用于COVID-19检测的压缩感知汇集RT-PCR测试方法
摘要：一种新的汇集测试方法——Tapestry，用于新型冠状病毒核酸检测，能够缩短检测时间并节约试剂和测试工具。Tapestry将稀疏感知和组合汇集测试的思想结合，利用一种新的用于生成合成数据的RT-PCR噪声模型。与布尔组测试算法不同，Tapestry的输入是每个测试的定量读数，输出是与具有最高病毒载荷的池子相对应的每个样本的病毒载荷列表。与其他汇集技术需要第二次确认性检验不同，Tapestry可以在一轮测试中获得个体样本级的结果，并在临床可接受的假阳性或假阴性率下实现。我们还提出了一种汇集矩阵设计，可以在保持实用性的同时有效预测感染样本。当从$n$个样本中进行测试，其中$k\ll n$个样本是感染的时候，我们的方法仅需$O(k\log n)$次测试，且高概率下采用随机二进制汇集矩阵。然而，我们还使用基于Kirkman三元系统的组合设计思想的确定性二进制汇集矩阵，以在重建性能和矩阵稀疏性之间取得平衡，以方便汇集操作。实践中，我们观察到相较于随机汇集矩阵，使用这种矩阵所需的测试次数更少。这使得Tapestry在低患病率情况下能够节省很多，同时在高达9.5\%的患病率情况下仍然可行。我们在模拟和实验室实验证实了Tapestry的有效性，并描述了部署的使用场景。
作者：Sabyasachi Ghosh, Rishi Agarwal, Mohammad Ali Rehan, Shreya Pathak, Pratyush Agrawal, Yash Gupta, Sarthak Consul, Nimay Gupta, Ritika, Ritesh Goenka, Ajit Rajwade, Manoj Gopalkrishnan
论文ID：2005.07895
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-04-30