90.0% की सटीकता के साथ ट्यूमर और ल्यूकेमिया स्क्रीनिंग की प्रारंभिक जांच के लिए स्मार्टफोन के साथ संयुक्त डीएनए मिथाइलेशन परीक्षण!

तरल बायोप्सी के आधार पर कैंसर का शीघ्र 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 प्रारंभिक घावों का पता लगाना है। फेफड़ों के कैंसर, गैस्ट्रोइंटेस्टाइनल ट्यूमर, ग्लियोमास और स्त्री रोग संबंधी ट्यूमर सहित विभिन्न घातक बीमारियों के शुरुआती निदान के लिए इसका व्यापक रूप से एक नए बायोमार्कर के रूप में उपयोग किया गया है।

मिथाइलेशन लैंडस्केप (मिथाइलस्केप) बायोमार्कर की पहचान करने के लिए प्लेटफार्मों के उद्भव से कैंसर के लिए मौजूदा प्रारंभिक जांच में काफी सुधार करने की क्षमता है, जिससे रोगियों को जल्द से जल्द इलाज योग्य चरण में लाया जा सके।

हाल ही में, शोधकर्ताओं ने स्मार्टफोन-आधारित बायोसेंसर के साथ मिलकर सिस्टेमाइन डेकोरेटेड गोल्ड नैनोकणों (सिस्ट/एयूएनपी) पर आधारित मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल और प्रत्यक्ष सेंसिंग प्लेटफॉर्म विकसित किया है जो ट्यूमर की एक विस्तृत श्रृंखला की तेजी से प्रारंभिक जांच करने में सक्षम बनाता है। 90.0% की सटीकता के साथ, रक्त के नमूने से डीएनए निकालने के 15 मिनट के भीतर ल्यूकेमिया की प्रारंभिक जांच की जा सकती है। लेख का शीर्षक सिस्टेमाइन-कैप्ड एयूएनपी और मशीन लर्निंग-सक्षम स्मार्टफोन का उपयोग करके मानव रक्त में कैंसर डीएनए का तेजी से पता लगाना है।

चित्र 1. सिस्ट/एयूएनपी घटकों के माध्यम से कैंसर की जांच 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 के टुकड़ों को घोलने के लिए एक जलीय घोल का उपयोग किया गया था। फिर सिस्ट/एयूएनपी को मिश्रित घोल में मिलाया गया। सामान्य और घातक डीएनए में अलग-अलग मिथाइलेशन गुण होते हैं, जिसके परिणामस्वरूप अलग-अलग स्व-संयोजन पैटर्न वाले डीएनए टुकड़े होते हैं। सामान्य डीएनए शिथिल रूप से एकत्रित होता है और अंततः सिस्ट/एयूएनपी को एकत्रित करता है, जिसके परिणामस्वरूप सिस्ट/एयूएनपी की प्रकृति लाल-स्थानांतरित हो जाती है, जिससे लाल से बैंगनी रंग में परिवर्तन को नग्न 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।

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

वास्तविक रक्त नमूनों में कैंसर की जांच

सेंसिंग प्लेटफ़ॉर्म की उपयोगिता बढ़ाने के लिए, जांचकर्ताओं ने एक सेंसर लगाया जो वास्तविक रक्त नमूनों में सामान्य और कैंसरग्रस्त डीएनए के बीच सफलतापूर्वक अंतर करता है। सीपीजी 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 परिवर्तन देखा गया है।

डीएनए मिथाइलेशन से जुड़े अन्य कैंसर के लिए एक मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिया कैंसर को अलग करने में मिथाइलेशन परिदृश्य की प्रभावशीलता की जांच करने के लिए ल्यूकेमिया रोगियों और स्वस्थ नियंत्रणों के रक्त के नमूनों का उपयोग 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 2ए 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 सघन एकत्रीकरण हुआ, जिसने सिस्ट/एयूएनपी के एकत्रीकरण को रोका। परिणामस्वरूप, ये नैनोकण कैंसर समुच्चय की बाहरी परतों में पूरी तरह से फैल गए, जिसके परिणामस्वरूप सामान्य और कैंसर डीएनए समुच्चय पर अधिशोषित सिस्ट/एयूएनपी का एक अलग फैलाव हुआ। आरओसी वक्र तब सीमा को न्यूनतम मान ΔA650/525 से अधिकतम मान तक भिन्न करके उत्पन्न किए गए थे।

चित्र 2. (ए) अनुकूलित परिस्थितियों में सामान्य (नीला) और कैंसर (लाल) डीएनए की उपस्थिति दिखाने वाले सिस्ट/एयूएनपी समाधानों के सापेक्ष अवशोषण मूल्य

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

जैसा कि चित्र 2बी में दिखाया गया है, विकसित सेंसर के लिए प्राप्त आरओसी वक्र (एयूसी = 0.9274) के तहत 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 निम्नानुसार 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 उससे अधिक की संभावना 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 पद्धति की स्थिरता को मान्य करने के लिए किया गया था। चित्र 2डी संवेदनशीलता, विशिष्टता, सकारात्मक पूर्वानुमानित मूल्य (पीपीवी) और नकारात्मक पूर्वानुमानित मूल्य (एनपीवी) सहित विधि के नैदानिक ​​​​परीक्षण मूल्यांकन का सारांश देता 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 ली गई 96-वेल प्लेटों की छवियों का उपयोग करके सिस्ट/एयूएनपी समाधान के रंग को सामान्य डीएनए (बैंगनी) या कैंसरयुक्त डीएनए (लाल) में अनुवाद करने के लिए कंप्यूटर विज़न का उपयोग किया गया था। कृत्रिम बुद्धिमत्ता किसी भी ऑप्टिकल हार्डवेयर स्मार्टफोन सहायक उपकरण के उपयोग के बिना, नैनोकण समाधानों के रंग की व्याख्या करने में लागत को कम कर सकती है और पहुंच में सुधार कर सकती है। अंत में, मॉडल बनाने के लिए रैंडम फ़ॉरेस्ट (आरएफ) और सपोर्ट वेक्टर मशीन (एसवीएम) सहित दो मशीन लर्निंग मॉडल को प्रशिक्षित किया गया। आरएफ और एसवीएम दोनों मॉडलों ने 90.0% की सटीकता के साथ नमूनों को सकारात्मक और नकारात्मक के रूप में सही ढंग से वर्गीकृत किया। इससे पता चलता है कि मोबाइल फोन आधारित बायोसेंसिंग में कृत्रिम बुद्धिमत्ता का उपयोग काफी संभव है।

चित्र 3.(ए) छवि अधिग्रहण चरण के लिए नमूना तैयार करने के दौरान दर्ज किए गए समाधान का लक्ष्य वर्ग। (बी) छवि अधिग्रहण चरण के दौरान ली गई उदाहरण छवि। (सी) छवि (बी) से निकाली गई 96-वेल प्लेट के प्रत्येक कुएं में सिस्ट/एयूएनपी समाधान की रंग तीव्रता।

सिस्ट/एयूएनपी का उपयोग करते हुए, शोधकर्ताओं ने मिथाइलेशन लैंडस्केप का पता लगाने के लिए एक सरल सेंसिंग प्लेटफॉर्म और ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त नमूनों का उपयोग करते समय कैंसर डीएनए से सामान्य डीएनए को अलग करने में सक्षम एक सेंसर सफलतापूर्वक विकसित किया है। विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त नमूनों से निकाला गया डीएनए 15 मिनट में ल्यूकेमिया रोगियों में कैंसर डीएनए (3एनएम) की छोटी मात्रा का तेजी से और लागत प्रभावी ढंग से पता लगाने में सक्षम था, और 95.3% की सटीकता दिखाई। स्पेक्ट्रोफोटोमीटर की आवश्यकता को समाप्त करके नमूना परीक्षण को और सरल बनाने के लिए, मशीन लर्निंग का उपयोग समाधान 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 था, और सटीकता भी 90.0% प्राप्त करने में सक्षम थी।

संदर्भ: DOI: 10.1039/d2ra05725e