Testování methylace DNA kombinované s chytrými telefony pro časné screening nádorů a screeningu leukémie s přesností 90,0%!

Včasná detekce rakoviny založená na biopsii kapaliny je nový směr detekce a diagnózy rakoviny navržený americkým národním rakovinovým institutem v posledních letech s cílem detekovat časnou rakovinu nebo dokonce prekancerózní léze. Pro časnou diagnózu různých malignit, včetně rakoviny plic, gastrointestinálních nádorů, gliomů a gynekologických nádorů, byl široce používán jako nový biomarker.

Vznik platforem pro identifikaci biomarkerů methylační krajiny (methylscape) má potenciál výrazně zlepšit stávající časný screening na rakovinu a stavět pacienty při nejranějším léčitelném stádiu.

V poslední době vědci vyvinuli jednoduchou a přímý snímací platformu pro detekci methylační krajiny založené na cysteaminu zdobených zlatých nanočásticích (Cyst/AuNP) v kombinaci s biosenzorem založeným na chytrých telefonech, která umožňuje rychlý časný screening široké škály nádorů. Včasný screening leukémie může být proveden do 15 minut po extrakci DNA ze vzorku krve, s přesností 90,0%. Název článku je rychlá detekce rakovinné DNA v lidské krvi pomocí Cysteamine-s-listů AuNP a strojového učení smartphonu s podporou。。

Obrázek 1.. Jednoduchá a rychlá platforma pro snímání pro screening rakoviny prostřednictvím komponent Cyst/AuNPS lze provést ve dvou jednoduchých krocích.

To je znázorněno na obrázku 1.. Nejprve byl k rozpuštění fragmentů DNA použit vodný roztok. Do smíšeného roztoku byly poté přidány cysty/aunps. Normální a maligní DNA mají různé methylační vlastnosti, což má za následek fragmenty DNA s různými vzory samostavení. Normální DNA agreguje volně a nakonec agreguje cysty/aunps, což má za následek červeno-posunutou povahu cyst/aunp, takže pouhým okem lze pozorovat změnu barvy z červené na fialovou. Naproti tomu jedinečný profil methylace rakoviny DNA vede k produkci větších shluků fragmentů DNA.

Obrázky 96-jamkových desek byly pořízeny pomocí fotoaparátu smartphonu. Rakovina DNA byla měřena smartphonem vybaveným strojovým učením ve srovnání s metodami založenými na spektroskopii.

Screening rakoviny ve skutečných vzorcích krve

Pro rozšíření užitečnosti snímací platformy použili vyšetřovatelé senzor, který úspěšně rozlišoval mezi normální a rakovinnou DNA ve skutečných vzorcích krve. Methylační vzorce na místech CPG epigeneticky regulují expresi genu. U téměř všech typů rakoviny byly pozorovány změny v methylaci DNA a tedy v expresi genů, které podporují tumorigenezi.

Jako model pro jiné rakoviny spojené s methylací DNA používali vědci vzorky krve od pacientů s leukémií a zdravé kontroly, aby prozkoumali účinnost methylační krajiny při diferenciaci leukamických rakovin. Tento methylační krajinářský biomarker nejen překonává existující metody screeningu leukémie, ale také prokazuje proveditelnost rozšíření na včasnou detekci širokého rozsahu rakovin pomocí tohoto jednoduchého a přímého testu.

Byla analyzována DNA ze vzorků krve od 31 pacientů s leukémií a 12 zdravých jedinců. Jak je znázorněno na grafu boxu na obrázku 2A, relativní absorbance vzorků rakoviny (A650/525) byla nižší než u DNA z normálních vzorků. To bylo způsobeno hlavně zvýšenou hydrofobitou vedoucí k husté agregaci rakovinné DNA, která zabránila agregaci cyst/AuNP. Výsledkem bylo, že tyto nanočástice byly zcela dispergovány ve vnějších vrstvách agregátů rakoviny, což mělo za následek odlišnou disperzi cyst/AuNP adsorbovaných na normálních a rakovinných agregátech DNA. Křivky ROC byly poté generovány změnou prahu z minimální hodnoty A650/525 na maximální hodnotu.

Obrázek 2. (a) Relativní hodnoty absorbance roztoků cyst/AuNPS ukazující přítomnost normální (modré) a rakoviny (červené) DNA za optimalizovaných podmínek

(DA650/525) boxových grafů; (b) ROC analýza a hodnocení diagnostických testů. (c) Matice zmatení pro diagnózu normálních a rakovinných pacientů. (d) Citlivost, specifičnost, pozitivní prediktivní hodnota (PPV), negativní prediktivní hodnota (NPV) a přesnost vyvinuté metody.

Jak je znázorněno na obrázku 2b, plocha pod křivkou ROC (AUC = 0,9274) získaná pro vyvinutý senzor vykazovala vysokou citlivost a specificitu. Jak je vidět z boxového grafu, nejnižší bod představující normální skupinu DNA není dobře oddělen od nejvyššího bodu představujícího rakovinnou DNA skupinu; Proto byla logistická regrese použita k rozlišení mezi normálními a rakovinnými skupinami. Vzhledem k souboru nezávislých proměnných odhaduje pravděpodobnost, že dojde k události, jako je rakovina nebo normální skupina. Závislá proměnná se pohybuje mezi 0 a 1. Výsledkem je tedy pravděpodobnost. Zjistili jsme pravděpodobnost identifikace rakoviny (P) na základě AA650/525 následovně.

kde B = 5,3533, W1 = -6,965. Pro klasifikaci vzorku pravděpodobnost menšího než 0,5 označuje normální vzorek, zatímco pravděpodobnost 0,5 nebo vyšší ukazuje vzorek rakoviny. Obrázek 2C zobrazuje zmatenou matici generovanou z křížové validace, která byla použita k ověření stability klasifikační metody. Obrázek 2D shrnuje hodnocení diagnostického testu metody, včetně citlivosti, specificity, pozitivní prediktivní hodnoty (PPV) a negativní prediktivní hodnoty (NPV).

Biosenzory založené na chytrých telefonech

Pro další zjednodušení testování vzorků bez použití spektrofotometrů vědci použili umělou inteligenci (AI) k interpretaci barvy roztoku a rozlišení mezi normálními a rakovinnými jedinci. Vzhledem k tomu bylo počítačové vidění použito k převodu barvy roztoku cyst/AuNPS do normální DNA (fialové) nebo rakovinné DNA (červená) pomocí obrázků 96-jamkových destiček pořízených fotoaparátem mobilního telefonu. Umělá inteligence může snížit náklady a zlepšit dostupnost při interpretaci barvy řešení nanočástic a bez použití jakéhokoli optického hardwarového smartphonu. Nakonec byly vyškoleny dva modely strojového učení, včetně Random Forest (RF) a Support Vector Machine (SVM), aby se modely stavěly. Modely RF i SVM správně klasifikovaly vzorky jako pozitivní a negativní s přesností 90,0%. To naznačuje, že použití umělé inteligence v biosensingu založeném na mobilních telefonech je docela možné.

Obrázek 3. (a) Cílová třída roztoku zaznamenaného během přípravy vzorku pro krok získávání obrazu. (b) Příklad obrazu pořízený během kroku získávání obrazu. (c) Color intenzita roztoku cyst/aunps v každé jamce 96-jamkové destičky extrahované z obrazu (B).

Pomocí cyst/aunps vědci úspěšně vyvinuli jednoduchou snímací platformu pro detekci methylační krajiny a senzor schopný odlišit normální DNA od rakovinné DNA při použití reálných vzorků krve pro screening leukémie. Vyvinutý senzor prokázal, že DNA extrahovaná ze vzorků reálné krve byla schopna rychle a nákladově efektivně detekovat malá množství rakovinné DNA (3NM) u pacientů s leukémií za 15 minut a vykazovala přesnost 95,3%. Pro další zjednodušení testování vzorků odstraněním potřeby spektrofotometru bylo použito strojové učení k interpretaci barvy řešení a rozlišování mezi normálními a rakovinnými jedinci pomocí fotografie mobilního telefonu a přesnost byla také schopna dosáhnout na 90,0%.

Reference: doi: 10.1039/d2ra05725e