來自智利塔爾卡的研究者Nachtigall和他的同事開發了基于MALDI-TOF MS（基質輔助激光解析電離飛行時間質譜）診斷SARS-CoV-2感染的方法，并且初步驗證了方法性能，結果顯示該方法的準確度達到93.9%，假陽性率7%，假陰性率5%。
沒錯，就是普通微生物實驗室常用來鑒定菌種的MALDI-TOF 質譜，實驗室人熟悉且輕松駕馭的一個流程：挑選菌落→涂板→加基質→干燥→上機采集數據→分析結果。基于MALDI-TOF MS鑒定菌種具有顯著的優勢：所需樣本微量、檢測快速、耗材少，通量靈活，結果也較準確。（想復習MALDI-TOF MS工作原理的同學請看文末內容）。
眾所周知，MALDI-TOF MS方法鑒定菌種依賴于參考數據庫，數據庫里有相應質譜圖時菌種才能被鑒定。而當前并沒有針對SARS-CoV-2的數據庫。對此研究者采用機器學習（Machine learning, ML）方法解決。首先對來自三個國家經RT-PCR檢測的362個鼻拭子樣本（211個陽性，151個陰性）進行MALDI-TOF MS檢測，后分別使用六種機器學習算法對所得譜圖進行分析，對不同的機器學習算法進行評估后，支持向量機-徑向基核函數（support vector machine with a radial kernel, SVM-R）模型具有最高的診斷準確度（93.9%），區分COVID-19患者和陰性對照的靈敏度為94.7%，特異度為92.6%。更加詳細的方法建立過程可復制以下鏈接到瀏覽器查看
https://www.nature.com/search?q=Detection+of+SARS-CoV-2+in+nasal+swabs+using+MALDI-MS
MALDI-TOF MS簡介
2）質量分析器：TOF（time-of-flight，飛行時間），原理是，帶電離子在電場作用下加速通過飛行管道，根據到達檢測器的飛行時間不同而被檢測，即離子的M/Z與離子的飛行時間成正比。
參考文獻
[1] Nachtigall, F.M., Pereira, A., Trofymchuk, O.S. et al. Detection of SARS-CoV-2 in nasal swabs using MALDI-MS. Nat Biotechnol 38, 1168–1173 (2020).
[2] Iles, R.K.; Zmuidinaite, R.; Iles, J.K.; Carnell, G.; Sampson, A.; Heeney, J.L. Development of a Clinical MALDI-ToF Mass Spectrometry Assay for SARS-CoV-2: Rational Design and Multi-Disciplinary Team Work. Diagnostics 2020, 10, 746.
[3] Grossegesse, M., Hartkopf, F., Nitsche, A., Schaade, L., Doellinger, J., & Muth, T. (2020). Perspective on Proteomics for Virus Detection in Clinical Samples. Journal of proteome research, 19(11), 4380–4388.