PLoS ONE: Plasma fri aminosyre profilering af fem typer af kræftpatienter og dens anvendelse for Early Detection

Abstrakt

Baggrund

For nylig har hurtige fremskridt er sket i metabolomics-baserede, let -til-use tidlig kræft detektionsmetoder bruger blodprøver. Blandt metabolitter, profilering af plasma frie aminosyrer (PFAAs) er en lovende tilgang, fordi PFAAs forbinde alle organsystemer og har vigtige roller i stofskiftet. Desuden er PFAA profiler kendt for at være påvirket af specifikke sygdomme, herunder kræft. Derfor er formålet med denne undersøgelse var at bestemme egenskaberne ved de PFAA profiler i kræftpatienter og muligheden for at bruge denne information til tidlig påvisning.

Metoder og Resultater

Plasma prøver blev indsamlet fra ca. 200 patienter fra flere institutter, hver diagnosticeret med en af ​​følgende fem typer af kræft: lunge, gastrisk, colorectal, bryst, eller prostatakræft. Patienterne blev sammenlignet med køns- og alders- matchede kontroller også anvendt i denne undersøgelse. De PFAA niveauer blev målt ved anvendelse af højtydende væskekromatografi (HPLC) -electrospray ionisering (ESI) -massespektrometri (MS). Univariate analyse viste signifikante forskelle i PFAA profilerne mellem kontroller og patienter med en hvilken som helst af de fem typer af kræft, der er anført ovenfor, selv dem med asymptomatisk tidlige fase sygdom. Desuden multivariat analyse klart diskrimineret de kræftpatienter fra kontrollen i form af området under modtageren-operatør egenskaber kurven (AUC for ROC 0,75 for hver kræft), uanset kræft scenen. Fordi denne undersøgelse blev designet som case-kontrol undersøgelse, yderligere undersøgelser, herunder model konstruktion og validering ved hjælp af kohorter med større stikprøvestørrelser, er nødvendige for at bestemme nytteværdien af ​​PFAA profilering.

Konklusioner

Disse resultater tyder på, at PFAA profilering har et stort potentiale for at forbedre kræftscreening og diagnosticering og forstå sygdommen patogenese. PFAA profiler kan også anvendes til at bestemme forskellige sygdomstilstande diagnoser fra en enkelt blodprøve, der indebærer en relativt enkel plasma assay og pålægger en lavere fysisk byrde for forsøgspersoner sammenlignet med eksisterende screeningsmetoder

Henvisning:. Miyagi Y, Higashiyama M, Gochi A, Akaike M, Ishikawa T, Miura T, et al. (2011) Plasma fri aminosyre profilering af fem typer af kræftpatienter og dens anvendelse til tidlig påvisning. PLoS ONE 6 (9): e24143. doi: 10,1371 /journal.pone.0024143

Redaktør: Libing Song, Sun Yat-sen University Cancer Center, Kina

Modtaget: April 8, 2011; Accepteret: August 1, 2011; Udgivet: 7 September, 2011

Copyright: © 2011 Miyagi 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

Finansiering:. Dette arbejde er blevet støttet af Grant-in-Støtte til videnskabelig forskning på grundforskning B (nr 17.390.195) fra Ministeriet for Undervisning, Kultur, Sport, Videnskab og Teknologi i Japan. Den bidragyder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet. Ajinomoto, Co., Inc. havde en rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:. Forfatterne har læst tidsskriftets politik og har følgende konflikter: Dr. Horimoto, Dr. Tochikubo, Dr. Yamakado, og Dr. Okamoto har været konsulenter for Ajinomoto, Co., Inc. og modtage konsulenthonorar fra Ajinomoto, Co., Inc. Dr. Imaizumi, Dr. Yamamoto, og Dr. Miyano er medarbejdere i Ajinomoto, Co., Inc. Dr. Miyagi, Dr. Higashiyama, Dr. Gochi, Dr. Akaike, Dr. Ishikawa, Dr. Miura, Dr. Saruki, Dr. Bando, Dr. Kimura, dr . Imamura, Dr. Moriyama, dr Ikeda, Dr. Chiba, Dr. Oshita, Dr. Tochikubo, Dr. Mitsushima, Dr. Yamakado, og Dr. Okamoto modtaget forskningsmidler fra Ajinomoto, Co., Inc. Dr. Higashiyama, Dr. Imamura, Dr. Imaizumi, og Dr. Okamoto har ansøgt om patenter på plasma aminosyre profilering ved hjælp af multivariat analyse som et diagnostisk værktøj til lungekræft og kræft (WO2008 /016.111 og WO2009 /110.517), Dr. Gochi, Dr. Imaizumi, og Dr. Yamamoto har ansøgt om patenter på plasma aminosyre profilering ved hjælp af multivariat analyse som et diagnostisk værktøj til mavekræft (WO2009 /099.005), har Dr. Imaizumi og Dr. Okamoto ansøgt om patenter på plasma aminosyre profilering ved hjælp af multivariat analyse som et diagnostisk redskab for tarmkræft (WO2008 /075.663), Dr. Imaizumi og Dr. Okamoto har ansøgt om patenter på plasma aminosyre profilering ved hjælp af multivariat analyse som et diagnostisk værktøj til brystkræft (WO2008 /075.662), Dr. Miyagi, Dr. Miura, Dr. Imaizumi, Dr. Yamamoto, og Dr. Okamoto har ansøgt om patent på plasma aminosyrer profilering ved hjælp multivariat analyse som et diagnostisk værktøj for prostatakræft (WO2009 /154.297), og dr Miyano har anvendt for patenter på plasma aminosyre målesystemer (WO2003 /069.328 og WO2005 /116.629). Dette ændrer ikke forfatternes tilslutning til alle de PLoS One politikker på datadeling og materialer.

Introduktion

Flere minimalt invasiv, let-at-bruge cancer diagnostiske metoder ved hjælp af perifert blod eller urinprøver er for nylig blevet udviklet til at lette den fysiske belastning for patienterne og for at reducere omkostningerne og tidsforbruget [1], [2], [3], [4], [5], [6], [7], [ ,,,0],8]. Hurtige fremskridt er blevet gjort i kræft diagnose og prognose metoder baseret på metabolomet analyse [3], [9], [10], [11], [12], [13], [14], som ofte indebærer anvendelse af multivariate analyseteknikker, såsom computerstøttet, maskine-learning systemer til data mining.

Selvom metabolomet analyse er en lovende metode til screening for sygdomme som kræft, nogle praktiske begrænsninger tilbage. Disse omfatter nødvendigheden af ​​at måle et stort antal metabolitter [15], [16], [17], data-redundans problemer, herunder den falske-discovery sats (FDR) og overfitting, og omkostninger begrænsninger. En metode til at overvinde disse problemer er “fokuserede metabolomics”, hvilket begrænser objekter af analysen til dem, der spiller roller i almindelighed stofskifte og dele fysiske ligheder.

Aminosyrer er de bedst egnede kandidater til fokuseret metabolomics som de er enten indtages eller syntetiseret endogent og spille vigtige fysiologiske roller både som grundlæggende metabolitter og metaboliske regulatorer. For at måle aminosyrer, plasma frie aminosyrer (PFAAs), der rigeligt cirkulerer som et medium forbinder alle organsystemer, ville være det mest fordelagtige mål, fordi deres profiler har været kendt for at være påvirket af metaboliske variationer i specifikke organsystemer induceret af specifikke sygdomme [18], [19], [20], [21]. Derudover kan plasmaprøver indsamles nemt fra patienter.

Adskillige forskere har også rapporteret ændringer i PFAA profiler i kræftpatienter [22], [23], [24], [25], [26], [ ,,,0],27], [28]. Men på trods tegn på en sammenhæng mellem PFAA profiler og visse former for kræft, er få undersøgelser undersøgt brugen af ​​PFAA profiler til diagnose, fordi, selv om PFAA profiler varierer betydeligt mellem patienter, behøver forskellene i de enkelte aminosyrer ikke altid give tilstrækkelige evner forskelsbehandling i sig selv [24], [29], [30]. For at løse dette problem, vi tidligere fremstillet og prøvet en diagnostisk indeks baseret på PFAA koncentrationer, kendt som “AminoIndex teknologi” [29], [30], [31], [32], [33], at komprimere flerdimensional oplysninger fra PFAA profiler i enkelt dimension og maksimere forskellene mellem patienter og kontrolpersoner (Figur 1). Vi opnåede foreløbige data om effekten af ​​”AminoIndex teknologi” til tidlig opdagelse af tyk-, bryst og lungekræft i ca. 150 prøver fra en enkelt medicinsk institut [29], [30].

På det toppen af ​​diagrammet, er PFAA koncentrationer målt for hver emne. I midten, målrette variabler og univariat analyse af PFAA profiler er repræsenteret. Nederst er et skøn over klassificeringen med optimeret diskriminerende strøm ved hjælp multivariat analyse præsenteres.

Desuden har teknologier for nylig blevet udviklet til at analysere aminosyrer med stor nøjagtighed. For eksempel har vi udviklet en metode til at måle PFAA profiler ved hjælp af high-performance væskekromatografi (HPLC) -electrospray (ESI) -massespektrometri (MS) [34], [35], [36].

den foreliggende undersøgelse havde til formål at give mulighed for at PFAA profilering for kræftdiagnose ved hjælp af et stort antal prøver fra flere medicinske institutter. Vi målte PFAA profiler af ca. 200 kræftpatienter fra tre forskellige institutter med hver en af ​​følgende fem typer af kræft: lunge, mave, kolorektale (CRC), bryst, eller prostatacancer. Patienterne blev sammenlignet med fem gange størrelser af køns- og aldersmatchede kontroller også anvendt i denne undersøgelse. Vi derefter sammenlignet ændringerne i PFAA profilerne mellem kræftpatienter og kontrol ved hjælp af univariate og multivariate analyser. Som følge heraf blev signifikante ændringer i PFAA profiler observeret hos cancerpatienter i sammenligning med kontrolpersoner. Vi demonstrerede to typer af ændringer i PFAA profiler hos kræftpatienter: nogle forskelle afspejlede de metaboliske ændringer er fælles for mange kræftformer, mens andre var specifikke for hver type kræft. Vi fandt også, at både fælles og cancer typespecifikke ændringer i PFAA profiler blev observeret selv i patienter med tidlig fase kræft. Desuden hjælp af et stort antal prøver tilladt os at kontrollere robusthed PFAA profilering til tidlig påvisning af forskellige kræftformer.

Materialer og Metoder

Etik

Undersøgelsen blev gennemføres i overensstemmelse med Helsinki-deklarationen, og protokollen blev godkendt af etiske komitéer i Kanagawa Cancer center, Osaka Medical center for Kræft og hjertekarsygdomme, Okayama Universitetshospital, Yokohama City University Medical center, Gunma Prefectural Cancer center, Shizuoka Prefectural Cancer center, Chiba Prefectural Cancer center, Yokohama Municipal Citizen Hospital, Yokohama Minami Kyosai Hospital, Kanagawa Health service Association, Kameda Medical center Makuhari, og Mitsui Memorial Hospital. Alle emner har skriftligt informeret samtykke til optagelse, før de deltog i undersøgelsen. Alle data blev analyseret anonymt hele undersøgelsen.

Emner

data fra japanske patienter med lungekræft (LC), gastrisk cancer (GC), kolorektal cancer (CRC), brystkræft (BC) og prostatacancer (PC) blev analyseret i denne undersøgelse. Patienterne var blevet histologisk diagnosticeret med primær kræft på forskellige japanske medicinske institutter mellem 2006 og 2009. LC patienter blev rekrutteret fra Osaka Medical Center for Kræft og hjertekarsygdomme, den Chiba Prefectural Cancer Center, Kanagawa Cancer Center, og Gunma Prefectural cancer center. De GC patienter blev rekrutteret fra Okayama University Hospital, Gunma Prefectural Cancer Center, og Shizuoka Prefectural Cancer Center. De CRC patienter blev rekrutteret fra Kanagawa Cancer Center, Shizuoka Prefectural Cancer Center, og Gunma Prefectural Cancer Center. De BC patienter blev rekrutteret fra Yokohama City University Medical Center, Kanagawa Cancer Center, og Gunma Prefectural Cancer Center. PC-patienter blev rekrutteret fra Kanagawa Cancer Center, Yokohama Municipal Citizen Hospital, Yokohama Minami Kyosai Hospital, og Gunma Prefectural Cancer Center. Kontrolpersoner uden tilsyneladende kræft blev valgt blandt de undergår omfattende lægeundersøgelser på tre forskellige japanske medicinske institutter (Center for flerfasede Health Test og tjenester i Mitsui Memorial Hospital, Kameda Medical Center Makuhari, og Kanagawa Health Service Association) mellem 2008 og 2009.

Colon polyp patienter blev rekrutteret blandt dem, der gennemgår endoskopisk polypektomi på Kameda Medical center Makuhari mellem 2006 og 2008.

i forbindelse med dataanalyse, patienterne blev tildelt fem grupper baseret på deres primære kræftdiagnoser (~140-200 patienter pr gruppe), og fem alders- og køns- matchede kontrolgrupper blev også etableret (tabel 1). Datasæt for alle kræftpatienter og kontrol, samt alle kræftpatienter stratificeret efter køn, blev også analyseret.

PFAA måling

Blodprøver blev indsamlet fra kontrollerne og patienterne før enhver medicinsk behandling. Blodprøver (5 ml) blev opsamlet fra underarmen vener efter faste natten over i rør indeholdende ethylendiamintetraeddikesyre (EDTA; Termo, Tokyo, Japan) og blev straks anbragt på is. Plasma blev fremstillet ved centrifugering ved 3.000 rpm ved 4 ° C i 15 minutter og derefter opbevaret ved -80 ° C indtil analyse. Efter plasma indsamling, blev alle prøver gemmes og behandles på Institut for Innovation af Ajinomoto Co., Inc. (Kawasaki, Japan). For at reducere enhver skævhed indført før analyse blev prøver analyseret i tilfældig rækkefølge. Plasmaprøverne blev deproteiniseret anvendelse af acetonitril i en slutkoncentration på 80% før måling. Aminosyren koncentrationer i plasma blev målt ved HPLC-ESI-MS, efterfulgt af forkolonne derivatisering. De anvendte analysemetoder var som tidligere beskrevet [34], [35], [36].

Blandt de 20 genetisk kodede aminosyrer, glutamat (Glu), aspartat (Asp), og cystein (Cys) blev udelukket fra analysen, fordi de er ustabile i blod. Citrullin (Cit) og ornithin (Orn) blev målt i stedet, fordi de er relativt rigelige i blod og er kendt for at spille vigtige roller i stofskiftet. De følgende 19 aminosyrer og beslægtede molekyler blev derfor målt og analyseret: alanin (Ala), arginin (Arg), asparagin (Asn), Cit, glutamin (Gin), glycin (Gly), histidin (His), isoleucin (Ile) , leucin (Leu), lysin (Lys), methionin (Met), Orn, phenylalanin (Phe), prolin (Pro), serin (Ser), threonin (Thr), tryptophan (Trp), tyrosin (Tyr) og valin (Val).

To målinger blev foretaget for hver af de 19 aminosyrer, herunder den absolutte koncentration af hver aminosyre, hvilket afspejles direkte dets tilgængelighed og forbrug, og af forholdene i forbindelse med den specifikke metaboliske status i hvert organ . Koncentrationerne af aminosyrerne i plasmaet blev udtrykt i uM, og forholdene af aminosyren koncentrationer blev udtrykt ved at følge ligningen: hvor

X2

i, j

er forholdet mellem amino-syre koncentration af j’te aminosyre af i’te individ og

X

i, j

er plasmakoncentrationen (uM) af j’te aminosyre af i’te individ.

Statistisk analyse

To typer metriske blev anvendt til hvert datasæt til analyse ved hjælp af enten aminosyren koncentration eller forholdet som forklarende variable.

Mean og SD.

De gennemsnitlige amino-syre koncentrationer ± standardafvigelser (SDS) blev beregnet til at bestemme opsummeret PFAA profiler for både patienter og kontroller.

Mann-Whitney U-test.

Mann -Whitney

U

-test blev anvendt til at vurdere betydelige forskelle i plasma amino-syre koncentrationer mellem patienter og kontrollerne.

ROC-analyse.

Receiver-operatør karakteristik (ROC) kurve analyser blev udført for at bestemme evner uni- og multi-variate analyser til at skelne mellem patienter og kontroller. Patienten etiketter blev fastsat som positive klasse etiketter. Derfor et areal under ROC-kurven (AUC for ROC) værdi 0,5 viste, at aminosyren niveau var lavere i de patienter end kontrollerne, mens en AUC for ROC værdi 0,5 tilkendegivet, at det var højere. Konfidensintervallet 95% (95% CI) af AUC ROC for diskrimination af patienter baseret på aminosyre-koncentrationer og forhold blev også estimeret som beskrevet af Hanley og McNeil [37].

To-vejs analyse af variansanalyse (ANOVA).

tovejs ANOVA blev anvendt til at vurdere virkningerne af køn, alder og rygning status som potentielle forstyrrende faktorer. Tilstedeværelsen af ​​kræft og køn blev antaget at være uafhængige faktorer, blev alder behandlet som en kontinuerlig prædiktor snarere end en kategorisk prædiktor, og interaktionen mellem tilstedeværelsen af ​​kræft og rygning status blev analyseret.

To klasse lineær diskrimination analyse (LDA).

lineær diskrimination analyse (LDA) med trinvis variabel udvælgelse blev udført for at skelne mellem patienter med hver type af kræft fra kontrolpersoner, hvor både maksimum og minimum p-værdier for et begreb der skal tilføjes eller fjernes, blev sat til 0,001.

Multi-klasse LDA for diskrimination.

LDA med trinvis variabel valg blev også udført for at skelne patienter med en specifik kræft fra det komplette data sæt indeholder alle kræftpatienter stratificeret efter køn (fire slags kræftpatienter i hvert datasæt). Fordi størrelsen af ​​hver gruppe var mindre end den af ​​to klasser LDA blev den maksimale p-værdi for en periode, der skal tilsættes blev sat til 0,05, og den minimale p-værdi for en periode, der skal fjernes fastsat til 0,10. Den Mahalanobis distance blev brugt som en metrik klassificering. Nøjagtigheden blev defineret som forholdet mellem korrekt forskelsbehandlede patienterne til det samlede antal patienter med hver kræft i stedet for AUC for ROC fordi ROC-analyse kan kun anvendes til to-klasse diskrimination.

Lad en ud grænseoverskridende validering (LOOCV).

LOOCV blev udført for at korrigere potentiale over-optimering for opnåede LDA-modeller. Kort fortalt blev en prøve udeladt fra den indstillede undersøgelsen data, og LDA modellen blev beregnet for de resterende prøver at estimere koefficienterne for hver aminosyre. Funktionen værdier for venstre-out prøve blev beregnet baseret på modellen. Denne proces blev gentaget, indtil hver prøve i sættet undersøgelsen data var blevet efterladt en gang.

Betinget logistisk-regression (c-logistisk) analyse.

C-logistisk analyse blev også udført for at verificere virkningerne af alder og køn, potentielle forstyrrende faktorer, om de diskriminerende evner opnåede LDA modeller til at skelne patienter med hver type af kræft fra kontrollerne.

undergruppe analyse.

for at vurdere virkningerne af kræft fase blev hver datasæt opdelt i en sub-datasæt efter sygdom fase og med tilsvarende kontrol, og analyseret ved hjælp af ROC-analyse i hvert datasæt.

Software

MATLAB ( The MathWorks, Natick, MA) blev anvendt til beregningerne af middelværdi og SD, Mann-Whitney

U

-test, ROC-analyse, to-vejs ANOVA, LDA’er, og LOOCV. GraphPad Prism (GraphPad Software, La Jolla, CA) blev også anvendt til ROC-kurven analyse. LogXact (Cytel, Cambridge, MA) blev anvendt til c-logistisk analyse.

Resultater

Karakteristik af emner

Tabel 1 opsummerer karakteristika de emner i denne undersøgelse . De datasæt omfattede 200 LC-patienter og 996 kontroller, 199 GC patienter og 985 kontroller, 199 CRC patienter og 995 kontroller, 198 BC patienter og 976 kontroller og 134 PC-patienter og 666 kontroller (tabel 1). Prøven størrelse for hver kræft type var større end i tidligere rapporter [25], og forudsat tilstrækkelig statistisk styrke til at teste robustheden af ​​de PFAA profiler til kræft diagnose.

Der var ingen signifikante forskelle i body mass index ( BMI) blandt de datasæt (tabel 1). Vægttab på grund af fejlernæring blev derfor ikke forventes at påvirke resultatet. Selv blev observeret signifikante forskelle i gennemsnitsalderen blandt de datasæt (LC,

s

0,05; GC,

s

0,05, og PC,

s

-60% Fase I, -15% fase II, ~13% fase III, og ~12% trin IV for GC; ~35% Trin 0 og jeg, -25% stadie II, -30% stadie IV, og ~ 10% stadie IV for CRC; -5% Fase 0, -25% fase I, -25% fase II, og ca. 7% fase III for BC; og -75% fase B, ~13% fase C, og ~12% etape D til PC (tabel 1).

De patienter med hver type kræft kunne underinddeles baseret på histologiske type (for LC , GC, CRC, og BC) eller Gleason score (for PC), som er sammenfattet i tabel S1. De karakteristiske træk ved 34 colon polyp patienter samt rygning status patienterne også opsummeret i tabel S1.

Delt PFAA profiler blandt kræft

univariat analyse blev anvendt til at sammenligne de PFAA profiler af kræftpatienter og kontroller. Forskellene i signifikansniveauer af hver aminosyre mellem patienterne og kontrollerne er vist i figur 2A. Resultaterne af ROC-analyse er afbildet i figur 2B fordi niveauerne af betydning afhænger stikprøve. Koncentrationerne og forhold mellem hver aminosyre profil for både patienter og kontroller er vist i tabel S2. Og AUC for ROC og deres CI’ers hver aminosyre, er vist i tabel S3 (koncentration) og tabel S4 (forhold), henholdsvis

Resultaterne af Mann-Whitney

U

. – test (A) og modtager-operator karakteristik (ROC) kurve analyse (B) er vist. A. Farvede celler indikerer, at koncentrationen eller forholdet øges hos kræftpatienter ved p 0,001 (rød), s 0,01 (orange), og p 0,05 (lyserød), og faldt i kræftpatienter ved p 0,001 (blå) , p 0,01 (himmelblå), og p 0,05 (lyseblå), hhv. B. Axes viser AUC for ROC for hver aminosyre til at skelne patienter fra kontroller. Koncentrationer og forhold af hver cancerpatient og den poolede datasæt er angivet, henholdsvis. Sorte dristige linjer angiver det punkt, hvor AUC for ROC = 0,5.

To-vejs ANOVA blev anvendt til at vurdere de potentielle forstyrrende virkninger af køn, alder og rygning status. Korrektion for disse forhold ikke i høj grad påvirke de signifikansniveauer for hver aminosyre, hvilket tyder på, at deres virkninger på PFAA profilerne var mindre (tabel S5).

Plasmakoncentrationerne af Gin, Trp, og Hans blev signifikant reduceret i alle de kræftformer undtagen PC, og ingen af ​​de aminosyrer, viste øget koncentrationer tværs af alle typer af kræft (

s

0,05). Forholdene mellem Trp og Hans blev signifikant reduceret, mens de Pro og Orn var øget i alle kræftformer (

s

0,05) (Figur 2)

For yderligere at undersøge den delte. træk blandt kræftpatienter, blev PFAA profiler sammenlignet ved hjælp af et fælles data sæt, herunder alle kræftpatienter og kontroller. Især de aminosyrer, der blev berørt af denne type analyse havde betydelige forskelle i både koncentration og ratio: 11 aminosyrer (Asn, Gin, CIT, Val, Met, Leu, Tyr, Phe, His, Trp, og Arg) viste falder, mens fire aminosyrer (Ser, Pro, Gly, og Orn) udviste stigninger (figur 2). Ændringer i Gin, Trp, His, Pro, og Orn blev påvist i analysen for alle typer af cancer. Ændringer i disse aminosyrer kan derfor afspejle karakteristiske ændringer i stofskiftet, der er fælles for alle kræftformer.

Specifikke PFAA profiler for hver kræft

Ud over de ændringer, der var fælles for alle de kræftformer vi har registreret ændringer i PFAA profiler, der var specifikke for hver sygdom type (figur 2). Generelt blev koncentrationerne af de fleste aminosyrer faldt i GC og CRC patienter, hvorimod ingen klare tendenser i aminosyre-koncentrationer blev observeret i de andre grupper (figur 2). Desuden er nogle af aminosyrerne viste modsatrettede tendenser i forskellige typer af cancer. For eksempel blev koncentrationerne af Thr faldt i GC og CRC patienter, men steg i BC patienter (figur 2). Disse variationer i PFAA profilerne kan afspejle særlige karakteristika for hver kræft, i modsætning til den begrænsede sæt af aminosyrer, der er ansvarlige for de metaboliske ændringer, der deles af alle kræftformer.

Ændringer i PFAA profiler i den tidlige fase kræftformer

patienter

Selvom ændringer i PFAA profiler af cachexic patienter med fremskreden kræft er veldokumenteret, har få rapporter betragtes tidlige fase. Men en stor del af de kræftpatienter i den aktuelle datasæt var i de tidlige stadier af sygdom (Tabel 1). Forskellene i PFAA profiler ifølge sygdom fase, blev derfor undersøgt for hvert cancer (figur 3, figur S1, tabel S3, tabel S4).

Akserne viser AUC for ROC for hver aminosyre for kræsne patienter fra kontroller. A. Sammenligning af koncentrationer af kræftpatienter og kontroller. B. Sammenligning af forhold mellem kræftpatienter og kontroller. Målestok som beskrevet for figur 2. For LC, GC, CRC, og BC, kræft stadier blev bestemt i henhold til International Union Against Cancer TNM klassifikation af maligne tumorer, 6. udgave [38], og til PC, blev kræft etaper bestemmes efter Jewett iscenesættelse systemet [39].

Især blev påvist ændringer i de PFAA profilerne hos alle patienter, herunder dem i de tidlige stadier af sygdommen, i den aktuelle undersøgelse. Alle amino-syre koncentrationer og forhold blev drastisk nedsat hos patienter tidlige stadie sygdom, uanset den efterfølgende progression. Især blev signifikante fald af hver aminosyre koncentrationen observeret i GC og CRC patienter (figur 3A), og ændringer i hver forholdet var bemærkelsesværdig i alle de kræftpatienter (figur 3B).

tidlige fase kræft patienter er generelt asymptomatiske. Endvidere har de fleste af de emner i den foreliggende undersøgelse viser ikke signifikant vægttab (et symptom typisk for kakektiske patienter) (tabel 1), anoreksi, eller fald i serum albumin koncentrationer (data ikke vist). Ændringerne i PFAA profiler i kræftpatienter forekom derfor at være uafhængig af eventuelle virkninger af dårlig ernæring som følge af tumor progression.

Udslagsgivende kræftpatienter og kontroller ved PFAA profiler

Resultatet af univariate analyser foreslog, at kræftpatienter og kontroller kunne blive diskrimineret hjælp multivariate analyse. Ved at antage, at tilstedeværelsen af ​​cancer og koncentrationerne eller forholdene mellem de PFAA profilerne var objektive og forklarende variabler henholdsvis LDA kunne skelne kræftpatienter fra de tilsvarende kontroller med variabel udvælgelse. Resultaterne af variabel selektion er angivet i tabel 2 (koncentration) og tabel S6 (ratio), henholdsvis.

evner diskrimination for hver cancerpatient blev evalueret under anvendelse af AUC for ROC af diskriminere score og viste sig at være 0,75 i alle tilfælde (tabel 3 og tabel S7). I konkret analyse, AUC for diskrimination af patienter baseret på aminosyre koncentrationer og forhold, henholdsvis, blev også estimeret som følger: 0,802 (95% CI: 0.766~0.838) og 0,802 (95% CI: 0.767~0.837) til LC ; 0,849 (95% CI: 0.816~0.882) og 0,816 (95% CI: 0.780~0.852) til GC; 0,874 (95% CI: 0.842~0.906) og 0,881 (95% CI: 0.851~0.910) for CRC; 0,778 (95% CI: 0.741~0.815) og 0,778 (95% CI: 0.741~0.815) for BC; og 0,783 (95% CI: 0.740~0.826) og 0,779 (95% CI: 0.740~0.819) til PC (tabel 3 og tabel S7). Den diskriminerer analysen var derfor i stand til i tilstrækkelig grad at skelne mellem forskellige typer af kræft patient.

Variabel selektion blev også udført for hver kræftpatient. Otte aminosyrer blev valgt i mere end to af de fem typer cancere: Gin, Ala, Val, Ile, His, Trp, Orn, og Lys for koncentrationerne (tabel 2A); og Ser, Gin, Val, Met, His, Trp, Lys og Arg for forholdene (tabel S6). Fire af aminosyrer (Gin, Val, His, og trp) blandt hvert sæt blev udvalgt til både forklarende variable (tabel 2 og tabel S6). Disse aminosyrer svarede til dem i forbindelse med alle typer af kræft som angivet af univariate analyse (Gin, Trp, His, Pro, og Orn).

På den anden side er nogle aminosyrer inkorporeret i LDA model blev ikke identificeret som væsentlige aminosyrer ved univariate analyse. For eksempel vidste Val koncentration ikke udviser en signifikant ændring i den univariate analyse (figur 2A), men det blev inkorporeret i LDA-modellen (tabel 2). Fordi plasmakoncentrationer af hver aminosyre er metabolisk forbundet med hinanden, kan der være en potentiel korrelation, der ikke kan detekteres af univariate analyse alene. Faktisk Spearman delvise korrelationskoefficient mellem Val og cancer (eller ikke) var -0,127 (p 0,001), mens korrelationskoefficienten mellem disse to faktorer var 0,035 (ikke signifikant). dette foreslog derfor, at det opnåede LDA modellen afspejlede den metaboliske netværk af PFAAs, som ikke var synlige grundig univariate analyse.

Fordi de opnåede resultater kan have været over-optimeret, LOOCV blev udført for at generere en uvildig analyse . Dette frembragte AUC svarende til dem opnået for LDA, hvilket antyder, at der ikke var nogen indlysende over-optimering i de opnåede LDA modeller (tabel 3 og tabel S7).

Undergruppe analyser af opdelte datasæt ifølge cancer fase, herunder tilsvarende kontroller blev derefter udført for at vurdere evnen af ​​PFAA profiler til at skelne mellem stadier af kræft for hver type sygdom. I ethvert trin i hver cancer, blev AUC for ROC sig at være højere end 0,75, hvilket tyder på, at de opnåede LDA modeller således vil forventes at være effektive til at detektere tidligt samt avancerede stadium cancere (tabel 3 og tabel S7).

De evner forskelsbehandling for alle kræftpatienter blev også evalueret. De AUC for ROC til både koncentrationer og forhold var 0,796 (95% CI: 0.779~0.814) og 0,785 (95% CI: 0.767~0.803) (tabel 3 og tabel S7). Især er de fleste af de 19 aminosyrer blev statistisk udvalgt til disse diskrimination: 16 til koncentrationerne og 12 for forholdene. Selv bruger et groft klassificering, uanset hvilken type kræft, var det muligt at skelne mellem patienter og kontroller med stor nøjagtighed, og de overordnede bidrag fra en lang række aminosyrer kan afspejle de store karakteristiske ændringer i forbindelse med kræft stofskifte.