चीनी भाषा
लिक्विड बायोप्सी के आधार पर कैंसर का जल्दी 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 कैंसर या यहां तक कि कैंसर से पहले के घावों का जल्दी पता लगाना है। इसे फेफड़ों के कैंसर, गैस्ट्रोइंटेस्टाइनल ट्यूमर, ग्लियोमा और स्त्री रोग संबंधी ट्यूमर सहित विभिन्न घातक बीमारियों के शुरुआती निदान के लिए एक नए बायोमार्कर के रूप में व्यापक रूप से इस्तेमाल किया गया है।
मिथाइलेशन लैंडस्केप (मिथाइलस्केप) बायोमार्करों की पहचान करने के लिए प्लेटफार्मों के उद्भव से कैंसर के लिए मौजूदा प्रारंभिक जांच में काफी सुधार होने की संभावना है, जिससे रोगियों को उपचार योग्य प्रारंभिक अवस्था में पहुंचाया जा सकेगा।
हाल ही में, शोधकर्ताओं ने सिस्टेमाइन से सजाए गए 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, जो ट्यूमर की एक विस्तृत श्रृंखला की त्वरित प्रारंभिक जांच को सक्षम बनाता है। रक्त के नमूने से डीएनए निष्कर्षण के 15 मिनट के भीतर ल्यूकेमिया के लिए प्रारंभिक जांच की जा सकती है, जिसकी सटीकता 90.0% है। लेख का शीर्षक है सिस्टेमाइन-कैप्ड एयूएनपी और मशीन लर्निंग-सक्षम स्मार्टफ़ोन का उपयोग करके मानव रक्त में कैंसर डीएनए का तेजी से 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 टुकड़ों को घोलने के लिए एक जलीय घोल का इस्तेमाल किया गया। फिर मिश्रित घोल में सिस्ट/एयूएनपी मिलाए गए। सामान्य और घातक डीएनए में अलग-अलग मिथाइलेशन गुण होते हैं, जिसके परिणामस्वरूप अलग-अलग स्व-संयोजन पैटर्न वाले डीएनए टुकड़े बनते हैं। सामान्य डीएनए शिथिल रूप से एकत्रित होता है और अंततः सिस्ट/एयूएनपी को एकत्रित करता है, जिसके परिणामस्वरूप सिस्ट/एयूएनपी की लाल-शिफ्ट प्रकृति होती है, जिससे लाल से बैंगनी रंग में परिवर्तन नंगी आंखों से देखा जा सकता है। इसके विपरीत, कैंसर डीएनए की अनूठी मिथाइलेशन प्रोफ़ाइल डीएनए टुकड़ों के बड़े समूहों के उत्पादन की ओर ले जाती है।
96-वेल प्लेट्स की तस्वीरें स्मार्टफोन कैमरे का इस्तेमाल करके ली गईं। स्पेक्ट्रोस्कोपी-आधारित विधियों की तुलना में मशीन लर्निंग से लैस स्मार्टफोन द्वारा कैंसर डीएनए को मापा गया।
वास्तविक रक्त नमूनों से कैंसर की जांच
सेंसिंग प्लेटफ़ॉर्म की उपयोगिता को बढ़ाने के लिए, जांचकर्ताओं ने एक सेंसर लगाया जो वास्तविक रक्त नमूनों में सामान्य और कैंसरग्रस्त डीएनए के बीच सफलतापूर्वक अंतर करता है। CpG साइटों पर मिथाइलेशन पैटर्न एपिजेनेटिक रूप से जीन अभिव्यक्ति को नियंत्रित करते हैं। लगभग सभी प्रकार के कैंसर में, डीएनए मिथाइलेशन में परिवर्तन और इस प्रकार ट्यूमरोजेनेसिस को बढ़ावा देने वाले जीन की अभिव्यक्ति में वैकल्पिक रूप से देखा गया है।
डीएनए मिथाइलेशन से जुड़े अन्य कैंसर के लिए एक मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिया के रोगियों और स्वस्थ नियंत्रण से रक्त के नमूनों का उपयोग ल्यूकेमिक कैंसर को अलग करने में मिथाइलेशन परिदृश्य की प्रभावशीलता की जांच करने के लिए किया। यह मिथाइलेशन लैंडस्केप बायोमार्कर न केवल मौजूदा तीव्र ल्यूकेमिया स्क्रीनिंग विधियों से बेहतर प्रदर्शन करता है, बल्कि इस सरल और सीधे परख का उपयोग करके कैंसर की एक विस्तृत श्रृंखला का शीघ्र पता लगाने की व्यवहार्यता को भी प्रदर्शित करता है।
31 ल्यूकेमिया रोगियों और 12 स्वस्थ व्यक्तियों के रक्त के नमूनों से डीएनए का विश्लेषण किया गया। जैसा कि चित्र 2a में बॉक्स प्लॉट में दिखाया गया है, कैंसर के नमूनों (ΔA650/525) का सापेक्ष अवशोषण सामान्य नमूनों के डीएनए की तुलना में कम था। यह मुख्य रूप से बढ़ी हुई हाइड्रोफोबिसिटी के कारण था, जिससे कैंसर डीएनए का घना एकत्रीकरण हुआ, जिसने सिस्ट/एयूएनपी के एकत्रीकरण को रोका। नतीजतन, ये नैनोकण कैंसर समुच्चयों की बाहरी परतों में पूरी तरह से फैल गए, जिसके परिणामस्वरूप सामान्य और कैंसर डीएनए समुच्चयों पर अवशोषित सिस्ट/एयूएनपी का एक अलग फैलाव हुआ। फिर थ्रेशोल्ड को ΔA650/525 के न्यूनतम मूल्य से अधिकतम मूल्य तक बदलकर ROC वक्र तैयार किए गए।
चित्र 2.(ए) सिस्ट/एयूएनपीएस विलयनों के सापेक्ष अवशोषण मान, जो अनुकूलित स्थितियों के तहत 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) विकसित विधि की संवेदनशीलता, विशिष्टता, सकारात्मक भविष्य कहनेवाला मूल्य (पीपीवी), नकारात्मक भविष्य कहनेवाला मूल्य (एनपीवी) और सटीकता।
जैसा कि चित्र 2बी में दिखाया गया है, विकसित सेंसर के लिए प्राप्त आरओसी वक्र (एयूसी = 0.9274) के अंतर्गत क्षेत्र ने उच्च संवेदनशीलता और विशिष्टता दिखाई। 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 अच्छी तरह से अलग नहीं है; इसलिए, सामान्य और कैंसर समूहों के बीच अंतर करने के लिए लॉजिस्टिक रिग्रेशन का उपयोग किया गया था। स्वतंत्र चरों के एक सेट 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 (P) की संभावना को निम्नानुसार निर्धारित किया।
जहाँ b=5.3533,w1=-6.965. नमूना वर्गीकरण के लिए, 0.5 से कम की संभावना एक सामान्य नमूना इंगित करती है, जबकि 0.5 या उससे अधिक की संभावना एक कैंसर नमूना इंगित करती है। चित्र 2c लीव-इट-अलोन क्रॉस-वैलिडेशन से उत्पन्न भ्रम मैट्रिक्स को दर्शाता है, जिसका उपयोग वर्गीकरण विधि की स्थिरता को मान्य करने के लिए किया गया था। चित्र 2d विधि के नैदानिक परीक्षण मूल्यांकन को सारांशित करता है, जिसमें संवेदनशीलता, विशिष्टता, सकारात्मक पूर्वानुमान मूल्य (पीपीवी) और नकारात्मक पूर्वानुमान 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 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। आर्टिफिशियल इंटेलिजेंस लागत को कम कर सकता है और नैनोपार्टिकल समाधानों के रंग की व्याख्या करने में पहुंच में सुधार कर सकता है, और 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 करते हुए, शोधकर्ताओं ने मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल सेंसिंग प्लेटफ़ॉर्म और ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त नमूनों का उपयोग करते समय सामान्य डीएनए को कैंसर डीएनए से अलग करने में सक्षम एक सेंसर को सफलतापूर्वक विकसित किया है। विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त नमूनों से निकाले गए डीएनए 15 मिनट में ल्यूकेमिया रोगियों में कैंसर डीएनए (3nM) की छोटी मात्रा का तेजी से और लागत-प्रभावी तरीके से पता लगाने में सक्षम थे, और 95.3% की सटीकता दिखाई। स्पेक्ट्रोफोटोमीटर की आवश्यकता को समाप्त करके नमूना परीक्षण को और सरल बनाने के लिए, मोबाइल फोन की तस्वीर का उपयोग करके समाधान के रंग की व्याख्या करने और सामान्य और कैंसरग्रस्त व्यक्तियों के बीच अंतर करने के लिए मशीन लर्निंग का उपयोग किया गया था, और सटीकता भी 90.0% पर हासिल की जा सकी।
संदर्भ: DOI: 10.1039/d2ra05725e
पोस्ट करने का समय: फरवरी-18-2023
गोपनीय सेटिंग