중국어 网站
액체 생검을 기반으로 한 암 조기 발견은 최근 미국 국립암연구소(National Cancer Institute)가 암의 조기 발견 또는 심지어 암 전단계 병변의 발견을 목표로 제안한 새로운 암 발견 및 진단 방향입니다. 이는 폐암, 위장관 종양, 신경교종 및 부인과 종양을 포함한 다양한 악성 종양의 조기 진단을 위한 새로운 바이오마커로 널리 사용되었습니다.
메틸화 환경(Methylscape) 바이오마커를 식별하기 위한 플랫폼의 출현은 기존의 암 조기 검사를 크게 개선하여 환자를 가장 초기 치료 가능한 단계에 놓을 수 있는 잠재력을 가지고 있습니다.
최근 연구자들은 광범위한 종양의 신속한 조기 검사를 가능하게 하는 스마트폰 기반 바이오센서와 결합된 시스테아민 장식 금 나노입자(Cyst/AuNPs)를 기반으로 하는 메틸화 지형 감지를 위한 간단하고 직접적인 감지 플랫폼을 개발했습니다. 혈액검체에서 DNA 추출 후 15분 이내에 백혈병 조기검진이 가능하며 정확도는 90.0%이다. 기사 제목은 시스테아민으로 덮인 AuNP와 기계 학습 지원 스마트폰을 사용하여 인간 혈액에서 암 DNA를 신속하게 검출하는 것입니다.
그림 1. Cyst/AuNP 구성 요소를 통한 암 검사를 위한 간단하고 빠른 감지 플랫폼은 두 가지 간단한 단계로 수행할 수 있습니다.
이는 그림 1에 나와 있습니다. 먼저 DNA 조각을 용해시키기 위해 수용액을 사용했습니다. 그런 다음 Cyst/AuNP를 혼합 용액에 첨가했습니다. 정상 DNA와 악성 DNA는 서로 다른 메틸화 특성을 가지므로 서로 다른 자기 조립 패턴을 갖는 DNA 단편이 생성됩니다. 정상적인 DNA는 느슨하게 응집되고 결국 Cyst/AuNP를 응집시켜 Cyst/AuNP의 적색 편이 특성을 가져오므로 빨간색에서 보라색으로 색상의 변화를 육안으로 관찰할 수 있습니다. 대조적으로, 암 DNA의 독특한 메틸화 프로필은 더 큰 DNA 단편 클러스터의 생성을 유도합니다.
96웰 플레이트의 이미지는 스마트폰 카메라를 사용하여 촬영되었습니다. 암 DNA는 분광학 기반 방법과 비교하여 기계 학습이 장착된 스마트폰으로 측정되었습니다.
실제 혈액 샘플을 이용한 암 검사
감지 플랫폼의 유용성을 확장하기 위해 연구자들은 실제 혈액 샘플에서 정상 DNA와 암성 DNA를 성공적으로 구별하는 센서를 적용했습니다. CpG 부위의 메틸화 패턴은 후생적으로 유전자 발현을 조절합니다. 거의 모든 암 유형에서 DNA 메틸화의 변화와 이에 따른 종양 형성을 촉진하는 유전자 발현의 변화가 교대로 관찰되었습니다.
DNA 메틸화와 관련된 다른 암에 대한 모델로서 연구진은 백혈병 환자와 건강한 대조군의 혈액 샘플을 사용하여 백혈병 암을 구별하는 데 있어 메틸화 환경의 효과를 조사했습니다. 이 메틸화 환경 바이오마커는 기존의 신속한 백혈병 검사 방법을 능가할 뿐만 아니라 이 간단하고 간단한 분석법을 사용하여 광범위한 암의 조기 발견으로 확장할 수 있는 가능성을 보여줍니다.
31명의 백혈병 환자와 12명의 건강한 개인의 혈액 샘플에서 DNA를 분석했습니다. 그림 2a의 상자 그림에서 볼 수 있듯이 암 샘플의 상대 흡광도(ΔA650/525)는 정상 샘플의 DNA보다 낮았습니다. 이는 주로 암 DNA의 조밀한 응집으로 이어지는 강화된 소수성으로 인해 발생했으며, 이는 Cyst/AuNP의 응집을 방지했습니다. 결과적으로, 이들 나노입자는 암 집합체의 외부 층에 완전히 분산되었으며, 이는 정상 DNA 집합체와 암 DNA 집합체에 흡착된 Cyst/AuNP의 서로 다른 분산을 초래했습니다. 그런 다음 임계값을 ΔA650/525의 최소값에서 최대값으로 변경하여 ROC 곡선을 생성했습니다.
그림 2.(a) 최적화된 조건에서 정상(파란색) DNA와 암(빨간색) DNA의 존재를 보여주는 포낭/AuNPs 용액의 상대 흡광도 값
(DA650/525) 상자 그림; (b) 진단 테스트의 ROC 분석 및 평가. (c) 정상인과 암환자의 진단을 위한 혼동행렬. (d) 개발된 방법의 민감도, 특이성, 양성 예측값(PPV), 음성 예측값(NPV) 및 정확성.
그림 2b에서 볼 수 있듯이 개발된 센서에서 얻은 ROC 곡선 아래 면적(AUC = 0.9274)은 높은 민감도와 특이성을 나타냈습니다. 상자 그림에서 볼 수 있듯이 정상 DNA 그룹을 나타내는 가장 낮은 지점은 암 DNA 그룹을 나타내는 가장 높은 지점과 잘 분리되지 않습니다. 따라서 로지스틱 회귀 분석을 사용하여 정상 그룹과 암 그룹을 구별했습니다. 일련의 독립변수가 주어지면 암이나 정상군과 같은 사건이 발생할 확률을 추정합니다. 종속변수의 범위는 0과 1 사이입니다. 따라서 결과는 확률입니다. ΔA650/525를 기반으로 암 식별 확률(P)을 다음과 같이 결정했습니다.
여기서 b=5.3533,w1=-6.965입니다. 표본 분류의 경우 확률이 0.5 미만이면 정상 표본을 나타내고 확률이 0.5 이상이면 암 표본을 나타냅니다. 그림 2c는 분류 방법의 안정성을 검증하는 데 사용된 방치형 교차 검증에서 생성된 혼동 행렬을 보여줍니다. 그림 2d는 민감도, 특이성, 양성 예측도(PPV) 및 음성 예측도(NPV)를 포함한 방법의 진단 테스트 평가를 요약합니다.
스마트폰 기반 바이오센서
분광 광도계를 사용하지 않고 샘플 테스트를 더욱 단순화하기 위해 연구원들은 인공 지능(AI)을 사용하여 용액의 색상을 해석하고 정상인과 암인을 구별했습니다. 이를 고려하여 휴대폰 카메라를 통해 촬영한 96웰 플레이트의 이미지를 사용하여 컴퓨터 비전을 사용하여 Cyst/AuNPs 용액의 색상을 정상 DNA(보라색) 또는 암성 DNA(빨간색)로 변환했습니다. 인공 지능은 광학 하드웨어 스마트폰 액세서리를 사용하지 않고도 나노입자 솔루션의 색상을 해석하는 데 비용을 절감하고 접근성을 향상시킬 수 있습니다. 마지막으로 RF(Random Forest) 및 SVM(Support Vector Machine)을 포함한 두 가지 기계 학습 모델을 훈련하여 모델을 구성했습니다. RF 및 SVM 모델 모두 90.0%의 정확도로 샘플을 양성 및 음성으로 올바르게 분류했습니다. 이는 휴대폰 기반 바이오센싱에 인공지능을 활용하는 것이 충분히 가능함을 시사한다.
그림 3.(a) 이미지 획득 단계를 위한 샘플 준비 중에 기록된 용액의 대상 클래스. (b) 이미지 수집 단계에서 촬영한 예시 이미지. (c) 이미지(b)에서 추출된 96웰 플레이트의 각 웰에 있는 낭종/AuNPs 용액의 색상 강도.
연구원들은 Cyst/AuNP를 사용하여 메틸화 지형 감지를 위한 간단한 감지 플랫폼과 백혈병 검사를 위해 실제 혈액 샘플을 사용할 때 정상 DNA와 암 DNA를 구별할 수 있는 센서를 성공적으로 개발했습니다. 개발된 센서는 실제 혈액 샘플에서 추출한 DNA가 백혈병 환자의 소량의 암 DNA(3nM)를 15분 만에 신속하고 비용 효율적으로 검출할 수 있음을 입증했으며 정확도 95.3%를 보였다. 분광광도계가 필요 없어 검체 검사를 더욱 단순화하기 위해 머신러닝을 활용해 용액의 색상을 해석하고 휴대전화 사진을 이용해 정상인과 암인을 구별했으며 정확도도 90.0%에 달했다.
참조: DOI: 10.1039/d2ra05725e
게시 시간: 2023년 2월 18일
개인정보 보호 설정