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

લિક્વિડ બાયોપ્સી પર આધારિત કેન્સરનું વહેલું નિદાન એ તાજેતરના વર્ષોમાં યુએસ નેશનલ કેન્સર ઇન્સ્ટિટ્યૂટ દ્વારા પ્રસ્તાવિત કેન્સર શોધ અને નિદાનની એક નવી દિશા છે, જેનો ઉદ્દેશ્ય પ્રારંભિક કેન્સર અથવા તો પૂર્વ-કેન્સરગ્રસ્ત જખમ શોધવાનો છે. ફેફસાના કેન્સર, જઠરાંત્રિય ગાંઠો, ગ્લિઓમાસ અને સ્ત્રીરોગવિજ્ઞાન ગાંઠો સહિત વિવિધ જીવલેણ રોગોના વહેલા નિદાન માટે તેનો વ્યાપકપણે ઉપયોગ થાય છે.

મિથાઈલેશન લેન્ડસ્કેપ (મિથાઈલસ્કેપ) બાયોમાર્કર્સને ઓળખવા માટે પ્લેટફોર્મના ઉદભવમાં કેન્સર માટે હાલના પ્રારંભિક સ્ક્રીનીંગમાં નોંધપાત્ર સુધારો કરવાની ક્ષમતા છે, જે દર્દીઓને સારવારના પ્રારંભિક તબક્કામાં મૂકે છે.

તાજેતરમાં, સંશોધકોએ સિસ્ટેમાઈન શણગારેલા ગોલ્ડ નેનોપાર્ટિકલ્સ (સિસ્ટ/એયુએનપી) પર આધારિત મિથાઈલેશન લેન્ડસ્કેપ શોધ માટે એક સરળ અને સીધું સેન્સિંગ પ્લેટફોર્મ વિકસાવ્યું છે જે સ્માર્ટફોન-આધારિત બાયોસેન્સર સાથે જોડાયેલું છે જે વિવિધ પ્રકારના ગાંઠોની ઝડપી પ્રારંભિક તપાસને સક્ષમ બનાવે છે. રક્ત નમૂનામાંથી ડીએનએ નિષ્કર્ષણ પછી 15 મિનિટની અંદર લ્યુકેમિયા માટે પ્રારંભિક તપાસ કરી શકાય છે, 90.0% ની ચોકસાઈ સાથે. લેખનું શીર્ષક છે સિસ્ટેમાઈન-કેપ્ડ એયુએનપી અને મશીન લર્નિંગ-સક્ષમ સ્માર્ટફોનનો ઉપયોગ કરીને માનવ રક્તમાં કેન્સર ડીએનએની ઝડપી શોધ.

આકૃતિ 1. સિસ્ટ/એયુએનપી ઘટકો દ્વારા કેન્સર સ્ક્રીનીંગ માટે એક સરળ અને ઝડપી સેન્સિંગ પ્લેટફોર્મ બે સરળ પગલાંમાં પૂર્ણ કરી શકાય છે.

આ આકૃતિ 1 માં બતાવવામાં આવ્યું છે. પ્રથમ, ડીએનએ ટુકડાઓ ઓગાળવા માટે એક જલીય દ્રાવણનો ઉપયોગ કરવામાં આવ્યો હતો. ત્યારબાદ મિશ્ર દ્રાવણમાં સિસ્ટ/એયુએનપી ઉમેરવામાં આવ્યા હતા. સામાન્ય અને જીવલેણ ડીએનએમાં અલગ અલગ મિથાઈલેશન ગુણધર્મો હોય છે, જેના પરિણામે ડીએનએ ટુકડાઓ અલગ અલગ સ્વ-એસેમ્બલી પેટર્ન સાથે બને છે. સામાન્ય ડીએનએ છૂટાછવાયા રીતે એકત્ર થાય છે અને અંતે સિસ્ટ/એયુએનપીને એકત્ર કરે છે, જેના પરિણામે સિસ્ટ/એયુએનપીની લાલ-શિફ્ટ પ્રકૃતિ થાય છે, જેથી લાલથી જાંબલી રંગમાં ફેરફાર નરી આંખે જોઈ શકાય છે. તેનાથી વિપરીત, કેન્સર ડીએનએની અનન્ય મિથાઈલેશન પ્રોફાઇલ ડીએનએ ટુકડાઓના મોટા ક્લસ્ટરોના ઉત્પાદન તરફ દોરી જાય છે.

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

વાસ્તવિક રક્ત નમૂનાઓમાં કેન્સર સ્ક્રીનીંગ

સેન્સિંગ પ્લેટફોર્મની ઉપયોગિતાને વિસ્તૃત કરવા માટે, સંશોધકોએ એક સેન્સર લાગુ કર્યું જે વાસ્તવિક રક્ત નમૂનાઓમાં સામાન્ય અને કેન્સરગ્રસ્ત ડીએનએ વચ્ચે સફળતાપૂર્વક તફાવત કરે છે. CpG સાઇટ્સ પર મિથાઈલેશન પેટર્ન એપિજેનેટિકલી જનીન અભિવ્યક્તિને નિયંત્રિત કરે છે. લગભગ તમામ કેન્સર પ્રકારોમાં, ડીએનએ મિથાઈલેશનમાં અને આમ ગાંઠ ઉત્પન્ન થવાને પ્રોત્સાહન આપતા જનીનોની અભિવ્યક્તિમાં ફેરફાર જોવા મળ્યા છે.

ડીએનએ મિથાઈલેશન સાથે સંકળાયેલા અન્ય કેન્સર માટે એક મોડેલ તરીકે, સંશોધકોએ લ્યુકેમિયા દર્દીઓ અને સ્વસ્થ નિયંત્રણોમાંથી લોહીના નમૂનાઓનો ઉપયોગ લ્યુકેમિક કેન્સરને અલગ પાડવામાં મિથાઈલેશન લેન્ડસ્કેપની અસરકારકતાની તપાસ કરવા માટે કર્યો. આ મિથાઈલેશન લેન્ડસ્કેપ બાયોમાર્કર માત્ર હાલની ઝડપી લ્યુકેમિયા સ્ક્રીનીંગ પદ્ધતિઓ કરતાં વધુ સારું પ્રદર્શન કરતું નથી, પરંતુ આ સરળ અને સીધી પરીક્ષાનો ઉપયોગ કરીને કેન્સરની વિશાળ શ્રેણીના પ્રારંભિક શોધ સુધી વિસ્તૃત થવાની શક્યતા પણ દર્શાવે છે.

૩૧ લ્યુકેમિયા દર્દીઓ અને ૧૨ સ્વસ્થ વ્યક્તિઓના લોહીના નમૂનાઓમાંથી DNA નું વિશ્લેષણ કરવામાં આવ્યું. આકૃતિ ૨a માં બોક્સ પ્લોટમાં બતાવ્યા પ્રમાણે, કેન્સરના નમૂનાઓનું સંબંધિત શોષણ (ΔA650/525) સામાન્ય નમૂનાઓના DNA કરતા ઓછું હતું. આ મુખ્યત્વે કેન્સર DNA ના ગાઢ એકત્રીકરણ તરફ દોરી જતા હાઇડ્રોફોબિસિટીને કારણે હતું, જેના કારણે સિસ્ટ/AuNPs નું એકત્રીકરણ થતું અટકાવાયું હતું. પરિણામે, આ નેનોપાર્ટિકલ્સ કેન્સર એગ્રીગેટ્સના બાહ્ય સ્તરોમાં સંપૂર્ણપણે વિખેરાઈ ગયા હતા, જેના પરિણામે સામાન્ય અને કેન્સર DNA એગ્રીગેટ્સ પર શોષાયેલા સિસ્ટ/AuNPs નું અલગ વિક્ષેપ થયું. ત્યારબાદ ROC વણાંકો ΔA650/525 ના ન્યૂનતમ મૂલ્યથી મહત્તમ મૂલ્ય સુધી થ્રેશોલ્ડને બદલીને ઉત્પન્ન કરવામાં આવ્યા હતા.

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

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

આકૃતિ 2b માં બતાવ્યા પ્રમાણે, વિકસિત સેન્સર માટે મેળવેલા ROC વળાંક (AUC = 0.9274) હેઠળના ક્ષેત્રમાં ઉચ્ચ સંવેદનશીલતા અને વિશિષ્ટતા જોવા મળી. બોક્સ પ્લોટ પરથી જોઈ શકાય છે તેમ, સામાન્ય DNA જૂથનું પ્રતિનિધિત્વ કરતું સૌથી નીચું બિંદુ કેન્સર DNA 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 ઘટના બનવાની સંભાવનાનો અંદાજ લગાવે છે. આશ્રિત ચલ 0 અને 1 ની વચ્ચે હોય છે. તેથી પરિણામ સંભાવના છે. અમે ΔA650/525 ના આધારે કેન્સર ઓળખ (P) ની સંભાવના નીચે મુજબ નક્કી કરી.

જ્યાં b=5.3533,w1=-6.965. નમૂના વર્ગીકરણ માટે, 0.5 કરતા ઓછી સંભાવના સામાન્ય નમૂના સૂચવે છે, જ્યારે 0.5 કે તેથી વધુની સંભાવના કેન્સર નમૂના સૂચવે છે. આકૃતિ 2c લીવ-ઇટ-અલોન ક્રોસ-વેલિડેશનમાંથી ઉત્પન્ન થયેલ મૂંઝવણ મેટ્રિક્સ 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 નમૂના પરીક્ષણને વધુ સરળ બનાવવા માટે, સંશોધકોએ દ્રાવણના રંગનું અર્થઘટન કરવા અને સામાન્ય અને કેન્સરગ્રસ્ત વ્યક્તિઓ વચ્ચે તફાવત કરવા માટે કૃત્રિમ બુદ્ધિ (AI) નો ઉપયોગ કર્યો. આને ધ્યાનમાં રાખીને, મોબાઇલ ફોન કેમેરા દ્વારા લેવામાં આવેલી 96-કુવા પ્લેટોની છબીઓનો ઉપયોગ કરીને સિસ્ટ/AuNPs દ્રાવણના રંગને સામાન્ય DNA (જાંબલી) અથવા કેન્સરગ્રસ્ત DNA (લાલ) માં અનુવાદિત કરવા માટે કમ્પ્યુટર વિઝનનો ઉપયોગ કરવામાં આવ્યો હતો. કૃત્રિમ બુદ્ધિ ખર્ચ ઘટાડી શકે છે અને નેનોપાર્ટિકલ સોલ્યુશનના રંગનું અર્થઘટન કરવામાં સુલભતામાં સુધારો કરી શકે છે, અને તે કોઈપણ ઓપ્ટિકલ હાર્ડવેર સ્માર્ટફોન એસેસરીઝનો ઉપયોગ કર્યા વિના. અંતે, રેન્ડમ ફોરેસ્ટ (RF) અને સપોર્ટ વેક્ટર મશીન (SVM) સહિત બે મશીન લર્નિંગ મોડેલોને મોડેલ 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. આ સૂચવે છે કે મોબાઇલ ફોન-આધારિત બાયોસેન્સિંગમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ તદ્દન શક્ય છે.

આકૃતિ 3.(a) છબી સંપાદન પગલા માટે નમૂનાની તૈયારી દરમિયાન રેકોર્ડ કરાયેલ દ્રાવણનો લક્ષ્ય વર્ગ. (b) છબી સંપાદન પગલા દરમિયાન લેવામાં આવેલી ઉદાહરણ છબી. (c) છબીમાંથી કાઢવામાં આવેલી 96-કુવા પ્લેટના દરેક કૂવામાં સિસ્ટ/AuNPs દ્રાવણની રંગ તીવ્રતા (b).

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

સંદર્ભ: DOI: 10.1039/d2ra05725e