.
திரவ பயாப்ஸியை அடிப்படையாகக் கொண்ட புற்றுநோயை முன்கூட்டியே கண்டறிதல் என்பது சமீபத்திய ஆண்டுகளில் அமெரிக்க தேசிய புற்றுநோய் நிறுவனம் முன்மொழியப்பட்ட புற்றுநோய் கண்டறிதல் மற்றும் நோயறிதலின் ஒரு புதிய திசையாகும், ஆரம்பகால புற்றுநோய் அல்லது முன்கூட்டிய புண்களைக் கண்டறியும் நோக்கத்துடன். நுரையீரல் புற்றுநோய், இரைப்பை குடல் கட்டிகள், க்ளியோமாஸ் மற்றும் மகளிர் மருத்துவக் கட்டிகள் உள்ளிட்ட பல்வேறு குறைபாடுகளை முன்கூட்டியே கண்டறிவதற்கு இது ஒரு நாவல் பயோமார்க்ஸராக பரவலாகப் பயன்படுத்தப்படுகிறது.
மெத்திலேஷன் நிலப்பரப்பு (மெத்தில்ஸ்கேப்) பயோமார்க்ஸர்களை அடையாளம் காண தளங்களின் தோற்றம் புற்றுநோய்க்கான ஆரம்பகால திரையிடலை கணிசமாக மேம்படுத்தும் ஆற்றலைக் கொண்டுள்ளது, இது நோயாளிகளை ஆரம்ப சிகிச்சையளிக்கக்கூடிய கட்டத்தில் வைக்கிறது.
சமீபத்தில், ஆராய்ச்சியாளர்கள் ஸ்மார்டெமைன் அலங்கரிக்கப்பட்ட தங்க நானோ துகள்கள் (நீர்க்கட்டி/AUNP கள்) அடிப்படையில் மெத்திலேஷன் நிலப்பரப்பு கண்டறிதலுக்கான எளிய மற்றும் நேரடி உணர்திறன் தளத்தை உருவாக்கியுள்ளனர். இரத்த மாதிரியிலிருந்து டி.என்.ஏ பிரித்தெடுத்த பிறகு 15 நிமிடங்களுக்குள் லுகேமியாவிற்கான ஆரம்ப ஸ்கிரீனிங் செய்ய முடியும், 90.0%துல்லியத்துடன். கட்டுரை தலைப்பு சிஸ்டமைன்-மூடிய AUNP கள் மற்றும் இயந்திர கற்றல்-இயக்கப்பட்ட ஸ்மார்ட்போனைப் பயன்படுத்தி மனித இரத்தத்தில் புற்றுநோய் டி.என்.ஏவை விரைவாகக் கண்டறிதல் ஆகும்
படம் 1. நீர்க்கட்டி/AUNPS கூறுகள் வழியாக புற்றுநோய் பரிசோதனைக்கான எளிய மற்றும் வேகமான உணர்திறன் தளத்தை இரண்டு எளிய படிகளில் நிறைவேற்ற முடியும்.
இது படம் 1 இல் காட்டப்பட்டுள்ளது. முதலில், டி.என்.ஏ துண்டுகளை கரைக்க ஒரு நீர்வாழ் தீர்வு பயன்படுத்தப்பட்டது. கலப்பு கரைசலில் நீர்க்கட்டி/AUNP கள் சேர்க்கப்பட்டன. இயல்பான மற்றும் வீரியம் மிக்க டி.என்.ஏ வெவ்வேறு மெத்திலேஷன் பண்புகளைக் கொண்டுள்ளது, இதன் விளைவாக டி.என்.ஏ துண்டுகள் வெவ்வேறு சுய-அசெம்பிளி வடிவங்களைக் கொண்டுள்ளன. சாதாரண டி.என்.ஏ தளர்வாக ஒருங்கிணைக்கிறது மற்றும் இறுதியில் நீர்க்கட்டி/AUNP களைத் திரட்டுகிறது, இதன் விளைவாக நீர்க்கட்டி/AUNP களின் சிவப்பு மாற்றப்பட்ட தன்மை ஏற்படுகிறது, இதனால் சிவப்பு முதல் ஊதா வரை நிறத்தில் மாற்றத்தை நிர்வாணக் கண்ணால் காணலாம். இதற்கு நேர்மாறாக, புற்றுநோய் டி.என்.ஏவின் தனித்துவமான மெத்திலேஷன் சுயவிவரம் டி.என்.ஏ துண்டுகளின் பெரிய கொத்துக்களின் உற்பத்திக்கு வழிவகுக்கிறது.
ஸ்மார்ட்போன் கேமராவைப் பயன்படுத்தி 96 கிணறு தகடுகளின் படங்கள் எடுக்கப்பட்டன. ஸ்பெக்ட்ரோஸ்கோபி அடிப்படையிலான முறைகளுடன் ஒப்பிடும்போது இயந்திர கற்றல் பொருத்தப்பட்ட ஸ்மார்ட்போன் மூலம் புற்றுநோய் டி.என்.ஏ அளவிடப்பட்டது.
உண்மையான இரத்த மாதிரிகளில் புற்றுநோய் பரிசோதனை
உணர்திறன் தளத்தின் பயன்பாட்டை நீட்டிக்க, புலனாய்வாளர்கள் ஒரு சென்சாரைப் பயன்படுத்தினர், இது உண்மையான இரத்த மாதிரிகளில் இயல்பான மற்றும் புற்றுநோய் டி.என்.ஏவுக்கு இடையில் வெற்றிகரமாக வேறுபடுகிறது. சிபிஜி தளங்களில் மெத்திலேஷன் வடிவங்கள் மரபணு வெளிப்பாட்டை எபிஜெனெட்டிகல் முறையில் கட்டுப்படுத்துகின்றன. ஏறக்குறைய அனைத்து புற்றுநோய் வகைகளிலும், டி.என்.ஏ மெத்திலேஷனில் மாற்றங்கள் மற்றும் டூமோரிஜெனெசிஸை ஊக்குவிக்கும் மரபணுக்களின் வெளிப்பாட்டில் மாற்றாக காணப்படுகின்றன.
டி.என்.ஏ மெத்திலேஷனுடன் தொடர்புடைய பிற புற்றுநோய்களுக்கான மாதிரியாக, ஆராய்ச்சியாளர்கள் லுகேமியா நோயாளிகளிடமிருந்து இரத்த மாதிரிகள் மற்றும் ஆரோக்கியமான கட்டுப்பாடுகளைப் பயன்படுத்தி லுகேமிக் புற்றுநோய்களை வேறுபடுத்துவதில் மெத்திலேஷன் நிலப்பரப்பின் செயல்திறனை ஆராய பயன்படுத்தினர். இந்த மெத்திலேஷன் லேண்ட்ஸ்கேப் பயோமார்க்கர் தற்போதுள்ள விரைவான லுகேமியா ஸ்கிரீனிங் முறைகளை விஞ்சும் மட்டுமல்லாமல், இந்த எளிய மற்றும் நேரடியான மதிப்பீட்டைப் பயன்படுத்தி பரந்த அளவிலான புற்றுநோய்களை முன்கூட்டியே கண்டறிவதற்கான சாத்தியக்கூறுகளையும் நிரூபிக்கிறது.
31 லுகேமியா நோயாளிகள் மற்றும் 12 ஆரோக்கியமான நபர்களிடமிருந்து இரத்த மாதிரிகளிலிருந்து டி.என்.ஏ பகுப்பாய்வு செய்யப்பட்டது. படம் 2A இல் உள்ள பெட்டி சதித்திட்டத்தில் காட்டப்பட்டுள்ளபடி, புற்றுநோய் மாதிரிகளின் (ΔA650/525) ஒப்பீட்டு உறிஞ்சுதல் சாதாரண மாதிரிகளிலிருந்து டி.என்.ஏவை விட குறைவாக இருந்தது. இது முக்கியமாக புற்றுநோய் டி.என்.ஏவின் அடர்த்தியான திரட்டலுக்கு வழிவகுக்கும் மேம்பட்ட ஹைட்ரோபோபசிட்டி காரணமாக இருந்தது, இது நீர்க்கட்டி/AUNP களை திரட்டுவதைத் தடுத்தது. இதன் விளைவாக, இந்த நானோ துகள்கள் புற்றுநோய் திரட்டிகளின் வெளிப்புற அடுக்குகளில் முற்றிலுமாக சிதறடிக்கப்பட்டன, இதன் விளைவாக சாதாரண மற்றும் புற்றுநோய் டி.என்.ஏ திரட்டிகளில் உறிஞ்சப்பட்ட நீர்க்கட்டி/AUNPS இன் வேறுபட்ட சிதறல்கள் ஏற்பட்டன. ROC வளைவுகள் பின்னர் ΔA650/525 இன் குறைந்தபட்ச மதிப்பிலிருந்து அதிகபட்ச மதிப்புக்கு வாசலை மாற்றுவதன் மூலம் உருவாக்கப்பட்டன.
படம் 2. (அ) உகந்த நிலைமைகளின் கீழ் சாதாரண (நீலம்) மற்றும் புற்றுநோய் (சிவப்பு) டி.என்.ஏ ஆகியவற்றின் இருப்பைக் காட்டும் நீர்க்கட்டி/AUNPS தீர்வுகளின் ஒப்பீட்டு உறிஞ்சுதல் மதிப்புகள்
(DA650/525) பெட்டி அடுக்குகளின்; (ஆ) கண்டறியும் சோதனைகளின் ROC பகுப்பாய்வு மற்றும் மதிப்பீடு. (இ) சாதாரண மற்றும் புற்றுநோய் நோயாளிகளைக் கண்டறிவதற்கான குழப்ப மேட்ரிக்ஸ். (ஈ) உணர்திறன், விவரக்குறிப்பு, நேர்மறை முன்கணிப்பு மதிப்பு (பிபிவி), எதிர்மறை முன்கணிப்பு மதிப்பு (என்.பி.வி) மற்றும் வளர்ந்த முறையின் துல்லியம்.
படம் 2 பி இல் காட்டப்பட்டுள்ளபடி, வளர்ந்த சென்சாருக்கு பெறப்பட்ட ROC வளைவின் (AUC = 0.9274) கீழ் உள்ள பகுதி அதிக உணர்திறன் மற்றும் தனித்துவத்தைக் காட்டியது. பெட்டி சதித்திட்டத்திலிருந்து பார்க்கக்கூடியது போல, சாதாரண டி.என்.ஏ குழுவைக் குறிக்கும் மிகக் குறைந்த புள்ளி புற்றுநோய் டி.என்.ஏ குழுவைக் குறிக்கும் மிக உயர்ந்த புள்ளியிலிருந்து நன்கு பிரிக்கப்படவில்லை; எனவே, சாதாரண மற்றும் புற்றுநோய் குழுக்களுக்கு இடையில் வேறுபடுவதற்கு லாஜிஸ்டிக் பின்னடைவு பயன்படுத்தப்பட்டது. சுயாதீன மாறிகளின் தொகுப்பைக் கருத்தில் கொண்டு, புற்றுநோய் அல்லது சாதாரண குழு போன்ற நிகழ்வின் நிகழ்தகவை இது மதிப்பிடுகிறது. சார்பு மாறி 0 மற்றும் 1 க்கு இடையில் இருக்கும். இதன் விளைவாக ஒரு நிகழ்தகவு. ΔA650/525 ஐ அடிப்படையாகக் கொண்ட புற்றுநோய் அடையாளம் (பி) நிகழ்தகவை பின்வருமாறு தீர்மானித்தோம்.
எங்கே b = 5.3533, W1 = -6.965. மாதிரி வகைப்பாட்டிற்கு, 0.5 க்கும் குறைவான நிகழ்தகவு ஒரு சாதாரண மாதிரியைக் குறிக்கிறது, அதே நேரத்தில் 0.5 அல்லது அதற்கு மேற்பட்ட நிகழ்தகவு புற்றுநோய் மாதிரியைக் குறிக்கிறது. படம் 2 சி விடுப்பு-அது தனியாக குறுக்கு சரிபார்ப்பிலிருந்து உருவாக்கப்பட்ட குழப்ப மேட்ரிக்ஸை சித்தரிக்கிறது, இது வகைப்பாடு முறையின் ஸ்திரத்தன்மையை சரிபார்க்க பயன்படுத்தப்பட்டது. உணர்திறன், விவரக்குறிப்பு, நேர்மறை முன்கணிப்பு மதிப்பு (பிபிவி) மற்றும் எதிர்மறை முன்கணிப்பு மதிப்பு (NPV) உள்ளிட்ட முறையின் கண்டறியும் சோதனை மதிப்பீட்டை படம் 2D சுருக்கமாகக் கூறுகிறது.
ஸ்மார்ட்போன் அடிப்படையிலான பயோசென்சர்கள்
ஸ்பெக்ட்ரோஃபோட்டோமீட்டர்களைப் பயன்படுத்தாமல் மாதிரி சோதனையை மேலும் எளிமைப்படுத்த, ஆராய்ச்சியாளர்கள் தீர்வின் நிறத்தை விளக்குவதற்கும் சாதாரண மற்றும் புற்றுநோய் நபர்களுக்கு இடையில் வேறுபடுவதற்கும் செயற்கை நுண்ணறிவை (AI) பயன்படுத்தினர். இதைக் கருத்தில் கொண்டு, மொபைல் போன் கேமரா மூலம் எடுக்கப்பட்ட 96 கிணறு தகடுகளின் படங்களைப் பயன்படுத்தி நீர்க்கட்டி/AUNPS கரைசலின் நிறத்தை சாதாரண டி.என்.ஏ (ஊதா) அல்லது புற்றுநோய் டி.என்.ஏ (சிவப்பு) என மொழிபெயர்க்க கணினி பார்வை பயன்படுத்தப்பட்டது. செயற்கை நுண்ணறிவு செலவுகளைக் குறைத்து, நானோ துகள்கள் தீர்வுகளின் நிறத்தை விளக்குவதில் அணுகலை மேம்படுத்தலாம், மேலும் எந்த ஆப்டிகல் வன்பொருள் ஸ்மார்ட்போன் பாகங்கள் பயன்படுத்தாமல். இறுதியாக, ரேண்டம் ஃபாரஸ்ட் (ஆர்.எஃப்) மற்றும் ஆதரவு திசையன் இயந்திரம் (எஸ்.வி.எம்) உள்ளிட்ட இரண்டு இயந்திர கற்றல் மாதிரிகள் மாதிரிகளை உருவாக்க பயிற்சி பெற்றன. RF மற்றும் SVM மாதிரிகள் இரண்டும் மாதிரிகளை நேர்மறை மற்றும் எதிர்மறை என 90.0%துல்லியத்துடன் சரியாக வகைப்படுத்தின. மொபைல் போன் அடிப்படையிலான பயோசென்சிங்கில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவது மிகவும் சாத்தியமானது என்று இது அறிவுறுத்துகிறது.
படம் 3. (அ) பட கையகப்படுத்தல் படிக்கு மாதிரி தயாரிக்கும் போது பதிவுசெய்யப்பட்ட தீர்வின் இலக்கு வகுப்பு. (ஆ) பட கையகப்படுத்தல் படியின் போது எடுக்கப்பட்ட எடுத்துக்காட்டு படம். .
நீர்க்கட்டி/AUNP களைப் பயன்படுத்தி, ஆராய்ச்சியாளர்கள் மெத்திலேஷன் நிலப்பரப்பு கண்டறிதலுக்கான எளிய உணர்திறன் தளத்தையும், லுகேமியா ஸ்கிரீனிங்கிற்கு உண்மையான இரத்த மாதிரிகளைப் பயன்படுத்தும் போது புற்றுநோய் டி.என்.ஏவிலிருந்து சாதாரண டி.என்.ஏவை வேறுபடுத்தும் திறன் கொண்ட ஒரு சென்சாரையும் வெற்றிகரமாக உருவாக்கியுள்ளனர். உண்மையான இரத்த மாதிரிகளிலிருந்து பிரித்தெடுக்கப்பட்ட டி.என்.ஏ 15 நிமிடங்களில் லுகேமியா நோயாளிகளில் சிறிய அளவிலான புற்றுநோய் டி.என்.ஏ (3 என்.எம்) ஐ விரைவாகவும் செலவழிப்பதாகவும் கண்டறிய முடிந்தது, மேலும் 95.3%துல்லியத்தைக் காட்டியது. ஸ்பெக்ட்ரோஃபோட்டோமீட்டரின் தேவையை நீக்குவதன் மூலம் மாதிரி சோதனையை மேலும் எளிமைப்படுத்த, தீர்வின் நிறத்தை விளக்குவதற்கும், மொபைல் போன் புகைப்படத்தைப் பயன்படுத்தி இயல்பான மற்றும் புற்றுநோய் நபர்களிடையே வேறுபடுவதற்கும் இயந்திர கற்றல் பயன்படுத்தப்பட்டது, மேலும் துல்லியத்தையும் 90.0%ஆக அடைய முடிந்தது.
குறிப்பு: doi: 10.1039/d2ra05725e
இடுகை நேரம்: பிப்ரவரி -18-2023
தனியுரிமை அமைப்புகள்