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

हाल के वर्षों में, अमेरिकी राष्ट्रीय कैंसर संस्थान द्वारा प्रस्तावित कैंसर की पहचान और निदान की एक नई दिशा तरल बायोप्सी पर आधारित कैंसर का प्रारंभिक पता लगाना है, जिसका उद्देश्य प्रारंभिक कैंसर या यहां तक ​​कि पूर्व-कैंसर घावों का पता लगाना है। फेफड़ों के कैंसर, गैस्ट्रोइंटेस्टाइनल ट्यूमर, ग्लियोमा और स्त्री रोग संबंधी ट्यूमर सहित विभिन्न घातक बीमारियों के प्रारंभिक निदान के लिए इसे एक नए बायोमार्कर के रूप में व्यापक रूप से उपयोग किया जा रहा है।

मेथिलेशन लैंडस्केप (मेथिलस्केप) बायोमार्कर की पहचान करने वाले प्लेटफार्मों के उद्भव में कैंसर के लिए मौजूदा प्रारंभिक स्क्रीनिंग में उल्लेखनीय सुधार करने की क्षमता है, जिससे रोगियों को उपचार योग्य प्रारंभिक चरण में रखा जा सकता है।

हाल ही में, शोधकर्ताओं ने सिस्टेमाइन से सजे सोने के नैनोकणों (सिस्ट/एयूएनपी) और स्मार्टफोन आधारित बायोसेन्सर के संयोजन से मेथाइलेशन परिदृश्य का पता लगाने के लिए एक सरल और प्रत्यक्ष संवेदन मंच विकसित किया है, जो विभिन्न प्रकार के ट्यूमर की तीव्र प्रारंभिक जांच को सक्षम बनाता है। रक्त के नमूने से डीएनए निकालने के 15 मिनट के भीतर ल्यूकेमिया की प्रारंभिक जांच 90.0% की सटीकता के साथ की जा सकती है। लेख का शीर्षक है: सिस्टेमाइन-कैप्ड एयूएनपी और मशीन लर्निंग-सक्षम स्मार्टफोन का उपयोग करके मानव रक्त में कैंसर डीएनए का तीव्र पता लगाना।

चित्र 1. सिस्ट/एयूएनपी घटकों के माध्यम से कैंसर स्क्रीनिंग के लिए एक सरल और तीव्र संवेदन मंच को दो सरल चरणों में पूरा किया जा सकता है।

इसे चित्र 1 में दर्शाया गया है। सबसे पहले, डीएनए खंडों को घोलने के लिए एक जलीय विलयन का उपयोग किया गया। फिर मिश्रित विलयन में सिस्ट/एयूएनपी मिलाए गए। सामान्य और कैंसरयुक्त डीएनए में अलग-अलग मिथाइलेशन गुण होते हैं, जिसके परिणामस्वरूप डीएनए खंडों के स्व-संयोजन पैटर्न भी भिन्न होते हैं। सामान्य डीएनए शिथिल रूप से एकत्रित होता है और अंततः सिस्ट/एयूएनपी को भी एकत्रित कर लेता है, जिसके कारण सिस्ट/एयूएनपी का रंग लाल हो जाता है, जिससे लाल से बैंगनी रंग में परिवर्तन नग्न आंखों से देखा जा सकता है। इसके विपरीत, कैंसर डीएनए की विशिष्ट मिथाइलेशन प्रोफाइल के कारण डीएनए खंडों के बड़े समूह बनते हैं।

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

वास्तविक रक्त नमूनों में कैंसर की जांच

संवेदन मंच की उपयोगिता बढ़ाने के लिए, शोधकर्ताओं ने एक ऐसे सेंसर का प्रयोग किया जो वास्तविक रक्त नमूनों में सामान्य और कैंसरयुक्त डीएनए के बीच सफलतापूर्वक अंतर कर सकता है। सीपीजी स्थलों पर मेथाइलेशन पैटर्न आनुवंशिक रूप से जीन अभिव्यक्ति को नियंत्रित करते हैं। लगभग सभी प्रकार के कैंसर में, डीएनए मेथाइलेशन में परिवर्तन और इस प्रकार ट्यूमरजनन को बढ़ावा देने वाले जीन की अभिव्यक्ति में परिवर्तन बारी-बारी से देखे गए हैं।

डीएनए मेथाइलेशन से जुड़े अन्य कैंसरों के मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिया रोगियों और स्वस्थ व्यक्तियों के रक्त के नमूनों का उपयोग करके ल्यूकेमिक कैंसरों को अलग करने में मेथाइलेशन लैंडस्केप की प्रभावशीलता की जांच की। यह मेथाइलेशन लैंडस्केप बायोमार्कर न केवल मौजूदा तीव्र ल्यूकेमिया स्क्रीनिंग विधियों से बेहतर प्रदर्शन करता है, बल्कि इस सरल और सीधे परीक्षण का उपयोग करके विभिन्न प्रकार के कैंसरों का शीघ्र पता लगाने की संभावना को भी दर्शाता है।

31 ल्यूकेमिया रोगियों और 12 स्वस्थ व्यक्तियों के रक्त नमूनों से डीएनए का विश्लेषण किया गया। चित्र 2a में दिखाए गए बॉक्स प्लॉट के अनुसार, कैंसर के नमूनों का सापेक्षिक अवशोषण (ΔA650/525) सामान्य नमूनों के डीएनए की तुलना में कम था। इसका मुख्य कारण बढ़ी हुई जलविरोधकता थी, जिसके परिणामस्वरूप कैंसर डीएनए का सघन एकत्रीकरण हुआ, जिसने सिस्ट/AuNPs के एकत्रीकरण को रोक दिया। परिणामस्वरूप, ये नैनोकण कैंसर के एकत्रित नमूनों की बाहरी परतों में पूरी तरह से फैल गए, जिससे सामान्य और कैंसर डीएनए एकत्रित नमूनों पर अधिशोषित सिस्ट/AuNPs का फैलाव अलग-अलग हुआ। इसके बाद, ΔA650/525 के न्यूनतम मान से अधिकतम मान तक सीमा को बदलकर ROC वक्र उत्पन्न किए गए।

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

(a) बॉक्स प्लॉट का (DA650/525); (b) ROC विश्लेषण और नैदानिक ​​परीक्षणों का मूल्यांकन। (c) सामान्य और कैंसर रोगियों के निदान के लिए भ्रम मैट्रिक्स। (d) विकसित विधि की संवेदनशीलता, विशिष्टता, सकारात्मक पूर्वानुमान मान (PPV), नकारात्मक पूर्वानुमान मान (NPV) और सटीकता।

चित्र 2b में दर्शाए अनुसार, विकसित सेंसर के लिए प्राप्त ROC वक्र के अंतर्गत क्षेत्र (AUC = 0.9274) उच्च संवेदनशीलता और विशिष्टता दर्शाता है। बॉक्स प्लॉट से देखा जा सकता है कि सामान्य DNA समूह का प्रतिनिधित्व करने वाला निम्नतम बिंदु कैंसर DNA समूह का प्रतिनिधित्व करने वाले उच्चतम बिंदु से स्पष्ट रूप से अलग 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 संभावना का अनुमान लगाता है, जैसे कि कैंसर या सामान्य समूह। आश्रित चर 0 और 1 के बीच होता है। इसलिए परिणाम एक संभावना है। हमने ΔA650/525 के आधार पर कैंसर की पहचान की संभावना (P) को निम्नानुसार निर्धारित किया।

जहां b=5.3533, w1=-6.965 है। नमूना वर्गीकरण के लिए, 0.5 से कम प्रायिकता एक सामान्य नमूने को इंगित करती है, जबकि 0.5 या उससे अधिक प्रायिकता कैंसर के नमूने को इंगित करती है। चित्र 2c में लीव-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। चित्र 2d में संवेदनशीलता, विशिष्टता, सकारात्मक पूर्वानुमानित मान (PPV) और नकारात्मक पूर्वानुमानित मान (NPV) सहित विधि के नैदानिक ​​परीक्षण मूल्यांकन का सारांश दिया गया है।

स्मार्टफोन-आधारित बायो सेंसर

स्पेक्ट्रोफोटोमीटर का उपयोग किए बिना नमूना परीक्षण को और सरल बनाने के लिए, शोधकर्ताओं ने कृत्रिम बुद्धिमत्ता (एआई) का उपयोग करके घोल के रंग की व्याख्या की और सामान्य और कैंसरग्रस्त व्यक्तियों के बीच अंतर किया। इसके लिए, मोबाइल फोन कैमरे से ली गई 96-वेल प्लेट की छवियों का उपयोग करके सिस्ट/एयूएनपी घोल के रंग को सामान्य डीएनए (बैंगनी) या कैंसरग्रस्त डीएनए (लाल) में परिवर्तित करने के लिए कंप्यूटर विज़न का उपयोग किया गया। कृत्रिम बुद्धिमत्ता नैनोकण घोल के रंग की व्याख्या करने में लागत कम कर सकती है और पहुंच में सुधार कर सकती है, और इसके लिए किसी भी ऑप्टिकल हार्डवेयर स्मार्टफोन एक्सेसरीज की आवश्यकता नहीं होती है। अंत में, दो मशीन लर्निंग मॉडल, जिनमें रैंडम फॉरेस्ट (आरएफ) और सपोर्ट वेक्टर मशीन (एसवीएम) शामिल हैं, को मॉडल बनाने के लिए प्रशिक्षित किया गया। आरएफ और एसवीएम दोनों मॉडल ने नमूनों को 90.0% की सटीकता के साथ सकारात्मक और नकारात्मक के रूप में सही ढंग से वर्गीकृत किया। इससे पता चलता है कि मोबाइल फोन-आधारित बायोसेसिंग में कृत्रिम बुद्धिमत्ता का उपयोग काफी संभव है।

चित्र 3.(a) छवि अधिग्रहण चरण के लिए नमूना तैयार करते समय रिकॉर्ड किए गए विलयन का लक्ष्य वर्ग। (b) छवि अधिग्रहण चरण के दौरान ली गई उदाहरण छवि। (c) छवि (b) से निकाली गई 96-वेल प्लेट के प्रत्येक वेल में सिस्ट/AuNPs विलयन की रंग तीव्रता।

सिस्ट/एयूएनपी का उपयोग करते हुए, शोधकर्ताओं ने मेथाइलेशन लैंडस्केप का पता लगाने के लिए एक सरल सेंसिंग प्लेटफॉर्म और ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त नमूनों का उपयोग करते समय सामान्य डीएनए को कैंसर डीएनए से अलग करने में सक्षम सेंसर सफलतापूर्वक विकसित किया है। विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त नमूनों से निकाले गए डीएनए ने ल्यूकेमिया रोगियों में कैंसर डीएनए की छोटी मात्रा (3nM) का 15 मिनट में तेजी से और लागत प्रभावी ढंग से पता लगाया, और 95.3% की सटीकता दिखाई। स्पेक्ट्रोफोटोमीटर की आवश्यकता को समाप्त करके नमूना परीक्षण को और सरल बनाने के लिए, मशीन लर्निंग का उपयोग घोल के रंग की व्याख्या करने और मोबाइल फोन की तस्वीर का उपयोग करके सामान्य और कैंसरग्रस्त व्यक्तियों के बीच अंतर करने के लिए किया गया, और 90.0% की सटीकता भी प्राप्त की जा सकी।

संदर्भ: DOI: 10.1039/d2ra05725e