დნმ-ის მეთილაციის ტესტირება სმარტფონებთან ერთად სიმსივნეების ადრეული სკრინინგისთვის და ლეიკემიის სკრინინგისთვის 90.0% სიზუსტით!

კიბოს ადრეული გამოვლენა თხევადი ბიოფსიის საფუძველზე კიბოს გამოვლენისა და დიაგნოსტიკის ახალი მიმართულებაა, რომელიც შემოთავაზებულია აშშ-ს კიბოს ეროვნული ინსტიტუტის მიერ ბოლო წლებში, კიბოს ადრეული ან თუნდაც კიბოსწინარე დაზიანებების გამოვლენის მიზნით. იგი ფართოდ გამოიყენება, როგორც ახალი ბიომარკერი სხვადასხვა ავთვისებიანი სიმსივნეების ადრეული დიაგნოსტიკისთვის, მათ შორის ფილტვის კიბო, კუჭ-ნაწლავის სიმსივნეები, გლიომები და გინეკოლოგიური სიმსივნეები.

მეთილაციის ლანდშაფტის (Methylscape) ბიომარკერების იდენტიფიცირების პლატფორმების გაჩენას აქვს პოტენციალი მნიშვნელოვნად გააუმჯობესოს კიბოს არსებული ადრეული სკრინინგი, რაც პაციენტებს ადრეულ განკურნებად ეტაპზე აყენებს.

ცოტა ხნის წინ, მკვლევარებმა შეიმუშავეს მარტივი და პირდაპირი სენსორული პლატფორმა მეთილაციის ლანდშაფტის გამოვლენისთვის, ცისტეამინით მორთული ოქროს ნანონაწილაკების (Cyst/AuNPs) საფუძველზე, სმარტფონზე დაფუძნებულ ბიოსენსორთან ერთად, რომელიც საშუალებას იძლევა სწრაფ ადრეულ სკრინინგს სიმსივნეების ფართო სპექტრისთვის. ლეიკემიის ადრეული სკრინინგი შეიძლება ჩატარდეს სისხლის ნიმუშიდან დნმ-ის ამოღებიდან 15 წუთში, სიზუსტით 90.0%. სტატიის სათაურია ადამიანის სისხლში კიბოს დნმ-ის სწრაფი გამოვლენა ცისტეამინით დაფარული AuNP-ების და მანქანათმცოდნეობით ჩართული სმარტფონის გამოყენებით.

სურათი 1. მარტივი და სწრაფი სენსორული პლატფორმა კიბოს სკრინინგისთვის Cyst/AuNPs კომპონენტების მეშვეობით შეიძლება განხორციელდეს ორ მარტივ ნაბიჯში.

ეს ნაჩვენებია სურათზე 1. პირველ რიგში, წყალხსნარი იქნა გამოყენებული დნმ-ის ფრაგმენტების დასაშლელად. კისტა/AuNP-ები შემდეგ დაემატა შერეულ ხსნარს. ნორმალურ და ავთვისებიან დნმ-ს აქვს სხვადასხვა მეთილაციის თვისებები, რის შედეგადაც დნმ-ის ფრაგმენტები განსხვავებული თვითშეკრების ნიმუშით. ნორმალური დნმ-ის აგრეგაცია თავისუფლად ხდება და საბოლოოდ აერთიანებს კისტა/AuNP-ებს, რაც იწვევს ცისტის/AuNP-ების წითლად გადანაცვლებულ ბუნებას, ასე რომ ფერის ცვლილება წითელიდან მეწამულში შეიძლება შეინიშნოს შეუიარაღებელი თვალით. ამის საპირისპიროდ, კიბოს დნმ-ის უნიკალური მეთილაციის პროფილი იწვევს დნმ-ის ფრაგმენტების უფრო დიდი მტევნის წარმოქმნას.

96 ჭაბურღილიანი ფირფიტების სურათები გადაღებულია სმარტფონის კამერით. კიბოს დნმ იზომებოდა სმარტფონით, რომელიც აღჭურვილი იყო მანქანური სწავლით, სპექტროსკოპიაზე დაფუძნებულ მეთოდებთან შედარებით.

კიბოს სკრინინგი რეალურ სისხლის ნიმუშებში

სენსორული პლატფორმის სარგებლობის გასახანგრძლივებლად, მკვლევარებმა გამოიყენეს სენსორი, რომელიც წარმატებით განასხვავებდა ნორმალურ და კიბოს დნმ-ს რეალურ სისხლის ნიმუშებში. მეთილაციის შაბლონები CpG უბნებზე ეპიგენეტიკურად არეგულირებს გენის ექსპრესიას. კიბოს თითქმის ყველა ტიპში შეინიშნებოდა ცვლილებები დნმ-ის მეთილაციაში და, შესაბამისად, იმ გენების ექსპრესიაში, რომლებიც ხელს უწყობენ სიმსივნეების წარმოქმნას.

როგორც მოდელი სხვა კიბოსთვის, რომელიც დაკავშირებულია დნმ-ის მეთილაციასთან, მკვლევარებმა გამოიყენეს ლეიკემიით დაავადებული პაციენტების სისხლის ნიმუშები და ჯანსაღი კონტროლი, რათა გამოიკვლიონ მეთილაციის ლანდშაფტის ეფექტურობა ლეიკემიური კიბოს დიფერენცირებაში. ეს მეთილაციის ლანდშაფტის ბიომარკერი არა მხოლოდ აჯობებს არსებულ სწრაფ ლეიკემიის სკრინინგ მეთოდებს, არამედ აჩვენებს კიბოს ფართო სპექტრის ადრეულ გამოვლენამდე გაფართოების შესაძლებლობას ამ მარტივი და პირდაპირი ანალიზის გამოყენებით.

გაანალიზდა 31 ლეიკემიით დაავადებულისა და 12 ჯანმრთელი ადამიანის სისხლის ნიმუშების დნმ. როგორც ნაჩვენებია დიაგრამა 2a-ზე, კიბოს ნიმუშების ფარდობითი შთანთქმა (ΔA650/525) უფრო დაბალი იყო ვიდრე ნორმალური ნიმუშების დნმ-ის. ეს ძირითადად განპირობებული იყო გაძლიერებული ჰიდროფობიით, რამაც გამოიწვია კიბოს დნმ-ის მკვრივი აგრეგაცია, რაც ხელს უშლიდა კისტა/AuNP-ების აგრეგაციას. შედეგად, ეს ნანონაწილაკები მთლიანად დაიშალა კიბოს აგრეგატების გარე შრეებში, რამაც გამოიწვია ცისტის/AuNP-ების განსხვავებული დისპერსია, ადსორბირებული ნორმალურ და კიბოს დნმ-ის აგრეგატებზე. შემდეგ ROC მრუდები წარმოიქმნა ზღვრის შეცვლით ΔA650/525 მინიმალური მნიშვნელობიდან მაქსიმალურ მნიშვნელობამდე.

სურათი 2.(ა) კისტა/AuNPs ხსნარების შედარებითი შთანთქმის მნიშვნელობები, რომლებიც აჩვენებს ნორმალური (ლურჯი) და კიბოს (წითელი) დნმ-ის არსებობას ოპტიმიზებულ პირობებში

(DA650/525) ყუთების ნაკვეთები; (ბ) ROC ანალიზი და დიაგნოსტიკური ტესტების შეფასება. (გ) დაბნეულობის მატრიცა ნორმალური და ონკოლოგიური პაციენტების დიაგნოზისთვის. (დ) შემუშავებული მეთოდის მგრძნობელობა, სპეციფიკა, დადებითი პროგნოზირებადი მნიშვნელობა (PPV), უარყოფითი პროგნოზირებადი მნიშვნელობა (NPV) და სიზუსტე.

როგორც ნაჩვენებია 2b სურათზე, განვითარებული სენსორისთვის მიღებული ROC მრუდის ქვეშ არსებული ფართობი აჩვენებდა მაღალ მგრძნობელობას და სპეციფიკას. როგორც ყუთის ნახაზიდან ჩანს, ყველაზე დაბალი წერტილი, რომელიც წარმოადგენს ნორმალურ დნმ ჯგუფს, კარგად არ არის გამიჯნული უმაღლესი წერტილისგან, რომელიც წარმოადგენს კიბოს დნმ ჯგუფს; ამიტომ, ლოგისტიკური რეგრესია გამოიყენებოდა ნორმალური და კიბოს ჯგუფების დიფერენცირების მიზნით. დამოუკიდებელი ცვლადების ნაკრების გათვალისწინებით, ის აფასებს მოვლენის ალბათობას, როგორიცაა კიბო ან ნორმალური ჯგუფი. დამოკიდებული ცვლადი მერყეობს 0-დან 1-მდე. შედეგი არის ალბათობა. ჩვენ დავადგინეთ კიბოს იდენტიფიკაციის (P) ალბათობა ΔA650/525-ზე დაყრდნობით შემდეგნაირად.

სადაც b=5.3533,w1=-6.965. ნიმუშების კლასიფიკაციისთვის, 0,5-ზე ნაკლები ალბათობა მიუთითებს ნორმალურ ნიმუშზე, ხოლო 0,5 ან მეტი ალბათობა მიუთითებს კიბოს ნიმუშზე. სურათი 2c ასახავს დაბნეულობის მატრიცას, რომელიც წარმოიქმნება დატოვეთ მარტო ჯვარედინი ვალიდაციის შედეგად, რომელიც გამოიყენებოდა კლასიფიკაციის მეთოდის სტაბილურობის დასადასტურებლად. სურათი 2d აჯამებს მეთოდის სადიაგნოსტიკო ტესტის შეფასებას, მათ შორის მგრძნობელობის, სპეციფიკის, დადებითი პროგნოზირებადი მნიშვნელობა (PPV) და უარყოფითი პროგნოზირებადი მნიშვნელობა (NPV).

სმარტფონზე დაფუძნებული ბიოსენსორები

სპექტროფოტომეტრების გამოყენების გარეშე ნიმუშის ტესტირების შემდგომი გამარტივების მიზნით, მკვლევარებმა გამოიყენეს ხელოვნური ინტელექტი (AI) ხსნარის ფერის ინტერპრეტაციისთვის და განასხვავებდნენ ნორმალური და კიბოთი დაავადებული ინდივიდებს. ამის გათვალისწინებით, კომპიუტერული ხედვა გამოიყენებოდა Cyst/AuNPs ხსნარის ფერის გადასათარგმნად ნორმალურ დნმ-ში (იისფერი) ან კიბოს დნმ-ში (წითელი) მობილური ტელეფონის კამერით გადაღებული 96 ჭაბურღილის ფირფიტების სურათების გამოყენებით. ხელოვნურ ინტელექტს შეუძლია შეამციროს ხარჯები და გააუმჯობესოს ხელმისაწვდომობა ნანონაწილაკების ფერის ინტერპრეტაციაში და სმარტფონის ნებისმიერი ოპტიკური აპარატურის აქსესუარების გამოყენების გარეშე. და ბოლოს, მანქანური სწავლების ორი მოდელი, მათ შორის შემთხვევითი ტყე (RF) და დამხმარე ვექტორული მანქანა (SVM) გაიარა ტრენინგი მოდელების შესაქმნელად. ორივე RF და SVM მოდელებმა სწორად მოახდინეს ნიმუშების კლასიფიკაცია, როგორც დადებითი და უარყოფითი, 90.0% სიზუსტით. ეს მიუთითებს იმაზე, რომ ხელოვნური ინტელექტის გამოყენება მობილური ტელეფონების ბიოსენსინგში სავსებით შესაძლებელია.

სურათი 3.(ა) გამოსახულების მიღების საფეხურისთვის ნიმუშის მომზადების დროს დაფიქსირებული ხსნარის სამიზნე კლასი. (ბ) სურათის მაგალითი გადაღებული გამოსახულების მიღების საფეხურზე. (c) კისტის/AuNPs ხსნარის ფერის ინტენსივობა 96 ჭაბურღილის ფირფიტის თითოეულ ჭაბურღილში, რომელიც ამოღებულია სურათიდან (b).

Cyst/AuNP-ების გამოყენებით, მკვლევარებმა წარმატებით შეიმუშავეს მარტივი სენსორული პლატფორმა მეთილაციის ლანდშაფტის გამოსავლენად და სენსორი, რომელსაც შეუძლია განასხვავოს ნორმალური დნმ კიბოს დნმ-ისგან, როდესაც გამოიყენებენ სისხლის რეალური ნიმუშებს ლეიკემიის სკრინინგისთვის. განვითარებულმა სენსორმა აჩვენა, რომ ნამდვილი სისხლის ნიმუშებიდან ამოღებულმა დნმ-მა შეძლო სწრაფად და ეკონომიურად გამოეჩინა კიბოს დნმ-ის მცირე რაოდენობა (3nM) ლეიკემიით დაავადებულ პაციენტებში 15 წუთში და აჩვენა სიზუსტე 95.3%. ნიმუშის ტესტირების შემდგომი გამარტივების მიზნით სპექტროფოტომეტრის საჭიროების აღმოსაფხვრელად, მანქანათმცოდნეობა გამოიყენეს ხსნარის ფერის ინტერპრეტაციისთვის და მობილური ტელეფონის ფოტოს გამოყენებით ნორმალური და კიბოთი დაავადებული ადამიანების დიფერენცირების მიზნით, ასევე სიზუსტის მიღწევა 90.0%-ზე.

მითითება: DOI: 10.1039/d2ra05725e