Тестирање ДНК метилације у комбинацији са паметним телефонима за рани скрининг тумора и скрининг леукемије са тачношћу од 90,0%!

Рано откривање рака на основу течне биопсије је нови правац откривања и дијагнозе рака који је последњих година предложио амерички Национални институт за рак, са циљем откривања раног рака или чак преканцерозних лезија. Широко се користи као нови биомаркер за рану дијагнозу различитих малигнитета, укључујући рак плућа, гастроинтестиналне туморе, глиоме и гинеколошке туморе.

Појава платформи за идентификацију биомаркера пејзажа метилације (Метхилсцапе) има потенцијал да значајно побољша постојећи рани скрининг за рак, стављајући пацијенте у најранију фазу која се може лечити.

Недавно су истраживачи развили једноставну и директну платформу за детекцију пејзажа метилације засновану на наночестицама злата украшеним цистеамином (Цист/АуНП) у комбинацији са биосензором заснованим на паметном телефону који омогућава брзи рани скрининг широког спектра тумора. Рани скрининг на леукемију се може обавити у року од 15 минута након екстракције ДНК из узорка крви, са тачношћу од 90,0%. Наслов чланка је Брзо откривање ДНК рака у људској крви помоћу АуНП-ова прекривених цистеамином и паметног телефона са омогућеним машинским учењем.

Слика 1. Једноставна и брза платформа сенсинга за скрининг рака преко компоненти Цист/АуНПс може се постићи у два једноставна корака.

Ово је приказано на слици 1. Прво је коришћен водени раствор за растварање ДНК фрагмената. Циста/АуНП-ови су затим додати у мешани раствор. Нормална и малигна ДНК имају различита својства метилације, што резултира фрагментима ДНК са различитим обрасцима самосастављања. Нормална ДНК се лабаво агрегира и на крају агрегира Цист/АуНП-ове, што резултира црвено-помереном природом Цист/АуНП-а, тако да се промена боје од црвене до љубичасте може посматрати голим оком. Насупрот томе, јединствени профил метилације ДНК рака доводи до производње већих кластера ДНК фрагмената.

Слике плоча са 96 јажица снимљене су помоћу камере паметног телефона. ДНК рака је измерен паметним телефоном опремљеним машинским учењем у поређењу са методама заснованим на спектроскопији.

Скрининг рака у правим узорцима крви

Да би проширили корисност сензорске платформе, истраживачи су применили сензор који је успешно разликовао нормалну и канцерогену ДНК у стварним узорцима крви. обрасци метилације на ЦпГ местима епигенетски регулишу експресију гена. У скоро свим типовима рака примећено је да се мењају промене у метилацији ДНК, а тиме и у експресији гена који промовишу туморигенезу.

Као модел за друге карциноме повезане са метилацијом ДНК, истраживачи су користили узорке крви пацијената са леукемијом и здравих контрола како би истражили ефикасност пејзажа метилације у разликовању леукемијских карцинома. Овај биомаркер пејзажа метилације не само да надмашује постојеће методе брзог скрининга леукемије, већ такође показује изводљивост проширења на рано откривање широког спектра карцинома коришћењем овог једноставног и једноставног теста.

Анализирана је ДНК из узорака крви 31 оболелог од леукемије и 12 здравих особа. као што је приказано на дијаграму оквира на слици 2а, релативна апсорпција узорака рака (ΔА650/525) била је нижа од оне ДНК из нормалних узорака. ово је углавном било због повећане хидрофобности која је довела до густе агрегације ДНК рака, што је спречило агрегацију циста/АуНП. Као резултат тога, ове наночестице су биле потпуно дисперговане у спољним слојевима агрегата рака, што је резултирало различитом дисперзијом Цист/АуНП-ова адсорбованих на нормалним и ДНК агрегатима рака. РОЦ криве су затим генерисане варирањем прага од минималне вредности ΔА650/525 до максималне вредности.

Слика 2. (а) Релативне вредности апсорпције раствора цисте/АуНПс које показују присуство нормалне (плаве) и рака (црвене) ДНК у оптимизованим условима

(ДА650/525) кутијастих парцела; (б) РОЦ анализа и евалуација дијагностичких тестова. (ц) Матрица конфузије за дијагнозу нормалних пацијената и пацијената са раком. (д) Осетљивост, специфичност, позитивна предиктивна вредност (ППВ), негативна предиктивна вредност (НПВ) и тачност развијене методе.

Као што је приказано на слици 2б, површина испод РОЦ криве (АУЦ = 0,9274) добијена за развијени сензор показала је високу осетљивост и специфичност. Као што се може видети из оквира, најнижа тачка која представља нормалну ДНК групу није добро одвојена од највише тачке која представља ДНК групу рака; стога је коришћена логистичка регресија да се направи разлика између нормалне и групе рака. С обзиром на скуп независних варијабли, он процењује вероватноћу да се деси неки догађај, као што је рак или нормална група. Зависна променљива се креће између 0 и 1. Резултат је стога вероватноћа. Одредили смо вероватноћу идентификације рака (П) на основу ΔА650/525 на следећи начин.

где је б=5,3533,в1=-6,965. За класификацију узорака, вероватноћа мања од 0,5 указује на нормалан узорак, док вероватноћа од 0,5 или већа указује на узорак рака. Слика 2ц приказује матрицу конфузије генерисану унакрсном валидацијом оставите на миру, која је коришћена за валидацију стабилности методе класификације. Слика 2д сумира евалуацију дијагностичког теста методе, укључујући осетљивост, специфичност, позитивну предиктивну вредност (ППВ) и негативну предиктивну вредност (НПВ).

Биосензори засновани на паметном телефону

Да би додатно поједноставили тестирање узорака без употребе спектрофотометара, истраживачи су користили вештачку интелигенцију (АИ) да тумаче боју раствора и праве разлику између нормалних и канцерозних појединаца. С обзиром на ово, компјутерски вид је коришћен за превођење боје раствора Цист/АуНПс у нормалну ДНК (љубичасту) или ДНК канцера (црвена) коришћењем слика плоча са 96 јажица снимљених камером мобилног телефона. Вештачка интелигенција може да смањи трошкове и побољша приступачност у тумачењу боје решења наночестица, и без употребе било каквог оптичког хардверског прибора за паметне телефоне. Коначно, два модела машинског учења, укључујући Рандом Форест (РФ) и Суппорт Вецтор Мацхине (СВМ) су обучена да конструишу моделе. и РФ и СВМ модели су исправно класификовали узорке као позитивне и негативне са тачношћу од 90,0%. Ово сугерише да је употреба вештачке интелигенције у биосензивању заснованом на мобилним телефонима сасвим могућа.

Слика 3. (а) Циљна класа раствора снимљена током припреме узорка за корак аквизиције слике. (б) Пример слике снимљене током корака аквизиције слике. (ц) Интензитет боје раствора цисте/АуНПс у сваком бунарчићу плоче са 96 јажица екстрахованој са слике (б).

Користећи Цист/АуНПс, истраживачи су успешно развили једноставну платформу за детекцију пејзажа метилације и сензор који је способан да разликује нормалну ДНК од ДНК рака када се користе прави узорци крви за скрининг леукемије. Развијени сензор је показао да је ДНК екстрахован из правих узорака крви био у стању да брзо и економично открије мале количине ДНК рака (3нМ) код пацијената са леукемијом за 15 минута, и показао је тачност од 95,3%. Да би се додатно поједноставило тестирање узорка елиминисањем потребе за спектрофотометром, коришћено је машинско учење за тумачење боје раствора и разликовање између нормалних и канцерозних особа помоћу фотографије на мобилном телефону, а такође је могуће постићи тачност од 90,0%.

Референца: ДОИ: 10.1039/д2ра05725е