震惊!新冠检测的猫腻原来在这里!

我认为新冠肺炎还有可能会出现,但我们不会像这次这样狼狈。

---钟南山院士

 

 

新冠病毒是怎么入侵人体的?

我该如何去挑选市面上的新冠检测产品?

医院的检测报告又该怎么查看?

 

01  新冠病毒是如何致病的?

新冠病毒的全称为“严重急性呼吸综合征冠状病毒2(SARS-CoV-2),是导致新冠肺炎的罪魁祸首。与一般的RNA病毒类似,可以在下面结构图中看到,它是由蛋白,核酸,病毒外壳3部分组成的。

 

 

SARS-CoV-2病毒的平面结构


目前区分新冠病毒与其它病毒以及新冠病毒不同亚型主要依据它的基因(核酸)图谱,新冠病毒基因包含:5个未翻译区(UTR)、 复制酶复合体(orf1ab)、S基因、E基因、M基因、N基因、3个UTR以及几个未识别的非结构开放阅读框。

 

新型冠状病毒分离株武汉—沪—1


 

新冠病毒在单独情况下存活时间很短,它无法自己完成营养摄取,与SARS相似,新型冠状病毒是通过S-蛋白与人ACE2互作的分子机制,来感染人的呼吸道上皮细胞。

新冠病毒能够识别血管紧张转化酶2也就是ACE2,通过棘突蛋白与ACE2结合再通过胞吞作用侵入细胞。ACE2为膜蛋白,在肺部细胞多有分布,病毒与ACE2结合后进入肺细胞,导致肺炎。

S蛋白介导冠状病毒的入侵人体的过程主要分为两个部分:

1、S蛋白识别并结合宿主细胞受体

2、病毒与宿主细胞融合

新冠病毒主要感染的器官包括肺部、心脏、肾脏等。被感染的人体组织中会包含很多病毒颗粒,如下图,图中绿色的是正常人体细胞,紫色的是病毒。

图为从患者体内提取的SARS-CoV-2病毒样本,可见病毒颗粒(紫色)已经严重感染周边细胞


 

02 我们怎么判断是否感染了新冠病毒?

 

武汉全员检测,北京新发地检测等采用的都是分子检测手段,准确高效。年前去各国旅游的你是否也被要求进行新冠检测?当前复工复产的你是否也被要求新冠检测?

目前判断是否感染新冠病毒比较可靠的方法就是做新冠病毒检测,我们盘点了目前市面上的几种检测方法,并做了简单比较。

 

针对新冠病毒,当前共有3种检测方法可以确定是否感染新冠病毒,分别是分子检测 ,抗原检测以及抗体检测。下面一一来为大家介绍。

  • 分子检测即我们熟知的核酸检测,又名RT-PCR检测 ,主要通过鼻或咽拭子取得待检测样品,然后提取其中的核酸,进行PCR反应,得到待检测的样本核酸信息,与已知病毒的核酸信息进行比较,判断待检测样本中是否含有某种病毒的核酸片段,以此来确诊患者当前是否感染病毒。

  • 抗原检测是检测待检样本中是否含有病毒抗原(一般是病毒表面蛋白质,有些也用内部的核蛋白)。我们知道,抗原是病毒引起机体免疫反应的部分,依据待检测样本中是否检测到了相应病毒的抗原,可以知道患者当前是否感染病毒。

新型冠状病毒基因编码多个结构蛋白,例如N蛋白、E蛋白和S蛋白等,这些蛋白包括多个抗原表位。新型冠状病毒的上述抗原,可作为免疫原,在病毒感染人体后,刺激浆细胞产生特异性抗体,利用抗原与抗体特异性结合的原理,可通过抗原检测抗体的存在,从而间接证明人体已感染新型冠状病毒。

  • 抗体检测主要是检测患者血清或血浆样本中是否含有 IgM和 IgG 抗体。我们知道病毒入侵人体后会刺激机体免疫反应,从而产生抗体,通过检测机体内是否含有某种病毒的抗体,可以知道当前是否感染或者曾经感染。

新冠病毒侵入人体后,能够产生IgG、IgM以及IgA等不同亚型的抗体,其中疾病诊断用的较多的为IgM及IgG抗体。IgM抗体产生早,一经感染,快速产生,维持时间短,消失快,血液中检测阳性可作为早期感染的指标。IgG抗体产生晚,维持时间长,消失慢,血液中检测阳性可作为感染和既往感染的指标。

目前广泛采用的是分子检测(核酸检测),抗体/抗原检测的准确性还有待提高。核酸诊断为“金标准”,抗体检测可有效防止漏检发生。

新型冠状病毒是包膜的单链正链RNA病毒,病毒含量感染初期高,直接核酸检测灵敏度较高,可在患者潜伏期内确诊。

而抗体的检测可有效防止漏检的发生,IgM抗体检测可用于感染早中期,但时间晚于核酸检测窗口期,IgG抗体检测可用于感染中后期,检测灵敏度高。(总抗体检测具有IgM的早期感染诊断的优势,又有IgG既往感染的特点)。

03 我们可选择的检查产品有哪些?


 

目前国家药品监督管理局注册备案的有43个新型冠状病毒检测试剂盒产品,其中包括21个核酸检测试剂盒(即分子检测)、21个抗体检测试剂盒(IgM抗体与IgG抗体)和一个抗原检测试剂盒(N-蛋白)。

 

 

核酸检测试剂盒


 

 

抗体检测试剂盒


 

 

抗原检测试剂盒


04  医院检测流程

 

 

目前市面上主要以分子检测和抗体检测试剂盒为主,下面详述一个标准的分子检测(核酸检测)流程(深圳市人民医院做核酸检测为例)。

第一步,挂号,核酸门诊。

 

 

挂号单


 

第二步,付费,到指定地点排队等候。

 

 

微信支付


 

 

病历单


 

第三步,采样(核酸检测为鼻咽拭子,抗体检测抽血)。

 

 

鼻咽拭子采样


 

第四步,等待医院检测结果,去医院打印核酸检测报告单或者手机端查询。

 

 

核酸检测报告单


05  拿到检测单如何解读?

 

 

一般情况下,如果做完检测几天内都没有消息,那么大概率就不需要担心,也就是俗称的没有消息就是最好的消息。因为如果有问题医院和公共卫生部门比你更紧张咧~

 

如果检测报告单结果一栏显示阴性,恭喜你,没有感染新冠。不过也有人好奇关于检测单中其他的内容,这里给大家详细讲讲关于核酸和抗体检测单上的内容。

 

A. 核酸检测单

 

 

新冠病毒核酸检测结果报告单


 

检测单子上的三个基因靶标是什么意思呢?其实这三个基因都是新冠病毒的三个基因,开放读码框 lab(ORFlab)、核壳蛋白(N)基因 和(或)包膜蛋白(E)基因。

 

这三个基因全部是阴性,则结果阴性;全是阳性,则结果阳性;

如果ORFlab是阳性,其他基因有阴性,则结果是高度可疑;

如果ORFlab是阴性,其他基因有阳性,则结果不确定。

阳性代表检测出了新冠病毒待检物质,阴性则代表没有检测出待检物质,可以简单认为阴性结果表明当次新冠检测没有检测出新冠病毒感染。

 

B.抗体检测单

抗体检测一般分为检测IgM抗体和检测IgG抗体两类,检测结果报告是这样的👇:

 

 

新冠病毒抗体检测结果报告单


 

我们最后同时整理了抗体与核酸检测报告中阳性,阴性不同组合的含义给大家参考。

检测报告阳性与阴性代表的含义


 

而对于抗体检测,更详细的解读为:


转载原文链接:https://mp.weixin.qq.com/s/Gd8F2BW2ON-rXLnXoaeWKg

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
使用ResNet50模型进行新冠肺炎CT检测的代码实现步骤如下: 1. 准备数据集:收集有标注的新冠肺炎CT图像数据集,分为训练集和测试集。 2. 数据预处理:对图像数据进行预处理,包括图像大小调整、数据增强、标准化等。 3. 定义模型:使用PyTorch中的ResNet50模型作为基础模型,对其进行微调,以适应新冠肺炎CT检测任务。 4. 训练模型:使用训练集对模型进行训练,调整模型参数,使其能够更好地分类新冠肺炎CT图像。 5. 评估模型:使用测试集对模型进行评估,计算准确率、精度、召回率等指标,评估模型性能。 6. 部署模型:将训练好的模型部署到应用程序中,实现新冠肺炎CT检测功能。 下面是一个简单的代码示例: ```python import torch import torch.nn as nn import torchvision.models as models # 定义ResNet50模型 class ResNet50(nn.Module): def __init__(self, num_classes): super(ResNet50, self).__init__() self.resnet = models.resnet50(pretrained=True) self.fc = nn.Linear(2048, num_classes) def forward(self, x): x = self.resnet(x) x = self.fc(x) return x # 创建模型实例 model = ResNet50(num_classes=2) # 定义损失函数和优化器 criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) # 训练模型 for epoch in range(10): for images, labels in train_loader: optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() # 评估模型 total = 0 correct = 0 with torch.no_grad(): for images, labels in test_loader: outputs = model(images) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() print('Accuracy: {:.2f}%'.format(100 * correct / total)) ``` 需要注意的是,以上代码仅为示例,具体实现方式需要根据具体任务和数据集进行调整。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值