Tes metilasi DNA digabungake karo smartphone kanggo screening awal tumor lan screening leukemia kanthi akurasi 90,0%!

Deteksi awal kanker adhedhasar biopsi cair minangka arah anyar kanggo deteksi lan diagnosis kanker sing diusulake dening Institut Kanker Nasional AS ing taun-taun pungkasan, kanthi tujuan kanggo ndeteksi kanker awal utawa malah lesi prakanker. Wis akeh digunakake minangka biomarker novel kanggo diagnosis awal macem-macem malignancies, kalebu kanker paru-paru, tumor gastrointestinal, glioma lan tumor ginekologi.

Muncule platform kanggo ngenali biomarker lanskap metilasi (Methylscape) duweni potensi kanggo ningkatake skrining awal kanker kanthi signifikan, ndadekake pasien ing tahap paling awal sing bisa diobati.

Bubar, peneliti wis ngembangake platform sensing sing prasaja lan langsung kanggo deteksi lanskap metilasi adhedhasar nanopartikel emas sing dihias cysteamine (Cyst / AuNPs) sing digabungake karo biosensor berbasis smartphone sing ngidini screening awal kanthi cepet saka macem-macem tumor. Skrining awal kanggo leukemia bisa ditindakake sajrone 15 menit sawise ekstraksi DNA saka sampel getih, kanthi akurasi 90,0%. Judhul artikel yaiku Deteksi cepet DNA kanker ing getih manungsa nggunakake AuNPs sing ditutupi cysteamine lan smartphone sing bisa sinau mesin.

Gambar 1. Platform sensing prasaja lan cepet kanggo screening kanker liwat komponen Cyst / AuNPs bisa ditindakake kanthi rong langkah prasaja.

Iki dituduhake ing Gambar 1. Kaping pisanan, solusi banyu digunakake kanggo mbubarake pecahan DNA. Cyst / AuNPs banjur ditambahake menyang solusi campuran. DNA normal lan ganas nduweni sifat metilasi sing beda-beda, sing nyebabake pecahan DNA kanthi pola perakitan dhewe sing beda. DNA normal aggregates longgar lan pungkasanipun aggregates Cyst / AuNPs, kang njalari sifat abang-shifted saka Cyst / AuNPs, supaya owah-owahan ing werna saka abang kanggo ungu bisa diamati kanthi mripat wuda. Ing kontras, profil methylation unik DNA kanker ndadékaké kanggo produksi kluster luwih gedhe saka fragmen DNA.

Gambar saka piring 96 sumur dijupuk nggunakake kamera smartphone. DNA kanker diukur nganggo smartphone sing dilengkapi pembelajaran mesin dibandhingake karo metode berbasis spektroskopi.

Screening kanker ing sampel getih nyata

Kanggo ngluwihi utilitas platform sensing, para peneliti nggunakake sensor sing kasil mbedakake antara DNA normal lan kanker ing conto getih nyata. pola metilasi ing situs CpG kanthi epigenetik ngatur ekspresi gen. Ing meh kabeh jinis kanker, owah-owahan ing metilasi DNA lan kanthi mangkono ing ekspresi gen sing ningkatake tumourigenesis wis diamati kanthi sulih.

Minangka model kanggo kanker liyane sing ana gandhengane karo metilasi DNA, peneliti nggunakake conto getih saka pasien leukemia lan kontrol sehat kanggo neliti efektifitas lanskap metilasi ing mbedakake kanker leukemia. Biomarker lanskap metilasi iki ora mung ngungguli metode skrining leukemia kanthi cepet, nanging uga nduduhake kemungkinan ngembangake deteksi dini saka macem-macem kanker kanthi nggunakake tes sing prasaja lan langsung iki.

DNA saka sampel getih saka 31 pasien leukemia lan 12 wong sing sehat dianalisis. minangka ditampilake ing plot kothak ing Figure 2a, absorbance relatif saka sampel kanker (ΔA650/525) luwih murah tinimbang DNA saka conto normal. iki utamané amarga hydrophobicity meningkat anjog kanggo nglumpukake kandhel saka DNA kanker, kang nyegah agregasi saka Cyst / AuNPs. Akibaté, nanopartikel iki rampung kasebar ing lapisan njaba agregat kanker, sing nyebabake panyebaran Cyst / AuNPs sing beda ing agregat DNA normal lan kanker. Kurva ROC banjur digawe kanthi ngowahi ambang saka nilai minimal ΔA650/525 nganti nilai maksimal.

Gambar 2. (a) Nilai absorbansi relatif saka solusi kista / AuNPs sing nuduhake anané DNA normal (biru) lan kanker (abang) ing kondisi optimal.

(DA650/525) saka plot kothak; (b) analisis ROC lan evaluasi tes diagnostik. (c) Matriks kebingungan kanggo diagnosa pasien normal lan kanker. (d) Sensitivitas, spesifisitas, nilai prediktif positif (PPV), nilai prediksi negatif (NPV) lan akurasi metode sing dikembangake.

Minangka ditampilake ing Figure 2b, wilayah ing kurva ROC (AUC = 0,9274) dijupuk kanggo sensor dikembangaké nuduhake sensitivitas dhuwur lan specificity. Minangka bisa dideleng saka plot kothak, titik paling ngisor sing makili klompok DNA normal ora dipisahake kanthi apik saka titik paling dhuwur sing makili klompok DNA kanker; mulane, regresi logistik digunakake kanggo mbedakake antarane klompok normal lan kanker. Diwenehi sakumpulan variabel bebas, prakiraan kemungkinan kedadeyan, kayata kanker utawa klompok normal. Variabel gumantung kisaran antarane 0 lan 1. Mulane asil kemungkinan. Kita nemtokake kemungkinan identifikasi kanker (P) adhedhasar ΔA650/525 kaya ing ngisor iki.

ngendi b = 5,3533, w1 = -6,965. Kanggo klasifikasi sampel, probabilitas kurang saka 0,5 nuduhake sampel normal, dene kemungkinan 0,5 utawa luwih nuduhake sampel kanker. Gambar 2c nggambarake matriks kebingungan sing diasilake saka validasi silang ninggalake, sing digunakake kanggo validasi stabilitas metode klasifikasi. Gambar 2d ngringkes evaluasi tes diagnostik saka metode kasebut, kalebu sensitivitas, spesifisitas, nilai prediktif positif (PPV) lan nilai prediktif negatif (NPV).

Biosensor adhedhasar smartphone

Kanggo luwih nyederhanakake tes sampel tanpa nggunakake spektrofotometer, peneliti nggunakake intelijen buatan (AI) kanggo napsirake warna solusi lan mbedakake antarane wong normal lan kanker. Amarga iki, visi komputer digunakake kanggo nerjemahake warna solusi Cyst / AuNPs menyang DNA normal (ungu) utawa DNA kanker (abang) nggunakake gambar saka piring 96 sumur sing dijupuk liwat kamera ponsel. Intelijen buatan bisa nyuda biaya lan nambah aksesibilitas ing interpretasi warna solusi nanopartikel, lan tanpa nggunakake aksesoris smartphone hardware optik. Pungkasan, rong model machine learning, kalebu Random Forest (RF) lan Support Vector Machine (SVM) dilatih kanggo mbangun model kasebut. model RF lan SVM kanthi bener nggolongake sampel minangka positif lan negatif kanthi akurasi 90,0%. Iki nuduhake yen panggunaan intelijen buatan ing biosensing adhedhasar ponsel cukup bisa ditindakake.

Gambar 3. (a) Kelas target solusi sing direkam sajrone nyiapake sampel kanggo langkah akuisisi gambar. (b) Tuladha gambar ingkang dipunpendhet nalika langkah angsal gambar. (c) Intensitas warna larutan kista / AuNPs ing saben sumur saka piring 96 sumur sing diekstrak saka gambar (b).

Nggunakake Cyst / AuNPs, peneliti wis sukses ngembangake platform sensing prasaja kanggo deteksi lanskap metilasi lan sensor sing bisa mbedakake DNA normal saka DNA kanker nalika nggunakake sampel getih nyata kanggo screening leukemia. Sensor sing dikembangake nuduhake yen DNA sing diekstrak saka conto getih nyata bisa ndeteksi kanthi cepet lan biaya-efektif kanggo ndeteksi jumlah cilik DNA kanker (3nM) ing pasien leukemia sajrone 15 menit, lan nuduhake akurasi 95,3%. Kanggo luwih nyederhanakake tes sampel kanthi ngilangi kabutuhan spektrofotometer, sinau mesin digunakake kanggo napsirake warna solusi lan mbedakake antarane wong normal lan kanker nggunakake foto ponsel, lan akurasi uga bisa digayuh ing 90,0%.

Referensi: DOI: 10.1039/d2ra05725e