Xét nghiệm methyl hóa DNA kết hợp với điện thoại thông minh để sàng lọc sớm khối u và bệnh bạch cầu với độ chính xác 90,0%!

Phát hiện sớm ung thư dựa trên sinh thiết dịch thể là một hướng đi mới trong phát hiện và chẩn đoán ung thư được Viện Ung thư Quốc gia Hoa Kỳ đề xuất trong những năm gần đây, với mục đích phát hiện ung thư giai đoạn sớm hoặc thậm chí là các tổn thương tiền ung thư. Phương pháp này đã được sử dụng rộng rãi như một dấu ấn sinh học mới cho việc chẩn đoán sớm nhiều loại ung thư, bao gồm ung thư phổi, u đường tiêu hóa, u thần kinh đệm và u phụ khoa.

Sự xuất hiện của các nền tảng xác định dấu ấn sinh học trong bối cảnh methyl hóa (Methylscape) có tiềm năng cải thiện đáng kể các phương pháp sàng lọc sớm ung thư hiện có, giúp bệnh nhân được điều trị ở giai đoạn sớm nhất.

Gần đây, các nhà nghiên cứu đã phát triển một nền tảng cảm biến đơn giản và trực tiếp để phát hiện cấu trúc methylation dựa trên các hạt nano vàng được phủ cysteamine (Cyst/AuNPs) kết hợp với cảm biến sinh học dựa trên điện thoại thông minh, cho phép sàng lọc sớm nhanh chóng nhiều loại khối u. Sàng lọc sớm bệnh bạch cầu có thể được thực hiện trong vòng 15 phút sau khi chiết xuất DNA từ mẫu máu, với độ chính xác 90,0%. Tiêu đề bài báo là "Phát hiện nhanh chóng DNA ung thư trong máu người bằng cách sử dụng AuNPs được phủ cysteamine và điện thoại thông minh hỗ trợ học máy".

Hình 1. Một nền tảng cảm biến đơn giản và nhanh chóng để sàng lọc ung thư thông qua các thành phần Cyst/AuNPs có thể được thực hiện chỉ trong hai bước đơn giản.

Điều này được thể hiện trong Hình 1. Đầu tiên, dung dịch nước được sử dụng để hòa tan các đoạn DNA. Sau đó, Cyst/AuNPs được thêm vào dung dịch hỗn hợp. DNA bình thường và DNA ác tính có các đặc tính methyl hóa khác nhau, dẫn đến các đoạn DNA có các kiểu tự lắp ráp khác nhau. DNA bình thường kết tụ lỏng lẻo và cuối cùng kết tụ Cyst/AuNPs, dẫn đến tính chất dịch chuyển đỏ của Cyst/AuNPs, do đó có thể quan sát thấy sự thay đổi màu sắc từ đỏ sang tím bằng mắt thường. Ngược lại, cấu hình methyl hóa độc đáo của DNA ung thư dẫn đến sự hình thành các cụm đoạn DNA lớn hơn.

Hình ảnh của các đĩa 96 giếng được chụp bằng camera điện thoại thông minh. DNA ung thư được đo bằng điện thoại thông minh được trang bị máy học so với các phương pháp dựa trên quang phổ.

Sàng lọc ung thư bằng mẫu máu thực tế

Để mở rộng tiện ích của nền tảng cảm biến, các nhà nghiên cứu đã áp dụng một cảm biến có khả năng phân biệt thành công giữa DNA bình thường và DNA ung thư trong các mẫu máu thực. Các mô hình methyl hóa tại các vị trí CpG điều chỉnh biểu hiện gen theo cơ chế biểu sinh. Trong hầu hết các loại ung thư, sự thay đổi trong quá trình methyl hóa DNA và do đó trong biểu hiện của các gen thúc đẩy sự hình thành khối u đã được quan sát thấy có sự luân phiên.

Để làm mô hình cho các loại ung thư khác có liên quan đến quá trình methyl hóa DNA, các nhà nghiên cứu đã sử dụng mẫu máu từ bệnh nhân mắc bệnh bạch cầu và nhóm đối chứng khỏe mạnh để điều tra hiệu quả của chỉ số methyl hóa trong việc phân biệt ung thư bạch cầu. Chỉ số sinh học chỉ thị methyl hóa này không chỉ vượt trội hơn các phương pháp sàng lọc bạch cầu nhanh hiện có mà còn chứng minh tính khả thi của việc mở rộng sang phát hiện sớm nhiều loại ung thư khác nhau bằng xét nghiệm đơn giản và dễ thực hiện này.

ADN từ mẫu máu của 31 bệnh nhân mắc bệnh bạch cầu và 12 người khỏe mạnh đã được phân tích. Như thể hiện trong biểu đồ hộp ở Hình 2a, độ hấp thụ tương đối của các mẫu ung thư (ΔA650/525) thấp hơn so với ADN từ các mẫu bình thường. Điều này chủ yếu là do tính kỵ nước tăng lên dẫn đến sự kết tụ dày đặc của ADN ung thư, ngăn cản sự kết tụ của Cyst/AuNPs. Kết quả là, các hạt nano này được phân tán hoàn toàn trong các lớp ngoài của các khối kết tụ ung thư, dẫn đến sự phân tán khác nhau của Cyst/AuNPs được hấp phụ trên các khối kết tụ ADN bình thường và ung thư. Sau đó, các đường cong ROC được tạo ra bằng cách thay đổi ngưỡng từ giá trị tối thiểu của ΔA650/525 đến giá trị tối đa.

Hình 2.(a) Giá trị độ hấp thụ tương đối của dung dịch nang/AuNPs cho thấy sự hiện diện của DNA bình thường (màu xanh) và DNA ung thư (màu đỏ) trong điều kiện tối ưu.

(A) Biểu đồ hộp (DA650/525); (b) Phân tích ROC và đánh giá các xét nghiệm chẩn đoán. (c) Ma trận nhầm lẫn trong chẩn đoán bệnh nhân bình thường và ung thư. (d) Độ nhạy, độ đặc hiệu, giá trị dự đoán dương tính (PPV), giá trị dự đoán âm tính (NPV) và độ chính xác của phương pháp đã phát triển.

Như thể hiện trong Hình 2b, diện tích dưới đường cong ROC (AUC = 0,9274) thu được cho cảm biến đã phát triển cho thấy độ nhạy và độ đặc hiệu cao. Như có thể thấy từ biểu đồ hộp, điểm thấp nhất đại diện cho nhóm DNA bình thường không được phân tách rõ ràng với điểm cao nhất đại diện cho nhóm DNA ung thư; do đó, hồi quy logistic đã được sử dụng để phân biệt giữa nhóm bình thường và nhóm ung thư. Với một tập hợp các biến độc lập, nó ước tính xác suất xảy ra một sự kiện, chẳng hạn như nhóm ung thư hoặc nhóm bình thường. Biến phụ thuộc nằm trong khoảng từ 0 đến 1. Do đó, kết quả là một xác suất. Chúng tôi đã xác định xác suất nhận dạng ung thư (P) dựa trên ΔA650/525 như sau.

trong đó b=5,3533, w1=-6,965. Đối với phân loại mẫu, xác suất nhỏ hơn 0,5 cho thấy mẫu bình thường, trong khi xác suất từ ​​0,5 trở lên cho thấy mẫu ung thư. Hình 2c mô tả ma trận nhầm lẫn được tạo ra từ phương pháp kiểm định chéo "để nguyên", được sử dụng để xác thực tính ổn định của phương pháp phân loại. Hình 2d tóm tắt đánh giá thử nghiệm chẩn đoán của phương pháp, bao gồm độ nhạy, độ đặc hiệu, giá trị dự đoán dương tính (PPV) và giá trị dự đoán âm tính (NPV).

Cảm biến sinh học dựa trên điện thoại thông minh

Để đơn giản hóa hơn nữa việc kiểm tra mẫu mà không cần sử dụng máy quang phổ, các nhà nghiên cứu đã sử dụng trí tuệ nhân tạo (AI) để phân tích màu sắc của dung dịch và phân biệt giữa người bình thường và người mắc ung thư. Cụ thể, thị giác máy tính đã được sử dụng để chuyển đổi màu sắc của dung dịch Cyst/AuNPs thành DNA bình thường (màu tím) hoặc DNA ung thư (màu đỏ) bằng cách sử dụng hình ảnh của các khay 96 giếng được chụp bằng camera điện thoại di động. Trí tuệ nhân tạo có thể giảm chi phí và cải thiện khả năng tiếp cận trong việc phân tích màu sắc của dung dịch hạt nano, mà không cần sử dụng bất kỳ phụ kiện phần cứng quang học nào của điện thoại thông minh. Cuối cùng, hai mô hình học máy, bao gồm Rừng ngẫu nhiên (RF) và Máy hỗ trợ vectơ (SVM) đã được huấn luyện để xây dựng các mô hình. Cả hai mô hình RF và SVM đều phân loại chính xác các mẫu là dương tính và âm tính với độ chính xác 90,0%. Điều này cho thấy việc sử dụng trí tuệ nhân tạo trong cảm biến sinh học dựa trên điện thoại di động là hoàn toàn khả thi.

Hình 3.(a) Lớp mục tiêu của dung dịch được ghi lại trong quá trình chuẩn bị mẫu cho bước thu nhận hình ảnh. (b) Hình ảnh ví dụ được chụp trong bước thu nhận hình ảnh. (c) Cường độ màu của dung dịch nang/AuNPs trong mỗi giếng của đĩa 96 giếng được trích xuất từ ​​hình ảnh (b).

Sử dụng Cyst/AuNPs, các nhà nghiên cứu đã phát triển thành công một nền tảng cảm biến đơn giản để phát hiện cấu trúc methylation và một cảm biến có khả năng phân biệt DNA bình thường với DNA ung thư khi sử dụng mẫu máu thật để sàng lọc bệnh bạch cầu. Cảm biến được phát triển đã chứng minh rằng DNA được chiết xuất từ ​​mẫu máu thật có thể nhanh chóng và tiết kiệm chi phí phát hiện một lượng nhỏ DNA ung thư (3nM) ở bệnh nhân bạch cầu trong vòng 15 phút, và cho thấy độ chính xác là 95,3%. Để đơn giản hóa hơn nữa việc thử nghiệm mẫu bằng cách loại bỏ nhu cầu sử dụng máy quang phổ, máy học đã được sử dụng để giải thích màu sắc của dung dịch và phân biệt giữa người bình thường và người mắc ung thư bằng cách sử dụng ảnh chụp từ điện thoại di động, và độ chính xác cũng đạt được ở mức 90,0%.

Tham khảo: DOI: 10.1039/d2ra05725e