Ісіктерді ерте скринингтеу және лейкемияны скринингтеу үшін 90,0% дәлдікпен ДНҚ метилдену сынағы смартфондармен біріктірілген!

Сұйық биопсияға негізделген қатерлі ісікті ерте анықтау - АҚШ Ұлттық онкологиялық институты соңғы жылдары ұсынған қатерлі ісікті анықтау мен диагностикалаудың жаңа бағыты, оның мақсаты қатерлі ісікті ерте анықтау немесе тіпті қатерлі ісікке дейінгі зақымдануларды анықтау болып табылады. Ол өкпе рагы, асқазан-ішек жолдарының ісіктері, глиома және гинекологиялық ісіктерді қоса алғанда, әртүрлі қатерлі ісіктерді ерте диагностикалау үшін жаңа биомаркер ретінде кеңінен қолданылып келеді.

Метилдену ландшафтының (Methylscape) биомаркерлерін анықтауға арналған платформалардың пайда болуы қатерлі ісікке ерте скрининг жүргізуді айтарлықтай жақсартуға, пациенттерді емдеудің ең ерте кезеңіне қоюға мүмкіндік береді.

Жақында зерттеушілер цистеаминмен безендірілген алтын нанобөлшектеріне (Cyst/AuNPs) негізделген метилдену ландшафтын анықтауға арналған қарапайым және тікелей сенсорлық платформаны смартфонға негізделген биосенсормен біріктіріп жасады, бұл ісіктердің кең ауқымын тез ерте скринингтеуге мүмкіндік береді. Лейкемияны ерте скринингтеу қан үлгісінен ДНҚ алынғаннан кейін 15 минут ішінде 90,0% дәлдікпен жүргізілуі мүмкін. Мақаланың тақырыбы - Цистеаминмен қапталған AuNPs және машиналық оқытуға мүмкіндік беретін смартфонды пайдаланып адам қанындағы қатерлі ісік ДНҚ-сын жылдам анықтау.

1-сурет. Cyst/AuNPs компоненттері арқылы қатерлі ісік скринингіне арналған қарапайым және жылдам сенсорлық платформаны екі қарапайым қадаммен жасауға болады.

Бұл 1-суретте көрсетілген. Алдымен ДНҚ фрагменттерін еріту үшін сулы ерітінді қолданылды. Содан кейін аралас ерітіндіге киста/AuNP қосылды. Қалыпты және қатерлі ДНҚ әртүрлі метилдену қасиеттеріне ие, нәтижесінде өздігінен жиналу үлгілері әртүрлі ДНҚ фрагменттері пайда болады. Қалыпты ДНҚ бос агрегацияланады және ақырында киста/AuNP агрегацияланады, бұл киста/AuNP қызылға ығысу сипатына әкеледі, сондықтан түстің қызылдан күлгінге өзгеруін жалаңаш көзбен байқауға болады. Керісінше, қатерлі ісік ДНҚ-сының ерекше метилдену профилі ДНҚ фрагменттерінің үлкен кластерлерінің пайда болуына әкеледі.

96 ұяшықты пластиналардың суреттері смартфон камерасын пайдаланып түсірілді. Қатерлі ісік ДНҚ-сы спектроскопияға негізделген әдістермен салыстырғанда машиналық оқытумен жабдықталған смартфон арқылы өлшенді.

Нақты қан үлгілеріндегі қатерлі ісік скринингі

Сенсорлық платформаның пайдалылығын кеңейту үшін зерттеушілер нақты қан үлгілеріндегі қалыпты және қатерлі ісік ДНҚ-ны сәтті ажырататын сенсорды қолданды. CpG учаскелеріндегі метилдену үлгілері ген экспрессиясын эпигенетикалық түрде реттейді. Ісік түрлерінің барлығында дерлік ДНҚ метилденуіндегі және осылайша ісіктің пайда болуына ықпал ететін гендердің экспрессиясындағы өзгерістер кезектесіп отыратыны байқалды.

ДНҚ метилденуімен байланысты басқа қатерлі ісіктерге үлгі ретінде зерттеушілер лейкемиямен ауыратын науқастар мен сау бақылау тобынан алынған қан үлгілерін пайдаланып, метилдену ландшафтының лейкемиялық қатерлі ісіктерді саралаудағы тиімділігін зерттеді. Бұл метилдену ландшафтының биомаркері лейкемияны скринингтеудің қолданыстағы жедел әдістерінен асып түсіп қана қоймай, сонымен қатар осы қарапайым және түсінікті талдауды қолдана отырып, қатерлі ісіктердің кең ауқымын ерте анықтауға мүмкіндік беретінін көрсетеді.

31 лейкемиямен ауыратын науқас пен 12 сау адамның қан үлгілерінен алынған ДНҚ талданды. 2a-суреттегі қорапша диаграммасында көрсетілгендей, қатерлі ісік үлгілерінің салыстырмалы сіңірілуі (ΔA650/525) қалыпты үлгілердегі ДНҚ-ға қарағанда төмен болды. Бұл негізінен қатерлі ісік ДНҚ-сының тығыз агрегациясына әкелетін гидрофобтылықтың жоғарылауына байланысты болды, бұл киста/AuNP агрегациясының алдын алды. Нәтижесінде, бұл нанобөлшектер қатерлі ісік агрегаттарының сыртқы қабаттарында толығымен шашыраңқы болды, бұл қалыпты және қатерлі ісік ДНҚ агрегаттарында адсорбцияланған киста/AuNP-лардың әртүрлі дисперсиясына әкелді. Содан кейін ROC қисықтары шекті ΔA650/525 минималды мәнінен максималды мәнге дейін өзгерту арқылы жасалды.

2-сурет.(a) Оңтайландырылған жағдайларда қалыпты (көк) және қатерлі ісік (қызыл) ДНҚ-ның болуын көрсететін киста/AuNP ерітінділерінің салыстырмалы сіңіру мәндері

(DA650/525) қорап диаграммалары; (b) ROC талдауы және диагностикалық тесттерді бағалау. (c) Қалыпты және қатерлі ісікпен ауыратын науқастарды диагностикалауға арналған шатасу матрицасы. (d) Әзірленген әдістің сезімталдығы, ерекшелігі, оң болжамдық мәні (PPV), теріс болжамдық мәні (NPV) және дәлдігі.

2b-суретте көрсетілгендей, әзірленген сенсор үшін алынған ROC қисығының астындағы аудан (AUC = 0,9274) жоғары сезімталдық пен ерекшелікті көрсетті. Қораптық диаграммадан көрініп тұрғандай, қалыпты ДНҚ тобын білдіретін ең төменгі нүкте қатерлі ісік ДНҚ тобын білдіретін ең жоғары нүктеден жақсы ажыратылмаған; сондықтан қалыпты және қатерлі ісік топтарын ажырату үшін логистикалық регрессия қолданылды. Тәуелсіз айнымалылар жиынтығы берілгенде, ол қатерлі ісік немесе қалыпты топ сияқты оқиғаның болу ықтималдығын бағалайды. Тәуелді айнымалы 0 мен 1 аралығында болады. Сондықтан нәтиже ықтималдық болып табылады. Біз қатерлі ісіктің анықталу ықтималдығын (P) ΔA650/525 негізінде келесідей анықтадық.

мұндағы b=5.3533,w1=-6.965. Үлгіні жіктеу үшін 0,5-тен аз ықтималдық қалыпты үлгіні, ал 0,5 немесе одан жоғары ықтималдық қатерлі ісік үлгісін көрсетеді. 2c-суретте жіктеу әдісінің тұрақтылығын тексеру үшін пайдаланылған, бірақ өздігінен жүретін айқаспалы валидациядан туындаған шатасу матрицасы көрсетілген. 2d-суретте сезімталдықты, ерекшелікті, оң болжамдық мәнді (PPV) және теріс болжамдық мәнді (NPV) қоса алғанда, әдістің диагностикалық тест бағалауы қорытындыланған.

Смартфонға негізделген биосенсорлар

Спектрофотометрлерді пайдаланбай үлгіні сынауды одан әрі жеңілдету үшін зерттеушілер ерітіндінің түсін түсіндіру және қалыпты және қатерлі ісікке шалдыққан адамдарды ажырату үшін жасанды интеллект (ЖИ) пайдаланды. Осыны ескере отырып, ұялы телефон камерасы арқылы түсірілген 96 ұяшықты пластиналардың суреттерін пайдаланып, Cyst/AuNPs ерітіндісінің түсін қалыпты ДНҚ-ға (күлгін) немесе қатерлі ісікке шалдыққан ДНҚ-ға (қызыл) аудару үшін компьютерлік көру қолданылды. Жасанды интеллект нанобөлшек ерітінділерінің түсін түсіндіруде шығындарды азайтып, қолжетімділікті жақсарта алады және смартфонның оптикалық аппараттық аксессуарларын пайдаланбай. Соңында, Random Forest (RF) және Support Vector Machine (SVM) сияқты екі машиналық оқыту моделі модельдерді құруға үйретілді. RF және SVM модельдерінің екеуі де үлгілерді 90,0% дәлдікпен оң және теріс деп дұрыс жіктеді. Бұл ұялы телефонға негізделген биосенсорлауда жасанды интеллектті қолдану өте мүмкін екенін көрсетеді.

3-сурет.(a) Кескінді алу кезеңіне үлгіні дайындау кезінде жазылған ерітіндінің нысана класы. (b) Кескінді алу кезеңі кезінде түсірілген мысал кескіні. (c) Кескіннен алынған 96 ұяшықты пластинаның әрбір ұяшығындағы циста/AuNPs ерітіндісінің түс қарқындылығы (b).

Cyst/AuNP-терді қолдана отырып, зерттеушілер метилдену ландшафтын анықтауға арналған қарапайым сенсорлық платформаны және лейкемияны скринингтеу үшін нақты қан үлгілерін пайдаланған кезде қалыпты ДНҚ-ны қатерлі ісік ДНҚ-сынан ажырата алатын сенсорды сәтті әзірледі. Әзірленген сенсор нақты қан үлгілерінен алынған ДНҚ лейкемиямен ауыратын науқастарда 15 минут ішінде аз мөлшерде қатерлі ісік ДНҚ-сын (3 нМ) тез және үнемді түрде анықтай алатынын және 95,3% дәлдік көрсеткенін көрсетті. Спектрофотометрге қажеттілікті жою арқылы үлгіні тексеруді одан әрі жеңілдету үшін ерітіндінің түсін түсіндіру және ұялы телефонның фотосуретін пайдаланып қалыпты және қатерлі ісікке шалдыққан адамдарды ажырату үшін машиналық оқыту қолданылды, ал дәлдікке 90,0% жетуге мүмкіндік туды.

Сілтеме: DOI: 10.1039/d2ra05725e