90.0% കൃത്യതയോടെ ട്യൂമറുകളും രക്താർബുദ സ്ക്രീനിംഗും സ്‌മാർട്ട്‌ഫോണുകളുമായി സംയോജിപ്പിച്ച് ഡിഎൻഎ മിഥിലേഷൻ പരിശോധന!

ലിക്വിഡ് ബയോപ്സിയെ അടിസ്ഥാനമാക്കിയുള്ള ക്യാൻസർ നേരത്തേ കണ്ടെത്തുന്നത് ക്യാൻസർ കണ്ടെത്തലിന്റെയും രോഗനിർണയത്തിന്റെയും ഒരു പുതിയ ദിശയാണ്, അടുത്ത കാലത്തായി യുഎസ് നാഷണൽ കാൻസർ ഇൻസ്റ്റിറ്റ്യൂട്ട് നിർദ്ദേശിക്കുന്നു, നേരത്തെയുള്ള ക്യാൻസറോ അല്ലെങ്കിൽ അർബുദത്തിന് മുമ്പുള്ള നിഖേദ് പോലും കണ്ടെത്തുക എന്ന ലക്ഷ്യത്തോടെ.ശ്വാസകോശ അർബുദം, ദഹനനാളത്തിലെ മുഴകൾ, ഗ്ലിയോമാസ്, ഗൈനക്കോളജിക്കൽ ട്യൂമറുകൾ എന്നിവയുൾപ്പെടെ വിവിധ മാരകരോഗങ്ങളുടെ ആദ്യകാല രോഗനിർണയത്തിനുള്ള ഒരു പുതിയ ബയോമാർക്കറായി ഇത് വ്യാപകമായി ഉപയോഗിക്കുന്നു.

മെഥൈലേഷൻ ലാൻഡ്‌സ്‌കേപ്പ് (മെഥൈൽസ്‌കേപ്പ്) ബയോമാർക്കറുകൾ തിരിച്ചറിയുന്നതിനുള്ള പ്ലാറ്റ്‌ഫോമുകളുടെ ആവിർഭാവത്തിന്, ക്യാൻസറിനുള്ള നിലവിലുള്ള ആദ്യകാല സ്‌ക്രീനിംഗ് ഗണ്യമായി മെച്ചപ്പെടുത്താൻ കഴിയും, ഇത് രോഗികളെ ചികിത്സിക്കാൻ കഴിയുന്ന ആദ്യഘട്ടത്തിൽ എത്തിക്കുന്നു.

അടുത്തിടെ, ഗവേഷകർ സിസ്‌റ്റെമൈൻ അലങ്കരിച്ച സ്വർണ്ണ നാനോ കണികകൾ (Cyst/AuNPs) അടിസ്ഥാനമാക്കിയുള്ള ലളിതവും നേരിട്ടുള്ളതുമായ സെൻസിംഗ് പ്ലാറ്റ്‌ഫോം വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, ഇത് സ്‌മാർട്ട്‌ഫോൺ അധിഷ്‌ഠിത ബയോസെൻസറുമായി സംയോജിപ്പിച്ച് വിപുലമായ മുഴകളുടെ ദ്രുതഗതിയിലുള്ള സ്‌ക്രീനിംഗ് സാധ്യമാക്കുന്നു.90.0% കൃത്യതയോടെ, രക്തസാമ്പിളിൽ നിന്ന് ഡിഎൻഎ വേർതിരിച്ചെടുത്തതിന് ശേഷം 15 മിനിറ്റിനുള്ളിൽ രക്താർബുദത്തിനുള്ള ആദ്യകാല സ്ക്രീനിംഗ് നടത്താം.സിസ്‌റ്റമൈൻ ക്യാപ്‌ഡ് AuNP-കളും മെഷീൻ ലേണിംഗ് പ്രവർത്തനക്ഷമമാക്കിയ സ്‌മാർട്ട്‌ഫോണും ഉപയോഗിച്ച് മനുഷ്യരക്തത്തിലെ ക്യാൻസർ ഡിഎൻഎ അതിവേഗം കണ്ടെത്തുന്നതാണ് ലേഖനത്തിന്റെ പേര്.

ചിത്രം 1. Cyst/AuNPs ഘടകങ്ങൾ വഴിയുള്ള ക്യാൻസർ സ്‌ക്രീനിംഗിനുള്ള ലളിതവും വേഗത്തിലുള്ളതുമായ സെൻസിംഗ് പ്ലാറ്റ്‌ഫോം രണ്ട് ലളിതമായ ഘട്ടങ്ങളിലൂടെ പൂർത്തിയാക്കാൻ കഴിയും.

ഇത് ചിത്രം 1-ൽ കാണിച്ചിരിക്കുന്നു. ആദ്യം, ഡിഎൻഎ ശകലങ്ങൾ അലിയിക്കാൻ ജലീയ ലായനി ഉപയോഗിച്ചു.പിന്നീട് മിക്സഡ് ലായനിയിൽ Cyst/AuNP-കൾ ചേർത്തു.സാധാരണവും മാരകവുമായ ഡിഎൻഎയ്ക്ക് വ്യത്യസ്ത മീഥൈലേഷൻ ഗുണങ്ങളുണ്ട്, തൽഫലമായി ഡിഎൻഎ ശകലങ്ങൾ വ്യത്യസ്ത സെൽഫ് അസംബ്ലി പാറ്റേണുകളുള്ളതാണ്.സാധാരണ ഡിഎൻഎ അയഞ്ഞ രീതിയിൽ സമാഹരിക്കുകയും ഒടുവിൽ Cyst/AuNP-കൾ കൂട്ടിച്ചേർക്കുകയും ചെയ്യുന്നു, ഇത് Cyst/AuNP-കളുടെ ചുവപ്പ്-ഷിഫ്റ്റ് സ്വഭാവത്തിന് കാരണമാകുന്നു, അങ്ങനെ ചുവപ്പിൽ നിന്ന് ധൂമ്രനൂലിലേക്കുള്ള നിറത്തിലുള്ള മാറ്റം നഗ്നനേത്രങ്ങൾ കൊണ്ട് നിരീക്ഷിക്കാനാകും.ഇതിനു വിപരീതമായി, ക്യാൻസർ ഡിഎൻഎയുടെ അദ്വിതീയ മെഥിലേഷൻ പ്രൊഫൈൽ ഡിഎൻഎ ശകലങ്ങളുടെ വലിയ ക്ലസ്റ്ററുകളുടെ ഉത്പാദനത്തിലേക്ക് നയിക്കുന്നു.

സ്‌മാർട്ട്‌ഫോൺ ക്യാമറ ഉപയോഗിച്ചാണ് 96 കിണർ പ്ലേറ്റുകളുടെ ചിത്രങ്ങൾ എടുത്തത്.സ്പെക്ട്രോസ്കോപ്പി അടിസ്ഥാനമാക്കിയുള്ള രീതികളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ മെഷീൻ ലേണിംഗ് സജ്ജീകരിച്ച ഒരു സ്മാർട്ട്ഫോൺ ഉപയോഗിച്ചാണ് ക്യാൻസർ ഡിഎൻഎ അളക്കുന്നത്.

യഥാർത്ഥ രക്ത സാമ്പിളുകളിൽ കാൻസർ പരിശോധന

സെൻസിംഗ് പ്ലാറ്റ്‌ഫോമിന്റെ പ്രയോജനം വിപുലീകരിക്കുന്നതിന്, യഥാർത്ഥ രക്ത സാമ്പിളുകളിൽ സാധാരണവും അർബുദവുമായ ഡിഎൻഎയെ വിജയകരമായി വേർതിരിച്ചറിയാൻ അന്വേഷകർ ഒരു സെൻസർ പ്രയോഗിച്ചു.സിപിജി സൈറ്റുകളിലെ മിഥിലേഷൻ പാറ്റേണുകൾ ജീൻ എക്‌സ്‌പ്രഷനെ എപിജെനെറ്റിക് ആയി നിയന്ത്രിക്കുന്നു.മിക്കവാറും എല്ലാ കാൻസർ തരങ്ങളിലും, ഡിഎൻഎ മെത്തിലിലേഷനിലും അതുവഴി ട്യൂമറിജെനിസിസിനെ പ്രോത്സാഹിപ്പിക്കുന്ന ജീനുകളുടെ പ്രകടനത്തിലും മാറ്റങ്ങളുണ്ടാകുന്നതായി നിരീക്ഷിക്കപ്പെട്ടിട്ടുണ്ട്.

ഡിഎൻഎ മീഥൈലേഷനുമായി ബന്ധപ്പെട്ട മറ്റ് ക്യാൻസറുകൾക്ക് ഒരു മാതൃക എന്ന നിലയിൽ, ഗവേഷകർ രക്താർബുദ രോഗികളിൽ നിന്നുള്ള രക്ത സാമ്പിളുകളും ആരോഗ്യകരമായ നിയന്ത്രണങ്ങളും ഉപയോഗിച്ച് രക്താർബുദ കാൻസറുകളെ വേർതിരിക്കുന്നതിൽ മിഥിലേഷൻ ലാൻഡ്‌സ്‌കേപ്പിന്റെ ഫലപ്രാപ്തി അന്വേഷിക്കുന്നു.ഈ മിഥിലേഷൻ ലാൻഡ്‌സ്‌കേപ്പ് ബയോമാർക്കർ നിലവിലുള്ള ദ്രുത രക്താർബുദം സ്‌ക്രീനിംഗ് രീതികളെ മറികടക്കുക മാത്രമല്ല, ലളിതവും നേരായതുമായ ഈ വിശകലനം ഉപയോഗിച്ച് വിശാലമായ ക്യാൻസറുകൾ നേരത്തേ കണ്ടെത്തുന്നതിനുള്ള സാധ്യതയും പ്രകടമാക്കുന്നു.

31 ലുക്കീമിയ രോഗികളിൽ നിന്നും ആരോഗ്യമുള്ള 12 വ്യക്തികളിൽ നിന്നുമുള്ള രക്തസാമ്പിളുകളിൽ നിന്നുള്ള ഡിഎൻഎ വിശകലനം ചെയ്തു.ചിത്രം 2a-ലെ ബോക്‌സ് പ്ലോട്ടിൽ കാണിച്ചിരിക്കുന്നതുപോലെ, ക്യാൻസർ സാമ്പിളുകളുടെ ആപേക്ഷിക ആഗിരണം (ΔA650/525) സാധാരണ സാമ്പിളുകളിൽ നിന്നുള്ള ഡിഎൻഎയേക്കാൾ കുറവാണ്.ഇത് പ്രധാനമായും ഹൈഡ്രോഫോബിസിറ്റി കാരണം ക്യാൻസർ ഡിഎൻഎയുടെ സാന്ദ്രമായ സംയോജനത്തിലേക്ക് നയിച്ചു, ഇത് Cyst/AuNP കളുടെ സംയോജനത്തെ തടഞ്ഞു.തൽഫലമായി, ഈ നാനോപാർട്ടിക്കിളുകൾ കാൻസർ അഗ്രഗേറ്റുകളുടെ പുറം പാളികളിൽ പൂർണ്ണമായും ചിതറിപ്പോയി, ഇത് സാധാരണ, കാൻസർ ഡിഎൻഎ അഗ്രഗേറ്റുകളിൽ ആഗിരണം ചെയ്യപ്പെടുന്ന Cyst/AuNP കളുടെ വ്യത്യസ്തമായ വ്യാപനത്തിന് കാരണമായി.ΔA650/525 ന്റെ ഏറ്റവും കുറഞ്ഞ മൂല്യത്തിൽ നിന്ന് പരമാവധി മൂല്യത്തിലേക്ക് പരിധി വ്യത്യാസപ്പെടുത്തി ROC കർവുകൾ സൃഷ്ടിക്കപ്പെട്ടു.

ചിത്രം 2.(എ) ഒപ്റ്റിമൈസ് ചെയ്ത സാഹചര്യങ്ങളിൽ സാധാരണ (നീല), ക്യാൻസർ (ചുവപ്പ്) ഡിഎൻഎ എന്നിവയുടെ സാന്നിധ്യം കാണിക്കുന്ന സിസ്റ്റ്/എയുഎൻപി പരിഹാരങ്ങളുടെ ആപേക്ഷിക ആഗിരണം മൂല്യങ്ങൾ

ബോക്സ് പ്ലോട്ടുകളുടെ (DA650/525);(ബി) ഡയഗ്നോസ്റ്റിക് ടെസ്റ്റുകളുടെ ROC വിശകലനവും വിലയിരുത്തലും.(സി) സാധാരണക്കാരുടെയും കാൻസർ രോഗികളുടെയും രോഗനിർണയത്തിനുള്ള കൺഫ്യൂഷൻ മാട്രിക്സ്.(ഡി) സംവേദനക്ഷമത, പ്രത്യേകത, പോസിറ്റീവ് പ്രവചന മൂല്യം (PPV), നെഗറ്റീവ് പ്രവചന മൂല്യം (NPV), വികസിപ്പിച്ച രീതിയുടെ കൃത്യത.

ചിത്രം 2b-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ, വികസിപ്പിച്ച സെൻസറിനായി ലഭിച്ച ROC കർവിന് (AUC = 0.9274) കീഴിലുള്ള പ്രദേശം ഉയർന്ന സംവേദനക്ഷമതയും പ്രത്യേകതയും കാണിച്ചു.ബോക്സ് പ്ലോട്ടിൽ നിന്ന് കാണാൻ കഴിയുന്നതുപോലെ, സാധാരണ ഡിഎൻഎ ഗ്രൂപ്പിനെ പ്രതിനിധീകരിക്കുന്ന ഏറ്റവും താഴ്ന്ന പോയിന്റ് ക്യാൻസർ ഡിഎൻഎ ഗ്രൂപ്പിനെ പ്രതിനിധീകരിക്കുന്ന ഏറ്റവും ഉയർന്ന പോയിന്റിൽ നിന്ന് നന്നായി വേർപെടുത്തിയിട്ടില്ല;അതിനാൽ, സാധാരണ, കാൻസർ ഗ്രൂപ്പുകളെ വേർതിരിച്ചറിയാൻ ലോജിസ്റ്റിക് റിഗ്രഷൻ ഉപയോഗിച്ചു.ഒരു കൂട്ടം സ്വതന്ത്ര വേരിയബിളുകൾ നൽകി, ഒരു കാൻസർ അല്ലെങ്കിൽ സാധാരണ ഗ്രൂപ്പ് പോലെയുള്ള ഒരു സംഭവത്തിന്റെ സംഭാവ്യത ഇത് കണക്കാക്കുന്നു.ആശ്രിത വേരിയബിൾ 0 നും 1 നും ഇടയിലാണ്. അതിനാൽ ഫലം ഒരു പ്രോബബിലിറ്റിയാണ്.ΔA650/525 അടിസ്ഥാനമാക്കി കാൻസർ തിരിച്ചറിയലിന്റെ (P) സാധ്യത ഞങ്ങൾ നിർണ്ണയിച്ചു.

ഇവിടെ b=5.3533,w1=-6.965.സാമ്പിൾ വർഗ്ഗീകരണത്തിന്, 0.5-ൽ താഴെയുള്ള പ്രോബബിലിറ്റി ഒരു സാധാരണ സാമ്പിളിനെ സൂചിപ്പിക്കുന്നു, അതേസമയം 0.5 അല്ലെങ്കിൽ അതിൽ കൂടുതലുള്ള സംഭാവ്യത ക്യാൻസർ സാമ്പിളിനെ സൂചിപ്പിക്കുന്നു.വർഗ്ഗീകരണ രീതിയുടെ സ്ഥിരത സാധൂകരിക്കാൻ ഉപയോഗിച്ച ലീവ്-ഇറ്റ്-അലോൺ ക്രോസ്-വാലിഡേഷനിൽ നിന്ന് സൃഷ്ടിച്ച ആശയക്കുഴപ്പം മാട്രിക്സ് ചിത്രം 2c ചിത്രീകരിക്കുന്നു.സംവേദനക്ഷമത, പ്രത്യേകത, പോസിറ്റീവ് പ്രവചന മൂല്യം (PPV), നെഗറ്റീവ് പ്രവചന മൂല്യം (NPV) എന്നിവ ഉൾപ്പെടെ, രീതിയുടെ ഡയഗ്നോസ്റ്റിക് ടെസ്റ്റ് മൂല്യനിർണ്ണയം ചിത്രം 2d സംഗ്രഹിക്കുന്നു.

സ്മാർട്ട്ഫോൺ അടിസ്ഥാനമാക്കിയുള്ള ബയോസെൻസറുകൾ

സ്പെക്ട്രോഫോട്ടോമീറ്ററുകൾ ഉപയോഗിക്കാതെ സാമ്പിൾ പരിശോധന കൂടുതൽ ലളിതമാക്കാൻ, ലായനിയുടെ നിറം വ്യാഖ്യാനിക്കാനും സാധാരണക്കാരും ക്യാൻസർ രോഗികളും തമ്മിൽ വേർതിരിച്ചറിയാനും ഗവേഷകർ കൃത്രിമബുദ്ധി (AI) ഉപയോഗിച്ചു.ഇത് കണക്കിലെടുത്ത്, ഒരു മൊബൈൽ ഫോൺ ക്യാമറയിലൂടെ എടുത്ത 96-കിണർ പ്ലേറ്റുകളുടെ ചിത്രങ്ങൾ ഉപയോഗിച്ച് Cyst/AuNPs ലായനിയുടെ നിറം സാധാരണ DNA (പർപ്പിൾ) അല്ലെങ്കിൽ ക്യാൻസർ DNA (ചുവപ്പ്) ആയി വിവർത്തനം ചെയ്യാൻ കമ്പ്യൂട്ടർ വിഷൻ ഉപയോഗിച്ചു.നാനോപാർട്ടിക്കിൾ സൊല്യൂഷനുകളുടെ നിറം വ്യാഖ്യാനിക്കുന്നതിനും ഒപ്റ്റിക്കൽ ഹാർഡ്‌വെയർ സ്മാർട്ട്‌ഫോൺ ആക്‌സസറികൾ ഉപയോഗിക്കാതെയും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ചെലവ് കുറയ്ക്കാനും പ്രവേശനക്ഷമത മെച്ചപ്പെടുത്താനും കഴിയും.അവസാനമായി, റാൻഡം ഫോറസ്റ്റ് (RF), സപ്പോർട്ട് വെക്റ്റർ മെഷീൻ (SVM) എന്നിവയുൾപ്പെടെ രണ്ട് മെഷീൻ ലേണിംഗ് മോഡലുകൾ മോഡലുകൾ നിർമ്മിക്കാൻ പരിശീലിപ്പിച്ചു.RF, SVM മോഡലുകൾ 90.0% കൃത്യതയോടെ പോസിറ്റീവ്, നെഗറ്റീവ് എന്നിങ്ങനെ സാമ്പിളുകളെ ശരിയായി തരംതിരിച്ചു.മൊബൈൽ ഫോൺ അധിഷ്‌ഠിത ബയോസെൻസിംഗിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഉപയോഗം തികച്ചും സാദ്ധ്യമാണെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.

ചിത്രം 3.(എ) ഇമേജ് ഏറ്റെടുക്കൽ ഘട്ടത്തിനായി സാമ്പിൾ തയ്യാറാക്കുന്ന സമയത്ത് രേഖപ്പെടുത്തിയ പരിഹാരത്തിന്റെ ടാർഗെറ്റ് ക്ലാസ്.(ബി) ഇമേജ് ഏറ്റെടുക്കൽ ഘട്ടത്തിൽ എടുത്ത ഉദാഹരണ ചിത്രം.(സി) ചിത്രത്തിൽ നിന്ന് വേർതിരിച്ചെടുത്ത 96 കിണർ പ്ലേറ്റിലെ ഓരോ കിണറിലെയും സിസ്റ്റ്/എയുഎൻപി ലായനിയുടെ വർണ്ണ തീവ്രത (ബി).

Cyst/AuNP-കൾ ഉപയോഗിച്ച്, ഗവേഷകർ മെഥിലേഷൻ ലാൻഡ്‌സ്‌കേപ്പ് കണ്ടെത്തലിനുള്ള ഒരു ലളിതമായ സെൻസിംഗ് പ്ലാറ്റ്‌ഫോമും ലുക്കീമിയ സ്ക്രീനിംഗിനായി യഥാർത്ഥ രക്ത സാമ്പിളുകൾ ഉപയോഗിക്കുമ്പോൾ ക്യാൻസർ ഡിഎൻഎയിൽ നിന്ന് സാധാരണ ഡിഎൻഎയെ വേർതിരിച്ചറിയാൻ കഴിവുള്ള ഒരു സെൻസറും വിജയകരമായി വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്.യഥാർത്ഥ രക്ത സാമ്പിളുകളിൽ നിന്ന് വേർതിരിച്ചെടുത്ത ഡിഎൻഎയ്ക്ക് 15 മിനിറ്റിനുള്ളിൽ ലുക്കീമിയ രോഗികളിൽ ചെറിയ അളവിലുള്ള ക്യാൻസർ ഡിഎൻഎ (3nM) വേഗത്തിലും ചെലവുകുറഞ്ഞും കണ്ടെത്താനാകുമെന്ന് വികസിപ്പിച്ച സെൻസർ തെളിയിച്ചു, കൂടാതെ 95.3% കൃത്യത കാണിക്കുകയും ചെയ്തു.ഒരു സ്പെക്ട്രോഫോട്ടോമീറ്ററിന്റെ ആവശ്യം ഒഴിവാക്കി സാമ്പിൾ പരിശോധന കൂടുതൽ ലളിതമാക്കാൻ, ലായനിയുടെ നിറം വ്യാഖ്യാനിക്കാനും മൊബൈൽ ഫോൺ ഫോട്ടോ ഉപയോഗിച്ച് സാധാരണക്കാരും ക്യാൻസർ രോഗികളും തമ്മിൽ വേർതിരിച്ചറിയാനും മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ചു, കൂടാതെ 90.0% കൃത്യത കൈവരിക്കാനും കഴിഞ്ഞു.

റഫറൻസ്: DOI: 10.1039/d2ra05725e