Nestemäiseen biopsiaan perustuvan syövän varhainen havaitseminen on uusi syövän havaitsemisen ja diagnoosin suunta, jonka Yhdysvaltain kansallinen syöpäinstituutti ehdotti viime vuosina, tavoitteena havaita varhainen syöpä tai jopa varhaiskanesiot. Sitä on käytetty laajasti uudena biomarkkerina erilaisten pahanlaatuisten kasvaimien varhaisessa diagnoosissa, mukaan lukien keuhkosyöpä, maha -suolikanavan kasvaimet, glioomat ja gynekologiset kasvaimet.
Alustojen syntymisellä metylaatiomaiseman (metyylisscape) biomarkkereiden tunnistamiseksi voi parantaa merkittävästi olemassa olevaa syövän varhaisen seulonnan, asettamalla potilaat varhaisimpaan hoidettavaan vaiheeseen.
Äskettäin tutkijat ovat kehittäneet yksinkertaisen ja suoran anturialustan metylaatiomaiseman havaitsemiseksi, joka perustuu kysystiiniskoristeisiin kullan nanohiukkasiin (Cysta/AuNP) yhdistettynä älypuhelinpohjaiseen biosensoriin, joka mahdollistaa laajan kasvainvalikoiman nopean varhaisen seulonnan. Varhainen leukemian seulonta voidaan suorittaa 15 minuutin kuluessa DNA: n uuttosta verinäytteestä, ja tarkkuus on 90,0%. Artikkelin otsikko on syöpä-DNA: n nopea havaitseminen ihmisen veressä käyttämällä kysysteamiini-peittämiä AuNP: itä ja koneoppimistasolla oleva älypuhelin。
Kuva 1. Yksinkertainen ja nopea tunnistusalusta syövän seulontaan Cysta/AuNPS -komponenttien kautta voidaan suorittaa kahdessa yksinkertaisessa vaiheessa.
Tämä on esitetty kuvassa 1. Ensinnäkin vesiliuosta käytettiin DNA -fragmenttien liuottamiseen. Kysta/AuNP: t lisättiin sitten sekoitettuun liuokseen. Normaalilla ja pahanlaatuisilla DNA: lla on erilaiset metylaatioominaisuudet, mikä johtaa DNA-fragmentteihin, joilla on erilaiset itsekokoonpanot. Normaalit DNA-aggregaatit löysästi ja lopulta aggregoi kysta/AuNP: t, mikä johtaa kysta/AuNP: n punaiseen siirtymään luonteeseen, niin että värien muutos punaisesta violetiksi voidaan havaita paljaalla silmällä. Sitä vastoin syöpä -DNA: n ainutlaatuinen metylaatioprofiili johtaa suurempien DNA -fragmenttien klusterien tuotantoon.
Kuvia 96-kuoppalevyistä otettiin älypuhelinkameralla. Syöpä-DNA mitattiin koneoppimisella varustetulla älypuhelimella verrattuna spektroskopiapohjaisiin menetelmiin.
Syövän seulonta todellisissa verinäytteissä
Anturialustan hyödyllisyyden laajentamiseksi tutkijat käyttivät anturia, joka erotti onnistuneesti normaalin ja syöpä -DNA: n todellisissa verinäytteissä. Metylaatiomallit CPG -kohdissa säätelevät epigeneettisesti geeniekspressiota. Lähes kaikissa syöpätyypeissä DNA -metylaation muutosten ja siten tumourigeneesin edistävien geenien ilmentymisessä on havaittu vuorotellen.
Mallina muille DNA -metylaatioon liittyville syöpille tutkijat käyttivät leukemiapotilaiden verinäytteitä ja terveitä kontrolleja metylaatiomaiseman tehokkuuden tutkimiseksi leukaemisten syöpien erottamisessa. Tämä metylaatiomaisemabiomarkkeri ei vain ylittänyt olemassa olevia nopeaa leukemian seulontamenetelmiä, vaan osoittaa myös mahdollisuuden laajentaa laajan syöpävalikoiman varhaista havaitsemista käyttämällä tätä yksinkertaista ja suoraviivaista määritystä.
31 leukemiapotilaan ja 12 terveellisen yksilön verinäytteiden DNA: ta analysoitiin. Kuten kuviossa 2A laatikkokaaviossa esitetään, syöpähteiden suhteellinen absorbanssi (AA650/525) oli alhaisempi kuin normaaleista näytteistä peräisin olevan DNA: n. Tämä johtui pääasiassa tehostetusta hydrofobisuudesta, joka johti syöpä -DNA: n tiheään aggregaatioon, mikä esti kysta/AuNP: n aggregaation. Seurauksena on, että nämä nanohiukkaset olivat täysin dispergoituneet syöpä aggregaattien ulkokerroksiin, mikä johti kysta/AuNP: n erilaiseen dispersioon, joka adsorboitiin normaaleihin ja syöpä -DNA -aggregaatteihin. ROC -käyrät generoitiin sitten muuttamalla kynnysarvo AA650/525: n minimiarvosta maksimiarvoon.
Kuva 2. (a) Kysta/AUNPS -liuokset suhteelliset absorbanssiarvot, jotka osoittavat normaalin (sinisen) ja syövän (punaisen) DNA: n läsnäolon optimoiduissa olosuhteissa
(DA650/525) laatikkoja; (b) ROC -analyysi ja diagnostisten testien arviointi. (c) Sekaantumismatriisi normaalien ja syöpäpotilaiden diagnosoimiseksi. (d) Herkkyys, spesifisyys, positiivinen ennustearvo (PPV), negatiivinen ennustava arvo (NPV) ja kehitetyn menetelmän tarkkuus.
Kuten kuviossa 2B esitetään, kehitettylle anturille saatu ROC -käyrän (AUC = 0,9274) alla oleva alue osoitti suurta herkkyyttä ja spesifisyyttä. Kuten laatikon kuvaajasta voidaan nähdä, normaalia DNA -ryhmää edustaa alin piste ei ole hyvin erotettu korkeimmasta pisteestä, joka edustaa syöpä -DNA -ryhmää; Siksi logistista regressiota käytettiin normaalien ja syöpäryhmien erottamiseen. Kun otetaan huomioon joukko riippumattomia muuttujia, se arvioi tapahtuman, kuten syövän tai normaalin ryhmän, todennäköisyyden. Riippuvainen muuttuja vaihtelee välillä 0 - 1. Tulos on siksi todennäköisyys. Määritimme syövän tunnistamisen (P) todennäköisyyden, joka perustuu ΔA650/525: een seuraavasti.
missä B = 5,3533, W1 = -6,965. Näytteen luokittelua varten todennäköisyys alle 0,5 osoittaa normaalia näytettä, kun taas todennäköisyys 0,5 tai korkeampi osoittaa syövän näytettä. Kuvio 2C kuvaa vain Leave-it-se-ristivalidoinnista syntynyttä sekaannusmatriisia, jota käytettiin luokitusmenetelmän stabiilisuuden validointiin. Kuvio 2D on yhteenveto menetelmän diagnostisesta testien arvioinnista, mukaan lukien herkkyys, spesifisyys, positiivinen ennustava arvo (PPV) ja negatiivinen ennustearvo (NPV).
Älypuhelinpohjaiset biosensorit
Näytteiden testaamiseksi edelleen ilman spektrofotometrien käyttöä, tutkijat käyttivät keinotekoista älykkyyttä (AI) tulkitakseen liuoksen väriä ja erottaakseen normaalit ja syöpähenkilöt. Tämän vuoksi tietokoneen visio käytettiin Cysta/Aups-liuoksen värin kääntämiseen normaaliksi DNA: lle (violetti) tai syöpä-DNA: lle (punainen) käyttämällä matkapuhelimen kameran läpi otettuja 96-kuoppalevyn kuvia. Keinotekoinen äly voi vähentää kustannuksia ja parantaa saavutettavuutta nanohiukkasratkaisujen värien tulkinnassa ja ilman optisten laitteistojen älypuhelinten lisävarusteiden käyttöä. Lopuksi, kaksi koneoppimismallia, mukaan lukien satunnainen metsä (RF) ja tukivektorikone (SVM), koulutettiin mallien rakentamiseksi. Sekä RF- että SVM -mallit luokittivat näytteet oikein positiivisiksi ja negatiivisiksi tarkkuudella 90,0%. Tämä viittaa siihen, että tekoälyn käyttö matkapuhelinpohjaisessa biosanssissa on täysin mahdollista.
Kuva 3. (a) Näytteen valmistuksen aikana tallennetun liuoksen kohderyhmä kuvan hankintavaihetta varten. (b) Kuvan hankintavaiheen aikana otettu kuva. (c) Kysta/AuNPS-liuoksen värin voimakkuus kuvasta uutetun 96-kuoppalevyn jokaisessa kaivossa (B).
Kysta/AuNP: ien avulla tutkijat ovat onnistuneesti kehittäneet yksinkertaisen anturialustan metylaatiomaiseman havaitsemiseksi ja anturin, joka pystyy erottamaan normaalin DNA: n syöpä -DNA: sta käytettäessä todellisia verinäytteitä leukemian seulontaan. Kehittynyt anturi osoitti, että todellisista verinäytteistä uutettu DNA pystyi havaitsemaan pienet määrät syöpä-DNA: ta (3NM) nopeasti ja kustannustehokkaasti leukemiapotilailla 15 minuutissa ja osoitti tarkkuutta 95,3%. Näytteen testaamisen yksinkertaistamiseksi eliminoimalla spektrofotometrin tarve, koneoppimista käytettiin liuoksen värin tulkitsemiseen ja matkapuhelimen valokuvan käyttämällä normaalien ja syöpähenkilöiden välillä, ja tarkkuus oli myös saavutettu 90,0%: lla.
Viite: doi: 10.1039/d2ra05725e
Viestin aika: helmikuu 18-2023