Despite progress in the biosensor field, a platform that allows the sensitive detection of disease-specific proteins in a diverse range of clinical samples such as saliva, serum and urine has proved elusive. Here, Richard Gaster and his colleagues introduce a magnetic nanosensing protein detection platform that offers quantitative multiplex protein detection at attomolar concentrations over a large linear dynamic range and in a range of biological fluids. Advances in biosensor technologies for in vitro diagnostics have the potential to transform the practice of medicine. Despite considerable work in the biosensor field, there is still no general sensing platform that can be ubiquitously applied to detect the constellation of biomolecules in diverse clinical samples (for example, serum, urine, cell lysates or saliva) with high sensitivity and large linear dynamic range. A major limitation confounding other technologies is signal distortion that occurs in various matrices due to heterogeneity in ionic strength, pH, temperature and autofluorescence. Here we present a magnetic nanosensor technology that is matrix insensitive yet still capable of rapid, multiplex protein detection with resolution down to attomolar concentrations and extensive linear dynamic range. The matrix insensitivity of our platform to various media demonstrates that our magnetic nanosensor technology can be directly applied to a variety of settings such as molecular biology, clinical diagnostics and biodefense.

Abstract Urine is assayed alongside blood in medicine, yet current clinical diagnostic tests utilize only a small fraction of its total biomolecular repertoire, potentially foregoing high-resolution insights into human health and disease. In this work, we characterized the joint landscapes of transcriptomic and metabolomic signals in human urine. We also compared the urine transcriptome to plasma cell-free RNA, identifying a distinct cell type repertoire and enrichment for metabolic signal. Untargeted metabolomic measurements identified a complementary set of pathways to the transcriptomic analysis. Our findings suggest that urine is a promising biofluid yielding prognostic and detailed insights for hard-to-biopsy tissues with low representation in the blood, offering promise for a new generation of liquid biopsies.

Abstract Multidrug-resistant Enterobacteriaceae are among the most urgent global public health threats associated with various life-threatening infections. In the absence of a rapid method to identify antimicrobial susceptibility, empirical use of broad-spectrum antimicrobials such as carbapenem monotherapy has led to the spread of resistant organisms. Rapid determination of antimicrobial resistance is urgently needed to overcome this issue. By capturing dynamic single-cell morphological features of over thirty-nine thousand cells from nineteen strains of Klebsiella pneumoniae , we evaluated strategies based on time and concentration differentials for classifying its susceptibility to a commonly used carbapenem, meropenem, and predicting their minimum inhibitory concentrations (MIC). We report morphometric antimicrobial susceptibility testing (MorphoAST), an image-based machine learning workflow, for rapid determination of antimicrobial susceptibility by single-cell morphological analysis within sub-doubling time. We demonstrated that our algorithm has the ability to predict MIC/antimicrobial susceptibility in a fraction of the bacterial doubling time (<50 min.). The classifiers achieved as high as 97% accuracy in 20 minutes (two-fifths of the doubling time) and reached over 99% accuracy within 50 minutes (one doubling time) in predicting the antimicrobial response. A regression model based on the concentration differential of individual cells from nineteen strains predicted the MIC with 100% categorical agreement and essential agreement for seven unseen strains, including two clinical samples from patients with urinary tract infections with different responsiveness to meropenem. The expansion of this innovation to other drug-bug combinations could have significant implications for future development of rapid antimicrobial susceptibility testing.