中文网站 
액체 생검을 기반으로 한 암의 조기 발견은 조기 암 또는 심지어 전암성 병변을 발견하는 것을 목표로 최근 몇 년 동안 미국 국립 암 연구소에서 제안한 암 발견 및 진단의 새로운 방향입니다.폐암, 위장관 종양, 신경아교종 및 부인과 종양을 포함한 다양한 악성 종양의 조기 진단을 위한 새로운 바이오마커로 널리 사용되었습니다.
메틸화 지형(Methylscape) 바이오마커를 식별하기 위한 플랫폼의 출현은 암에 대한 기존의 조기 스크리닝을 크게 개선하여 환자를 치료 가능한 초기 단계에 놓을 수 있는 잠재력을 가지고 있습니다.
최근 연구원들은 광범위한 종양의 신속한 조기 스크리닝을 가능하게 하는 스마트폰 기반 바이오센서와 결합된 시스테아민 장식 금 나노입자(Cyst/AuNPs)를 기반으로 하는 메틸화 지형 감지를 위한 간단하고 직접적인 감지 플랫폼을 개발했습니다.혈액 검체에서 DNA 추출 후 15분 이내에 백혈병 조기검진이 가능하며 정확도는 90.0%이다.기사 제목은 시스테아민 캡핑된 AuNP와 기계 학습 지원 스마트폰을 사용하여 인간 혈액에서 암 DNA의 신속한 검출입니다.
그림 1. Cyst/AuNPs 구성 요소를 통한 암 스크리닝을 위한 간단하고 빠른 감지 플랫폼은 두 가지 간단한 단계로 수행할 수 있습니다.
이것은 그림 1에 나와 있습니다. 먼저 수용액을 사용하여 DNA 조각을 용해했습니다.이어서 Cyst/AuNP를 혼합 용액에 첨가하였다.정상 DNA와 악성 DNA는 서로 다른 메틸화 특성을 가지므로 서로 다른 자기 조립 패턴을 가진 DNA 조각이 생성됩니다.정상적인 DNA는 느슨하게 뭉쳐져 결국에는 Cyst/AuNPs를 뭉치게 하여 Cyst/AuNPs의 적색 편이 특성을 나타내어 빨간색에서 보라색으로 변하는 것을 육안으로 관찰할 수 있습니다.대조적으로, 암 DNA의 독특한 메틸화 프로필은 더 큰 DNA 조각 클러스터를 생성합니다.
스마트폰 카메라를 사용하여 96웰 플레이트의 이미지를 촬영했습니다.암 DNA는 분광학 기반 방법과 비교하여 기계 학습이 장착된 스마트폰으로 측정되었습니다.
실제 혈액 샘플에서 암 스크리닝
감지 플랫폼의 유용성을 확장하기 위해 연구자들은 실제 혈액 샘플에서 정상 DNA와 암 DNA를 성공적으로 구별하는 센서를 적용했습니다.CpG 사이트의 메틸화 패턴은 유전자 발현을 후성적으로 조절합니다.거의 모든 암 유형에서 DNA 메틸화의 변화와 이에 따른 종양 형성을 촉진하는 유전자 발현의 변화가 교대로 관찰되었습니다.
DNA 메틸화와 관련된 다른 암의 모델로서 연구자들은 백혈병 환자와 건강한 대조군의 혈액 샘플을 사용하여 백혈병 암을 구별하는 데 있어 메틸화 환경의 효과를 조사했습니다.이 메틸화 지형 바이오마커는 기존의 빠른 백혈병 스크리닝 방법을 능가할 뿐만 아니라 이 간단하고 간단한 분석을 사용하여 광범위한 암의 조기 발견으로 확장할 수 있는 가능성을 보여줍니다.
31명의 백혈병 환자와 12명의 건강한 개인의 혈액 샘플에서 DNA를 분석했습니다.그림 2a의 박스 플롯에서 볼 수 있듯이 암 샘플의 상대 흡광도(ΔA650/525)는 정상 샘플의 DNA보다 낮았습니다.이것은 주로 Cyst/AuNPs의 응집을 방지하는 암 DNA의 조밀한 응집으로 이어지는 강화된 소수성 때문이었습니다.그 결과, 이들 나노입자는 암 응집체의 외층에 완전히 분산되었고, 이는 정상 DNA 응집체와 암 DNA 응집체에 흡착된 Cyst/AuNPs의 분산이 다르게 나타났다.그런 다음 ΔA650/525의 최소값에서 최대값까지 임계값을 변경하여 ROC 곡선을 생성했습니다.
그림 2.(a) 최적화된 조건에서 정상(파란색) 및 암(빨간색) DNA의 존재를 보여주는 낭종/AuNPs 용액의 상대 흡광도 값
(DA650/525) 박스 플롯;(b) 진단 테스트의 ROC 분석 및 평가.(c) 정상 환자와 암 환자의 진단을 위한 혼동 매트릭스.(d) 개발된 방법의 민감도, 특이도, 양성 예측값(PPV), 음성 예측값(NPV) 및 정확도.
그림 2b에서 볼 수 있듯이 개발된 센서에 대해 얻은 ROC 곡선 아래 면적(AUC = 0.9274)은 높은 민감도와 특이도를 나타냈습니다.박스 플롯에서 알 수 있듯이 정상 DNA 그룹을 나타내는 가장 낮은 지점과 암 DNA 그룹을 나타내는 가장 높은 지점이 잘 구분되지 않습니다.따라서 로지스틱 회귀를 사용하여 정상 그룹과 암 그룹을 구별했습니다.일련의 독립 변수가 주어지면 암 또는 정상 그룹과 같은 이벤트 발생 확률을 추정합니다.종속 변수의 범위는 0과 1 사이입니다. 따라서 결과는 확률입니다.다음과 같이 ΔA650/525를 기반으로 암 식별 확률(P)을 결정했습니다.
여기서 b=5.3533,w1=-6.965.표본 분류의 경우, 0.5 미만의 확률은 정상 표본을 나타내고 0.5 이상의 확률은 암 표본을 나타냅니다.그림 2c는 분류 방법의 안정성을 검증하는 데 사용된 leave-it-alone 교차 검증에서 생성된 혼동 행렬을 보여줍니다.그림 2d는 민감도, 특이도, 양성 예측값(PPV) 및 음성 예측값(NPV)을 포함한 방법의 진단 검사 평가를 요약한 것입니다.
스마트폰 기반 바이오센서
분광 광도계를 사용하지 않고 샘플 테스트를 더욱 단순화하기 위해 연구자들은 인공 지능(AI)을 사용하여 용액의 색상을 해석하고 정상인과 암 환자를 구별했습니다.이를 고려하여 휴대폰 카메라를 통해 촬영한 96웰 플레이트 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 나노 입자 솔루션의 색상을 해석할 때 비용을 줄이고 접근성을 향상시킬 수 있습니다.마지막으로 RF(Random Forest)와 SVM(Support Vector Machine)을 포함한 두 가지 기계 학습 모델을 학습하여 모델을 구성했습니다.RF 및 SVM 모델 모두 샘플을 90.0%의 정확도로 양성 및 음성으로 올바르게 분류했습니다.이는 휴대폰 기반 바이오센싱에 인공지능 활용이 충분히 가능함을 시사한다.
그림 3.(a) 이미지 획득 단계를 위한 샘플 준비 중에 기록된 솔루션의 대상 클래스.(b) 이미지 수집 단계에서 촬영한 예제 이미지입니다.(c) 이미지(b)에서 추출한 96웰 플레이트의 각 웰에서 낭종/AuNPs 용액의 색상 강도.
연구원들은 Cyst/AuNP를 사용하여 메틸화 지형 감지를 위한 간단한 감지 플랫폼과 백혈병 검사를 위해 실제 혈액 샘플을 사용할 때 암 DNA와 정상 DNA를 구별할 수 있는 센서를 성공적으로 개발했습니다.개발된 센서는 실제 혈액 샘플에서 추출한 DNA가 백혈병 환자의 소량의 암 DNA(3nM)를 15분 만에 빠르고 비용 효율적으로 검출할 수 있음을 입증했으며 정확도는 95.3%를 보였다.분광광도계의 필요성을 없애 검체 검사를 더욱 단순화하기 위해 머신러닝을 활용해 용액의 색상을 해석하고 휴대폰 사진을 이용해 정상인과 암인을 구분했으며 정확도도 90.0%를 달성했다.
참조: DOI: 10.1039/d2ra05725e
게시 시간: 2023년 2월 18일