中文网站 
リキッドバイオプシーに基づくがんの早期発見は、米国国立がん研究所が近年提案したがんの発見と診断の新しい方向性であり、早期がんや前がん病変さえも検出することを目的としています。肺がん、消化器腫瘍、神経膠腫、婦人科腫瘍など、さまざまな悪性腫瘍の早期診断のための新しいバイオマーカーとして広く使用されています。
メチル化ランドスケープ (Methylscape) バイオマーカーを特定するためのプラットフォームの出現により、既存のがんの早期スクリーニングが大幅に改善され、患者が治療可能な最も初期の段階に置かれる可能性があります。
最近、研究者は、広範囲の腫瘍の迅速な早期スクリーニングを可能にするスマートフォンベースのバイオセンサーと組み合わせた、システアミン修飾金ナノ粒子 (Cyst/AuNP) に基づくメチル化ランドスケープ検出のためのシンプルで直接的なセンシングプラットフォームを開発しました。白血病の早期スクリーニングは、血液サンプルからの DNA 抽出後 15 分以内に、90.0% の精度で実行できます。記事のタイトルは、システアミンでキャップされた AuNP と機械学習対応のスマートフォンを使用したヒト血液中のがん DNA の迅速な検出です。
図 1.Cyst/AuNPs コンポーネントを介した癌スクリーニングのためのシンプルで高速なセンシング プラットフォームは、2 つの簡単な手順で実現できます。
これを図 1 に示します。まず、水溶液を使用して DNA フラグメントを溶解しました。Cyst/AuNPs は、混合溶液に追加されました。正常な DNA と悪性の DNA は異なるメチル化特性を持っているため、異なる自己組織化パターンを持つ DNA フラグメントが生成されます。通常の DNA は緩く凝集し、最終的に Cyst/AuNPs を凝集させ、Cyst/AuNPs の赤方偏移の性質をもたらし、赤から紫への色の変化を肉眼で観察することができます。対照的に、がん DNA のユニークなメチル化プロファイルは、DNA 断片のより大きなクラスターの生成につながります。
96 ウェル プレートの画像は、スマートフォンのカメラを使用して撮影されました。がんDNAは、分光法に基づく方法と比較して、機械学習を搭載したスマートフォンによって測定されました。
本物の血液サンプルでのがんスクリーニング
センシング プラットフォームの有用性を拡張するために、研究者は、実際の血液サンプルで正常な DNA と癌性 DNA を正常に区別するセンサーを適用しました。CpG 部位のメチル化パターンは、エピジェネティックに遺伝子発現を調節します。ほとんどすべての種類のがんで、DNA メチル化の変化、したがって腫瘍形成を促進する遺伝子の発現の変化が観察されています。
DNAメチル化に関連する他のがんのモデルとして、研究者らは白血病患者と健常対照者からの血液サンプルを使用して、白血病がんの鑑別におけるメチル化ランドスケープの有効性を調査しました。このメチル化ランドスケープ バイオマーカーは、既存の迅速な白血病スクリーニング法よりも優れているだけでなく、このシンプルで直接的なアッセイを使用して広範囲の癌の早期発見に拡張できる可能性も示しています。
31 人の白血病患者と 12 人の健康な個人からの血液サンプルからの DNA が分析されました。図 2a のボックス プロットに示すように、がんサンプルの相対吸光度 (ΔA650/525) は、正常サンプルの DNA よりも低かった。これは主に、癌DNAの密な凝集につながる疎水性の強化によるもので、Cyst / AuNPの凝集を防ぎました。その結果、これらのナノ粒子は癌凝集体の外層に完全に分散し、正常および癌 DNA 凝集体に吸着した Cyst/AuNP の分散が異なりました。次いで、ΔＡ６５０／５２５の最小値から最大値まで閾値を変化させることによって、ＲＯＣ曲線を作成した。
図 2.(a) 最適化された条件下での正常 (青) および癌 (赤) DNA の存在を示す嚢胞/AuNPs 溶液の相対吸光度値
(DA650/525) のボックス プロット。(b) 診断テストの ROC 分析と評価。(c) 正常患者と癌患者の診断のための混同マトリックス。(d) 感度、特異度、陽性適中率 (PPV)、陰性適中率 (NPV)、および開発された方法の精度。
図 2b に示すように、開発したセンサーで得られた ROC 曲線 (AUC = 0.9274) の下の領域は、高い感度と特異性を示しました。ボックス プロットからわかるように、正常な DNA グループを表す最低点は、がん DNA グループを表す最高点から十分に分離されていません。したがって、ロジスティック回帰を使用して、正常なグループと癌のグループを区別しました。一連の独立変数が与えられると、がんや正常なグループなどのイベントが発生する確率が推定されます。従属変数の範囲は 0 ～ 1 です。したがって、結果は確率になります。ΔA650/525 に基づいて、次のように癌の同定確率 (P) を決定しました。
ここで、b=5.3533、w1=-6.965 です。サンプル分類では、0.5 未満の確率は正常サンプルを示し、0.5 以上の確率は癌サンプルを示します。図 2c は、分類方法の安定性を検証するために使用された、そのままにしておく交差検証から生成された混同行列を示しています。図 2d は、感度、特異性、陽性適中率 (PPV)、陰性適中率 (NPV) を含む、この方法の診断テスト評価をまとめたものです。
スマートフォンベースのバイオセンサー
分光光度計を使用せずにサンプル検査をさらに簡素化するために、研究者は人工知能 (AI) を使用して溶液の色を解釈し、正常な個人と癌の個人を区別しました。これを考慮して、コンピューター ビジョンを使用して、携帯電話のカメラで撮影した 96 ウェル プレートの画像を使用して、Cyst/AuNPs 溶液の色を正常な DNA (紫) または癌性 DNA (赤) に変換しました。人工知能は、光学ハードウェア スマートフォン アクセサリを使用せずに、ナノ粒子溶液の色を解釈する際のコストを削減し、アクセシビリティを向上させることができます。最後に、ランダム フォレスト (RF) とサポート ベクター マシン (SVM) を含む 2 つの機械学習モデルをトレーニングして、モデルを構築しました。RF モデルと SVM モデルの両方が、90.0% の精度でサンプルを正と負に正しく分類しました。これは、携帯電話ベースのバイオセンシングにおける人工知能の使用が十分に可能であることを示唆しています。
図 3.(a) 画像取得ステップのサンプルの準備中に記録されたソリューションのターゲット クラス。(b) 画像取得ステップ中に撮影された画像の例。(c) 画像 (b) から抽出された 96 ウェル プレートの各ウェルのシスト/AuNPs 溶液の色強度。
研究者は Cyst/AuNP を使用して、メチル化ランドスケープを検出するためのシンプルなセンシング プラットフォームと、白血病スクリーニングに実際の血液サンプルを使用する際に正常な DNA とがん DNA を区別できるセンサーの開発に成功しました。開発されたセンサーは、実際の血液サンプルから抽出された DNA が、白血病患者の少量のがん DNA (3nM) を 15 分で迅速かつ費用対効果の高い方法で検出できることを実証し、95.3% の精度を示しました。分光光度計を不要にすることでサンプル検査をさらに簡素化するために、機械学習を使用して溶液の色を解釈し、携帯電話の写真を使用して正常な個人と癌の個人を区別し、精度も 90.0% で達成することができました。
参照: DOI: 10.1039/d2ra05725e
投稿時間: 2023 年 2 月 18 日