
-
生物通官微
陪你抓住生命科技
跳动的脉搏
使用3纳米纳米孔和时间分辨机器学习模型对结直肠癌样本中的内源性游离DNA进行分类
《npj Biosensing》:Classification of endogenous cell-free DNAs from colorectal cancer samples using 3?nm nanopores and time-resolved machine learning model
【字体: 大 中 小 】 时间:2026年05月21日 来源:npj Biosensing
编辑推荐:
摘要游离DNA(cfDNA)是一种有前景的、无创的癌症检测生物标志物;然而,其临床应用常常受到其低丰度以及片段长度短且不均匀的限制。在这里,我们提出了一种无需标记和扩增的cfDNA分析方法,并利用超小(<3纳米)固态纳米孔和高带宽电子器件对结直肠癌(CRC)进行分期分类。我们通过
游离DNA(cfDNA)是一种有前景的、无创的癌症检测生物标志物;然而,其临床应用常常受到其低丰度以及片段长度短且不均匀的限制。在这里,我们提出了一种无需标记和扩增的cfDNA分析方法,并利用超小(<3纳米)固态纳米孔和高带宽电子器件对结直肠癌(CRC)进行分期分类。我们通过多次独立实验分析了来自健康捐赠者和CRC患者的cfDNA样本,以评估该方法的可重复性。虽然传统的基于事件平均值的描述符能够捕捉到总体上的差异,但它们不足以用于可靠的癌症分期。相比之下,对高时间分辨率的离子电流波动的分析揭示了cfDNA中存在的片段多样性以及分子特征。为了解码这些特征,我们开发了一种混合卷积神经网络(CNN)-变换器框架,该框架可以直接处理原始电流时间序列数据。这种方法在区分健康样本和CRC样本方面的准确率达到了约95%,并且能够区分不同的癌症分期,显著优于基于特征平均值的方法和基于片段长度的基线方法。在之前未见过的样本上进行盲测时,该方法能够一致地预测健康与患病状态以及具体的癌症分期,证明了其在不同患者群体中的泛化能力。综上所述,高带宽纳米孔传感技术与时间分辨机器学习的结合为直接进行cfDNA分析提供了一种潜在的即时检测方法。