การทดสอบเมทิลเลชั่นของดีเอ็นเอร่วมกับสมาร์ทโฟนเพื่อการคัดกรองเนื้องอกและมะเร็งเม็ดเลือดขาวในระยะเริ่มต้น ด้วยความแม่นยำสูงถึง 90.0%!

การตรวจหามะเร็งในระยะเริ่มต้นโดยใช้การตรวจชิ้นเนื้อจากของเหลวในร่างกาย (liquid biopsy) เป็นแนวทางใหม่ในการตรวจวินิจฉัยมะเร็งที่สถาบันมะเร็งแห่งชาติของสหรัฐอเมริกาเสนอขึ้นในช่วงไม่กี่ปีที่ผ่านมา โดยมีเป้าหมายเพื่อตรวจหามะเร็งในระยะเริ่มต้นหรือแม้แต่รอยโรคก่อนเป็นมะเร็ง วิธีการนี้ได้รับการนำมาใช้กันอย่างแพร่หลายในฐานะตัวบ่งชี้ทางชีวภาพใหม่สำหรับการวินิจฉัยมะเร็งในระยะเริ่มต้นหลายชนิด รวมถึงมะเร็งปอด เนื้องอกในระบบทางเดินอาหาร เนื้องอกในสมอง และเนื้องอกทางนรีเวช

การเกิดขึ้นของแพลตฟอร์มสำหรับการระบุไบโอมาร์กเกอร์จากรูปแบบการเมทิลเลชั่น (Methylscape) มีศักยภาพที่จะช่วยปรับปรุงการตรวจคัดกรองมะเร็งในระยะเริ่มต้นให้ดีขึ้นอย่างมาก ทำให้ผู้ป่วยได้รับการรักษาตั้งแต่ระยะแรกสุด

เมื่อไม่นานมานี้ นักวิจัยได้พัฒนาแพลตฟอร์มการตรวจจับแบบง่ายและตรงไปตรงมาสำหรับการตรวจจับรูปแบบการเมทิลเลชั่นโดยใช้ทองคำนาโนอนุภาคที่ตกแต่งด้วยซิสเตมีน (Cyst/AuNPs) ร่วมกับไบโอเซนเซอร์บนสมาร์ทโฟน ซึ่งช่วยให้สามารถคัดกรองเนื้องอกได้หลากหลายชนิดอย่างรวดเร็ว การคัดกรองมะเร็งเม็ดเลือดขาวในระยะเริ่มต้นสามารถทำได้ภายใน 15 นาทีหลังจากการสกัด DNA จากตัวอย่างเลือด โดยมีความแม่นยำ 90.0% ชื่อบทความคือ การตรวจจับ DNA ของมะเร็งในเลือดมนุษย์อย่างรวดเร็วโดยใช้ AuNPs ที่ปิดด้วยซิสเตมีนและสมาร์ทโฟนที่ใช้การเรียนรู้ของเครื่อง

รูปที่ 1. แพลตฟอร์มการตรวจจับที่ง่ายและรวดเร็วสำหรับการตรวจคัดกรองมะเร็งโดยใช้ส่วนประกอบ Cyst/AuNPs สามารถทำได้ในสองขั้นตอนง่ายๆ

ดังแสดงในรูปที่ 1 ขั้นแรก ใช้สารละลายในน้ำเพื่อละลายชิ้นส่วน DNA จากนั้นจึงเติม Cyst/AuNPs ลงในสารละลายผสม DNA ปกติและ DNA ที่เป็นมะเร็งมีคุณสมบัติการเมทิลเลชั่นที่แตกต่างกัน ส่งผลให้ชิ้นส่วน DNA มีรูปแบบการประกอบตัวเองที่แตกต่างกัน DNA ปกติจะรวมตัวกันอย่างหลวมๆ และในที่สุดก็จะรวมตัวกับ Cyst/AuNPs ซึ่งส่งผลให้ Cyst/AuNPs มีลักษณะการเลื่อนไปทางสีแดง ทำให้สามารถสังเกตเห็นการเปลี่ยนสีจากสีแดงเป็นสีม่วงได้ด้วยตาเปล่า ในทางตรงกันข้าม โปรไฟล์การเมทิลเลชั่นที่เป็นเอกลักษณ์ของ DNA ที่เป็นมะเร็งนำไปสู่การสร้างกลุ่มชิ้นส่วน DNA ที่ใหญ่กว่า

ภาพของเพลท 96 หลุมถูกถ่ายโดยใช้กล้องสมาร์ทโฟน ดีเอ็นเอของเซลล์มะเร็งถูกวัดโดยใช้สมาร์ทโฟนที่ติดตั้งระบบเรียนรู้ของเครื่อง (machine learning) เปรียบเทียบกับวิธีการที่ใช้สเปกโทรสโกปี

การตรวจคัดกรองมะเร็งจากตัวอย่างเลือดจริง

เพื่อขยายประโยชน์ใช้สอยของแพลตฟอร์มการตรวจวัด นักวิจัยได้ประยุกต์ใช้เซนเซอร์ที่สามารถแยกแยะความแตกต่างระหว่างดีเอ็นเอปกติและดีเอ็นเอที่เป็นมะเร็งในตัวอย่างเลือดจริงได้สำเร็จ รูปแบบการเมทิลเลชั่นที่ตำแหน่ง CpG ควบคุมการแสดงออกของยีนในระดับเอพิเจเนติกส์ ในมะเร็งเกือบทุกชนิด พบว่ามีการเปลี่ยนแปลงของการเมทิลเลชั่นของดีเอ็นเอ และด้วยเหตุนี้จึงมีการเปลี่ยนแปลงในการแสดงออกของยีนที่ส่งเสริมการเกิดเนื้องอก

เพื่อเป็นแบบจำลองสำหรับมะเร็งชนิดอื่นที่เกี่ยวข้องกับการเมทิลเลชั่นของดีเอ็นเอ นักวิจัยได้ใช้ตัวอย่างเลือดจากผู้ป่วยโรคมะเร็งเม็ดเลือดขาวและกลุ่มควบคุมที่มีสุขภาพดีเพื่อตรวจสอบประสิทธิภาพของรูปแบบการเมทิลเลชั่นในการจำแนกมะเร็งเม็ดเลือดขาว ตัวบ่งชี้ทางชีวภาพรูปแบบการเมทิลเลชั่นนี้ไม่เพียงแต่มีประสิทธิภาพเหนือกว่าวิธีการคัดกรองมะเร็งเม็ดเลือดขาวแบบรวดเร็วที่มีอยู่เท่านั้น แต่ยังแสดงให้เห็นถึงความเป็นไปได้ในการขยายไปสู่การตรวจหามะเร็งในระยะเริ่มต้นได้หลากหลายชนิดโดยใช้การทดสอบที่ง่ายและตรงไปตรงมานี้

มีการวิเคราะห์ DNA จากตัวอย่างเลือดของผู้ป่วยโรคมะเร็งเม็ดเลือดขาว 31 ราย และบุคคลที่มีสุขภาพดี 12 ราย ดังแสดงในแผนภาพกล่องในรูปที่ 2a ค่าการดูดกลืนแสงสัมพัทธ์ของตัวอย่างมะเร็ง (ΔA650/525) ต่ำกว่า DNA จากตัวอย่างปกติ ซึ่งส่วนใหญ่เกิดจากความชอบน้ำที่เพิ่มขึ้น ทำให้เกิดการรวมตัวกันอย่างหนาแน่นของ DNA จากเซลล์มะเร็ง ซึ่งขัดขวางการรวมตัวของ Cyst/AuNPs ส่งผลให้อนุภาคนาโนเหล่านี้กระจายตัวอย่างสมบูรณ์ในชั้นนอกของกลุ่มเซลล์มะเร็ง ทำให้การกระจายตัวของ Cyst/AuNPs ที่ดูดซับบนกลุ่มเซลล์ DNA ปกติและเซลล์มะเร็งแตกต่างกัน จากนั้นจึงสร้างเส้นโค้ง ROC โดยการปรับค่าเกณฑ์จากค่าต่ำสุดของ ΔA650/525 ไปจนถึงค่าสูงสุด

รูปที่ 2.(ก) ค่าการดูดกลืนแสงสัมพัทธ์ของสารละลายซีสต์/อนุภาคนาโนทองคำ แสดงให้เห็นถึงการมีอยู่ของดีเอ็นเอปกติ (สีน้ำเงิน) และดีเอ็นเอมะเร็ง (สีแดง) ภายใต้สภาวะที่เหมาะสมที่สุด

(DA650/525) ของแผนภาพกล่อง; (b) การวิเคราะห์ ROC และการประเมินการทดสอบวินิจฉัย (c) เมทริกซ์ความสับสนสำหรับการวินิจฉัยผู้ป่วยปกติและผู้ป่วยมะเร็ง (d) ความไว ความจำเพาะ ค่าทำนายผลบวก (PPV) ค่าทำนายผลลบ (NPV) และความแม่นยำของวิธีการที่พัฒนาขึ้น

ดังแสดงในรูปที่ 2b พื้นที่ใต้เส้นโค้ง ROC (AUC = 0.9274) ที่ได้สำหรับเซนเซอร์ที่พัฒนาขึ้นแสดงให้เห็นถึงความไวและความจำเพาะสูง ดังที่เห็นได้จากแผนภาพกล่อง จุดต่ำสุดที่แสดงถึงกลุ่ม DNA ปกติไม่ได้แยกออกจากจุดสูงสุดที่แสดงถึงกลุ่ม DNA มะเร็งอย่างชัดเจน ดังนั้นจึงใช้การถดถอยโลจิสติกส์เพื่อแยกความแตกต่างระหว่างกลุ่มปกติและกลุ่มมะเร็ง เมื่อกำหนดชุดตัวแปรอิสระแล้ว จะประมาณความน่าจะเป็นของการเกิดเหตุการณ์ เช่น กลุ่มมะเร็งหรือกลุ่มปกติ ตัวแปรตามมีค่าอยู่ระหว่าง 0 ถึง 1 ดังนั้นผลลัพธ์จึงเป็นความน่าจะเป็น เรากำหนดความน่าจะเป็นของการระบุโรคมะเร็ง (P) โดยอิงจาก ΔA650/525 ดังต่อไปนี้

โดยที่ b=5.3533, w1=-6.965 สำหรับการจำแนกตัวอย่าง ค่าความน่าจะเป็นที่น้อยกว่า 0.5 บ่งชี้ว่าเป็นตัวอย่างปกติ ในขณะที่ค่าความน่าจะเป็นที่ 0.5 หรือสูงกว่า บ่งชี้ว่าเป็นตัวอย่างมะเร็ง รูปที่ 2c แสดงเมทริกซ์ความสับสนที่สร้างขึ้นจากการตรวจสอบความถูกต้องแบบ leave-it-alone ซึ่งใช้ในการตรวจสอบความเสถียรของวิธีการจำแนก รูปที่ 2d สรุปการประเมินการทดสอบวินิจฉัยของวิธีการนี้ รวมถึงความไว ความจำเพาะ ค่าทำนายผลบวก (PPV) และค่าทำนายผลลบ (NPV)

ไบโอเซนเซอร์แบบใช้สมาร์ทโฟน

เพื่อลดความซับซ้อนของการทดสอบตัวอย่างโดยไม่ต้องใช้เครื่องสเปกโทรโฟโตมิเตอร์ นักวิจัยได้ใช้ปัญญาประดิษฐ์ (AI) ในการตีความสีของสารละลายและแยกแยะระหว่างบุคคลปกติและผู้ป่วยมะเร็ง โดยใช้คอมพิวเตอร์วิชั่นในการแปลงสีของสารละลาย Cyst/AuNPs ให้เป็น DNA ปกติ (สีม่วง) หรือ DNA มะเร็ง (สีแดง) โดยใช้ภาพจากแผ่นเพลท 96 หลุมที่ถ่ายผ่านกล้องโทรศัพท์มือถือ ปัญญาประดิษฐ์สามารถลดต้นทุนและเพิ่มความสะดวกในการตีความสีของสารละลายอนุภาคนาโนได้ โดยไม่ต้องใช้อุปกรณ์เสริมฮาร์ดแวร์ทางแสงใดๆ สุดท้ายนี้ ได้มีการฝึกฝนโมเดลการเรียนรู้ของเครื่องสองแบบ ได้แก่ Random Forest (RF) และ Support Vector Machine (SVM) เพื่อสร้างโมเดล ทั้งโมเดล RF และ SVM สามารถจำแนกตัวอย่างเป็นบวกและลบได้อย่างถูกต้องด้วยความแม่นยำ 90.0% สิ่งนี้แสดงให้เห็นว่าการใช้ปัญญาประดิษฐ์ในการตรวจวัดทางชีวภาพโดยใช้โทรศัพท์มือถือเป็นไปได้ค่อนข้างมาก

รูปที่ 3.(ก) กลุ่มเป้าหมายของสารละลายที่บันทึกไว้ระหว่างการเตรียมตัวอย่างสำหรับขั้นตอนการเก็บภาพ (ข) ภาพตัวอย่างที่ถ่ายระหว่างขั้นตอนการเก็บภาพ (ค) ความเข้มของสีของสารละลายซีสต์/อนุภาคนาโนทองคำในแต่ละหลุมของแผ่นเพลท 96 หลุมที่สกัดจากภาพ (ข)

นักวิจัยได้พัฒนาแพลตฟอร์มการตรวจจับแบบง่ายสำหรับการตรวจจับรูปแบบการเมทิลเลชั่นและเซนเซอร์ที่สามารถแยกแยะดีเอ็นเอปกติออกจากดีเอ็นเอของเซลล์มะเร็งได้โดยใช้ตัวอย่างเลือดจริงสำหรับการตรวจคัดกรองมะเร็งเม็ดเลือดขาว โดยใช้ Cyst/AuNPs เซนเซอร์ที่พัฒนาขึ้นแสดงให้เห็นว่าดีเอ็นเอที่สกัดจากตัวอย่างเลือดจริงสามารถตรวจจับดีเอ็นเอของเซลล์มะเร็งในปริมาณน้อย (3 นาโนโมลาร์) ในผู้ป่วยมะเร็งเม็ดเลือดขาวได้อย่างรวดเร็วและคุ้มค่าภายใน 15 นาที และมีความแม่นยำ 95.3% เพื่อลดความซับซ้อนของการทดสอบตัวอย่างโดยไม่จำเป็นต้องใช้เครื่องสเปกโทรโฟโตมิเตอร์ จึงได้ใช้การเรียนรู้ของเครื่องจักรในการตีความสีของสารละลายและแยกแยะระหว่างบุคคลปกติและผู้ป่วยมะเร็งโดยใช้ภาพถ่ายจากโทรศัพท์มือถือ และยังสามารถบรรลุความแม่นยำได้ถึง 90.0%

อ้างอิง: DOI: 10.1039/d2ra05725e