DNA -metilado -testado kombinita kun inteligentaj telefonoj por frua kribrado de tumoroj kaj leŭkemia kribrado kun precizeco de 90,0%!

Frua detekto de kancero surbaze de likva biopsio estas nova direkto de detekto de kancero kaj diagnozo proponita de la Usona Nacia Kancero -Instituto en la lastaj jaroj, kun la celo detekti fruan kanceron aŭ eĉ antaŭkanceran lezon. Ĝi estis vaste uzata kiel nova biomarkilo por la frua diagnozo de diversaj malignoj, inkluzive de pulmo -kancero, gastrointestinalaj tumoroj, gliomoj kaj ginekologiaj tumoroj.

La apero de platformoj por identigi biomarkerojn de metila pejzaĝo (metilscape) havas la potencialon signife plibonigi ekzistantan fruan kribradon por kancero, metante pacientojn en la plej frua traktebla stadio.

Lastatempe, esploristoj disvolvis simplan kaj rektan sentan platformon por detekto de pejzaĝo de metilado surbaze de cisteamino ornamitaj oraj nanopartikloj (kisto/AuNPs) kombinitaj kun biosensoro bazita en inteligenta telefono, kiu ebligas rapidan fruan kribradon de vasta gamo de tumoroj. Frua kribrado por leŭkemio povas esti farita ene de 15 minutoj post DNA -eltiro de sanga specimeno, kun precizeco de 90,0%. Artikola titolo estas rapida detekto de kancero-DNA en homa sango uzante cisteamin-ĉapajn AuNPojn kaj maŝinan lern-ebligitan inteligentan telefonon。

Figuro 1. Simpla kaj rapida sentanta platformo por kancero -kribrado per Cyst/AuNPS -komponentoj povas esti realigita per du simplaj paŝoj.

Ĉi tio montras en Figuro 1. Unue, akva solvo estis uzata por solvi la fragmentojn de DNA. Kisto/AuNPs tiam estis aldonitaj al la miksita solvo. Normala kaj maligna DNA havas malsamajn metilajn proprietojn, rezultigante DNA-fragmentojn kun malsamaj mem-muntaj ŝablonoj. Normalaj DNA-agregoj malloze kaj eventuale agregas kistojn/AuNPs, kio rezultigas la ruĝ-ŝanĝitan naturon de kisto/AuNPs, tiel ke ŝanĝo de koloro de ruĝa al purpuro povas esti observata per la nuda okulo. En kontrasto, la unika metila profilo de kancero -DNA kondukas al produktado de pli grandaj grapoj de DNA -fragmentoj.

Bildoj de 96-putaj teleroj estis prenitaj per inteligenta fotilo. Kancera DNA estis mezurita per inteligenta telefono ekipita per maŝina lernado kompare al spektroskopiaj metodoj.

Kancera kribrado en realaj sangaj specimenoj

Por etendi la utilecon de la sentanta platformo, la enketistoj aplikis sensilon, kiu sukcese distingis inter normala kaj kancera DNA en realaj sangaj specimenoj. Metilaj ŝablonoj ĉe CPG -ejoj epigenetike reguligas genan esprimon. En preskaŭ ĉiuj kancero -tipoj, ŝanĝoj en DNA -metilado kaj tiel en la esprimo de genoj, kiuj antaŭenigas tumourigenesis, estis observitaj alterni.

Kiel modelo por aliaj kanceroj asociitaj kun DNA -metilado, la esploristoj uzis sangajn specimenojn de leŭkemiaj pacientoj kaj sanajn kontrolojn por esplori la efikecon de la metila pejzaĝo en diferencigado de leŭkaemiaj kanceroj. Ĉi tiu metila pejzaĝa biomarkilo ne nur superas ekzistantajn rapidajn leŭkemiajn kribrajn metodojn, sed ankaŭ pruvas la fareblecon etendiĝi al frua detekto de vasta gamo de kanceroj per ĉi tiu simpla kaj rekta provo.

DNA el sangaj specimenoj de 31 leŭkemiaj pacientoj kaj 12 sanaj individuoj estis analizita. Kiel montrite en la skatola intrigo en Figuro 2a, la relativa absorbanco de la kancero -specimenoj (ΔA650/525) estis pli malalta ol tiu de DNA de normalaj specimenoj. Ĉi tio estis ĉefe pro la plibonigita hidrofobiceco kondukanta al densa agregado de kancero -DNA, kiu malhelpis la agregadon de kisto/AuNPs. Rezulte, ĉi tiuj nanopartikloj estis tute dissemitaj en la eksteraj tavoloj de la kancero -agregatoj, kio rezultigis malsaman disvastiĝon de kisto/AuNPs adsorbitaj sur normalaj kaj kancero -DNA -agregatoj. ROC -kurboj tiam estis generitaj per variado de la sojlo de minimuma valoro de ΔA650/525 al maksimuma valoro.

Figuro 2. (a) Relativaj absorbaj valoroj de kistaj/AuNPS -solvoj montrantaj la ĉeeston de normala (blua) kaj kancero (ruĝa) DNA en optimumigitaj kondiĉoj

(DA650/525) de skatolaj intrigoj; (B) ROC -analizo kaj taksado de diagnozaj provoj. (c) Konfuza matrico por la diagnozo de normalaj kaj kancero -pacientoj. (d) Sentiveco, specifeco, pozitiva prognoza valoro (PPV), negativa prognoza valoro (NPV) kaj precizeco de la evoluinta metodo.

Kiel montrite en Figuro 2B, la areo sub la ROC -kurbo (AUC = 0.9274) akirita por la evoluinta sensilo montris altan sentivecon kaj specifecon. Kiel videblas el la skatola intrigo, la plej malalta punkto reprezentanta la normalan DNA -grupon ne estas bone apartigita de la plej alta punkto reprezentanta la kanceran DNA -grupon; Tial loĝistika regreso estis uzata por diferenci inter la normalaj kaj kanceraj grupoj. Konsiderante aron da sendependaj variabloj, ĝi taksas la probablon de okazaĵo okazanta, kiel kancero aŭ normala grupo. La dependa variablo estas inter 0 kaj 1. La rezulto estas do probablo. Ni determinis la probablon de kancero -identigo (P) surbaze de ΔA650/525 kiel sekvas.

kie B = 5.3533, W1 = -6.965. Por specimeno -klasifiko, probablo de malpli ol 0,5 indikas normalan specimenon, dum probablo de 0,5 aŭ pli alta indikas kanceran specimenon. Figuro 2C bildigas la konfuzan matricon generitan de la forpermeso-it-interkruciĝo, kiu estis uzata por validigi la stabilecon de la klasifika metodo. Figuro 2D resumas la diagnozan testan taksadon de la metodo, inkluzive de sentiveco, specifeco, pozitiva prognoza valoro (PPV) kaj negativa prognoza valoro (NPV).

Smartphone-bazitaj biosensiloj

Por plue simpligi specimenajn testojn sen la uzo de spektrofotometroj, la esploristoj uzis artefaritan inteligentecon (AI) por interpreti la koloron de la solvo kaj distingi inter normalaj kaj kanceraj individuoj. Konsiderante ĉi tion, komputila vidado estis uzata por traduki la koloron de la kisto/AuNPS-solvo en normalan DNA (purpuran) aŭ kanceran DNA (ruĝan) uzante bildojn de 96-putaj platoj prenitaj per poŝtelefona fotilo. Artefarita inteligenteco povas redukti kostojn kaj plibonigi la alireblecon en interpretado de la koloro de nanopartiklaj solvoj kaj sen la uzo de iuj optikaj aparataj smartphone -akcesoraĵoj. Fine, du maŝinlernaj modeloj, inkluzive de hazarda arbaro (RF) kaj subtena vektora maŝino (SVM) estis trejnitaj por konstrui la modelojn. Ambaŭ RF kaj SVM -modeloj ĝuste klasifikis la specimenojn kiel pozitivajn kaj negativajn kun precizeco de 90,0%. Ĉi tio sugestas, ke la uzo de artefarita inteligenteco en poŝtelefona biosensado estas tre ebla.

Figuro 3. (a) Cela klaso de la solvo registrita dum la preparado de la specimeno por la bilda akira paŝo. (b) Ekzempla bildo farita dum la bilda akira paŝo. (c) Kolora intenseco de la kisto/AuNPS-solvo en ĉiu puto de la 96-puto-plato ĉerpita el la bildo (B).

Uzante kistojn/AuNPs, esploristoj sukcese disvolvis simplan sentan platformon por detekto de pejzaĝo de metilado kaj sensilon kapablan distingi normalan DNA de kancero -DNA dum uzado de realaj sangaj specimenoj por leŭkemia kribrado. La evoluinta sensilo pruvis, ke DNA ĉerpita el realaj sangaj specimenoj kapablis rapide kaj kostefike detekti malgrandajn kvantojn de kancero-DNA (3NM) en leŭkemiaj pacientoj en 15 minutoj, kaj montris precizecon de 95,3%. Por plue simpligi specimenajn testojn forigante la bezonon de spektrofotometro, maŝina lernado estis uzata por interpreti la koloron de la solvo kaj diferenci inter normalaj kaj kanceraj individuoj uzante poŝtelefonan foton, kaj precizeco ankaŭ povis esti atingita je 90.0%.

Referenco: doi: 10.1039/d2ra05725e