phim Trung Quốc
Phát hiện sớm ung thư dựa trên sinh thiết lỏng là một hướng phát hiện và chẩn đoán ung thư mới được 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 nhiều loại bệnh ác tính, 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 hiệu sinh học của bối cảnh methyl hóa (Methylscape) có khả năng cải thiện đáng kể việc sàng lọc sớm ung thư hiện có, đưa bệnh nhân đến giai đoạn 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 metyl hóa dựa trên các hạt nano vàng được trang trí bằng cysteamine (Cyst/AuNP) kết hợp với một cảm biến sinh học dựa trên điện thoại thông minh cho phép sàng lọc sớm nhanh chóng nhiều loại khối u. Việc 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 là 90,0%. Tiêu đề bài viết là Phát hiện nhanh DNA ung thư trong máu người bằng cách sử dụng AuNP có mũ 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 Cyst/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 được sử dụng để hòa tan các mảnh DNA. Sau đó, Cyst/AuNP được thêm vào dung dịch hỗn hợp. DNA bình thường và ác tính có các đặc tính metyl hóa khác nhau, tạo ra các mảnh DNA có các kiểu tự lắp ráp khác nhau. DNA bình thường kết tụ lỏng lẻo và cuối cùng kết tụ Cyst/AuNP, dẫn đến bản chất dịch chuyển về phía đỏ của Cyst/AuNP, do đó có thể quan sát thấy sự thay đổi màu từ đỏ sang tím bằng mắt thường. Ngược lại, cấu hình metyl hóa độc đáo của DNA ung thư dẫn đến việc tạo ra các cụm mảnh 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.
Xét nghiệm ung thư bằng mẫu máu thật
Để mở rộng tiện ích của nền tảng cảm biến, các nhà nghiên cứu đã áp dụng một cảm biến phân biệt thành công giữa DNA bình thường và DNA ung thư trong các mẫu máu thực. Các kiểu metyl hóa tại các vị trí CpG điều chỉnh biểu hiện gen theo biểu sinh. Ở hầu hết các loại ung thư, những thay đổi trong metyl hóa DNA và do đó trong biểu hiện của các gen thúc đẩy quá trình hình thành khối u đã được quan sát thấy thay đổi luân phiên.
Là một mô hình cho các loại ung thư khác liên quan đến quá trình metyl hóa DNA, các nhà nghiên cứu đã sử dụng mẫu máu từ bệnh nhân mắc bệnh bạch cầu và những người khỏe mạnh để nghiên cứu hiệu quả của bối cảnh metyl hóa trong việc phân biệt các loại ung thư bạch cầu. Chỉ thị sinh học bối cảnh metyl hóa này không chỉ vượt trội hơn các phương pháp sàng lọc bệnh bạch cầu nhanh hiện có mà còn chứng minh tính khả thi của việc mở rộng để phát hiện sớm nhiều loại ung thư bằng cách sử dụng xét nghiệm đơn giản và dễ hiểu này.
DNA từ mẫu máu của 31 bệnh nhân mắc bệnh bạch cầu và 12 cá thể 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 độ hấp thụ của DNA từ các mẫu bình thường. Điều này chủ yếu là do tính kỵ nước tăng cường dẫn đến sự kết tụ dày đặc của DNA ung thư, ngăn cản sự kết tụ của Cyst/AuNP. Kết quả là, các hạt nano này được phân tán hoàn toàn ở các lớp ngoài của các tập hợp ung thư, dẫn đến sự phân tán khác nhau của Cyst/AuNP được hấp phụ trên các tập hợp DNA bình thường và ung thư. Sau đó, các đường cong ROC được tạo ra bằng cách thay đổi ngưỡng từ giá trị tối thiểu là ΔA650/525 đến giá trị tối đa.
Hình 2.(a) Giá trị hấp thụ tương đối của dung dịch nang/AuNP cho thấy sự hiện diện của DNA bình thường (màu xanh) và DNA ung thư (màu đỏ) trong điều kiện tối ưu
(DA650/525) của biểu đồ 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 bệnh nhân ung thư. (d) Độ nhạy, độ đặc hiệu, giá trị tiên đoán dương tính (PPV), giá trị tiên 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 biểu diễn nhóm DNA bình thường không tách biệt rõ ràng với điểm cao nhất biểu diễn 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 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 biểu thị mẫu bình thường, trong khi xác suất 0,5 hoặc cao hơn biểu thị mẫu ung thư. Hình 2c mô tả ma trận nhầm lẫn được tạo ra từ phép xác thực 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 tiên đoán dương tính (PPV) và giá trị tiên đoán âm tính (NPV).
Cảm biến sinh học dựa trên điện thoại thông minh
Để đơn giản hóa hơn nữa việc thử nghiệm mẫu mà không cần sử dụng máy quang phổ, các nhà nghiên cứu đã sử dụng trí tuệ nhân tạo (AI) để diễn giải màu sắc của dung dịch và phân biệt giữa những cá thể bình thường và ung thư. Với điều này, thị giác máy tính đã được sử dụng để dịch màu sắc của dung dịch Cyst/AuNP thành DNA bình thường (màu tím) hoặc DNA ung thư (màu đỏ) bằng cách sử dụng 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 sắc của các dung dịch hạt nano và 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 vectơ hỗ trợ (SVM) đã được đào tạo để xây dựng các mô hình. Cả mô hình RF và SVM đều phân loại chính xác các mẫu là dương tính và âm tính với độ chính xác là 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 thập hình ảnh. (b) Hình ảnh mẫu được chụp trong bước thu thập hình ảnh. (c) Cường độ màu của dung dịch nang/AuNP trong mỗi giếng của tấm 96 giếng được chiết xuất từ hình ảnh (b).
Sử dụng Cyst/AuNP, các nhà nghiên cứu đã phát triển thành công một nền tảng cảm biến đơn giản để phát hiện bối cảnh metyl hóa 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 phát hiện nhanh chóng và tiết kiệm chi phí một lượng nhỏ DNA ung thư (3nM) ở bệnh nhân bạch cầu trong 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 diễn giải màu sắc của dung dịch và phân biệt giữa những người bình thường và ung thư bằng cách sử dụng ảnh chụp từ điện thoại di động và độ chính xác cũng có thể đạt được ở mức 90,0%.
Tham khảo: DOI: 10.1039/d2ra05725e
Thời gian đăng: 18-02-2023
Cài đặt quyền riêng tư