डीएनए मिथाइलेशन परीक्षण को स्मार्टफोन के साथ मिलाकर ट्यूमर और ल्यूकेमिया की प्रारंभिक जांच 90.0% की सटीकता के साथ की जा सकती है!

लिक्विड बायोप्सी के आधार पर कैंसर का शीघ्र पता लगाना, हाल के वर्षों में अमेरिकी राष्ट्रीय कैंसर संस्थान द्वारा प्रस्तावित कैंसर का पता लगाने और निदान की एक नई दिशा है, जिसका उद्देश्य कैंसर या यहाँ तक कि कैंसर-पूर्व घावों का शीघ्र पता लगाना है। फेफड़ों के कैंसर, जठरांत्र संबंधी ट्यूमर, ग्लियोमा और स्त्री रोग संबंधी ट्यूमर सहित विभिन्न घातक बीमारियों के शीघ्र निदान के लिए एक नए बायोमार्कर के रूप में इसका व्यापक रूप से उपयोग किया गया है।

मिथाइलेशन लैंडस्केप (मिथाइलस्केप) बायोमार्करों की पहचान करने के लिए प्लेटफार्मों के उद्भव से कैंसर के लिए मौजूदा प्रारंभिक जांच में महत्वपूर्ण सुधार होने की संभावना है, जिससे रोगियों को उपचार योग्य प्रारंभिक अवस्था में लाया जा सकेगा।

हाल ही में, शोधकर्ताओं ने सिस्टेमाइन से सजे सोने के नैनोकणों (सिस्ट/एयूएनपी) पर आधारित मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल और प्रत्यक्ष सेंसिंग प्लेटफ़ॉर्म विकसित किया है, जिसे स्मार्टफ़ोन-आधारित बायोसेंसर के साथ जोड़ा गया है। यह प्लेटफ़ॉर्म विभिन्न प्रकार के ट्यूमर की शीघ्र और प्रारंभिक जाँच संभव बनाता है। रक्त के नमूने से डीएनए निकालने के 15 मिनट के भीतर ल्यूकेमिया की प्रारंभिक जाँच 90.0% सटीकता के साथ की जा सकती है। लेख का शीर्षक है: सिस्टेमाइन-कैप्ड एयूएनपी और मशीन लर्निंग-सक्षम स्मार्टफ़ोन का उपयोग करके मानव रक्त में कैंसर डीएनए का शीघ्र पता लगाना।

चित्र 1. सिस्ट/एयूएनपीएस घटकों के माध्यम से कैंसर स्क्रीनिंग के लिए एक सरल और तेज़ सेंसिंग प्लेटफ़ॉर्म को दो सरल चरणों में पूरा किया जा सकता है।

यह चित्र 1 में दिखाया गया है। सबसे पहले, डीएनए खंडों को घोलने के लिए एक जलीय घोल का उपयोग किया गया। फिर मिश्रित घोल में सिस्ट/एयूएनपी मिलाए गए। सामान्य और घातक डीएनए के मिथाइलेशन गुण अलग-अलग होते हैं, जिसके परिणामस्वरूप अलग-अलग स्व-संयोजन पैटर्न वाले डीएनए खंड बनते हैं। सामान्य डीएनए शिथिल रूप से एकत्रित होता है और अंततः सिस्ट/एयूएनपी से जुड़ जाता है, जिसके परिणामस्वरूप सिस्ट/एयूएनपी की लाल-स्थानांतरित प्रकृति होती है, जिससे लाल से बैंगनी रंग में परिवर्तन नंगी आँखों से देखा जा सकता है। इसके विपरीत, कैंसर डीएनए की अनूठी मिथाइलेशन प्रोफ़ाइल डीएनए खंडों के बड़े समूहों के निर्माण की ओर ले जाती है।

96-वेल प्लेटों की तस्वीरें एक स्मार्टफोन कैमरे से ली गईं। स्पेक्ट्रोस्कोपी-आधारित विधियों की तुलना में, मशीन लर्निंग से लैस एक स्मार्टफोन द्वारा कैंसर डीएनए का मापन किया गया।

वास्तविक रक्त नमूनों में कैंसर की जांच

संवेदन प्लेटफ़ॉर्म की उपयोगिता बढ़ाने के लिए, शोधकर्ताओं ने एक ऐसा सेंसर लगाया जो वास्तविक रक्त नमूनों में सामान्य और कैंसरग्रस्त डीएनए के बीच सफलतापूर्वक अंतर करता है। सीपीजी स्थलों पर मिथाइलेशन पैटर्न जीन अभिव्यक्ति को एपिजेनेटिक रूप से नियंत्रित करते हैं। लगभग सभी प्रकार के कैंसर में, डीएनए मिथाइलेशन में और इस प्रकार ट्यूमरोजेनेसिस को बढ़ावा देने वाले जीन की अभिव्यक्ति में परिवर्तन बारी-बारी से देखे गए हैं।

डीएनए मिथाइलेशन से जुड़े अन्य कैंसरों के लिए एक मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिया के रोगियों और स्वस्थ नियंत्रण समूहों के रक्त के नमूनों का उपयोग ल्यूकेमिया से प्रभावित कैंसरों में मिथाइलेशन परिदृश्य की प्रभावशीलता की जाँच के लिए किया। यह मिथाइलेशन परिदृश्य बायोमार्कर न केवल मौजूदा तीव्र ल्यूकेमिया स्क्रीनिंग विधियों से बेहतर प्रदर्शन करता है, बल्कि इस सरल और सरल परख का उपयोग करके विभिन्न प्रकार के कैंसरों का शीघ्र पता लगाने की व्यवहार्यता को भी प्रदर्शित करता है।

31 ल्यूकेमिया रोगियों और 12 स्वस्थ व्यक्तियों के रक्त के नमूनों से प्राप्त डीएनए का विश्लेषण किया गया। जैसा कि चित्र 2a में बॉक्स प्लॉट में दिखाया गया है, कैंसर के नमूनों का सापेक्ष अवशोषण (ΔA650/525) सामान्य नमूनों के डीएनए की तुलना में कम था। यह मुख्य रूप से बढ़ी हुई हाइड्रोफोबिसिटी के कारण था जिससे कैंसर डीएनए का सघन एकत्रीकरण हुआ, जिससे सिस्ट/AuNPs का एकत्रीकरण रुक गया। परिणामस्वरूप, ये नैनोकण कैंसर समुच्चयों की बाहरी परतों में पूरी तरह से फैल गए, जिसके परिणामस्वरूप सामान्य और कैंसर डीएनए समुच्चयों पर अधिशोषित सिस्ट/AuNPs का एक अलग फैलाव हुआ। फिर थ्रेशोल्ड को न्यूनतम मान ΔA650/525 से अधिकतम मान तक परिवर्तित करके ROC वक्र उत्पन्न किए गए।

चित्र 2.(a) सिस्ट/AuNPs विलयनों के सापेक्ष अवशोषण मान, जो अनुकूलित स्थितियों में सामान्य (नीला) और कैंसर (लाल) डीएनए की उपस्थिति दर्शाते हैं

बॉक्स प्लॉट्स का (डीए650/525); (बी) डायग्नोस्टिक परीक्षणों का आरओसी विश्लेषण और मूल्यांकन। (सी) सामान्य और कैंसर रोगियों के निदान के लिए भ्रम मैट्रिक्स। (डी) संवेदनशीलता, विशिष्टता, सकारात्मक भविष्य कहनेवाला मूल्य (पीपीवी), नकारात्मक भविष्य कहनेवाला मूल्य (एनपीवी) और विकसित विधि की सटीकता।

जैसा कि चित्र 2b में दिखाया गया है, विकसित सेंसर के लिए प्राप्त ROC वक्र (AUC = 0.9274) के अंतर्गत क्षेत्र ने उच्च संवेदनशीलता और विशिष्टता दर्शाई। जैसा कि बॉक्स प्लॉट से देखा जा सकता है, सामान्य डीएनए समूह का प्रतिनिधित्व करने वाला निम्नतम बिंदु, कैंसर डीएनए समूह का प्रतिनिधित्व करने वाले उच्चतम बिंदु से पर्याप्त रूप से पृथक नहीं है; इसलिए, सामान्य और कैंसर समूहों के बीच अंतर करने के लिए लॉजिस्टिक रिग्रेशन का उपयोग किया गया। स्वतंत्र चरों के एक समूह को देखते हुए, यह किसी घटना के घटित होने की प्रायिकता का अनुमान लगाता है, जैसे कि कैंसर या सामान्य समूह। आश्रित चर 0 और 1 के बीच होता है। इसलिए परिणाम एक प्रायिकता है। हमने ΔA650/525 के आधार पर कैंसर की पहचान की प्रायिकता (P) निम्न प्रकार से निर्धारित की।

जहाँ b=5.3533, w1=-6.965। नमूना वर्गीकरण के लिए, 0.5 से कम की प्रायिकता एक सामान्य नमूने को इंगित करती है, जबकि 0.5 या उससे अधिक की प्रायिकता एक कैंसरग्रस्त नमूने को इंगित करती है। चित्र 2c, "लीव-इट-अलोन" क्रॉस-वैलिडेशन से उत्पन्न भ्रम मैट्रिक्स को दर्शाता है, जिसका उपयोग वर्गीकरण पद्धति की स्थिरता को सत्यापित करने के लिए किया गया था। चित्र 2d, संवेदनशीलता, विशिष्टता, सकारात्मक पूर्वानुमानित मान (PPV) और नकारात्मक पूर्वानुमानित मान (NPV) सहित पद्धति के नैदानिक ​​परीक्षण मूल्यांकन का सारांश प्रस्तुत करता है।

स्मार्टफोन-आधारित बायोसेंसर

स्पेक्ट्रोफोटोमीटर के उपयोग के बिना नमूना परीक्षण को और सरल बनाने के लिए, शोधकर्ताओं ने समाधान के रंग की व्याख्या करने और सामान्य और कैंसरग्रस्त व्यक्तियों के बीच अंतर करने के लिए कृत्रिम बुद्धिमत्ता (एआई) का उपयोग किया। इसे देखते हुए, मोबाइल फोन कैमरे के माध्यम से लिए गए 96-वेल प्लेटों की छवियों का उपयोग करके सिस्ट/एयूएनपीएस समाधान के रंग को सामान्य डीएनए (बैंगनी) या कैंसरग्रस्त डीएनए (लाल) में बदलने के लिए कंप्यूटर विज़न का उपयोग किया गया था। कृत्रिम बुद्धिमत्ता लागत को कम कर सकती है और नैनोकणों के समाधानों के रंग की व्याख्या करने में पहुंच में सुधार कर सकती है, और वह भी बिना किसी ऑप्टिकल हार्डवेयर स्मार्टफोन एक्सेसरीज के उपयोग के। अंत में, रैंडम फ़ॉरेस्ट (आरएफ) और सपोर्ट वेक्टर मशीन (एसवीएम) सहित दो मशीन लर्निंग मॉडल को मॉडल बनाने के लिए प्रशिक्षित किया गया।

चित्र 3. (क) छवि अधिग्रहण चरण के लिए नमूने की तैयारी के दौरान दर्ज किए गए समाधान का लक्ष्य वर्ग। (ख) छवि अधिग्रहण चरण के दौरान ली गई उदाहरण छवि। (ग) छवि (ख) से निकाले गए 96-वेल प्लेट के प्रत्येक वेल में सिस्ट/एयूएनपीएस समाधान की रंग तीव्रता।

सिस्ट/एयूएनपी का उपयोग करके, शोधकर्ताओं ने मिथाइलेशन परिदृश्य का पता लगाने के लिए एक सरल संवेदन प्लेटफ़ॉर्म और एक सेंसर विकसित किया है जो ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त नमूनों का उपयोग करते समय सामान्य डीएनए और कैंसर डीएनए में अंतर करने में सक्षम है। विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त नमूनों से निकाले गए डीएनए ने ल्यूकेमिया रोगियों में कैंसर डीएनए (3nM) की अल्प मात्रा का 15 मिनट में शीघ्रतापूर्वक और किफ़ायती ढंग से पता लगाया, और 95.3% की सटीकता प्रदर्शित की। स्पेक्ट्रोफोटोमीटर की आवश्यकता को समाप्त करके नमूना परीक्षण को और सरल बनाने के लिए, मोबाइल फ़ोन फ़ोटोग्राफ़ का उपयोग करके घोल के रंग की व्याख्या करने और सामान्य और कैंसरग्रस्त व्यक्तियों के बीच अंतर करने के लिए मशीन लर्निंग का उपयोग किया गया, और 90.0% की सटीकता भी प्राप्त की जा सकी।

संदर्भ: DOI: 10.1039/d2ra05725e