利哈伊大学
学分:利哈伊大学
在美国，每年有14，000名女性死于卵巢癌
这是女性癌症死亡的第五大原因，而且非常致命，部分原因是这种疾病在早期很难被发现
在癌症开始扩散之前，患者通常不会出现症状，而且没有任何可靠的早期检测筛查方法
一组研究人员正在努力改变这种状况
该小组包括来自纪念斯隆-凯特琳癌症中心大学、威尔康奈尔医学院、马里兰大学、国家标准和技术研究所以及利哈伊大学的研究人员
最近的两篇论文描述了他们在卵巢癌新检测方法方面的进展
该方法使用机器学习技术有效地分析碳纳米管的光谱特征，以检测疾病的生物标志物并识别癌症本身
第一篇论文于11月在科学进展发表
“我们证明了基于感知的纳米传感器平台可以使用机器学习来检测卵巢癌生物标志物，”少女时代门面后援吧·杨说，他是利哈伊大学化学和生物分子工程系的博士后研究助理，也是该论文的第一作者，与纽约州纪念斯隆-凯特琳癌症中心的博士后研究员兹维·亚尔一起
作者还包括美国国家标准与技术研究所的研究化学家郑明，利哈伊大学生物工程、化学和生物分子工程教授阿南德·贾戈塔，以及纪念斯隆-凯特琳癌症中心癌症纳米技术实验室的准成员兼负责人丹尼尔·海勒
同时担任利哈伊大学健康学院研究副院长的贾戈塔和杨是利哈伊大学纳米|人机界面总统倡议的成员，这是一项多学科研究倡议，旨在改变我们处理数据和科学发现的复杂仪器的方式
传统上，检测疾病的生物标记需要像抗体这样的分子识别分子与每个标记相匹配
但是对于卵巢癌来说，没有一个单一的生物标志物或者分析物可以表明癌症的存在
当需要测量给定样品中的多种分析物时，这可以增加测试的准确性，需要更多的抗体，这增加了测试的成本和周转时间
“基于感知的感知功能类似于人脑，”杨说
“该系统由一个传感阵列组成，该阵列以特定的方式捕获分析物的某个特征，然后通过计算感知模型分析阵列的整体响应
它可以同时检测各种分析物，这使得它更加有效
" 在这项特殊的研究中，阵列由包裹在DNA链中的单壁碳纳米管组成
DNA被包裹的方式，以及所使用的DNA序列的多样性，创造了纳米管表面的多样性
不同的表面又吸引了富含不同水平卵巢癌生物标志物的子宫灌洗样品中的一系列蛋白质
“碳纳米管具有有趣的电子特性，”海勒说
“如果你用光照射它们，它们会发出不同颜色的光，这种光的颜色和强度会根据附着在纳米管上的物质而变化
通过使用一系列具有不同包装的纳米管，我们能够利用如此多的潜在结合相互作用的复杂性
这给了我们一系列不同的传感器，它们都可以检测到稍微不同的东西，结果发现它们对不同的蛋白质有不同的反应
" 使用纳米管发射的数据-光谱特征-训练机器学习算法，以识别发射模式，该模式表明每个生物标记的存在和浓度
“这里的精神突破是这些纳米管是非特异性传感器，”贾戈塔说
“他们对生物标记一无所知，这意味着他们没有被编程为与任何特定的东西结合
我们所知道的是，它们可以暴露在水介质中，无论它们暴露在什么介质中，都会产生光谱移动和幅度变化
使用这些传感器的组合，我们能够训练算法，以数学方式将这些输入转换为高精度的输出
这就像有20双眼睛看到重叠的东西
没有一只眼睛是那么好的，但作为一个集合，它们可以被训练得比现有的卵巢癌检测方法表现得更好
" 第二篇论文发表在三月份的《自然生物医学工程》杂志上，包含了许多相同研究者的工作
此外，作者还包括马里兰大学化学和生物化学系的教授黄愚·王和纪念斯隆-凯特琳癌症中心大学博士后研究员金美珍，他们是这项研究的第一作者
“在这篇论文中，我们不再关注生物标志物，而是关注疾病本身，”海勒说
“我们想知道，这项技术能否区分卵巢癌患者和非卵巢癌患者的血液样本？” 没有卵巢癌的患者包括健康人和其他疾病患者
在这项研究中，纳米管被量子缺陷功能化，这实质上增加了纳米管提供的响应的多样性
“纳米管上结合了一种特定的分子，这种分子在数据方面给了纳米管额外的信号，”Jagota说
“所以更丰富的数据来自每一个纳米管-DNA组合
这个模型不是根据生物标志物训练的，而是根据疾病状态训练的
" 该模型从纳米管的光谱发射中开发了一个“疾病指纹”
就该模型检测卵巢癌的特异性和检测该疾病已知和未知生物标志物的敏感性而言，该结果具有统计学意义
海勒说，在两篇论文中，机器学习模型如何工作的一个类比是人类的鼻子
例如，每种气味都没有单一的气味感受器
“相反，有一堆不同的气味受体与某些分子结合，形成某种模式或指纹，”他说
“你的大脑会处理这种模式，进而告诉你你闻到了什么
所以在这里，没有一个特定的传感器对一件特定的事情做出反应
但是，基于不同传感器对颜色和波长强度的各种变化做出反应的模式，该算法能够解释什么是生物标志物，什么不是，或者什么是疾病，什么不是疾病
" 该小组已经表明，他们的技术可以比目前的方法更好地检测卵巢癌，但它还不能识别疾病的早期阶段
海勒说，部分问题是找到足够的样本来训练算法，因为在这些时间点很少有人被诊断出来
“我们正致力于确定如何在可能的最早阶段发现这种疾病，”他说
Jagota说，下一步可能还包括扩展到开发一系列疾病的技术，并确定它是否可以优化用于临床条件
他说:“这是一种可以应用于一系列领域的技术。”
“我们专注于健康，但它也可以用来识别空气中的污染物，比如说
有潜力去追求许多不同的疾病和条件，我发现这很有意思
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
