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

तरल बायोप्सी के आधार पर कैंसर का शीघ्र पता लगाना यूएस नेशनल कैंसर इंस्टीट्यूट द्वारा हाल के वर्षों में प्रस्तावित कैंसर का पता लगाने और निदान की एक नई दिशा है, जिसका उद्देश्य प्रारंभिक कैंसर या यहां तक ​​कि कैंसर पूर्व घावों का पता लगाना है।फेफड़े के कैंसर, गैस्ट्रोइंटेस्टाइनल ट्यूमर, ग्लियोमास और स्त्री रोग संबंधी ट्यूमर सहित विभिन्न विकृतियों के शुरुआती निदान के लिए इसका व्यापक रूप से एक उपन्यास 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 शुरुआती जांच में काफी सुधार करने की क्षमता है, जिससे मरीजों को जल्द से जल्द उपचार योग्य अवस्था में रखा जा सकता है।

हाल ही में, शोधकर्ताओं ने स्मार्टफोन-आधारित बायोसेंसर के साथ मिलकर सिस्टेमाइन से सजाए गए सोने के नैनोकणों (सिस्ट/एयूएनपी) पर आधारित मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल और प्रत्यक्ष संवेदन मंच विकसित किया है जो ट्यूमर की एक विस्तृत श्रृंखला की तेजी से प्रारंभिक जांच को सक्षम बनाता है।90.0% की सटीकता के साथ, रक्त के नमूने से डीएनए निष्कर्षण के 15 मिनट के भीतर ल्यूकेमिया के लिए 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।

चित्रा 1. सिस्ट/एयूएनपी घटकों के माध्यम से कैंसर स्क्रीनिंग के लिए एक सरल और तेज संवेदन मंच 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 फिर मिश्रित समाधान में जोड़ा गया।सामान्य और घातक डीएनए में अलग-अलग मेथिलिकरण गुण होते हैं, जिसके परिणामस्वरूप डीएनए के टुकड़े अलग-अलग स्व-विधानसभा पैटर्न के साथ होते हैं।सामान्य डीएनए धीरे-धीरे एकत्रित होता है और अंततः सिस्ट/एयूएनपी एकत्र करता है, जिसके परिणामस्वरूप सिस्ट/एयूएनपी की लाल-स्थानांतरित प्रकृति होती है, ताकि लाल से बैंगनी रंग में परिवर्तन को नग्न आंखों से देखा जा सके।इसके विपरीत, कैंसर डीएनए की अनूठी मेथिलिकरण प्रोफ़ाइल डीएनए के टुकड़ों के बड़े समूहों के उत्पादन की ओर ले जाती है।

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

वास्तविक रक्त के नमूनों में कैंसर की जांच

सेंसिंग प्लेटफॉर्म की उपयोगिता बढ़ाने के लिए, जांचकर्ताओं ने एक सेंसर लगाया जो वास्तविक रक्त के नमूनों में सामान्य और कैंसर वाले डीएनए के बीच सफलतापूर्वक अंतर करता है।CpG साइटों पर मेथिलिकरण पैटर्न स्वदेशी 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 ट्यूमरजन्यजनन को बढ़ावा देने के लिए वैकल्पिक रूप से देखा गया है।

डीएनए मिथाइलेशन से जुड़े अन्य कैंसर के लिए एक मॉडल के रूप में, शोधकर्ताओं ने ल्यूकेमिक कैंसर को अलग करने में मिथाइलेशन परिदृश्य की प्रभावशीलता की जांच करने के लिए ल्यूकेमिया रोगियों और स्वस्थ नियंत्रणों से रक्त के नमूने का उपयोग किया।यह मिथाइलेशन लैंडस्केप बायोमार्कर न केवल मौजूदा तेजी से ल्यूकेमिया स्क्रीनिंग विधियों को बेहतर बनाता 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 से डीएनए की तुलना में कम था।यह मुख्य रूप से बढ़ी हुई हाइड्रोफोबिसिटी के कारण कैंसर डीएनए के घने एकत्रीकरण के कारण था, जिसने सिस्ट/एयूएनपी के एकत्रीकरण को रोका।नतीजतन, इन नैनोकणों को पूरी तरह से कैंसर समुच्चय की बाहरी परतों में फैलाया गया, जिसके परिणामस्वरूप सामान्य और कैंसर डीएनए समुच्चय पर सिस्ट/एयूएनपी का एक अलग फैलाव हुआ।ROC वक्र तब थ्रेशोल्ड को ΔA650/525 के न्यूनतम मान से अधिकतम मान तक परिवर्तित करके उत्पन्न किए गए थे।

चित्र 2.(ए) अनुकूलित स्थितियों के तहत सामान्य (नीला) और कैंसर (लाल) डीएनए की उपस्थिति दिखाते हुए पुटी/एयूएनपी समाधान के सापेक्ष अवशोषण मूल्य

(DA650/525) बॉक्स प्लॉट;(बी) आरओसी विश्लेषण और नैदानिक ​​परीक्षणों का 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 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 अलग नहीं है;इसलिए, सामान्य और कैंसर समूहों के बीच अंतर करने के लिए लॉजिस्टिक प्रतिगमन का उपयोग किया गया था।स्वतंत्र चरों के एक सेट को देखते हुए, यह किसी घटना के होने की संभावना का अनुमान लगाता है, जैसे कि कैंसर या सामान्य समूह।निर्भर चर 0 और 1 के बीच होता है। इसलिए परिणाम एक संभावना है।हमने निम्नानुसार ΔA650/525 के आधार पर कैंसर की पहचान (P) की संभावना निर्धारित की।

जहाँ b=5.3533,w1=-6.965।नमूना वर्गीकरण के लिए, 0.5 से कम की संभाव्यता एक सामान्य नमूने को इंगित करती है, जबकि 0.5 या अधिक की संभावना कैंसर के नमूने को इंगित करती है।चित्रा 2सी 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।चित्रा 2d संवेदनशीलता, विशिष्टता, सकारात्मक भविष्य कहनेवाला मूल्य (पीपीवी) और नकारात्मक भविष्य कहनेवाला 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 कैंसर वाले 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-अच्छी प्लेटों की छवियों का उपयोग करके सामान्य डीएनए (बैंगनी) या कैंसर डीएनए (लाल) में सिस्ट/एयूएनपी समाधान के रंग का अनुवाद करने के लिए कंप्यूटर दृष्टि का उपयोग किया गया था।आर्टिफिशियल इंटेलिजेंस लागत को कम कर सकता है और नैनोपार्टिकल समाधानों के रंग की व्याख्या करने में और किसी भी ऑप्टिकल हार्डवेयर स्मार्टफोन एक्सेसरीज के उपयोग के बिना पहुंच में सुधार कर सकता है।अंत में, रैंडम फ़ॉरेस्ट (RF) और सपोर्ट वेक्टर मशीन (SVM) सहित दो मशीन लर्निंग मॉडल को मॉडल बनाने के लिए 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 आर्टिफिशियल इंटेलिजेंस का इस्तेमाल काफी संभव है।

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

सिस्ट/एयूएनपी का उपयोग करते हुए, शोधकर्ताओं ने मिथाइलेशन लैंडस्केप डिटेक्शन के लिए एक सरल सेंसिंग प्लेटफॉर्म और ल्यूकेमिया स्क्रीनिंग के लिए वास्तविक रक्त के नमूनों का उपयोग करते समय कैंसर डीएनए से सामान्य डीएनए को अलग करने में सक्षम सेंसर को सफलतापूर्वक विकसित किया है।विकसित सेंसर ने प्रदर्शित किया कि वास्तविक रक्त के नमूनों से निकाले गए डीएनए 15 मिनट में ल्यूकेमिया रोगियों में कैंसर डीएनए (3एनएम) की छोटी मात्रा का तेजी से और लागत प्रभावी रूप 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, मशीन लर्निंग का उपयोग समाधान के रंग की व्याख्या करने और मोबाइल फोन की तस्वीर का उपयोग करके सामान्य और कैंसर वाले व्यक्तियों के बीच अंतर करने के लिए किया गया था, और सटीकता भी 90.0% प्राप्त करने में सक्षम थी।

संदर्भ: डीओआई: 10.1039/डी2आरए05725ई