DNR metilinimo tyrimas kartu su išmaniaisiais telefonais, skirtas ankstyvam navikų ir leukemijos atrankos patikrinimui, tiksliai 90,0%!

Ankstyvas vėžio nustatymas, remiantis skysta biopsija, yra nauja vėžio nustatymo ir diagnozės, kurią pastaraisiais metais pasiūlė JAV nacionalinis vėžio institutas, kryptis, siekiant nustatyti ankstyvą vėžį ar net ikivėžinius pažeidimus. Jis buvo plačiai naudojamas kaip naujas biomarkeris ankstyvai diagnozuojant įvairius piktybinius navikus, įskaitant plaučių vėžį, virškinimo trakto navikus, gliomas ir ginekologinius navikus.

Metilinimo kraštovaizdžio (metilscape) biomarkerių nustatymo platformų atsiradimas gali žymiai pagerinti esamą ankstyvą vėžio patikrinimą, todėl pacientai gali būti ankstyviausi gydomi.

Neseniai tyrėjai sukūrė paprastą ir tiesioginį metilinimo kraštovaizdžio aptikimo platformą, pagrįstą cisteamine dekoruotomis aukso nanodalelėmis (cista/AuNP) kartu su išmaniųjų telefonų pagrindu pagamintu biosensoriumi, leidžiančia greitai anksti patikrinti įvairius navikus. Ankstyvas leukemijos patikrinimas gali būti atliekamas per 15 minučių po DNR ištraukimo iš kraujo mėginio, kurio tikslumas yra 90,0%. Straipsnio pavadinimas yra greitas vėžio DNR aptikimas žmogaus kraujyje, naudojant cisteamino uždėtą AUNP ir mašininio mokymosi pagrįstą išmanųjį telefoną。

1 pav.

Tai parodyta 1 paveiksle. Pirmiausia DNR fragmentams ištirpinti buvo naudojamas vandeninis tirpalas. Tada į mišrią tirpalą buvo įpilta cista/AuNP. Normalios ir piktybinės DNR turi skirtingas metilinimo savybes, todėl atsiranda DNR fragmentai, turintys skirtingus savaiminio surinkimo modelius. Normalūs DNR laisvai kaupiasi ir galiausiai surinka cistą/AuNP, todėl raudonai pasislinkusi cistos/AuNP pobūdis, todėl nuogos akies spalva gali pasikeisti nuo raudonos iki violetinės spalvos. Priešingai, unikalus vėžio DNR metilinimo profilis lemia didesnių DNR fragmentų grupių gamybą.

96 šulinėlių plokštelių vaizdai buvo paimti naudojant išmaniojo telefono fotoaparatą. Vėžio DNR buvo matuojama išmaniuoju telefonu, kuriame yra mašininis mokymasis, palyginti su spektroskopijos metodais.

Vėžio atranka tikrais kraujo mėginiuose

Norėdami išplėsti jutimo platformos naudingumą, tyrėjai pritaikė jutiklį, kuris sėkmingai išsiskyrė tarp normalios ir vėžinės DNR realiuose kraujo mėginiuose. Metilinimo modeliai CPG vietose epigenetiškai reguliuoja genų ekspresiją. Beveik visuose vėžio tipuose buvo pastebėta, kad DNR metilinimo ir tokiu būdu išraiškos genai, skatinantys tuluurigenezę, pakaitomis.

Kaip kitų vėžio atvejų, susijusių su DNR metilinimu, modelis, tyrėjai naudojo kraujo mėginius iš leukemijos pacientų ir sveikų kontrolinių grupių, kad ištirtų metilinimo kraštovaizdžio efektyvumą diferencijuojant leukemijos vėžį. Šis metilinimo kraštovaizdžio biomarkeris ne tik pralenkia esamus greito leukemijos patikros metodus, bet ir parodo, kad galima iš anksto nustatyti platų vėžio diapazoną, naudojant šį paprastą ir tiesmukišką tyrimą.

Buvo išanalizuota 31 leukemijos ir 12 sveikų asmenų kraujo mėginių DNR. Kaip parodyta 2A paveiksle esančiame langelio diagramoje, santykinis vėžio mėginių absorbcija (ΔA650/525) buvo mažesnė nei DNR iš normalių mėginių. Tai daugiausia lėmė padidėjęs hidrofobiškumas, dėl kurio buvo tanki vėžio DNR agregacija, kuri neleido surinkti cistos/AuNP. Dėl šios priežasties šios nanodalelės buvo visiškai išsklaidytos išoriniuose vėžio agregatų sluoksniuose, dėl kurių cistos/AuNPS dispersija buvo skirtingi normalios ir vėžio DNR agregatams. Tada ROC kreivės buvo generuojamos keičiant slenkstį nuo minimalios ΔA650/525 vertės iki maksimalios vertės.

2 pav. (A) Cistos/AuNPS tirpalų santykinės absorbcijos vertės, rodančios normalią (mėlyną) ir vėžio (raudoną) DNR optimizuotomis sąlygomis

(DA650/525) dėžutės sklypų; b) ROC analizė ir diagnostinių testų įvertinimas. c) painiavos matrica normaliems ir vėžiu sergantiems pacientams diagnozuoti. (D) jautrumas, specifiškumas, teigiama numatoma vertė (PPV), neigiama numatoma vertė (NPV) ir sukurto metodo tikslumas.

Kaip parodyta 2b paveiksle, išsivysčiusiam jutikliui gauta sritis po ROC kreive (AUC = 0,9274) parodė didelį jautrumą ir specifiškumą. Kaip matyti iš dėžutės grafiko, žemiausias taškas, vaizduojantis normalią DNR grupę, nėra gerai atskirtas nuo aukščiausio taško, vaizduojančio vėžio DNR grupę; Todėl logistinė regresija buvo naudojama atskirti normalias ir vėžio grupes. Atsižvelgiant į nepriklausomų kintamųjų rinkinį, jis įvertina įvykio tikimybę, pavyzdžiui, vėžį ar normalią grupę. Priklausomas kintamasis svyruoja nuo 0 iki 1. Taigi rezultatas yra tikimybė. Mes nustatėme vėžio identifikavimo (P) tikimybę, pagrįstą ΔA650/525 taip.

kur b = 5,3533, w1 = -6,965. Mėginių klasifikacijai mažesnė nei 0,5 tikimybė rodo normalų mėginį, o 0,5 ar didesnė tikimybė rodo vėžio mėginį. 2c paveiksle pavaizduota painiavos matrica, sugeneruota iš kryžminio validacijos palikimo, kuris buvo naudojamas klasifikavimo metodo stabilumui patvirtinti. 2D paveiksle apibendrinamas metodo diagnostinis testo įvertinimas, įskaitant jautrumą, specifiškumą, teigiamą prognozuojamąją vertę (PPV) ir neigiamą numatomąją vertę (NPV).

Išmaniųjų telefonų pagrindu pagaminti biosensoriai

Norėdami dar labiau supaprastinti mėginių bandymą nenaudojant spektrofotometrų, tyrėjai naudojo dirbtinį intelektą (AI), kad galėtų interpretuoti tirpalo spalvą ir atskirti normalius ir vėžinius asmenis. Atsižvelgiant į tai, buvo naudojamas kompiuterio matymas, norint išversti cistos/AuNPS tirpalo spalvą į įprastą DNR (violetinę) arba vėžinę DNR (raudoną), naudojant 96 šulinėlių plokštelių, paimtų per mobiliojo telefono fotoaparatą, vaizdus. Dirbtinis intelektas gali sumažinti sąnaudas ir pagerinti prieinamumą aiškinant nanodalelių sprendimų spalvą ir nenaudojant jokių optinės aparatūros išmaniųjų telefonų priedų. Galiausiai, modeliams sukurti buvo išmokyti du mašinų mokymosi modeliai, įskaitant „Random Forest“ (RF) ir atraminį vektorių mašiną (SVM). Tiek RF, tiek SVM modeliai teisingai klasifikavo mėginius kaip teigiamus ir neigiamus, kurių tikslumas buvo 90,0%. Tai rodo, kad dirbtinio intelekto naudojimas mobiliųjų telefonų pagrindu pagamintuose biologiniu būdu yra gana įmanomas.

3 pav. (A) TIKSLINĖS SPRENDIMO KLASĖ, ĮSIGINAMAS APRAŠYMO RENGINIMO IAM PRIEMONĖS VAIZDO ATSAKYMO ŽINGSNIS. (b) Vaizdo pavyzdys, padarytas vaizdo gavimo veiksmo metu. (C) Cistos/AuNPS tirpalo spalvų intensyvumas kiekviename 96 šulinėlių plokštelės, išgautos iš vaizdo (B), šulinyje.

Naudodamiesi cista/AuNP, tyrėjai sėkmingai sukūrė paprastą jutimo platformą metilinimo kraštovaizdžio aptikimui ir jutiklį, galintį atskirti normalią DNR nuo vėžio DNR, kai naudojami realūs kraujo mėginiai leukemijos patikrinimui. Sukurtas jutiklis parodė, kad iš tikrų kraujo mėginių ekstrahuojama DNR galėjo greitai ir ekonomiškai efektyviai aptikti nedidelį vėžio DNR (3NM) kiekį leukemijos pacientams per 15 minučių ir parodė 95,3%tikslumą. Norint dar labiau supaprastinti mėginių bandymus, pašalinant spektrofotometro poreikį, tirpalo spalvą interpretuoti buvo naudojamas mašininis mokymasis ir atskirti normalius ir vėžinius asmenis, naudojant mobiliojo telefono nuotrauką, o tikslumą taip pat buvo galima pasiekti 90,0%.

Nuoroda: doi: 10.1039/d2ra05725e