Testarea de metilare ADN combinată cu smartphone -uri pentru screeningul timpuriu a tumorilor și screeningul leucemiei cu o precizie de 90,0%!

Detectarea precoce a cancerului pe baza biopsiei lichide este o nouă direcție de detectare și diagnostic a cancerului propusă de Institutul Național de Cancer al SUA în ultimii ani, cu scopul de a detecta cancerul precoce sau chiar leziuni precanceroase. A fost utilizat pe scară largă ca un nou biomarker pentru diagnosticul precoce al diferitelor maligne, inclusiv cancerul pulmonar, tumorile gastrointestinale, gliomele și tumorile ginecologice.

Apariția platformelor pentru identificarea biomarkerilor peisajului de metilare (metilscape) are potențialul de a îmbunătăți semnificativ screeningul precoce existent pentru cancer, punând pacienții în cel mai timpuriu stadiu tratabil.

Recent, cercetătorii au dezvoltat o platformă de detectare simplă și directă pentru detectarea peisajului de metilare bazată pe nanoparticule de aur decorate cu cistiul (chist/AuNPs), combinate cu un biosensor bazat pe smartphone care permite screeningul timpuriu rapid al unei game largi de tumori. Screeningul timpuriu pentru leucemie poate fi efectuat în 15 minute de la extragerea ADN -ului dintr -o probă de sânge, cu o precizie de 90,0%. Titlul articolului este detectarea rapidă a ADN-ului cancerului în sângele uman folosind AuNP-uri captate cu cisteamină și un smartphone activat de învățare automată。

Figura 1. O platformă simplă și de detectare rapidă pentru screeningul cancerului prin componente chist/AuNPs poate fi realizată în două etape simple.

Acest lucru este prezentat în figura 1. În primul rând, a fost utilizată o soluție apoasă pentru a dizolva fragmentele de ADN. Chistul/AuNP -urile au fost apoi adăugate la soluția mixtă. ADN-ul normal și malign au proprietăți diferite de metilare, rezultând fragmente de ADN cu modele de auto-asamblare diferite. ADN-ul normal se agregă vag și, în cele din urmă, agregă chistul/AuNP-urile, ceea ce duce la natura redusă a chistului/aicilor, astfel încât o schimbare a culorii de la roșu la violet poate fi observată cu ochiul liber. În schimb, profilul unic de metilare al ADN -ului cancerului duce la producerea de grupuri mai mari de fragmente de ADN.

Imagini cu plăci cu 96 de godeuri au fost realizate folosind o cameră pentru smartphone. ADN-ul cancerului a fost măsurat printr-un smartphone echipat cu învățare automată în comparație cu metodele bazate pe spectroscopie.

Screeningul cancerului în probe de sânge reale

Pentru a extinde utilitatea platformei de detectare, anchetatorii au aplicat un senzor care a distins cu succes între ADN -ul normal și canceros în probele de sânge reale. Modelele de metilare la site -urile CPG reglează epigenetic expresia genelor. În aproape toate tipurile de cancer, s -au observat modificări ale metilării ADN -ului și astfel în expresia genelor care promovează tumourigeneza alternativă.

Ca model pentru alte tipuri de cancer asociate cu metilarea ADN -ului, cercetătorii au folosit probe de sânge de la pacienții cu leucemie și controale sănătoase pentru a investiga eficacitatea peisajului de metilare în diferențierea cancerelor leucemice. Acest biomarker de peisaj de metilare nu numai că depășește metodele de screening rapid de leucemie rapidă, dar demonstrează și fezabilitatea extinderii la detectarea precoce a unei game largi de cancere care utilizează acest test simplu și simplu.

ADN -ul de la probe de sânge de la 31 de pacienți cu leucemie și 12 persoane sănătoase a fost analizat. Așa cum se arată în graficul cutiei din figura 2a, absorbția relativă a probelor de cancer (ΔA650/525) a fost mai mică decât cea a ADN -ului din probele normale. Acest lucru s -a datorat în principal hidrofobicității îmbunătățite care a dus la o agregare densă a ADN -ului cancerului, ceea ce a împiedicat agregarea chistului/AUNP -urilor. Drept urmare, aceste nanoparticule au fost complet dispersate în straturile exterioare ale agregatelor de cancer, ceea ce a dus la o dispersie diferită a chistului/AuNP -urilor adsorbite pe agregate ADN normale și de cancer. Curbele ROC au fost apoi generate prin modificarea pragului de la o valoare minimă de ΔA650/525 la o valoare maximă.

Figura 2. (a) Valorile relative de absorbție ale soluțiilor chist/AuNPs care arată prezența ADN -ului normal (albastru) și cancer (roșu) în condiții optimizate

(DA650/525) de parcele de cutie; (b) Analiza ROC și evaluarea testelor de diagnostic. (c) Matricea de confuzie pentru diagnosticul pacienților normali și de cancer. (d) Sensibilitatea, specificitatea, valoarea predictivă pozitivă (PPV), valoarea predictivă negativă (VNV) și precizia metodei dezvoltate.

Așa cum se arată în figura 2B, zona de sub curba ROC (ASC = 0,9274) obținută pentru senzorul dezvoltat a arătat o sensibilitate și specificitate ridicată. După cum se poate observa din graficul cutiei, punctul cel mai mic reprezentând grupul ADN normal nu este bine separat de cel mai înalt punct reprezentând grupul ADN de cancer; Prin urmare, regresia logistică a fost utilizată pentru a diferenția între grupurile normale și cele de cancer. Având în vedere un set de variabile independente, acesta estimează probabilitatea ca un eveniment să apară, cum ar fi un cancer sau un grup normal. Variabila dependentă variază între 0 și 1. Rezultatul este, prin urmare, o probabilitate. Am determinat probabilitatea identificării cancerului (P) pe baza ΔA650/525 după cum urmează.

unde b = 5.3533, w1 = -6.965. Pentru clasificarea eșantionului, o probabilitate mai mică de 0,5 indică un eșantion normal, în timp ce o probabilitate de 0,5 sau mai mare indică un eșantion de cancer. Figura 2c prezintă matricea de confuzie generată de validarea încrucișată de concediu, care a fost utilizată pentru a valida stabilitatea metodei de clasificare. Figura 2D rezumă evaluarea testului de diagnostic a metodei, inclusiv sensibilitatea, specificitatea, valoarea predictivă pozitivă (PPV) și valoarea predictivă negativă (NPV).

Biosenzori pe bază de smartphone

Pentru a simplifica în continuare testarea eșantionului fără utilizarea spectrofotometrelor, cercetătorii au folosit inteligența artificială (AI) pentru a interpreta culoarea soluției și pentru a distinge între indivizii normali și canceroși. Având în vedere acest lucru, viziunea computerului a fost utilizată pentru a traduce culoarea soluției de chist/AuNPS în ADN-ul normal (violet) sau ADN-ul canceroase (roșu) folosind imagini cu plăci cu 96 de godeuri preluate printr-o cameră de telefon mobil. Inteligența artificială poate reduce costurile și poate îmbunătăți accesibilitatea în interpretarea culorii soluțiilor de nanoparticule și fără utilizarea unor accesorii pentru smartphone -uri hardware optice. În cele din urmă, două modele de învățare automată, inclusiv pădure aleatorie (RF) și vector de asistență (SVM) au fost instruite pentru a construi modelele. Atât modelele RF cât și SVM au clasificat corect eșantioanele ca fiind pozitive și negative, cu o precizie de 90,0%. Acest lucru sugerează că utilizarea inteligenței artificiale în biosensarea bazată pe telefoane mobile este foarte posibilă.

Figura 3. (a) Clasa țintă a soluției înregistrate în timpul pregătirii eșantionului pentru etapa de achiziție a imaginii. (b) Exemplu de imagine realizată în timpul etapei de achiziție a imaginii. (c) Intensitatea culorii soluției de chist/AuNPs în fiecare fântână a plăcii cu 96 de godeuri extrase din imagine (b).

Folosind chist/AuNPs, cercetătorii au dezvoltat cu succes o platformă simplă de detectare pentru detectarea peisajului de metilare și un senzor capabil să distingă ADN -ul normal de ADN -ul cancerului atunci când se folosesc probe de sânge reale pentru screeningul leucemiei. Senzorul dezvoltat a demonstrat că ADN-ul extras din probe reale de sânge a fost capabil să detecteze rapid și rentabil cantități mici de ADN de cancer (3NM) la pacienții cu leucemie în 15 minute și a arătat o precizie de 95,3%. Pentru a simplifica în continuare testarea eșantionului prin eliminarea necesității unui spectrofotometru, învățarea automată a fost utilizată pentru a interpreta culoarea soluției și pentru a diferenția între persoanele normale și cele canceroase care utilizează o fotografie de telefon mobil, iar precizia a putut fi obținută și la 90,0%.

Referință: doi: 10.1039/d2ra05725e