هدف از این تحقیق ایجاد یک ابزار غربالگری کم هزینه بود که دسترسی مردم به تشخیص زودهنگام را تسهیل می کند و شانس موفقیت درمانی را به میزان قابل توجهی افزایش می دهد.
گابریلا سوارس
در آزمایشهایی که با استفاده از 24 نمونه خون از بیماران در مراحل مختلف بیماری و از گروه کنترل انجام دادیم، نتایج آماری مشابهی با آزمایشهای سنتی به دست آوردیم. گام بعدی در کار ما افزایش تعداد آنالیزها و گسترش انواع نمونهها با آنالیز خون، بزاق و ادرار ارائهشده توسط بیمارستان کلینیکهای مداخلهجویانه مدرسه گابرینی است. دانشجوی دکتری مهندسی مواد در USP، دریافت کننده بورسیه تحصیلی FAPESP و اولین نویسنده این مطالعه.
سرطان لوزالمعده معمولاً از طریق یک سنجش ایمونوسوربنت مرتبط با آنزیم (ELISA) شناسایی میشود که به آزمایشگاههای مجهز و پرسنل ماهر نیاز دارد و در مقایسه با حسگرهای زیستی پردازش آن زمان زیادی طول میکشد. Soares میگوید: «به همین دلیل هدف از این تحقیق ایجاد یک ابزار غربالگری کمهزینه بود که دسترسی مردم به تشخیص زودهنگام را تسهیل میکند و به طور قابلتوجهی شانس موفقیت درمانی را افزایش میدهد.
حسگر جدید ظرفیت یا توانایی ذخیره بارهای الکتریکی را در حضور گلیکوپروتئین CA19-9 در خون بیماران اندازه گیری می کند. این مانند یک سیستم “قفل و کلید” عمل می کند. سطح دستگاه حاوی آنتی بادی های اختصاصی علیه پروتئین CA19-9 است. هنگامی که خون بیمار با حسگر تماس پیدا می کند، آنتی بادی ها مولکول های نشانگر زیستی را شناسایی کرده و پروتئین CA19-9 را جذب می کنند.
این اتصال توزیع بارهای الکتریکی روی سطح الکترود را تغییر می دهد و حسگر این تغییر را به یک سیگنال ظرفیت قابل اندازه گیری تبدیل می کند. “هرچه غلظت CA19-9 بیشتر باشد، تغییرات تشخیص داده شده توسط سنسور بیشتر است. در حدود ده دقیقه، سیستم نتیجه را با یک منحنی کالیبراسیون از پیش تعیین شده مقایسه می کند و مقدار پروتئین موجود در خون را تخمین می زند. این به ما امکان می دهد غلظت های بسیار پایین CA19-9 را شناسایی کنیم و تشخیص زودهنگام بیماری را به روشی سریع و در دسترس ممکن می سازد.”
کار محققان برای ایجاد راه حلی سریع و ارزان برای تشخیص زودهنگام سرطان پانکراس به همین جا ختم نمی شود. این تیم در حال توسعه دو حسگر دیگر با معماری و مکانیسمهای تشخیص متفاوت است. محقق توضیح میدهد: “هدف ما ترکیب پاسخهای این حسگرهای زیستی و تجزیه و تحلیل CA19-9 در خون، ادرار و بزاق بیماران است. این به ما امکان میدهد تا دقت و کیفیت آنالیزها را بهبود بخشیم تا نتیجهای را به دست آوریم که کاملاً با تکنیک الایزا همخوانی دارد.”
گروه پژوهشی نیز در حال همکاری با تکنیک های یادگیری ماشینی برای توسعه ابزاری به نام “زبان بیوالکترونیک” که می تواند نتایج حاصل از نمونه های خون، ادرار و بزاق را تجزیه و تحلیل کند. Soares می گوید: «از آنجایی که حجم داده های تولید شده زیاد است، الگوریتم ها برای شناسایی الگوها، پیش بینی ها و تصحیح خطاهای خواندن استفاده می شوند.
منبع: Agência FAPESP; نوشته ماریا فرناندا زیگلر (CC-BY-NC-ND 4.0)
