MIDI Sherlock® Microbial Identification System with Traditional Methods

Význam tématu

Analýza mikrobiální identifikace prostřednictvím GC-FAME umožňuje spolehlivě rozlišit bakterie a kvasinky podle profilu mastných kyselin.
Tato metoda nachází uplatnění v klinické diagnostice, kontrole kvality, environmentální mikrobiologii i biodefense.

Cíle a přehled systému

Cílem je poskytnout plně automatizované řešení pro identifikaci mikroorganismů s minimálními nároky na znalosti chromatografie.
Systém kombinuje Sherlock software, rozsáhlé knihovny a GC přístroje Agilent 6850/7890 s ChemStation pro kompletní workflow od přípravy vzorku po výsledky.

Použitá metodika a instrumentace

Metoda je založena na extrakci mastných kyselin z buněčného materiálu a jejich derivatizaci na methylestery pro analýzu GC-FAME.
Workflow zahrnuje odběr kultury, čtyřstupňovou liquid-liquid extrakci a následnou automatickou GC analýzu bez další inkubace.
Metody se dělí na standardní (2 vzorky/h) a rychlé (6 vzorků/h) s dvojnásobnou detekční citlivostí.

Použitá instrumentace

• Agilent Technologies 6850 Series II GC
• Agilent 7890 Series GC
• Počítač s Windows OS s nainstalovaným softwarem Sherlock a Agilent ChemStation
• Automatický autosampler
• Volitelné moduly Library Generation, Tracker/Cluster a DNA Software pro rozšířené funkce

Hlavní výsledky a diskuse

Systém umožňuje identifikaci více než 1300 druhů aeróbů, anaeróbů, kvasinek a biodefenzních agens.
Příprava 30 vzorků trvá přibližně 1,5 hodiny, analýza probíhá automaticky s nízkými náklady pod 3 USD na vzorek.
Bio-bezpečnost je posílena chemickou inaktivací buněk před analýzou.

Přínosy a praktické využití metody

• Bez nutnosti hlubokých znalostí chromatografie
• Vysoká reproducibilita díky standardizaci kalibrací a pattern recognition
• Široké aplikace v klinické mikrobiologii, potravinářství, zemědělství či environmentální analytice
• Možnost tvorby vlastních knihoven a sledování kontaminací v provozech

Budoucí trendy a možnosti využití

Integrace DNA sekvenování s rozšířením knihoven pro 16S/28S rRNA.
Nasazení pokročilých algoritmů strojového učení ke zlepšení přesnosti identifikace.
Automatizace přípravy vzorků a propojení s laboratorními informačními systémy a cloudovým zpracováním dat.

Závěr

Sherlock Microbial Identification System představuje robustní, nákladově efektivní a plně automatizované řešení pro rychlou identifikaci mikroorganismů v širokém spektru aplikací.

Reference

• MIDI, Inc. Sherlock Microbial Identification System: Specification Sheet, Newark, Delaware, USA, srpen 2013