中文网站
Iere detectie fan kanker basearre op floeibere biopsie is in nije rjochting fan kankerdeteksje en diagnoaze foarsteld troch it US National Cancer Institute yn 'e ôfrûne jierren, mei as doel om iere kanker as sels precancerous lesions te detectearjen. It is in protte brûkt as in nije biomarker foar de iere diagnoaze fan ferskate maligniteiten, ynklusyf longkanker, gastrointestinale tumors, glioma's en gynecologyske tumors.
It opkommen fan platfoarms om biomarkers fan methylaasjelânskip (Methylscape) te identifisearjen hat it potensjeel om besteande iere screening foar kanker signifikant te ferbetterjen, en pasjinten yn it ierste te behanneljen stadium bringe.
Koartlyn hawwe ûndersikers in ienfâldich en direkte sensingplatfoarm ûntwikkele foar deteksje fan methylaasje lânskip basearre op cysteamine fersierde gouden nanopartikels (Cyst / AuNP's) kombineare mei in smartphone-basearre biosensor dy't rappe iere screening fan in breed oanbod fan tumors mooglik makket. Iere screening foar leukemy kin útfierd wurde binnen 15 minuten nei DNA-ekstraksje út in bloedmonster, mei in krektens fan 90,0%. Artikeltitel is Rapid detectie fan kanker-DNA yn minsklik bloed mei cysteamine-capped AuNP's en in masine-learen-ynskeakele smartphone.
Figure 1. In ienfâldich en fluch sensing platfoarm foar kanker screening fia Cyst / AuNPs komponinten kin wurde berikt yn twa ienfâldige stappen.
Dit is te sjen yn figuer 1. Earst waard in wetterige oplossing brûkt om de DNA-fragminten op te lossen. Cyst / AuNPs waarden doe tafoege oan de mingde oplossing. Normaal en maligne DNA hawwe ferskillende methylaasje-eigenskippen, wat resulteart yn DNA-fragminten mei ferskate sels-assemblage-patroanen. Normaal DNA aggregate los en úteinlik aggregates Cyst / AuNPs, wat resultearret yn de read-ferskowe aard fan Cyst / AuNPs, sadat in feroaring yn kleur fan read nei pears kin wurde waarnommen mei it bleate each. Yn tsjinstelling ta liedt it unike methylaasjeprofyl fan kanker-DNA ta de produksje fan gruttere klusters fan DNA-fragminten.
Ofbyldings fan platen mei 96 putten waarden makke mei in smartphone-kamera. Kanker DNA waard metten troch in smartphone útrist mei masine learen yn ferliking mei spektroskopy-basearre metoaden.
Kankerscreening yn echte bloedmonsters
Om it nut fan it sensingplatfoarm út te wreidzjen, tapasten de ûndersikers in sensor dy't mei súkses ûnderskiede tusken normaal en kanker DNA yn echte bloedmonsters. methylaasjepatroanen op CpG-siden regulearje gen-ekspresje epigenetysk. Yn hast alle kankersoarten is waarnommen dat feroaringen yn DNA-methylaasje en dus yn 'e ekspresje fan genen dy't tumorigenese befoarderje, ôfwikselje.
As model foar oare kankers dy't ferbûn binne mei DNA-methylaasje, brûkten de ûndersikers bloedmonsters fan leukemy-pasjinten en sûne kontrôles om de effektiviteit fan it methylaasjelânskip te ûndersykjen by it differinsjearjen fan leukemy-kankers. Dizze biomarker foar methylaasje lânskip presteart net allinich besteande metoaden foar rappe screening foar leukemy, mar toant ek de helberens fan útwreidzjen nei iere opspoaring fan in breed oanbod fan kankers mei dizze ienfâldige en rjochtlinige assay.
DNA fan bloedmonsters fan 31 leukemy-pasjinten en 12 sûne persoanen waard analysearre. lykas werjûn yn 'e fakplot yn figuer 2a, wie de relative absorption fan' e kankermonsters (ΔA650/525) leger dan dy fan DNA fan normale samples. dit wie benammen te tankjen oan de ferhege hydrofobisiteit dy't liedt ta tichte aggregaasje fan kanker-DNA, dy't de aggregaasje fan Cyst / AuNP's foarkaam. As resultaat waarden dizze nanopartikels folslein ferspraat yn 'e bûtenste lagen fan' e kankeraggregaten, wat resultearre yn in oare fersprieding fan Cyst / AuNP's adsorbearre op normale en kanker DNA-aggregaten. ROC-kurven waarden doe generearre troch de drompel te feroarjen fan in minimale wearde fan ΔA650/525 nei in maksimale wearde.
Figure 2. (a) Relative absorbance wearden fan cyst / AuNPs oplossings sjen litte de oanwêzigens fan normale (blau) en kanker (read) DNA ûnder optimalisearre omstannichheden
(DA650/525) fan doaze plots; (b) ROC-analyze en evaluaasje fan diagnostyske tests. (c) Ferwarringsmatrix foar de diagnoaze fan normale en kankerpasjinten. (d) Sensibiliteit, spesifisiteit, positive foarsizzende wearde (PPV), negative foarsizzende wearde (NPV) en krektens fan 'e ûntwikkele metoade.
Lykas werjûn yn figuer 2b, toande it gebiet ûnder de ROC-kromme (AUC = 0.9274) krigen foar de ûntwikkele sensor hege gefoelichheid en spesifisiteit. As kin sjoen wurde út it fak plot, it leechste punt fertsjintwurdiget de normale DNA groep is net goed skieden fan it heechste punt fertsjintwurdiget de kanker DNA groep; dêrom, logistyske regression waard brûkt om ûnderskied tusken de normale en kanker groepen. Sjoen in set fan ûnôfhinklike fariabelen, skat it de kâns dat in evenemint bart, lykas in kanker of normale groep. De ôfhinklike fariabele rint tusken 0 en 1. It resultaat is dus in kâns. Wy bepale de kâns op kankeridentifikaasje (P) basearre op ΔA650/525 as folget.
wêrby b=5,3533,w1=-6,965. Foar sample klassifikaasje jout in kâns fan minder as 0,5 in normale stekproef oan, wylst in kâns fan 0,5 of heger in kankermonster oanjout. Figuer 2c toant de betizingsmatrix oanmakke út 'e leave-it-alone cross-validaasje, dy't waard brûkt om de stabiliteit fan' e klassifikaasjemetoade te falidearjen. Figure 2d vat de diagnostyske test-evaluaasje fan 'e metoade gear, ynklusyf gefoelichheid, spesifisiteit, positive foarsizzende wearde (PPV) en negative foarsizzende wearde (NPV).
Smartphone-basearre biosensors
Om sample testen fierder te ferienfâldigjen sûnder it brûken fan spektrofotometers, brûkten de ûndersikers keunstmjittige yntelliginsje (AI) om de kleur fan 'e oplossing te ynterpretearjen en ûnderskied te meitsjen tusken normale en kankerige persoanen. Sjoen dit waard komputerfisy brûkt om de kleur fan 'e Cyst / AuNPs-oplossing oer te setten yn normaal DNA (poarper) of kanker DNA (read) mei ôfbyldings fan platen mei 96-wellen nommen troch in mobile tillefoankamera. Keunstmjittige yntelliginsje kin kosten ferminderje en tagonklikens ferbetterje by it ynterpretearjen fan de kleur fan oplossingen foar nanopartikels, en sûnder it brûken fan optyske hardware-smartphone-aksessoires. Uteinlik waarden twa masine-learmodellen, ynklusyf Random Forest (RF) en Support Vector Machine (SVM) oplaat om de modellen te konstruearjen. sawol de RF- as SVM-modellen hawwe de samples korrekt klassifisearre as posityf en negatyf mei in krektens fan 90.0%. Dit suggerearret dat it brûken fan keunstmjittige yntelliginsje yn mobile telefoan-basearre biosensing is hiel mooglik.
figuer 3. (a) Doelklasse fan 'e oplossing opnommen yn' e tarieding fan 'e stekproef foar de stap foar ôfbyldingswinning. (b) Foarbyldôfbylding nommen tidens de ôfbyldingsferwervingstap. (c) Kleurintensiteit fan 'e cyst / AuNPs-oplossing yn elke boarne fan' e 96-well plaat extracted út 'e ôfbylding (b).
Mei it brûken fan Cyst / AuNP's hawwe ûndersikers mei súkses in ienfâldich sensingplatfoarm ûntwikkele foar deteksje fan methylaasjelânskip en in sensor dy't normaal DNA kin ûnderskiede fan kanker-DNA by it brûken fan echte bloedmonsters foar leukemy-screening. De ûntwikkele sensor toande oan dat DNA ekstrahearre út echte bloedmonsters yn 15 minuten lytse hoemannichten kanker-DNA (3nM) yn leukemypasjinten yn 15 minuten koe ûntdekke, en in krektens fan 95,3% toande. Om sample testen fierder te ferienfâldigjen troch it eliminearjen fan de needsaak foar in spektrofotometer, waard masine learen brûkt om de kleur fan 'e oplossing te ynterpretearjen en ûnderskied te meitsjen tusken normale en kankerige persoanen mei in foto fan in mobile tillefoan, en krektens koe ek wurde berikt op 90,0%.
Referinsje: DOI: 10.1039/d2ra05725e
Post tiid: Febrewaris 18-2023
Privacy ynstellings