তরল বায়োপসির উপর ভিত্তি করে ক্যান্সারের প্রাথমিক সনাক্তকরণ সাম্প্রতিক বছরগুলিতে মার্কিন জাতীয় ক্যান্সার ইনস্টিটিউট কর্তৃক প্রস্তাবিত ক্যান্সার সনাক্তকরণ এবং রোগ নির্ণয়ের একটি নতুন দিক, যার লক্ষ্য প্রাথমিক ক্যান্সার বা এমনকি প্রাক-ক্যান্সারাস ক্ষত সনাক্ত করা। ফুসফুসের ক্যান্সার, গ্যাস্ট্রোইনটেস্টাইনাল টিউমার, গ্লিওমাস এবং গাইনোকোলজিক্যাল টিউমার সহ বিভিন্ন ম্যালিগন্যান্সির প্রাথমিক নির্ণয়ের জন্য এটি একটি অভিনব বায়োমার্কার হিসাবে ব্যাপকভাবে ব্যবহৃত হয়ে আসছে।
মিথাইলেশন ল্যান্ডস্কেপ (মিথাইলস্কেপ) বায়োমার্কার সনাক্তকরণের জন্য প্ল্যাটফর্মের উত্থান ক্যান্সারের জন্য বিদ্যমান প্রাথমিক স্ক্রিনিংকে উল্লেখযোগ্যভাবে উন্নত করার সম্ভাবনা রাখে, যা রোগীদের প্রাথমিক চিকিৎসাযোগ্য পর্যায়ে নিয়ে যায়।
সম্প্রতি, গবেষকরা সিস্টামিন সজ্জিত সোনার ন্যানো পার্টিকেল (সিস্ট/এইউএনপি) এর উপর ভিত্তি করে মিথাইলেশন ল্যান্ডস্কেপ সনাক্তকরণের জন্য একটি সহজ এবং সরাসরি সেন্সিং প্ল্যাটফর্ম তৈরি করেছেন যা স্মার্টফোন-ভিত্তিক বায়োসেন্সরের সাথে মিলিত হয়ে বিভিন্ন ধরণের টিউমারের দ্রুত প্রাথমিক স্ক্রিনিং সক্ষম করে। রক্তের নমুনা থেকে ডিএনএ নিষ্কাশনের 15 মিনিটের মধ্যে লিউকেমিয়ার প্রাথমিক স্ক্রিনিং করা যেতে পারে, যার নির্ভুলতা 90.0%। নিবন্ধের শিরোনাম হল সিস্টামিন-ক্যাপড এইউএনপি এবং একটি মেশিন লার্নিং-সক্ষম স্মার্টফোন ব্যবহার করে মানুষের রক্তে ক্যান্সার ডিএনএর দ্রুত সনাক্তকরণ।
চিত্র ১. সিস্ট/এউএনপি উপাদানগুলির মাধ্যমে ক্যান্সার স্ক্রিনিংয়ের জন্য একটি সহজ এবং দ্রুত সেন্সিং প্ল্যাটফর্ম দুটি সহজ ধাপে সম্পন্ন করা যেতে পারে।
চিত্র ১-এ এটি দেখানো হয়েছে। প্রথমে, ডিএনএ টুকরো দ্রবীভূত করার জন্য একটি জলীয় দ্রবণ ব্যবহার করা হয়েছিল। তারপর মিশ্র দ্রবণে সিস্ট/AuNP যোগ করা হয়েছিল। স্বাভাবিক এবং ম্যালিগন্যান্ট ডিএনএর বিভিন্ন মিথাইলেশন বৈশিষ্ট্য থাকে, যার ফলে ডিএনএ টুকরো বিভিন্ন স্ব-সমাবেশের ধরণে তৈরি হয়। স্বাভাবিক ডিএনএ আলগাভাবে একত্রিত হয় এবং অবশেষে সিস্ট/AuNP একত্রিত করে, যার ফলে সিস্ট/AuNP-এর লাল-স্থানান্তরিত প্রকৃতি তৈরি হয়, যার ফলে খালি চোখে লাল থেকে বেগুনি রঙের পরিবর্তন লক্ষ্য করা যায়। বিপরীতে, ক্যান্সার ডিএনএর অনন্য মিথাইলেশন প্রোফাইল ডিএনএ টুকরোর বৃহত্তর ক্লাস্টার তৈরির দিকে পরিচালিত করে।
স্মার্টফোন ক্যামেরা ব্যবহার করে ৯৬টি কূপের প্লেটের ছবি তোলা হয়েছিল। স্পেকট্রোস্কোপি-ভিত্তিক পদ্ধতির তুলনায় মেশিন লার্নিং-এর মাধ্যমে ক্যান্সারের ডিএনএ পরিমাপ করা হয়েছিল।
আসল রক্তের নমুনায় ক্যান্সার স্ক্রিনিং
সেন্সিং প্ল্যাটফর্মের উপযোগিতা বাড়ানোর জন্য, গবেষকরা একটি সেন্সর প্রয়োগ করেছেন যা প্রকৃত রক্তের নমুনায় স্বাভাবিক এবং ক্যান্সারযুক্ত ডিএনএর মধ্যে সফলভাবে পার্থক্য করতে সক্ষম হয়েছে। সিপিজি সাইটগুলিতে মিথাইলেশন প্যাটার্নগুলি এপিজেনেটিকভাবে জিনের প্রকাশ নিয়ন্ত্রণ করে। প্রায় সমস্ত ধরণের ক্যান্সারে, ডিএনএ মিথাইলেশন এবং এইভাবে টিউমারজেনেসিসকে উৎসাহিত করে এমন জিনের প্রকাশে পরিবর্তন লক্ষ্য করা গেছে।
ডিএনএ মিথাইলেশনের সাথে সম্পর্কিত অন্যান্য ক্যান্সারের মডেল হিসেবে, গবেষকরা লিউকেমিয়া রোগীদের রক্তের নমুনা এবং সুস্থ নিয়ন্ত্রণ পদ্ধতি ব্যবহার করে লিউকেমিয়া ক্যান্সারের পার্থক্য নির্ণয়ে মিথাইলেশন ল্যান্ডস্কেপের কার্যকারিতা তদন্ত করেছেন। এই মিথাইলেশন ল্যান্ডস্কেপ বায়োমার্কারটি কেবল বিদ্যমান দ্রুত লিউকেমিয়া স্ক্রিনিং পদ্ধতিগুলিকেই ছাড়িয়ে যায় না, বরং এই সহজ এবং সরল পরীক্ষা ব্যবহার করে বিস্তৃত ক্যান্সারের প্রাথমিক সনাক্তকরণ পর্যন্ত প্রসারিত করার সম্ভাব্যতাও প্রদর্শন করে।
৩১ জন লিউকেমিয়া রোগী এবং ১২ জন সুস্থ ব্যক্তির রক্তের নমুনা থেকে প্রাপ্ত ডিএনএ বিশ্লেষণ করা হয়েছিল। চিত্র ২ক-এর বাক্স প্লটে দেখানো হয়েছে যে, ক্যান্সার নমুনার আপেক্ষিক শোষণ ক্ষমতা (ΔA650/525) স্বাভাবিক নমুনার ডিএনএর তুলনায় কম ছিল। এটি মূলত বর্ধিত হাইড্রোফোবিসিটির কারণে হয়েছিল যার ফলে ক্যান্সার ডিএনএর ঘন সমষ্টি তৈরি হয়েছিল, যা সিস্ট/AuNP-এর সমষ্টিকে বাধাগ্রস্ত করেছিল। ফলস্বরূপ, এই ন্যানো পার্টিকেলগুলি ক্যান্সার সমষ্টির বাইরের স্তরে সম্পূর্ণরূপে ছড়িয়ে পড়েছিল, যার ফলে স্বাভাবিক এবং ক্যান্সার ডিএনএ সমষ্টিতে শোষিত সিস্ট/AuNP-এর একটি ভিন্ন বিচ্ছুরণ ঘটে। এরপর ROC বক্ররেখা ΔA650/525-এর সর্বনিম্ন মান থেকে সর্বোচ্চ মান পর্যন্ত থ্রেশহোল্ড পরিবর্তন করে তৈরি করা হয়েছিল।
চিত্র ২.(ক) সিস্ট/AuNPs দ্রবণের আপেক্ষিক শোষণ মান যা অনুকূলিত পরিস্থিতিতে স্বাভাবিক (নীল) এবং ক্যান্সার (লাল) ডিএনএর উপস্থিতি দেখায়।
(DA650/525) বক্স প্লটের; (খ) ROC বিশ্লেষণ এবং ডায়াগনস্টিক পরীক্ষার মূল্যায়ন। (গ) স্বাভাবিক এবং ক্যান্সার রোগীদের রোগ নির্ণয়ের জন্য বিভ্রান্তি ম্যাট্রিক্স। (ঘ) সংবেদনশীলতা, নির্দিষ্টতা, ইতিবাচক ভবিষ্যদ্বাণীমূলক মান (PPV), নেতিবাচক ভবিষ্যদ্বাণীমূলক মান (NPV) এবং উন্নত পদ্ধতির নির্ভুলতা।
চিত্র 2b তে দেখানো হয়েছে, উন্নত সেন্সরের জন্য প্রাপ্ত ROC বক্ররেখার (AUC = 0.9274) আওতাধীন এলাকাটি উচ্চ সংবেদনশীলতা এবং নির্দিষ্টতা দেখিয়েছে। বক্স প্লট থেকে দেখা যাচ্ছে, স্বাভাবিক DNA গ্রুপের প্রতিনিধিত্বকারী সর্বনিম্ন বিন্দুটি ক্যান্সার DNA গ্রুপের প্রতিনিধিত্বকারী সর্বোচ্চ বিন্দু থেকে ভালভাবে পৃথক নয়; অতএব, স্বাভাবিক এবং ক্যান্সার গ্রুপের মধ্যে পার্থক্য করার জন্য লজিস্টিক রিগ্রেশন ব্যবহার করা হয়েছিল। স্বাধীন ভেরিয়েবলের একটি সেট দেওয়া হলে, এটি কোনও ঘটনা ঘটার সম্ভাবনা অনুমান করে, যেমন একটি ক্যান্সার বা স্বাভাবিক গ্রুপ। নির্ভরশীল ভেরিয়েবল 0 এবং 1 এর মধ্যে থাকে। তাই ফলাফলটি একটি সম্ভাব্যতা। আমরা ΔA650/525 এর উপর ভিত্তি করে ক্যান্সার সনাক্তকরণের সম্ভাবনা (P) নির্ধারণ করেছি।
যেখানে b=5.3533,w1=-6.965। নমুনা শ্রেণীবিভাগের জন্য, 0.5 এর কম সম্ভাব্যতা একটি স্বাভাবিক নমুনা নির্দেশ করে, যেখানে 0.5 বা তার বেশি সম্ভাব্যতা একটি ক্যান্সার নমুনা নির্দেশ করে। চিত্র 2c-এ লিভ-ইট-অ্যালোন ক্রস-ভ্যালিডেশন থেকে উৎপন্ন বিভ্রান্তি ম্যাট্রিক্স দেখানো হয়েছে, যা শ্রেণীবিভাগ পদ্ধতির স্থিতিশীলতা যাচাই করতে ব্যবহৃত হয়েছিল। চিত্র 2d-এ পদ্ধতির ডায়াগনস্টিক পরীক্ষার মূল্যায়নের সারসংক্ষেপ দেওয়া হয়েছে, যার মধ্যে সংবেদনশীলতা, নির্দিষ্টতা, ইতিবাচক ভবিষ্যদ্বাণীমূলক মান (PPV) এবং নেতিবাচক ভবিষ্যদ্বাণীমূলক মান (NPV) অন্তর্ভুক্ত রয়েছে।
স্মার্টফোন-ভিত্তিক বায়োসেন্সর
স্পেকট্রোফটোমিটার ব্যবহার না করে নমুনা পরীক্ষা আরও সহজ করার জন্য, গবেষকরা দ্রবণের রঙ ব্যাখ্যা করতে এবং স্বাভাবিক এবং ক্যান্সার আক্রান্ত ব্যক্তির মধ্যে পার্থক্য করতে কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করেছেন। এর ফলে, মোবাইল ফোন ক্যামেরার মাধ্যমে তোলা ৯৬টি ওয়েল প্লেটের ছবি ব্যবহার করে সিস্ট/AuNPs দ্রবণের রঙকে স্বাভাবিক DNA (বেগুনি) বা ক্যান্সার আক্রান্ত DNA (লাল) তে রূপান্তর করতে কম্পিউটার ভিশন ব্যবহার করা হয়েছিল। কৃত্রিম বুদ্ধিমত্তা খরচ কমাতে পারে এবং ন্যানো পার্টিকেল দ্রবণের রঙ ব্যাখ্যা করার ক্ষেত্রে অ্যাক্সেসযোগ্যতা উন্নত করতে পারে, এবং কোনও অপটিক্যাল হার্ডওয়্যার স্মার্টফোন আনুষাঙ্গিক ব্যবহার ছাড়াই। অবশেষে, র্যান্ডম ফরেস্ট (RF) এবং সাপোর্ট ভেক্টর মেশিন (SVM) সহ দুটি মেশিন লার্নিং মডেলকে মডেলগুলি তৈরি করার জন্য প্রশিক্ষণ দেওয়া হয়েছিল। RF এবং SVM উভয় মডেলই নমুনাগুলিকে ৯০.০% নির্ভুলতার সাথে সঠিকভাবে ধনাত্মক এবং নেতিবাচক হিসাবে শ্রেণীবদ্ধ করেছে। এটি পরামর্শ দেয় যে মোবাইল ফোন-ভিত্তিক বায়োসেন্সিংয়ে কৃত্রিম বুদ্ধিমত্তার ব্যবহার বেশ সম্ভব।
চিত্র ৩.(ক) চিত্র অধিগ্রহণ ধাপের জন্য নমুনা প্রস্তুত করার সময় রেকর্ড করা দ্রবণের লক্ষ্য শ্রেণী। (খ) চিত্র অধিগ্রহণ ধাপের সময় তোলা উদাহরণ চিত্র। (গ) চিত্র থেকে নেওয়া ৯৬-কূপ প্লেটের প্রতিটি কূপে সিস্ট/AuNPs দ্রবণের রঙের তীব্রতা (খ)।
সিস্ট/এউএনপি ব্যবহার করে, গবেষকরা সফলভাবে মিথাইলেশন ল্যান্ডস্কেপ সনাক্তকরণের জন্য একটি সহজ সেন্সিং প্ল্যাটফর্ম এবং লিউকেমিয়া স্ক্রিনিংয়ের জন্য আসল রক্তের নমুনা ব্যবহার করার সময় স্বাভাবিক ডিএনএ এবং ক্যান্সার ডিএনএ পার্থক্য করতে সক্ষম একটি সেন্সর তৈরি করেছেন। উন্নত সেন্সরটি প্রমাণ করেছে যে আসল রক্তের নমুনা থেকে নেওয়া ডিএনএ দ্রুত এবং সাশ্রয়ী মূল্যে লিউকেমিয়া রোগীদের মধ্যে অল্প পরিমাণে ক্যান্সার ডিএনএ (3nM) সনাক্ত করতে সক্ষম হয়েছে, এবং 95.3% নির্ভুলতা দেখিয়েছে। স্পেকট্রোফটোমিটারের প্রয়োজনীয়তা দূর করে নমুনা পরীক্ষাকে আরও সহজ করার জন্য, মোবাইল ফোনের ছবি ব্যবহার করে দ্রবণের রঙ ব্যাখ্যা করতে এবং স্বাভাবিক এবং ক্যান্সার আক্রান্ত ব্যক্তিদের মধ্যে পার্থক্য করতে মেশিন লার্নিং ব্যবহার করা হয়েছিল এবং 90.0% নির্ভুলতাও অর্জন করা সম্ভব হয়েছিল।
তথ্যসূত্র: DOI: 10.1039/d2ra05725e
পোস্টের সময়: ফেব্রুয়ারী-১৮-২০২৩