90.0% ની ચોકસાઈ સાથે ટ્યુમર અને લ્યુકેમિયા સ્ક્રીનીંગની પ્રારંભિક તપાસ માટે સ્માર્ટફોન સાથે ડીએનએ મેથિલેશન પરીક્ષણ!

પ્રવાહી બાયોપ્સી પર આધારિત કેન્સરની પ્રારંભિક તપાસ એ કેન્સરની શોધ અને નિદાનની નવી દિશા છે જે તાજેતરના વર્ષોમાં યુએસ નેશનલ કેન્સર ઇન્સ્ટિટ્યૂટ દ્વારા પ્રસ્તાવિત કરવામાં આવી છે, જેનો ઉદ્દેશ્ય પ્રારંભિક કેન્સર અથવા તો પૂર્વ-કેન્સરિયસ જખમને શોધવાનો છે. ફેફસાના કેન્સર, જઠરાંત્રિય ગાંઠો, ગ્લિઓમાસ અને સ્ત્રીરોગવિજ્ઞાનની ગાંઠો સહિત વિવિધ જીવલેણ રોગોના પ્રારંભિક નિદાન માટે નવલકથા બાયોમાર્કર તરીકે વ્યાપકપણે ઉપયોગમાં લેવાય છે.

મેથિલેશન લેન્ડસ્કેપ (મેથિલસ્કેપ) બાયોમાર્કર્સને ઓળખવા માટેના પ્લેટફોર્મના ઉદભવમાં કેન્સર માટે હાલની પ્રારંભિક તપાસમાં નોંધપાત્ર સુધારો કરવાની ક્ષમતા છે, દર્દીઓને સારવારના પ્રારંભિક તબક્કે મૂકે છે.

તાજેતરમાં, સંશોધકોએ સિસ્ટેમાઇન ડેકોરેટેડ ગોલ્ડ નેનોપાર્ટિકલ્સ (Cyst/AuNPs) પર આધારિત મેથિલેશન લેન્ડસ્કેપ ડિટેક્શન માટે એક સરળ અને ડાયરેક્ટ સેન્સિંગ પ્લેટફોર્મ વિકસાવ્યું છે, જે સ્માર્ટફોન-આધારિત બાયોસેન્સર સાથે જોડાયેલું છે જે ગાંઠોની વિશાળ શ્રેણીની ઝડપી પ્રારંભિક તપાસને સક્ષમ કરે છે. લ્યુકેમિયા માટે પ્રારંભિક તપાસ રક્ત નમૂનામાંથી ડીએનએ નિષ્કર્ષણ પછી 15 મિનિટની અંદર 90.0% ની ચોકસાઈ સાથે કરી શકાય છે. લેખનું શીર્ષક સિસ્ટેમાઇન-કેપ્ડ એયુએનપી અને મશીન લર્નિંગ-સક્ષમ સ્માર્ટફોનનો ઉપયોગ કરીને માનવ રક્તમાં કેન્સર ડીએનએની ઝડપી તપાસ છે.

આકૃતિ 1. Cyst/AuNPs ઘટકો દ્વારા કેન્સર સ્ક્રીનીંગ માટે એક સરળ અને ઝડપી સેન્સિંગ પ્લેટફોર્મ બે સરળ પગલામાં પરિપૂર્ણ કરી શકાય છે.

આ આકૃતિ 1 માં દર્શાવવામાં આવ્યું છે. પ્રથમ, DNA ટુકડાઓ ઓગળવા માટે જલીય દ્રાવણનો ઉપયોગ કરવામાં આવ્યો હતો. સિસ્ટ/એયુએનપી પછી મિશ્ર દ્રાવણમાં ઉમેરવામાં આવ્યા હતા. સામાન્ય અને જીવલેણ ડીએનએમાં વિવિધ મેથિલેશન ગુણધર્મો હોય છે, જેના પરિણામે ડીએનએના ટુકડાઓ અલગ અલગ સ્વ-એસેમ્બલી પેટર્ન સાથે થાય છે. સામાન્ય ડીએનએ ઢીલી રીતે એકત્ર થાય છે અને છેવટે સિસ્ટ/એયુએનપીને એકત્ર કરે છે, જે સિસ્ટ/એયુએનપીની લાલ-શિફ્ટ પ્રકૃતિમાં પરિણમે છે, જેથી લાલથી જાંબલી રંગમાં ફેરફાર નરી આંખે જોઈ શકાય છે. તેનાથી વિપરીત, કેન્સર ડીએનએની અનન્ય મેથિલેશન પ્રોફાઇલ ડીએનએ ટુકડાઓના મોટા ક્લસ્ટરોના ઉત્પાદન તરફ દોરી જાય છે.

સ્માર્ટફોન કેમેરાનો ઉપયોગ કરીને 96-વેલ પ્લેટની છબીઓ લેવામાં આવી હતી. કેન્સર ડીએનએ સ્પેક્ટ્રોસ્કોપી-આધારિત પદ્ધતિઓની તુલનામાં મશીન લર્નિંગથી સજ્જ સ્માર્ટફોન દ્વારા માપવામાં આવ્યું હતું.

વાસ્તવિક રક્ત નમૂનાઓમાં કેન્સર સ્ક્રીનીંગ

સેન્સિંગ પ્લેટફોર્મની ઉપયોગિતાને વિસ્તારવા માટે, તપાસકર્તાઓએ એક સેન્સર લાગુ કર્યું જે વાસ્તવિક રક્ત નમૂનાઓમાં સામાન્ય અને કેન્સરગ્રસ્ત ડીએનએ વચ્ચે સફળતાપૂર્વક તફાવત કરે છે. CpG સાઇટ્સ પર મેથિલેશન પેટર્ન એપિજેનેટિકલી જનીન અભિવ્યક્તિને નિયંત્રિત કરે છે. કેન્સરના લગભગ તમામ પ્રકારોમાં, ડીએનએ મેથિલેશનમાં ફેરફાર અને આ રીતે જનીનોની અભિવ્યક્તિમાં જે ટ્યુમોરિજેનેસિસને પ્રોત્સાહન આપે છે તે વૈકલ્પિક રીતે જોવા મળે છે.

ડીએનએ મેથિલેશન સાથે સંકળાયેલા અન્ય કેન્સરના નમૂના તરીકે, સંશોધકોએ લ્યુકેમિયાના દર્દીઓના લોહીના નમૂનાઓ અને લ્યુકેમિક કેન્સરને અલગ પાડવા માટે મેથિલેશન લેન્ડસ્કેપની અસરકારકતાની તપાસ કરવા માટે તંદુરસ્ત નિયંત્રણોનો ઉપયોગ કર્યો હતો. આ મેથિલિએશન લેન્ડસ્કેપ બાયોમાર્કર માત્ર હાલની ઝડપી લ્યુકેમિયા સ્ક્રીનીંગ પદ્ધતિઓને પાછળ છોડી દે છે, પરંતુ આ સરળ અને સીધી પરીક્ષાનો ઉપયોગ કરીને કેન્સરની વિશાળ શ્રેણીની પ્રારંભિક તપાસ સુધી લંબાવવાની શક્યતા પણ દર્શાવે છે.

લ્યુકેમિયાના 31 દર્દીઓ અને 12 સ્વસ્થ વ્યક્તિઓના લોહીના નમૂનામાંથી ડીએનએનું વિશ્લેષણ કરવામાં આવ્યું હતું. આકૃતિ 2a માં બોક્સ પ્લોટમાં બતાવ્યા પ્રમાણે, કેન્સરના નમૂનાઓનું સંબંધિત શોષણ (ΔA650/525) સામાન્ય નમૂનામાંથી DNA કરતા ઓછું હતું. આ મુખ્યત્વે ઉન્નત હાઇડ્રોફોબિસીટીને કારણે હતું જે કેન્સર ડીએનએના ગાઢ એકત્રીકરણ તરફ દોરી જાય છે, જે સિસ્ટ/એયુએનપીના એકત્રીકરણને અટકાવે છે. પરિણામે, આ નેનોપાર્ટિકલ્સ કેન્સર એગ્રીગેટ્સના બાહ્ય સ્તરોમાં સંપૂર્ણપણે વિખેરાઈ ગયા હતા, જેના પરિણામે સામાન્ય અને કેન્સર ડીએનએ એગ્રીગેટ્સ પર શોષાયેલા Cyst/AuNPsનું અલગ વિખેર થયું હતું. આરઓસી વણાંકો પછી થ્રેશોલ્ડને ΔA650/525 ના ન્યૂનતમ મૂલ્યથી મહત્તમ મૂલ્ય સુધી બદલીને જનરેટ કરવામાં આવ્યા હતા.

આકૃતિ 2.(a) સિસ્ટ/AuNPs સોલ્યુશનના સાપેક્ષ શોષણ મૂલ્યો ઑપ્ટિમાઇઝ પરિસ્થિતિઓમાં સામાન્ય (વાદળી) અને કેન્સર (લાલ) ડીએનએની હાજરી દર્શાવે છે

(DA650/525) બોક્સ પ્લોટના; (b) ROC વિશ્લેષણ અને ડાયગ્નોસ્ટિક પરીક્ષણોનું મૂલ્યાંકન. (c) સામાન્ય અને કેન્સરના દર્દીઓના નિદાન માટે કન્ફ્યુઝન મેટ્રિક્સ. (d) સંવેદનશીલતા, વિશિષ્ટતા, હકારાત્મક આગાહી મૂલ્ય (PPV), નકારાત્મક આગાહી મૂલ્ય (NPV) અને વિકસિત પદ્ધતિની ચોકસાઈ.

આકૃતિ 2b માં બતાવ્યા પ્રમાણે, વિકસિત સેન્સર માટે મેળવેલ ROC કર્વ (AUC = 0.9274) હેઠળનો વિસ્તાર ઉચ્ચ સંવેદનશીલતા અને વિશિષ્ટતા દર્શાવે છે. બોક્સ પ્લોટમાંથી જોઈ શકાય છે તેમ, સામાન્ય ડીએનએ જૂથનું પ્રતિનિધિત્વ કરતું સૌથી નીચું બિંદુ કેન્સર ડીએનએ જૂથનું પ્રતિનિધિત્વ કરતા ઉચ્ચતમ બિંદુથી સારી રીતે અલગ નથી; તેથી, સામાન્ય અને કેન્સર જૂથો વચ્ચે તફાવત કરવા માટે લોજિસ્ટિક રીગ્રેશનનો ઉપયોગ કરવામાં આવ્યો હતો. સ્વતંત્ર ચલોના સમૂહને જોતાં, તે કેન્સર અથવા સામાન્ય જૂથ જેવી ઘટનાની સંભાવનાનો અંદાજ લગાવે છે. આશ્રિત ચલ 0 અને 1 ની વચ્ચેની રેન્જ ધરાવે છે. તેથી પરિણામ એક સંભાવના છે. અમે નીચે પ્રમાણે ΔA650/525 ના આધારે કેન્સરની ઓળખ (P) ની સંભાવના નક્કી કરી છે.

જ્યાં b=5.3533,w1=-6.965. નમૂનાના વર્ગીકરણ માટે, 0.5 કરતા ઓછી સંભાવના સામાન્ય નમૂના સૂચવે છે, જ્યારે 0.5 અથવા તેથી વધુની સંભાવના કેન્સરના નમૂનાને સૂચવે છે. આકૃતિ 2c એ લીવ-ઇટ-અલોન ક્રોસ-વેલિડેશનમાંથી પેદા થયેલ મૂંઝવણ મેટ્રિક્સને દર્શાવે છે, જેનો ઉપયોગ વર્ગીકરણ પદ્ધતિની સ્થિરતાને માન્ય કરવા માટે કરવામાં આવ્યો હતો. આકૃતિ 2d પદ્ધતિના ડાયગ્નોસ્ટિક પરીક્ષણ મૂલ્યાંકનનો સારાંશ આપે છે, જેમાં સંવેદનશીલતા, વિશિષ્ટતા, હકારાત્મક આગાહી મૂલ્ય (PPV) અને નકારાત્મક આગાહી મૂલ્ય (NPV)નો સમાવેશ થાય છે.

સ્માર્ટફોન આધારિત બાયોસેન્સર્સ

સ્પેક્ટ્રોફોટોમીટરના ઉપયોગ વિના નમૂનાના પરીક્ષણને વધુ સરળ બનાવવા માટે, સંશોધકોએ દ્રાવણના રંગનું અર્થઘટન કરવા અને સામાન્ય અને કેન્સરગ્રસ્ત વ્યક્તિઓ વચ્ચે તફાવત કરવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો ઉપયોગ કર્યો. આ જોતાં, મોબાઇલ ફોન કેમેરા દ્વારા લેવામાં આવેલી 96-વેલ પ્લેટની છબીઓનો ઉપયોગ કરીને સિસ્ટ/AuNPs સોલ્યુશનના રંગને સામાન્ય DNA (જાંબલી) અથવા કેન્સરગ્રસ્ત DNA (લાલ)માં અનુવાદિત કરવા માટે કમ્પ્યુટર વિઝનનો ઉપયોગ કરવામાં આવ્યો હતો. આર્ટિફિશિયલ ઇન્ટેલિજન્સ ખર્ચ ઘટાડી શકે છે અને નેનોપાર્ટિકલ સોલ્યુશન્સના રંગનું અર્થઘટન કરવામાં અને કોઈપણ ઓપ્ટિકલ હાર્ડવેર સ્માર્ટફોન એસેસરીઝના ઉપયોગ વિના સુલભતામાં સુધારો કરી શકે છે. છેલ્લે, રેન્ડમ ફોરેસ્ટ (RF) અને સપોર્ટ વેક્ટર મશીન (SVM) સહિત બે મશીન લર્નિંગ મોડલ્સને મૉડલ બનાવવા માટે તાલીમ આપવામાં આવી હતી. RF અને SVM બંને મોડેલોએ 90.0% ની ચોકસાઈ સાથે નમૂનાઓને હકારાત્મક અને નકારાત્મક તરીકે યોગ્ય રીતે વર્ગીકૃત કર્યા છે. આ સૂચવે છે કે મોબાઇલ ફોન આધારિત બાયોસેન્સિંગમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ તદ્દન શક્ય છે.

આકૃતિ 3.(a) ઇમેજ એક્વિઝિશન સ્ટેપ માટે નમૂનાની તૈયારી દરમિયાન રેકોર્ડ કરાયેલ સોલ્યુશનનો લક્ષ્યાંક વર્ગ. (b) ઈમેજ એક્વિઝિશન સ્ટેપ દરમિયાન લેવામાં આવેલી ઈમેજનું ઉદાહરણ. (c) છબીમાંથી કાઢવામાં આવેલ 96-વેલ પ્લેટના દરેક કૂવામાં સિસ્ટ/AuNPs સોલ્યુશનની રંગની તીવ્રતા (b).

Cyst/AuNPs નો ઉપયોગ કરીને, સંશોધકોએ સફળતાપૂર્વક મેથિલેશન લેન્ડસ્કેપ ડિટેક્શન માટે એક સરળ સેન્સિંગ પ્લેટફોર્મ વિકસાવ્યું છે અને લ્યુકેમિયા સ્ક્રીનીંગ માટે વાસ્તવિક રક્ત નમૂનાઓનો ઉપયોગ કરતી વખતે સામાન્ય DNA ને કેન્સર DNA થી અલગ પાડવા સક્ષમ સેન્સર વિકસાવ્યું છે. વિકસિત સેન્સરે દર્શાવ્યું હતું કે વાસ્તવિક રક્ત નમૂનાઓમાંથી કાઢવામાં આવેલ ડીએનએ 15 મિનિટમાં લ્યુકેમિયાના દર્દીઓમાં કેન્સર ડીએનએ (3nM) ની નાની માત્રાને ઝડપથી અને ખર્ચ-અસરકારક રીતે શોધી કાઢવામાં સક્ષમ છે અને 95.3% ની ચોકસાઈ દર્શાવે છે. સ્પેક્ટ્રોફોટોમીટરની જરૂરિયાતને દૂર કરીને નમૂના પરીક્ષણને વધુ સરળ બનાવવા માટે, મશીન લર્નિંગનો ઉપયોગ સોલ્યુશનના રંગનું અર્થઘટન કરવા અને મોબાઇલ ફોન ફોટોગ્રાફનો ઉપયોગ કરીને સામાન્ય અને કેન્સરગ્રસ્ત વ્યક્તિઓ વચ્ચે તફાવત કરવા માટે કરવામાં આવ્યો હતો, અને ચોકસાઈ પણ 90.0% પર પ્રાપ્ત કરવામાં સક્ષમ હતી.

સંદર્ભ: DOI: 10.1039/d2ra05725e