电离和质量分析后获得谱图，用机器学习（Machine learning, ML）方法进行分析。
图1 MALDI-TOF MS结合机器学习检测SARS-CoV-2的流程
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
针对该方法，来自德克萨斯大学西南医学中心的研究者Jeffrey等人在最新一期Clinical
Chemistry
杂志上也发表了观点，他们指出，所有样本的质谱图仅有一个可重现的信号峰，且峰强度在患者样本中更低，这提示该方法实际检测的是宿主应答的谱图，而不是病毒本身，可以称之为感染的间接诊断。Jeffrey等人也提出了研究存在的可能问题，1）一些样本既用于机器学习模型选择又用于机器学习模型验证；2）选择的样本是由RT-PCR确定的阳性或阴性，并未包含潜在交叉反应病毒或细菌的样本；3）没有确定病毒载量的检测限。所以该方法的临床应用性能还需要进一步验证，我们也期待更多相关的研究。
MALDI-TOF MS简介
1）离子源：MALDI (Matrix-Assisted Laser Desorption ionization，基质辅助激光解吸电离)，可能的原理是激光照射使得样品与基质形成共结晶薄膜，基质从激光中吸收大部分能量传递给生物分子，基质和分析物发生气化且质子转移使得生物分子带电。
图2 基质辅助激光解吸电离（MALDI）的机制
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。
图3 飞行时间质谱（TOF MS）的原理图
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.
-
科技前沿
-
焦点事件
-
焦点事件
-
企业风采
