Extracto
El objetivo de este trabajo fue investigar los compuestos orgánicos volátiles (COV) que emanan de las muestras de orina para determinar si se pueden utilizar para clasificar las muestras en los grupos de cáncer de próstata y no cancerosas. Los participantes eran hombres que se hace referencia para una ecografía guiada por biopsia prostática transrectal a causa de un elevado nivel de antígeno prostático específico (PSA) o hallazgos anormales en el examen rectal digital. Las muestras de orina se recogieron de pacientes con cáncer de próstata (n = 59) y controles sin cáncer (n = 43), en el día de su biopsia, antes de su procedimiento. VOCs del espacio de cabeza de muestras de orina se basificó se extrajeron mediante micro-extracción en fase sólida y se analizaron por cromatografía de espectrometría de gas /masa. Clasificadores fueron desarrolladas utilizando Random Bosque (RF) y técnicas de clasificación de análisis discriminante lineal (LDA). PSA solo tenía una precisión de 62 a 64% en estas muestras. Un modelo basado en 4 VOCs, 2,6-dimetil-7-octen-2-ol, pentanal, 3-octanona, y 2-octanona, fue marginalmente más precisa 63-65%. Cuando se combinan, el nivel de PSA y estos cuatro VOCs tenían una precisión media de 74% y 65%, utilizando RF y LDA, respectivamente. Con repetida validación cruzada doble, las precisiones medias cayeron al 71% y el 65%, el uso de RF y LDA, respectivamente. Los resultados de los perfiles de VOC de espacio de cabeza de la orina son alentadores y sugieren que hay otras vías de metabolómica vale la pena explorar lo que podría ayudar a mejorar la estratificación de los hombres en situación de riesgo de cáncer de próstata. Este estudio también se suma a nuestro conocimiento sobre el perfil de los compuestos que se encuentran en la orina se alcaliniza, de los controles y pacientes con cáncer, que es información útil para futuros estudios que comparan la orina de pacientes con otras enfermedades
Visto:. Khalid T , Aggio R, White P, De Lacy Costello B, Persad R, al-Kateb H, et al. (2015) urinarios compuestos orgánicos volátiles para la detección de cáncer de próstata. PLoS ONE 10 (11): e0143283. doi: 10.1371 /journal.pone.0143283
Editor: Franky L. Chan, la Universidad China de Hong Kong, Hong Kong
Recibido: 10 de julio de 2015; Aceptado: 3 Noviembre 2015; Publicado: 24 Noviembre 2015
Derechos de Autor © 2015 Khalid et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos: Todos los datos relevantes están dentro del apoyo de sus archivos de información en papel y
Financiación:. Este trabajo fue financiado por el club rotario, https://www.rotary.org/en. Igualmente está subvencionado por el Ralph Shackman Confianza, Woodfines LLP, Lockton Casa, Clarendon Road, Cambridge, CB28FH. No URL oficial está disponible aunque los detalles de registro de la caridad se puede encontrar en: http://opencharities.org/charities/287406. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de próstata es la segunda neoplasia maligna que afecta a hombres de mayor prevalencia en todo el mundo, y sin embargo no existe una herramienta de detección confiable. Más de 40.000 casos se detectan en el Reino Unido cada año [1], por lo general mediante una combinación de examen rectal digital (DRE), antígeno específico de la próstata mediciones en suero (PSA) y seguidas por guiada por ultrasonido (BTE) prostática transrectal. El cáncer de próstata es la segunda causa más común de muerte por tumores malignos en el Reino Unido [2].
El suero de PSA, en un punto de corte de 4 ng /ml, es parte de un programa de detección aprobado por la FDA en el EE.UU. [3]. Sin embargo, la prueba de PSA no se utiliza para la detección de otros lugares debido a su baja sensibilidad, estimado en un 21% para la detección de cualquier tipo de cáncer de próstata y el 51% para la detección de cánceres de alto grado (Gleason ≥8) con valores de corte de PSA de 4,0 ng /ml [4]. La tasa de falsos negativos es hasta un 20% en ese corte [5, 6]. En el cribado, sólo el 25 al 30% de los hombres con niveles elevados de PSA entre 4-10 ng /ml de tener cáncer de próstata [7, 8].
cribado basado en los niveles de PSA ha llevado a la ansiedad para muchos hombres, quienes no tienen cáncer de próstata y el exceso de diagnóstico de los cánceres de crecimiento lento que eran poco probable que suponga un riesgo significativo para los pacientes. Dos grandes ensayos de cribado recientes no encontraron ninguna disminución significativa de la mortalidad por cáncer de próstata después de las pruebas de cribado basado en PSA [9, 10]
Otros biomarcadores en la sangre y en la orina potencial base para el cáncer de próstata incluyen:. Antígeno de cáncer de próstata 3 [PCA3 ] [11], PSA intracelular [12], derivados de PSA [13], antígeno de cáncer de próstata temprano 2 [14], la anexina A3 [15], la TMPRSS2 gen de fusión: ERG [16, 17], la calicreína humana 2 [18] y la proteína Engrailed-2 (EN2) [19, 20]. Sin embargo, ninguno de estos se utilizan para la detección de [21, 22]. Sarcosina fue propuesto como un biomarcador para el cáncer de próstata metastásico [23], pero este hallazgo no ha sido replicado [24-26].
Varios estudios han informado de que los perros pueden ser entrenados para detectar piel, vejiga, pulmón, muestras de cáncer de mama y de ovario de aliento, orina y tejidos [27-30]. Cornu
et al
capacitó a un Mallinois belga para identificar el cáncer de próstata a partir de muestras de control de orina con una sensibilidad y especificidad del 91% [31]. Elliker
et al
entrenado dos perros para identificar el cáncer de próstata a partir de muestras de orina de control, sin embargo, no fueron capaces de discriminar los cánceres de los controles cuando se presenta con nuevas muestras en un ensayo doble ciego [32]. Taverna
et al
muestras recogidas a partir de 362 pacientes con cáncer de próstata y 540 controles: se probaron 2 perros, perro 1 ha obtenido mejores resultados con una sensibilidad del 100% y una especificidad del 98,7% y el perro 2 logran sensibilidad del 98,6% y una especificidad de 97,6% [33].
Después de la prueba de concepto estudios en perros, los investigadores han probado también la tecnología de nariz electrónica para discriminar el olor de la orina de pacientes con cáncer de próstata y los controles, la consecución de una sensibilidad de 71 a 82 % y una especificidad del 67 al 93% [34, 35].
La firma olor de la orina se produce por sustancias conocidas como compuestos orgánicos volátiles (COV), que pueden ser separados e identificados por cromatografía de gases /espectroscopia de masa (GC /MS). En el presente estudio, hemos comparado los perfiles de espacio de cabeza de COV orina de 102 pacientes con síntomas urológicos, 59 de los cuales tenían cáncer de próstata y 43 que no lo hicieron. A lo mejor de nuestro conocimiento, no hay trabajo extenso se ha publicado sobre este hasta la fecha.
Materiales y Métodos
La aprobación ética para el estudio se obtuvo del Comité Ético de Investigación Wiltshire (número de referencia REC 08 /H0104 /63; protocolo SU /2008/2901, versión 3 autorizada 09/06/2009) con amplificador de I + D; D aprobación de los hospitales universitarios Bristol NHS Foundation Trust, desde donde los participantes fueron reclutados durante un período de 13 meses. Cada participante revisa una hoja de información y dieron su consentimiento escrito. Todos los participantes eran hombres que fueron remitidos para una ecografía transrectal guiada biopsia de próstata debido a un nivel elevado de PSA o hallazgos anormales en la DRE, secundaria a otros problemas urológicos (ver Tabla S1).
Las muestras de orina se recogieron en botellas antes universales a los pacientes la ecografía transrectal biopsia de próstata (10-12 núcleos) y las muestras se clasifican como cáncer de próstata o controles después de un examen patológico de las muestras de biopsia. El análisis de orina y la gravedad específica se realizaron en todas las muestras bajo el SOP de la clínica de urología. los niveles de antígeno específico de la próstata se midieron en el Bristol Royal Infirmary usando el ensayo de PSA Inmulite 2000 y 2000 analizador de Inmulite (Siemens Medical Solutions Diagnostics, Nueva York, EE.UU.). Los datos demográficos de los grupos de pacientes estudiados se presentan en la Tabla 1.
Las comorbilidades y la medicación de los pacientes se incluyen en la Tabla S1 junto con el motivo de la remisión del paciente para una biopsia de próstata. Los pacientes fueron excluidos si tenían una historia de carcinoma urotelial u otros cánceres conocidos, una infección del tracto urinario, o un catéter urinario in situ. No hubo criterios de exclusión en relación con el origen étnico del paciente, el consumo de alcohol, tabaco, drogas o alimentos. Las alícuotas de orina fresca, 0,75 ml, se transfirieron a viales de espacio de cabeza septum rematado (Sigma Aldrich, Dorset, Reino Unido) y se congelaron a -20 ° C hasta su análisis. No hay evidencia de que el almacenamiento a -20 ° C tiene una influencia negativa en la presencia de compuestos orgánicos volátiles en los gases de espacio de cabeza de muestras de orina [36, 37]. Además, se recogieron muestras, almacenados y analizados al azar. Por lo tanto, cualquier variación debido al almacenamiento de la muestra tendría un efecto similar sobre el cáncer y de control de los grupos estudiados aquí.
Antes del análisis del espacio de cabeza de orina cada muestra se descongela por inmersión del vial en un baño de agua a 60 ° C durante 30 segundos. Una alícuota única de la muestra de orina por paciente se utilizó para el análisis de COV. A partir de entonces, cada muestra se trató con un volumen igual (0,75 ml) de hidróxido de sodio (1M; Fisher Scientific, Leicestershire, Reino Unido). La adición de la base, el ácido y la sal se utilizan comúnmente métodos para mejorar la detección de compuestos orgánicos volátiles a partir de muestras de orina [36-39]. En general, estos métodos aumentan la concentración de COV en el espacio de cabeza mediante el aumento de la fuerza iónica de la muestra. En este estudio, se aplicó exactamente el mismo método de tratamiento de muestras de orina de pacientes con cáncer y controles. Por lo tanto, se espera que el efecto de hidróxido de sodio para ser similar en ambos grupos. La mezcla se equilibró a 60 ° C en un baño de agua durante 30 minutos antes de y durante la extracción de compuestos orgánicos volátiles del espacio de cabeza con una fibra micro-extracción en fase sólida (SPME).
La fibra de SPME fue 85 m de espesor y consistió en Carboxen /polidimetilsiloxano (Sigma Aldrich, Dorset, UK). La fibra se expone al espacio de cabeza por encima de la mezcla de orina durante 20 minutos y después de la extracción los compuestos orgánicos volátiles se analizaron por GC /MS (500 cuadrupolo Perkin Elmer Clarus, Beaconsfield, UK). Los compuestos orgánicos volátiles se desorbidos térmicamente de la fibra a 220 ° C en el puerto de inyección del GC /MS para 5 minutos. La inyección se realizó en el modo sin fraccionamiento y una fracción de 50 ml /min se puso en marcha los dos minutos de la carrera.
El gas portador helio del 99,996% de pureza (BOC, Guildford, Reino Unido) a través de un sistema de purificación de helio , Excelasorb
™ (Supelco, Poole, Reino Unido) a 1 ml min
-1. La columna de GC era una columna capilar Zebron ZB-624 60 metros de largo con un diámetro interior de 0,25 mm y un espesor de película de 1,4 micras, diseñado específicamente para la separación de compuestos orgánicos volátiles (Phenomenex, Macclesfield, Reino Unido). Su composición consiste en 94% de polisiloxano de dimetilo y 6% cianopropil-fenil
El programa de temperatura GC /MS de la ejecución fue como sigue:. La temperatura inicial del horno se mantuvo a 40 ° C durante 2 minutos después la temperatura se incrementado a una velocidad de 5 ° C /min hasta 220 ° C, con una bodega 4 minutos a esta temperatura para dar un tiempo total de 42 minutos. El espectrómetro de masas se ejecuta en modo de ionización por impacto electrónico (EI), explorando el rango de masas de iones 10-300 en 0,05 scan /seg. Un retraso de 4 minutos disolvente se utilizó en el inicio de la carrera.
Procesamiento de datos
Los datos de GC-MS se procesó utilizando un oleoducto que implica la Automatizado de deconvolución del espectro de masas y el software del sistema de identificación (AMDIS , versión 2.71, 2012), la biblioteca de espectros de masas NIST (versión 2.0, 2011) y el paquete de R (R equipo central, 2013) Metab [40]. AMDIS y NIST se utilizaron para construir una biblioteca que contiene COV 197 metabolitos presentes en las muestras de orina analizadas en este estudio (Tabla S2). Un partido de avance y retroceso de 800/1000 y por encima se utilizó para asignar identificaciones tentativas compuestos. El uso de esta biblioteca COV, AMDIS se aplicó luego a deconvoluting cromatogramas GC-MS y la identificación de metabolitos. El informe generado por AMDIS se procesó adicionalmente por Metab con el fin de confirmar la identidad de los metabolitos y volver a calcular sus abundancias relativas en base a la intensidad de un fragmento de masas de iones específico por metabolito. Para el desarrollo de modelos estadísticos parsimoniosos robustos, los compuestos que se encuentran a estar presentes en menos del 20% de los pacientes en ambos grupos (es decir, compuestos relativamente raras) o presente en más de 90% de los pacientes en ambos grupos (es decir, las sustancias volátiles relativamente comunes ) fueron retirados del conjunto de datos antes de modelización estadística.
Análisis estadístico
los perfiles de COV de todos los pacientes se convierten en datos binarios basados en la presencia y ausencia de metabolitos. A continuación, se aplicaron cuatro enfoques diferentes (Tabla 2) para la selección de características antes de la construcción del modelo.
Las características, o compuestos orgánicos volátiles, seleccionados por al menos una aproximación de selección de características se utilizan para el desarrollo de clasificadores utilizando tanto Fisher de Análisis discriminante lineal [43] y el árbol de decisión de Breiman Random Forest [42]. Estos clasificadores se evaluaron como dos enfoques distintos. A continuación, este proceso se repite utilizando compuestos orgánicos volátiles seleccionados por al menos una aproximación función de selección y los niveles de PSA de cada paciente para ver cómo resultados se comparan con la de COV solo y la prueba de PSA solo.
Es bien sabido que la construcción de modelos y pruebas de modelo en los mismos datos pueden producir resultados sesgados y pueden sufrir de sobreajuste con los modelos que describen las características de la muestra idiosincrásicas de azar en lugar de las tendencias reales. Esta descripción muestra de enfoque es propenso a las medidas inflados y optimistas de la exactitud del modelo, y las tasas más bajas de precisión tanto puede verse cuando el modelo se aplica a los datos frescos [44, 45]. Para superar estos defectos potenciales, la validación del modelo usando repetida 10 veces la validación cruzada como se describe por Delen [46] se puso en práctica. Doble repetido validación cruzada como se describe, implementado y fuertemente recomendado por Filmozer y colegas [45], y por Anderssen y sus colegas [44], también se utilizó para la construcción de modelos y la evaluación del modelo. La figura 1 muestra una visión esquemática de repetir 10 veces la validación cruzada y se repite dos veces la validación cruzada. La estrategia de validación cruzada se basó en 30 repeticiones y diez pliegues. La estrategia de doble validación cruzada también tenía 30 repeticiones del bucle externo (modelo de bucle de evaluación), con datos de calibración y de prueba basado en 3 pliegues. El bucle interno (el bucle modelo de sintonización) utiliza datos de entrenamiento y de prueba basado en 10 pliegues y con 30 repeticiones.
Una variación de Monte-Carlo de cada técnica se logra mediante la asignación al azar de las etiquetas de las muestras de prueba.
es instructivo para demostrar una estructura de clases a través de cualquier relación de probabilidad. Basado en el trabajo de Ojala [47], los dos esquemas de validación cruzada se repitieron en los datos pero con una permutación de Monte Carlo aleatoria de etiquetas de clase (el cáncer de próstata, el control) en cada repetición. Este enfoque permutación proporciona un nivel de referencia de acuerdo oportunidad para que el proceso de modelado, que es necesaria para ayudar a cuantificar los efectos capturados por los modelos con validación cruzada derivados en los datos auténticos. Todas las técnicas de modelado y validaciones modelo se aplicaron utilizando el paquete R Caret [42].
Resultados
La capacidad de diagnóstico de la utilización de los niveles de PSA por sí sola para esta cohorte de pacientes se evaluó. El uso repetido 10 veces la validación cruzada, los pacientes podrían clasificarse en cáncer de próstata y los grupos libres de cáncer en base a sus niveles de PSA con una precisión media de 62% y 64%, utilizando Bosque aleatoria y el análisis discriminante lineal, respectivamente (Tabla 3).
el uso repetido de doble validación cruzada, las precisiones medias cayeron a 61 y 63%, utilizando Bosque aleatoria y el análisis discriminante lineal, respectivamente (Tabla 4).
Based en la presencia o ausencia de compuestos orgánicos volátiles solos, las muestras de orina se pueden clasificar con una precisión media de 66% con repetida validación cruzada 10 veces (Tabla 5). Los datos de origen aparecen en la Tabla S3.
El uso repetido de doble validación cruzada, las precisiones de los medios cayeron un 65 y un 63%, el uso de bosque aleatorio y el análisis discriminante lineal, respectivamente (Tabla 6).
Dado que la repetida doble validación cruzada es una técnica mucho más riguroso de validación cruzada de repetir la validación cruzada de 10 veces, se esperaba una reducción en el rendimiento de la prueba. Con una permutación aleatoria de Monte Carlo de etiquetas de clase, las precisiones de los medios cayeron un 50% el uso de ambas técnicas de modelado. Por lo tanto, la clasificación de las muestras en base a la presencia o ausencia de compuestos orgánicos volátiles es algo mejor que lo que se puede esperar por el azar. El último conjunto de características seleccionadas y utilizadas para desarrollar clasificadores por tanto el análisis discriminante lineal de Fisher y el árbol de decisión Bosque aleatoria de Breiman, incluido 2,6-dimetil-7-octen-2-ol, pentanal, 3-octanona, y 2-octanona. A excepción de pentanal, todos estos compuestos se redujeron regulado y /o con menos frecuencia presentes en las muestras de orina de pacientes con cáncer de próstata. La clasificación de los pacientes en grupos de cáncer y de control en base a estas características en combinación con niveles de PSA se resumen en las Tablas 7 y 8.
El uso repetido 10 veces la validación cruzada, los pacientes podría ser clasificado en el cáncer de próstata y los grupos libres de cáncer con una precisión media de 74% y 65%, utilizando Bosque aleatoria y análisis discriminante lineal, respectivamente. Con una permutación aleatoria Monte Carlo de etiquetas de clase, la precisión media se redujo a 56% y 48%, utilizando Bosque aleatoria y análisis discriminante lineal, respectivamente. Por lo tanto los resultados obtenidos por los dos esquemas de validación cruzada eran superiores a las que se podría esperar por azar. Usando repetida doble validación cruzada, los pacientes se pueden clasificar con precisión media de 71% y 65%, utilizando Bosque aleatoria y análisis discriminante lineal técnicas de clasificación, respectivamente. La figura 2 presenta la curva de eficacia diagnóstica para el doble análisis de validación cruzada se repite. La permutación aleatoria de Monte Carlo de etiquetas de clase reduce el rendimiento diagnóstico de los modelos de prueba para dar precisiones medias de 51 y 50% de bosque aleatorio y el análisis discriminante lineal, respectivamente. Estos últimos Monte Carlo precisiones estrechamente alineada con la precisión de la clasificación esperada de 52% en virtud de la posibilidad de acuerdo con las frecuencias marginales fijos e indican que la tasa de clasificación de los modelos auténticos (71% y 65%) no es un artefacto del proceso de modelado.
Discusión
por primera vez, los perfiles de COV de espacio de cabeza se estudiaron urinaria de los hombres con una sospecha de cáncer de próstata investigado por biopsia de próstata con aguja guiada por ecografía transrectal para confirmar o descartar, un diagnóstico de cáncer de próstata. El objetivo de este trabajo reportado fue evaluar si los perfiles de COV de espacio de cabeza de la orina pueden ayudar a complementar las pruebas clínicas actuales para mejorar la estratificación de los hombres en riesgo de cáncer de próstata y, de ese modo, ayudar a reducir el número de pacientes sometidos a biopsia con aguja innecesaria.
Se han limitado los estudios de espectrometría de masas en los análisis publicados volátiles de la orina para la detección del cáncer de próstata. En un estudio piloto realizado por nuestro grupo se evaluaron los perfiles de COV de orina de 24 hombres asintomáticos y 13 hombres con cáncer de próstata [48]. Se encontraron 21 compuestos orgánicos volátiles que se asocia positivamente con la orina de pacientes con cáncer de próstata. Los coeficientes de similitud se calcularon para cada una de las muestras en base a la presencia o ausencia de estos compuestos en ambos grupos. Cuando se aplica a una regla de análisis discriminante multivariante, estos coeficientes de similitud permite la discriminación de los casos con sensibilidad 92,3% y 96,3% de especificidad. Aunque prometedor, que el estudio era demasiado pequeño para extraer conclusiones sólidas y el uso de los hombres asintomáticos como controles significaba que lo hizo poco para abordar uno de los retos actuales clínicas de los pacientes que distinguen con cáncer de próstata a partir de los que tienen problemas urológicos no malignas que a menudo dar lugar a un nivel de PSA elevada; en el estudio anterior solamente uno de los controles tienen un PSA elevado.
Peng
et al
. 2010 probaron los perfiles de COV exhalado de los controles sanos (n = 22) y pacientes con cáncer de pulmón ( n = 30), de mama (n = 22), colorrectal (n = 26), y cáncer de próstata (n = 18) [49]. Los autores encontraron que el tolueno, 2-amino-5-isopropil-8-metil-1-azulenecarbonitrile, p-xileno, y 2,2-dimetil-decano no mostraron superposición en abundancia entre los controles sanos y pacientes con cáncer de próstata. compuestos sin embargo, excluidas presentan en & lt; 80% de ambos grupos de cáncer y de control de los análisis. Esto es probable que hayan dado lugar a la pérdida de compuestos con una mejor capacidad de discriminación que los reportados por encima de lo que dio lugar a una estrecha racimos en la abundancia de compuestos entre el cáncer de próstata y los grupos de control. Además, Peng
et al
. utilizado un tamaño relativamente pequeño estudio y se compararon los grupos cancerosas a los casos sanos, que no son controles adecuados. Un estudio publicado en la revista Nature generado un interés significativo en la sarcosina molécula como un biomarcador potencial de cáncer de próstata agresivo [23]. Significativamente mayores niveles de sarcosina se informaron en ambos sedimentos de orina y sobrenadantes de pacientes con cáncer de próstata por biopsia positiva (
n
= 44) en comparación con los controles de biopsia negativa (
n
= 51). Sin embargo, el valor predictivo de la sarcosina fue modesto, con un área total bajo la curva (AUC) de la curva de eficacia diagnóstica (ROC) de 0,71 para los sedimentos de orina y de 0,67 para los sobrenadantes. Otros estudios que buscan validar este trabajo fueron decepcionantes [24-26]. En la identificación de las capacidades limitadas de sarcosina, Wu y compañeros de trabajo fueron a investigar otros marcadores de metabolómica en la orina de 20 pacientes con cáncer de próstata, 8 pacientes con hipertrofia prostática benigna, y 20 hombres sanos [26]. Utilizaron derivatización asistida por microondas antes de los análisis GC /MS para la detección de compuestos de peso molecular más alto, tales como aminoácidos, ácidos orgánicos, hidratos de carbono y ácidos grasos. Se observaron xilopiranosa y ribofuranósido en el grupo de cáncer de próstata: Los niveles más altos de los ácidos orgánicos: ácido dihidroxibutanoico y ácido xilónico y menores niveles de pirimidina y los hidratos de carbono. Un modelo de diagnóstico, basado en estos 5 metabolitos marcadores, reportó un valor de AUC de 0,825 de la curva ROC. Una vez más, la principal limitación de este trabajo es la falta de controles adecuados y apropiados. Mucho más trabajo es necesario en grandes estudios multicéntricos por los grupos de investigación independientes si alguna vez vamos a encontrar biomarcadores robustos para el cáncer de próstata teniendo en cuenta los últimos fracasos para corroborar inicialmente biomarcadores "prometedoras", con PSA y sarcosina siendo los principales ejemplos. En realidad, la mayoría de los nuevos biomarcadores descritos en la literatura falle el siguiente obstáculo para validar su potencial para el diagnóstico o tratamiento del cáncer. . Prensner
et al
, enumeró cinco razones comunes para esto: la falta de un protocolo de prueba sólida para la reproducibilidad, una comparación sesgada de los grupos en el estudio (casos frente a los controles), papel clínico indefinido o inadecuado del biomarcador , un tamaño suficiente fuerza estadística del estudio y el análisis estadístico apropiado, incluyendo el sobreajuste de los datos [50]. Hasta que los resultados pueden ser validados en estudios separados, adecuada validación cruzada del análisis estadístico se debe aplicar como criterio de precaución para estimar la exactitud de predicción (y por tanto la validez) del biomarcador (s) sobre los nuevos casos extraídos de los mismos grupos de pacientes. Rosenberg
et al
., Han introducido la aplicación de un esquema de doble validación cruzada en los datos proteómicos de próstata y colon tumores humanos [51]. En este estudio, los modelos de clasificación se validaron utilizando repetida y repetida doble validación cruzada. Sin embargo, los resultados presentados aquí todavía deben ser tratados con precaución dado que este es un pequeño estudio que podrían ser indebidamente afectada por permutaciones aleatorias o no aleatorias y los factores de confusión. El modelo de VOC se basa en la presencia o ausencia de cuatro compuestos volátiles: 2,6-dimetil-7-octen-2-ol, pentanal, 3-octanona, y 2-octanona. A excepción de pentanal, todos estos compuestos se redujeron regulado y /o con menos frecuencia presentes en las muestras de orina de pacientes con cáncer de próstata. La producción de aldehídos se ha relacionado con el cáncer y las enfermedades inflamatorias a través de la producción excesiva de especies reactivas de oxígeno (ROS) se sabe que inducen la peroxidación de lípidos [52]. Esto puede explicar la mayor incidencia de pentanal detectado en las muestras de orina de pacientes con cáncer de próstata. De acuerdo con nuestros resultados, otros estudios también han observado metabolómicos comúnmente una tendencia de disminución de la producción (baja regulación) de ciertos metabolitos en grupos de cáncer en comparación con los grupos de control [53, 54]. Una posible explicación para esta tendencia puede ser que las células cancerosas están utilizando algunos de estos metabolitos para satisfacer las demandas de mayor consumo de energía y la conversión de estos compuestos a otras sustancias que no podían ser detectados por GC /MS. S2 tabla enumera todos los compuestos que se encuentran que se suma a nuestro conocimiento de compuestos que se encuentran en la orina de los controles basificó urológicos y pacientes con cáncer. Esto será útil para las comparaciones en otros estudios de medición de volátiles de la orina.
Los resultados Se presenta aquí en las capacidades discriminatorias de COV de orina son algo concluyente, sino que reflejan las conclusiones de otros grupos que han probado biomarcadores potenciales en orina y la sangre (PCA3 [55], los biomarcadores basados RNA orina multiplex [56], y el Índice de Salud de próstata sobre la base de PSA y su derivado [-2] proPSA y el% de PSA libre [57, 58]) para la discriminación de pacientes con cáncer de próstata de los controles. Es muy importante que las cohortes de estudio reflejan con precisión la población de pacientes específica para la que está destinado el ensayo de biomarcadores. Por lo tanto, hemos contratado a los controles de la clínica de urología en el día de la biopsia de próstata, que estaban siendo seguidos por síntomas sospechosos de cáncer de próstata. De hecho, todos los pacientes en este estudio tenía niveles elevados de PSA o hallazgos anormales en un examen rectal digital. Sobre la base de los niveles de PSA por sí solos, los pacientes se pueden clasificar con precisión media de 61% y 63% usando técnicas de clasificación de RF y LDA, respectivamente, con repetida validación cruzada doble. Clínicamente es difícil de diferenciar estos pacientes no cancerosos con síntomas urológicos de los que tienen cáncer de próstata. También fue un reto para discriminar entre estos dos grupos en función de VOCs urinario ya que esto dio resultados de la clasificación similar a la obtenida con los niveles de PSA. Sobre la base de la presencia o ausencia de cuatro compuestos, muestra de orina se clasificaron con una precisión promedio de 65% y 63%, utilizando técnicas de clasificación de RF y LDA, respectivamente, con repetidos validación cruzada doble. La combinación de los niveles de PSA con COV urinarios, sólo dio una mejora marginal en la clasificación de los pacientes, la presentación de informes precisiones promedio de 71% y 65%, utilizando técnicas de clasificación de RF y LDA, respectivamente, con repetidos validación cruzada doble.
Estos dos técnicas fueron escogidos debido a su naturaleza complementaria es decir, LDA es un clasificador que utiliza un límite de decisión lineal y tiene la virtud de la simplicidad cuando funciona, mientras que, en contraste, el Bosque aleatoria es un conjunto enfoque poderoso que puede hacer bien cuando pueden ser necesarias interacciones complejas para obtener una buena exactitud de predicción. En este estudio, los modelos de clasificación se validaron utilizando repetida y repetida doble validación cruzada. Repetida doble validación cruzada (rdCV) es un procedimiento sistemático que en repetidas ocasiones se divide aleatoriamente los datos en una muestra de calibración para el desarrollo de modelo y en una muestra reservada para la evaluación del modelo, y proporciona una estimación realista de la precisión del modelo cuando se aplica a nuevas observaciones extraídas de la misma población homogénea. Sin embargo, los resultados presentados aquí todavía deben ser tratados con precaución dado que este es un estudio pequeño que puede no refleja adecuadamente la diversidad de la población y que puede estar sujeto a factores de confusión.
Un método multiplataforma que combina análisis volátiles con el análisis de compuestos no volátiles (utilizando espectroscopia de resonancia magnética nuclear o la cromatografía líquida de alta resolución /espectrometría de masas enfoques basados) contribuirá a alcanzar una comprensión más completa de las características metabólicas de cáncer de próstata y puede ayudar a clarificar las vías metabólicas asociadas con formas agresivas de cáncer. Los datos actuales indican que los análisis de COV se pueden usar además de la prueba de PSA en la búsqueda de los pacientes con cáncer de próstata. El trabajo futuro debe considerar métodos para optimizar los resultados y explorar otros medios de extracción de compuestos orgánicos volátiles en muestras de orina, como la derivación.
Una limitación de este estudio fue que las muestras de orina se obtuvieron en diferentes momentos del día, por lo tanto, que varían en concentración. La recogida de la orina pase primero habría minimizado dilución de la orina y las diferencias en la concentración de orina entre los participantes del estudio, sin embargo, esto tendría también impedido la recogida de muestras. Los estudios futuros de este tipo deberían hacer un esfuerzo para medir los niveles de creatinina en orina o la osmolalidad de la orina para determinar el grado de dilución de la orina. Esto puede ayudar a definir un rango aceptable de las concentraciones de orina para el análisis de compuestos orgánicos volátiles del espacio de cabeza o proporcionar un medio para corregir la dilución de la orina.
También es importante observar que el resultado de la biopsia no puede excluir la presencia de cáncer de próstata completamente en estos pacientes, pero sólo puede confirmar que no había cáncer que se encuentra en las muestras de tejido tomadas. Por lo tanto una posibilidad sigue siendo que algunos pacientes se clasificaron incorrectamente como negativo para el cáncer de próstata y esto podría tener un impacto negativo en la capacidad de diagnóstico de los modelos.
investigación de biomarcadores normalmente se centra en el diagnóstico precoz de la enfermedad pero se ha argumentado que , para el cáncer de próstata, la mayor necesidad clínica insatisfecha es distinguir bajo riesgo o cánceres de crecimiento lento de los agresivos [50]. La identificación y validación de biomarcadores pronósticos y predictivos ayudarán a reducir las intervenciones innecesarias que pueden causar más daño que bien, monitorear la progresión durante la "espera vigilante" y apuntan a un tratamiento para aquellos pacientes que tienen más probabilidades de beneficiarse [50]. Es necesario que haya más trabajo emprendido para dar lugar a un método mejorado para la identificación de tumores agresivos. Un estudio mucho más grande está garantizado para investigar esto.
Conclusión
pacientes
Urología con niveles elevados de PSA normalmente someterse a una biopsia de próstata con aguja guiada por ecografía transrectal para confirmar o descartar un diagnóstico de cáncer de próstata. En la población estudiada, la clasificación de los pacientes con pruebas de orina VOC era comparable a las pruebas de nivel de PSA. La combinación de los niveles de PSA con COV urinario resultaron en una mejora marginal en la realización de la prueba. Estos resultados son alentadores y sugieren que hay otras vías de metabolómica vale la pena explorar lo que podría ayudar a mejorar la estratificación de los hombres en situación de riesgo de cáncer de próstata que requieren un seguimiento.