डीएनए मेथिलिकरण परीक्षण 90.0%की सटीकता के साथ ट्यूमर और ल्यूकेमिया स्क्रीनिंग की शुरुआती स्क्रीनिंग के लिए स्मार्टफोन के साथ संयुक्त!

तरल बायोप्सी पर आधारित कैंसर का प्रारंभिक पता लगाना हाल के वर्षों में यूएस नेशनल कैंसर इंस्टीट्यूट द्वारा प्रस्तावित कैंसर का पता लगाने और निदान की एक नई दिशा है, जिसका उद्देश्य प्रारंभिक कैंसर या यहां तक ​​कि पूर्व -घावों का पता लगाना है। यह व्यापक रूप से विभिन्न विकृतियों के शुरुआती निदान के लिए एक उपन्यास बायोमार्कर के रूप में उपयोग किया गया है, जिसमें फेफड़े के कैंसर, गैस्ट्रोइंटेस्टाइनल ट्यूमर, ग्लियोमा और स्त्री रोग संबंधी ट्यूमर शामिल हैं।

मिथाइलेशन लैंडस्केप (मिथाइलस्केप) बायोमार्कर की पहचान करने के लिए प्लेटफार्मों के उद्भव में कैंसर के लिए मौजूदा शुरुआती स्क्रीनिंग में काफी सुधार करने की क्षमता है, जो रोगियों को जल्द से जल्द उपचार योग्य चरण में डालते हैं।

हाल ही में, शोधकर्ताओं ने एक स्मार्टफोन-आधारित बायोसेंसर के साथ संयुक्त सिस्टेमिन सजाए गए सोने के नैनोकणों (पुटी/एयूएनपी) के आधार पर मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल और प्रत्यक्ष संवेदन मंच विकसित किया है जो ट्यूमर की एक विस्तृत श्रृंखला की तेजी से शुरुआती स्क्रीनिंग को सक्षम बनाता है। ल्यूकेमिया के लिए शुरुआती स्क्रीनिंग 90.0%की सटीकता के साथ, रक्त के नमूने से डीएनए निष्कर्षण के बाद 15 मिनट के भीतर की जा सकती है। अनुच्छेद शीर्षक मानव रक्त में कैंसर डीएनए का तेजी से पता लगाने के लिए सिस्टेमिन-कैप्ड एयूएनपी और एक मशीन सीखने-सक्षम स्मार्टफोन का उपयोग कर रहा है।

चित्रा 1। पुटी/एयूएनपी घटकों के माध्यम से कैंसर स्क्रीनिंग के लिए एक सरल और तेज सेंसिंग प्लेटफॉर्म को दो सरल चरणों में पूरा किया जा सकता है।

यह चित्र 1 में दिखाया गया है। सबसे पहले, डीएनए के टुकड़ों को भंग करने के लिए एक जलीय घोल का उपयोग किया गया था। पुटी/एयूएनपी को तब मिश्रित समाधान में जोड़ा गया था। सामान्य और घातक डीएनए में अलग-अलग मिथाइलेशन गुण होते हैं, जिसके परिणामस्वरूप डीएनए टुकड़े अलग-अलग स्व-असेंबली पैटर्न के साथ होते हैं। सामान्य डीएनए एकत्र होता है और अंततः पुटी/एयूएनपीएस को एकत्र करता है, जिसके परिणामस्वरूप पुटी/एयूएनपी की लाल-शिफ्टेड प्रकृति होती है, ताकि लाल से बैंगनी से रंग में परिवर्तन नग्न आंखों के साथ देखा जा सके। इसके विपरीत, कैंसर डीएनए की अद्वितीय मिथाइलेशन प्रोफाइल डीएनए के टुकड़ों के बड़े समूहों के उत्पादन की ओर ले जाती है।

स्मार्टफोन कैमरे का उपयोग करके 96-अच्छी तरह से प्लेटों की छवियां ली गईं। कैंसर डीएनए को स्पेक्ट्रोस्कोपी-आधारित विधियों की तुलना में मशीन लर्निंग से लैस स्मार्टफोन द्वारा मापा गया था।

वास्तविक रक्त के नमूनों में कैंसर स्क्रीनिंग

सेंसिंग प्लेटफॉर्म की उपयोगिता का विस्तार करने के लिए, जांचकर्ताओं ने एक सेंसर लागू किया जो वास्तविक रक्त के नमूनों में सामान्य और कैंसर वाले डीएनए के बीच सफलतापूर्वक प्रतिष्ठित था। CPG साइटों पर मिथाइलेशन पैटर्न एपिजेनेटिक रूप से जीन अभिव्यक्ति को विनियमित करते हैं। लगभग सभी कैंसर प्रकारों में, डीएनए मेथिलिकरण में परिवर्तन और इस प्रकार जीन की अभिव्यक्ति में जो कि ट्यूमरजेनिसिस को बढ़ावा देते हैं, वैकल्पिक रूप से देखे गए हैं।

डीएनए मिथाइलेशन से जुड़े अन्य कैंसर के लिए एक मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिया के रोगियों से रक्त के नमूनों का उपयोग किया और ल्यूकेमिक कैंसर को अलग करने में मिथाइलेशन परिदृश्य की प्रभावशीलता की जांच करने के लिए स्वस्थ नियंत्रण। यह मिथाइलेशन लैंडस्केप बायोमार्कर न केवल मौजूदा रैपिड ल्यूकेमिया स्क्रीनिंग विधियों से बेहतर प्रदर्शन करता है, बल्कि इस सरल और सीधे परख का उपयोग करके कैंसर की एक विस्तृत श्रृंखला का शुरुआती पता लगाने की व्यवहार्यता को भी प्रदर्शित करता है।

31 ल्यूकेमिया रोगियों और 12 स्वस्थ व्यक्तियों से रक्त के नमूनों से डीएनए का विश्लेषण किया गया था। जैसा कि चित्र 2 ए में बॉक्स प्लॉट में दिखाया गया है, कैंसर के नमूनों (ofa650/525) के सापेक्ष अवशोषण सामान्य नमूनों से डीएनए की तुलना में कम था। यह मुख्य रूप से कैंसर डीएनए के घने एकत्रीकरण के लिए बढ़ी हुई हाइड्रोफोबिसिटी के कारण था, जो पुटी/एयूएनपी के एकत्रीकरण को रोकता था। नतीजतन, ये नैनोकणों को कैंसर समुच्चय की बाहरी परतों में पूरी तरह से फैलाया गया था, जिसके परिणामस्वरूप सामान्य और कैंसर डीएनए समुच्चय पर पुटी/एयूएनपीएस का एक अलग फैलाव हुआ। ROC घटता तब ΔA650/525 के न्यूनतम मूल्य से सीमा को अधिकतम मूल्य तक अलग करके उत्पन्न किया गया था।

चित्रा 2. (ए) पुटी/एयूएनपीएस समाधान के सापेक्ष अवशोषण मान सामान्य (नीला) और कैंसर (लाल) डीएनए की उपस्थिति को दर्शाता है जो अनुकूलित परिस्थितियों में है

(DA650/525) बॉक्स भूखंडों; (बी) आरओसी विश्लेषण और नैदानिक ​​परीक्षणों का मूल्यांकन। (c) 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 2 बी में दिखाया गया है, विकसित सेंसर के लिए प्राप्त आरओसी वक्र (एयूसी = 0.9274) के तहत क्षेत्र उच्च संवेदनशीलता और विशिष्टता को दिखाया। जैसा कि बॉक्स प्लॉट से देखा जा सकता है, सामान्य डीएनए समूह का प्रतिनिधित्व करने वाला सबसे कम बिंदु कैंसर डीएनए समूह का प्रतिनिधित्व करने वाले उच्चतम बिंदु से अलग नहीं है; इसलिए, लॉजिस्टिक रिग्रेशन का उपयोग सामान्य और कैंसर समूहों के बीच अंतर करने के लिए किया गया था। स्वतंत्र चर के एक सेट को देखते हुए, यह एक घटना की संभावना का अनुमान लगाता है, जैसे कि कैंसर या सामान्य समूह। आश्रित चर 0 और 1 के बीच होता है। परिणाम इसलिए एक संभावना है। हमने ΔA650/525 के आधार पर कैंसर की पहचान (पी) की संभावना निर्धारित की है।

जहां b = 5.3533, W1 = -6.965। नमूना वर्गीकरण के लिए, 0.5 से कम की संभावना एक सामान्य नमूने को इंगित करती है, जबकि 0.5 या उच्चतर की संभावना कैंसर के नमूने को इंगित करती है। चित्रा 2 सी में अवकाश-इट-अलोन क्रॉस-वैलिडेशन से उत्पन्न भ्रम मैट्रिक्स को दर्शाया गया है, जिसका उपयोग वर्गीकरण विधि की स्थिरता को मान्य करने के लिए किया गया था। चित्रा 2 डी विधि के नैदानिक ​​परीक्षण मूल्यांकन को सारांशित करता है, जिसमें संवेदनशीलता, विशिष्टता, सकारात्मक भविष्य कहनेवाला मूल्य (पीपीवी) और नकारात्मक भविष्य कहनेवाला मूल्य (एनपीवी) शामिल हैं।

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 कैंसर वाले व्यक्तियों के बीच अंतर करने के लिए कृत्रिम बुद्धिमत्ता (एआई) का उपयोग किया। यह देखते हुए, कंप्यूटर विज़न का उपयोग पुटी/एयूएनपीएस समाधान के रंग को सामान्य डीएनए (बैंगनी) या कैंसर डीएनए (लाल) में अनुवाद करने के लिए किया गया था, जो मोबाइल फोन कैमरे के माध्यम से ली गई 96-अच्छी तरह से प्लेटों की छवियों का उपयोग कर रहा था। आर्टिफिशियल इंटेलिजेंस नैनोपार्टिकल सॉल्यूशंस के रंग की व्याख्या करने और किसी भी ऑप्टिकल हार्डवेयर स्मार्टफोन एक्सेसरीज़ के उपयोग के बिना लागत को कम कर सकता है और पहुंच में सुधार कर सकता है। अंत में, रैंडम फॉरेस्ट (आरएफ) और सपोर्ट वेक्टर मशीन (एसवीएम) सहित दो मशीन लर्निंग मॉडल को मॉडल बनाने के लिए प्रशिक्षित किया गया। आरएफ और एसवीएम दोनों मॉडल ने 90.0%की सटीकता के साथ सकारात्मक और नकारात्मक के रूप में नमूनों को सही ढंग से वर्गीकृत किया। इससे पता चलता है कि मोबाइल फोन-आधारित बायोसेंसिंग में कृत्रिम बुद्धिमत्ता का उपयोग काफी संभव है।

चित्रा 3. (ए) छवि अधिग्रहण कदम के लिए नमूने की तैयारी के दौरान दर्ज किए गए समाधान का लक्ष्य वर्ग। (b) छवि अधिग्रहण कदम के दौरान ली गई उदाहरण छवि। (c) छवि (B) से निकाले गए 96-अच्छी तरह से प्लेट के प्रत्येक कुएं में पुटी/AUNPS समाधान की रंग तीव्रता।

पुटी/एयूएनपी का उपयोग करते हुए, शोधकर्ताओं ने ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त के नमूनों का उपयोग करते समय कैंसर डीएनए से सामान्य डीएनए से सामान्य डीएनए को अलग करने में सक्षम एक सेंसर और एक सेंसर को सफलतापूर्वक विकसित किया है। विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त के नमूनों से निकाला गया डीएनए 15 मिनट में ल्यूकेमिया के रोगियों में कैंसर के डीएनए (3NM) की कम मात्रा का पता लगाने में सक्षम था, और 95.3%की सटीकता दिखाई। एक स्पेक्ट्रोफोटोमीटर की आवश्यकता को समाप्त करके नमूना परीक्षण को और सरल बनाने के लिए, मशीन लर्निंग का उपयोग समाधान के रंग की व्याख्या करने के लिए किया गया था और मोबाइल फोन की तस्वीर का उपयोग करके सामान्य और कैंसर वाले व्यक्तियों के बीच अंतर किया गया था, और सटीकता भी 90.0%पर प्राप्त करने में सक्षम थी।

संदर्भ: doi: 10.1039/d2ra05725e