上海
呼吸道病毒感染防控的關鍵在于早期識別。然而，一方面感染初期的病原體核酸或抗原尚未充分積累，RT-PCR、抗原、LAMP、CRISPR等直接檢測方法常因靈敏度限制而漏檢。另一方面，病毒復制引起的機體代謝動態變化，會使呼出氣體中的揮發性有機化合物（VOCs）在短期內發生復雜的波動，無法定性定量測量，也難以用單一傳感器檢出。
近日，武漢大學生命科學學院/高致病性病毒與生物安全全國重點實驗室徐可課題組與華中科技大學集成電路學院劉歡課題組開展合作研究，在國際期刊Advanced Science發表題為Real-Time and Non-Invasive Detection of Respiratory Viral Infections Using an Intelligent Odor Monitoring System (IOMS)的論文。該團隊研發的智能氣味監測系統（IOMS）通過配置高靈敏的氣體傳感器陣列和機器學習算法，像嗅覺指紋識別一樣捕捉呼出氣中的異常信號，實現無創、實時的病毒感染檢測。
研究團隊將半導體傳感器陣列嵌入動物籠具，以每秒1次的頻率連續7天原位監測VOC，構建從分子到電信號的"氣味條形碼"矩陣，利用AI機器學短發對感染后的動態、混雜的混合VOC譜系變化進行深度學習和識別，在接觸病毒后7–8小時即可捕捉到氣味指紋的早期變化，實現從潛伏期到恢復期的全病程動態“嗅探”。
在小鼠流感感染模型中，IOMS識別的感染相關特征氣體經六通道傳感器陣列和機器學習建模，單次實驗每組產生3,628,800個縱向監測數據點。研究團隊按18秒通風周期對數據平均降噪后發現，感染組與對照組在主成分空間中清晰分離，且氣味指紋隨病程動態演化。三種機器學習算法驗證結果表明，內部測試集識別準確率達99.88%，獨立盲法驗證準確率為93.99%，尤其在感染早期（1–3天）均保持98%以上的準確率。值得注意的是，72小時以內的感染早期不僅是抗病毒用藥的黃金窗口，也是切斷傳播鏈條的最佳控制時期，但這一階段較低的病毒載量，往往難以被傳統抗原及核酸檢測方法識別。IOMS系統的研發，促進了超早期、無創化篩查從可能走向現實，為無癥狀感染的早期檢測提供了全新路徑。
武漢大學生命科學學院博士研究生沈亞潔、博士后袁為鋒、華中科技大學李龍博士為本文共同第一作者，華中科技大學劉歡教授、武漢大學徐可教授為本文共同通訊作者。該研究發現的氣體標志物申請國家發明專利，IOMS系統已獲得實用新型專利授權。
https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.76244
制版人：十一
BioArt
Med
Plants
人才招聘
學術合作組織
（*排名不分先后）
轉載須知
【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
