90,0% dəqiqliklə şişlərin erkən skrininqi və leykemiya skrininqi üçün smartfonlarla birlikdə DNT metilasiya testi!

Maye biopsiyası əsasında xərçəngin erkən aşkarlanması, erkən xərçəngin və ya hətta xərçəngdən əvvəlki lezyonların aşkar edilməsi məqsədi ilə son illərdə ABŞ Milli Xərçəng İnstitutu tərəfindən təklif edilən xərçəng aşkarlanması və diaqnozunun yeni istiqamətidir. Ağciyər xərçəngi, mədə-bağırsaq şişləri, gliomalar və ginekoloji şişlər də daxil olmaqla müxtəlif bədxassəli xəstəliklərin erkən diaqnozu üçün yeni biomarker kimi geniş istifadə edilmişdir.

Metilasiya landşaftının (Methylscape) biomarkerlərini müəyyən etmək üçün platformaların ortaya çıxması, xəstələri müalicə edilə bilən ən erkən mərhələyə qoyaraq, xərçəng üçün mövcud erkən skrininqi əhəmiyyətli dərəcədə yaxşılaşdırmaq potensialına malikdir.

Bu yaxınlarda tədqiqatçılar sisteaminlə bəzədilmiş qızıl nanohissəciklərə (Kist/AuNPs) əsaslanan metilasiya landşaftının aşkarlanması üçün sadə və birbaşa zondlama platforması işləyib hazırlamışlar və smartfon əsaslı biosensorla birləşərək, geniş diapazonlu şişlərin erkən skrininqinə imkan yaradıblar. Qan nümunəsindən DNT çıxarıldıqdan sonra 15 dəqiqə ərzində 90,0% dəqiqliklə leykemiya üçün erkən skrininq aparıla bilər. Məqalənin adı sisteaminlə örtülmüş AuNP-lər və maşın öyrənməsi ilə təchiz edilmiş smartfondan istifadə edərək insan qanında xərçəng DNT-nin sürətli aşkarlanmasıdır.

Şəkil 1. Kist/AuNPs komponentləri vasitəsilə xərçəng skrininqi üçün sadə və sürətli sensasiya platforması iki sadə addımda həyata keçirilə bilər.

Bu, Şəkil 1-də göstərilmişdir. Əvvəlcə DNT fraqmentlərini həll etmək üçün sulu məhluldan istifadə edilmişdir. Sonra kist/AuNPs qarışıq məhlula əlavə edildi. Normal və bədxassəli DNT fərqli metilasiya xüsusiyyətlərinə malikdir, nəticədə müxtəlif öz-özünə yığılma nümunələri olan DNT fraqmentləri yaranır. Normal DNT sərbəst şəkildə yığılır və nəticədə Kist/AuNP-ləri toplayır ki, bu da Kist/AuNP-lərin qırmızıya yerdəyişməsi ilə nəticələnir, beləliklə rəngin qırmızıdan bənövşəyiyə dəyişməsini adi gözlə müşahidə etmək olar. Bunun əksinə olaraq, xərçəng DNT-sinin unikal metilasiya profili daha böyük DNT fraqmentlərinin istehsalına gətirib çıxarır.

96 quyudan ibarət lövhələrin görüntüləri smartfon kamerası vasitəsilə çəkilib. Xərçəng DNT-si spektroskopiyaya əsaslanan üsullarla müqayisədə maşın öyrənməsi ilə təchiz edilmiş smartfonla ölçüldü.

Həqiqi qan nümunələrində xərçəng müayinəsi

Zondlama platformasının faydasını genişləndirmək üçün tədqiqatçılar real qan nümunələrində normal və xərçəngli DNT-ni uğurla fərqləndirən sensor tətbiq etdilər. CpG yerlərində metilasiya nümunələri epigenetik olaraq gen ifadəsini tənzimləyir. Demək olar ki, bütün xərçəng növlərində DNT metilasiyasında və beləliklə, şişin əmələ gəlməsini təşviq edən genlərin ifadəsində dəyişikliklərin alternativ olduğu müşahidə edilmişdir.

DNT metilasiyası ilə əlaqəli digər xərçənglər üçün bir model olaraq, tədqiqatçılar leykemiya xəstələrinin qan nümunələrindən və leykemiya xərçənglərini fərqləndirməkdə metilasiya mənzərəsinin effektivliyini araşdırmaq üçün sağlam nəzarətdən istifadə etdilər. Bu metilasiya landşaftının biomarkeri nəinki mövcud sürətli leykemiya skrininq üsullarını üstələyir, həm də bu sadə və sadə analizdən istifadə edərək geniş spektrli xərçənglərin erkən aşkarlanmasına qədər genişləndirilməsinin mümkünlüyünü nümayiş etdirir.

31 leykoz xəstəsi və 12 sağlam insanın qan nümunələrindən DNT analiz edilib. Şəkil 2a-dakı qutu süjetində göstərildiyi kimi, xərçəng nümunələrinin nisbi udulması (ΔA650/525) normal nümunələrdən alınan DNT-dən aşağı idi. Bu, əsasən, Kist/AuNP-lərin yığılmasının qarşısını alan xərçəng DNT-sinin sıx birləşməsinə səbəb olan hidrofobikliyin artması ilə əlaqədar idi. Nəticədə, bu nanohissəciklər xərçəng aqreqatlarının xarici təbəqələrində tamamilə dağıldı və bu, normal və xərçəng DNT aqreqatlarında adsorbsiya edilmiş Kist/AuNP-lərin fərqli dispersiyasına səbəb oldu. ROC əyriləri daha sonra həddi minimum ΔA650/525 dəyərindən maksimum dəyərə dəyişdirməklə yaradıldı.

Şəkil 2.(a) Optimallaşdırılmış şəraitdə normal (mavi) və xərçəng (qırmızı) DNT-nin mövcudluğunu göstərən kist/AuNPs məhlullarının nisbi absorbsiya dəyərləri

(DA650/525) qutu sahələri; (b) ROC təhlili və diaqnostik testlərin qiymətləndirilməsi. (c) Normal və xərçəng xəstələrinin diaqnozu üçün qarışıqlıq matrisi. (d) Hazırlanmış metodun həssaslığı, spesifikliyi, müsbət proqnoz dəyəri (PPV), mənfi proqnozlaşdırıcı dəyəri (NPV) və dəqiqliyi.

Şəkil 2b-də göstərildiyi kimi, hazırlanmış sensor üçün əldə edilən ROC əyrisi altındakı sahə (AUC = 0,9274) yüksək həssaslıq və spesifiklik göstərmişdir. Qutu süjetindən göründüyü kimi, normal DNT qrupunu təmsil edən ən aşağı nöqtə xərçəng DNT qrupunu təmsil edən ən yüksək nöqtədən yaxşı ayrılmır; buna görə də normal və xərçəng qrupları arasında fərq qoymaq üçün logistik reqressiyadan istifadə edilmişdir. Müstəqil dəyişənlər toplusunu nəzərə alaraq, xərçəng və ya normal qrup kimi bir hadisənin baş vermə ehtimalını təxmin edir. Asılı dəyişən 0 və 1 arasında dəyişir. Nəticə buna görə də ehtimaldır. ΔA650/525 əsasında xərçəngin identifikasiyası (P) ehtimalını aşağıdakı kimi təyin etdik.

burada b=5.3533,w1=-6.965. Nümunə təsnifatı üçün 0,5-dən az ehtimal normal nümunəni, 0,5 və ya daha yüksək ehtimal isə xərçəng nümunəsini göstərir. Şəkil 2c təsnifat metodunun dayanıqlığını təsdiqləmək üçün istifadə edilmiş çarpaz doğrulamadan yaranan qarışıqlıq matrisini təsvir edir. Şəkil 2d həssaslıq, spesifiklik, müsbət proqnozlaşdırıcı dəyər (PPV) və mənfi proqnozlaşdırıcı dəyər (NPV) daxil olmaqla metodun diaqnostik test qiymətləndirilməsini ümumiləşdirir.

Smartfon əsaslı biosensorlar

Spektrofotometrlərdən istifadə etmədən nümunə testini daha da sadələşdirmək üçün tədqiqatçılar məhlulun rəngini şərh etmək və normal və xərçəngli şəxsləri ayırd etmək üçün süni intellektdən (AI) istifadə ediblər. Bunu nəzərə alaraq, mobil telefon kamerası vasitəsilə çəkilmiş 96 quyu boşqablarının görüntülərindən istifadə edərək, Cyst/AuNPs məhlulunun rəngini normal DNT (bənövşəyi) və ya xərçəngli DNT (qırmızı) çevirmək üçün kompüter görmə qabiliyyətindən istifadə edilmişdir. Süni intellekt xərcləri azalda və nanohissəcik məhlullarının rəngini şərh etməkdə əlçatanlığı yaxşılaşdıra və hər hansı optik aparat smartfon aksesuarlarından istifadə etmədən əlçatanlığı yaxşılaşdıra bilər. Nəhayət, iki maşın öyrənmə modeli, o cümlədən Random Forest (RF) və Support Vector Machine (SVM) modelləri qurmaq üçün öyrədildi. həm RF, həm də SVM modelləri nümunələri 90,0% dəqiqliklə müsbət və mənfi olaraq düzgün təsnif etdi. Bu, cib telefonu əsaslı biosensinqdə süni intellektin istifadəsinin tamamilə mümkün olduğunu göstərir.

Şəkil 3.(a) Nümunənin təsvirin əldə edilməsi mərhələsi üçün hazırlanması zamanı qeydə alınan məhlulun hədəf sinfi. (b) Şəklin alınması addımı zamanı çəkilmiş nümunə şəkli. (c) Şəkildən çıxarılan 96 quyu boşqabının hər bir quyusunda kist/AuNPs məhlulunun rəng intensivliyi (b).

Kist/AuNP-lərdən istifadə edərək, tədqiqatçılar metilasiya landşaftının aşkarlanması üçün sadə zondlama platformasını və leykemiya skrini üçün real qan nümunələrindən istifadə edərkən normal DNT-ni xərçəng DNT-sindən ayırmağa qadir olan sensoru uğurla inkişaf etdirdilər. Hazırlanmış sensor real qan nümunələrindən çıxarılan DNT-nin 15 dəqiqə ərzində leykozlu xəstələrdə kiçik miqdarda xərçəng DNT-sini (3nM) tez və sərfəli şəkildə aşkarlaya bildiyini nümayiş etdirib və 95,3% dəqiqlik göstərib. Spektrofotometrə ehtiyacı aradan qaldırmaqla nümunə testini daha da sadələşdirmək üçün məhlulun rəngini şərh etmək və cib telefonu fotoşəkilindən istifadə edərək normal və xərçəngli fərdləri fərqləndirmək üçün maşın öyrənməsindən istifadə edilib və dəqiqliyə də 90,0% nail olmaq mümkün olub.

İstinad: DOI: 10.1039/d2ra05725e