DNA Methylation Testing သည်အကျိတ်များနှင့်သွေးကင်ဆာရောဂါစစ်ဆေးခြင်းကိုစောစီးစွာစစ်ဆေးခြင်းနှင့်အတူ 90.0% ၏တိကျမှန်ကန်မှုကိုစစ်ဆေးခြင်းအတွက်စမတ်ဖုန်းများနှင့်ပေါင်းစပ်ထားသည်။

Biopsy အရည်ကို အခြေခံ. ကင်ဆာရောဂါကိုအခြေခံသည်မကြာသေးမီနှစ်များအတွင်းအမေရိကန်အမျိုးသားကင်ဆာဌာနမှအဆိုပြုထားသောကင်ဆာရှာဖွေရေးနှင့်ရောဂါရှာဖွေရေးလမ်းကြောင်းသစ်ဖြစ်သည်။ ၎င်းသည်အဆုတ်ကင်ဆာ, အစာအိမ်ကင်ဆာ, အစာအိမ်ကင်ဆာ, Gastroincinal Cumers, Gliomas နှင့် Gliomas နှင့် Gynecological Cunors တို့အပါအ 0 င်သွေးကင်ဆာများစောစောစီးစီးရှာဖွေတွေ့ရှိခြင်းအတွက် biomarker အသစ်ကိုကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုခဲ့သည်။

methylation ရှုခင်း (methylscape) biomarkers ကိုဖော်ထုတ်ရန်ပလက်ဖောင်းပေါ်ပေါက်လာရန်ပလက်ဖောင်းများပေါ်ပေါက်လာခြင်း (methylscape) biomarkers များကိုသိသိသာသာတိုးတက်စေရန်အလားအလာရှိသည်။

မကြာသေးမီကသုတေသီများသည်ရည်းစားဟောင်းအသရေပြားများနှင့်အတူစမတ်ဖုန်းအခြေစိုက် Biosensor ကို cystamine အလှဆင်ထားသောရွှေနုတ်ပြင်တွင်ရှိသော cystamine ရွှေရောင် nanopartarts (cyst / Aunps) ကို အခြေခံ. MetalSty-Aunps) ကို အခြေခံ. MetalSt / Aunps များ) ကိုရိုးရိုးရှင်းရှင်းနှင့်အတူရိုးရိုးရှင်းရှင်းနှင့်တိုက်ရိုက်အာရုံခံပလက်ဖောင်းများတီထွင်ထုတ်လုပ်နိုင်ခဲ့သည်။ သွေးကင်ဆာအတွက်သွေးကင်ဆာကိုစောစီးစွာစစ်ဆေးခြင်းသည် DNA ၏သွေးနမူနာကိုထုတ်ယူပြီးနောက် (150.0%) ၏တိကျမှန်ကန်မှုနှင့်အတူ 15 မိနစ်အတွင်းတွင်ပြသနိုင်သည်။ ဆောင်းပါးခေါင်းစဉ်သည် Cystamine-Caped Aunps နှင့် Machining-Enable-enabled စမတ်ဖုန်းကိုအသုံးပြုသောကင်ဆာ DNA ကိုလူ့သွေးထဲတွင်လျင်မြန်စွာရှာဖွေတွေ့ရှိသည်။

ပုံ 1 ။ Cyst / Aunps အစိတ်အပိုင်းများမှတစ်ဆင့်ကင်ဆာစစ်ဆေးခြင်းအတွက်ရိုးရှင်းသောနှင့်အမြန်အာရုံခံပလက်ဖောင်းတစ်ခုသည်ရိုးရှင်းသောအဆင့်နှစ်ခုဖြင့်ပြီးမြောက်နိုင်သည်။

ဒီပုံ 1 မှာပြထားတယ်။ ပထမ ဦး စွာ DNA အပိုင်းအစများကိုဖျက်သိမ်းရန်ပထမ ဦး စွာ aqueous ဖြေရှင်းချက်ကိုအသုံးပြုခဲ့သည်။ Cyst / Aunps ထို့နောက်ရောနှောဖြေရှင်းချက်မှထည့်သွင်းခဲ့ကြသည်။ ပုံမှန်နှင့်ကင်ဆာ DNA တွင်မတူညီသော methylation ဂုဏ်သတ္တိများရှိသည်။ ပုံမှန် DNA သည်ထိထိရောက်ရောက်ချွေတာစွာစုစည်းပြီး Cyst / Aunps ကိုစုစည်းထားပြီးအနီသည်အနီရောင်မှအရောင်ပြောင်းသွားသောအရောင်ပြောင်းလဲမှုတစ်ခုဖြစ်သောကြောင့်မျက်လုံးများကိုအ 0 တ်အထည်ဖြင့်ကြည့်ရှုနိုင်သည်။ ဆန့်ကျင်ဘက်အနေဖြင့်ကင်ဆာသောကင်ဆာရောဂါ၏ထူးခြားသော methylation ပရိုဖိုင်းသည် DNA အပိုင်းအစများထုတ်လုပ်မှုပိုမိုများပြားစေသည်။

စမတ်ဖုန်းကင်မရာကို သုံး. 96 ရေပန်းစားသောသံမဏိများကိုအသုံးပြုထားသည်။ Spectroscopy-based နည်းစနစ်များနှင့်နှိုင်းယှဉ်လျှင်စက်ပစ္စည်းလေ့လာမှုတပ်ဆင်ထားသောစမတ်ဖုန်းဖြင့်ကင်ဆာ DNA ကိုတိုင်းတာသည်။

အစစ်အမှန်သွေးနမူနာများတွင်ကင်ဆာစစ်ဆေးခြင်း

အာရုံခံပလက်ဖောင်း၏အသုံး 0 င်မှုများကိုတိုးချဲ့ရန်စုံစမ်းစစ်ဆေးသူများသည်သွေးနမူနာများတွင်ပုံမှန်နှင့်ကင်ဆာရောဂါဆိုင်ရာဒီအင်အေကိုအောင်မြင်စွာခွဲခြားနိုင်သည့်အာရုံခံကိရိယာကိုအသုံးပြုခဲ့သည်။ CPG ဆိုဒ်များရှိ Methylation ပုံစံများသည်မျိုးရိုးဗီဇစကားရပ်ကိုထိန်းညှိပေးသည်။ ကင်ဆာရောဂါအားလုံးနီးပါးတွင် DNA methylation ပြောင်းလဲခြင်းနှင့်ထို့ကြောင့် Tumourigenesis ကိုမြှင့်တင်ရန်မျိုးရိုးဗီဇ၏ဖော်ပြချက်အရအခြားအရာတစ်ခုသို့ပြောင်းလဲသွားခဲ့သည်။

DNA Methylation နှင့်ဆက်စပ်သောအခြားကင်ဆာများအတွက်သုတေသီများသည် Leukemic Cancers များနှင့်ကွဲပြားခြားနားသော methylation ရှုခင်းများကိုစုံစမ်းစစ်ဆေးရန်သွေးကင်ဆာလူနာများနှင့်ကျန်းမာသောထိန်းချုပ်မှုများမှသွေးနမူနာများကိုအသုံးပြုခဲ့သည်။ ဤ methylation landscape biomarker သည်လက်ရှိလျင်မြန်သောသွေးကင်ဆာစစ်ဆေးခြင်းနည်းလမ်းများကို ကျော်လွန်. သာမကဤရိုးရှင်းသောနှင့်ရိုးရှင်းသော assay ကို အသုံးပြု. ကင်ဆာကျယ်ပြန့်ကိုစောစီးစွာရှာဖွေတွေ့ရှိရန်တားဆီးရန်ဖြစ်နိုင်ခြေကိုပြသသည်။

သွေးကင်ဆာလူနာ 31 မှသွေးနမူနာများနှင့်ကျန်းမာသန်စွမ်းသူ 12 ဦး မှသွေးနမူနာများမှ DNA ကိုဆန်းစစ်ခဲ့သည်။ ပုံ 2A ရှိ Box Plot တွင်ပြသသည့်အတိုင်းကင်ဆာနမူနာများ၏ဆွေမျိုးစုပ်ယူမှု (δA650 / 525) သည်ပုံမှန်နမူနာများမှ DNA ၏ထက်နိမ့်သည်။ ၎င်းသည်အဓိကအားဖြင့် Hydrophicity သည်ပိုမိုကောင်းမွန်သော Hydrophobicity သည် Cyst / Aunps များစုစည်းခြင်းကိုတားဆီးသော Hydrophobicity ကိုတိုးမြှင့်ခြင်းကြောင့်ဖြစ်သည်။ ရလဒ်အနေဖြင့်ဤ nanoparticles သည်ကင်ဆာစုစုပေါင်း၏အပြင်ဘက်အလွှာများကိုလုံးဝပျံ့နှံ့သွားခဲ့သည်။ ROC curves များကိုδA650 / 525 ၏နိမ့်ဆုံးတန်ဖိုးကိုအနိမ့်ဆုံးတန်ဖိုးနှင့်အမြင့်ဆုံးတန်ဖိုးကိုပြောင်းလဲခြင်းဖြင့်ထုတ်လုပ်သည်။

ပုံ 2

box plots ၏ (da650 / 525); (ခ) ROC ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့်ရောဂါရှာဖွေစမ်းသပ်မှုများကိုအကဲဖြတ်ခြင်း။ (ဂ) ပုံမှန်နှင့်ကင်ဆာလူနာများ၏ရောဂါအတွက်ရှုပ်ထွေးသော Matrix ။ ()) sensitivity, တိကျတဲ့, အပြုသဘောဆောင်သည့်ကြိုတင်ခန့်မှန်းချက်တန်ဖိုး (PPV), အနုတ်ကြိုတင်ခန့်မှန်းတန်ဖိုး (NPV) နှင့်ဖွံ့ဖြိုးပြီးနည်းလမ်း၏တိကျမှန်ကန်မှု။

ပုံ 2B တွင်ပြထားတဲ့အတိုင်းဖွံ့ဖြိုးပြီးအာရုံခံကိရိယာအတွက်ရရှိသော roc curve (AUC = 0.9274) တွင်ဖော်ပြထားသည့်နေရာ (AUC = 0.9274) သည်အလွန်အမင်းထိခိုက်လွယ်မှုနှင့်တိကျမှုကိုပြသခဲ့သည်။ ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွက်ကွင်းကွင်းမှကြည့်ရှုနိုင်သည့်အနိမ့်ဆုံးအချက်မှာ Cancer DNA Group ကိုယ်စားပြုသည့်အမြင့်ဆုံးအချက်နှင့်မတူပါ။ ထို့ကြောင့်, ထောက်ပံ့ပို့ဆောင်ရေး 0 င်ငွေသည်ပုံမှန်နှင့်ကင်ဆာအုပ်စုများအကြားခွဲခြားရန်အသုံးပြုခဲ့သည်။ လွတ်လပ်သော variable များအနေဖြင့်ကင်ဆာရောဂါသို့မဟုတ်သာမန်အုပ်စုကဲ့သို့သောဖြစ်ရပ်တစ်ခုဖြစ်နိုင်ခြေကိုခန့်မှန်းထားသည်။ 0 နှင့် 1 အကြားမှီခို variable ကို vanges ။ ရလဒ်ထို့ကြောင့်ဖြစ်နိုင်ခြေဖြစ်ပါတယ်။ ကျွန်ုပ်တို့သည် Cancer Encordification (P) ကိုအောက်ပါအတိုင်းအခြေခံသည်။

ဘယ်မှာ B = 5.3533, W1 = -6.965 ။ နမူနာခွဲခြားမှုအတွက် 0.5 ထက်နည်းသောဖြစ်နိုင်ခြေသည်ပုံမှန်နမူနာကိုပြသသည်။ ပုံ 2c က classification method ၏တည်ငြိမ်မှုကိုအတည်ပြုရန်အသုံးပြုသောခွင့်ပြုထားသောလက်ဝါးကပ်တိုင်လက်ဝါးကပ်တိုင်အတည်ပြုချက်မှထုတ်ပေးသော Matrix ကိုထုတ်ပေးသော Matrix ကိုဖော်ပြထားသည်။ ပုံ 2D သည် sensitivity, တိကျစွာကြိုတင်ခန့်မှန်းတန်ဖိုး (PPV) နှင့်အနုတ်ကြိုတင်ခန့်မှန်းတန်ဖိုးများ (NPV) အပါအ 0 င်နည်းလမ်းရှာဖွေခြင်းစမ်းသပ်မှုအကဲဖြတ်မှုကိုအကျဉ်းချုပ်ဖော်ပြထားသည်။

စမတ်ဖုန်းအခြေခံဇီဝများ

နမူနာစမ်းသပ်ခြင်းကို Spectrophotometer အသုံးမပြုဘဲပိုမိုရိုးရှင်းစေရန်သုတေသီများသည်အဖြေ၏အရောင်ကိုအနက်ဖွင့ ်. ပုံမှန်နှင့်ကင်ဆာရောဂါကိုခွဲခြားရန်အတုထောက်လှမ်းရေး (AI) ကိုအသုံးပြုခဲ့သည်။ ဤအချက်ကိုဖြင့် Cyst / Aunps Solution ၏အရောင်ကိုပုံမှန် DNA (ခရမ်းရောင်) သို့မဟုတ်ကင်ဆာရောဂါကို သုံး. ကွန်ပျူတာသုံးကင်မရာများကို အသုံးပြု. Cyst / Cynps Solution DNA (အနီရောင် DNA (အနီရောင်) သို့ပြောင်းလဲရန်အသုံးပြုခဲ့သည်။ အတုဥာဏ်သည်ကုန်ကျစရိတ်ကိုလျှော့ချနိုင်ပြီး nanoparticle ဖြေရှင်းချက်များ၏အရောင်များကိုဘာသာပြန်ဆိုနိုင်မှုကိုပိုမိုကောင်းမွန်စေနိုင်သည်။ နောက်ဆုံးတွင်ကျပန်းသစ်တောများအပါအ 0 င်စက်နှစ်လုံးကိုလေ့လာခြင်းနှင့်အထောက်အပံ့ Vector Machine (SVM) အပါအ 0 င်မော်ဒယ်နှစ်ခုကိုလေ့လာခြင်းသည်မော်ဒယ်များတည်ဆောက်ရန်လေ့ကျင့်သင်ကြားပေးခဲ့သည်။ RF နှင့် SVM Models နှစ် ဦး စလုံးသည်နမူနာများကိုအချိုးအစားကိုမှန်ကန်စွာခွဲခြားထားပြီး 90.0% ၏တိကျမှန်ကန်မှုနှင့်အတူအပြုသဘောနှင့်အပျက်သဘောဆောင်သောအရာများကိုမှန်ကန်စွာခွဲခြားထားသည်။ ဤအချက်ကလက်ကိုင်ဖုန်းအခြေပြုဇီဝဖြစ်မှုတွင်အတုထောက်လှမ်းရေးကိုအသုံးပြုခြင်းသည်ဖြစ်နိုင်ချေရှိသည်ဟုဆိုကြသည်။

ပုံ 3. (က) ပုံရိပ်ဝယ်ယူမှုခြေလှမ်းအတွက်နမူနာပြင်ဆင်မှုကာလအတွင်းမှတ်တမ်းတင်ထားသောဖြေရှင်းချက်အတန်းအစားကိုပုံ 3 (က) ပစ်မှတ်ထားစာသင်ခန်းအတန်းအစား။ (ခ) ပုံရိပ်ဝယ်ယူမှုတွင်ဥပမာအားဖြင့်ယူထားသောပုံရိပ်။ (ဂ) ပုံရိပ် (ခ) မှထုတ်ယူထားသော 96 - ရေပန်းစားသည့်ပန်းကန်၏ကောင်းကွက်တစ်ခုချင်းစီတွင် Cyst / Aunps Solution ၏အရောင်ပြင်းထန်မှု။

သုတေသီများသည် Cyst / Aunps များကို အသုံးပြု. သုတေသီများသည်သုတေသီများသည်သွေးကင်ဆာစစ်ဆေးခြင်းအတွက်အမှန်တကယ်သွေးနမူနာများကိုအသုံးပြုသောအခါသုတေသီများသည်ရိုးရှင်းသောရှုခင်းရှာဖွေတွေ့ရှိမှုနှင့်ကင်ဆာ DNA ကိုခွဲခြားနိုင်သည့် Sensor DNA ကိုအောင်မြင်စွာတီထွင်နိုင်ခဲ့သည်။ ဖွံ့ဖြိုးပြီးအာရုံခံကိရိယာကတကယ့်သွေးနမူနာများမှထုတ်ယူခြင်းကိုပြသသည်မှာ 10 မိနစ်အတွင်းသွေးကင်ဆာလူနာများအတွက်ကင်ဆာ DNA (3nm) ပမာဏအနည်းငယ်ကိုလျင်မြန်စွာရှာဖွေတွေ့ရှိနိုင်ကြောင်းပြသခဲ့သည်။ နမူနာစစ်ဆေးမှုကိုပိုမိုရိုးရှင်းစေရန် Spectrophotometer လိုအပ်ကြောင်းဖယ်ရှားခြင်းအားဖြင့် SPETHOPHOTOMETOMEMETER လိုအပ်ကြောင်းဖယ်ရှားခြင်းအားဖြင့်စက်ခြင်းကိုလေ့လာခြင်းသည်လက်ကိုင်ဖုန်းဓာတ်ပုံကို အသုံးပြု. ပုံမှန်နှင့်ကင်ဆာရောဂါရှိသူများအကြားခွဲခြားရန်အသုံးပြုခဲ့သည်။

ကိုးကားစရာ: Doi: 10.1039 / d2ra05725e