Testovanie metylácie DNA v kombinácii so smartfónmi na skorý skríning nádorov a leukémie s presnosťou 90,0 %!

Včasná detekcia rakoviny na základe tekutej biopsie je nový smer detekcie a diagnostiky rakoviny navrhovaný v posledných rokoch americkým Národným onkologickým inštitútom s cieľom odhaliť včasnú rakovinu alebo dokonca prekancerózne lézie. Široko sa používa ako nový biomarker na včasnú diagnostiku rôznych malignít, vrátane rakoviny pľúc, gastrointestinálnych nádorov, gliómov a gynekologických nádorov.

Vznik platforiem na identifikáciu biomarkerov metylačnej krajiny (Metylscape) má potenciál výrazne zlepšiť existujúci skorý skríning rakoviny, čím sa pacienti dostanú do najskoršieho liečiteľného štádia.

Nedávno výskumníci vyvinuli jednoduchú a priamu snímaciu platformu na detekciu metylačnej krajiny založenú na nanočasticiach zlata zdobených cysteamínom (Cyst / AuNP) v kombinácii s biosenzorom založeným na smartfóne, ktorý umožňuje rýchly skorý skríning širokého spektra nádorov. Včasný skríning na leukémiu je možné vykonať do 15 minút po extrakcii DNA zo vzorky krvi s presnosťou 90,0 %. Názov článku je Rýchla detekcia rakovinovej DNA v ľudskej krvi pomocou AuNP s cysteamínovým uzáverom a smartfónu s podporou strojového učenia.

Obrázok 1. Jednoduchá a rýchla snímacia platforma na skríning rakoviny prostredníctvom komponentov Cyst/AuNPs sa dá dosiahnuť v dvoch jednoduchých krokoch.

To je znázornené na obrázku 1. Najprv sa na rozpustenie fragmentov DNA použil vodný roztok. Cysta/AuNP sa potom pridali do zmiešaného roztoku. Normálna a malígna DNA majú rôzne metylačné vlastnosti, výsledkom čoho sú fragmenty DNA s rôznymi vzormi samousporiadania. Normálna DNA agreguje voľne a nakoniec agreguje Cyst / AuNP, čo vedie k povahe Cyst / AuNP s červeným posunom, takže zmena farby z červenej na fialovú možno pozorovať voľným okom. Na rozdiel od toho jedinečný metylačný profil rakovinovej DNA vedie k produkcii väčších zhlukov fragmentov DNA.

Obrázky 96-jamkových doštičiek boli urobené pomocou fotoaparátu smartfónu. DNA rakoviny bola meraná smartfónom vybaveným strojovým učením v porovnaní s metódami založenými na spektroskopii.

Skríning rakoviny v reálnych vzorkách krvi

Na rozšírenie užitočnosti snímacej platformy výskumníci aplikovali senzor, ktorý úspešne rozlišoval medzi normálnou a rakovinovou DNA v reálnych vzorkách krvi. metylačné vzory na miestach CpG epigeneticky regulujú génovú expresiu. Takmer u všetkých typov rakoviny sa pozorovalo striedanie zmien v metylácii DNA a tým aj v expresii génov, ktoré podporujú tumorigenézu.

Ako model pre iné druhy rakoviny spojené s metyláciou DNA výskumníci použili vzorky krvi od pacientov s leukémiou a zdravých kontrol na preskúmanie účinnosti metylačnej krajiny pri rozlišovaní leukemických rakovín. Tento biomarker metylačnej krajiny nielenže prekonáva existujúce metódy rýchleho skríningu leukémie, ale tiež demonštruje uskutočniteľnosť rozšírenia na včasnú detekciu širokého spektra rakovín pomocou tohto jednoduchého a priameho testu.

Analyzovala sa DNA zo vzoriek krvi od 31 pacientov s leukémiou a 12 zdravých jedincov. ako je znázornené v rámčekovom grafe na obrázku 2a, relatívna absorbancia vzoriek rakoviny (AA650/525) bola nižšia ako absorbancia DNA z normálnych vzoriek. bolo to hlavne kvôli zvýšenej hydrofóbnosti vedúcej k hustej agregácii rakovinovej DNA, ktorá zabránila agregácii Cyst / AuNP. V dôsledku toho boli tieto nanočastice úplne rozptýlené vo vonkajších vrstvách rakovinových agregátov, čo viedlo k odlišnej disperzii Cyst / AuNP adsorbovaných na normálnych a rakovinových agregátoch DNA. Krivky ROC sa potom vytvorili zmenou prahu z minimálnej hodnoty AA650/525 na maximálnu hodnotu.

Obrázok 2. (a) Hodnoty relatívnej absorbancie roztokov cysty/AuNP ukazujúce prítomnosť normálnej (modrá) a rakovinovej (červenej) DNA za optimalizovaných podmienok

(DA650/525) krabicových pozemkov; b) analýza ROC a vyhodnotenie diagnostických testov. c) Matrica zmätku na diagnostiku normálnych pacientov a pacientov s rakovinou. d) Citlivosť, špecifickosť, pozitívna prediktívna hodnota (PPV), negatívna prediktívna hodnota (NPV) a presnosť vyvinutej metódy.

Ako je znázornené na obrázku 2b, oblasť pod ROC krivkou (AUC = 0,9274) získaná pre vyvinutý senzor vykazovala vysokú citlivosť a špecifickosť. Ako je možné vidieť z krabicového grafu, najnižší bod reprezentujúci normálnu skupinu DNA nie je dobre oddelený od najvyššieho bodu reprezentujúceho skupinu DNA rakoviny; preto sa na rozlíšenie medzi normálnou a rakovinovou skupinou použila logistická regresia. Vzhľadom na súbor nezávislých premenných odhaduje pravdepodobnosť výskytu udalosti, ako je rakovina alebo normálna skupina. Závislá premenná sa pohybuje medzi 0 a 1. Výsledkom je teda pravdepodobnosť. Pravdepodobnosť identifikácie rakoviny (P) sme určili na základe AA650/525 nasledovne.

kde b = 5,3533, w1 = -6,965. Pre klasifikáciu vzorky pravdepodobnosť menšia ako 0,5 znamená normálnu vzorku, zatiaľ čo pravdepodobnosť 0,5 alebo vyššia znamená vzorku rakoviny. Obrázok 2c znázorňuje maticu zmätku vygenerovanú z krížovej validácie ponechania osamote, ktorá sa použila na overenie stability klasifikačnej metódy. Obrázok 2d sumarizuje vyhodnotenie diagnostického testu metódy, vrátane citlivosti, špecificity, pozitívnej prediktívnej hodnoty (PPV) a negatívnej prediktívnej hodnoty (NPV).

Biosenzory založené na smartfónoch

Na ďalšie zjednodušenie testovania vzoriek bez použitia spektrofotometrov výskumníci použili umelú inteligenciu (AI) na interpretáciu farby roztoku a rozlíšenie medzi normálnymi a rakovinovými jedincami. Vzhľadom na to sa počítačové videnie použilo na preloženie farby roztoku Cyst / AuNPs na normálnu DNA (fialovú) alebo rakovinovú DNA (červenú) pomocou obrázkov 96-jamkových doštičiek nasnímaných fotoaparátom mobilného telefónu. Umelá inteligencia môže znížiť náklady a zlepšiť dostupnosť pri interpretácii farieb nanočasticových riešení, a to bez použitia akéhokoľvek optického hardvérového príslušenstva smartfónu. Nakoniec boli na zostavenie modelov vyškolené dva modely strojového učenia, vrátane Random Forest (RF) a Support Vector Machine (SVM). modely RF aj SVM správne klasifikovali vzorky ako pozitívne a negatívne s presnosťou 90,0 %. To naznačuje, že využitie umelej inteligencie v biosnímaní založenom na mobilných telefónoch je celkom možné.

Obrázok 3.(a) Cieľová trieda roztoku zaznamenaná počas prípravy vzorky na krok získavania obrazu. (b) Príklad snímky zhotovenej počas kroku získavania snímky. (c) Intenzita farby roztoku cysty/AuNP v každej jamke 96-jamkovej platne extrahovanej z obrázku (b).

Pomocou Cyst / AuNP výskumníci úspešne vyvinuli jednoduchú snímaciu platformu na detekciu metylačnej krajiny a senzor schopný rozlíšiť normálnu DNA od rakovinovej DNA pri použití skutočných vzoriek krvi na skríning leukémie. Vyvinutý senzor preukázal, že DNA extrahovaná zo skutočných vzoriek krvi bola schopná rýchlo a cenovo efektívne detekovať malé množstvá rakovinovej DNA (3 nM) u pacientov s leukémiou za 15 minút a preukázala presnosť 95,3 %. Na ďalšie zjednodušenie testovania vzoriek odstránením potreby spektrofotometra sa použilo strojové učenie na interpretáciu farby roztoku a rozlíšenie medzi normálnymi a rakovinovými jedincami pomocou fotografie z mobilného telefónu, pričom bolo možné dosiahnuť aj presnosť 90,0 %.

Referenčné číslo: DOI: 10.1039/d2ra05725e