Şişlərin erkən müayinəsi və leykemiya müayinəsi üçün smartfonlarla birlikdə DNT metilasyon testi 90.0% dəqiqliklə!

Maye biopsiyaya əsaslanan xərçəngin erkən aşkarlanması, son illərdə ABŞ Milli Xərçəng İnstitutu tərəfindən təklif edilən xərçəngin aşkarlanması və diaqnozunun yeni bir istiqamətidir və məqsədi erkən xərçəng və ya hətta xərçəngönü lezyonları aşkar etməkdir. Ağciyər xərçəngi, mədə-bağırsaq şişləri, qlioma və ginekoloji şişlər də daxil olmaqla müxtəlif bədxassəli şişlərin erkən diaqnozu üçün yeni bir biomarker kimi geniş istifadə olunur.

Metilləşmə mənzərəsi (Methylscape) biomarkerlərini müəyyən etmək üçün platformaların ortaya çıxması, xərçəng üçün mövcud erkən müayinəni əhəmiyyətli dərəcədə yaxşılaşdırmaq və xəstələri ən erkən müalicə mərhələsinə qoymaq potensialına malikdir.

Bu yaxınlarda tədqiqatçılar, geniş çeşidli şişlərin sürətli erkən müayinəsinə imkan verən smartfon əsaslı biosensorla birləşdirilmiş sisteaminlə bəzədilmiş qızıl nanopartiküllərə (Kist/AuNP) əsaslanan metilasiya mənzərəsinin aşkarlanması üçün sadə və birbaşa sensor platforması hazırlamışlar. Leykemiya üçün erkən müayinə qan nümunəsindən DNT çıxarıldıqdan sonra 15 dəqiqə ərzində 90.0% dəqiqliklə həyata keçirilə bilər. Məqalənin adı: Sisteaminlə örtülmüş AuNP-lər və maşın öyrənməsinə əsaslanan smartfon istifadə edərək insan qanında xərçəng DNT-sinin sürətli aşkarlanması.

Şəkil 1. Cyst/AuNPs komponentləri vasitəsilə xərçəng müayinəsi üçün sadə və sürətli sensor platforması iki sadə addımda həyata keçirilə bilər.

Bu, Şəkil 1-də göstərilib. Əvvəlcə DNT fraqmentlərini həll etmək üçün sulu məhluldan istifadə edilmişdir. Daha sonra qarışıq məhlula kista/auNP-lər əlavə edilmişdir. Normal və bədxassəli DNT-lər fərqli metilləşmə xüsusiyyətlərinə malikdir və bu da fərqli öz-özünə yığılma modellərinə malik DNT fraqmentləri ilə nəticələnir. Normal DNT boş şəkildə aqreqasiya olunur və nəticədə kista/auNP-ləri aqreqasiya edir ki, bu da kista/auNP-lərin qırmızıya doğru sürüşməsinə səbəb olur, beləliklə, rəngin qırmızıdan bənövşəyiyə dəyişməsi çılpaq gözlə müşahidə edilə bilər. Əksinə, xərçəng DNT-sinin unikal metilləşmə profili daha böyük DNT fraqmentlərinin klasterlərinin əmələ gəlməsinə səbəb olur.

96 quyulu lövhələrin şəkilləri smartfon kamerası istifadə edilərək çəkilib. Xərçəng DNT-si spektroskopiya əsaslı metodlarla müqayisədə maşın öyrənməsi ilə təchiz olunmuş smartfon vasitəsilə ölçülüb.

Həqiqi qan nümunələrində xərçəng müayinəsi

Sensor platformasının faydalılığını artırmaq üçün tədqiqatçılar real qan nümunələrində normal və xərçəng DNT-lərini uğurla fərqləndirən bir sensor tətbiq etdilər. CpG sahələrində metilləşmə nümunələri epigenetik olaraq gen ifadəsini tənzimləyir. Demək olar ki, bütün xərçəng növlərində DNT metilləşməsində və beləliklə, şiş əmələ gəlməsini təşviq edən genlərin ifadəsində dəyişikliklərin alternativ olduğu müşahidə edilmişdir.

DNT metilləşməsi ilə əlaqəli digər xərçəng növləri üçün bir model olaraq, tədqiqatçılar leykemiya xəstələrindən və sağlam nəzarət qrupundan qan nümunələrindən istifadə edərək metilləşmə mənzərəsinin leykemiya xərçənglərini fərqləndirməkdə effektivliyini araşdırdılar. Bu metilləşmə mənzərəsi biomarkeri mövcud sürətli leykemiya müayinə metodlarından daha yaxşı nəticə göstərməklə yanaşı, bu sadə və aydın analizdən istifadə edərək geniş çeşidli xərçəng növlərinin erkən aşkarlanmasının mümkünlüyünü də nümayiş etdirir.

31 leykemiya xəstəsi və 12 sağlam şəxsdən götürülmüş qan nümunələrindən götürülmüş DNT təhlil edilmişdir. Şəkil 2a-dakı qutu qrafikində göstərildiyi kimi, xərçəng nümunələrinin nisbi absorbsiyası (ΔA650/525) normal nümunələrdən götürülmüş DNT-dən daha aşağı idi. Bu, əsasən xərçəng DNT-sinin sıx aqreqasiyasına səbəb olan artan hidrofobiklik ilə əlaqədar idi ki, bu da Kist/AuNP-lərin aqreqasiyasının qarşısını alırdı. Nəticədə, bu nanopartiküllər xərçəng aqreqasiyalarının xarici təbəqələrində tamamilə dağılmışdı və bu da normal və xərçəng DNT-ləri üzərində adsorbsiya olunmuş Kist/AuNP-lərin fərqli dispersiyasına səbəb olmuşdur. Daha sonra ROC əyriləri həddi minimum ΔA650/525 dəyərindən maksimum dəyərə qədər dəyişməklə yaradılmışdır.

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

(DA650/525) qutu qrafiklərinin; (b) ROC təhlili və diaqnostik testlərin qiymətləndirilməsi. (c) Normal və xərçəng xəstələrinin diaqnozu üçün qarışıqlıq matrisi. (d) Həssaslıq, spesifiklik, müsbət proqnozlaşdırıcı dəyər (PPV), mənfi proqnozlaşdırıcı dəyər (NPV) və hazırlanmış metodun dəqiqliyi.

Şəkil 2b-də göstərildiyi kimi, hazırlanmış sensor üçün əldə edilən ROC əyrisi altındakı sahə (AUC = 0.9274) yüksək həssaslıq və spesifiklik göstərmişdir. Qutu qrafikindən göründüyü kimi, normal DNT qrupunu təmsil edən ən aşağı nöqtə xərçəng DNT qrupunu təmsil edən ən yüksək nöqtədən yaxşı ayrılmamışdır; buna görə də, normal və xərçəng qrupları arasında fərq qoymaq üçün logistik reqressiya istifadə edilmişdir. Müstəqil dəyişənlər dəsti verildikdə, xərçəng və ya normal qrup kimi bir hadisənin baş vermə ehtimalını qiymətləndirir. Asılı dəyişən 0 ilə 1 arasında dəyişir. Buna görə də nəticə ehtimaldır. Xərçəngin müəyyən edilməsi ehtimalını (P) ΔA650/525 əsasında 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 sabitliyini təsdiqləmək üçün istifadə edilən, təkbaşına 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 qiymətləndirməsini ümumiləşdirir.

Smartfon əsaslı biosensorlar

Spektrofotometrlərdən istifadə etmədən nümunə testini daha da sadələşdirmək üçün tədqiqatçılar məhlulun rəngini şərh etmək və normal və xərçəngli fərdləri ayırd etmək üçün süni intellektdən (Sİ) istifadə etdilər. Bunu nəzərə alaraq, mobil telefon kamerası vasitəsilə çəkilmiş 96 quyulu lövhələrin şəkillərindən istifadə edərək Cyst/AuNPs məhlulunun rəngini normal DNT-yə (bənövşəyi) və ya xərçəngli DNT-yə (qırmızı) çevirmək üçün kompüter görməsindən istifadə edildi. Süni intellekt, heç bir optik aparat smartfon aksesuarlarından istifadə etmədən nanopartikül məhlullarının rəngini şərh etməkdə xərcləri azalda və əlçatanlığı artıra bilər. Nəhayət, Random Forest (RF) və Support Vector Machine (SVM) daxil olmaqla iki maşın öyrənmə modeli modelləri qurmaq üçün öyrədildi. Həm RF, həm də SVM modelləri nümunələri 90.0% dəqiqliklə müsbət və mənfi olaraq düzgün təsnif etdi. Bu, mobil telefon əsaslı biosensasiyada süni intellektin istifadəsinin olduqca mümkün olduğunu göstərir.

Şəkil 3.(a) Təsvir əldə etmə mərhələsi üçün nümunənin hazırlanması zamanı qeydə alınan məhlulun hədəf sinfi. (b) Təsvir əldə etmə mərhələsi zamanı çəkilmiş nümunə təsvir. (c) Təsvirdən çıxarılan 96 quyulu lövhənin hər bir quyusunda kist/AuNPs məhlulunun rəng intensivliyi (b).

Tədqiqatçılar Cyst/AuNP-lərdən istifadə edərək metilasiya mənzərəsinin aşkarlanması üçün sadə bir sensor platforması və leykemiya müayinəsi üçün real qan nümunələrindən istifadə edərkən normal DNT-ni xərçəng DNT-sindən ayırd edə bilən bir sensoru uğurla hazırlamışlar. Hazırlanmış sensor, real qan nümunələrindən çıxarılan DNT-nin leykemiya xəstələrində az miqdarda xərçəng DNT-sini (3nM) 15 dəqiqə ərzində tez və səmərəli şəkildə aşkar edə bildiyini və 95,3% dəqiqlik göstərdiyini göstərdi. Spektrofotometrə ehtiyacı aradan qaldırmaqla nümunə testini daha da sadələşdirmək üçün məhlulun rəngini şərh etmək və mobil telefon fotoşəkili istifadə edərək normal və xərçəngli insanları fərqləndirmək üçün maşın öyrənməsindən istifadə edildi və dəqiqlik də 90,0% səviyyəsində əldə edilə bildi.

İstinad: DOI: 10.1039/d2ra05725e