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

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

Појавата на платформи за идентификување на биомаркери на метилациски пејзаж (Methylscape) има потенцијал значително да го подобри постојниот ран скрининг за рак, ставајќи ги пациентите во најраната фаза што може да се лекува.

Неодамна, истражувачите развија едноставна и директна платформа за сензори за откривање на метилациски пејзаж базирана на златни наночестички украсени со цистеамин (Cyst/AuNPs) во комбинација со биосензор базиран на паметни телефони што овозможува брзо рано скрининг на широк спектар на тумори. Раното скрининг за леукемија може да се изврши во рок од 15 минути по екстракцијата 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 користење на AuNPs со цистеамин и паметен телефон овозможен со машинско учење.

Слика 1. Едноставна и брза платформа за детекција за скрининг на рак преку компоненти на цисти/AuNPs може да се постигне во два едноставни чекори.

Ова е прикажано на Слика 1. Прво, воден раствор беше употребен за растворање на ДНК фрагментите. Потоа, во мешаниот раствор беа додадени цисти/AuNPs. Нормалната и малигната ДНК имаат различни својства на метилација, што резултира со ДНК фрагменти со различни шеми на самособирање. Нормалната ДНК се агрегира лабаво и на крајот ги агрегира цистите/AuNPs, што резултира со црвено поместување на цистите/AuNPs, 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 ДНК фрагменти.

Слики од плочи со 96 бунари беа направени со помош на камера од паметен телефон. ДНК-та на ракот беше мерена со паметен телефон опремен со машинско учење во споредба со методите базирани на спектроскопија.

Скрининг за рак во вистински примероци од крв

За да ја прошират употребливоста на платформата за сензори, истражувачите применија сензор кој успешно разликуваше помеѓу нормална и канцерогена ДНК во примероци од вистинска крв. Моделите на метилација на местата на CpG епигенетски ја регулираат генската експресија. Кај речиси сите видови рак, забележано е дека промените во метилацијата на ДНК, а со тоа и во експресијата на гените што ја промовираат туморогенезата, се менуваат.

Како модел за други видови на рак поврзани со метилација на ДНК, истражувачите користеле примероци од крв од пациенти со леукемија и здрави контроли за да ја испитаат ефикасноста на метилацискиот пејзаж во диференцијацијата на леукемични видови на рак. Овој биомаркер за метилациски пејзаж не само што ги надминува постојните методи за брзо скрининг на леукемија, туку ја покажува и изводливоста на проширување на раното откривање на широк спектар на видови на рак со користење на овој едноставен и директен тест.

Анализирана е ДНК од примероци од крв од 31 пациент со леукемија и 12 здрави лица. Како што е прикажано на дијаграмот со квадрати на Слика 2а, релативната апсорпција на примероците од рак (ΔA650/525) била помала од онаа на ДНК од нормални примероци. Ова главно се должело на зголемената хидрофобност што доведува до густа агрегација на ДНК од рак, што ја спречува агрегацијата на Cyst/AuNPs. Како резултат на тоа, овие наночестички биле целосно дисперзирани во надворешните слоеви на агрегатите на ракот, што резултирало со различна дисперзија на Cyst/AuNPs адсорбирани на нормалните и агрегатите на ДНК од ракот. Потоа се генерирани ROC криви со менување на прагот од минимална вредност од ΔA650/525 до максимална вредност.

Слика 2.(а) Релативни вредности на апсорпција на раствори од циста/AuNPs што покажуваат присуство на нормална (сина) и рак (црвена) ДНК под оптимизирани услови

(DA650/525) на кутиени дијаграми; (б) ROC анализа и евалуација на дијагностички тестови. (в) Матрица на конфузија за дијагноза на нормални и пациенти со рак. (г) Сензитивност, специфичност, позитивна предикативна вредност (PPV), негативна предикативна 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 дијаграмот со квадрати, 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 користена за да се направи разлика помеѓу нормалните и групите на рак. Даден сет на независни променливи, се проценува веројатноста за појава на настан, како што е група на рак или нормална група. Зависната променлива се движи помеѓу 0 и 1. Резултатот е затоа веројатност. Ја утврдивме веројатноста за идентификација на рак (P) врз основа на ΔA650/525 на следниов начин.

каде што b = 5,3533, w1 = -6,965. За класификација на примерокот, веројатност помала од 0,5 укажува на нормален примерок, додека веројатност од 0,5 или поголема укажува на примерок од рак. Слика 2c ја прикажува матрицата на конфузија генерирана од вкрстената валидација „leave-it alone“, која беше искористена за валидација на стабилноста на методот на класификација. Слика 2d ја сумира евалуацијата на дијагностичкиот тест на методот, вклучувајќи чувствителност, специфичност, позитивна предикативна вредност (PPV) и негативна предикативна вредност (NPV).

Биосензори базирани на паметни телефони

За дополнително поедноставување на тестирањето на примероците без употреба на спектрофотометри, истражувачите користеа вештачка интелигенција (ВИ) за да ја протолкуваат бојата на растворот и да разликуваат помеѓу нормални и канцерогени лица. Со оглед на ова, компјутерскиот вид беше користен 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 од мобилен телефон. Вештачката интелигенција може да ги намали трошоците и да ја подобри пристапноста при толкувањето на бојата на растворите на наночестички, и без употреба на каква било оптичка хардверска опрема за паметни телефони. Конечно, два модели на машинско учење, вклучувајќи Random Forest (RF) и Support Vector Machine (SVM), беа обучени да ги конструираат моделите. И RF и SVM моделите правилно ги класифицираа примероците како позитивни и негативни со точност од 90,0%. Ова укажува дека употребата на вештачка интелигенција во биосензорирањето базирано на мобилни телефони е сосема можна.

Слика 3. (а) Целна класа на растворот снимена за време на подготовката на примерокот за чекорот на аквизиција на слика. (б) Примерна слика направена за време на чекорот на аквизиција на слика. (в) Интензитет на бојата на растворот од циста/AuNPs во секоја бунар од плочата со 96 бунари извлечена од сликата (б).

Користејќи Cyst/AuNPs, истражувачите успешно развија едноставна сензорска платформа за откривање на метилациски пејзаж и сензор способен да разликува нормална ДНК од ДНК на ракот при употреба на вистински примероци од крв за скрининг на леукемија. Развиениот сензор покажа дека ДНК извлечена од вистински примероци од крв е способна брзо и економично да детектира мали количини на ДНК на ракот (3nM) кај пациенти со леукемија за 15 минути и покажа точност од 95,3%. За понатамошно поедноставување на тестирањето на примероците со елиминирање на потребата од спектрофотометар, беше користено машинско учење за толкување на бојата на растворот и разликување помеѓу нормални и канцерогени лица со помош на фотографија од мобилен телефон, а точноста беше постигната и од 90,0%.

Референца: DOI: 10.1039/d2ra05725e