การทดสอบ DNA methylation รวมกับสมาร์ทโฟนสำหรับการตรวจคัดกรองเนื้องอกและมะเร็งเม็ดเลือดขาวในช่วงต้นด้วยความแม่นยำ 90.0%!

การตรวจหามะเร็งในระยะแรกตามการตรวจชิ้นเนื้อของเหลวเป็นทิศทางใหม่ของการตรวจหามะเร็งและการวินิจฉัยที่เสนอโดยสถาบันมะเร็งแห่งชาติสหรัฐในช่วงไม่กี่ปีที่ผ่านมาโดยมีจุดประสงค์ในการตรวจจับมะเร็งระยะแรกหรือแม้แต่รอยโรคก่อนมะเร็ง มันถูกนำมาใช้อย่างแพร่หลายเป็น biomarker ใหม่สำหรับการวินิจฉัยก่อนหน้าของมะเร็งต่าง ๆ รวมถึงมะเร็งปอด, เนื้องอกในทางเดินอาหาร, gliomas และเนื้องอกนรีเวชวิทยา

การเกิดขึ้นของแพลตฟอร์มเพื่อระบุภูมิทัศน์เมทิลเลชั่น (methylscape) biomarkers มีศักยภาพที่จะปรับปรุงการตรวจคัดกรองมะเร็งก่อนกำหนดที่มีอยู่อย่างมีนัยสำคัญทำให้ผู้ป่วยอยู่ในระยะแรกที่รักษาได้

เมื่อเร็ว ๆ นี้นักวิจัยได้พัฒนาแพลตฟอร์มการตรวจจับที่เรียบง่ายและตรงไปตรงมาสำหรับการตรวจจับภูมิทัศน์เมทิลเลชั่นโดยใช้อนุภาคนาโนทองคำ (Cyst/AuNPs) ที่ตกแต่งด้วยซีสเตมนีนรวมกับไบโอเซนเซอร์ที่ใช้สมาร์ทโฟนซึ่งช่วยให้สามารถตรวจคัดกรองเนื้องอกได้อย่างรวดเร็ว การตรวจคัดกรองโรคมะเร็งเม็ดเลือดขาวในช่วงต้นสามารถทำได้ภายใน 15 นาทีหลังจากการสกัดดีเอ็นเอจากตัวอย่างเลือดด้วยความแม่นยำ 90.0% ชื่อบทความคือการตรวจหา DNA มะเร็งอย่างรวดเร็วในเลือดของมนุษย์โดยใช้ AuNPs ที่ปกคลุมด้วย cysteamine และสมาร์ทโฟนที่เปิดใช้งานการเรียนรู้ของเครื่อง。。

รูปที่ 1. แพลตฟอร์มการตรวจจับที่เรียบง่ายและรวดเร็วสำหรับการตรวจคัดกรองมะเร็งผ่านส่วนประกอบ Cyst/AuNPS สามารถทำได้ในสองขั้นตอนง่ายๆ

สิ่งนี้แสดงในรูปที่ 1 ก่อนอื่นใช้สารละลายน้ำเพื่อละลายชิ้นส่วนดีเอ็นเอ Cyst/AuNPs จะถูกเพิ่มเข้าไปในสารละลายผสม DNA ปกติและมะเร็งมีคุณสมบัติเมทิลเลชั่นที่แตกต่างกันส่งผลให้ชิ้นส่วนดีเอ็นเอมีรูปแบบการประกอบตัวเองที่แตกต่างกัน การรวมดีเอ็นเอปกติอย่างหลวม ๆ และในที่สุดก็รวม cyst/AuNPs ซึ่งส่งผลให้ธรรมชาติของถุง/AUNPS เปลี่ยนสีแดงเพื่อให้การเปลี่ยนสีจากสีแดงเป็นสีม่วงสามารถสังเกตได้ด้วยตาเปล่า ในทางตรงกันข้ามโปรไฟล์เมทิลเลชั่นที่เป็นเอกลักษณ์ของ DNA มะเร็งนำไปสู่การผลิตกลุ่มขนาดใหญ่ของชิ้นส่วนดีเอ็นเอ

ภาพแผ่น 96 หลุมถูกถ่ายโดยใช้กล้องสมาร์ทโฟน DNA มะเร็งถูกวัดโดยสมาร์ทโฟนที่ติดตั้งการเรียนรู้ของเครื่องเมื่อเทียบกับวิธีการที่ใช้สเปกโทรสโกปี

การตรวจคัดกรองมะเร็งในตัวอย่างเลือดจริง

เพื่อขยายยูทิลิตี้ของแพลตฟอร์มการตรวจจับผู้ตรวจสอบใช้เซ็นเซอร์ที่ประสบความสำเร็จระหว่าง DNA ปกติและมะเร็งในตัวอย่างเลือดจริง รูปแบบเมทิลเลชั่นที่ไซต์ CpG ควบคุมการแสดงออกของยีน epigenetically ในเกือบทุกประเภทมะเร็งการเปลี่ยนแปลงของ DNA methylation และในการแสดงออกของยีนที่ส่งเสริมการเกิดเนื้องอกได้รับการสังเกตว่าเป็นทางเลือก

เป็นแบบจำลองสำหรับมะเร็งอื่น ๆ ที่เกี่ยวข้องกับ DNA methylation นักวิจัยใช้ตัวอย่างเลือดจากผู้ป่วยโรคมะเร็งเม็ดเลือดขาวและการควบคุมที่ดีต่อสุขภาพเพื่อตรวจสอบประสิทธิภาพของภูมิทัศน์เมทิลเลชั่นในการแยกโรคมะเร็ง leukaemic ภูมิทัศน์ Methylation นี้ไม่เพียง แต่มีประสิทธิภาพสูงกว่าวิธีการคัดกรองมะเร็งเม็ดเลือดขาวอย่างรวดเร็วที่มีอยู่ แต่ยังแสดงให้เห็นถึงความเป็นไปได้ของการขยายไปสู่การตรวจหามะเร็งที่หลากหลายโดยใช้การทดสอบที่ง่ายและตรงไปตรงมานี้

DNA จากตัวอย่างเลือดจากผู้ป่วยโรคมะเร็งเม็ดเลือดขาว 31 คนและผู้ป่วยที่มีสุขภาพดี 12 รายได้รับการวิเคราะห์ ดังที่แสดงในพล็อตกล่องในรูปที่ 2A การดูดกลืนแสงสัมพัทธ์ของตัวอย่างมะเร็ง (ΔA650/525) ต่ำกว่า DNA จากตัวอย่างปกติ นี่เป็นสาเหตุหลักมาจากการเติมน้ำที่เพิ่มขึ้นซึ่งนำไปสู่การรวมตัวกันของ DNA มะเร็งที่หนาแน่นซึ่งป้องกันการรวมตัวของถุง/AuNPs เป็นผลให้อนุภาคนาโนเหล่านี้กระจายไปอย่างสมบูรณ์ในชั้นนอกของมวลรวมมะเร็งซึ่งส่งผลให้เกิดการกระจายตัวของถุง/AuNPs ที่แตกต่างกันที่ดูดซับในมวลรวมดีเอ็นเอปกติและมะเร็ง เส้นโค้ง ROC นั้นถูกสร้างขึ้นโดยการเปลี่ยนแปลงเกณฑ์จากค่าต่ำสุดของΔA650/525 เป็นค่าสูงสุด

รูปที่ 2 (a) ค่าการดูดกลืนแสงสัมพัทธ์ของโซลูชัน Cyst/AuNP

(DA650/525) ของแปลงกล่อง; (b) การวิเคราะห์ ROC และการประเมินผลการทดสอบการวินิจฉัย (c) เมทริกซ์ความสับสนสำหรับการวินิจฉัยของผู้ป่วยปกติและมะเร็ง (d) ความไวความจำเพาะค่าการทำนายเชิงบวก (PPV) ค่าการทำนายเชิงลบ (NPV) และความแม่นยำของวิธีการที่พัฒนาขึ้น

ดังที่แสดงในรูปที่ 2B พื้นที่ใต้เส้นโค้ง ROC (AUC = 0.9274) ที่ได้รับสำหรับเซ็นเซอร์ที่พัฒนาแล้วมีความไวและความจำเพาะสูง ดังที่เห็นได้จากพล็อตกล่องจุดต่ำสุดที่แสดงถึงกลุ่ม DNA ปกติจะไม่ถูกแยกออกจากจุดสูงสุดที่เป็นตัวแทนของกลุ่ม DNA มะเร็ง ดังนั้นการถดถอยโลจิสติกจึงถูกใช้เพื่อแยกความแตกต่างระหว่างกลุ่มปกติและกลุ่มมะเร็ง ด้วยชุดของตัวแปรอิสระมันประมาณความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้นเช่นมะเร็งหรือกลุ่มปกติ ช่วงตัวแปรตาม 0 ถึง 1 ผลลัพธ์จึงเป็นความน่าจะเป็น เราพิจารณาความน่าจะเป็นของการระบุมะเร็ง (P) ตามΔA650/525 ดังนี้

โดยที่ B = 5.3533, W1 = -6.965 สำหรับการจำแนกตัวอย่างความน่าจะเป็นน้อยกว่า 0.5 หมายถึงตัวอย่างปกติในขณะที่ความน่าจะเป็น 0.5 หรือสูงกว่าบ่งบอกถึงตัวอย่างมะเร็ง รูปที่ 2C แสดงให้เห็นถึงเมทริกซ์ความสับสนที่สร้างขึ้นจากการตรวจสอบความถูกต้องข้ามแบบลา-มัน-เดียวซึ่งใช้เพื่อตรวจสอบความเสถียรของวิธีการจำแนกประเภท รูปที่ 2D สรุปการประเมินการทดสอบการวินิจฉัยของวิธีการรวมถึงความไวความจำเพาะค่าการทำนายเชิงบวก (PPV) และค่าการทำนายเชิงลบ (NPV)

ไบโอเซนเซอร์ที่ใช้สมาร์ทโฟน

เพื่อให้การทดสอบตัวอย่างง่ายขึ้นโดยไม่ต้องใช้สเปกโตรโฟโตมิเตอร์นักวิจัยใช้ปัญญาประดิษฐ์ (AI) เพื่อตีความสีของการแก้ปัญหาและแยกแยะระหว่างบุคคลปกติและมะเร็ง จากสิ่งนี้การมองเห็นคอมพิวเตอร์ถูกใช้เพื่อแปลสีของโซลูชัน Cyst/AuNPS เป็น DNA ปกติ (สีม่วง) หรือ DNA มะเร็ง (สีแดง) โดยใช้รูปภาพของแผ่น 96 หลุมที่ถ่ายผ่านกล้องโทรศัพท์มือถือ ปัญญาประดิษฐ์สามารถลดค่าใช้จ่ายและปรับปรุงการเข้าถึงในการตีความสีของโซลูชันอนุภาคนาโนและไม่ต้องใช้อุปกรณ์เสริมสมาร์ทโฟนฮาร์ดแวร์ออพติคอล ในที่สุดโมเดลการเรียนรู้ของเครื่องสองแบบรวมถึง Forest (RF) และ Support Vector Machine (SVM) ได้รับการฝึกฝนให้สร้างแบบจำลอง ทั้งรุ่น RF และ SVM จัดประเภทตัวอย่างอย่างถูกต้องเป็นบวกและลบด้วยความแม่นยำ 90.0% สิ่งนี้ชี้ให้เห็นว่าการใช้ปัญญาประดิษฐ์ใน biosensing บนโทรศัพท์มือถือเป็นไปได้ค่อนข้างมาก

รูปที่ 3 (a) คลาสเป้าหมายของโซลูชันที่บันทึกไว้ในระหว่างการเตรียมตัวอย่างสำหรับขั้นตอนการได้มาภาพ (b) ตัวอย่างภาพที่ถ่ายในระหว่างขั้นตอนการรับภาพ (c) ความเข้มของสีของสารละลาย Cyst/AuNPS ในแต่ละหลุมของแผ่น 96 หลุมที่สกัดจากภาพ (B)

การใช้ Cyst/AuNPS นักวิจัยได้พัฒนาแพลตฟอร์มการตรวจจับอย่างง่ายสำหรับการตรวจจับภูมิทัศน์เมทิลเลชั่นและเซ็นเซอร์ที่สามารถแยกแยะ DNA ปกติจาก DNA มะเร็งได้เมื่อใช้ตัวอย่างเลือดจริงสำหรับการตรวจคัดกรองโรคมะเร็งเม็ดเลือดขาว เซ็นเซอร์ที่พัฒนาแล้วแสดงให้เห็นว่า DNA ที่สกัดจากตัวอย่างเลือดจริงสามารถตรวจจับ DNA มะเร็ง (3nm) ในผู้ป่วยโรคมะเร็งเม็ดเลือดขาวอย่างรวดเร็วและคุ้มค่าใน 15 นาทีและแสดงความแม่นยำ 95.3% เพื่อลดความซับซ้อนของการทดสอบตัวอย่างโดยไม่จำเป็นต้องใช้เครื่องสเปกโตรโฟโตมิเตอร์การเรียนรู้ของเครื่องถูกใช้เพื่อตีความสีของการแก้ปัญหาและแยกความแตกต่างระหว่างบุคคลปกติและมะเร็งโดยใช้ภาพถ่ายโทรศัพท์มือถือและความแม่นยำก็สามารถทำได้ที่ 90.0%

ข้อมูลอ้างอิง: ดอย: 10.1039/d2ra05725e