基于纸基的多重血清学检测，利用机器学习监测SARS-CoV-2免疫力

SARS-CoV-2的快速传播引发了COVID-19大流行，并加速了疫苗研发以阻止病毒传播和控制疾病。鉴于SARS-CoV-2持续的高传染性和进化，开发COVID-19血清学检测以监测人群免疫力水平仍具有持续的研究价值。为满足这一关键需求，我们利用SARS-CoV-2的5种结构蛋白设计了一种基于纸基的多重垂直流检测（xVFA），通过检测IgG和IgM抗体来监测COVID-19免疫力水平的变化。我们的平台不仅能够追踪纵向免疫力水平，还能根据IgG和IgM抗体水平将COVID-19免疫力分为三类：受保护、未保护和已感染。我们并行运行两个xVFA，每次检测使用总计40 μL人血清样本，在不到20分钟内检测IgG和IgM抗体。检测后，使用基于手机定制设计的光学读取器捕获纸基传感器面板的图像，然后由基于神经网络的血清诊断算法进行处理。训练后的血清诊断算法对疫苗接种或感染前后采集的血清样本进行盲测，准确率达到89.5%。xVFA的竞争性性能，加上其便携性、成本效益和快速操作，使其成为一种有前景的计算型即时检测（POC）血清学检测方法，用于监测COVID-19免疫力，有助于及时决策加强针接种和一般公共卫生政策以保护脆弱人群。