Abstract
Bakgrunn
lipider har kritiske funksjoner i mobilnettet energilagring, struktur og signalering. Mange individuelle lipidmolekyler har blitt assosiert med utviklingen av prostatakreft; Men ingen av dem har blitt godkjent til bruk som en biomarkør. Målet med denne studien er å identifisere lipid molekyler fra hundrevis plasma tydelig lipid arter som biomarkører for diagnostisering av prostatakreft.
Metodikk /hovedfunnene
Ved hjelp lipidomics, lipid profilering av 390 individuelle tydelig lipid arter ble utført på 141 plasmaprøver fra 105 pasienter med prostatakreft og 36 mannlige kontroller. Høy throughput data generert fra lipidomics ble analysert ved hjelp av bioinformatiske og statistiske metoder. Fra 390 åpen lipid arter, ble 35 arter påvist å ha potensial i differensiering av prostatakreft. Innenfor de 35 arter, 12 ble identifisert som individuelle plasmalipidnivåer biomarkører for diagnostisering av prostatakreft med en følsomhet over 80%, spesifisitet over 50% og nøyaktighet over 80%. Ved hjelp av topp 15 av 35 mulige biomarkører sammen økt prediktiv kraft dramatisk i diagnostisering av prostatakreft med en sensitivitet på 93,6%, spesifisitet på 90,1% og nøyaktighet på 97,3%. Prinsipal komponent analyse (PCA) og hierarkisk clustering analyse (HCA) viste at pasient og kontrollpopulasjoner ble visuelt adskilt med identifiserte lipid biomarkører. RandomForest og 10-fold kryssvalidering analyser viste at de identifiserte lipid biomarkører var i stand til å forutsi ukjente bestander nøyaktig, og dette ble ikke påvirket av pasientens alder og rase. Tre av 13 lipidklasser, fosfatidyletanolamin (PE), eter bundet fosfatidyletanolamin (EPE) og eter bundet Phosphatidylcholine (EPC) kan anses som biomarkører i diagnostisering av prostatakreft.
Konklusjon /Betydning
Ved hjelp lipidomics og bioinformatiske og statistiske metoder, har vi identifisert noen ut av hundrevis plasma tilsynelatende lipid molekylære arter som biomarkører for diagnostisering av prostatakreft med høy følsomhet, spesifisitet og nøyaktighet
Citation. Zhou X Mao J, Ai J, Deng Y, Roth MR, Pound C, et al. (2012) Identifisering av Plasma Lipid Biomarkører for prostatakreft ved lipidomics og bioinformatikk. PLoS ONE 7 (11): e48889. doi: 10,1371 /journal.pone.0048889
Redaktør: Christina Lynn Addison, Ottawa Hospital Research Institute, Canada
mottatt: 02.06.2012; Godkjent: 02.10.2012; Publisert: 12.11.2012
Copyright: © 2012 Zhou et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Finansiering:. Denne studien ble støttet av en egenutført stipend fra University of Mississippi Medical Center (68599370412), og delvis av en National Institutes of Health /MSINBRE stipend (P20RR016476). Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Biomarkører spiller sentrale roller i omsorgen for pasienter med kreft. Men i dag brukes biomarkører for prostatakreft er sub-optimale. For eksempel, prostataspesifikt antigen (PSA), den mest brukte biomarkør, er kontroversielt med hensyn til sin spesifisitet og sensitivitet i forskjellige populasjoner [1]. Det er også bekymring for mulig over-diagnose av prostatakreft ved PSA hos pasienter med begrenset potensial for utvikling av sykdommen [2] – [4]. Flere nye biomarkører blir studert [5] – [7]; Men ingen av disse har vist seg å være nyttig for klinisk testing.
Lipider omfatter ulike klasser av molekyler med kritiske funksjoner i mobilnettet energilagring, struktur og signalering. Tidligere studier har vist at risikoen for prostatakreft øker med økning i plasma særlig fettsyrer, for eksempel myristinsyre, α-linolensyre, EPA og [8] – [9]. Mange individuelle polare lipid [10] – [17] og kolesterol [18] – [21] arter er blitt assosiert med utviklingen av prostatakreft. Men på grunn av begrensninger i teknologien, bare noen få åpen lipid arter eller lipidklasser ble analysert i hver av disse studiene, og har blitt gjort forsøk på å oppdage lipid molekyler som biomarkører for prostatakreft ved storskala lipid profilering. Storskala lipid profilering ble ikke gjort før innføringen av massespektrometri-baserte lipidomics strategier for ti år siden [22]. Nylig ble det referanseverdier for 500 plasmalipidnivåer art oppnådd fra en lipidomics analyse av de sammenslåtte og blandet plasma fra 100 friske mennesker [23]. Lipidomics har vist seg å være et nyttig verktøy i studiet av mekanismer og biomarkører i mange sykdommer som fedme [24] – [25], aterosklerose [26] – [28], hypertensjon [29], diabetes [30], cystisk fibrose [31] og andre kreftsykdommer [32] – [34]. I tillegg, ved hjelp av hagle lipidomics, noen få lipid arter fra 70 fosfolipider arter i urin ble identifisert som potensielle markører for prostata kreft [35]. Imidlertid har stor skala plasma lipid profilering ikke blitt utført på blod og prostataprøver fra pasienter med prostatakreft.
Som beskrevet her, har vi utført en global lipid profilering, som omfattet måling av 340 fosfolipid og 50 kolesterylester ( CE) tilsynelatende lipid molekylære arter, på 141 plasmaprøver fra 105 pasienter med prostatakreft og 36 mannlige kontroller. Ved analyse med bioinformatiske og statistiske metoder, har noen plasma lipid artene er valgt som biomarkører. Den første studien viser at disse biomarkører har en høy sensitivitet, spesifisitet og nøyaktighet i diagnostisering av prostatakreft.
Pasienter og metoder
Mål
Vi hypotese at prostata kreft vev har distinkte lipidprofil å møte spesielle behov for svulst overlevelse og progresjon. Særpreget lipidprofil vil påvirke systemisk lipid homeostase og gjenspeiles i kroppsvæsker, inkludert plasma. Derfor vil påvisning av plasma tilsynelatende lipid molekyltyper reflektere eksistensen og utviklingen av prostatakreft. Ved å sammenligne plasmakonsentrasjoner av hundrevis av åpen lipid arter blant populasjoner med og uten prostatakreft, vil noen åpen lipid artene som er mest representative for kreft status bli identifisert som plasma lipid biomarkører i diagnostisering av prostatakreft.
pasienter og Prøvetaking
Ett hundre og fem (105) plasmaprøver fra 105 pasienter med prostatakreft ble hentet fra Cooperative menneskelig vev Network (CHTN), hvor plasmaprøver ble pre-samlet inn fra forskjellige klinikker i perioden 2004-2007. Før innsamling av plasmaprøver, hadde pasienter samtykket og ikke hadde gjennomgått terapeutiske intervensjoner. Diagnostisering av prostatakreft for hver pasient ble bekreftet av påfølgende prostatabiopsi eller prostatektomi. Begrenset informasjon for hver pasient, blant annet pasientens alder, rase og patologisk diagnose, ble gitt. Trettiseks (36) plasmaprøver fra mannlige kontroller ble hentet fra en samarbeidende forfatter, som forhånds samlet plasma fra 36 mannlige pasienter ved et fellesskap klinikk, hvor pasientene hadde sine velvære sjekker eller søkt medisinsk hjelp for andre sykdommer i perioden 2006 -2008. Kriterier for utvelgelse av kontrollene var ingen historie av prostatakreft, fornektelse av kliniske manifestasjoner av prostatakreft, og et lavt nivå av serum PSA. Den samme protokoll for samling av plasma ble anvendt i innsamling av plasmaprøver fra pasienter og kontroller: fra hvert individ, ble 10 ml fullblod samlet i et vacutainer-rør innehold kalium-EDTA som antikoagulant. Plasmaet ble umiddelbart separert (ikke mer enn 4 timer etter oppsamling av helblod) og lagret ved -80 ° C umiddelbart. Alle plasmaprøver ble fraktet på tørris til Kansas lipidomics Research Center (KLRC) for lipid analyse.
ESI-MS /MS Lipid Profilering
En automatisert electrospray ionisering-tandem massespektrometri tilnærming var anvendes. I denne fremgangsmåten, blir plasma lipid arter identifisert på nivået av hodegruppe pluss samlede acyl karboner: totalt antall dobbeltbindinger. De detekterte intensiteter, som hver er definert ved et intakt ion masse /ladning (m /z), og en karakteristisk fragment m /z, er her beskrevet som «tilsynelatende molekyl lipid art». Datainnsamling og analyse ble utført som beskrevet tidligere [36] – [37] med modifikasjoner. I korte trekk ble en porsjon av 3 mL av plasma anvendes. Nøyaktige mengder av interne standarder, oppnådd og kvantifiserte som tidligere beskrevet [38], ble det tilsatt i følgende mengder (med noen små variasjoner i mengder i forskjellige satser av intern standard): 0,60 nmol PC (12:00 /12:00), 0,60 nmol PC (24:1 /24:1), 0,60 nmol LPC (13:00), 0,60 nmol LPC (19:00), 0,30 nmol PE (12:00 /12:00), 0,30 nmol PE (23: 0 /23:00), 0,30 nmol LPE (14:00), 0,30 nmol LPE (18:00), 0,30 nmol LPG (14:00), 0,30 nmol LPG (18:00), 0,30 nmol PA (14:00 /14:00), 0,30 nmol PA (fytanoyl /fytanoyl), dvs. PA (20:00 /20:00), 0,20 nmol PS (14:00 /14:00), 0,20 nmol PS (fytanoyl /fytanoyl), dvs. PS (20:00 /20:00), 0,23 nmol PI (16:00 /18:00), 2,5 nmol CE (13:00) og 2,5 nmol CE (23:00). Prøven og intern standard blanding ble kombinert med løsningsmidler, slik at forholdet av kloroform /metanol /300 mM ammoniumacetat i vann var 300/665/35, og det endelige volumet var 1,2 ml. Denne blanding, i autosampler ampuller, ble sentrifugert i 15 minutter for å pelletere partikler før presentere lipid /oppløsningsmiddelblandingen til den autosampler. Disse ufraksjonerte lipid ekstrakter ble innført ved kontinuerlig infusjon i ESI kilden på en trippel kvadrupol MS /MS (API 4000, Applied Biosystems, Foster City, CA), ved hjelp av en autosampler (LC Mini PAL, CTC Analytics AG, Zwingen, Sveits) montert med den nødvendige injeksjon løkke for erverv tid og presentert for ESI nålen på 30 mL /min.
Sekvensiell forløper og nøytral tapsundersøkelser av ekstrakter produsert en rekke spektre med hvert spektrum avsløre et sett av lipid arter som inneholder en felles leder gruppe fragment. ble påvist lipid art med følgende skanninger: PC, SM, og lysoPC, [M + H]
+ -ioner i positiv ionemodus med Forløper til 184,1 (Pre 184,1); PE og lysoPE, [M + H]
+ ioner i positiv ion modus med Nøytral Tap av 141,0 (NL 141,0); PI, [M + NH
4]
+ i positiv ion modus med NL 277,0; PS, [M + H]
+ i positiv ionemodus med NL 185,0; PA, [M + NH
4]
+ i positiv ion modus med NL 115,0; CE, [M + NH
4]
+ i positiv ion modus med Pre 369,3. SM ble bestemt fra samme massespekteret som PC (forløpere for m /z 184 i positiv modus) [39] – [40] og ved sammenligning med PC som intern standard ved hjelp av en molar responsfaktor for SM (i sammenligning med PC) bestemmes eksperimentelt å være 0,39. Acyl, alk (en) yl ( «eter bundet») EPCS og Epes ble bestemt i forhold til de samme diacyl standard som andre PC og PE-arter, og ingen responsfaktorer ble brukt. Gasstrykket kollisjonen ble innstilt på 2 (vilkårlige enheter). De kollisjonsenergier, med nitrogen i kollisjonen cellen, var 28 V for PE, 40 V for PC (og SM), 25 V for PI, PS og PA, og 30 V for CE. Declustering potensialer var 100 V for alle lipider unntatt CE, hvor declustering potensialet var +225 V. Inngangs potensialer var 15 V for PE, 14 V for PC (og SM), PI, PA, og PS, og + 10 V for CE. Exit potensialer var 11 V for PE, 14 V for PC (og SM), PI, PA, PS, og 10 V for CE. Masse analysatorer ble justert til en oppløsning av 0,7 u fulle bredde ved halv høyde. For hvert spektrum, ble 9 150 kontinuumsmekanikk skanninger gjennomsnitt i flere kanaler analysator modus (MCA). Kilden temperatur (varmet forstøver) var 100 ° C, grensesnittet varmeapparatet var på, 5,5 kV eller -4.5 kV ble tilført elektrokapillære, gardin gassen ble innstilt på 20 (vilkårlige enheter), og de to ione-kildegasser ble satt til 45 (vilkårlige enheter).
bakgrunnen for hvert spektrum ble trukket fra, dataene ble glattet, og topparealene integrert ved hjelp av et egendefinert skript og Applied Biosystems Analytiker programvare. Dataene ble isotopisk deconvoluted, og lipidene i hver klasse ble kvantifisert i forhold til de interne standarder for den klasse, fordi forskjellige molekylarter innenfor samme klasse ionisere tilsvar [22]. Den første og vanligvis hver 11
th sett massespektra ble kjøpt på den interne standard blanding bare. Topper som tilsvarer de aktuelle lipider i disse spektra ble identifisert og molare mengder beregnet i forhold til de interne standarder på samme lipid-klasse. For å korrigere for kjemisk eller instrumental støy i prøvene, den molare mengde av hver enkelt lipid metabolitt detektert i den «interne standarder only» spektra ble subtrahert fra den molare mengden av hver metabolitt beregnet i hvert sett av prøve spektra. Dataene fra hver «interne standarder bare» sett av spektra ble brukt til å korrigere dataene fra følgende 10 prøver. Til slutt ble de data korrigert for fraksjonen av prøven analyseres og normaliseres til prøvevolumet for å frembringe data i enheten av nmol /ul.
Strategier som brukes i Selection of Lipid Biomarkører
to strategier ble brukt til å velge individuelle åpen lipid arts biomarkører fra hundrevis av oppdagede arter. Den første strategien var filtrering. For å begrense antallet av potensielle kandidater fra 390 åpen lipid art, ble arter som ikke kan være klinisk anvendes i diagnose av prostatakreft filtrert, på grunn av for lav konsentrasjon til å detektere, ubetydelig forskjell mellom pasient og kontrollgrupper, eller også lukkede nivåer av plasma konsentrasjoner i to grupper (selv om forskjellen kan være statistisk signifikant) for å tolke. Kriterier for retensjon var: 1) forskjell i gjennomsnittlig plasma lipid-konsentrasjon er meget signifikant (p 0,01) mellom pasient og kontrollgrupper; 2) endringer i gjennomsnittlig plasma lipid konsentrasjon er 2 ganger (opp eller ned); og 3) betyr plasma lipid-konsentrasjon er 10 nmol /ul. Tilsynelatende lipid arter som oppfylte alle tre kriterier ble valgt som potensielle kandidater av plasma lipid biomarkører. Den andre strategi ga ytterligere differensiering av kreft og kontrollprøver, for å vise at de utvalgte deltagere ikke bare er klinisk nyttig og anvendelig, men også de er svært følsom, spesifikk og nøyaktig i differensiering av prostatakreft fra kontroller. Etter analyse med bioinformatikk metoder, vil eventuelle åpen lipid arter av utvalgte potensielle kandidater velges som individuelle plasma lipid biomarkør i diagnostisering av prostatakreft, hvis det møtte disse kriteriene: 1) følsomhet over 80%; 2) spesifisitet over 50%; 3) alle Precision, Recall, F-måling og området under (ROC) kurve over 80%.
Programvare og programmer som brukes i statistisk og bioinformatikk analyse
T-Test i SPSS18 programvare ble brukt til å sammenligne den midlere plasmakonsentrasjon av 390 åpen lipid art mellom kontroll og pasientgrupper. Den betydelige p-verdi ble satt til 0,01 i filtreringsprosedyrer. T-testen ble også brukt i sammenligning av gjennomsnittlige alderen mellom kontroll og pasientgrupper. Den betydelige p-verdi ble satt til 0,05.
GenSpring11, Gim2 og Windows Paint programvare og programmer som ble brukt til å utføre og graf diagrammer av Principal Component Analysis (PCA) og hierarkisk Clustering Analysis (HCA).
Weka 3,73 versjon programvare ble brukt i bioinformatikk analyse: Simple logistikk klassifisering algoritme og Infogain, ble en overvåket attributt vurdering metode som brukes til å rangere enkelt tilsynelatende lipid arter og lipid klasse i henhold til deres prediktive krefter i differensiering av pasienter med prostatakreft fra kontrollene ; RandomForest klassifisering algoritme og 10-fold kryssvalidering ble brukt til å beregne ytelsen til en prediktiv modell. For «ukjent prediksjon», ble modeller etablert i et treningssett, som inneholdt populasjoner med «kjente funksjoner», som hvitt pasient. Alle fag innenfor samme «kjent funksjon», som hvitt pasient, ble tilfeldig gruppert (10 iterasjoner i denne studien). Den prediktive krefter ble gjentatte ganger krysser validert blant 10 gjentakelser. Programmet bestemt gjennomsnittlig prediktiv kraft, noe som indikerte om en tilfredsstillende modell ble etablert i treningssettet. Da tilfredsstillende modell med hver «kjent funksjon» ble brukt til å forutsi (validere) prediktiv kraft i individer med hver speilet «ukjent funksjon», for eksempel sort pasient, i testsettet. Høyere prediktiv kraft i treningssettet indikerer mindre avvik blant 10 tilfeldig gruppert gjentakelser med «kjent funksjon». Høyere prediktive krefter i testsettet foreslå et mindre avvik mellom de sammenkoblede «kjente» og «ukjente» populasjoner.
Chi-Square test i SPSS 18 programmet ble brukt til å sammenligne fordelingen av kontroller og pasienter mellom den første halvparten (øvre del) og den andre halvparten (bunndelen) med høyere plasma lipidkonsentrasjoner i fig S1. Chi-Square test ble også brukt til å sammenligne forholdene av svart til hvitt, biopsi for å prostatektomi, høy og lav grad av prostatakreft mellom første og andre halvdeler. Den betydelige p-verdi ble satt til 0,05 for alle resultater fra Chi-Square tester.
Etikk
Denne studien ble godkjent av Institutional Review Board ved University of Mississippi Medical Center som en fritatt etterforskning , der innhente samtykke fra deltakerne var ikke nødvendig, fordi alle innhentet prøver brukt i denne studien var pre-innsamlet av andre organisasjoner. Protokollene for prøvetaking hadde blitt godkjent av deres Institutional Review Boards. Pasientene hadde gitt sitt skriftlige samtykke før donasjon av plasmaprøver. I denne studien, ingen identifiserende informasjon, som for eksempel pasientens navn, fødselsdato eller kontaktinformasjon var kjent eller brukt.
Resultater
demografi Fag
Hele studien inkluderte 141 emner, inkludert 105 pasienter med prostatakreft og 36 mannlige kontroller. Blant pasientene, 61 (58,1%) var kaukasiske ( «hvit»), 42 (40%) var Afroamerikaner ( «svart»); og to var av ukjent etnisk opprinnelse. Blant de 36 kontrollene, 24 (66,7%) var kaukasiske og 12 (33,3%) var African American. Det var ingen forskjell i rase forholdet mellom pasient og kontrollgruppene (p = 0,55), selv om det var signifikant flere kaukasiere enn afro-amerikanere i hele studien (85 kaukasiske, og 54 afrikanske amerikanere, p = 0,0022). Gjennomsnittsalderen på tidspunktet for prøvetaking var 63,6 ± 8,5 for pasienter og 57,5 ± 15,3 for kontroller (p = 0,0032). Informasjon om Gleason grad var tilgjengelig for 100 av 105 pasienter: 2 pasienter hadde Gleason score på 5, 55 hadde Gleason score på 6, 35 hadde Gleason score på 7 og 8 hadde Gleason score over 7. Dermed 90% av pasientene hadde Gleason score på 6 eller 7. Informasjon om andre kliniske tilstander som kan påvirke lipid metabolisme som hyperlipidemi, diabetes, andre kreftformer og medisiner var ikke tilgjengelig for pasientene. Kliniske opplysninger for 36 mannlige kontroller var som følgende: 10 pasienter hadde sin velvære sjekk og nektet betydelig kliniske manifestasjoner; 14 hadde hypertensjon; 6 hadde slitasjegikt, og 1 til 2 pasienter hadde en historie med ett eller flere av følgende: hyperlipidemi, ryggsmerte, fedme, diabetes, gikt, bipolar lidelse, beslag, eller gastroøsofageal reflukssykdom. Ingen hadde en historie av kreft, inkludert prostatakreft. Gjennomsnittlig serum PSA nivå for kontrollene var 0,85 ng /ml.
Lipid Profilering av 390 Tilsynelatende Lipid Arter
Plasma lipidprofil inkludert 390 enkeltåpen lipid arter fra 13 klasser av fosfolipider og kolesterylestere-estere (CE) ble bestemt ved lipidomics for 141 plasmaprøver (105 fra pasienter og 36 fra kontroller). Den mest betydningsfulle forskjell i gjennomsnittlig plasmakonsentrasjon mellom pasient og kontrollgrupper ble funnet i lysofosfatidylcholin (LPC) med fett acylkjeden 22:06 [LPC (22:06)] (p = 1,75 x 10
-20). Den høyeste gjennomsnittlig plasmakonsentrasjon av et kolesteryl-ester arter var CE (18:02) (11,5 ± 4,36 nmol /mikroliter hos pasienter, 10,99 ± 4,8 nmol /mikroliter i kontroller, p = 0,144). Den høyeste gjennomsnittlig plasmakonsentrasjon av et polart lipid artene var PC (34:2) (0,94 ± 0,41 nmol /mikroliter hos pasienter, 0,58 ± 0,17 nmol /mikroliter i kontroller, p = 0,00115). Den betydelige ganger endring i gjennomsnittlig plasmakonsentrasjon av disse tilsynelatende lipid artene mellom pasient og kontrollgruppene varierte fra positiv 22,7 ganger for dihydrosphingomyelin (DSM) med 16:00 [(DSM (16:00)] (p = 3,85 × 10
-19) til negative 20,8 ganger for PC (30:1) (p = 9,58 × 10
-04). Den fullstendige listen over gjennomsnittlige plasmakonsentrasjoner i pasient- og kontrollgruppene, p-verdier og fold endringer mellom pasient og kontrollgrupper for hver av 390 arter er gitt i tabell S1.
Identifikasjon av Individuell Tilsynelatende Lipid arter som Biomarker
i henhold til kriteriene som er beskrevet i den Pasienter og metoder delen, 335 ut av 390 arter ble fjernet ved den første strategi filtrering. Bare 35 åpen lipid arter ble selektert som potensielle kandidater for lipid biomarkører for diagnostisering av prostatakreft (tabell 1). for disse 35 utvalgte tilsynelatende lipid art, forskjellen i gjennomsnittlig plasmakonsentrasjon mellom pasient og kontroll gruppene var svært signifikant (p 0,01), forandringen i gjennomsnittlig plasmakonsentrasjon (økning eller reduksjon) mellom pasient og kontrollgruppene var ≥2 ganger, og den gjennomsnittlige plasmakonsentrasjonen var ≥10 pmol /ul (15 ganger påvisning cut-off verdi i enten pasienter, kontroller, eller begge). Den andre strategien gitt ytterligere differensiering av kreft og kontrollprøver ved å demonstrere om hver av 35 kandidater hadde nok prediktiv kraft i diagnostisering av prostatakreft. Ved hjelp av bioinformatiske metoder, ble de 35 kandidatene rangert som topp 1 til topp 35 i henhold til deres Infogain verdier. Kun 12 av 35 mulige kandidater ble identifisert som individuelle plasmalipidnivåer biomarkører, fordi hver av disse 12 identifiserte tilsynelatende lipid art oppfylt alle kriterier: følsomhet (sanne positive) over 80%, spesifisitet (1-sann falsk positiv) over 50% og alle Precision, Recall, F-måling og området under (ROC) kurve over 80% i differensiering av pasienter med prostatakreft fra kontroller (som uthevet og kursiv i tabell 1).
Identifikasjon av Lipid klasser som biomarkører
De påviste 390 individuelle plasmaåpen lipid arter tilhørte 12 klasser av fosfolipider og en gruppe av kolesterylestere. Konsentrasjonen for hver lipidklasse ble beregnet ved å legge til alle målte individuelle arter i denne klassen. Som vist i tabell 2, hadde alle lipidklasser øket plasmakonsentrasjon hos pasienter sammenlignet med kontroller, bortsett fra fosfatidinsyre (PA), som hadde en signifikant redusert plasmakonsentrasjon hos pasienter. LPC var den eneste lipidklasse, i hvilket hvert detektert enkelte åpenbare fettarter hadde en signifikant høyere plasmakonsentrasjon hos pasientgruppen sammenlignet med kontrollgruppen (detaljer ikke vist). I resten av lipidklasser, noen tilsynelatende lipid art var opp, mens andre var nede i deres plasmakonsentrasjon hos pasienter sammenlignet med kontroller. Forskjellene i plasma lipidkonsentrasjoner mellom pasienter og kontroller var statistisk signifikant i de fleste av lipidklasser, bortsett fra lysfosfatidyl-etanolamin (LPE) og fosfatidylserin (PS). Men når de samme kriteriene som brukes i utvalg av biomarkører fra enkeltåpen lipid artene ble brukt til lipidklasser, bare lipidklasser PE, EPE og EPC kan anses å være biomarkører i diagnostisering av prostatakreft. Ved hjelp av lipidklasser som biomarkører for diagnostisering av prostatakreft er ikke et ideelt valg, fordi potensielt nyttig informasjon går tapt ved vilkårlig å kombinere måleverdier (basert på lipid klasse oppdrag) for enkelte åpen lipid arter.
Effect av gruppere flere biomarkører på diagnostisering av prostatakreft
for å demonstrere hvis du bruker flere lipid biomarkører sammen innen 35 kandidater er i stand til å øke prediktiv kraft for diagnostisering av prostatakreft, syv grupper av åpen lipid arter med forskjellige antall kandidater ble manuelt gruppert: top 5 (topp 1 til 5, 5 kandidater sammen), 10 (topp 1 til 10, 10 kandidater sammen, etc.), 15, 20, 25, 30 og 35 (alle 35 kandidater sammen). Resultatene viser at i en hvilken som helst manuell montering gruppe med flere lipid markører sammen hadde høyere følsomhet, spesifisitet og nøyaktighet i diagnose av prostatakreft i forhold til noen av de enkelte lipid biomarkører. Blant disse manuelt sammensatte grupper, gruppen av 15 (topp 1 til top15, 15 biomarkører sammen) var den beste kombinasjonen med de sterkeste prediktive krefter i diagnostisering av prostatakreft: det hadde høyest følsomhet (93,6%), den høyeste spesifisitet (90,1 %), høyere nøyaktighet (97,3%) som vist i figur 1, og den høyeste presisjon, Recall og F-Mål (93,7%, 93,6% og 93,6%, henholdsvis data ikke vist i figur 1).
punktene indikert av de to hode piler er prediktive krefter topp 15 plasma tydelig lipid arter når de brukes sammen i diagnostisering av prostatakreft. Ved hjelp av topp 15 plasmaåpen lipid artene har høyest følsomhet (93,6%), den høyeste spesifisitet (90,1%), og høyere nøyaktighet (ROC-området, 97,3%) i diagnostisering av prostatakreft sammenlignet med å bruke en annen kombinasjon av ulike tall .
for å potensielt redusere antall biomarkører for å lette praktiske innlemmelse i arbeidsflyten av kliniske laboratorier, og for å gjøre resultatene mest mottagelig for tolkning av klinikere, ble bioinformatikk analyser utført på de ulike kombinasjonene fra to lipid biomarkører sammen (topp 2) gjennom 15 lipid biomarkører sammen (topp 15) som vist i tabell 3. som et eksempel, hvis de tre lipid biomarkører, LPC (18:01), LPC (20:04) og PC (40:7 ) (Topp 3) ble anvendt sammen, ville kombinasjonen gir en følsomhet på 91,5%, spesifisitet på 84,3% og nøyaktighet (ROC område) på 95,9% i differensierende pasienter med prostatakreft fra mannlige kontroller. Gruppering lipidklasser, i motsetning til enkelte arter, også økt sensitivitet, spesifisitet og nøyaktighet i diagnose av prostatakreft i forhold til en enkelt lipid-klasse. For eksempel, de 2 øverste klasser av lipider (klasse LPC og PE) sammen hadde en sensitivitet på 88,7%, en spesifisitet på 81,5% og en nøyaktighet på 94,4% (data ikke vist). Men de prediktive krefter fra å gruppere flere lipidklasser var lavere enn fra gruppere flere individuelle plasmaåpen lipid arter.
Kjennetegn på Identifiserte Plasma Lipid Biomarkører
Fordi ved hjelp av topp 15 lipid biomarkører sammen hadde den beste prediktiv kraft i diagnostisering av prostatakreft, egenskapene i denne gruppen av åpen lipid artene ble videre analysert.
Hovedkomponentene komponentene~~POS=HEADCOMP analyse (PCA) ble utført for å undersøke muligheten for å skille pasient- og kontrollpersoner med lipid profiler av alle 390 og de utvalgte 15 tilsynelatende lipid arter. Utføre PCA med lipidprofil av 390 åpen lipid arter, ble pasient og kontrollpersoner visuelt atskilt langs den første komponent i PCA, som utgjorde 28,3% av den totale varians (figur 2, A). Imidlertid, når PCA ble utført med lipid profiler av de markerte 15 åpen lipid art, den første komponent, langs hvilke pasient og kontrollprøver ble separert, utgjorde 86,9% av den totale variasjonen i dataene (figur 2 B). Dette tyder på at langt flere variasjoner i disse topp 15 tilsynelatende lipid artene er knyttet til klassifisering av pasienten eller kontroll. I tillegg er posisjonene til kontrollpersoner ble romlig nærmere enn de av pasient fagene når begge sett av data ble plottet, hvilket antyder at avvik i gjennomsnittlig plasma lipidkonsentrasjon (her omdannet til ikke-korrelerte verdier av plass avstander) i kontrollgruppen var mye mindre enn de som er i pasientgruppen
A:. den første komponenten i PCA krysse alle 390 oppdaget plasmaåpen lipid arter står for 28,3% av den totale variansen; B: Den første komponenten i PCA krysse 15 utvalgte plasmaåpen lipid biomarkører står for 86,9% av den totale variansen
hierarkisk klyngeanalyse (HCA) er en statistisk metode for å finne relativt homogene grupper av saker basert. på målte egenskaper. Vi søkte HCA kombinere dendrogrammer og en heatmap å klynge både enhet (15 tilsynelatende lipid arter) og tilstand (141 pasienter) med paneler av kjennetegn på venstre side i figur S1. HCA Analysen viste at 15 tilsynelatende lipid artene ble mønstret inn i 4 grupper: DSM (16:0), eterbundet fosfatidylcholiner (EPCs), sfingomyeliner (SMS) og LPC. De 15 topp rangering åpen lipid arter hadde en tendens til gradvis økende gjennomsnittlig plasma lipid konsentrasjon fra toppen (lavere konsentrasjon, i blått) til bunnen (høyere konsentrasjon, i rødt). For ytterligere å analysere dataene ble individene i heatmap delt i to halvdeler: første halvår med 70 personer med lavere plasma lipid konsentrasjon, og den andre halvparten med 71 personer med stor plasma lipid konsentrasjon. De analyserte resultater som vist i tabell 4, indikerer at det er en dramatisk høy Odds Ratio i nærvær av kontroll og pasient pasienter mellom den første og andre halvdel (p 0,0001, OR = 70,0). Interessant, pasient fag diagnostisert ved biopsier ble betydelig anriket i andre halvår sammenlignet med dem diagnostisert med prostatectomies. Når forsøkspersonene ble fordelt etter alder, rase og Gleason grad av pasienter med prostatakreft, viste det seg at den andre halvparten (høyere konsentrasjoner av enkelte tilsynelatende lipid arter) hadde flere svarte pasienter, spesielt svart pasienter med høy alder, sammenlignet med den første halv. Kreft klasse og samlet alder var ikke signifikant forskjellig mellom to halvdeler.
Det er uklart om ubalanserte komposisjoner av rase og alder i denne studien kohort påvirket prediktiv kraft av de utvalgte 15 tilsynelatende lipid arter i diagnostisering av prostatakreft. For å avklare dette spørsmålet, ble en «ukjent prediksjon» metoden brukt.
