DNA-metylaatiotestaus yhdistettynä älypuhelimiin kasvainten varhaiseen seulontaan ja leukemian seulontaan 90,0 %:n tarkkuudella!

Nestemäisen biopsian avulla tehtävä syövän varhainen havaitseminen on Yhdysvaltain kansallisen syöpäinstituutin viime vuosina ehdottama uusi syövän havaitsemisen ja diagnostiikan suunta, jonka tavoitteena on havaita varhainen syöpä tai jopa syöpää edeltävät leesiot. Sitä on käytetty laajalti uutena biomarkkerina erilaisten pahanlaatuisten kasvainten, kuten keuhkosyövän, ruoansulatuskanavan kasvainten, glioomien ja gynekologisten kasvainten, varhaiseen diagnosointiin.

Metylaatiomaiseman biomarkkereiden tunnistamiseen tarkoitettujen alustojen (Methylscape) ilmaantuminen voi parantaa merkittävästi olemassa olevaa syövän varhaista seulontaa ja asettaa potilaat varhaisimpaan hoidettavaan vaiheeseen.

Tutkijat ovat äskettäin kehittäneet yksinkertaisen ja suoran tunnistuksen metylaatiomaiseman havaitsemiseen tarkoitetun alustan, joka perustuu kysteamiinilla koristeltuihin kulta-nanopartikkeleihin (Cyst/AuNP:t) yhdistettynä älypuhelinpohjaiseen biosensoriin, joka mahdollistaa monenlaisten kasvainten nopean ja varhaisen seulonnan. Leukemian varhainen seulonta voidaan suorittaa 15 minuutin kuluessa DNA:n uuttamisesta verinäytteestä 90,0 %:n tarkkuudella. Artikkelin otsikko on "Syöpä-DNA:n nopea havaitseminen ihmisveressä käyttämällä kysteamiinilla koristeltuja AuNP:itä ja koneoppimiseen perustuvaa älypuhelinta".

Kuva 1. Yksinkertainen ja nopea kysta-/aunan nanopartikkelikomponenttien avulla tehtävän syövän seulontaan tarkoitetun anturialustan luominen voidaan toteuttaa kahdessa yksinkertaisessa vaiheessa.

Tämä on esitetty kuvassa 1. Ensin DNA-fragmentit liuotettiin vesiliuokseen. Sitten kystat/AuNP:t lisättiin sekoitettuun liuokseen. Normaalilla ja pahanlaatuisella DNA:lla on erilaiset metylaatio-ominaisuudet, mikä johtaa DNA-fragmenttien erilaisiin itsejärjestäytymismalleihin. Normaali DNA aggregoituu löyhästi ja lopulta aggregoi kystat/AuNP:itä, mikä johtaa kystan/AuNP:iden punasiirtymään, niin että värin muutos punaisesta violettiin voidaan havaita paljaalla silmällä. Sitä vastoin syöpä-DNA:n ainutlaatuinen metylaatioprofiili johtaa suurempien DNA-fragmenttien klustereiden tuotantoon.

96-kuoppalevyjen kuvat otettiin älypuhelimen kameralla. Syöpä-DNA:ta mitattiin koneoppimisella varustetulla älypuhelimella verrattuna spektroskopiapohjaisiin menetelmiin.

Syöpäseulonta oikeista verinäytteistä

Laajentaakseen anturialustan hyödyllisyyttä tutkijat käyttivät anturia, joka erotti onnistuneesti normaalin ja syöpäisen DNA:n oikeissa verinäytteissä. CpG-kohtien metylaatiomallit säätelevät epigeneettisesti geenien ilmentymistä. Lähes kaikissa syöpätyypeissä on havaittu DNA:n metylaation ja siten kasvainten muodostumista edistävien geenien ilmentymisen muutosten vuorottelevan.

Mallina muille DNA-metylaatioon liittyville syöville tutkijat käyttivät leukemiapotilaiden ja terveiden verrokkien verinäytteitä selvittääkseen metylaatiomaiseman tehokkuutta leukemisten syöpien erottamisessa. Tämä metylaatiomaiseman biomarkkeri ei ainoastaan ​​suoriudu nykyisistä nopeista leukemian seulontamenetelmistä, vaan myös osoittaa, että tätä yksinkertaista ja suoraviivaista määritystä voidaan käyttää monenlaisten syöpien varhaiseen havaitsemiseen.

Analysoitiin 31 leukemiapotilaan ja 12 terveen yksilön verinäytteistä otettu DNA. Kuten kuvan 2a laatikkodiagrammissa näkyy, syöpänäytteiden suhteellinen absorbanssi (ΔA650/525) oli alhaisempi kuin normaaleista näytteistä peräisin olevan DNA:n. Tämä johtui pääasiassa lisääntyneestä hydrofobisiteetistä, joka johti syöpä-DNA:n tiheään aggregaatioon ja esti kystat/AuNP:iden aggregaation. Seurauksena nämä nanopartikkelit olivat täysin dispergoituneet syöpäaggregaattien ulkokerroksiin, mikä johti normaaleihin ja syöpä-DNA-aggregaatteihin adsorboituneiden kystat/AuNP:iden erilaiseen dispersioon. ROC-käyrät luotiin sitten vaihtelemalla kynnysarvoa ΔA650/525:n minimiarvosta maksimiarvoon.

Kuva 2. (a) Kysta-/AuNP-liuosten suhteelliset absorbanssiarvot, jotka osoittavat normaalin (sininen) ja syöpä- (punainen) DNA:n läsnäolon optimoiduissa olosuhteissa

(DA650/525) laatikkodiagrammeista; (b) ROC-analyysi ja diagnostisten testien arviointi. (c) Sekaannusmatriisi normaaleiden ja syöpäpotilaiden diagnosoimiseksi. (d) Kehitetyn menetelmän herkkyys, spesifisyys, positiivinen ennustearvo (PPV), negatiivinen ennustearvo (NPV) ja tarkkuus.

Kuten kuvassa 2b on esitetty, kehitetylle sensorille saatu ROC-käyrän alle jäävä pinta-ala (AUC = 0,9274) osoitti korkeaa herkkyyttä ja spesifisyyttä. Kuten laatikkodiagrammista voidaan nähdä, normaalia DNA-ryhmää edustava alin piste ei ole hyvin erillään syöpä-DNA-ryhmää edustavasta korkeimmasta pisteestä; siksi normaali- ja syöpäryhmien erottamiseksi käytettiin logistista regressiota. Tietyllä joukolla riippumattomia muuttujia se arvioi tapahtuman, kuten syövän tai normaalin ryhmän, esiintymisen todennäköisyyttä. Riippuva muuttuja vaihtelee välillä 0–1. Tulos on siis todennäköisyys. Määritimme syövän tunnistamisen todennäköisyyden (P) ΔA650/525:n perusteella seuraavasti.

jossa b=5,3533, w1=-6,965. Näytteen luokittelussa alle 0,5:n todennäköisyys osoittaa normaalia näytettä, kun taas 0,5:n tai sitä suurempi todennäköisyys osoittaa syöpänäytettä. Kuva 2c esittää sekaannusmatriisin, joka on luotu jätettäessä se rauhaan -ristivalidoinnista, jota käytettiin luokittelumenetelmän vakauden validointiin. Kuva 2d esittää yhteenvedon menetelmän diagnostisten testien arvioinnista, mukaan lukien herkkyys, spesifisyys, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV).

Älypuhelinpohjaiset biosensorit

Yksinkertaistaakseen näytteiden testausta ilman spektrofotometrien käyttöä tutkijat käyttivät tekoälyä (AI) tulkitsemaan liuoksen väriä ja erottamaan normaalit ja syöpäiset yksilöt toisistaan. Tämän vuoksi käytettiin konenäköä kysta/AuNP-liuoksen värin muuntamiseen normaaliksi DNA:ksi (violetti) tai syöpäiseksi DNA:ksi (punainen) käyttämällä matkapuhelimen kameralla otettuja 96-kuoppalevyjen kuvia. Tekoäly voi vähentää kustannuksia ja parantaa nanopartikkeliliuosten värin tulkinnan helppoutta ilman älypuhelinten optisia lisävarusteita. Lopuksi kaksi koneoppimismallia, mukaan lukien Random Forest (RF) ja Support Vector Machine (SVM), koulutettiin rakentamaan mallit. Sekä RF- että SVM-mallit luokittelivat näytteet oikein positiivisiksi ja negatiivisiksi 90,0 %:n tarkkuudella. Tämä viittaa siihen, että tekoälyn käyttö matkapuhelinpohjaisessa biosensoritekniikassa on täysin mahdollista.

Kuva 3. (a) Liuoksen kohdeluokka, joka on tallennettu näytteen valmistelun aikana kuvantamisvaihetta varten. (b) Esimerkkikuva, joka on otettu kuvantamisvaiheen aikana. (c) Kysta/AuNP-liuoksen väri-intensiteetti 96-kuoppaisen levyn kussakin kuopassa, joka on erotettu kuvasta (b).

Tutkijat ovat kystan/AuNP:iden avulla kehittäneet onnistuneesti yksinkertaisen anturialustan metylaatiomaiseman havaitsemiseen ja anturin, joka pystyy erottamaan normaalin DNA:n syöpä-DNA:sta käytettäessä oikeita verinäytteitä leukemian seulonnassa. Kehitetty anturi osoitti, että oikeista verinäytteistä uutettu DNA pystyi havaitsemaan nopeasti ja kustannustehokkaasti pieniä määriä syöpä-DNA:ta (3 nM) leukemiapotilailla 15 minuutissa, ja sen tarkkuus oli 95,3 %. Näytteiden testauksen yksinkertaistamiseksi entisestään poistamalla spektrofotometrin tarve käytettiin koneoppimista liuoksen värin tulkitsemiseen ja normaalien ja syöpäisten yksilöiden erottamiseen matkapuhelimella otetun valokuvan avulla, ja myös tarkkuus saavutettiin 90,0 %.

Viite: DOI: 10.1039/d2ra05725e