90.0% ఖచ్చితత్వంతో కణితులను ముందస్తుగా పరీక్షించడం మరియు లుకేమియా స్క్రీనింగ్ కోసం స్మార్ట్‌ఫోన్‌లతో కలిపి DNA మిథైలేషన్ పరీక్ష!

లిక్విడ్ బయాప్సీ ఆధారంగా క్యాన్సర్‌ను ముందస్తుగా గుర్తించడం అనేది ఇటీవలి సంవత్సరాలలో US నేషనల్ క్యాన్సర్ ఇన్స్టిట్యూట్ ప్రతిపాదించిన క్యాన్సర్ గుర్తింపు మరియు రోగ నిర్ధారణలో ఒక కొత్త దిశ, ఇది ప్రారంభ క్యాన్సర్ లేదా ముందస్తు క్యాన్సర్ గాయాలను కూడా గుర్తించే లక్ష్యంతో ఉంది. ఊపిరితిత్తుల క్యాన్సర్, జీర్ణశయాంతర కణితులు, గ్లియోమాస్ మరియు గైనకాలజికల్ కణితులు వంటి వివిధ ప్రాణాంతకతలను ముందస్తుగా నిర్ధారించడానికి ఇది ఒక నవల బయోమార్కర్‌గా విస్తృతంగా ఉపయోగించబడుతోంది.

మిథైలేషన్ ల్యాండ్‌స్కేప్ (మిథైల్‌స్కేప్) బయోమార్కర్లను గుర్తించడానికి ప్లాట్‌ఫామ్‌ల ఆవిర్భావం క్యాన్సర్ కోసం ఇప్పటికే ఉన్న ప్రారంభ స్క్రీనింగ్‌ను గణనీయంగా మెరుగుపరిచే సామర్థ్యాన్ని కలిగి ఉంది, రోగులను చికిత్స చేయగల తొలి దశలో ఉంచుతుంది.

ఇటీవల, పరిశోధకులు సిస్టీమైన్ అలంకరించబడిన బంగారు నానోపార్టికల్స్ (సిస్టీ/AuNPs) ఆధారంగా మిథైలేషన్ ల్యాండ్‌స్కేప్ గుర్తింపు కోసం సరళమైన మరియు ప్రత్యక్ష సెన్సింగ్ ప్లాట్‌ఫామ్‌ను అభివృద్ధి చేశారు, ఇది స్మార్ట్‌ఫోన్ ఆధారిత బయోసెన్సర్‌తో కలిపి విస్తృత శ్రేణి కణితులను త్వరగా పరీక్షించడానికి వీలు కల్పిస్తుంది. రక్త నమూనా నుండి DNA తీసిన తర్వాత 15 నిమిషాల్లో లుకేమియా కోసం ముందస్తు స్క్రీనింగ్ చేయవచ్చు, 90.0% ఖచ్చితత్వంతో. వ్యాసం శీర్షిక సిస్టీమైన్-క్యాప్డ్ AuNPs మరియు మెషిన్ లెర్నింగ్-ఎనేబుల్డ్ స్మార్ట్‌ఫోన్‌ను ఉపయోగించి మానవ రక్తంలో క్యాన్సర్ DNA యొక్క వేగవంతమైన గుర్తింపు.

చిత్రం 1. Cyst/AuNPs భాగాల ద్వారా క్యాన్సర్ స్క్రీనింగ్ కోసం ఒక సరళమైన మరియు వేగవంతమైన సెన్సింగ్ ప్లాట్‌ఫామ్‌ను రెండు సాధారణ దశల్లో సాధించవచ్చు.

ఇది చిత్రం 1లో చూపబడింది. ముందుగా, DNA భాగాలను కరిగించడానికి ఒక జల ద్రావణాన్ని ఉపయోగించారు. తరువాత మిశ్రమ ద్రావణంలో సిస్ట్/AuNPలను జోడించారు. సాధారణ మరియు ప్రాణాంతక DNA వేర్వేరు మిథైలేషన్ లక్షణాలను కలిగి ఉంటాయి, ఫలితంగా వివిధ స్వీయ-అసెంబ్లీ నమూనాలతో DNA భాగాలు ఏర్పడతాయి. సాధారణ DNA వదులుగా కలిసిపోతుంది మరియు చివరికి సిస్ట్/AuNPలను కలుపుతుంది, దీని ఫలితంగా సిస్ట్/AuNPల ఎరుపు-మార్పు స్వభావం ఏర్పడుతుంది, తద్వారా ఎరుపు నుండి ఊదా రంగులోకి మారడాన్ని కంటితో గమనించవచ్చు. దీనికి విరుద్ధంగా, క్యాన్సర్ DNA యొక్క ప్రత్యేకమైన మిథైలేషన్ ప్రొఫైల్ DNA భాగాల పెద్ద సమూహాల ఉత్పత్తికి దారితీస్తుంది.

96-బావి పలకల చిత్రాలను స్మార్ట్‌ఫోన్ కెమెరాను ఉపయోగించి తీశారు. స్పెక్ట్రోస్కోపీ ఆధారిత పద్ధతులతో పోలిస్తే మెషిన్ లెర్నింగ్‌తో కూడిన స్మార్ట్‌ఫోన్ ద్వారా క్యాన్సర్ DNAను కొలుస్తారు.

నిజమైన రక్త నమూనాలలో క్యాన్సర్ స్క్రీనింగ్

సెన్సింగ్ ప్లాట్‌ఫామ్ యొక్క ప్రయోజనాన్ని విస్తరించడానికి, పరిశోధకులు నిజమైన రక్త నమూనాలలో సాధారణ మరియు క్యాన్సర్ DNA మధ్య తేడాను విజయవంతంగా గుర్తించే సెన్సార్‌ను ప్రయోగించారు. CpG సైట్‌లలో మిథైలేషన్ నమూనాలు బాహ్యజన్యుపరంగా జన్యు వ్యక్తీకరణను నియంత్రిస్తాయి. దాదాపు అన్ని క్యాన్సర్ రకాల్లో, DNA మిథైలేషన్‌లో మార్పులు మరియు తద్వారా ట్యూమరిజెనిసిస్‌ను ప్రోత్సహించే జన్యువుల వ్యక్తీకరణలో ప్రత్యామ్నాయంగా గమనించబడ్డాయి.

DNA మిథైలేషన్‌తో సంబంధం ఉన్న ఇతర క్యాన్సర్‌లకు ఒక నమూనాగా, పరిశోధకులు లుకేమియా రోగుల రక్త నమూనాలను మరియు ఆరోగ్యకరమైన నియంత్రణలను ఉపయోగించి లుకేమిక్ క్యాన్సర్‌లను వేరు చేయడంలో మిథైలేషన్ ల్యాండ్‌స్కేప్ యొక్క ప్రభావాన్ని పరిశోధించారు. ఈ మిథైలేషన్ ల్యాండ్‌స్కేప్ బయోమార్కర్ ఇప్పటికే ఉన్న వేగవంతమైన లుకేమియా స్క్రీనింగ్ పద్ధతులను అధిగమిస్తుంది, కానీ ఈ సరళమైన మరియు సరళమైన పరీక్షను ఉపయోగించి విస్తృత శ్రేణి క్యాన్సర్‌లను ముందస్తుగా గుర్తించడం వరకు విస్తరించే సాధ్యాసాధ్యాలను కూడా ప్రదర్శిస్తుంది.

31 లుకేమియా రోగులు మరియు 12 మంది ఆరోగ్యవంతులైన వ్యక్తుల రక్త నమూనాల నుండి DNA విశ్లేషించబడింది. Figure 2a లోని బాక్స్ ప్లాట్‌లో చూపినట్లుగా, క్యాన్సర్ నమూనాల (ΔA650/525) సాపేక్ష శోషణ సాధారణ నమూనాల నుండి DNA కంటే తక్కువగా ఉంది. ఇది ప్రధానంగా క్యాన్సర్ DNA యొక్క దట్టమైన సముదాయానికి దారితీసే మెరుగైన హైడ్రోఫోబిసిటీ కారణంగా జరిగింది, ఇది Cyst/AuNPల సముదాయాన్ని నిరోధించింది. ఫలితంగా, ఈ నానోపార్టికల్స్ క్యాన్సర్ సముదాయాల బయటి పొరలలో పూర్తిగా చెదరగొట్టబడ్డాయి, దీని ఫలితంగా సాధారణ మరియు క్యాన్సర్ DNA సముదాయాలపై శోషించబడిన Cyst/AuNPల యొక్క భిన్నమైన వ్యాప్తి జరిగింది. అప్పుడు ROC వక్రతలు ΔA650/525 కనిష్ట విలువ నుండి గరిష్ట విలువకు థ్రెషోల్డ్‌ను మార్చడం ద్వారా ఉత్పత్తి చేయబడ్డాయి.

చిత్రం 2.(a) ఆప్టిమైజ్ చేయబడిన పరిస్థితులలో సాధారణ (నీలం) మరియు క్యాన్సర్ (ఎరుపు) DNA ఉనికిని చూపించే తిత్తి/AuNPల ద్రావణాల సాపేక్ష శోషణ విలువలు.

(DA650/525) బాక్స్ ప్లాట్లు; (బి) రోగనిర్ధారణ పరీక్షల ROC విశ్లేషణ మరియు మూల్యాంకనం. (సి) సాధారణ మరియు క్యాన్సర్ రోగుల నిర్ధారణ కోసం గందరగోళ మాతృక. (డి) సున్నితత్వం, విశిష్టత, సానుకూల అంచనా విలువ (PPV), ప్రతికూల అంచనా విలువ (NPV) మరియు అభివృద్ధి చెందిన పద్ధతి యొక్క ఖచ్చితత్వం.

చిత్రం 2bలో చూపినట్లుగా, అభివృద్ధి చెందిన సెన్సార్ కోసం పొందిన ROC వక్రరేఖ (AUC = 0.9274) కింద ఉన్న ప్రాంతం అధిక సున్నితత్వం మరియు విశిష్టతను చూపించింది. బాక్స్ ప్లాట్ నుండి చూడగలిగినట్లుగా, సాధారణ DNA సమూహాన్ని సూచించే అత్యల్ప బిందువు క్యాన్సర్ DNA సమూహాన్ని సూచించే ఎత్తైన బిందువు నుండి బాగా వేరు చేయబడలేదు; అందువల్ల, సాధారణ మరియు క్యాన్సర్ సమూహాల మధ్య తేడాను గుర్తించడానికి లాజిస్టిక్ రిగ్రెషన్ ఉపయోగించబడింది. స్వతంత్ర చరరాశుల సమితిని ఇచ్చినప్పుడు, ఇది క్యాన్సర్ లేదా సాధారణ సమూహం వంటి సంఘటన సంభవించే సంభావ్యతను అంచనా వేస్తుంది. ఆధారిత చరరాశి 0 మరియు 1 మధ్య ఉంటుంది. అందువల్ల ఫలితం సంభావ్యత. ΔA650/525 ఆధారంగా క్యాన్సర్ గుర్తింపు (P) సంభావ్యతను మేము ఈ క్రింది విధంగా నిర్ణయించాము.

ఇక్కడ b=5.3533,w1=-6.965. నమూనా వర్గీకరణ కోసం, 0.5 కంటే తక్కువ సంభావ్యత సాధారణ నమూనాను సూచిస్తుంది, అయితే 0.5 లేదా అంతకంటే ఎక్కువ సంభావ్యత క్యాన్సర్ నమూనాను సూచిస్తుంది. వర్గీకరణ పద్ధతి యొక్క స్థిరత్వాన్ని ధృవీకరించడానికి ఉపయోగించిన లీవ్-ఇట్-అలోన్ క్రాస్-వాలిడేషన్ నుండి ఉత్పత్తి చేయబడిన గందరగోళ మాతృకను మూర్తి 2c వర్ణిస్తుంది. సున్నితత్వం, విశిష్టత, సానుకూల అంచనా విలువ (PPV) మరియు ప్రతికూల అంచనా విలువ (NPV)తో సహా పద్ధతి యొక్క రోగనిర్ధారణ పరీక్ష మూల్యాంకనాన్ని మూర్తి 2d సంగ్రహిస్తుంది.

స్మార్ట్‌ఫోన్ ఆధారిత బయోసెన్సర్లు

స్పెక్ట్రోఫోటోమీటర్లను ఉపయోగించకుండా నమూనా పరీక్షను మరింత సరళీకృతం చేయడానికి, పరిశోధకులు ద్రావణం యొక్క రంగును అర్థం చేసుకోవడానికి మరియు సాధారణ మరియు క్యాన్సర్ వ్యక్తుల మధ్య తేడాను గుర్తించడానికి కృత్రిమ మేధస్సు (AI)ని ఉపయోగించారు. దీనిని దృష్టిలో ఉంచుకుని, మొబైల్ ఫోన్ కెమెరా ద్వారా తీసిన 96-బావి ప్లేట్ల చిత్రాలను ఉపయోగించి సిస్ట్/AuNPs ద్రావణం యొక్క రంగును సాధారణ DNA (ఊదా) లేదా క్యాన్సర్ DNA (ఎరుపు)లోకి అనువదించడానికి కంప్యూటర్ దృష్టిని ఉపయోగించారు. కృత్రిమ మేధస్సు ఖర్చులను తగ్గించగలదు మరియు నానోపార్టికల్ సొల్యూషన్స్ యొక్క రంగును వివరించడంలో ప్రాప్యతను మెరుగుపరుస్తుంది మరియు ఎటువంటి ఆప్టికల్ హార్డ్‌వేర్ స్మార్ట్‌ఫోన్ ఉపకరణాలను ఉపయోగించకుండానే. చివరగా, రాండమ్ ఫారెస్ట్ (RF) మరియు సపోర్ట్ వెక్టర్ మెషిన్ (SVM)తో సహా రెండు మెషిన్ లెర్నింగ్ మోడల్‌లను నమూనాలను నిర్మించడానికి శిక్షణ పొందాయి. RF మరియు SVM మోడల్‌లు రెండూ 90.0% ఖచ్చితత్వంతో నమూనాలను సానుకూల మరియు ప్రతికూలంగా సరిగ్గా వర్గీకరించాయి. మొబైల్ ఫోన్ ఆధారిత బయోసెన్సింగ్‌లో కృత్రిమ మేధస్సును ఉపయోగించడం చాలా సాధ్యమేనని ఇది సూచిస్తుంది.

చిత్రం 3.(ఎ) ఇమేజ్ అక్విజిషన్ దశ కోసం నమూనా తయారీ సమయంలో నమోదు చేయబడిన ద్రావణం యొక్క లక్ష్య తరగతి. (బి) ఇమేజ్ అక్విజిషన్ దశ సమయంలో తీసిన ఉదాహరణ చిత్రం. (సి) ఇమేజ్ నుండి సేకరించిన 96-బావి ప్లేట్ యొక్క ప్రతి బావిలో తిత్తి/AuNPs ద్రావణం యొక్క రంగు తీవ్రత (బి).

సిస్ట్/AuNP లను ఉపయోగించి, పరిశోధకులు మిథైలేషన్ ల్యాండ్‌స్కేప్ డిటెక్షన్ కోసం ఒక సాధారణ సెన్సింగ్ ప్లాట్‌ఫామ్‌ను మరియు లుకేమియా స్క్రీనింగ్ కోసం నిజమైన రక్త నమూనాలను ఉపయోగించినప్పుడు సాధారణ DNA ను క్యాన్సర్ DNA నుండి వేరు చేయగల సెన్సార్‌ను విజయవంతంగా అభివృద్ధి చేశారు. అభివృద్ధి చెందిన సెన్సార్ నిజమైన రక్త నమూనాల నుండి సేకరించిన DNA లుకేమియా రోగులలో 15 నిమిషాల్లో చిన్న మొత్తంలో క్యాన్సర్ DNA (3nM) ను వేగంగా మరియు ఖర్చుతో కూడుకున్నదిగా గుర్తించగలదని మరియు 95.3% ఖచ్చితత్వాన్ని చూపించిందని నిరూపించింది. స్పెక్ట్రోఫోటోమీటర్ అవసరాన్ని తొలగించడం ద్వారా నమూనా పరీక్షను మరింత సరళీకృతం చేయడానికి, ద్రావణం యొక్క రంగును అర్థం చేసుకోవడానికి మరియు మొబైల్ ఫోన్ ఛాయాచిత్రాన్ని ఉపయోగించి సాధారణ మరియు క్యాన్సర్ వ్యక్తుల మధ్య తేడాను గుర్తించడానికి యంత్ర అభ్యాసం ఉపయోగించబడింది మరియు 90.0% వద్ద ఖచ్చితత్వాన్ని కూడా సాధించగలిగారు.

రిఫరెన్స్: DOI: 10.1039/d2ra05725e