DNA 메틸화 검사와 스마트폰을 결합해 종양 조기 검진과 백혈병 검진을 정확도 90.0%로 실시합니다!

액체 생검을 이용한 암 조기 진단은 최근 미국 국립암연구소(NCI)에서 제안한 새로운 암 진단법으로, 조기 암 또는 전암성 병변을 발견하는 것을 목표로 합니다. 액체 생검은 폐암, 위장관 종양, 신경교종, 부인과 종양 등 다양한 악성 종양의 조기 진단을 위한 새로운 바이오마커로 널리 사용되고 있습니다.

메틸화 지형(Methylscape) 바이오마커를 식별하는 플랫폼의 등장은 기존의 암 조기 검진을 크게 개선하여 환자를 치료 가능한 가장 초기 단계에 놓을 수 있는 잠재력을 가지고 있습니다.

최근 연구진은 시스테아민으로 코팅된 금 나노입자(Cyst/AuNP)와 스마트폰 기반 바이오센서를 결합한 메틸화 지형 검출을 위한 간단하고 직접적인 감지 플랫폼을 개발했습니다. 이 플랫폼은 광범위한 종양의 신속한 조기 진단을 가능하게 합니다. 혈액 샘플에서 DNA를 추출한 후 15분 이내에 백혈병 조기 진단을 수행할 수 있으며, 정확도는 90.0%입니다. 논문 제목은 "시스테아민으로 코팅된 금 나노입자와 머신러닝 기반 스마트폰을 이용한 인간 혈액 내 암 DNA의 신속한 검출"입니다.

그림 1. Cyst/AuNPs 구성 요소를 통한 암 스크리닝을 위한 간단하고 빠른 감지 플랫폼은 두 가지 간단한 단계로 구현할 수 있습니다.

그림 1에 이를 나타내었습니다. 먼저, 수용액을 사용하여 DNA 단편을 용해했습니다. 그런 다음, 혼합 용액에 Cyst/AuNPs를 첨가했습니다. 정상 DNA와 악성 DNA는 서로 다른 메틸화 특성을 가지고 있어, 각기 다른 자가 조립 패턴을 가진 DNA 단편이 생성됩니다. 정상 DNA는 느슨하게 응집되다가 결국 Cyst/AuNPs와 응집됩니다. 이로 인해 Cyst/AuNPs는 적색 편이를 나타내어 육안으로도 적색에서 보라색으로 변하는 것을 관찰할 수 있습니다. 이와는 대조적으로, 암 DNA의 독특한 메틸화 특성은 더 큰 DNA 단편 클러스터를 생성합니다.

스마트폰 카메라를 사용하여 96웰 플레이트 이미지를 촬영했습니다. 암 DNA는 머신러닝 기능이 탑재된 스마트폰을 통해 측정하였으며, 분광학 기반 방법과 비교했습니다.

실제 혈액 샘플을 이용한 암 검진

감지 플랫폼의 유용성을 확장하기 위해 연구진은 실제 혈액 샘플에서 정상 DNA와 암 DNA를 성공적으로 구별하는 센서를 적용했습니다. CpG 부위의 메틸화 패턴은 유전자 발현을 후성유전학적으로 조절합니다. 거의 모든 유형의 암에서 DNA 메틸화의 변화와 종양 형성을 촉진하는 유전자의 발현 변화가 번갈아 나타나는 것으로 관찰되었습니다.

DNA 메틸화와 관련된 다른 암의 모델로서, 연구진은 백혈병 환자와 건강한 대조군의 혈액 샘플을 사용하여 백혈병 암을 감별하는 데 있어 메틸화 지형의 효과를 조사했습니다. 이 메틸화 지형 바이오마커는 기존의 신속 백혈병 선별 검사법을 능가할 뿐만 아니라, 이 간단하고 직관적인 분석법을 사용하여 다양한 암의 조기 진단으로 확장될 수 있음을 보여줍니다.

백혈병 환자 31명과 건강한 사람 12명의 혈액 샘플에서 채취한 DNA를 분석했습니다. 그림 2a의 상자 그림에서 볼 수 있듯이, 암 샘플의 상대 흡광도(ΔA650/525)는 정상 샘플의 DNA보다 낮았습니다. 이는 주로 소수성 증가로 인해 암 DNA가 밀집되어 응집되었고, 이로 인해 Cyst/AuNPs의 응집이 억제되었기 때문입니다. 결과적으로, 이러한 나노입자는 암 응집체의 외층에 완전히 분산되어 정상 DNA와 암 DNA 응집체에 흡착된 Cyst/AuNPs의 분산이 다르게 나타났습니다. 그런 다음, ΔA650/525의 최소값에서 최대값까지 임계값을 변경하여 ROC 곡선을 생성했습니다.

그림 2. (a) 최적화된 조건에서 정상(파란색)과 암(빨간색) DNA의 존재를 보여주는 낭포/AuNPs 용액의 상대 흡광도 값

(b) 상자 그림의 (DA650/525); (b) ROC 분석 및 진단 검사 평가. (c) 정상 및 암 환자 진단을 위한 혼동 행렬. (d) 개발된 방법의 민감도, 특이도, 양성 예측도(PPV), 음성 예측도(NPV) 및 정확도.

그림 2b에서 볼 수 있듯이, 개발된 센서에 대해 얻은 ROC 곡선 아래의 면적(AUC = 0.9274)은 높은 민감도와 특이도를 보였습니다. 상자 그림에서 볼 수 있듯이, 정상 DNA 군을 나타내는 가장 낮은 지점과 암 DNA 군을 나타내는 가장 높은 지점이 잘 분리되지 않았습니다. 따라서 로지스틱 회귀 분석을 사용하여 정상 군과 암 군을 구분했습니다. 독립 변수 집합이 주어지면 암 또는 정상 군과 같은 이벤트가 발생할 확률을 추정합니다. 종속 변수는 0과 1 사이의 범위입니다. 따라서 결과는 확률입니다. 다음과 같이 ΔA650/525에 기반하여 암 식별 확률(P)을 결정했습니다.

여기서 b=5.3533, w1=-6.965입니다. 표본 분류의 경우, 0.5 미만의 확률은 정상 표본을 나타내고, 0.5 이상의 확률은 암 표본을 나타냅니다. 그림 2c는 분류 방법의 안정성을 검증하기 위해 사용된 방치 교차 검증에서 생성된 혼동 행렬을 보여줍니다. 그림 2d는 민감도, 특이도, 양성 예측도(PPV), 음성 예측도(NPV)를 포함한 이 방법에 대한 진단 검사 평가를 요약합니다.

스마트폰 기반 바이오센서

분광 광도계를 사용하지 않고 샘플 검사를 더욱 단순화하기 위해 연구진은 인공지능(AI)을 사용하여 용액의 색상을 해석하고 정상 개체와 암 개체를 구분했습니다. 이를 바탕으로 컴퓨터 비전을 사용하여 낭포/금나노입자(AuNPs) 용액의 색상을 휴대전화 카메라로 촬영한 96웰 플레이트 이미지를 사용하여 정상 DNA(보라색) 또는 암 DNA(빨간색)로 변환했습니다. 인공지능은 광학 하드웨어 스마트폰 액세서리를 사용하지 않고도 나노입자 용액의 색상을 해석하는 데 비용을 절감하고 접근성을 향상시킬 수 있습니다. 마지막으로, 랜덤 포레스트(RF)와 서포트 벡터 머신(SVM)을 포함한 두 가지 머신 러닝 모델을 학습하여 모델을 구축했습니다. RF 및 SVM 모델 모두 90.0%의 정확도로 샘플을 양성 및 음성으로 정확하게 분류했습니다. 이는 휴대전화 기반 바이오센싱에 인공지능을 사용하는 것이 매우 가능하다는 것을 시사합니다.

그림 3. (a) 이미지 획득 단계를 위한 샘플 준비 중 기록된 용액의 대상 클래스. (b) 이미지 획득 단계 중 촬영한 예시 이미지. (c) 이미지(b)에서 추출한 96웰 플레이트의 각 웰에 있는 낭포/AuNPs 용액의 색 강도.

연구진은 Cyst/AuNPs를 이용하여 메틸화 지형 검출을 위한 간단한 감지 플랫폼과 백혈병 검진에 실제 혈액 샘플을 사용할 때 정상 DNA와 암 DNA를 구별할 수 있는 센서를 성공적으로 개발했습니다. 개발된 센서는 실제 혈액 샘플에서 추출한 DNA가 백혈병 환자의 소량(3nM) 암 DNA를 15분 만에 신속하고 비용 효율적으로 검출할 수 있음을 보여주었으며, 95.3%의 정확도를 보였습니다. 분광광도계가 필요 없어 샘플 검사를 더욱 간소화하기 위해 머신 러닝을 활용하여 용액의 색상을 해석하고 휴대폰 사진을 사용하여 정상인과 암 환자를 구분했으며, 정확도 또한 90.0%에 도달했습니다.

참고문헌: DOI: 10.1039/d2ra05725e