آزمایش متیلاسیون DNA همراه با تلفن های هوشمند برای غربالگری زودرس تومورها و غربالگری لوسمی با دقت 90.0 ٪!

تشخیص زودرس سرطان بر اساس بیوپسی مایع جهت جدیدی از تشخیص سرطان و تشخیص است که در سالهای اخیر توسط انستیتوی ملی سرطان ایالات متحده ارائه شده است ، با هدف تشخیص سرطان اولیه یا حتی ضایعات پیش سرطانی. این ماده به طور گسترده ای به عنوان یک نشانگر جدید برای تشخیص زودرس بدخیمی های مختلف از جمله سرطان ریه ، تومورهای دستگاه گوارش ، گلیوما و تومورهای زنان و زایمان مورد استفاده قرار گرفته است.

ظهور سیستم عامل ها برای شناسایی نشانگرهای زیستی منظره متیلاسیون (متیل منظره) این پتانسیل را دارد که به طور قابل توجهی غربالگری اولیه موجود برای سرطان را بهبود بخشد و بیماران را در اولین مرحله قابل درمان قرار دهد.

به تازگی ، محققان یک بستر سنجش ساده و مستقیم برای تشخیص چشم انداز متیلاسیون مبتنی بر نانوذرات طلای تزئین شده با سیستامین (Cyst/AUNPS) همراه با یک بیوسنسور مبتنی بر تلفن هوشمند ایجاد کرده اند که امکان غربالگری سریع زودرس طیف گسترده ای از تومورها را فراهم می کند. غربالگری اولیه برای لوسمی می تواند در مدت 15 دقیقه پس از استخراج DNA از یک نمونه خون ، با دقت 90.0 ٪ انجام شود. عنوان مقاله تشخیص سریع DNA سرطان در خون انسان با استفاده از AUNP های پوشیده از سیستامین و یک تلفن هوشمند دارای یادگیری ماشین است

شکل 1. یک سکوی سنجش ساده و سریع برای غربالگری سرطان از طریق اجزای Cyst/AuNPS در دو مرحله ساده انجام می شود.

این در شکل 1 نشان داده شده است. ابتدا از محلول آبی برای حل قطعات DNA استفاده شد. سپس کیست/AuNP ها به محلول مختلط اضافه شدند. DNA طبیعی و بدخیم دارای خواص متیلاسیون متفاوتی است ، در نتیجه قطعات DNA با الگوهای مختلف مونتاژ خود. سنگدانه های DNA نرمال به صورت شل و سرانجام کیست/AuNP ها را جمع می کنند ، که منجر به ماهیت قرمز تغییر یافته کیست/AuNPS می شود ، به طوری که با چشم غیر مسلح می توان تغییر رنگ از قرمز به بنفش مشاهده کرد. در مقابل ، مشخصات متیلاسیون منحصر به فرد DNA سرطان منجر به تولید خوشه های بزرگتر قطعات DNA می شود.

تصاویر صفحات 96 چاه با استفاده از دوربین تلفن هوشمند گرفته شده است. DNA سرطان توسط یک تلفن هوشمند مجهز به یادگیری ماشین در مقایسه با روش های مبتنی بر طیف سنجی اندازه گیری شد.

غربالگری سرطان در نمونه های خون واقعی

محققان برای گسترش کاربرد پلت فرم سنجش ، از سنسوری استفاده کردند که با موفقیت بین DNA طبیعی و سرطانی در نمونه های خون واقعی تمایز قائل شدند. الگوهای متیلاسیون در سایتهای CPG از نظر اپی ژنتیکی بیان ژن را تنظیم می کند. تقریباً در همه انواع سرطان ، تغییر در متیلاسیون DNA و در نتیجه در بیان ژنهایی که تومورژنز را ترویج می کنند ، به طور متناوب مشاهده شده است.

محققان به عنوان الگویی برای سایر سرطانهای مرتبط با متیلاسیون DNA ، از نمونه های خون از بیماران مبتلا به سرطان خون و کنترل سالم برای بررسی اثربخشی چشم انداز متیلاسیون در تمایز سرطانهای لکوئیک استفاده کردند. این نشانگرهای زیستی منظره متیلاسیون نه تنها از روشهای غربالگری سریع لوسمی موجود پیشی می گیرد ، بلکه امکان گسترش در تشخیص زودرس طیف گسترده ای از سرطان ها را با استفاده از این روش ساده و ساده نشان می دهد.

DNA از نمونه خون از 31 بیمار لوسمی و 12 فرد سالم مورد تجزیه و تحلیل قرار گرفت. همانطور که در طرح جعبه در شکل 2A نشان داده شده است ، میزان جذب نسبی نمونه های سرطان (ΔA650/525) از نمونه های طبیعی پایین تر از DNA بود. این امر عمدتاً به دلیل افزایش آبگریز افزایش یافته منجر به تجمع متراکم DNA سرطان ، که مانع از تجمع کیست/AuNP ها می شود. در نتیجه ، این نانوذرات به طور کامل در لایه های بیرونی سنگدانه های سرطان پراکنده شدند ، که منجر به پراکندگی متفاوت کیست/AuNPS جذب شده در سنگدانه های DNA طبیعی و سرطان شد. منحنی های ROC سپس با تغییر آستانه از حداقل مقدار ΔA650/525 به حداکثر مقدار تولید شدند.

شکل 2

(DA650/525) توطئه های جعبه ؛ (ب) تجزیه و تحلیل ROC و ارزیابی تست های تشخیصی. ج) ماتریس سردرگمی برای تشخیص بیماران طبیعی و سرطانی. (د) حساسیت ، ویژگی ، ارزش پیش بینی مثبت (PPV) ، ارزش پیش بینی منفی (NPV) و دقت روش توسعه یافته.

همانطور که در شکل 2B نشان داده شده است ، ناحیه زیر منحنی ROC (AUC = 0.9274) به دست آمده برای سنسور توسعه یافته حساسیت و ویژگی بالایی را نشان داد. همانطور که از طرح جعبه مشاهده می شود ، پایین ترین نقطه که نمایانگر گروه DNA طبیعی است به خوبی از بالاترین نقطه نمایانگر گروه DNA سرطان جدا نمی شود. بنابراین ، از رگرسیون لجستیک برای تمایز بین گروه های طبیعی و سرطان استفاده شد. با توجه به مجموعه ای از متغیرهای مستقل ، احتمال وقوع یک رویداد مانند سرطان یا گروه طبیعی را تخمین می زند. متغیر وابسته بین 0 تا 1 است. بنابراین نتیجه یک احتمال است. ما احتمال شناسایی سرطان (P) را بر اساس ΔA650/525 به شرح زیر تعیین کردیم.

جایی که B = 5.3533 ، W1 = -6.965. برای طبقه بندی نمونه ، احتمال کمتر از 0.5 یک نمونه طبیعی را نشان می دهد ، در حالی که احتمال 0.5 یا بالاتر نشانگر یک نمونه سرطان است. شکل 2C ماتریس سردرگمی حاصل از اعتبارسنجی متقابل مرخصی را نشان می دهد ، که برای اعتبارسنجی پایداری روش طبقه بندی استفاده شد. شکل 2D ارزیابی تست تشخیصی روش ، از جمله حساسیت ، ویژگی ، ارزش پیش بینی مثبت (PPV) و ارزش پیش بینی منفی (NPV) را خلاصه می کند.

حسگرهای مبتنی بر تلفن هوشمند

برای ساده تر کردن آزمایش نمونه بدون استفاده از اسپکتروفتومترها ، محققان از هوش مصنوعی (AI) برای تفسیر رنگ محلول و تمایز بین افراد عادی و سرطانی استفاده کردند. با توجه به این ، از دید رایانه ای برای ترجمه رنگ محلول کیست/AuNPS به DNA معمولی (بنفش) یا DNA سرطانی (قرمز) با استفاده از تصاویر صفحات 96 چاه گرفته شده از طریق دوربین تلفن همراه استفاده شد. هوش مصنوعی می تواند هزینه ها را کاهش داده و دسترسی را در تفسیر رنگ راه حل های نانوذرات و بدون استفاده از لوازم جانبی تلفن هوشمند سخت افزار نوری بهبود بخشد. سرانجام ، دو مدل یادگیری ماشین ، از جمله جنگل تصادفی (RF) و دستگاه بردار پشتیبانی (SVM) برای ساخت مدل ها آموزش داده شدند. هر دو مدل RF و SVM به طور صحیح نمونه ها را با دقت 90.0 ٪ مثبت و منفی طبقه بندی کردند. این نشان می دهد که استفاده از هوش مصنوعی در زیست سنجش مبتنی بر تلفن همراه کاملاً امکان پذیر است.

شکل 3. (الف) کلاس هدف از محلول ثبت شده در طول تهیه نمونه برای مرحله دستیابی به تصویر. (ب) تصویر مثال گرفته شده در مرحله دستیابی به تصویر. (ج) شدت رنگ محلول کیست/AuNPS در هر چاه از صفحه 96 چاه استخراج شده از تصویر (b).

محققان با استفاده از کیست/AuNPS ، یک بستر سنجش ساده برای تشخیص چشم انداز متیلاسیون و یک سنسور که قادر به تمایز DNA طبیعی از DNA سرطان در هنگام استفاده از نمونه های خون واقعی برای غربالگری لوسمی است ، ایجاد کرده اند. سنسور توسعه یافته نشان داد که DNA استخراج شده از نمونه های خون واقعی قادر به به سرعت و مقادیر مقادیر کمی از DNA سرطان (3 نانومتر) در بیماران لوسمی در 15 دقیقه است و دقت 95.3 ٪ را نشان می دهد. برای ساده تر کردن آزمایش نمونه با از بین بردن نیاز به طیف سنجی ، از یادگیری ماشین برای تفسیر رنگ محلول و تمایز بین افراد عادی و سرطانی با استفاده از یک عکس تلفن همراه استفاده شد و دقت نیز قادر به دستیابی به 90.0 ٪ بود.

مرجع: doi: 10.1039/d2ra05725e