ద్రవ బయాప్సీ ఆధారంగా క్యాన్సర్ను ముందుగానే గుర్తించడం అనేది ఇటీవలి సంవత్సరాలలో యుఎస్ నేషనల్ క్యాన్సర్ ఇన్స్టిట్యూట్ ప్రతిపాదించిన క్యాన్సర్ గుర్తింపు మరియు రోగ నిర్ధారణ యొక్క కొత్త దిశ, ప్రారంభ క్యాన్సర్ లేదా ముందస్తు గాయాలను కూడా గుర్తించే లక్ష్యంతో. Lung పిరితిత్తుల క్యాన్సర్, జీర్ణశయాంతర కణితులు, గ్లియోమాస్ మరియు స్త్రీ జననేంద్రియ కణితులతో సహా వివిధ ప్రాణాంతకత యొక్క ప్రారంభ రోగ నిర్ధారణకు ఇది ఒక నవల బయోమార్కర్గా విస్తృతంగా ఉపయోగించబడింది.
మిథైలేషన్ ల్యాండ్స్కేప్ (మిథైల్ స్కేప్) బయోమార్కర్లను గుర్తించడానికి ప్లాట్ఫారమ్ల ఆవిర్భావం క్యాన్సర్ కోసం ఇప్పటికే ఉన్న ప్రారంభ స్క్రీనింగ్ను గణనీయంగా మెరుగుపరిచే అవకాశం ఉంది, రోగులను తొలిసారి చికిత్స చేయగల దశలో ఉంచుతుంది.
ఇటీవల, పరిశోధకులు స్మార్ట్ఫోన్-ఆధారిత బయోసెన్సర్తో కలిపి సిస్టెమైన్ అలంకరించిన బంగారు నానోపార్టికల్స్ (SYST/AUNP లు) ఆధారంగా మిథైలేషన్ ల్యాండ్స్కేప్ డిటెక్షన్ కోసం సరళమైన మరియు ప్రత్యక్ష సెన్సింగ్ ప్లాట్ఫామ్ను అభివృద్ధి చేశారు, ఇది విస్తృత కణితుల యొక్క వేగవంతమైన ప్రారంభ స్క్రీనింగ్ను అనుమతిస్తుంది. 90.0%ఖచ్చితత్వంతో, రక్త నమూనా నుండి DNA వెలికితీసిన 15 నిమిషాల్లో లుకేమియా కోసం ప్రారంభ స్క్రీనింగ్ చేయవచ్చు. ఆర్టికల్ టైటిల్ అనేది సిస్టరిమిన్-క్యాప్డ్ AUNP లు మరియు మెషిన్ లెర్నింగ్-ఎనేబుల్డ్ స్మార్ట్ఫోన్ ఉపయోగించి మానవ రక్తంలో క్యాన్సర్ DNA ను వేగంగా గుర్తించడం
మూర్తి 1. తిత్తి/AUNPS భాగాల ద్వారా క్యాన్సర్ స్క్రీనింగ్ కోసం సరళమైన మరియు వేగవంతమైన సెన్సింగ్ ప్లాట్ఫాం రెండు సాధారణ దశల్లో సాధించవచ్చు.
ఇది మూర్తి 1 లో చూపబడింది. మొదట, DNA శకలాలు కరిగించడానికి ఒక సజల పరిష్కారం ఉపయోగించబడింది. తిత్తి/AUNP లను మిశ్రమ ద్రావణానికి చేర్చారు. సాధారణ మరియు ప్రాణాంతక DNA వేర్వేరు మిథైలేషన్ లక్షణాలను కలిగి ఉంటుంది, దీని ఫలితంగా DNA శకలాలు వేర్వేరు స్వీయ-అసెంబ్లీ నమూనాలతో ఉంటాయి. సాధారణ DNA వదులుగా ఉంటుంది మరియు చివరికి తిత్తి/AUNP లను కలుపుతుంది, దీని ఫలితంగా తిత్తి/AUNP ల యొక్క ఎరుపు-రవాణా స్వభావం ఏర్పడుతుంది, తద్వారా ఎరుపు నుండి ple దా రంగులో రంగులో మార్పు నగ్న కన్నుతో గమనించవచ్చు. దీనికి విరుద్ధంగా, క్యాన్సర్ DNA యొక్క ప్రత్యేకమైన మిథైలేషన్ ప్రొఫైల్ DNA శకలాలు పెద్ద సమూహాల ఉత్పత్తికి దారితీస్తుంది.
96-బావి ప్లేట్ల చిత్రాలను స్మార్ట్ఫోన్ కెమెరాను ఉపయోగించి తీశారు. స్పెక్ట్రోస్కోపీ-ఆధారిత పద్ధతులతో పోలిస్తే మెషిన్ లెర్నింగ్ ఉన్న స్మార్ట్ఫోన్ ద్వారా క్యాన్సర్ డిఎన్ఎను కొలుస్తారు.
నిజమైన రక్త నమూనాలలో క్యాన్సర్ స్క్రీనింగ్
సెన్సింగ్ ప్లాట్ఫాం యొక్క ప్రయోజనాన్ని విస్తరించడానికి, పరిశోధకులు నిజమైన రక్త నమూనాలలో సాధారణ మరియు క్యాన్సర్ DNA మధ్య విజయవంతంగా వేరుచేసే సెన్సార్ను ఉపయోగించారు. CPG సైట్లలో మిథైలేషన్ నమూనాలు ఎపిజెనెటికల్గా జన్యు వ్యక్తీకరణను నియంత్రిస్తాయి. దాదాపు అన్ని క్యాన్సర్ రకాల్లో, DNA మిథైలేషన్లో మార్పులు మరియు తద్వారా ట్యూమరిజెనిసిస్ను ప్రోత్సహించే జన్యువుల వ్యక్తీకరణలో ప్రత్యామ్నాయంగా గమనించబడింది.
DNA మిథైలేషన్తో సంబంధం ఉన్న ఇతర క్యాన్సర్లకు ఒక నమూనాగా, పరిశోధకులు లుకేమియా రోగుల నుండి రక్త నమూనాలను మరియు ఆరోగ్యకరమైన నియంత్రణలను ఉపయోగించారు, ల్యూకామిక్ క్యాన్సర్లను వేరు చేయడంలో మిథైలేషన్ ల్యాండ్స్కేప్ యొక్క ప్రభావాన్ని పరిశోధించడానికి. ఈ మిథైలేషన్ ల్యాండ్స్కేప్ బయోమార్కర్ ఇప్పటికే ఉన్న రాపిడ్ లుకేమియా స్క్రీనింగ్ పద్ధతులను అధిగమించడమే కాక, ఈ సరళమైన మరియు సూటిగా పరీక్షను ఉపయోగించి విస్తృత శ్రేణి క్యాన్సర్లను ముందుగానే గుర్తించటానికి విస్తరించే సాధ్యతను కూడా ప్రదర్శిస్తుంది.
31 లుకేమియా రోగులు మరియు 12 మంది ఆరోగ్యకరమైన వ్యక్తుల నుండి రక్త నమూనాల నుండి DNA విశ్లేషించబడింది. మూర్తి 2A లోని బాక్స్ ప్లాట్లో చూపినట్లుగా, క్యాన్సర్ నమూనాల సాపేక్ష శోషణ (ΔA650/525) సాధారణ నమూనాల నుండి DNA కంటే తక్కువగా ఉంది. ఇది ప్రధానంగా మెరుగైన హైడ్రోఫోబిసిటీ కారణంగా ఉంది, ఇది క్యాన్సర్ DNA యొక్క దట్టమైన సంకలనానికి దారితీసింది, ఇది తిత్తి/AUNP ల యొక్క సమగ్రతను నిరోధించింది. తత్ఫలితంగా, ఈ నానోపార్టికల్స్ క్యాన్సర్ కంకర యొక్క బయటి పొరలలో పూర్తిగా చెదరగొట్టబడ్డాయి, దీని ఫలితంగా సాధారణ మరియు క్యాన్సర్ DNA కంకరలపై శోషించబడిన తిత్తి/AUNP ల యొక్క వేరే చెదరగొట్టడం జరిగింది. ROC వక్రతలు అప్పుడు ΔA650/525 యొక్క కనీస విలువ నుండి గరిష్ట విలువకు మారుతూ ఉంటాయి.
మూర్తి 2. (ఎ) ఆప్టిమైజ్ చేసిన పరిస్థితులలో సాధారణ (నీలం) మరియు క్యాన్సర్ (ఎరుపు) DNA ఉనికిని చూపించే తిత్తి/AUNPS పరిష్కారాల సాపేక్ష శోషణ విలువలు
(DA650/525) బాక్స్ ప్లాట్ల; (బి) రోగనిర్ధారణ పరీక్షల యొక్క ROC విశ్లేషణ మరియు మూల్యాంకనం. (సి) సాధారణ మరియు క్యాన్సర్ రోగుల నిర్ధారణకు గందరగోళ మాతృక. (డి) సున్నితత్వం, విశిష్టత, సానుకూల అంచనా విలువ (పిపివి), ప్రతికూల అంచనా విలువ (ఎన్పివి) మరియు అభివృద్ధి చెందిన పద్ధతి యొక్క ఖచ్చితత్వం.
మూర్తి 2 బిలో చూపినట్లుగా, అభివృద్ధి చెందిన సెన్సార్ కోసం పొందిన ROC వక్రరేఖ (AUC = 0.9274) క్రింద ఉన్న ప్రాంతం అధిక సున్నితత్వం మరియు విశిష్టతను చూపించింది. బాక్స్ ప్లాట్ నుండి చూడగలిగినట్లుగా, సాధారణ DNA సమూహాన్ని సూచించే అత్యల్ప పాయింట్ క్యాన్సర్ DNA సమూహాన్ని సూచించే ఎత్తైన ప్రదేశం నుండి బాగా వేరు చేయబడదు; అందువల్ల, లాజిస్టిక్ రిగ్రెషన్ సాధారణ మరియు క్యాన్సర్ సమూహాల మధ్య తేడాను గుర్తించడానికి ఉపయోగించబడింది. స్వతంత్ర చరరాశుల సమితిని బట్టి, ఇది క్యాన్సర్ లేదా సాధారణ సమూహం వంటి సంఘటన యొక్క సంభావ్యతను అంచనా వేస్తుంది. డిపెండెంట్ వేరియబుల్ 0 మరియు 1 మధ్య ఉంటుంది. అందువల్ల ఫలితం సంభావ్యత. ఈ క్రింది విధంగా ΔA650/525 ఆధారంగా క్యాన్సర్ ఐడెంటిఫికేషన్ (పి) యొక్క సంభావ్యతను మేము నిర్ణయించాము.
ఇక్కడ B = 5.3533, W1 = -6.965. నమూనా వర్గీకరణ కోసం, 0.5 కన్నా తక్కువ సంభావ్యత సాధారణ నమూనాను సూచిస్తుంది, అయితే 0.5 లేదా అంతకంటే ఎక్కువ సంభావ్యత క్యాన్సర్ నమూనాను సూచిస్తుంది. మూర్తి 2 సి లీవ్-ఇట్-అలోన్ క్రాస్ ధ్రువీకరణ నుండి ఉత్పత్తి చేయబడిన గందరగోళ మాతృకను వర్ణిస్తుంది, ఇది వర్గీకరణ పద్ధతి యొక్క స్థిరత్వాన్ని ధృవీకరించడానికి ఉపయోగించబడింది. మూర్తి 2D పద్ధతి యొక్క రోగనిర్ధారణ పరీక్ష మూల్యాంకనాన్ని సంగ్రహిస్తుంది, ఇందులో సున్నితత్వం, విశిష్టత, సానుకూల అంచనా విలువ (పిపివి) మరియు ప్రతికూల అంచనా విలువ (ఎన్పివి) ఉన్నాయి.
స్మార్ట్ఫోన్ ఆధారిత బయోసెన్సర్లు
స్పెక్ట్రోఫోటోమీటర్లను ఉపయోగించకుండా నమూనా పరీక్షను మరింత సరళీకృతం చేయడానికి, పరిశోధకులు ద్రావణం యొక్క రంగును అర్థం చేసుకోవడానికి మరియు సాధారణ మరియు క్యాన్సర్ వ్యక్తుల మధ్య తేడాను గుర్తించడానికి ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ను ఉపయోగించారు. దీనిని బట్టి, మొబైల్ ఫోన్ కెమెరా ద్వారా తీసిన 96-బావి ప్లేట్ల చిత్రాలను ఉపయోగించి తిత్తి/AUNPS ద్రావణం యొక్క రంగును సాధారణ DNA (ple దా) లేదా క్యాన్సర్ DNA (ఎరుపు) గా అనువదించడానికి కంప్యూటర్ దృష్టి ఉపయోగించబడింది. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ నానోపార్టికల్ పరిష్కారాల రంగును వివరించడంలో మరియు ఆప్టికల్ హార్డ్వేర్ స్మార్ట్ఫోన్ ఉపకరణాలను ఉపయోగించకుండా ఖర్చులను తగ్గిస్తుంది మరియు ప్రాప్యతను మెరుగుపరుస్తుంది. చివరగా, మోడళ్లను నిర్మించడానికి రాండమ్ ఫారెస్ట్ (RF) మరియు సపోర్ట్ వెక్టర్ మెషిన్ (SVM) తో సహా రెండు యంత్ర అభ్యాస నమూనాలు శిక్షణ పొందాయి. RF మరియు SVM నమూనాలు రెండూ 90.0%ఖచ్చితత్వంతో నమూనాలను సానుకూలంగా మరియు ప్రతికూలంగా వర్గీకరించాయి. మొబైల్ ఫోన్ ఆధారిత బయోసెన్సింగ్లో కృత్రిమ మేధస్సును ఉపయోగించడం చాలా సాధ్యమేనని ఇది సూచిస్తుంది.
మూర్తి 3. (ఎ) ఇమేజ్ సముపార్జన దశ కోసం నమూనా తయారీ సమయంలో నమోదు చేయబడిన పరిష్కారం యొక్క లక్ష్య తరగతి. (బి) ఇమేజ్ సముపార్జన దశలో తీసిన ఉదాహరణ చిత్రం. (సి) చిత్రం (బి) నుండి సేకరించిన 96-బావి ప్లేట్ యొక్క ప్రతి బావిలో తిత్తి/AUNPS ద్రావణం యొక్క రంగు తీవ్రత.
తిత్తి/AUNP లను ఉపయోగించి, పరిశోధకులు మిథైలేషన్ ల్యాండ్స్కేప్ డిటెక్షన్ కోసం ఒక సాధారణ సెన్సింగ్ ప్లాట్ఫామ్ను విజయవంతంగా అభివృద్ధి చేశారు మరియు లుకేమియా స్క్రీనింగ్ కోసం నిజమైన రక్త నమూనాలను ఉపయోగిస్తున్నప్పుడు సాధారణ DNA ను క్యాన్సర్ DNA నుండి వేరు చేయగల సెన్సార్ను విజయవంతంగా అభివృద్ధి చేశారు. అభివృద్ధి చెందిన సెన్సార్ నిజమైన రక్త నమూనాల నుండి సేకరించిన DNA 15 నిమిషాల్లో లుకేమియా రోగులలో చిన్న మొత్తంలో క్యాన్సర్ DNA (3nm) ను వేగంగా మరియు ఖర్చుతో సమర్థవంతంగా గుర్తించగలదని మరియు 95.3%ఖచ్చితత్వాన్ని చూపించిందని నిరూపించింది. స్పెక్ట్రోఫోటోమీటర్ యొక్క అవసరాన్ని తొలగించడం ద్వారా నమూనా పరీక్షను మరింత సరళీకృతం చేయడానికి, యంత్ర అభ్యాసం పరిష్కారం యొక్క రంగును అర్థం చేసుకోవడానికి మరియు మొబైల్ ఫోన్ ఛాయాచిత్రాన్ని ఉపయోగించి సాధారణ మరియు క్యాన్సర్ వ్యక్తుల మధ్య తేడాను గుర్తించడానికి ఉపయోగించబడింది మరియు ఖచ్చితత్వాన్ని 90.0%వద్ద కూడా సాధించగలిగారు.
సూచన: doi: 10.1039/d2ra05725e
పోస్ట్ సమయం: ఫిబ్రవరి -18-2023