Pesquisadores desenvolvem nova ferramenta de diagnóstico automatizada

Segurando esta técnica – que é chamada de espectrometria de massa em tandem de cromatografia líquida ou LC-MS/MS para abreviar – é que muitas vezes requer amostras biológicas relativamente grandes e uma série de etapas complicadas que devem ser feitas manualmente para preparar amostras para análise .

Na Brown University, uma equipe de engenheiros biomédicos tem trabalhado para tornar esse processo demorado mais simples e muito mais automatizado, um ingrediente-chave para a técnica ser amplamente adotada pelos médicos. Os pesquisadores compartilharam seus resultados em Relatórios Científicos na segunda-feira, 6 de fevereiro.

No estudo, eles apresentam um novo método robusto para medir e identificar com precisão oito antidepressivos mais comumente prescritos para mulheres: bupropiona, citalopram, desipramina, imipramina, milnaciprano, olanzapina, sertralina e vilazodona.

O método faz exatamente o que os pesquisadores esperavam. Ele é capaz de identificar e monitorar essas drogas a partir de pequenas amostras biológicas – 20 microlitros cada, o que equivale aproximadamente a sangue retirado de uma picada. O método também pode ser feito quase inteiramente por robôs de manipulação de líquidos encontrados na maioria dos laboratórios clínicos de espectrometria de massa.

“Desenhamos nosso método e montamos kits para que, uma vez coletadas as amostras, elas possam ser colocadas em um programa de computador para um manipulador robótico de líquidos, bastando o usuário basicamente tirar as tampas, apertar alguns botões, e vai do começo ao fim”, disse a principal autora Ramisa Fariha, uma Brown Ph.D. estudante trabalhando em um diagnóstico microfluídico e laboratório de engenharia biomédica liderado pelo professor de Brown Anubhav Tripathi.

Uma vez que as amostras estão prontas, o usuário as coloca no espectrômetro de massa, que quebra a amostra em pequenos fragmentos que contêm sinais indicadores das drogas que estão procurando. A precisão do método é comparável a outras técnicas baseadas em LC-MS/MS, mas tem a vantagem de um tamanho de amostra muito menor e pode ser amplamente automatizado usando os manipuladores de líquidos.

Essas inovações configuram o potencial imediato do sistema para ser amplamente traduzido em ambientes clínicos para ajudar a monitorar os impactos dos medicamentos prescritos para pacientes com diagnóstico de depressão, incluindo mulheres com depressão pós-parto.

“Demos um grande passo”, disse Tripathi, professor de engenharia da Brown, principal investigador do laboratório e autor do estudo. “Para a adaptação do laboratório clínico, você deseja reduzir o erro dos humanos. Quanto mais você automatizar, mais robustez você obtém e mais confiança há dos médicos.”

A depressão é uma crise global crescente, e as mulheres enfrentam taxas mais altas de diagnóstico do que os homens. A porcentagem de pacientes prescritos com antidepressivos triplicou nas últimas duas décadas, e os médicos se encontram em uma encruzilhada entre encontrar o medicamento certo para o paciente e monitorar a abundância dele no corpo, escreveram os pesquisadores no estudo.

Atualmente, não há produtos comerciais nos Estados Unidos para ajudar os médicos a monitorar diretamente a quantidade desses medicamentos presentes nos pacientes, observaram os pesquisadores. Os médicos geralmente acabam confiando em métodos mais qualitativos, como pesquisas, por causa de como os métodos de espectrometria de massa são intrusivos para os pacientes em termos de tamanho da amostra e a natureza demorada de preparar as amostras para a máquina.

Tripathi e seus colegas em seu laboratório começaram a trabalhar nessa solução potencial em 2021, depois que foram solicitados a avaliar um kit comercial europeu que usa LC-MS/MS para detectar drogas em humanos. O trabalho foi em grande parte o resultado de uma colaboração entre alunos de graduação e pós-graduação de Brown que trabalham no laboratório.

Os pesquisadores, liderados por Fariha, decidiram tentar projetar seu próprio kit que poderia ser tão preciso, mas muito mais simples. Eles começaram identificando alguns dos depressores mais usados ​​e, a partir daí, trabalharam para refinar a forma como a técnica LC-MS/MS identifica as drogas, incluindo a quantidade de amostra necessária e estabelecendo um controle que eles poderiam executar em amostras reais.

Depois de executar uma enxurrada de verificações de controle de qualidade, ajustando e testando diferentes métodos de medição das amostras em diferentes condições, os pesquisadores pegaram todo o processo de preparação da amostra e o dividiram para que pudessem ser programados em uma máquina que pudesse lidar com a preparação. dos líquidos.

Os pesquisadores de Brown usaram um JANUS G3 Robotic Liquid Handler em seu trabalho, mas disseram que os médicos podem usar máquinas mais simples ou mais avançadas. A equipe detalhou como programou sua máquina de forma que outros possam facilmente replicar com seu próprio equipamento.

“Toda vez que nosso laboratório e nossa equipe publicam um artigo, vamos ao âmago da questão para que nossos resultados possam ser facilmente replicados por outros”, disse Fariha.

A equipe também criou kits protótipos que podem ser enviados aos médicos para que implementem o método em seus laboratórios. Os kits incluem os produtos químicos e solventes necessários, juntamente com um livreto de instruções detalhado que explica o que os médicos devem observar com base em suas próprias experiências e nos inúmeros ajustes que fizeram durante o processo de controle de qualidade.

A equipe – conhecida no laboratório como diagnóstico clínico e equipe de automação – planeja trabalhar em projetos de automação em oncologia, como a criação de um kit que possa detectar câncer de ovário.

A equipe de automação tem vários alunos de graduação que participam – um exemplo de como os alunos da Brown colaboram entre si e com o corpo docente para resolver problemas do mundo real. Emma Rothkopf, especialista em engenharia biomédica e autora do artigo, disse que a experiência foi fundamental para ajudá-la a conectar diretamente os conceitos que aprendeu no ambiente acadêmico ao laboratório.

“Eu me pegava olhando para os dados ou fazendo certas etapas e pensava: ‘Oh, meu Deus, aprendi isso na aula'”, disse Rothkopf.

Além de Fariha, Tripathi e Rothkopf, outros autores do estudo incluem Prutha S. Deshpande, Mohannad Jabrah, Adam Spooner e Oluwanifemi David Okoh. O trabalho foi financiado pela PerkinElmer.