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

Phát hiện sớm ung thư dựa trên sinh thiết lỏng là một hướng phát hiện và chẩn đoán ung thư mới do Viện Ung thư Quốc gia Hoa Kỳ đề xuất trong những năm gần đây, với mục đích phát hiện ung thư sớm hoặc thậm chí là tổn thương tiền ung thư. Nó đã được sử dụng rộng rãi như một dấu ấn sinh học mới để chẩn đoán sớm các khối u ác tính khác nhau, bao gồm ung thư phổi, khối u đường tiêu hóa, u thần kinh đệm và khối u phụ khoa.

Sự xuất hiện của các nền tảng để xác định các dấu ấn sinh học cảnh quan methyl hóa (methylscape) có khả năng cải thiện đáng kể sàng lọc sớm cho bệnh ung thư, đưa bệnh nhân ở giai đoạn có thể điều trị sớm nhất.

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

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

Điều này được thể hiện trong Hình 1. Đầu tiên, một dung dịch nước đã được sử dụng để hòa tan các đoạn DNA. Cyst/AuNP sau đó được thêm vào dung dịch hỗn hợp. DNA bình thường và ác tính có các đặc tính methyl hóa khác nhau, dẫn đến các đoạn DNA với các mẫu tự lắp ráp khác nhau. Các tập hợp DNA bình thường một cách lỏng lẻo và cuối cùng tổng hợp u nang/AuNP, dẫn đến tính chất thay đổi màu đỏ của nang/AuNP, do đó có thể quan sát thấy sự thay đổi màu sắc từ màu đỏ sang màu tím với mắt thường. Ngược lại, hồ sơ methyl hóa độc đáo của DNA ung thư dẫn đến việc sản xuất các cụm DNA lớn hơn.

Hình ảnh của các tấm 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 trong các mẫu máu thật

Để mở rộng tiện ích của nền tảng cảm biến, các nhà điều tra đã áp dụng một cảm biến phân biệt thành công giữa DNA bình thường và ung thư trong các mẫu máu thật. Các mẫu methyl hóa tại các vị trí CPG điều chỉnh biểu hiện gen. Trong hầu hết tất cả các loại ung thư, những thay đổi trong quá trình methyl hóa DNA và do đó trong sự biểu hiện của các gen thúc đẩy khối u đã được quan sát thấy thay thế.

Là một mô hình cho các bệnh ung thư khác liên quan đến quá trình methyl hóa DNA, các nhà nghiên cứu đã sử dụng các mẫu máu từ bệnh nhân bệnh bạch cầu và kiểm soát lành mạnh để điều tra tính hiệu quả của cảnh quan methyl hóa trong phân biệt bệnh ung thư bạch cầu. Biomarker cảnh quan methyl hóa này không chỉ vượt trội so với các phương pháp sàng lọc bệnh bạch cầu nhanh hiện có, mà còn cho thấy tính khả thi của việc mở rộng để phát hiện sớm một loạt các bệnh ung thư bằng cách sử dụng xét nghiệm đơn giản và đơn giản này.

DNA từ các mẫu máu từ 31 bệnh nhân bệnh bạch cầu và 12 người khỏe mạnh đã được phân tích. Như được hiển thị trong biểu đồ hộp trong Hình 2A, độ hấp thụ tương đối của các mẫu ung thư (ΔA650/525) thấp hơn DNA từ các mẫu bình thường. Điều này chủ yếu là do tính kỵ nước tăng cường dẫn đến tổng hợp DNA ung thư dày đặc, điều này đã ngăn chặn sự kết hợp của nang/AuNP. Do đó, các hạt nano này đã được phân tán hoàn toàn ở các lớp bên ngoài của các tập hợp ung thư, dẫn đến sự phân tán khác nhau của u nang/AuNP được hấp phụ trên các tập hợp DNA ung thư và bình thường. Các đường cong ROC sau đó được tạo ra bằng cách thay đổi ngưỡng từ giá trị tối thiểu ΔA650/525 thành giá trị tối đa.

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

(DA650/525) của các ô hộp; (b) Phân tích ROC và đánh giá các xét nghiệm chẩn đoán. (c) Ma trận nhầm lẫn để chẩn đoán bệnh nhân bình thường và ung thư. .

Như được hiển thị trong Hình 2B, diện tích dưới đường cong ROC (AUC = 0,9274) thu được cho cảm biến 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 tốt với điểm cao nhất đại diện cho nhóm DNA ung thư; Do đó, hồi quy logistic đã được sử dụng để phân biệt giữa các nhóm bình thường và ung thư. Với một tập hợp các biến độc lập, nó ước tính xác suất của một sự kiện xảy ra, chẳng hạn như ung thư hoặc nhóm bình thường. Biến phụ thuộc nằm trong khoảng từ 0 đến 1. Do đó, kết quả là xác suất. Chúng tôi đã xác định xác suất xác định ung thư (P) dựa trên ΔA650/525 như sau.

trong đó B = 5.3533, W1 = -6.965. Để phân loại mẫu, xác suất dưới 0,5 cho thấy một mẫu bình thường, trong khi xác suất 0,5 hoặc cao hơn cho thấy mẫu ung thư. Hình 2C mô tả ma trận nhầm lẫn được tạo ra từ xác nhận chéo một mình, được sử dụng để xác nhận tính ổn định của phương pháp phân loại. Hình 2D tóm tắt đánh giá kiểm tra chẩn đoán của phương pháp, bao gồm độ nhạy, độ đặc hiệu, giá trị tiên đoán dương (PPV) và giá trị dự đoán âm (NPV).

Biosensors dựa trên điện thoại thông minh

Để tiếp tục đơn giản hóa thử nghiệm mẫu mà không sử dụng quang phổ kế, các nhà nghiên cứu đã sử dụng trí tuệ nhân tạo (AI) để giải thích màu sắc của dung dịch và phân biệt giữa các cá thể bình thường và ung thư. Do này, tầm nhìn máy tính đã được sử dụng để dịch màu của dung dịch nang/AuNPS sang DNA bình thường (màu tím) hoặc DNA ung thư (màu đỏ) bằng hình ảnh của các tấm 96 giếng được chụp qua camera điện thoại di động. Trí tuệ nhân tạo có thể giảm chi phí và cải thiện khả năng tiếp cận trong việc diễn giải màu của các giải pháp hạt nano và không sử dụng bất kỳ phụ kiện điện thoại thông minh phần cứng quang học nào. Cuối cùng, hai mô hình học máy, bao gồm Rừng ngẫu nhiên (RF) và máy vectơ hỗ trợ (SVM) đã được đào tạo để xây dựng các mô hình. Cả hai mô hình RF và SVM đã phân loại chính xác các mẫu là dương và âm với độ chính xác là 90,0%. Điều này cho thấy rằng việc sử dụng trí tuệ nhân tạo trong sinh học dựa trên điện thoại di động là hoàn toàn có thể.

Hình 3. (a) Lớp đích của giải pháp được ghi lại trong quá trình chuẩn bị mẫu cho bước thu thập hình ảnh. (b) Hình ảnh ví dụ được chụp trong bước thu thập hình ảnh. (C) Cường độ màu của dung dịch nang/AuNPS trong mỗi giếng của tấm 96 giếng được trích xuất từ ​​hình ảnh (b).

Sử dụng nang/AuNP, các nhà nghiên cứu đã phát triển thành công một nền tảng cảm biến đơn giản để phát hiện cảnh quan methyl hóa và cảm biến có khả năng phân biệt DNA bình thường với DNA ung thư khi sử dụng các mẫu máu thật để sàng lọc bệnh bạch cầu. Cảm biến phát triển đã chứng minh rằng DNA được chiết xuất từ ​​các mẫu máu thực sự có thể phát hiện nhanh chóng và tiết lộ một lượng nhỏ DNA ung thư (3NM) ở bệnh nhân bệnh bạch cầu trong 15 phút và cho thấy độ chính xác 95,3%. Để tiếp tục đơn giản hóa thử nghiệm mẫu bằng cách loại bỏ sự cần thiết của máy quang phổ, việc học máy đã được sử dụng để giải thích màu của giải pháp và phân biệt giữa các cá nhân bình thường và ung thư sử dụng ảnh điện thoại di động và độ chính xác cũng có thể đạt được ở mức 90,0%.

Tham khảo: doi: 10.1039/d2ra05725e