Maye biopsiyası əsasında xərçəngin erkən aşkarlanması, son illərdə ABŞ Milli Xərçəng İnstitutunun təklif etdiyi və ya erkən xərçəngin və ya hətta prekanserli lezyonları aşkar etmək məqsədi ilə təklif olunan xərçəngin aşkarlanması və diaqnozudur. Ağciyər xərçəngi, mədə-bağırsaq şişləri, giomas və ginekoloji şişlər də daxil olmaqla müxtəlif bədxassələrin erkən diaqnozu üçün yeni bir biomarker kimi geniş istifadə edilmişdir.
Metilation Landşaftını (Metilscape) müəyyənləşdirmək üçün platformaların ortaya çıxması (metilsek) biomarkers, xəstələri ən erkən müalicə edilə bilən mərhələdə qoyaraq xərçəng üçün mövcud erkən seçimləri əhəmiyyətli dərəcədə yaxşılaşdırmaq potensialına malikdir.
Bu yaxınlarda, tədqiqatçılar, geniş çeşidli şişlərin tez bir zamanda şişlərin sürətli erkən seçimini təmin edən bir smartfon əsaslı bir biosensor ilə birləşdirilmiş sisteamin bəzədilmiş qızıl nanoparticles (kist / aunps) əsasında sadə və birbaşa həssas bir platforma hazırladılar. Lösemi üçün erkən müayinə, DNT-nin bir qan nümunəsindən, 90.0% dəqiqliyi ilə bir qan nümunəsindən sonra 15 dəqiqə ərzində edilə bilər. Məqalə adı, sisteamine qapalı aunplar və bir maşın öyrənmə effektiv smartfon istifadə edərək insan qanında xərçəng DNT-nin sürətli aşkarlanmasıdır.
Şəkil 1. Kist / AUnps komponentləri vasitəsi ilə xərçəng müayinəsi üçün sadə və sürətli bir hiss platforması iki sadə addımda yerinə yetirilə bilər.
Bu Şəkil 1-də göstərilir. Birincisi, DNT fraqmentlərini həll etmək üçün sulu bir həll istifadə edilmişdir. Kist / Aunps sonra qarışıq həll yoluna əlavə edildi. Normal və bədxassəli DNT fərqli metilasiya xüsusiyyətlərinə malikdir, nəticədə fərqli özünü idarəetmə nümunələri olan DNT parçaları ilə nəticələnir. Normal DNT, boş və nəticədə Kist / Aunps-in qırmızı dəyişdirilmiş təbiəti ilə nəticələnən kist / aunpları aqreqatlaşdırır, beləliklə qırmızıdan bənövşəyi rəngə qədər rəng dəyişikliyinin çılpaq gözlə müşahidə oluna bilməsi. Bunun əksinə olaraq, Xərçəng DNT-nin unikal metilation profilinin DNT fraqmentlərinin daha böyük qruplarının istehsalına səbəb olur.
96 quyu plitələrin şəkilləri bir smartfon kamerası istifadə edərək alındı. Xərçəng DNT, spektroskopiya əsaslı metodlarla müqayisədə maşın öyrənmə ilə təchiz olunmuş bir smartfon ilə ölçülmüşdür.
Əsl qan nümunələrində xərçəng müayinəsi
Sensing platformasının faydasını genişləndirmək üçün müstəntiqlər əsl qan nümunələrində normal və xərçəngli DNT arasında uğurla fərqlənən bir sensor tətbiq etdilər. CPG saytlarında metilasiya nümunələri, gen ifadəsini epigenetik olaraq tənzimləyir. Demək olar ki, bütün xərçəng növlərində, DNT metilasiyasındakı dəyişikliklər və beləliklə tumourigenezi təşviq edən genlərin ifadəsində alternativ olaraq müşahidə edilmişdir.
DNT metilasiyası ilə əlaqəli digər xərçənglər üçün bir model olaraq tədqiqatçılar lösemi xəstələrindən qan nümunələrindən və sağlam nəzarətdən məhrum edilmiş leykemik xərçənglərin fərqlənməsində metilasiya mənzərəsinin effektivliyini araşdırmaq üçün istifadə etdilər. Bu metilation landşaft Biomarker yalnız mövcud sürətli lösemi müayinəsi metodlarını yox, həm də bu sadə və sadə bir təhlildən istifadə edərək geniş çeşidli xərçəngin erkən aşkarlanmasına qədər genişlənməyə imkan verir.
31 lösemi xəstələri və 12 sağlam şəxsdən qan nümunələrindən DNT təhlil edildi. Şəkil 2A-da qutu süjetində göstərildiyi kimi, xərçəng nümunələrinin nisbi emici (δa650 / 525) normal nümunələrdən DNT-dən aşağı idi. Bu, əsasən kist / aunpların toplanmasına mane olan xərçəng DNT-nin sıx birləşməsinə səbəb olan inkişaf etmiş hidrofobikliyə görə idi. Nəticədə, bu nanohissəciklər xərçəng aqreqatlarının xarici təbəqələrində tamamilə dağılmışdır ki, bu da normal və xərçəng DNT aqreqatlarında adsorsed, kist / aunps-in fərqli bir disbersionu ilə nəticələndi. Roc əyriləri daha sonra maksimum dəyəri olan δA650 / 525-in minimum dəyərindən həddindən artıq dərəcədə dəyişdi.
Şəkil 2. (a) Normal (mavi) və Xərçəng (Qırmızı) DNT-nin optimallaşdırılmış şərtlər altında (qırmızı) DNT-nin mövcudluğunu göstərən kist / aunpların həllərinin nisbi udma dəyərləri
(DA650 / 525) qutu sahələrinin; (b) diaqnostik testlərin ROC təhlili və qiymətləndirilməsi. (c) Normal və xərçəng xəstələrinin diaqnozu üçün qarışıqlıq matrixi. (d) həssaslıq, spesifiklik, müsbət proqnozlaşdırma dəyəri (PPV), mənfi proqnozlaşdırma dəyəri (NPV) və inkişaf etmiş metodun dəqiqliyi.
Şəkil 2B-də göstərildiyi kimi, inkişaf etmiş sensor üçün əldə edilən ROC əyri (AUC = 0.9274) altındakı sahə yüksək həssaslıq və spesifikliyə malikdir. Qutu sahəsindən göründüyü kimi, normal DNT qrupunu təmsil edən ən aşağı nöqtə, Xərçəng DNT qrupunu təmsil edən ən yüksək nöqtədən yaxşı bir şəkildə ayrılmır; Buna görə, maddi və xərçəng qrupları arasında fərqləndirmək üçün logistik reqressiya istifadə edilmişdir. Müstəqil dəyişənlər dəsti verərək, bir xərçəng və ya normal qrup kimi baş verən bir hadisənin ehtimalını qiymətləndirir. Asılı dəyişən 0 ilə 1 arasında dəyişir. Nəticə buna görə də ehtimal olunur. Xərçəng identifikasiyası (p) ilə δA650 / 525-ə əsasən aşağıdakı kimi müəyyənləşdirdik.
burada B = 5.3533, W1 = -6.965. Nümunə təsnifatı üçün 0.5-dən az bir ehtimal normal bir nümunəni göstərir, 0.5 və ya daha yüksək bir ehtimal bir xərçəng nümunəsini göstərir. Şəkil 2C, təsnifat metodunun sabitliyini təsdiqləmək üçün istifadə edilən məzuniyyət-iT-tək başçıdan doğrulama ilə yaranan qarışıqlıq matrisini təsvir edir. Şəkil 2D, həssaslıq, spesifiklik, müsbət proqnozlaşdırma dəyəri (PPV) və mənfi proqnozlaşdırma dəyəri (NPV) də daxil olmaqla metodun diaqnostik test qiymətləndirilməsini ümumiləşdirir.
Smartfon əsaslı biosensorlar
Nümunə testini daha da sadələşdirmək üçün spektrofotometrlərin istifadəsi olmadan tədqiqatçılar həllin rəngini şərh etmək və normal və xərçəngli şəxsləri ayırd etmək üçün süni intellekt (AI) istifadə etdilər. Bunu nəzərə alsaq, kompüter görmə, cib telefonu kamerası vasitəsi ilə alınan 96 quyu plitələrin şəkillərindən istifadə edərək CYST / AUNPS həllinin (bənövşəyi) və ya xərçəngli) və ya xərçəngli DNT (qırmızı) rəngini tərcümə etmək üçün istifadə edilmişdir. Süni intellekt xərcləri azalda bilər və nanopartikle həllərinin rəngini şərh etmək və hər hansı bir optik aparat smartfon aksesuarlarından istifadə etmədən əldə edə bilər. Nəhayət, təsadüfi meşə (RF) və dəstək vektor maşın (svm) daxil olmaqla iki maşın öyrənmə modeli modellərin qurulması üçün hazırlanmışdır. Həm RF, həm də SVM modelləri nümunələri 90,0% dəqiqliklə müsbət və mənfi olaraq düzgün təsnif etdi. Bu, mobil telefon əsaslı biosensinqdə süni intellektdən istifadənin çox mümkün olduğunu göstərir.
Şəkil 3. (a) Şəkil əldə etmə pilləsi üçün nümunənin hazırlanması zamanı qeydə alınan həllin hədəf sinfi. (b) Şəkil əldə etmə addımında çəkilən nümunə görüntü. (c) şəkildən (b) çıxarılan 96 quyu boşqabının hər birində kist / aunps həllinin rəng intensivliyi.
Kist / Aunps istifadə edərək, tədqiqatçılar metilasiya mənzərəsi aşkarlanması üçün sadə bir hiss etmə platforması və lösemi müayinəsi üçün əsl qan nümunələrindən istifadə edərkən normal DNT-dən normal DNT-dən fərqlənə bilən bir sensoru uğurla inkişaf etdirdilər. İnkişaf etmiş sensor, həqiqi qan nümunələrindən çıxarılan DNT-nin 15 dəqiqədə lösemi xəstələrində kiçik miqdarda xərçəng DNT (3nm) sürətlə və səmərəli şəkildə təsbit edə bildiyini nümayiş etdirdi və 95,3% dəqiqliyini göstərdi. Nümunə testini daha da sadələşdirmək üçün bir spektrofotometrə ehtiyacı aradan qaldıraraq, dəzgahın öyrənilməsi həllin rəngini şərh etmək və cib telefonu fotoşəkilindən istifadə edərək normal və xərçəngli şəxslər arasında fərqləndirmək üçün istifadə edilmişdir və dəqiqliyi 90.0% -də əldə edə bildi.
İstinad: DOI: 10.1039 / D2RA05725E
Saat: Fevral-18-2023