研究人员开发了一种新型、自动化、功能强大的药物检测诊断工具

近年来，一种可以检测血液等生物样本中药物含量的质谱法已经成为一种强大的诊断工具，可以帮助医疗专业人员识别和监测患者体内治疗药物的水平，这可能会导致不必要的或危险的副作用。

这种技术被称为液相色谱串联质谱法，简称LC-MS/MS，因为它通常需要相对较大的生物样本和许多必须手工完成的复杂步骤来准备样本进行分析。

在布朗大学(Brown University)，一组生物医学工程师一直在努力使这一耗时的过程变得更简单、更自动化，这是临床医生广泛采用这项技术的关键因素。研究人员分享了他们的结果在科学报告2月6日，星期一。

在这项研究中，他们提出了一种可靠的新方法，可以准确测量和识别女性最常用的八种抗抑郁药:安非他酮、西酞普兰、去西帕明、丙咪嗪、米那西普兰、奥氮平、舍曲林和维拉唑酮。

这种方法正如研究人员所希望的那样。它能够从每个20微升的小生物样本中识别和监测这些药物，这大约相当于从针刺中抽取的血液。这种方法也几乎完全可以通过大多数临床质谱实验室中发现的液体处理机器人来完成。

主要作者Ramisa Fariha说:“我们设计了我们的方法，并将试剂盒放在一起，这样一旦样本采集完成，就可以将它们放入机器人液体处理器的计算机程序中，用户基本上要做的就是取下盖子，按下一些按钮，然后就可以开始完成了。”Ramisa Fariha是布朗大学博士研究生，在布朗大学教授Anubhav Tripathi领导的微流体诊断和生物医学工程实验室工作。

一旦样品准备好，使用者将它们放入质谱仪，它将样品分解成含有他们正在寻找的药物迹象的微小碎片。该方法的准确性与其他LC-MS/ ms技术相当，但具有样本量小得多的优势，并且能够在很大程度上使用液体处理器实现自动化。

这些创新奠定了该系统被广泛应用的直接潜力临床的设置帮助监测为诊断为抑郁症患者(包括经历产后抑郁症的妇女)开出的药物的影响。

“我们已经迈出了非常大的一步，”布朗大学工程学教授、该实验室的首席研究员、该研究的作者之一特里帕蒂说。“对于临床实验室的适应，你想要减少人为的错误。自动化程度越高，你得到的稳健性就越强，医生对你的信任也就越多。”

抑郁症是一个日益严重的全球危机，女性的诊断率高于男性。研究人员在研究中写道，在过去20年里，开抗抑郁药的患者比例增加了两倍，临床医生发现自己正处于寻找适合患者的正确药物和监测体内药物丰度之间的十字路口。

研究人员指出，目前在美国还没有商业产品可以帮助临床医生直接监测这些药物在患者体内的含量。临床医生往往最终依赖于更定性的方法，如调查，因为质谱法在样本量和为机器准备样本的耗时性质方面对患者来说是多么的刺眼。

特里帕蒂和他实验室的同事们于2021年开始研究这种潜在的解决方案，此前他们被要求评估一种使用LC-MS/MS检测人体药物的欧洲商业试剂盒。这项工作在很大程度上是布朗大学毕业生和研究人员合作的结果本科生在实验室工作的人。

由法里哈领导的研究人员决定尝试设计他们自己的工具包，它可以同样准确，但要简单得多。他们首先确定了一些最常用的抑制剂，然后从那里开始改进LC-MS/MS技术识别药物的方法，包括需要多少样品，并建立一个可以与实际样品对照的控制。

在进行了大量的质量控制检查、调整和测试在不同条件下测量样品的不同方法之后，研究人员将他们制备样品的整个过程进行了分解，以便将其编程到一台可以处理液体制备的机器中。

布朗大学的研究人员在他们的工作中使用了JANUS G3机器人液体处理器，但表示临床医生可以使用更简单或更先进的机器。该团队详细介绍了他们如何编程他们的机器，使其他人可以很容易地用自己的设备复制。

法里哈说:“每次我们的实验室和团队发表论文时，我们都会深入研究细节，这样我们的结果就可以很容易地被其他人复制。”

该团队还创建了原型套件，可以发送给临床医生，以便他们可以在实验室中实施该方法。试剂盒包括所需的化学药品和溶剂，以及一本详细的指导手册，该手册根据临床医生的经验和他们在质量控制过程中所做的大量调整，列出了临床医生应该注意的事项。

该团队在实验室内被称为临床诊断和自动化团队，计划下一步开展肿瘤学自动化项目，例如设计一种可以检测肿瘤的试剂盒卵巢癌．

自动化团队有许多本科生参与其中，这是布朗大学学生如何相互合作以及与教师合作解决现实问题的一个例子。艾玛·罗斯科普夫(Emma Rothkopf)是生物医学工程专业的大四学生，也是这篇论文的作者之一。她说，这段经历至关重要，可以帮助她直接将在学术环境中学到的概念与实验室联系起来。

罗斯科普夫说:“我发现自己在看数据或做某些步骤时，会想，‘哦，天哪，我在课堂上学过这个。

除了法里哈、特里pathi和罗斯科普夫，这项研究的其他作者还包括Prutha S. Deshpande、Mohannad Jabrah、Adam Spooner和Oluwanifemi David Okoh。这项工作得到了PerkinElmer的支持。