中文网站 
Phát hiện sớm ung thư dựa vào 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 sớm ung thư, thậm chí cả các 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 việc sàng lọc ung thư sớm hiện có, đưa bệnh nhân vào 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 methyl hóa dựa trên các hạt nano vàng được trang trí bằng cysteamine (Cyst/AuNPs) kết hợp với một bộ cảm biến sinh học dựa trên điện thoại thông minh cho phép sàng lọc sớm một loạt các khối u một cách nhanh chóng.Sàng lọc sớm bệnh bạch cầu có thể được thực hiện trong vòng 15 phút sau khi tách DNA từ mẫu máu, với độ chính xác 90,0%.Tiêu đề bài báo là Phát hiện nhanh DNA ung thư trong máu người bằng cách sử dụng AuNP có chứa 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 theo 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 đoạn DNA.Cyst/AuNP sau đó được thêm vào dung dịch hỗn hợp.DNA bình thường và DNA ác tính có đặc tính methyl hóa khác nhau, dẫn đến các đoạn DNA có kiểu tự lắp ráp khác nhau.DNA bình thường tổng hợp một cách lỏng lẻo và cuối cùng tổng hợp Cyst/AuNP, dẫn đến bản chất chuyển sang màu đỏ của Cyst/AuNP, do đó có thể quan sát thấy sự thay đổi màu từ đỏ sang tím bằng mắt thường.Ngược lại, hồ sơ methyl hóa duy nhất của DNA ung thư dẫn đến việc tạo ra các cụm đoạn DNA lớn hơn.
Hình ảnh của các đĩa 96 giếng được chụp bằng camera của 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.
Tầm soát ung thư trên mẫu máu thật
Để mở rộng tiện ích của nền tảng cảm biến, các nhà điều tra đã áp dụng một cảm biến giúp phân biệt thành công giữa DNA bình thường và DNA ung thư trong các mẫu máu thật.các kiểu methyl hóa tại các vị trí CpG điều chỉnh biểu hiện gen về mặt di truyền.Trong hầu hết 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 quá trình tạo khối u đã được quan sát thấy là xen kẽ.
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 ung thư bạch cầu và các biện pháp kiểm soát lành mạnh để điều tra hiệu quả của bối cảnh methyl hóa trong việc phân biệt các bệnh ung thư bạch cầu.Dấu ấn sinh học cảnh quan methyl hóa này không chỉ vượt trội so với 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 các mẫu máu của 31 bệnh nhân ung thư bạch cầu và 12 người khỏe mạnh đã được phân tích.như thể hiện trong biểu đồ hình hộp ở Hình 2a, độ hấp thụ tương đối của các mẫu ung thư (ΔA650/525) thấp hơn so với độ hấp thụ của DNA từ các mẫu bình thường.điều này chủ yếu là do tính kỵ nước tăng cường dẫn đến sự tập hợp dày đặc DNA ung thư, ngăn cản sự tổng hợp của Cyst / AuNP.Kết quả là, 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 Cyst/AuNP được hấp phụ trên các tập hợp DNA bình thường và ung thư.Sau đó, các đường cong ROC được tạo 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 dung dịch nang/AuNPs cho thấy sự hiện diện của dna bình thường (màu xanh) và ung thư (màu đỏ) trong điều kiện tối ưu hóa
(DA650/525) của ô vuông;( 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 (PPV), giá trị tiên đoán âm (NPV) và độ chính xác của phương pháp đã phát triển.
Như được hiển thị trong Hình 2b, khu vực dưới đường cong ROC (AUC = 0,9274) thu được đối với cảm biến được 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 tách biệt 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.Đưa ra một tập hợp các biến độc lập, nó ước tính xác suất xảy ra sự kiện, chẳng hạn như 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 xác định 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 biết mẫu bình thường, trong khi xác suất từ 0,5 trở lên cho biết mẫu ung thư.Hình 2c mô tả ma trận nhầm lẫn được tạo ra từ xác thực chéo để riêng, 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 đo 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 người bình thường và người bị ung thư.Do đó, thị giác máy tính đã được sử dụng để dịch màu 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 đĩa 96 giếng được chụp qua camera của 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 giải pháp hạt nano mà không cần sử dụng bất kỳ phụ kiện điện thoại thông minh phần cứng quang học nào.Cuối cùng, hai mô hình máy học, bao gồm Random Forest (RF) và Support Vector Machine (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 tính và âm tính với độ chính xác là 90,0%.Điều này cho thấy rằng 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) Loại mục tiêu của giải pháp 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 tấm 96 giếng được trích 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 cảnh quan methyl hóa và một 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 được phát triển đã chứng minh rằng DNA chiết xuất từ các mẫu máu thật có thể phát hiện nhanh chóng và tiết kiệm một lượng nhỏ DNA ung thư (3nM) ở bệnh nhân ung thư 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 sự cần thiết của máy đo quang phổ, máy học đã được sử dụng để diễn giải màu sắc của dung dịch và phân biệt giữa người bình thường và người bị ung thư bằng cách sử dụng ảnh chụp trên điện thoại di động và độ chính xác cũng có thể đạt được là 90,0%.
Tham khảo: DOI: 10.1039/d2ra05725e
Thời gian đăng bài: Feb-18-2023