Extracto
Antecedentes
Los lípidos tienen funciones críticas en el almacenamiento de energía celular, estructura y señalización. Muchas moléculas de lípidos individuales se han asociado con la evolución del cáncer de próstata; Sin embargo, ninguno de ellos ha sido aprobado para ser utilizado como un biomarcador. El objetivo de este estudio es identificar las moléculas de lípidos a partir de especies de lípidos aparente cientos de plasma como biomarcadores para el diagnóstico de cáncer de próstata.
Metodología /Principales conclusiones
Uso de lipidomics, perfiles de lípidos de 390 lípidos aparente individuo especies se realizó en 141 muestras de plasma de 105 pacientes con cáncer de próstata y 36 controles masculinos. de datos de alto rendimiento generados a partir de lipidomics se analizaron mediante métodos bioinformáticos y estadísticos. De 390 especies de lípidos aparente, 35 especies fueron demostrado tener potencial en la diferenciación de cáncer de próstata. Dentro de las 35 especies, 12 fueron identificados como biomarcadores de lípidos en plasma individuales para el diagnóstico de cáncer de próstata con una sensibilidad superior al 80%, la especificidad por encima de 50% y una precisión superior al 80%. El uso de la parte superior 15 de 35 posibles biomarcadores juntos un mayor poder predictivo de manera espectacular en el diagnóstico del cáncer de próstata con una sensibilidad del 93,6%, una especificidad del 90,1% y una precisión del 97,3%. El análisis de componentes principales (PCA) y el análisis de agrupamiento jerárquico (HCA) demostraron que las poblaciones de pacientes y de control fueron separados visualmente por los biomarcadores lípidos identificados. Los análisis de randomForest y 10 veces la validación cruzada demostró que los biomarcadores lípidos identificados fueron capaces de predecir con precisión las poblaciones desconocidas, y esto no fue influenciada por la edad y la raza del paciente. Tres de cada 13 clases de lípidos, fosfatidiletanolamina (PE), fosfatidiletanolamina unido a éter (EPE) y fosfatidilcolina unido a éter (EPC) se podría considerar como biomarcadores en el diagnóstico del cáncer de próstata.
Conclusiones /Importancia
el uso de lipidomics y bioinformático y métodos estadísticos, se han identificado unos pocos de cientos de plasma especies moleculares aparentes de lípidos como biomarcadores para el diagnóstico del cáncer de próstata con una alta sensibilidad, especificidad y exactitud
Visto:. Zhou X , Mao J, J Ai, Deng Y, Roth MR, Libra C, et al. (2012) Identificación de lipídico plasmático biomarcadores para el cáncer de próstata por lipidómica y Bioinformática. PLoS ONE 7 (11): e48889. doi: 10.1371 /journal.pone.0048889
Editor: Christina Lynn Addison, Ottawa Instituto de Investigación del Hospital, Canada |
Recibido: 2 de Junio, 2012; Aceptado: 2 Octubre de 2012; Publicado: 12 Noviembre 2012
Derechos de Autor © 2012 Zhou 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
Financiación:. Este estudio fue apoyado por una beca intramural de la Universidad de Mississippi Medical Center (68599370412), y en parte por los Institutos nacionales de Salud de subvención /MSINBRE (P20RR016476). 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
los biomarcadores juegan un papel fundamental en el cuidado de pacientes con cáncer. Sin embargo, los biomarcadores utilizados en la actualidad para el cáncer de próstata son sub-óptima. Por ejemplo, el antígeno específico de la próstata (PSA), el biomarcador más ampliamente utilizado, es polémica con respecto a su especificidad y sensibilidad en diversas poblaciones [1]. También hay preocupación con respecto al posible exceso de diagnóstico de cáncer de próstata PSA en pacientes con potencial limitado para la progresión de la enfermedad [2] - [4]. Se han estudiado varios nuevos biomarcadores [5] - [7]; Sin embargo, ninguno de ellos ha demostrado ser útil para las pruebas clínicas.
Los lípidos comprenden diversas clases de moléculas con funciones críticas en el almacenamiento de energía celular, la estructura y la señalización. Estudios previos han demostrado que el riesgo de cáncer de próstata se incrementa con elevaciones en particular ácidos grasos en plasma, tales como ácido mirístico, ácido α-linolénico, y los ácidos eicosapentaenoico [8] - [9]. Muchos lípidos polares individuales [10] - [17] y el colesterol [18] - [21] especies se han asociado con la evolución del cáncer de próstata. Sin embargo, debido a las limitaciones en la tecnología, sólo unas pocas especies de lípidos aparentes o clases de lípidos se analizaron en cada uno de estos estudios, y se ha hecho ningún intento de descubrir moléculas de lípidos como biomarcadores para el cáncer de próstata por un perfil de lípidos gran escala. perfiles de lípidos gran escala no se hizo hasta la introducción de estrategias lipidomics en masa a base de espectrometría de hace una década [22]. Recientemente, valores de referencia para 500 especies de lípidos en plasma se obtuvieron a partir de un análisis lipidomics del plasma de mezcla y se mezcla a partir de 100 personas sanas [23]. Lipidomics se ha demostrado ser una herramienta útil en el estudio de los mecanismos y biomarcadores en muchas enfermedades como la obesidad [24] - [25], aterosclerosis [26] - [28], hipertensión [29], diabetes [30], quística fibrosis [31] y otros tipos de cáncer [32] - [34]. A su vez, el uso de lipidomics escopeta, unas pocas especies de lípidos procedentes de 70 especies de fosfolípidos en la orina fueron identificados como posibles marcadores para el cáncer de próstata [35]. Sin embargo, a gran escala de perfiles de lípidos en plasma no se ha realizado sobre muestras de sangre y de próstata de pacientes con cáncer de próstata.
Tal como se describe en el presente documento, se realizó un perfilado de lípidos global, que incluyó la medición de 340 fosfolípidos y ésteres de colesterol 50 ( CE) especies moleculares aparentes de lípidos, en 141 muestras de plasma de 105 pacientes con cáncer de próstata y 36 controles masculinos. Por análisis con métodos bioinformáticos y estadísticos, unas pocas especies de lípidos en plasma se han seleccionado como biomarcadores. El estudio inicial demuestra que estos biomarcadores tienen una alta sensibilidad, especificidad y exactitud en el diagnóstico del cáncer de próstata.
Pacientes y métodos
Objetivos
Nuestra hipótesis es que los tejidos de cáncer de próstata tienen los perfiles de lípidos distintos para satisfacer las necesidades especiales para la supervivencia y la progresión tumoral. los perfiles de lípidos distintivos influirán en la homeostasis lipídica sistémica y reflejarse en los fluidos corporales, incluyendo el plasma. Por lo tanto, la detección de especies moleculares de lípidos plasmáticos aparentes reflejará la existencia y la progresión del cáncer de próstata. Mediante la comparación de las concentraciones plasmáticas de cientos de especies de lípidos aparentes entre las poblaciones con y sin cáncer de próstata, algunas especies de lípidos aparentes que son los más representativos de la situación del cáncer serán identificados como biomarcadores plasmáticos de lípidos en el diagnóstico del cáncer de próstata.
pacientes y muestras de plasma de recogida de muestras
ciento cinco (105) de 105 pacientes con cáncer de próstata se obtuvieron de la Red Cooperativa de Tejidos Humanos (CHTN), donde las muestras de plasma fueron pre-recogidos de diferentes clínicas durante el período 2004-2007. Antes de la recogida de muestras de plasma, los pacientes habían dado su consentimiento y que no habían sido sometidos a intervenciones terapéuticas. El diagnóstico de cáncer de próstata para cada paciente fue confirmado por biopsia de próstata posterior o prostatectomía. La información limitada para cada paciente, incluyendo la edad del paciente, la raza y el diagnóstico patológico, se proporcionó. Treinta y seis (36) muestras de plasma de los controles masculinos se obtuvieron a partir de un autor colaboradora, que pre-recogió el plasma de 36 pacientes del sexo masculino en una clínica comunitaria, donde los pacientes tenían sus cheques de bienestar o buscó ayuda médica para otras enfermedades durante el período comprendido entre 2006 -2008. Criterios para la selección de los controles fueron sin antecedentes de cáncer de próstata, la negación de las manifestaciones clínicas de cáncer de próstata, y un bajo nivel de PSA sérico. El mismo protocolo para la recogida de plasma se utilizó en la colección de muestras de plasma de pacientes y los controles: de cada sujeto, se recogió 10 ml de sangre completa en un tubo vacutainer que contiene potasio EDTA como anticoagulante. El plasma se separó inmediatamente (no más de 4 h después de la recogida de sangre total) y se almacenó a -80 ° C inmediatamente. Todas las muestras de plasma se transportaron en hielo seco al lipidómica Centro de Investigación de Kansas (KLRC) para el análisis de lípidos.
ESI-MS /MS de los lípidos de perfiles
Un ionización por electrospray en tándem enfoque automatizado espectrometría de masas era usado. En este enfoque, las especies de lípidos en plasma se identifican a nivel de grupo de cabeza más carbonos acilo totales: enlaces dobles en total. Las intensidades detectadas, cada uno definido por una masa de iones intacto /carga (m /z) y un fragmento característico m /z, se en el presente documento descritos como "especie molecular de lípidos aparentes". adquisición y análisis de datos se llevaron a cabo como se describe anteriormente [36] - [37] con modificaciones. En pocas palabras, se utilizó una parte alícuota de 3 l de plasma. Las cantidades precisas de las normas internas, y cuantificados obtenidos como se ha descrito anteriormente [38], se añadieron en las siguientes cantidades (con alguna pequeña variación en las cantidades en diferentes lotes de normas internas): 0,60 nmol de PC (12:00 /12:00), 0,60 nmol de PC (24:1 /24:1), 0,60 nmol de LPC (13:00), 0,60 nmol de 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), LPE 0,30 nmol (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 (phytanoyl /phytanoyl), es decir, PA (20:00 /20:00), 0,20 nmol PS (14:00 /14:00), PS 0.20 nmol (phytanoyl /phytanoyl), es decir, PS (20:00 /20:00), 0,23 nmol PI (16:00 /18:00), 2,5 nmol CE (13:00) y 2,5 nmol CE (23:00). La muestra y la mezcla de patrón interno se combinaron con disolventes, tal que la relación de acetato de amonio cloroformo /metanol /300 mM en agua fue de 300/665/35, y el volumen final fue de 1,2 ml. Esta mezcla, en viales de muestreador automático, se centrifugó durante 15 min para sedimentar las partículas antes de la presentación de la mezcla lípido /disolvente para el inyector automático. Estos extractos de lípidos no fraccionadas se introdujeron por infusión continua en la fuente de ESI en un triple cuadrupolo MS /MS (API 4000, Applied Biosystems, Foster City, CA), utilizando un muestreador automático (LC Mini PAL, CTC Analytics AG, Zwingen, Suiza) equipado con el bucle de inyección requerida para el tiempo de adquisición y presentada a la aguja ESI a 30 l /min.
precursoras secuencial y pérdida neutra exploraciones de los extractos produjeron una serie de espectros con cada espectro que revela un conjunto de especies de lípidos que contiene un fragmento grupo de cabeza común. especies de lípidos se detectaron con los siguientes exploraciones: PC, SM, y lisoPC, [M + H]
+ iones en modo de iones positivos con Precursor de 184,1 (Pre 184.1); PE y lysoPE, [M + H]
+ iones en modo de iones positivos con pérdida neutra de 141,0 (141,0 NL); PI, [M + NH
4]
+ en el modo de iones positivos con NL 277,0; PS, [M + H]
+ en el modo de iones positivos con NL 185,0; PA, [M + NH
4]
+ en el modo de iones positivos con NL 115,0; CE, [M + NH
4]
+ en el modo de iones positivos con Pre 369,3. SM se determinó a partir del mismo espectro de masas como PC (precursores de m /z 184 en modo positivo) [39] - [40] y por comparación con los estándares internos de PC usando un factor de respuesta molar de SM (en comparación con PC) determinaron experimentalmente para ser 0,39. Acilo, alqu (en) ilo ( "unidas por éter") EPC y EPES se determinaron en relación con los mismos estándares de diacilo como otras especies de PC y PE, y no se aplicaron factores de respuesta. La presión del gas de colisión fue establecido a 2 (unidades arbitrarias). Las energías de colisión, con nitrógeno en la celda de colisión, fueron 28 V para el PE, +40 V para PC (y SM), 25 V para PI, PD y PA, y 30 V para CE. desagrupación potenciales fueron 100 V para todos los lípidos, excepto CE, cuyo potencial era desagrupación +225 V. potenciales de ingreso fueron 15 V para el PE, +14 V para PC (y SM), PI, PA y PS, y + 10 V de la CE. los potenciales de salida fueron 11 V para el PE, +14 V para PC (y SM), PI, PA, PS y 10 V para CE. Los analizadores de masas se ajustaron a una resolución de 0,7 u ancho total a media altura. Para cada espectro, 9 y 150 exploraciones de medios continuos se promediaron en el modo analizador multicanal (MCA). La temperatura de la fuente (nebulizador calentado) era 100 ° C, el calentador de interfaz estaba en, kV 5,5 o -4.5 kV se aplicó al capilar de electrospray, el gas de cortina se fijó en 20 (unidades arbitrarias), y los dos gases fuente de iones se fijaron en 45 (unidades arbitrarias).
El fondo de cada espectro se restó, se suavizaron los datos, y áreas de los picos integrados utilizando un script personalizado y el software analista de Applied Biosystems. Los datos fueron deconvoluted isotópicamente, y los lípidos en cada clase se cuantificaron en comparación con los estándares internos de esa clase, debido a varias especies moleculares dentro de la misma clase se ionizan de manera similar [22]. La primera y típicamente cada 11
º conjunto de espectros de masas se adquirieron en la mezcla patrón interno. se identificaron picos correspondientes a los lípidos diana en estos espectros y cantidades molares calculados en comparación con los estándares internos en la misma clase de lípidos. Para corregir la química o el ruido instrumental en las muestras, la cantidad molar de cada metabolito detectado en los lípidos "normas internas única" espectros se restará de la cantidad molar de cada metabolito calculada en cada conjunto de espectros de la muestra. Los datos de cada "normas internas único" conjunto de espectros se utilizan para corregir los datos de las siguientes 10 muestras. Por último, los datos se corrigieron para la fracción de la muestra analizada y se normalizó para el volumen de muestra para producir los datos en la unidad de nmol /l.
Las estrategias utilizadas en la Selección de Lípidos Los biomarcadores
Dos se utilizaron estrategias de biomarcadores en la selección de especies de lípidos aparentes individuales de cientos de especies detectadas. La primera estrategia fue la filtración. Para obtener el número de posibles candidatos de 390 especies de lípidos aparente, las especies que no se pueden utilizar clínicamente en el diagnóstico de cáncer de próstata se filtraron, debido a la muy baja concentración de detectar, diferencia insignificante entre los grupos de pacientes y de control, o los niveles demasiado cerrados de plasma concentraciones en dos grupos (aunque la diferencia puede ser estadísticamente significativa) de interpretar. Criterios para la retención fueron: 1) la diferencia en concentración media de lípidos en plasma es altamente significativa (p & lt; 0,01) entre los grupos de pacientes y de control; 2) los cambios en la concentración media de lípidos en plasma es & gt; 2 veces (arriba o abajo); y 3) la concentración media de lípidos en plasma es & gt; 10 nmol /l. especies de lípidos aparentes que cumplían los tres criterios fueron seleccionados como potenciales candidatos de biomarcadores plasmáticos de lípidos. La segunda estrategia proporcionado diferenciación adicional de las muestras de cáncer y de control, con el fin de demostrar que los candidatos seleccionados no sólo son clínicamente útiles y aplicables, pero también son altamente sensible, específica y precisa en la diferenciación de cáncer de próstata de los controles. Después de un análisis con métodos bioinformáticos, cualquier especie de lípidos aparentes de candidatos potenciales seleccionados serán seleccionados como biomarcador de lípidos en plasma individual en el diagnóstico de cáncer de próstata, si se cumplen estos criterios: 1) la sensibilidad por encima de 80%; 2) la especificidad por encima de 50%; 3) toda precisión, recordar, F-medición y el área bajo curva (ROC) por encima del 80%.
Software y programas utilizados en Análisis Estadístico y Bioinformática
El ensayo T en el software SPSS18 se utilizó para comparar las concentraciones plasmáticas de 390 especies de lípidos aparentes entre los grupos de pacientes de control y la media. El valor de p significativo se fijó en 0,01 en los procedimientos de filtración. El ensayo T también fue utilizado en la comparación de las edades medias entre los grupos de pacientes y de control. El valor de p significativo se fijó en 0,05.
GenSpring11, Gim2 y Windows de software y programas de pintura se utilizaron para realizar y cartas gráfico de Análisis de Componentes Principales (PCA) y el análisis de agrupación jerárquica (HCA).
Weka software versión 3.73 se utilizó en el análisis bioinformática: algoritmo de clasificación simple de logística y Infogain, un método de clasificación de atributos supervisada se utilizaron para clasificar las especies de lípidos aparentes individuales y clases de lípidos de acuerdo con sus poderes de predicción en la diferenciación de los pacientes con cáncer de próstata a partir de los controles ; algoritmo de clasificación randomForest y 10 veces la validación cruzada se usaron para estimar el rendimiento de un modelo predictivo. Por "predicción desconocido", se establecieron modelos en un conjunto de entrenamiento, que contenía las poblaciones con características "conocidos", como paciente blanco. Todos los sujetos dentro de la misma "característica conocida", tales como los pacientes blancos, se agruparon al azar (10 iteraciones en este estudio). Los poderes de predicción fueron varias veces validación cruzada entre los 10 iteraciones. El programa determina el poder predictivo promedio, lo que indica si un modelo satisfactorio se estableció en el conjunto de entrenamiento. A continuación, se utilizó el modelo satisfactorio con cada "característica conocida" para predecir (validar) poder predictivo en sujetos con cada "función desconocida" reflejado, como paciente negro, en el conjunto de prueba. poder predictivo mayor en el conjunto de entrenamiento indica las diferencias más pequeñas entre 10 iteraciones agrupados al azar con "característica conocida". poderes de predicción más altos en la prueba sugieren una variación menor entre las poblaciones "conocidos" y "desconocidos" emparejados.
prueba Chi-cuadrado en el software SPSS 18 se utilizó para comparar la distribución de los controles y los pacientes entre la primera un medio (la porción superior) y el segundo medio (parte inferior) con concentraciones de lípidos en plasma más altos en la Figura S1. También se utilizó la prueba de chi-cuadrado para comparar las proporciones de Negro a Blanco, biopsia para la prostatectomía, alto y bajo grado de cáncer de próstata entre la primera y la segunda mitad. El valor de p significativo se fijó en 0,05 para todos los resultados de las pruebas de Chi-cuadrado.
Ética
Este estudio fue aprobado por la Junta de Revisión Institucional de la Universidad de Mississippi Medical Center como una investigación exentos , en el que obtener el consentimiento de los participantes no se requería, porque todas las muestras obtenidas utilizados en este estudio fueron pre-registrados por otras organizaciones. Los protocolos para la recogida de muestras habían sido aprobados por sus Juntas de Revisión Institucional. Los pacientes que habían dado su consentimiento por escrito antes de la donación de muestras de plasma. En este estudio, ninguna información de identificación personal, como su nombre, fecha de nacimiento o información de contacto del paciente se sabe o se utiliza.
Resultados
Datos demográficos de los sujetos
Todo el estudio incluyeron 141 temas, incluyendo 105 pacientes con cáncer de próstata y 36 controles masculinos. Entre los pacientes, 61 (58,1%) eran de raza blanca ( "blanco"), 42 (40%) eran afroamericanos ( "negro"); y 2 eran de origen étnico desconocido. Entre los 36 controles, 24 (66,7%) eran de raza caucásica y 12 (33,3%) eran afroamericanos. No hubo diferencias en la proporción racial entre el paciente y los grupos de control (p = 0,55), aunque había significativamente más caucásicos que los afroamericanos en todo el estudio (85 de raza blanca, y 54 afroamericanos, p = 0,0022). La edad media en el momento de recogida de la muestra fue de 63,6 ± 8,5 para los pacientes y 57,5 ± 15,3 para los controles (p = 0,0032). La información sobre el grado de Gleason estaba disponible para 100 de los 105 pacientes: 2 pacientes tenían puntuación de Gleason de 5, 55 tenían puntuación de Gleason de 6, 35 tenían puntuación de Gleason de 7, y 8 habían puntuación de Gleason superior a 7. Por lo tanto, el 90% de los pacientes tenían puntuación de Gleason de 6 o 7. La información sobre otras condiciones clínicas que pueden influir en el metabolismo de lípidos, tales como hiperlipidemia, diabetes, tumores malignos y otros medicamentos no estaba disponible para los pacientes. La información clínica durante 36 controles de sexo masculino fue de la siguiente manera: 10 pacientes tuvieron su cheque de bienestar y se les niega manifestaciones clínicas de manera significativa; 14 tenían hipertensión; 6 tenían la osteoartritis; y de 1 a 2 pacientes tenían antecedentes de uno o más de los siguientes: hipercolesterolemia, dolor de espalda, obesidad, diabetes, gota, trastorno bipolar, convulsiones, o enfermedad de reflujo gastroesofágico. Ninguno de ellos tenía un historial de cáncer incluyendo el cáncer de próstata. El nivel de PSA sérica media de los controles fue de 0,85 ng /ml.
Lípidos de perfiles de lípidos de 390 especies aparente
perfiles de lípidos en plasma que incluye 390 especies de lípidos aparentes individuales de 13 clases de fosfolípidos y colesterol-ésteres (CE) se determinaron por lipidomics para 141 muestras de plasma (105 de los pacientes y 36 de controles). La diferencia más significativa en la concentración plasmática media entre los grupos de pacientes y de control se encontró en lisofosfatidilcolina (LPC) con la cadena de acilo graso 22:06 [LPC (22:06)] (p = 1,75 × 10
-20). La concentración plasmática media más alta de una especie de colesteril-éster se CE (18:02) (11,5 ± 4,36 nmol /l en pacientes, 10,99 ± 4,8 nmol /l en los controles, p = 0,144). La concentración plasmática media más alta de una especie de lípidos polares fue PC (34:2) (0,94 ± 0,41 nmol /l en pacientes, 0,58 ± 0,17 nmol /l en los controles, p = 0,00115). El cambio significativo veces en la concentración plasmática media de estas especies de lípidos aparentes entre los grupos de pacientes y de control varió de 22,7 veces positivo para dihydrosphingomyelin (DSM) con 16:00 [(DSM (16:00)] (p = 3,85 × 10
-19) a negativo de 20,8 veces para PC (30:1) (p = 9,58 × 10
-04). La lista completa de las concentraciones plasmáticas medias en los grupos de pacientes y de control, los valores de p y doblar los cambios entre paciente y grupos de control para cada una de 390 especies han sido presentadas en la Tabla S1.
identificación de especies individual aparente lípidos como biomarcador
de acuerdo con los criterios descritos en la sección pacientes y métodos, 335 de 390 especies fueron retirados por la primera estrategia, la filtración. Sólo 35 especies de lípidos aparentes fueron seleccionados como candidatos potenciales de los biomarcadores lípidos para el diagnóstico de cáncer de próstata (Tabla 1). para estas 35 especies de lípidos aparentes seleccionados, la diferencia en la concentración plasmática media de entre el paciente y el control grupos fue altamente significativa (p & lt; 0,01), el cambio en la concentración plasmática media (aumento o disminución) entre los grupos de pacientes y de control era ≥2 veces, y la concentración media en plasma fue ≥10 pmol /l (15 veces la detección de corte valor en cualquiera de los pacientes, los controles, o ambos). La segunda estrategia proporcionado diferenciación adicional de las muestras de cáncer y de control mediante la demostración de si cada uno de 35 candidatos tenían suficiente capacidad de predicción en el diagnóstico de cáncer de próstata. El uso de métodos bioinformáticos, los 35 candidatos fueron clasificados como máximo 1 por la parte superior 35 de acuerdo a sus valores Infogain. Sólo 12 de los 35 candidatos potenciales fueron identificados como biomarcadores plasmáticos de lípidos individuales, porque cada una de estas 12 especies de lípidos aparentes identificados cumplió con todos los criterios: sensibilidad (verdaderos positivos) por encima del 80%, especificidad (1-verdadero falso positivo) por encima del 50% y todos precisión, recordar, F-medición y el área bajo curva (ROC) por encima del 80% en la diferenciación de los pacientes con cáncer de próstata a partir de los controles (como negrita y cursiva en la Tabla 1).
identificación de los lípidos Las clases como biomarcadores
Las 390 especies de lípidos en plasma individuales detectados aparentes pertenecían a 12 clases de fosfolípidos y un grupo de ésteres de colesterol. La concentración para cada clase de lípidos se calcula sumando todas las especies individuales medidos en esa clase. Como se muestra en la Tabla 2, todas las clases de lípidos habían aumentado las concentraciones plasmáticas en los pacientes en comparación con los controles, excepto el ácido fosfatídico (PA), que tenía una significativa disminución de la concentración en plasma en los pacientes. LPC era la única clase de lípidos, dentro de la cual todas las especies de lípidos aparentes individuales detectados tenían una concentración en plasma significativamente elevados en el grupo de pacientes en comparación con el grupo control (detalles no mostrados). En el resto de las clases de lípidos, algunas especies de lípidos aparentes se incrementaron, mientras que otros eran en su concentración plasmática en pacientes frente a los controles. Las diferencias en las concentraciones de lípidos en plasma entre los pacientes y los controles fueron estadísticamente significativas en la mayoría de clases de lípidos excepto lisofosfatidiletanolamina (LPE) y fosfatidilserina (PS). Sin embargo, cuando los mismos criterios utilizados en la selección de los biomarcadores de especies de lípidos aparentes individuales se aplicaron a las clases de lípidos, sólo las clases de lípidos PE, EPE y EPC podrían ser considerados como biomarcadores en el diagnóstico de cáncer de próstata. El uso de clases de lípidos como biomarcadores para el diagnóstico de cáncer de próstata no es una opción ideal, ya que la información potencialmente útil se pierde por la combinación arbitraria valores medidos (basado en la asignación de clase de lípidos) para las especies de lípidos aparentes individuales.
Efecto la agrupación de múltiples biomarcadores en el diagnóstico de cáncer de próstata
para demostrar si se utiliza más biomarcadores lípidos juntos dentro de los 35 candidatos es capaz de aumentar el poder predictivo para el diagnóstico del cáncer de próstata, siete grupos de especies de lípidos aparentes con diferente número de candidatos se agruparon de forma manual: top 5 (arriba del 1 al 5, 5 candidatos juntos), 10 (top 1 a 10, 10 candidatos juntos, etc.), 15, 20, 25, 30 y 35 (todos de 35 candidatos juntos). Los resultados muestran que en cualquier grupo montado de forma manual con más marcadores de lípidos juntos tenía mayor sensibilidad, especificidad y exactitud en el diagnóstico de cáncer de próstata en comparación con cualquiera de los biomarcadores lípidos individuales. Entre estos grupos ensamblados manualmente, el grupo de 15 (arriba del 1 al Top15, 15 biomarcadores juntos) era la mejor combinación con los poderes de predicción más fuertes en el diagnóstico del cáncer de próstata: se presentó la mayor sensibilidad (93,6%), la más alta especificidad (90,1 %), una exactitud más alta (97,3%) como se muestra en la Figura 1, y la más alta precisión, recordar y F-Medida (93,7%, 93,6% y 93,6%, respectivamente, datos no mostrados en la Figura 1).
los puntos indicados por las dos flechas en la cabeza son los poderes de predicción de las principales especies de lípidos aparente 15 de plasma cuando se utilizan juntos en el diagnóstico de cáncer de próstata. El uso de especies principales de lípidos aparentes 15 de plasma tiene la sensibilidad más alta (93,6%), la especificidad más alta (90,1%), y una mayor precisión (ROC Area, 97,3%) en el diagnóstico de cáncer de próstata en comparación con el uso de cualquier otra combinación de diferentes números .
para reducir potencialmente el número de biomarcadores para facilitar la incorporación práctica en el flujo de trabajo de los laboratorios clínicos y para que los resultados sean más susceptibles de interpretación por parte de los clínicos, los análisis bioinformáticos se realizaron en las diversas combinaciones de dos lípidos biomarcadores juntos (2) a través de los mejores 15 biomarcadores lípidos juntos (top 15) como se muestra en la Tabla 3. a modo de ejemplo, si tres primeros biomarcadores lípidos, LPC (18:01), LPC (20:04) y PC (40:7 ) (Top 3) se utilizaron juntos, la combinación proporcionaría una sensibilidad del 91,5%, una especificidad del 84,3% y una precisión (ROC Área) de 95,9% en la diferenciación de pacientes con cáncer de próstata a partir de los controles masculinos. La agrupación de clases de lípidos, en comparación con las especies individuales, también aumento de la sensibilidad, especificidad y exactitud en el diagnóstico de cáncer de próstata en comparación con cualquier clase de lípidos única. Por ejemplo, la parte superior 2 clases de lípidos (LPC clase y PE) juntos tenían una sensibilidad de 88,7%, una especificidad del 81,5% y una precisión del 94,4% (datos no presentados). Sin embargo, los poderes de predicción de la agrupación de más clases de lípidos fueron inferiores a los de la agrupación de múltiples especies de lípidos plasmáticos aparentes individual.
Características de los Identificado lipídico plasmático Biomarcadores
Debido a que el uso de los 15 mejores biomarcadores lípidos juntos tenía el mejor poder de predicción en el diagnóstico del cáncer de próstata, se analizaron adicionalmente las características de este grupo de especies de lípidos aparentes.
se realizó análisis de componentes principales (PCA) para examinar la capacidad de separar pacientes y sujetos control con lípidos los perfiles de todos los 390 y las 15 especies de lípidos aparentes seleccionados. Realización de PCA con los perfiles de lípidos de 390 especies de lípidos aparentes, pacientes y sujetos control se dividen visualmente a lo largo del primer componente en PCA, que representaron el 28,3% de la varianza total (Figura 2, A). Sin embargo, cuando PCA se realizó con los perfiles de lípidos de las 15 especies de lípidos aparentes seleccionados, el primer componente, a lo largo de los cuales se separaron las muestras de pacientes y de control, representaron el 86,9% de la varianza total en los datos (Figura 2, B). Esto indica que mucho más variaciones en estos 15 principales especies de lípidos aparentes están asociados con la clasificación de los pacientes o de control. Además, las posiciones de los sujetos de control eran espacialmente más cerca que los de los sujetos del paciente cuando alguno de los conjuntos de datos se representaron, lo que sugiere que las variaciones en la concentración de lípidos en plasma media (aquí transformado a los valores correlacionados de las distancias espaciales) en el grupo de control eran mucho más pequeñas que las en el grupo de pacientes
a:. el primer componente de PCA cruzan todas las cuentas aparentes especies de lípidos plasmáticos detectado 390 para el 28,3% de la varianza total; B: El primer componente de PCA cruzar 15 biomarcadores lípidos plasmáticos aparentes seleccionados representa el 86,9% de la varianza total
análisis de agrupamiento jerárquico (HCA) es un método estadístico para encontrar grupos de casos relativamente homogéneos basados. en las características medidas. Aplicamos HCA combinando dendrogramas y un mapa de calor a agruparse tanto entidad (15 especies de lípidos aparente) y la condición (141 sujetos) con paneles de características en el lado izquierdo en la figura S1. El análisis mostró que el HCA 15 especies de lípidos aparentes eran iguales en 4 grupos: (DSM) 16:0, fosfatidilcolinas unidas por éter (EPC), esfingomielinas (SMS) y LPC. Los 15 superiores de la graduación especies de lípidos aparentes tenían una tendencia de aumento gradual de la concentración media de plasma de lípidos de la parte superior (menor concentración, en azul) a la parte inferior (una concentración más alta, en rojo). A fin de analizar los datos, los sujetos en el mapa de calor se dividieron en dos mitades: la primera parte contiene 70 temas con la concentración de lípidos en plasma inferior, y la segunda mitad que contiene 71 temas con la concentración de lípidos en plasma superior. Los resultados analizados, como se muestra en la Tabla 4, indican que hay una alta dramáticamente Odds Ratio en presencia de control y los sujetos de los pacientes entre el primero y segundo medio (p & lt; 0,0001, OR = 70,0). Curiosamente, los sujetos de los pacientes diagnosticados mediante biopsias fueron significativamente enriquecido en la segunda mitad, en comparación con los diagnosticados por prostatectomías. Cuando los sujetos fueron estratificados por edad, raza y grado de Gleason de los pacientes con cáncer de próstata, mostró que la segunda parte (la mayor concentración de especies de lípidos aparente individuo) tenía más pacientes negros, todo en pacientes negros con la vejez, en comparación con la primera mitad. grado del cáncer y la edad en general no fueron significativamente diferentes entre las dos mitades.
No está claro si las composiciones desequilibradas de raza y edad en esta cohorte de estudio influyeron en la capacidad de predicción de las 15 especies de lípidos aparentes seleccionados en el diagnóstico de Cancer de prostata. Para aclarar esta cuestión, se aplicó un método de "predicción desconocido".