Desenvolvimento de biossensores plasmônicos baseados em nanoilhas de ouro sobre vidro para diagnóstico de COVID-19

• Ano de defesa: 2024
• Autor(a) principal: Oiticica, Pedro Ramon Almeida
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Biosensors; Biossensores; Computer vision; Machine learning; Plasmonic substrates; Substratos plasmônicos; Visão computacional
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-31072024-101806/

O diagnóstico rápido com biossensores do tipo Point-of-Care (PoC) foi essencial na pandemia de COVID-19 causada pelo vírus SARS-CoV-2. Biossensores ópticos plasmônicos são promissores, mas requerem instrumentos sofisticados e análises de dados por especialistas. Eles podem se tornar accessíveis com a fabricação de substratos mais baratos, com técnicas simples e em larga escala. Nesta tese fabricamos biossensores plasmônicos com substratos de vidro recobertos com nanoilhas de ouro com otimização de parâmetros de fabricação para melhorar a deteção de moléculas pequenas. Para aumentar a sensibilidade no sensoriamento, limitada principalmente pela dispersão de tamanho das nanoilhas, desenvolvemos algoritmos de análise e processamento de dados de espectros plasmônicos, e utilizamos técnicas de visualização da informação. Desenvolvemos também um método de detecção baseado da classificação de imagens de microscopia óptica dos sensores. As imagens foram classificadas com técnicas de visão computacional e aprendizado de máquina (ML). Modelos pré-treinados de Deep Learning e extratores de features do tipo Handcrafted foram usados para extrair características das imagens e modelos de ML foram treinados para detecção. Desenvolvemos um genossensor para detectar uma sequência ssDNA do SARS-CoV-2 e um imunossensor para detecção do vírus SARS-CoV-2 inativado. No genossensor, demonstramos a detecção do ssDNA do SARS-CoV-2 por espectroscopia LSPR e obtivemos acurácia de 96.8% na classificação das imagens usando um modelo composto pelo extrator (Handcrafted) CLBP e o classificador LDA (Linear Discriminant Analysis). Com o imunossensor, foram detectadas partículas do vírus SARS-CoV-2 inativado usando espectroscopia LSPR e análise de imagens de microscopia óptica. Nesta última detecção, obteve-se sensibilidade de 95% para concentrações entre 1x105 e 1x103 PFU/mL do vírus SARS-CoV-2 usando um modelo composto pelo extrator ResNet18 e o classificador SVM (Support Vector Machines). O uso de microscopia óptica e inteligência artificial para classificar imagens como método detecção representa um passo na direção de biossensores plasmônicos que possam ser usados em hospitais e em pontos de atendimento (PoC).