90.0% ನಿಖರತೆಯೊಂದಿಗೆ ಗೆಡ್ಡೆಗಳ ಆರಂಭಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ಮತ್ತು ಲ್ಯುಕೇಮಿಯಾ ಸ್ಕ್ರೀನಿಂಗ್‌ಗಾಗಿ ಡಿಎನ್‌ಎ ಮೆತಿಲೀಕರಣ ಪರೀಕ್ಷೆಯನ್ನು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ!

ಲಿಕ್ವಿಡ್ ಬಯಾಪ್ಸಿಯ ಆಧಾರದ ಮೇಲೆ ಕ್ಯಾನ್ಸರ್ ಅನ್ನು ಆರಂಭಿಕ ಪತ್ತೆ ಮಾಡುವುದು ಕ್ಯಾನ್ಸರ್ ಪತ್ತೆ ಮತ್ತು ರೋಗನಿರ್ಣಯದ ಹೊಸ ದಿಕ್ಕಾಗಿದ್ದು, ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ US ನ್ಯಾಷನಲ್ ಕ್ಯಾನ್ಸರ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಪ್ರಸ್ತಾಪಿಸಿದೆ, ಆರಂಭಿಕ ಕ್ಯಾನ್ಸರ್ ಅಥವಾ ಪೂರ್ವಭಾವಿ ಗಾಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಶ್ವಾಸಕೋಶದ ಕ್ಯಾನ್ಸರ್, ಜಠರಗರುಳಿನ ಗೆಡ್ಡೆಗಳು, ಗ್ಲಿಯೊಮಾಸ್ ಮತ್ತು ಸ್ತ್ರೀರೋಗ ಶಾಸ್ತ್ರದ ಗೆಡ್ಡೆಗಳು ಸೇರಿದಂತೆ ವಿವಿಧ ಮಾರಣಾಂತಿಕ ರೋಗಗಳ ಆರಂಭಿಕ ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ ಇದನ್ನು ಕಾದಂಬರಿ ಬಯೋಮಾರ್ಕರ್ ಆಗಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.

ಮೆತಿಲೀಕರಣ ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ (ಮೀಥೈಲ್‌ಸ್ಕೇಪ್) ಬಯೋಮಾರ್ಕರ್‌ಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆಯು ಕ್ಯಾನ್ಸರ್‌ಗಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಆರಂಭಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ರೋಗಿಗಳನ್ನು ಆರಂಭಿಕ ಚಿಕಿತ್ಸೆಗೆ ಒಳಪಡಿಸುವ ಹಂತದಲ್ಲಿ ಇರಿಸುತ್ತದೆ.

ಇತ್ತೀಚೆಗೆ, ಸಂಶೋಧಕರು ಸಿಸ್ಟಮೈನ್ ಅಲಂಕೃತ ಚಿನ್ನದ ನ್ಯಾನೊಪರ್ಟಿಕಲ್ಸ್ (Cyst/AuNPs) ಆಧಾರಿತ ಮೆತಿಲೀಕರಣ ಭೂದೃಶ್ಯ ಪತ್ತೆಗಾಗಿ ಸರಳ ಮತ್ತು ನೇರ ಸಂವೇದನಾ ವೇದಿಕೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಇದು ಸ್ಮಾರ್ಟ್‌ಫೋನ್-ಆಧಾರಿತ ಬಯೋಸೆನ್ಸರ್‌ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟಿದೆ, ಇದು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಗೆಡ್ಡೆಗಳ ತ್ವರಿತ ಆರಂಭಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. 90.0% ನಿಖರತೆಯೊಂದಿಗೆ ರಕ್ತದ ಮಾದರಿಯಿಂದ ಡಿಎನ್‌ಎ ಹೊರತೆಗೆದ ನಂತರ 15 ನಿಮಿಷಗಳಲ್ಲಿ ಲ್ಯುಕೇಮಿಯಾ ಆರಂಭಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ನಿರ್ವಹಿಸಬಹುದು. ಲೇಖನದ ಶೀರ್ಷಿಕೆಯು ಸಿಸ್ಟಮೈನ್-ಕ್ಯಾಪ್ಡ್ AuNP ಗಳು ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ-ಸಕ್ರಿಯಗೊಳಿಸಿದ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಮಾನವ ರಕ್ತದಲ್ಲಿನ ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎಯನ್ನು ತ್ವರಿತವಾಗಿ ಪತ್ತೆ ಮಾಡುವುದು.

ಚಿತ್ರ 1. Cyst/AuNPs ಘಟಕಗಳ ಮೂಲಕ ಕ್ಯಾನ್ಸರ್ ಸ್ಕ್ರೀನಿಂಗ್‌ಗಾಗಿ ಸರಳ ಮತ್ತು ವೇಗದ ಸಂವೇದನಾ ವೇದಿಕೆಯನ್ನು ಎರಡು ಸರಳ ಹಂತಗಳಲ್ಲಿ ಸಾಧಿಸಬಹುದು.

ಇದನ್ನು ಚಿತ್ರ 1 ರಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಡಿಎನ್ಎ ತುಣುಕುಗಳನ್ನು ಕರಗಿಸಲು ಜಲೀಯ ದ್ರಾವಣವನ್ನು ಬಳಸಲಾಯಿತು. ನಂತರ ಸಿಸ್ಟ್ / AuNP ಗಳನ್ನು ಮಿಶ್ರ ದ್ರಾವಣಕ್ಕೆ ಸೇರಿಸಲಾಯಿತು. ಸಾಮಾನ್ಯ ಮತ್ತು ಮಾರಣಾಂತಿಕ ಡಿಎನ್‌ಎ ವಿಭಿನ್ನ ಮೆತಿಲೀಕರಣ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದೆ, ಇದರ ಪರಿಣಾಮವಾಗಿ ಡಿಎನ್‌ಎ ತುಣುಕುಗಳು ವಿಭಿನ್ನ ಸ್ವಯಂ-ಜೋಡಣೆ ಮಾದರಿಗಳೊಂದಿಗೆ. ಸಾಮಾನ್ಯ DNAಯು ಸಡಿಲವಾಗಿ ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ Cyst/AuNP ಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ, ಇದು Cyst/AuNP ಗಳ ಕೆಂಪು-ಬದಲಾಯಿಸಿದ ಸ್ವಭಾವಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಕೆಂಪು ಬಣ್ಣದಿಂದ ನೇರಳೆ ಬಣ್ಣಕ್ಕೆ ಬಣ್ಣ ಬದಲಾವಣೆಯನ್ನು ಬರಿಗಣ್ಣಿನಿಂದ ಗಮನಿಸಬಹುದು. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎಯ ವಿಶಿಷ್ಟ ಮೆತಿಲೀಕರಣ ಪ್ರೊಫೈಲ್ ಡಿಎನ್‌ಎ ತುಣುಕುಗಳ ದೊಡ್ಡ ಸಮೂಹಗಳ ಉತ್ಪಾದನೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ.

96-ಬಾವಿ ಪ್ಲೇಟ್‌ಗಳ ಚಿತ್ರಗಳನ್ನು ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಕ್ಯಾಮೆರಾ ಬಳಸಿ ತೆಗೆಯಲಾಗಿದೆ. ಸ್ಪೆಕ್ಟ್ರೋಸ್ಕೋಪಿ ಆಧಾರಿತ ವಿಧಾನಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎಯನ್ನು ಯಂತ್ರ ಕಲಿಕೆಯೊಂದಿಗೆ ಅಳವಡಿಸಲಾಗಿರುವ ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ನಿಂದ ಅಳೆಯಲಾಗುತ್ತದೆ.

ನಿಜವಾದ ರಕ್ತದ ಮಾದರಿಗಳಲ್ಲಿ ಕ್ಯಾನ್ಸರ್ ಸ್ಕ್ರೀನಿಂಗ್

ಸಂವೇದನಾ ವೇದಿಕೆಯ ಉಪಯುಕ್ತತೆಯನ್ನು ವಿಸ್ತರಿಸಲು, ತನಿಖಾಧಿಕಾರಿಗಳು ನಿಜವಾದ ರಕ್ತದ ಮಾದರಿಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ DNA ನಡುವೆ ಯಶಸ್ವಿಯಾಗಿ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಸಂವೇದಕವನ್ನು ಅನ್ವಯಿಸಿದರು. CpG ಸೈಟ್‌ಗಳಲ್ಲಿನ ಮೆತಿಲೀಕರಣ ಮಾದರಿಗಳು ಎಪಿಜೆನೆಟಿಕ್ ಆಗಿ ಜೀನ್ ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ನಿಯಂತ್ರಿಸುತ್ತವೆ. ಬಹುತೇಕ ಎಲ್ಲಾ ಕ್ಯಾನ್ಸರ್ ಪ್ರಕಾರಗಳಲ್ಲಿ, ಡಿಎನ್‌ಎ ಮೆತಿಲೀಕರಣದಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಮತ್ತು ಟ್ಯೂಮೊರಿಜೆನೆಸಿಸ್ ಅನ್ನು ಉತ್ತೇಜಿಸುವ ಜೀನ್‌ಗಳ ಅಭಿವ್ಯಕ್ತಿಯಲ್ಲಿ ಪರ್ಯಾಯವಾಗಿ ಗಮನಿಸಲಾಗಿದೆ.

ಡಿಎನ್‌ಎ ಮೆತಿಲೀಕರಣಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಇತರ ಕ್ಯಾನ್ಸರ್‌ಗಳಿಗೆ ಮಾದರಿಯಾಗಿ, ಸಂಶೋಧಕರು ಲ್ಯುಕೇಮಿಯಾ ರೋಗಿಗಳ ರಕ್ತದ ಮಾದರಿಗಳನ್ನು ಮತ್ತು ಲ್ಯುಕೇಮಿಕ್ ಕ್ಯಾನ್ಸರ್‌ಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುವಲ್ಲಿ ಮೆತಿಲೀಕರಣ ಭೂದೃಶ್ಯದ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ತನಿಖೆ ಮಾಡಲು ಆರೋಗ್ಯಕರ ನಿಯಂತ್ರಣಗಳನ್ನು ಬಳಸಿದರು. ಈ ಮೆತಿಲೀಕರಣ ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ ಬಯೋಮಾರ್ಕರ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕ್ಷಿಪ್ರ ಲ್ಯುಕೇಮಿಯಾ ಸ್ಕ್ರೀನಿಂಗ್ ವಿಧಾನಗಳನ್ನು ಮೀರಿಸುವುದಲ್ಲದೆ, ಈ ಸರಳ ಮತ್ತು ನೇರವಾದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಕ್ಯಾನ್ಸರ್‌ಗಳ ಆರಂಭಿಕ ಪತ್ತೆಗೆ ವಿಸ್ತರಿಸುವ ಕಾರ್ಯಸಾಧ್ಯತೆಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.

31 ಲ್ಯುಕೇಮಿಯಾ ರೋಗಿಗಳು ಮತ್ತು 12 ಆರೋಗ್ಯವಂತ ವ್ಯಕ್ತಿಗಳ ರಕ್ತದ ಮಾದರಿಗಳಿಂದ ಡಿಎನ್‌ಎಯನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ. ಚಿತ್ರ 2a ನಲ್ಲಿನ ಬಾಕ್ಸ್ ಪ್ಲಾಟ್‌ನಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ, ಕ್ಯಾನ್ಸರ್ ಮಾದರಿಗಳ (ΔA650/525) ಸಾಪೇಕ್ಷ ಹೀರಿಕೊಳ್ಳುವಿಕೆಯು ಸಾಮಾನ್ಯ ಮಾದರಿಗಳಿಂದ DNA ಗಿಂತ ಕಡಿಮೆಯಾಗಿದೆ. ಇದು ಮುಖ್ಯವಾಗಿ ವರ್ಧಿತ ಹೈಡ್ರೋಫೋಬಿಸಿಟಿಯಿಂದಾಗಿ ಕ್ಯಾನ್ಸರ್ DNA ಯ ದಟ್ಟವಾದ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಗೆ ಕಾರಣವಾಯಿತು, ಇದು Cyst/AuNP ಗಳ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಯನ್ನು ತಡೆಯುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ, ಈ ನ್ಯಾನೊಪರ್ಟಿಕಲ್‌ಗಳು ಕ್ಯಾನ್ಸರ್ ಒಟ್ಟುಗಳ ಹೊರ ಪದರಗಳಲ್ಲಿ ಸಂಪೂರ್ಣವಾಗಿ ಚದುರಿಹೋಗಿವೆ, ಇದು ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎ ಸಮುಚ್ಚಯಗಳ ಮೇಲೆ ಹೀರಿಕೊಳ್ಳುವ ಸಿಸ್ಟ್/ಎಯುಎನ್‌ಪಿಗಳ ವಿಭಿನ್ನ ಪ್ರಸರಣಕ್ಕೆ ಕಾರಣವಾಯಿತು. ΔA650/525 ರ ಕನಿಷ್ಠ ಮೌಲ್ಯದಿಂದ ಗರಿಷ್ಠ ಮೌಲ್ಯಕ್ಕೆ ಮಿತಿಯನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ROC ವಕ್ರಾಕೃತಿಗಳನ್ನು ರಚಿಸಲಾಗಿದೆ.

ಚಿತ್ರ 2.(ಎ) ಆಪ್ಟಿಮೈಸ್ಡ್ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ (ನೀಲಿ) ಮತ್ತು ಕ್ಯಾನ್ಸರ್ (ಕೆಂಪು) ಡಿಎನ್‌ಎ ಇರುವಿಕೆಯನ್ನು ತೋರಿಸುವ ಚೀಲ/ಎಯುಎನ್‌ಪಿಗಳ ಪರಿಹಾರಗಳ ಸಾಪೇಕ್ಷ ಹೀರಿಕೊಳ್ಳುವ ಮೌಲ್ಯಗಳು

(DA650/525) ಬಾಕ್ಸ್ ಪ್ಲಾಟ್‌ಗಳು; (b) ROC ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ರೋಗನಿರ್ಣಯ ಪರೀಕ್ಷೆಗಳ ಮೌಲ್ಯಮಾಪನ. (ಸಿ) ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ರೋಗಿಗಳ ರೋಗನಿರ್ಣಯಕ್ಕೆ ಗೊಂದಲದ ಮ್ಯಾಟ್ರಿಕ್ಸ್. (ಡಿ) ಸೂಕ್ಷ್ಮತೆ, ನಿರ್ದಿಷ್ಟತೆ, ಧನಾತ್ಮಕ ಮುನ್ಸೂಚಕ ಮೌಲ್ಯ (PPV), ಋಣಾತ್ಮಕ ಮುನ್ಸೂಚಕ ಮೌಲ್ಯ (NPV) ಮತ್ತು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ವಿಧಾನದ ನಿಖರತೆ.

ಚಿತ್ರ 2b ನಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ, ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಸಂವೇದಕಕ್ಕಾಗಿ ಪಡೆದ ROC ಕರ್ವ್ (AUC = 0.9274) ಅಡಿಯಲ್ಲಿ ಪ್ರದೇಶವು ಹೆಚ್ಚಿನ ಸಂವೇದನೆ ಮತ್ತು ನಿರ್ದಿಷ್ಟತೆಯನ್ನು ತೋರಿಸಿದೆ. ಬಾಕ್ಸ್ ಕಥಾವಸ್ತುದಿಂದ ನೋಡಬಹುದಾದಂತೆ, ಸಾಮಾನ್ಯ DNA ಗುಂಪನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಅತ್ಯಂತ ಕಡಿಮೆ ಬಿಂದುವು ಕ್ಯಾನ್ಸರ್ DNA ಗುಂಪನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಅತ್ಯುನ್ನತ ಬಿಂದುವಿನಿಂದ ಚೆನ್ನಾಗಿ ಬೇರ್ಪಟ್ಟಿಲ್ಲ; ಆದ್ದರಿಂದ, ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ಗುಂಪುಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಲಾಜಿಸ್ಟಿಕ್ ರಿಗ್ರೆಶನ್ ಅನ್ನು ಬಳಸಲಾಯಿತು. ಸ್ವತಂತ್ರ ಅಸ್ಥಿರಗಳ ಗುಂಪನ್ನು ನೀಡಿದರೆ, ಇದು ಕ್ಯಾನ್ಸರ್ ಅಥವಾ ಸಾಮಾನ್ಯ ಗುಂಪಿನಂತಹ ಘಟನೆಯ ಸಂಭವನೀಯತೆಯನ್ನು ಅಂದಾಜು ಮಾಡುತ್ತದೆ. ಅವಲಂಬಿತ ವೇರಿಯಬಲ್ 0 ಮತ್ತು 1 ರ ನಡುವೆ ಇರುತ್ತದೆ. ಆದ್ದರಿಂದ ಫಲಿತಾಂಶವು ಸಂಭವನೀಯತೆಯಾಗಿದೆ. ΔA650/525 ಅನ್ನು ಆಧರಿಸಿ ಕ್ಯಾನ್ಸರ್ ಗುರುತಿಸುವಿಕೆಯ (P) ಸಂಭವನೀಯತೆಯನ್ನು ನಾವು ಈ ಕೆಳಗಿನಂತೆ ನಿರ್ಧರಿಸಿದ್ದೇವೆ.

ಅಲ್ಲಿ b=5.3533,w1=-6.965. ಮಾದರಿ ವರ್ಗೀಕರಣಕ್ಕಾಗಿ, 0.5 ಕ್ಕಿಂತ ಕಡಿಮೆ ಸಂಭವನೀಯತೆಯು ಸಾಮಾನ್ಯ ಮಾದರಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಆದರೆ 0.5 ಅಥವಾ ಹೆಚ್ಚಿನ ಸಂಭವನೀಯತೆಯು ಕ್ಯಾನ್ಸರ್ ಮಾದರಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಚಿತ್ರ 2c ವರ್ಗೀಕರಣ ವಿಧಾನದ ಸ್ಥಿರತೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ಬಳಸಲಾದ ಲೀವ್-ಇಟ್-ಏಲೋನ್ ಕ್ರಾಸ್-ಮೌಲ್ಯೀಕರಣದಿಂದ ರಚಿಸಲಾದ ಗೊಂದಲದ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ಚಿತ್ರಿಸುತ್ತದೆ. ಚಿತ್ರ 2d ಸೂಕ್ಷ್ಮತೆ, ನಿರ್ದಿಷ್ಟತೆ, ಧನಾತ್ಮಕ ಮುನ್ಸೂಚಕ ಮೌಲ್ಯ (PPV) ಮತ್ತು ಋಣಾತ್ಮಕ ಮುನ್ಸೂಚಕ ಮೌಲ್ಯ (NPV) ಸೇರಿದಂತೆ ವಿಧಾನದ ರೋಗನಿರ್ಣಯ ಪರೀಕ್ಷೆಯ ಮೌಲ್ಯಮಾಪನವನ್ನು ಸಾರಾಂಶಗೊಳಿಸುತ್ತದೆ.

ಸ್ಮಾರ್ಟ್ಫೋನ್ ಆಧಾರಿತ ಜೈವಿಕ ಸಂವೇದಕಗಳು

ಸ್ಪೆಕ್ಟ್ರೋಫೋಟೋಮೀಟರ್‌ಗಳ ಬಳಕೆಯಿಲ್ಲದೆ ಮಾದರಿ ಪರೀಕ್ಷೆಯನ್ನು ಇನ್ನಷ್ಟು ಸರಳಗೊಳಿಸಲು, ಪರಿಹಾರದ ಬಣ್ಣವನ್ನು ಅರ್ಥೈಸಲು ಮತ್ತು ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ವ್ಯಕ್ತಿಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಂಶೋಧಕರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು (AI) ಬಳಸಿದರು. ಇದನ್ನು ಗಮನಿಸಿದರೆ, ಮೊಬೈಲ್ ಫೋನ್ ಕ್ಯಾಮರಾ ಮೂಲಕ ತೆಗೆದ 96-ಬಾವಿ ಫಲಕಗಳ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಿಸ್ಟ್/ಎಯುಎನ್‌ಪಿಗಳ ದ್ರಾವಣದ ಬಣ್ಣವನ್ನು ಸಾಮಾನ್ಯ ಡಿಎನ್‌ಎ (ನೇರಳೆ) ಅಥವಾ ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎ (ಕೆಂಪು) ಗೆ ಭಾಷಾಂತರಿಸಲು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯನ್ನು ಬಳಸಲಾಯಿತು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ನ್ಯಾನೊಪರ್ಟಿಕಲ್ ಪರಿಹಾರಗಳ ಬಣ್ಣವನ್ನು ಅರ್ಥೈಸುವಲ್ಲಿ ಮತ್ತು ಯಾವುದೇ ಆಪ್ಟಿಕಲ್ ಹಾರ್ಡ್‌ವೇರ್ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಬಿಡಿಭಾಗಗಳ ಬಳಕೆಯಿಲ್ಲದೆ ಪ್ರವೇಶಿಸುವಿಕೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, ರಾಂಡಮ್ ಫಾರೆಸ್ಟ್ (RF) ಮತ್ತು ಸಪೋರ್ಟ್ ವೆಕ್ಟರ್ ಮೆಷಿನ್ (SVM) ಸೇರಿದಂತೆ ಎರಡು ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿಗಳನ್ನು ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ತರಬೇತಿ ನೀಡಲಾಯಿತು. RF ಮತ್ತು SVM ಎರಡೂ ಮಾದರಿಗಳು 90.0% ನಿಖರತೆಯೊಂದಿಗೆ ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ಮಾದರಿಗಳನ್ನು ಸರಿಯಾಗಿ ವರ್ಗೀಕರಿಸಿವೆ. ಮೊಬೈಲ್ ಫೋನ್ ಆಧಾರಿತ ಬಯೋಸೆನ್ಸಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆ ಸಾಕಷ್ಟು ಸಾಧ್ಯ ಎಂದು ಇದು ಸೂಚಿಸುತ್ತದೆ.

ಚಿತ್ರ 3.(a) ಚಿತ್ರ ಸ್ವಾಧೀನದ ಹಂತಕ್ಕಾಗಿ ಮಾದರಿಯ ತಯಾರಿಕೆಯ ಸಮಯದಲ್ಲಿ ದಾಖಲಿಸಲಾದ ಪರಿಹಾರದ ಗುರಿ ವರ್ಗ. (ಬಿ) ಚಿತ್ರ ಸ್ವಾಧೀನದ ಹಂತದಲ್ಲಿ ತೆಗೆದ ಉದಾಹರಣೆ ಚಿತ್ರ. (c) ಚಿತ್ರದಿಂದ ಹೊರತೆಗೆಯಲಾದ 96-ಬಾವಿ ಪ್ಲೇಟ್‌ನ ಪ್ರತಿ ಬಾವಿಯಲ್ಲಿನ ಚೀಲ/AuNP ದ್ರಾವಣದ ಬಣ್ಣದ ತೀವ್ರತೆ (b).

Cyst/AuNP ಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಸಂಶೋಧಕರು ಮೆತಿಲೇಶನ್ ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ ಪತ್ತೆಗಾಗಿ ಸರಳವಾದ ಸಂವೇದನಾ ವೇದಿಕೆಯನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ ಮತ್ತು ಲ್ಯುಕೇಮಿಯಾ ಸ್ಕ್ರೀನಿಂಗ್‌ಗಾಗಿ ನೈಜ ರಕ್ತದ ಮಾದರಿಗಳನ್ನು ಬಳಸುವಾಗ ಕ್ಯಾನ್ಸರ್ ಡಿಎನ್‌ಎಯಿಂದ ಸಾಮಾನ್ಯ ಡಿಎನ್‌ಎಯನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಸಂವೇದಕವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ. ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ಸಂವೇದಕವು ನೈಜ ರಕ್ತದ ಮಾದರಿಗಳಿಂದ ಹೊರತೆಗೆಯಲಾದ DNA 15 ನಿಮಿಷಗಳಲ್ಲಿ ಲ್ಯುಕೇಮಿಯಾ ರೋಗಿಗಳಲ್ಲಿ ಸಣ್ಣ ಪ್ರಮಾಣದ ಕ್ಯಾನ್ಸರ್ DNA (3nM) ಅನ್ನು ತ್ವರಿತವಾಗಿ ಮತ್ತು ವೆಚ್ಚ-ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪತ್ತೆಹಚ್ಚಲು ಸಮರ್ಥವಾಗಿದೆ ಮತ್ತು 95.3% ನಿಖರತೆಯನ್ನು ತೋರಿಸಿದೆ. ಸ್ಪೆಕ್ಟ್ರೋಫೋಟೋಮೀಟರ್‌ನ ಅಗತ್ಯವನ್ನು ತೆಗೆದುಹಾಕುವ ಮೂಲಕ ಮಾದರಿ ಪರೀಕ್ಷೆಯನ್ನು ಇನ್ನಷ್ಟು ಸರಳಗೊಳಿಸಲು, ದ್ರಾವಣದ ಬಣ್ಣವನ್ನು ಅರ್ಥೈಸಲು ಮತ್ತು ಮೊಬೈಲ್ ಫೋನ್ ಛಾಯಾಚಿತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಸಾಮಾನ್ಯ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ವ್ಯಕ್ತಿಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸಲಾಯಿತು, ಮತ್ತು ನಿಖರತೆಯನ್ನು 90.0% ನಲ್ಲಿ ಸಾಧಿಸಲು ಸಾಧ್ಯವಾಯಿತು.

ಉಲ್ಲೇಖ: DOI: 10.1039/d2ra05725e