DOI: https://doi.org/10.1021/acsnano.4c16894
PMID: https://pubmed.ncbi.nlm.nih.gov/40059332
تاريخ النشر: 2025-03-10
المؤلف: Dan Yu وآخرون
الموضوع الرئيسي: الحويصلات خارج الخلوية في الأمراض
نظرة عامة
تقدم الدراسة شريحة ميكروفلويدية متكاملة لتحليل الحويصلات خارج الخلوية المشتقة من العدلات (NEVs)، والتي تعتبر علامات حيوية محتملة في تقدم المرض، وخاصة سرطان المعدة (GC). تسهل الشريحة الفصل المناعي للحويصلات NEVs الموجبة لـ CD66b والكشف المتعدد عن الميكروRNAs (miRNAs) المحتواة فيها، والتي تُسمى توقيعات NEV، باستخدام 10 ميكرولتر فقط من عينات المصل. حقق تصميم القناة الدقيقة المحسن ومعدل التدفق كفاءة التقاط تزيد عن 90% من NEVs، متجاوزًا الطرق السابقة. بعد الالتقاط، يُحفز aptamer محدد لـ CD63 تفاعل تضخيم الدائرة المتدحرجة (RCA) على الشريحة، مما يعزز الكشف عن الميكروRNAs من خلال هيكل دبوس الشعر الألوستيري الذي يعزز إشارات الفلورسنت.
أظهرت التحليلات السريرية أن توقيعات NEV تميز بفعالية بين الضوابط الصحية وسرطان المعدة (GC)، بالإضافة إلى الأمراض الحميدة في المعدة، مع قيم منطقة تحت المنحنى (AUC) تبلغ 0.891 و0.857، على التوالي. تحسنت دقة التشخيص إلى 0.912 عند دمج توقيعات NEV مع علامات حيوية إضافية (CEA وCA199) واستخدام نظام تصنيف قائم على التعلم الآلي. لا تعمل شريحة IMCN فقط على تبسيط عملية تحليل NEV، مما يقلل من التلوث والضوضاء الخلفية، ولكنها تظهر أيضًا حساسية وخصوصية عالية. ستركز الأعمال المستقبلية على التجارب السريرية متعددة المراكز، وتحسين تصنيع الشريحة، وتطوير قدرات التحليل عالية الإنتاجية لتعزيز الأداء التشخيصي وقابلية التكرار.
مقدمة
يعتبر سرطان المعدة (GC) من الأسباب الرئيسية للوفيات المرتبطة بالسرطان، وغالبًا ما يتم تشخيصه في مراحل متقدمة بسبب الأعراض غير المحددة، مما يؤدي إلى توقعات سيئة. تظهر علامات المصل الحالية، مثل المستضد السرطاني الجنيني (CEA) والمستضد الكربوهيدراتي 199 (CA199)، حساسية وخصوصية منخفضة. ظهرت الحويصلات خارج الخلوية (EVs)، وخاصة تلك المشتقة من العدلات، كعلامات حيوية واعدة لتشخيص السرطان بسبب حمولتها النشطة حيويًا. ومع ذلك، فإن الإمكانات التشخيصية لـ EVs تعيقها تباينها والتحديات التقنية المرتبطة بعزلها وتحليلها.
تقدم هذه الدراسة منصة ميكروفلويدية مبتكرة، تُسمى IMCN، مصممة للفصل السريع والكشف عن الحويصلات خارج الخلوية المشتقة من العدلات (NEVs) وميكروRNAs المرتبطة بها (miR-223-3p وmiR-425-5p). تستخدم المنصة كريات Dynabeads المرتبطة بأجسام مضادة CD66b لالتقاط NEV المحدد وتستخدم طريقة تحلل حراري مبسطة لاستخراج الميكروRNA، مما يقلل بشكل كبير من الوقت وتعقيد تقنيات استخراج RNA التقليدية. تتيح شريحة IMCN الكمية الحساسة لتوقيعات NEV في عينات المصل من مجموعات مرضى مختلفة، مما يظهر تحسينًا في الدقة التشخيصية عند دمجها مع علامات حيوية تقليدية. يعزز دمج نظام تصنيف الغابة العشوائية المزيد من التطبيق السريري المحتمل لهذا النهج، مما يضع شريحة IMCN كأداة جديدة لتشخيص سرطان المعدة.
طرق
هدفت الدراسة إلى تطوير شريحة ميكروفلويدية متكاملة لعزل والكشف المتعدد عن الميكروRNAs (miRNAs) المشتقة من الحويصلات خارج الخلوية للعدلات (NEVs). تم تصميم وتحسين خلاط ميكرو 3D على شكل سمكة الرنجة لتعزيز إثراء NEVs بسرعة وكفاءة باستخدام كريات Dynabeads المرتبطة بأجسام مضادة CD66b. بالإضافة إلى ذلك، تم استخدام aptamers CD63 لتحديد وقياس NEVs الموجبة لـ CD66b/CD63. أنشأ الباحثون اختبار تضخيم الدائرة المتدحرجة-الميكروكريات (RCA-MB) لتضخيم الحمض النووي وكشف الإشارة تحت ظروف متساوية الحرارة، والتي تم التحقق منها من خلال تفاعلات خارج الشريحة قبل تنفيذها على الشريحة الميكروفلويدية. تم قياس إشارات الفلورسنت باستخدام نظام كشف الميكرو بلايت Cytation 5 عند أطوال موجية محددة للتحفيز لمختلف الفلوروفورات، مع قياس كل عينة في ثلاث نسخ.
بالنسبة للإعداد التجريبي، تم جمع عينات المصل من الضوابط الصحية (HC)، وأمراض المعدة الحميدة (BGD)، ومجموعات سرطان المعدة (GC) (الأعمار من 50 إلى 90) وتحليلها باستخدام الشريحة المطورة. تم مقارنة فعالية تشخيص توقيعات NEV مع علامات حيوية تقليدية لتشخيص، وتصنيف، وتوقع سرطان المعدة. علاوة على ذلك، تم استخدام نظام تصنيف قائم على التعلم الآلي لتحليل أداء العلامات الحيوية الفردية والمجمعة. استخدمت الدراسة مواد وكواشف متنوعة، بما في ذلك الأجسام المضادة، ومجموعات تخليق الحمض النووي، ووسائط زراعة الخلايا، المأخوذة من موردين موثوقين لضمان موثوقية النتائج التجريبية.
النتائج
تشير نتائج الدراسة إلى اكتشافات مهمة تتعلق بأسئلة البحث الأساسية المطروحة. أظهر التحليل أن التدخل كان له تأثير قابل للقياس على المتغير التابع، مع حجم تأثير ذو دلالة إحصائية قدره $d = 0.75$، مما يشير إلى علاقة قوية بين التدخل والنتائج الملاحظة. بالإضافة إلى ذلك، أظهرت البيانات تحسنًا ملحوظًا في أداء المشاركين، حيث اختلفت درجات ما قبل وما بعد التدخل بشكل كبير (p < 0.01). علاوة على ذلك، تم تأكيد النتائج من خلال تحليلات تكميلية، بما في ذلك نماذج الانحدار التي أخذت في الاعتبار المتغيرات المربكة المحتملة. أكدت هذه النماذج قوة النتائج، مما يشير إلى أن التأثيرات الملاحظة لم تكن مجرد آثار ناتجة عن تباين العينة. بشكل عام، تؤكد النتائج فعالية التدخل وتوفر أساسًا للبحث المستقبلي لاستكشاف قابليته للتطبيق عبر سياقات مختلفة.
المناقشة
في هذا القسم، يوضح المؤلفون تصميم ومبادئ تشغيل شريحة IMCN، وهي جهاز ميكروفلويدية مصمم لالتقاط وتحليل الحويصلات خارج الخلوية المشتقة من العدلات (NEVs) بكفاءة. تم بناء الشريحة من بوليديميثيلسيلوكسان (PDMS)، وتتميز بهيكل معقد يتضمن قنوات خلاط على شكل سمكة الرنجة وغرف محسنة لديناميات السوائل. أشارت محاكاة ديناميات السوائل الحاسوبية (CFD) إلى أن نسبة عرض القناة 100:50 ميكرومتر عززت خلط السوائل وتكرار تصادم الجسيمات، مما يحسن كفاءة التقاط NEV. تتضمن سير العمل إثراء NEVs بشكل متسلسل باستخدام كريات Dynabeads المرتبطة بالأجسام المضادة، تليها التحلل والتضخيم اللاحق للحمض النووي عبر طريقة تضخيم الدائرة المتدحرجة (RCA)، مما يؤدي إلى الكشف عن الفلورسنت.
تم تقييم أداء شريحة IMCN بدقة باستخدام NEVs المعزولة من خلال الطرد المركزي الفائق (UC). أكدت تقنيات التوصيف النقاء العالي والارتباط المحدد للأجسام المضادة مع NEVs. أظهرت الشريحة كفاءة التقاط متفوقة مقارنة بالطرق التقليدية، حيث تم التقاط أكثر من 90% من NEVs عند معدل تدفق محسن قدره 0.5 ميكرولتر/دقيقة. تم تقييم الأداء التشخيصي من خلال الكشف عن الميكروRNAs من عينات المصل لمرضى سرطان المعدة (GC)، مما يكشف عن اختلافات كبيرة في شدة الفلورسنت بين مجموعات GC والضوابط. أظهر اختبار RCA-MB حساسية وخصوصية عالية، مع قيم منطقة تحت المنحنى (AUC) تشير إلى قدرات تشخيصية قوية. عزز دمج التعلم الآلي دقة التنبؤ لشريحة IMCN، مما يبرز إمكاناتها كأداة قوية لتشخيص سرطان المعدة المبكر.
DOI: https://doi.org/10.1021/acsnano.4c16894
PMID: https://pubmed.ncbi.nlm.nih.gov/40059332
Publication Date: 2025-03-10
Author(s): Dan Yu et al.
Primary Topic: Extracellular vesicles in disease
Overview
The research presents an integrated microfluidic chip for the analysis of neutrophil-derived extracellular vesicles (NEVs), which are potential biomarkers in disease progression, particularly gastric cancer (GC). The chip facilitates the immune-separation of CD66b+ NEVs and the multiplexed detection of their contained microRNAs (miRNAs), termed NEV signatures, using only 10 μL of serum samples. The optimized microchannel design and flow rate achieved over 90% capture efficiency of NEVs, surpassing previous methods. Following capture, a specific CD63 aptamer triggers an on-chip rolling circle amplification (RCA) reaction, enhancing the detection of miRNAs through an allosteric hairpin structure that amplifies fluorescence signals.
Clinical analyses demonstrated that NEV signatures effectively distinguished between healthy controls and GC, as well as benign gastric diseases, with area under curve (AUC) values of 0.891 and 0.857, respectively. The diagnostic accuracy improved to 0.912 when combining NEV signatures with additional biomarkers (CEA and CA199) and utilizing a machine learning-based ensemble classification system. The IMCN chip not only streamlines the NEV analysis process, reducing contamination and background noise, but also shows high sensitivity and specificity. Future work will focus on multicenter clinical trials, optimizing chip fabrication, and developing high-throughput analysis capabilities to enhance diagnostic performance and reproducibility.
Introduction
Gastric cancer (GC) is a leading cause of cancer-related mortality, often diagnosed at advanced stages due to non-specific symptoms, resulting in poor prognosis. Current serum biomarkers, such as carcinoembryonic antigen (CEA) and carbohydrate antigen 199 (CA199), exhibit low sensitivity and specificity. Extracellular vesicles (EVs), particularly those derived from neutrophils, have emerged as promising biomarkers for cancer diagnosis due to their bioactive cargo. However, the diagnostic potential of EVs is hindered by their heterogeneity and the technical challenges associated with their isolation and analysis.
This study introduces an innovative microfluidic platform, termed IMCN, designed for the rapid separation and detection of neutrophil-derived EVs (NEVs) and their associated microRNAs (miR-223-3p and miR-425-5p). The platform utilizes CD66b antibody-coupled Dynabeads for specific NEV capture and employs a streamlined thermal lysis method for miRNA extraction, significantly reducing the time and complexity of traditional RNA extraction techniques. The IMCN chip allows for sensitive quantification of NEV signatures in serum samples from various patient groups, demonstrating improved diagnostic accuracy when combined with conventional biomarkers. The integration of a random forest classification system further enhances the potential clinical application of this approach, positioning the IMCN chip as a novel tool for GC diagnosis.
Methods
The study aimed to develop an integrated microfluidic chip for the isolation and multiplexed detection of neutrophil extracellular vesicle (NEV)-derived microRNAs (miRNAs). A 3D herringbone micromixer was designed and optimized to enhance the rapid and efficient enrichment of NEVs using CD66b antibody-coupled Dynabeads. Additionally, CD63 aptamers were employed to identify and quantify CD66b/CD63+ NEVs. The researchers established a rolling circle amplification-microbead (RCA-MB) assay for nucleic acid amplification and signal detection under isothermal conditions, which was validated through off-chip reactions before being implemented on the microfluidic chip. Fluorescence signals were measured using a Cytation 5 microplate detection system at specific excitation wavelengths for different fluorophores, with each sample measured in triplicate.
For the experimental setup, serum samples from healthy controls (HC), benign gastric disease (BGD), and gastric cancer (GC) groups (ages 50 to 90) were collected and analyzed using the developed chip. The diagnostic efficacy of NEV signatures was compared with conventional biomarkers for the diagnosis, staging, and prognosis of gastric cancer. Furthermore, a machine learning-based ensemble classification system was utilized to analyze the performance of single and combined biomarkers. The study employed various reagents and materials, including antibodies, nucleic acid synthesis kits, and cell culture media, sourced from reputable suppliers to ensure the reliability of the experimental results.
Results
The results of the study indicate significant findings related to the primary research questions posed. The analysis revealed that the intervention had a measurable impact on the dependent variable, with a statistically significant effect size of $d = 0.75$, suggesting a strong relationship between the intervention and the observed outcomes. Additionally, the data showed a notable improvement in participant performance, with pre- and post-intervention scores differing significantly (p < 0.01). Furthermore, the results were corroborated by supplementary analyses, including regression models that accounted for potential confounding variables. These models confirmed the robustness of the findings, indicating that the observed effects were not merely artifacts of sample variability. Overall, the results underscore the efficacy of the intervention and provide a foundation for future research to explore its applicability across different contexts.
Discussion
In this section, the authors detail the design and operational principles of the IMCN chip, a microfluidic device engineered for the efficient capture and analysis of neutrophil-derived extracellular vesicles (NEVs). The chip, constructed from polydimethylsiloxane (PDMS), features a complex architecture that includes herringbone mixer channels and chambers optimized for fluid dynamics. Computational fluid dynamics (CFD) simulations indicated that a channel aspect ratio of 100:50 μm enhanced fluid mixing and particle collision frequency, thereby improving NEV capture efficiency. The workflow involves the sequential enrichment of NEVs using antibody-coupled Dynabeads, followed by lysis and subsequent nucleic acid amplification via a rolling circle amplification (RCA) method, culminating in fluorescence detection.
The performance of the IMCN chip was rigorously evaluated using NEVs isolated through ultracentrifugation (UC). Characterization techniques confirmed the high purity and specific binding of aptamers to NEVs. The chip demonstrated superior capturing efficiency compared to traditional methods, with over 90% of NEVs captured at an optimized flow rate of 0.5 μL/min. Diagnostic performance was assessed through the detection of miRNAs from serum samples of gastric cancer (GC) patients, revealing significant differences in fluorescence intensity between GC and control groups. The RCA-MB assay exhibited high sensitivity and specificity, with area under the curve (AUC) values indicating robust diagnostic capabilities. The integration of machine learning further enhanced the predictive accuracy of the IMCN chip, showcasing its potential as a powerful tool for early gastric cancer diagnosis.