Тестирање на ДНК метилација во комбинација со паметни телефони за ран скрининг на тумори и скрининг за леукемија со точност од 90,0%!

Раното откривање на ракот врз основа на течна биопсија е нова насока на откривање и дијагностицирање на ракот предложена од Националниот институт за рак на САД во последниве години, со цел да се открие ран карцином или дури и преканцерозни лезии. Широко се користи како нов биомаркер за рана дијагноза на различни малигни тумори, вклучувајќи рак на белите дробови, гастроинтестинални тумори, глиоми и гинеколошки тумори.

Појавата на платформи за идентификација на биомаркерите на пејзажот за метилација (Methylscape) има потенцијал значително да го подобри постоечкиот ран скрининг за рак, ставајќи ги пациентите во најраната фаза на лекување.

Неодамна, истражувачите развија едноставна и директно сензорна платформа за откривање на пејзаж со метилација врз основа на златни наночестички украсени со цистеамин (Cyst/AuNPs) во комбинација со биосензор базиран на паметен телефон кој овозможува брз ран скрининг на широк опсег на тумори. Раниот скрининг за леукемија може да се изврши во рок од 15 минути по екстракција на ДНК од примерок од крв, со точност од 90,0%. Насловот на статијата е Брзо откривање на ДНК на рак во човечка крв со помош на AuNP со цистеамин и паметен телефон овозможен за машинско учење.

Слика 1. Едноставна и брза платформа за сензори за скрининг на рак преку компонентите Cyst/AuNPs може да се постигне во два едноставни чекори.

Ова е прикажано на слика 1. Прво, воден раствор се користел за растворање на фрагментите на ДНК. Циста/AuNP потоа беа додадени во измешаниот раствор. Нормалната и малигната ДНК имаат различни својства на метилација, што резултира со фрагменти на ДНК со различни модели на самосклопување. Нормалната ДНК лабаво се агрегира и на крајот ги агрегира Циста/АуНП, што резултира со поместување на црвената природа на Циста/АуНП, така што промената на бојата од црвена во виолетова може да се забележи со голо око. Спротивно на тоа, уникатниот профил на метилација на ДНК на ракот води до производство на поголеми кластери на фрагменти на ДНК.

Сликите на плочи со 96 бунари се направени со помош на камера на паметен телефон. ДНК на ракот беше измерена со паметен телефон опремен со машинско учење во споредба со методите базирани на спектроскопија.

Скрининг за рак во вистински примероци на крв

За да ја прошират корисноста на платформата за сензори, истражувачите примениле сензор кој успешно разликува нормална и канцерогена ДНК во вистински примероци на крв. Шемите на метилација на местата на CpG епигенетски ја регулираат генската експресија. Речиси кај сите типови на рак, забележано е дека промените во метилацијата на ДНК, а со тоа и во експресијата на гените кои промовираат туморигенеза се менуваат.

Како модел за други видови на рак поврзани со метилација на ДНК, истражувачите користеа примероци од крв од пациенти со леукемија и здрави контроли за да ја истражат ефикасноста на пејзажот на метилација во диференцијацијата на леукемичните карциноми. Овој биомаркер за метилациски пејзаж не само што ги надминува постоечките методи за брза проверка на леукемија, туку и ја демонстрира можноста за проширување на раното откривање на широк опсег на карциноми со користење на оваа едноставна и јасна анализа.

Анализирана е ДНК од примероци од крв од 31 пациент со леукемија и 12 здрави индивидуи. како што е прикажано на графичката кутија на Слика 2а, релативната апсорпција на примероците од рак (ΔA650/525) беше помала од онаа на ДНК од нормалните примероци. ова главно се должи на зголемената хидрофобност што доведува до густа агрегација на ДНК на ракот, што ја спречи агрегацијата на Цисти/АуНП. Како резултат на тоа, овие наночестички беа целосно дисперзирани во надворешните слоеви на агрегатите на ракот, што резултираше со различна дисперзија на Цисти/АуНП адсорбирани на нормални и канцерогени ДНК агрегати. Кривите ROC потоа беа генерирани со менување на прагот од минимална вредност од ΔA650/525 до максимална вредност.

Слика 2. (а) Релативни вредности на апсорпција на растворите на циста/AuNPs кои покажуваат присуство на нормална (сина) и канцерогена (црвена) ДНК под оптимизирани услови

(DA650/525) на кутии парцели; (б) ROC анализа и евалуација на дијагностички тестови. (в) Матрица на конфузија за дијагноза на нормални пациенти и пациенти со рак. (г) Чувствителност, специфичност, позитивна предиктивна вредност (PPV), негативна предиктивна вредност (NPV) и точност на развиениот метод.

Како што е прикажано на слика 2б, површината под ROC кривата (AUC = 0,9274) добиена за развиениот сензор покажа висока чувствителност и специфичност. Како што може да се види од графикот на кутијата, најниската точка што ја претставува нормалната ДНК група не е добро одвоена од највисоката точка што ја претставува ДНК групата на рак; затоа, логистичка регресија беше искористена за да се направи разлика помеѓу нормалните и канцерогените групи. Со оглед на збир на независни променливи, тој ја проценува веројатноста да се случи некој настан, како што е рак или нормална група. Зависната променлива се движи помеѓу 0 и 1. Оттука, резултатот е веројатност. Ја утврдивме веројатноста за идентификација на ракот (P) врз основа на ΔA650/525 на следниов начин.

каде b=5,3533,w1=-6,965. За класификација на примерокот, веројатноста помала од 0,5 укажува на нормален примерок, додека веројатноста од 0,5 или повисока укажува на примерок од рак. Слика 2в ја прикажува матрицата за конфузија генерирана од вкрстената валидација оставете го сам, која беше искористена за да се потврди стабилноста на методот на класификација. Слика 2г ја сумира евалуацијата на дијагностичкиот тест на методот, вклучувајќи ја чувствителноста, специфичноста, позитивната предиктивна вредност (PPV) и негативната предиктивна вредност (NPV).

Биосензори базирани на паметни телефони

За дополнително да го поедностават тестирањето на примерокот без употреба на спектрофотометри, истражувачите користеа вештачка интелигенција (АИ) за да ја интерпретираат бојата на растворот и да разликуваат нормални и канцерогени поединци. Со оглед на ова, компјутерската визија беше искористена за да се преведе бојата на растворот Cyst/AuNPs во нормална ДНК (виолетова) или канцерогена ДНК (црвена) користејќи слики од плочи со 96 бунари направени преку камера на мобилен телефон. Вештачката интелигенција може да ги намали трошоците и да ја подобри пристапноста во толкувањето на бојата на решенијата за наночестички и без употреба на оптички хардверски додатоци за паметни телефони. Конечно, два модели на машинско учење, вклучително и Random Forest (RF) и Support Vector Machine (SVM) беа обучени за конструирање на моделите. и моделите RF и SVM правилно ги класифицираа примероците како позитивни и негативни со точност од 90,0%. Ова сугерира дека употребата на вештачка интелигенција во биосензирањето базирано на мобилни телефони е сосема можно.

Слика 3.(а) Целна класа на растворот снимена за време на подготовката на примерокот за чекорот за добивање слика. (б) Пример слика направена за време на чекорот за стекнување слика. (в) Интензитетот на бојата на растворот на циста/AuNPs во секој бунар од плочата со 96 бунари извлечена од сликата (б).

Користејќи Cyst/AuNPs, истражувачите успешно развија едноставна платформа за сензори за откривање на пејзажот на метилација и сензор способен да разликува нормална ДНК од ДНК на рак кога користат вистински примероци од крв за скрининг на леукемија. Развиениот сензор покажа дека ДНК извлечена од вистински примероци на крв може брзо и економично да открие мали количини на ДНК од рак (3nM) кај пациенти со леукемија за 15 минути и покажа точност од 95,3%. За дополнително да се поедностави тестирањето на примерокот со елиминирање на потребата од спектрофотометар, машинското учење беше искористено за да се интерпретира бојата на растворот и да се направи разлика помеѓу нормални и канцерогени индивидуи со помош на фотографија од мобилен телефон, а исто така можеше да се постигне точност на 90,0%.

Референца: DOI: 10.1039/d2ra05725e