PLoS ONE: Serum Calprotectin, CD26 og EGF til at etablere et panel for Diagnose af lungekræft

Abstrakte

Lungekræft er den mest dødbringende neoplasi, og en tidlig diagnose er den bedste måde til at forbedre overlevelsen. Symptomatiske patienter deltager Pulmonal Services kan blive diagnosticeret med lungekræft tidligere, hvis højrisikopersoner omgående er adskilt fra raske personer og patienter med benigne respiratoriske sygdomme. Vi søgte efter en bekvem ikke-invasiv serum test for at definere, hvilke patienter skal have mere umiddelbare kliniske tests. Seks cancerassocierede molekyler (HB-EGF, EGF, EGFR, sCD26, VEGF, og calprotectin) blev undersøgt i dette studie. Markers blev målt i serum ved specifikke ELISA, i en umarkeret befolkning, der omfattede 72 lungekræftpatienter af forskellige histologiske typer og 56 kontrolpersoner (sunde individer og patienter med godartede pulmonale patologier). Forbedrede regression og tilfældige skove analyse blev gennemført for udvælgelsen af ​​de bedste kandidat biomarkører. En bemærkelsesværdig evne til at skelne blev observeret for EGF, sCD26, og især for calprotectin, disse tre molekyler, der udgør en markør panel kan prale med en følsomhed på 83% og specificitet på 87%, hvilket resulterer i en tilknyttet misklassifikation på 15%. Endelig en algoritme afledt ved logistisk regression og et nomogram tilladt frembringelse klassifikation scoringer i forhold til risikoen for en patient for at lide lungekræft. Afslutningsvis foreslår vi en non-invasiv test for at identificere patienter med høj risiko for lungekræft fra en ikke-valgt population deltage i en Pulmonal service. Effekten af ​​denne tre-markør panel skal afprøves i en større population for lungekræft

Henvisning:. Blanco-Prieto S, Vázquez-Iglesias L, Rodríguez-Girondo M, Barcia-Castro L, Fernández-Villar A, Botana-rial MI, et al. (2015) Serum Calprotectin, CD26 og EGF til at etablere et panel for Diagnose af lungekræft. PLoS ONE 10 (5): e0127318. doi: 10,1371 /journal.pone.0127318

Academic Redaktør: Rossella Rota, Ospedale Pediatrico Bambino Gesu ‘, ITALIEN

Modtaget: November 7, 2014 Accepteret: 13. april, 2015; Udgivet: 18. maj 2015

Copyright: © 2015 Blanco-Prieto et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed: Alle relevante data er inden for papir og dens støtte Information filer

finansiering:. Denne forskning blev støttet af projektet PS09-00405 fra Instituto de Salud Carlos III, Gruppering af Inbiomed 2012/273, og midler fra EFRU DXPCTSUG-Feder (CN 2011/024). S. Blanco-Prieto blev støttet af et stipendium fra Programa Nacional de Formación de Profesorado Universitario (FPU, spanske ministerium for videnskab og innovation). M. Rodríguez-Girondo anerkender økonomisk støtte fra Grant MTM2011-23204 (EFRU support inkluderet) i den spanske ministerium for videnskab og innovation og INBIOMED 2009-063 af Xunta de Galicia. Prøverne, der anvendes i dette arbejde hører til Biobank fra CHUVI (Retic-FIS-ISCIII RD09 /0076/00011)

Konkurrerende interesser:. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Lungekræft (LC) er de mest fatale neoplasi tegner sig for 18% af de samlede kræftdødsfald [1]. Histologisk klassifikation af lungetumorer omfatter to hovedgrupper: småcellet lungecancer (SCLC) og ikke-småcellet lungecancer (NSCLC), som repræsenterer 75-80% af nydiagnosticerede lungekræft [2]. Ved diagnose en betydelig del af patienterne viser tumor spredning og en yderst dårlig prognose, med en 5-års overlevelse på 16% for NSCLC [3]. Ikke desto mindre er overlevelse markant varierer afhængigt af den fase, fra 52% i lokal sygdom til en dramatisk 4% for fremskreden [4].

The National Cancer Institute gennemførte National Lung Screening Trial, der viste et fald på 20% i LC dødeligheden for en høj-risiko population henvist til screening med lavdosis edb tomografi (CT) [5]. Derfor eksisterende amerikanske retningslinjer bekræfter tilstrækkelige beviser støtter gennemførelsen af ​​LC screening med CT [6]. På den anden side er der fortsat usikkerhed i Europa indtil for samlet vurdering af dødelighed baseret på de igangværende screening forsøg [7]. Valget af hvilken risikogrupper bør screenes er også tvivlsomt. Foreløbige resultater fra den største europæiske lungekræft screening retssag, NELSON, har vist positiv fase fordeling med 70,8% af personer bliver diagnosticeret på trin I, som forhåbentlig vil resultere i en reduktion af dødeligheden [8].

Men en stor bekymring for LC screening med CT er den høje falske positive resultater, der gør denne teknologi omkostningseffektive ineffektiv, hvilket indebærer yderligere diagnostiske procedurer [9]. Som følge heraf er risiko forudsigelse modeller med genetiske og molekylære biomarkører til tidlig diagnose få interesse for at forudindstille patienter, der skal forelægges lavdosis CT [10, 11].

For nylig, paneler af serum markører til at definere høj -risk befolkninger for LC og specifikt for NSCLC er blevet rapporteret. Planque

et al

. [12] etableret en model med flere kallikreiner, mens andre forfattere har screenet arrays af biomarkører med en dokumenteret implikation i LC [13-15].

Vi analyserede niveauer af 6 kandidat markører i serumprøver indsamlet fra lungekræft patienter og sammenlignede dem med en kontrolgruppe bestående af både raske kontroller og personer med godartede sygdomme i lungen. De udvalgte molekyler er kræft-associerede markører, der dækker en bred vifte af funktionaliteter, der er involveret i udviklingen af ​​kræft og progression: den opløselige form af epidermal vækstfaktor receptor (sEGFR) [16]; to af de ligander, der binder EGFR: epidermal vækstfaktor (EGF) og heparinbindende epidermisvækstfaktor (HB-EGF); vaskulær endotelvækstfaktor (VEGF) som en af ​​de vigtigste udøvere af angiogenese [17]; sCD26, den opløselige form af CD26, en celleoverflade glycoprotein bærende serinproteaseaktivitet og involveret i immunregulering og cancer [18-20]; og en inflammation-associeret molekyle, Calprotectin (CAL) [21], opreguleret i flere kræftformer, herunder lunge [22].

Målet med vores undersøgelse er at opnå en roman og nøjagtig panel af markører for diskriminerende patienter med høj risiko for LC. Serumniveauer af de seks analytter blev målt, og en to-trins statistisk procedure blev anvendt til at udlede en optimal klassifikation algoritme. En klassifikation score for hver patient blev bestemt, at lade en forbedret udvalg af patienter til yderligere diagnostiske procedurer.

Materialer og metoder

kliniske prøver

De personer prospektivt indskrevet i den nuværende undersøgelse, er patienter med luftvejssymptomer deltog i Pulmonary service af Complejo Hospitalario Universitario de Vigo (Spanien) mellem maj 2007 og november 2010.

Otte ml perifert blod blev indsamlet i sterile rør indeholdende heparin og gelose, ved den første besøg. Prøverne blev centrifugeret ved 3000 rpm i 15 minutter, og serum blev opbevaret ved -20 ° C indtil analyse. Patient data og serum blev opnået i fuld overensstemmelse med klinisk-etiske praksis i den spanske regering og Helsingfors-erklæringen, og galiciske Komité for Klinisk Forskning godkendte undersøgelsen. Skriftligt informeret samtykke blev leveret fra enkeltpersoner og anonymitet var berettiget.

Klinisk diagnostisk oparbejdning fulgt anbefalingerne fra gældende kliniske vejledninger [23-25]. Diagnose af LC blev opnået ved histologisk vurdering af tumorer efter kriterierne i WHO i 1999 [26]. Staging blev bestemt ifølge den 5

th udgave af TNM-systemet i brug i øjeblikket undersøgelsen blev gennemført [27]. Patienter med tilbagefald eller progression af en cancer diagnosticeres tidligere og administration af kemo- eller strålebehandling behandling, blev udelukket fra undersøgelsen. Kræften gruppe omfattede 72 lungekræfttilfælde: Medianen alder af patienterne var 71 år (spændvidde 47-88), 58 var mænd og 14 kvinder, og rygning hos ca. 90%. NSCLC tegnede sig for 64 sager, mens 8 blev diagnosticeret som SCLC. Inden for NSCLC typen, adenocarcinom var den fremherskende histologiske subtype (34 patienter) og fase IV var den hyppigste fase (28 tilfælde, trin I og III 17 sager hver og to fase II-tumorer).

kontrol kohorte bestod af 56 individer adskilt i to grupper: én kontrol undergruppe omfattede patienter med benigne patologier i lungen, såsom infektionssygdomme (n = 31) og en patient med interstitiel lungesygdom den anden undergruppe bestod af raske kontroller (n = 24) og omfattede patienter, der var klinisk kontrolleret på grundlag af respiratoriske symptomer som hoste, dyspnø eller thorax smerter, men uden specifik symptomatologi for LC. Den mediane alder af denne kontrol kohorte var 60 år (spændvidde 24-88), der består af 33 mænd og 23 kvinder, og præsentere 64% af kontrollerne rygevaner. Kliniske og patologiske egenskaber for LC patienter og personer uden LC er skitseret i S1 tabel.

Måling af serum Biomarkører Koncentration

Måling af biomarkør koncentrationer blev udført ved hjælp af kommercielt tilgængelig enzymmaerket (ELISA) assays, i overensstemmelse med den respektive producentens foreslåede protokoller. HB-EGF, EGF og EGFR assays blev indkøbt fra R sCD26 og VEGF fra eBioscience (Irland, UK) og CAL-analysen fra Hycult Bioteknologi (Uden, Holland). Både standard- og serumprøver blev analyseret in duplo. Absorbansaflæsninger blev indsamlet på en EnVision Multilabel Plate Reader (Perkin Elmer).

statistiske metoder

Individuel Biomarkør Evaluation.

Kontinuerlige variable er præsenteret som median (interval), og kategoriske variabler som frekvenser (procenter). De ikke-parametriske Mann-Whitney U og Kruskal-Wallis test blev anvendt til at vurdere forskelle på koncentrationen af ​​hver biomarkør blandt LC og kontrolgrupper, og til at udføre parvise sammenligninger mellem kontrol og etuier undergrupper. Modtager Betjening Karakteristiske (ROC) kurver og Pearsons korrelation blandt biomarkører niveauer blev også beregnet.

P

-værdier 0,05 blev betragtet som statistisk signifikant og korrigeres af Holm-metoden [28] for at forhindre for oppustning af type I-fejl på grund af gentagen afprøvning i undergruppen analyser (samtidig overvejer undergrupper defineret gennem LC staging og kontrol undertyper). Univariate analyser blev udført ved hjælp af den statistiske software SPSS 15.0 (SPSS Inc., Chicago, IL) og R (Wirtschafts Universität, Wien, Østrig).

Multivariate Panel Selection Analyse.

Marker koncentrationer log

10-transformeret før multivariat analyse at reducere skævheden. Vi brugte en to-trins procedure, som kombinerer variabel reduktion og model fit ved hjælp af logistisk regression.

Forbedrede regression [29, 30] og tilfældige skove [31] blev udført for reduktion af antallet af markører. Vi brugte en funktionel gradient nedstigning øge tilgang, hvor montering problem er genfortolket som den empiriske minimering af en foruddefineret tab funktion. Minimering opnås ved gentagne gange (m iterationer) montering regression træer til de negative gradienter af tabet funktionen.

Tilfældige skove stole på bootstrap sammenlægning. Nemlig, er mange regression træer vokset for hver delmængde af biomarkører og hvert træ bruges til at forudsige gruppemedlemskab for hver observation. Disse regnes som “stemmer” for denne gruppe medlemskab og en given observation er tildelt gruppen med flest stemmer.

For begge metoder, betragtede vi 1.000 træer og ud-af-posen (OOB) fejl satser blev afledt overvejer uddannelse sæt med 75% af tilfældene og test sæt, der indeholder de resterende 25%. For boostet regression, m fungerer som en tuning parameter og det bestemmes af minimering af out-of-pose (OOB) fejlprocent. Tilsvarende i tilfældige skove, er træer monteret i uddannelse sæt og efterfølgende bruges til at forudsige gruppen medlemskab af testcases de 25%. Vi ombygget hver model 1.000 gange, og vi rapporterede en rangordning af de biomarkører efter deres median relative betydning [32].

Vi monteret alle de mulige logistiske regressionsmodeller baseret på de højest klassificeret biomarkører. Adskillige ydeevne indekser blev beregnet og sammenlignet blandt modeller: Akaike oplysninger kriterium (AIC), Bayesian information kriterium (BIC) og betyde kvadrerede fejl (MSE) som mål for manglende fit (lavere værdier indikerer bedre pasform) og arealet under ROC-kurven (AUC) som et mål diskrimination. Mens AIC og BIC straffe model kompleksitet, begunstige enklere modeller, MSE og AUC fokus på selve den prædiktive evne, begunstige mere komplekse modeller.

Vi brugte OOB forudsigelser og vi giver middelværdier over 1.000 gentagelser. Alle de logistiske regressionsmodeller inkluderet alder og køn til at justere for potentiel confounding. Endelig giver vi et nomogram grafisk repræsentation.

For at evaluere den diagnostiske evne panelet angivet som bedst i overensstemmelse med de førnævnte indeks (AIC, BIC, MSE og AUC), blev vilkårene for sensitivitet og specificitet forudsat. Følsomhed refererer til procentdelen af ​​patienter med lungekræft, der resulterer positivt med testen, med andre ord evne til test til påvisning af sygdommen; specificitet er procentdelen af ​​ikke-kræft individer, hvor testen er negativ.

Alle multivariate statistiske analyser blev udført med den statistiske software R (Wirtschafts Universität, Wien, Østrig).

resultater Salg

Analyse af serummarkørerne i patienter med lungekræft og i kontrolpersonerne

Serumkoncentrationer sammen med univariate statistiske analyser sammenligner kontrol- og LC grupper for hver af de seks biomarkører er vist i tabel 1. Markant forhøjede serumkoncentrationer af EGF (

s

0,001), sEGFR (

s

= 0,037) og CAL (

s

0,001) blev fundet i LC patienter sammenlignet med kontrolgruppen, mens sCD26 blev reduceret (

s

0,001). Interessant, kun sCD26 (

s

= 0,045) og CAL niveauer (

s

0,001) i benigne patologier bevarede betydelig forskel fra niveauer i LC, mens det for EGF denne skelnen ikke nåede signifikans (

s

= 0,100).

Den potentielle kliniske anvendelighed af disse 6 analytter som biomarkører for LC blev vurderet ved hjælp af univariate ROC kurve analyser (tabel 1). Bemærkelsesværdig diskriminerende kapacitet blev fundet for EGF og sCD26, med et område under kurven (AUC) af 0,701 og 0,711 henholdsvis; CAL udstillet den mest lovende profil med et AUC på 0,781.

Korrelation mellem markører blev også vurderet afslører, at flere molekyler lidt blev korreleret med hinanden (data ikke vist). Kun for sCD26 og CAL med VEGF, korrelationen var . 0.3

Analyse af serummarkørerne henhold til Tumor Klassifikation

Niveauer af markørerne blev også analyseret i NSCLC-patienter (89% af LC tilfælde) i henhold til tumorspredning (tabel 2). Blandt væsentlige diskriminant markører, EGF og CAL niveauer var allerede statistisk skelnes fra raske og godartede kontroller på tidlige stadier I-II (

s

0,001 og

s

= 0,002, henholdsvis). Disse markører også vist signifikante forskelle mellem NSCLC stadier III-IV patienter og kontrolpersoner (

p

= 0,012 for EGF og

p

0,001 for CAL), på trods af EGF vise bemærkelsesværdige ringere niveauer i fremskredne stadier i forhold til tidligere stadier. På den anden side, blev der ikke fundet nogen statistisk signifikante forskelle mellem sCD26 niveauer tidlige stadier og dem i kontroller (

s

= 0,116), men de effektivt afveg i formidles stadier i forhold til kontroller (

p

. 0,001)

for de resterende markører, stratificering efter tumor forlængelse ikke medføre forskelle med kontrolgruppen, med undtagelse af VEGF. Når stratificeret efter tumor fase, sEGFR mistet sin diskrimination fra kontrol, både på tidlige stadier I-II, og ved fremskredne stadier III og IV (

s

= 0,375 for begge sammenligninger). Omvendt er den markant stigning i niveauer med sygdomsprogression for VEGF førte til betydeligt højere niveauer på gradvis III-IV end i kontrolgruppen (

s

= 0,028).

S2 Table giver en dybere analyse af markør niveauer i de enkelte NSCLC etaper. For markører, der viste sig betydelige diskriminatorer mellem kontrolpersonerne og LC patienter generelt, sCD26 og CAL viste en ganske homogen tendens til forværring af deres niveauer med NSCLC progression, som tegnede sig for differentieringen af ​​sene NSCLC vedrørende kontrol i tilfælde af sCD26. Bemærkelsesværdigt, tendensen for EGF-niveauer var det modsatte, med niveauer i fremskredne stadier nærmer sig udstillet af kontrolpersoner.

Selv om en detaljeret analyse i henhold til tumoren forlængelse ikke var muligt i SCLC gruppe på grund af den reducerede prøve størrelse, der var en bemærkelsesværdig forskel mellem niveauerne på begrænset og udvidet sygdom for HB-EGF (111,00

versus

236,00 pg /ml), EGF (78,37

versus

447,90 pg /ml) og CAL (97,32

versus

313,00 ng /ml). Lignende niveauer blev stødt for begrænsede og udvidede stadier i tilfælde af sEGFR (41,96

versus

35,22 ng /ml), sCD26 (339,00

versus

294,00 ng /ml) og VEGF (530,82

versus

493,76 pg /ml).

En grafisk visning af de enkelte biomarkør profiler overvejer alle undergrupper af patienter præsenteres som box-plots i figur 1.

box-plots af niveauerne af de seks biomarkører kandidater i sera undergrupper af kontroller og lungekræftpatienter. Vandrette linjer repræsenterer medianværdier.

Sammenligning af Biomarkører med demografiske parametre

Niveauer af HB-EGF, EGFR, VEGF og CAL viste ikke nogen sammenhæng med demografiske parametre. EGF (

s

= 0,004) og sCD26 (

s

= 0,014) niveauer varierede betydeligt efter køn; desuden sCD26 niveauer formindsket gradvist med alderen (

s

= 0,001). Alene EGF korreleret til rygning status, med niveauer især overlegne i rygere (

s

= 0,011) (tabel 3).

.

Valg af Multi- markør Panel til påvisning af lungekræft

Brug af boosting og tilfældige skove metoder, blev hver markør sorteret efter betydning for at forudsige LC (tabel 4). Begge metoder giver mulighed for en rangordning af markører, der for det meste bidrager til skelnen mellem kræft og kontrolpersoner. Ifølge den styrke metode, viste CAL overlegen relative betydning, efterfulgt af sCD26 og EGF med en lignende relative betydning; tilfældig skov falder hovedsageligt i deres ranking. I lyset af disse resultater valgte vi CAL, sCD26 og EGF som de relevante biomarkører til detektering LC.

Næste, vi bygget alle de mulige logistiske regressionsmodeller baseret på kombinationer af disse tre markører og køn og alder som potentielle forstyrrende variable (tabel 5). Adskillige ydeevne indekser blev anvendt til at undersøge, hvilken model opfører sig bedst. Mens BIC er mere konservativ og identificerer modellen med CAL alene som den optimale én (lavest BIC værdi), AIC identificerer modellen med tre markører som den optimale én (det viser den laveste AIC-værdi), efter aftale med den højeste AUC og laveste forudsigelse MSE.

Klassifikation Algoritme

som afledt af ydeevne indeks, en værdifuld markør panel, der kan være nyttige for LC diagnose blev etableret, udgøres af CAL, sCD26 og EGF. Den tilhørende logistiske regressionsmodel genereret en algoritme til at estimere en klassificering score (

s

) for hver patient, givet ved den estimerede sandsynlighed for at præsentere LC, som en funktion af de udvalgte biomarkører (CAL, sCD26 og EGF), defineret som følger: Hvor X

1, …, X

jeg er logaritmisk transformerede (base 10) koncentrationer af markører, α

0 er den specifikke konstant af modellen og α og β er koefficienter for demografiske variabler (alder og køn), og hver af de udvalgte biomarkører, hhv.

diagnostisk Udførelse af udvalgt panel af markører

med henblik på at estimere de diagnostiske parametre for det valgte tre-markør klassificering algoritme i vores patientgruppe, værdierne for score klassificering

s

blev genereret for de personer evalueret i vores undersøgelse. Forskellige cut-off point for

s

med tilhørende følsomheder og særlige blev foreslået (tabel 6). Den optimale tærskelværdi for diskriminering af kræft fra ikke-kræft patienter var 0,559, hvilket betyder, at en patient med en højere score anses for at have lungecancer og en patient med en score mindre end 0,559 anses ikke for at have cancer, denne afskæring bærer en sensitivitet på 83% og en specificitet på 87%.

demografiske og kliniske variable på fejlklassificering af Prediction Model

den overordnede misklassifikation sats for tre-markør panel, for en fast afskæring af 0,559, var 15%. En undersøgelse af de enkelte grupper blev derefter udført for at vurdere, hvilken rolle demografiske og kliniske variable på forkert sager klassifikation. Panelet gav en højere fejlklassificering blandt ikke-rygere (26%) end rygere (16%), skyldes (i det mindste delvis) den forvirrende effekt af rygning på EGF-værdier. Med hensyn til iscenesættelse, fejlklassificeringer i tidlige stadier I-II var meget svarer til dem, der præsenteres i fremskredne stadier III-IV, 11 og 13%, hhv. SCLC-sager blev fejlklassificeres i højere grad, 50% (4/8 tilfælde), end NSCLC tilfælde (12%). Når der udelukkende ser på kohorte bestående af raske kontrolpersoner, blev kun ét emne fejlklassificeres ud af de 24 testede (4%), mens 6 ud af 32 patienter med benigne lunge kærlighed blev fejlagtigt klassificeret (19%).

Prediction nomogram

nomogram er en enkel måde at fortolke en multivariat markør panel og at visualisere de forskellige patientgrupper profiler, der giver til forskellige værdier af den tilhørende score klassificering

s

. Fig 2 viser et nomogram for panelet herunder CAL, sCD26 og EGF niveauer (log transformeret). For at opnå den score på en given patient, er de tilsvarende værdier for hver markør placeret på den tilsvarende akse og lodret relateret til “Points” akse, der tilskriver peger på variabel afhængig af sine niveauer. Bemærk, at CAL er den markør forbundet med det højeste antal point, hvilket betyder, at det er den variabel med den allerstørste betydning at beregne score

s

. Når beregnet bidraget i punkter af hver variabel, bliver de summeres, og aksen af ​​de samlede point kan så direkte relateret til score klassificeringen

s

akse nedenfor.

Multivariabel logistisk regression model- baseret nomogram til at definere lungekræft score

s

baseret på calprotectin, sCD26 og koncentration EGF (log transformeret), køn og alder.

diskussion

Vores mål var at identificere kandidat serum markører til at udgøre et panel og foreslå en klassifikation model, der anvendes i den sædvanlige symptomatisk ikke-valgte population besøger den pulmonale Services for udvælgelse af de patienter, som kan underkastes indsendes til diagnostiske procedurer. Oprindeligt vi inkluderet 6 molekyler:. HB-EGF, EGF, sEGFR, VEGF, sCD26 og CAL at undersøge deres potentiale som diagnostiske markører i LC

sEGFR, der kun omfatter det ekstracellulære domæne af EGFR, er fundet i blod [ ,,,0],33, 34] og kan potentielt afspejle ændringer i tumorvækst. To af de ligander, der binder til EGFR blev også udvalgt til denne undersøgelse: EGF og HB-EGF. Både serum EGFR og EGF viste god diagnostisk kapacitet i LC patienter i en tidligere undersøgelse [35], mens rollen som HB-EGF i LC er kun blevet vurderet med hensyn til reaktion på EGFR behandling [36]. VEGF som en mediator af angiogenese [17] er blevet grundigt undersøgt som prognostisk faktor i LC [37, 38]. sCD26, den opløselige form af den transmembrane protease dipeptidylpeptidase IV (DPPIV) [18] er rapporteret i lave niveauer i faste maligniteter [20], og det foreslås som et bemærkelsesværdigt følsomt assay til tidlig diagnosticering og screening af CRC [39]. Tilhører S100 familien af ​​calcium-bindende proteiner, CAL er et immunogent protein rigeligt udtrykt og udgivet af fagocytter, udøve antimikrobielle og pro-inflammatoriske egenskaber [21]. En funktion i udvikling af kræft er blevet foreslået på grund af sin opregulering i forskellige tumorer, såsom lunge [22].

Fra vores resultater, vi kan konkludere, at EGF, sCD26 og CAL viste den højeste diskriminerende kapacitet til lunge malignitet . EGF udviste en relativt god præstation i LC diagnose med niveauer steg betydeligt i forhold til kontrolgruppen. I en tidligere undersøgelse (Lemos

et al

. [35]), beskrev vi statistisk lavere niveauer af EGF i serum af NSCLC patienter end hos kontrolgruppen. Disse tilsyneladende modstridende resultater skyldes forskelle i kontrol- og patienternes kohorter. Her indgår vi godartede patologier, og raske individer var symptomatiske dem, mens i det tidligere arbejde disse var raske donorer. Desuden patientens gruppe i den tidligere undersøgelse omfattede primært fremskreden NSCLC patienter. På den anden side, blev afhængigheden af ​​EGF-niveauer på køn og rygning status ikke rapporteret i denne undersøgelse.

Resultaterne vedrørende sCD26 i LC diagnose var også lovende. Rolle CD26 i carcinogenese er ikke entydig. På den ene side, er pro-onkogene aktiviteter medierer lunge metastase rapporteret [40]. På den anden side, blev en suppressor rolle i lungekræft demonstreret [41], som re-udtryk for CD26 vendt den maligne fænotype af ikke-småcellet lungekræft celler. I vores undersøgelse sCD26 oplevet en betydelig reduktion af dens størrelse i cancerpatienter sammenlignet med kontrolpersoner. En sådan reduktion er allerede blevet observeret [42], og ligeledes en forening med ældre alder og lavere sCD26 niveauer opstod; også havde et signifikant fald på DPPIV aktivitet med alderen i en population af raske tidligere blevet beskrevet [43]. De Chiara

et al

. [44] målte serum sCD26 i en stor kohorte og rapporterede samlede gennemsnitlige niveauer af 522 ng /ml (interval 118-3062), i overensstemmelse med niveauet i vores kontrol kohorte. De er ligeledes observeret en anelse højere koncentrationer i kvinder og et beskedent fald i niveauet langs årtier.

CAL refererer til heterodimeren dannet af S100A8 og S100A9 proteiner, og det er en mediator af forskellige processer i kronisk inflammation er høje niveauer karakteristisk for inflammatoriske tilstande. Differentiel ekspression af CAL har vist sig at være et vigtigt skridt bidrager til udviklingen af ​​kræft og progression i maligniteter i blæren, hud, bryst, gastrisk, colorektal, lunge, bugspytkirtel, prostata og skællede øsofageale carcinomer [21, 22].

i et tidligere arbejde er blevet påvist en høj nøjagtighed CAL til forudsigelse malignitet hos patienter med exudativ pleural effusion [45]. CAL niveauer i LC forårsager udgydelser (255,4 ng /ml) var den samme som rapporteret her i serum. I modsætning hertil blev meget højere gennemsnitlige niveauer i godartede pleuraekssudat (2,627.1 ng /ml) findes i sammenligning med gennemsnitlige niveauer i sera (141,93 ng /ml), dokumenterer forskellige karakter af de analyserede væsker. En stærkere væv udtryk for S100A8 og S100A9 i lunge malignitet sammenlignet med benigne perifere og tilstødende lungevæv blev rapporteret [46], i overensstemmelse med vores data.

En af de store krav til en tumor markør er dens evne til at påvise sygdommen i tidlige stadier. EGF og CAL niveauer er allerede ændret i trin I-II af NSCLC i forhold til kontrol, mens sCD26 fremlagt en accentueret fald, men ikke signifikant. Lignende analyse i SCLC-patienter kunne ikke udføres på grund af det lave antal individer; alligevel, patienter med begrænset sygdom udstillet EGF og CAL niveauer ringere end dem i kontrolgruppen, som kunne tyde en vis grad af vanskeligheder med at klassificere disse patienter. Samlet set tyder disse resultater på anvendeligheden af ​​panelet i screeningkampagner. Dette faktum dokumenterer den største begrænsning af vores undersøgelse, den relativt lille størrelse af vores kohorte, der udelukker sammenligninger som den førnævnte, berettiger yderligere undersøgelser storstilede at validere disse resultater. Det samme gælder for generation af modellen klassificering, selv om de statistiske procedurer på begge trin i dette tilfælde blev gentaget 1000 gange og resulterende parametre gennemsnit, som undgår overvurdering og sikrer reproducerbarhed af modellen i kommende populationer.

Til nå en klinisk meningsfuld klassifikation algoritme for LC baseret på mest diskriminerende markører en totrins statistisk strategi blev udført. Fremme og tilfældige skov metoder tillader rangordning af biomarkører i henhold til relative variable indeks betydning baseret på medianen relative indflydelse på tværs af alle de genererede træer [32]. Både, øge og tilfældig skov metoder, bekræftede overlegenhed CAL, sCD26 og EGF. I et andet trin blev panel af biomarkører bruges til at passe logistiske regressionsmodeller til at udlede en (optimal) klassificering regel for at tildele en patients diagnose. Ifølge ydeevne indekser anvendte, blev panelet herunder CAL, sCD26 og EGF etableret som den mest informative. Modellen omfattede køn og alder for at korrigere for potentiel confounding, især i tilfælde af sCD26, hvis niveau påvirkes af alder. Da rygning data mangler for nogle individer denne variabel ikke kunne betragtes i analysen.

Det skal bemærkes styrken af ​​CAL både univariate regressionsmodeller, hvor foretrukne er den, herunder CAL alene, og i betragtning kombinationen af ​​markører, styrkelse CAL som den vigtigste biomarkør for LC diagnose.

Anvendelse af tilsvarende algoritme tillader at opnå en score ved at indføre i modellen patientens egne markør koncentrationer. Hvorvidt den resulterende

s

score er højere end den faste cut-off, vil den enkelte blive klassificeret som havende LC med en følsomhed og specificitet i forhold til denne cut-off. Derudover tilbyder vi en nomogram repræsentation af den optimale multivariate model for bedre fortolkning af pointsystemet, så kontrol af mulige kombination af værdierne af de biomarkører, der er forbundet med en bestemt værdi af partituret

s

.

De tre-markør panel viste en generel misklassifikation på 15%. Inden fejl klassificeringskriterierne, SCLC var histologi oftere fejlklassificeres, men antallet af patienter er for lille til at udtrække en endelig konklusion.