DNR metilinimo tyrimas kartu su išmaniaisiais telefonais ankstyvam navikų patikrinimui ir leukemijos patikrai 90,0% tikslumu!

Ankstyvas vėžio nustatymas skystos biopsijos pagrindu – pastaraisiais metais JAV nacionalinio vėžio instituto pasiūlyta nauja vėžio aptikimo ir diagnostikos kryptis, kurios tikslas – nustatyti ankstyvą vėžį ar net ikivėžinius pakitimus. Jis buvo plačiai naudojamas kaip naujas biomarkeris ankstyvai įvairių piktybinių navikų, įskaitant plaučių vėžį, virškinimo trakto navikus, gliomas ir ginekologinius navikus, diagnostikai.

Atsiradus platformoms metilinimo kraštovaizdžio (Methylscape) biomarkeriams nustatyti, gali žymiai pagerinti esamą ankstyvą vėžio atranką, todėl pacientai atsiduria anksčiausiai gydomoje stadijoje.

Neseniai mokslininkai sukūrė paprastą ir tiesioginio jutimo platformą, skirtą metilinimo kraštovaizdžiui aptikti, pagrįstą cisteaminu dekoruotomis aukso nanodalelėmis (Cyst / AuNP) kartu su išmaniuoju telefonu paremtu biojutikliu, kuris leidžia greitai anksti ištirti daugybę navikų. Ankstyvą leukemijos patikrą galima atlikti per 15 minučių po DNR ištraukimo iš kraujo mėginio, 90,0% tikslumu. Straipsnio pavadinimas – Greitas vėžio DNR aptikimas žmogaus kraujyje, naudojant cisteamino dangtelį turinčius AuNP ir išmanųjį telefoną su mašininiu mokymusi.

1 pav. Paprasta ir greita vėžio atrankos per Cyst/AuNP komponentus jutimo platforma gali būti atlikta dviem paprastais žingsniais.

Tai parodyta 1 paveiksle. Pirmiausia DNR fragmentams ištirpinti buvo naudojamas vandeninis tirpalas. Tada į sumaišytą tirpalą buvo pridėta cistų / AuNP. Normali ir piktybinė DNR turi skirtingas metilinimo savybes, todėl DNR fragmentai turi skirtingus savaiminio surinkimo modelius. Įprasta DNR agreguojasi laisvai ir galiausiai agreguoja Cyst / AuNP, dėl ko cistos / AuNP pasikeičia raudonai, todėl plika akimi galima stebėti spalvos pasikeitimą nuo raudonos iki violetinės. Priešingai, dėl unikalaus vėžio DNR metilinimo profilio susidaro didesnės DNR fragmentų grupės.

96 šulinėlių plokštelių vaizdai buvo padaryti naudojant išmaniojo telefono kamerą. Vėžio DNR buvo matuojama išmaniuoju telefonu su mašininiu mokymusi, palyginti su spektroskopijos metodais.

Vėžio atranka iš tikrų kraujo mėginių

Norėdami išplėsti jutimo platformos naudingumą, tyrėjai panaudojo jutiklį, kuris sėkmingai atskyrė normalią ir vėžinę DNR tikruose kraujo mėginiuose. metilinimo modeliai CpG vietose epigenetiškai reguliuoja genų ekspresiją. Pastebėta, kad beveik visų vėžio tipų DNR metilinimo, taigi ir genų, skatinančių navikogenezę, ekspresijos pokyčiai kinta.

Kaip kitų vėžio formų, susijusių su DNR metilinimu, pavyzdį, mokslininkai naudojo leukemija sergančių pacientų kraujo mėginius ir sveiką kontrolę, kad ištirtų metilinimo kraštovaizdžio veiksmingumą diferencijuojant leukeminį vėžį. Šis metilinimo kraštovaizdžio biomarkeris ne tik pranoksta esamus greito leukemijos atrankos metodus, bet ir parodo, kad naudojant šį paprastą ir nesudėtingą tyrimą įmanoma išplėsti daugelio vėžio formų ankstyvą aptikimą.

Buvo ištirta 31 leukemija sergančio paciento ir 12 sveikų asmenų kraujo mėginių DNR. kaip parodyta 2a paveikslo langelyje, santykinė vėžio mėginių absorbcija (ΔA650/525) buvo mažesnė nei DNR iš normalių mėginių. tai daugiausia lėmė padidėjęs hidrofobiškumas, dėl kurio susidaro tanki vėžio DNR agregacija, kuri užkirto kelią cistų / AuNP agregacijai. Dėl to šios nanodalelės buvo visiškai išsklaidytos išoriniuose vėžio agregatų sluoksniuose, o tai lėmė skirtingą cistų / AuNP, adsorbuotų ant normalių ir vėžio DNR agregatų, dispersiją. Tada ROC kreivės buvo sukurtos keičiant slenkstį nuo minimalios ΔA650/525 vertės iki didžiausios.

2 pav.(a) Santykinės cistos/AuNP tirpalų absorbcijos vertės, rodančios normalios (mėlynos) ir vėžinės (raudonos) DNR buvimą optimizuotomis sąlygomis

(DA650/525) dėžių sklypų; b) ROC analizė ir diagnostinių testų įvertinimas. c) painiavos matrica, skirta diagnozuoti normalius ir vėžiu sergančius pacientus. d) Sukurto metodo jautrumas, specifiškumas, teigiama nuspėjamoji vertė (PPV), neigiama nuspėjamoji vertė (NPV) ir tikslumas.

Kaip parodyta 2b paveiksle, plotas po ROC kreive (AUC = 0,9274), gautas sukurtam jutikliui, parodė didelį jautrumą ir specifiškumą. Kaip matyti iš langelio diagramos, žemiausias taškas, vaizduojantis normalią DNR grupę, nėra gerai atskirtas nuo aukščiausio taško, vaizduojančio vėžio DNR grupę; todėl normalios ir vėžio grupės atskirti buvo naudojama logistinė regresija. Atsižvelgiant į nepriklausomų kintamųjų rinkinį, jis įvertina įvykio, pvz., vėžio ar normalios grupės, tikimybę. Priklausomas kintamasis svyruoja nuo 0 iki 1. Todėl rezultatas yra tikimybė. Vėžio identifikavimo tikimybę (P) nustatėme pagal ΔA650/525 taip.

kur b = 5,3533, w1 = -6,965. Klasifikuojant mėginius, mažesnė nei 0,5 tikimybė rodo normalų mėginį, o 0,5 ar didesnė tikimybė – vėžio mėginį. 2c paveiksle pavaizduota painiavos matrica, sukurta kryžminio patvirtinimo palikti jį atskirai, kuris buvo naudojamas klasifikavimo metodo stabilumui patvirtinti. 2d paveiksle apibendrinamas metodo diagnostinio testo įvertinimas, įskaitant jautrumą, specifiškumą, teigiamą nuspėjamąją vertę (PPV) ir neigiamą nuspėjamąją vertę (NPV).

Išmaniųjų telefonų biojutikliai

Siekdami dar labiau supaprastinti mėginių tyrimą nenaudojant spektrofotometrų, mokslininkai naudojo dirbtinį intelektą (AI), kad interpretuotų tirpalo spalvą ir atskirtų normalius ir vėžiu sergančius asmenis. Atsižvelgiant į tai, kompiuterinis matymas buvo naudojamas Cyst / AuNPs tirpalo spalvai paversti normalia DNR (violetinė) arba vėžine DNR (raudona), naudojant 96 šulinėlių plokštelių vaizdus, ​​paimtus per mobiliojo telefono kamerą. Dirbtinis intelektas gali sumažinti išlaidas ir pagerinti prieinamumą aiškinant nanodalelių sprendimų spalvas ir nenaudojant jokių optinės aparatinės įrangos išmaniųjų telefonų priedų. Galiausiai, sukurti modelius buvo išmokyti du mašininio mokymosi modeliai, įskaitant „Random Forest“ (RF) ir „Support Vector Machine“ (SVM). tiek RF, tiek SVM modeliai teisingai suskirstė mėginius į teigiamus ir neigiamus 90,0% tikslumu. Tai rodo, kad dirbtinio intelekto panaudojimas mobiliajame telefone pagrįstame biojutime yra visiškai įmanomas.

3 pav. (a) Tikslinė tirpalo klasė, įrašyta ruošiant mėginį vaizdo gavimo etapui. b) Pavyzdinis vaizdas, padarytas vaizdo gavimo etape. c ) Cistos / AuNP tirpalo spalvos intensyvumas kiekviename 96 šulinėlių plokštelės šulinyje, išskirtame iš vaizdo (b).

Naudodami Cyst / AuNP, mokslininkai sėkmingai sukūrė paprastą jutimo platformą, skirtą metilinimo kraštovaizdžiui aptikti, ir jutiklį, galintį atskirti normalią DNR nuo vėžio DNR, kai leukemijos patikrai naudojami tikri kraujo mėginiai. Sukurtas jutiklis parodė, kad DNR, išskirta iš tikrų kraujo mėginių, sugebėjo greitai ir ekonomiškai aptikti nedidelį vėžio DNR kiekį (3nM) leukemija sergantiems pacientams per 15 minučių ir parodė 95,3% tikslumą. Siekiant dar labiau supaprastinti mėginių tyrimus, pašalinant spektrofotometro poreikį, buvo naudojamas mašininis mokymasis tirpalo spalvai interpretuoti ir atskirti normalius ir vėžiu sergančius asmenis naudojant mobiliojo telefono nuotrauką, o tikslumas taip pat buvo 90,0%.

Nuoroda: DOI: 10.1039/d2ra05725e