تشخیص زودهنگام سرطان بر اساس بیوپسی مایع، جهتگیری جدیدی در تشخیص و شناسایی سرطان است که در سالهای اخیر توسط موسسه ملی سرطان ایالات متحده با هدف تشخیص زودهنگام سرطان یا حتی ضایعات پیشسرطانی ارائه شده است. این روش به طور گسترده به عنوان یک نشانگر زیستی جدید برای تشخیص زودهنگام انواع بدخیمیها، از جمله سرطان ریه، تومورهای دستگاه گوارش، گلیوما و تومورهای زنان مورد استفاده قرار گرفته است.
ظهور پلتفرمهایی برای شناسایی نشانگرهای زیستی متیلاسیون (Methylscape) این پتانسیل را دارد که غربالگری اولیه سرطان را به طور قابل توجهی بهبود بخشد و بیماران را در اولین مرحله قابل درمان قرار دهد.
اخیراً، محققان یک پلتفرم حسگر ساده و مستقیم برای تشخیص چشمانداز متیلاسیون بر اساس نانوذرات طلای تزئینشده با سیستامین (Cyst/AuNPs) همراه با یک حسگر زیستی مبتنی بر تلفن هوشمند توسعه دادهاند که امکان غربالگری سریع و زودهنگام طیف وسیعی از تومورها را فراهم میکند. غربالگری اولیه برای لوسمی میتواند ظرف 15 دقیقه پس از استخراج DNA از نمونه خون، با دقت 90.0٪ انجام شود. عنوان مقاله: تشخیص سریع DNA سرطانی در خون انسان با استفاده از AuNPهای پوشش داده شده با سیستامین و یک تلفن هوشمند مجهز به یادگیری ماشین.
شکل 1. یک پلتفرم حسگر ساده و سریع برای غربالگری سرطان از طریق اجزای کیست/نانوذرات طلا میتواند در دو مرحله ساده انجام شود.
این در شکل 1 نشان داده شده است. ابتدا، از یک محلول آبی برای حل کردن قطعات DNA استفاده شد. سپس کیست/نانوذرات طلا به محلول مخلوط اضافه شدند. DNA طبیعی و بدخیم خواص متیلاسیون متفاوتی دارند که منجر به قطعات DNA با الگوهای خودآرایی متفاوت میشود. DNA طبیعی به صورت شل تجمع مییابد و در نهایت کیست/نانوذرات طلا را به هم متصل میکند که منجر به ماهیت قرمز-شیفت یافته کیست/نانوذرات طلا میشود، به طوری که تغییر رنگ از قرمز به بنفش را میتوان با چشم غیرمسلح مشاهده کرد. در مقابل، مشخصات متیلاسیون منحصر به فرد DNA سرطانی منجر به تولید خوشههای بزرگتری از قطعات DNA میشود.
تصاویر صفحات ۹۶ چاهکی با استفاده از دوربین گوشی هوشمند گرفته شد. DNA سرطان توسط یک گوشی هوشمند مجهز به یادگیری ماشین در مقایسه با روشهای مبتنی بر طیفسنجی اندازهگیری شد.
غربالگری سرطان در نمونههای خون واقعی
برای گسترش کاربرد پلتفرم حسگر، محققان از حسگری استفاده کردند که با موفقیت بین DNA طبیعی و سرطانی در نمونههای خون واقعی تمایز قائل شد. الگوهای متیلاسیون در جایگاههای CpG به صورت اپیژنتیکی بیان ژن را تنظیم میکنند. تقریباً در همه انواع سرطان، تغییرات در متیلاسیون DNA و در نتیجه در بیان ژنهایی که تومورزایی را تقویت میکنند، به طور متناوب مشاهده شده است.
به عنوان مدلی برای سایر سرطانهای مرتبط با متیلاسیون DNA، محققان از نمونههای خون بیماران مبتلا به لوسمی و افراد سالم برای بررسی اثربخشی چشمانداز متیلاسیون در تمایز سرطانهای لوسمی استفاده کردند. این نشانگر زیستی چشمانداز متیلاسیون نه تنها از روشهای غربالگری سریع لوسمی موجود بهتر عمل میکند، بلکه امکان گسترش به تشخیص زودهنگام طیف وسیعی از سرطانها را با استفاده از این سنجش ساده و سرراست نشان میدهد.
DNA از نمونههای خون ۳۱ بیمار مبتلا به سرطان خون و ۱۲ فرد سالم مورد تجزیه و تحلیل قرار گرفت. همانطور که در نمودار جعبهای شکل ۲a نشان داده شده است، جذب نسبی نمونههای سرطانی (ΔA650/525) کمتر از DNA نمونههای طبیعی بود. این امر عمدتاً به دلیل افزایش آبگریزی منجر به تجمع متراکم DNA سرطانی شد که از تجمع Cyst/AuNPs جلوگیری کرد. در نتیجه، این نانوذرات به طور کامل در لایههای بیرونی تجمعات سرطانی پراکنده شدند که منجر به پراکندگی متفاوت Cyst/AuNPs جذب شده روی تجمعات DNA طبیعی و سرطانی شد. سپس منحنیهای ROC با تغییر آستانه از حداقل مقدار ΔA650/525 تا حداکثر مقدار تولید شدند.
شکل 2. (الف) مقادیر جذب نسبی محلولهای کیست/AuNPs که وجود DNA طبیعی (آبی) و سرطانی (قرمز) را در شرایط بهینه نشان میدهد
(DA650/525) نمودارهای جعبهای؛ (ب) تحلیل ROC و ارزیابی آزمایشهای تشخیصی. (ج) ماتریس درهمریختگی برای تشخیص بیماران عادی و سرطانی. (د) حساسیت، ویژگی، ارزش پیشبینی مثبت (PPV)، ارزش پیشبینی منفی (NPV) و دقت روش توسعهیافته.
همانطور که در شکل 2b نشان داده شده است، سطح زیر منحنی ROC (AUC = 0.9274) که برای حسگر توسعهیافته به دست آمده است، حساسیت و ویژگی بالایی را نشان میدهد. همانطور که از نمودار جعبهای مشاهده میشود، پایینترین نقطه نشان دهنده گروه DNA طبیعی به خوبی از بالاترین نقطه نشان دهنده گروه DNA سرطانی جدا نشده است. بنابراین، از رگرسیون لجستیک برای تمایز بین گروههای طبیعی و سرطانی استفاده شد. با توجه به مجموعهای از متغیرهای مستقل، این رگرسیون احتمال وقوع یک رویداد، مانند گروه سرطانی یا طبیعی را تخمین میزند. متغیر وابسته بین 0 و 1 متغیر است. بنابراین نتیجه یک احتمال است. ما احتمال شناسایی سرطان (P) را بر اساس ΔA650/525 به شرح زیر تعیین کردیم.
که در آن b=5.3533,w1=-6.965 است. برای طبقهبندی نمونه، احتمال کمتر از 0.5 نشاندهنده یک نمونه نرمال است، در حالی که احتمال 0.5 یا بالاتر نشاندهنده یک نمونه سرطانی است. شکل 2c ماتریس سردرگمی تولید شده از اعتبارسنجی متقاطع بدون تغییر را نشان میدهد که برای اعتبارسنجی پایداری روش طبقهبندی استفاده شده است. شکل 2d ارزیابی تست تشخیصی این روش، از جمله حساسیت، ویژگی، ارزش پیشبینی مثبت (PPV) و ارزش پیشبینی منفی (NPV) را خلاصه میکند.
حسگرهای زیستی مبتنی بر تلفن هوشمند
برای سادهسازی بیشتر آزمایش نمونه بدون استفاده از اسپکتروفتومتر، محققان از هوش مصنوعی (AI) برای تفسیر رنگ محلول و تمایز بین افراد سالم و سرطانی استفاده کردند. با توجه به این موضوع، از بینایی کامپیوتر برای تبدیل رنگ محلول Cyst/AuNPs به DNA سالم (بنفش) یا DNA سرطانی (قرمز) با استفاده از تصاویر صفحات 96 چاهکی گرفته شده از طریق دوربین تلفن همراه استفاده شد. هوش مصنوعی میتواند هزینهها را کاهش داده و دسترسی به تفسیر رنگ محلولهای نانوذرات را بدون استفاده از هیچ گونه لوازم جانبی سختافزار نوری گوشیهای هوشمند بهبود بخشد. در نهایت، دو مدل یادگیری ماشین، شامل جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) برای ساخت مدلها آموزش داده شدند. هر دو مدل RF و SVM به درستی نمونهها را با دقت 90.0٪ به عنوان مثبت و منفی طبقهبندی کردند. این نشان میدهد که استفاده از هوش مصنوعی در حسگرهای زیستی مبتنی بر تلفن همراه کاملاً امکانپذیر است.
شکل 3. (الف) کلاس هدف محلول ثبت شده در طول آمادهسازی نمونه برای مرحله تصویربرداری. (ب) تصویر نمونه گرفته شده در طول مرحله تصویربرداری. (ج) شدت رنگ محلول کیست/نانوذرات طلا در هر چاهک از پلیت 96 چاهکی استخراج شده از تصویر (ب).
محققان با استفاده از Cyst/AuNPs با موفقیت یک پلتفرم حسگر ساده برای تشخیص متیلاسیون و یک حسگر که قادر به تشخیص DNA طبیعی از DNA سرطانی هنگام استفاده از نمونههای خون واقعی برای غربالگری سرطان خون است، توسعه دادهاند. حسگر توسعهیافته نشان داد که DNA استخراجشده از نمونههای خون واقعی قادر به تشخیص سریع و مقرونبهصرفه مقادیر کمی از DNA سرطانی (3 نانومولار) در بیماران سرطان خون در 15 دقیقه است و دقت 95.3٪ را نشان میدهد. برای سادهسازی بیشتر آزمایش نمونه با حذف نیاز به اسپکتروفتومتر، از یادگیری ماشینی برای تفسیر رنگ محلول و تمایز بین افراد طبیعی و سرطانی با استفاده از عکس تلفن همراه استفاده شد و دقت نیز به 90.0٪ رسید.
مرجع: DOI: 10.1039/d2ra05725e
زمان ارسال: ۱۸ فوریه ۲۰۲۳
中文网站




