PLoS ONE: MALDI-TOF-massespektrometri til hurtig diagnose af Kræft Lung Nodules

Abstrakt

For nylig, væv-baserede metoder til proteomisk analyse er blevet brugt i klinisk forskning og synes pålidelige for fordøjelsessystemet, hjerne, lymfomatøs , og lungekræft klassificering. Dog enkle, væv-baserede metoder, som par signal analyse til væv billedbehandling er tidskrævende. For at vurdere pålideligheden af ​​en metode, der involverer hurtig forberedelse og analyse væv til at skelne kræft fra ikke-kræft væv, vi testede 141 lungekræft /ikke-tumor par og 8 unikke lungekræft prøver blandt de lagrede frosne prøver af 138 patienter opereret i løbet af 2012 .

Prøverne blev knust i vand, og 1,5 pi blev spottet på et mål stål til analyse med Microflex LT analysator (Bruker Daltonics). Spektre blev analyseret under anvendelse ClinProTools software. Et sæt prøver blev brugt til at generere en tilfældig klassifikation model på grundlag af en liste over diskriminant toppe sorteret med

k

-nearest nabo genetiske algoritme. Resten af ​​prøverne (n = 43 kræft og n = 41 ikke-tumoral) blev anvendt til at efterprøve angivelsen kapacitet og beregne de diagnostiske ydeevneværdierne forhold til histologisk diagnose. Analysen fandt 53 m /z gyldige toppe, hvoraf 40 var signifikant forskellig mellem kræft og ikke-tumor prøver. Den valgte genetiske algoritme model identificeret 20 potentielle toppe fra træningssættet og havde 98,81% anerkendelse evne og 89,17% positive prædiktiv værdi. I blindet sæt, denne metode præcist diskrimineret de to klasser med en følsomhed på 86,7% og en specificitet på 95,1% for cancervæv og en sensitivitet på 87,8% og en specificitet på 95,3% for de ikke-tumorvæv. Den anden model genererede at skelne primær lungekræft fra metastaser var af lavere kvalitet.

Pålideligheden af ​​MALDI-TOF analyse kombineret med en meget simpel lunge forberedelse procedure synes lovende og bør testes på operationsstuen på friske prøver kombineret med den patologisk undersøgelse

Henvisning:. Brégeon F, Brioude G, de Dominicis F, Atieh T, D’journo XB, Flaudrops C, et al. (2014) MALDI-TOF-massespektrometri til hurtig diagnose af Kræft Lung Knuder. PLoS ONE 9 (5): e97511. doi: 10,1371 /journal.pone.0097511

Redaktør: Arun Sreekumar, Baylor College of Medicine, USA

Modtaget: November 21, 2013; Accepteret: 16. april, 2014 Udgivet: 15. maj 2014

Copyright: © 2014 Brégeon 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:. Et tilskud fra URMITE blev leveret. De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

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

Introduktion

kirurgi er ofte det centrale element i behandling af tumorale masserne, men det er vanskeligt at bestemme en nøjagtig ætiologisk diagnose før operationen fører ofte til operationer, der udføres uden forudgående kendskab til præcist, om begrænset eller udvidet resektion er påkrævet, især når læsionen er mindre end 5 mm i diameter. I nogle tilfælde, såsom hjernetumorer, spørgsmålet om resektionsranden øger vanskeligheden ved beslutningen, og kirurger nødt til at balancere maksimere resektion af tumor og minimere risikoen for funktionelle underskud i at bevare kritisk væv [1]. I andre tilfælde, såsom akut kirurgi, kan en masse af ukendt oprindelse blive afsløret uventet, hvilket rejser spørgsmålet om, hvorvidt tumoren er af kræft oprindelse og kræver omfattende resektion. Der er derfor behov realtid bekræftelse metoder til at vejlede kirurgen i vævet resektion og for at optimere behandlingen [2]. Bekræftelse normalt afhængig af intraoperativ patologisk undersøgelse af frosne sektioner, der kan give oplysninger inden for en time. I lungekræft kirurgi, frosne sektion diagnose direkte indflydelse kirurgisk beslutningstagning [3]: når malignitet er identificeret på en frossen sektion efter en kile resektion, er kirurgisk resektion af lobectomy eller pneumonectomy normalt udføres, som anbefalet af American College of Chest Physicians [ ,,,0],4]. Fordi frosset snit analyse er typisk begrænset og involverer ingen celle mærkning eller farvning, kan det give falske positiver og falske negativer. Det har været forbundet til mere end 7% uharmoniske eller tvivlsomme resultater i nogle undersøgelser [3], [5], og op til en 42% fejlklassificeringer sats i vurderingen sikkerhedsmargin i visse undersøgelser, lungekræft [6]. I mangel af komplementære metoder til væv analyse i operationsstuen, der skal tages, før den endelige diagnose beslutsom handling. Endelig definitiv diagnose er afhængig af standard histopatologi baseret på cytologi /kerner abnormaliteter og er normalt suppleret med en analyse af ændringer i genomik og transcriptomics.

Proteomics bruges til at studere den store spektrum af genom-kodede proteiner, der findes på et givet tidspunkt [7]. Selvom den første brug af massespektrometri i cancersygdom var i 2000’erne [8], denne tilgang er kompleks og kræver tidskrævende væv eller prøve condition. Målretning identifikationen af ​​specifikke biomarkører for kræft har ført til skuffende resultater. For nylig er matrix-assisteret laser desorption ionisering time-of-flight massespektrometri (MALDI-TOF MS) blevet anvendt på cryosectioned prøver af tumoral væv; de resulterende spektre blev kombineret med histologisk mikro-billeddannelse af samme sektion for at klassificere tumorer med acceptabel nøjagtighed [9]. Denne metode til MALDI-imaging har den fordel at være konservativ, men kræver ekspertanalyse og forsinket fortolkning, som er uforenelig med den hurtige reaktion, der er nødvendige af kirurgen og med evnen til at anvende metoden i en operationsstue. Derimod kan high-throughput og hurtig proteom spektre opnås fra MALDI-TOF MS analyse af komplekse prøver med minimal forbehandling, og denne metode har vist sig at gøre klassificering arter af hele komplekse organismer, herunder tæger [10]. Den tillader også bakterier identifikation i komplekse medier, såsom blod [11] og urin [12] uden koloni kultur.

hypoteser at hurtig MALDI-TOF MS-analyse af et råt knust vævsprøve kunne være informativ, målet ifølge den foreliggende pilotundersøgelse var at evaluere pålideligheden af ​​MALDI-TOF MS til hurtigt klassificere en vævsprøve rå lunge af ukendt oprindelse som kræft eller ikke-kræft ved anvendelse af en minimal prøvevolumen og en enkel fremstillingsmetode, der kunne udføres på operationsstuen .

Materialer og metoder

Studie design

Alle prøver blev indsamlet fra lunge kirurgiske prøver fra patienter, der gennemgår thoraxkirurgi for kræft (AP-HM, Hôpital Nord, Marseille) mellem januar 2012, og december 2012. skriftlig informeret samtykke blev opnået fra alle patienter. Protokollen blev godkendt af National etiske komité “Comité d’Ethique de la Recherche Clinique en Chirurgie thoracique et Cardio-vasculaire (CERC-CTCV) (referencenummer: CERC-SFCTCV-2012-1-31-11-35-32- DeFl).

prøvetagning

Under den kirurgiske procedure og umiddelbart efter lunge resektion blev biopsier taget fra resektion eksemplarer af ikke-tumoral (non-tumor) og tumorale dele (Cancer) af lungerne. Prøveudtagning blev udført uden at kompromittere den diagnostiske kvalitet af stykket udpeget til histologisk analyse og aldrig kræves mere væv resektion end nødvendig til den terapeutiske behandling af patienten. Når tumorale masse blev tilsyneladende lille i størrelse, hele tumoral stykke blev dedikeret til histologisk undersøgelse,. således, blev der kun tumor resektion af mere end 1 cm inkluderet i undersøgelsen i de tilfælde, blev en vævsprøve forbeholdt undersøgelsen, snap-frosset og opbevaret ved -80 ° C til videre MALDI-TOF MS-analyse. Når der var nok materiale, blev det opdelt i to sæt af prøver, der blev anset for individuelt. Uafhængigt, blev den vigtigste tumor prøve, der sendes til patologisk undersøgelse, og patienterne blev tildelt en TNM postsurgical etape score i henhold til den internationale lungekræft iscenesættelse system. Ifølge standarden WHO kriterier [13], blev kræftformer klassificeret histologisk i adenocarcinom, pladecellekræft, udifferentieret carcinom, carcinoid karcinom, lymfom og sarkom.

Fra hele prøven listen, 2/3 var tilfældigt tildelt en reference træningssættet (reference), som udgjorde en database med et lige andel af ikke-tumor og Cancer prøver. Den resterende tredjedel og alle prøver fra atypiske og /eller ekstremt sjældne kræftformer blev brugt til at designe en blindet gruppe (Blinded). Cancer og ikke-tumor prøver fra den samme patient blev tilfældigt fordelt i enten reference eller Blinded pool.

Udarbejdelse af prøver til massespektrometri

På tidspunktet for analysen, hver frossen prøve blev optøet ved rumluft i ca. 15 min., og skæres med en steril skalpel. Ved hjælp af en laboratorie mikrovægt (CPA 224S, Sartorius Stedim Aubagne, Frankrig), 0,1 g (0,1 ± 0,008 g) blev anbragt i et 10 ml sterilt glasrør tilsat 0,9 ml sterilt vand til opnåelse af 10% fortynding. Når nok mængde væv var til rådighed, blev et andet stykke forarbejdet med henblik på at udføre test i to eksemplarer. Vævet blev homogeniseret i vand under anvendelse IKA ULTRA-Turra X T25 (IKA-Werke GmbH .. CO KG Staufen, Tyskland) ved 17000 rpm i 2 min .. Temperaturen blev ikke holdt under kontrol under homogeniseringsprocessen. Til opnåelse af en 1/160 fortynding blev 100 pi af blandingen udtages og fortyndes igen i 1,5 ml sterilt vand og vortexet. Ingen yderligere komponent, især ingen inhibitor blev tilsat til blandingen under hele processen. 1,5 pi af denne fortynding blev spottet firdobbelt på en 96-prøve poleret stål target. Efter tørring på bænken, var 1,5 pi HCCA matrix tilføjet for ionisering. Lufttørrede mål blev målt umiddelbart. Hver lunge prøve genereret 4 spektre fra de 4 indskud.

massespektrometri

Målinger blev udført med en Microflex LT (Bruker Daltonics, Bremen, Tyskland) massespektrometer laser. Spektre blev optaget i den positive lineær tilstand (forsinkelse: 170 ns; ion kilde 1 (IS1) spænding: 20 kV; ion kilde 2 (IS2) spænding: 16,65 kV; linse spænding: 7,20 kV; masseområde: 2 kDa til 20 kDa ). Hver spektret blev opnået efter 6 × 40 skud (240 skud) i automatisk tilstand med en variabel laser magt, og købet tid varierede fra 60-120 sekunder pr plet. Alle signaler med opløsning ≥ 400 blev automatisk erhvervet ved hjælp AutoXecute erhvervelse kontrol i FlexControl softwareversion 3.0. Den spektre af de 4 spots for hver væv mix blev importeret til BioTyper-RTC version 3.0 software (Bruker Daltonik GmbH).

Statistisk analyse

ClinProTools v2.2 software bruger de data, der genereres fra spektre herunder spektre forbehandling, peak picking, og peak beregningshandling. Definitionen peak, normalisering af området til det samlede ion tæller slutpunkt niveau og massen rekalibrering (maksimal peak shift på 1000 ppm) blev taget i betragtning, og den slags tilstand ved hjælp af t-test p-værdi fra Wilcoxon /Kruskal-Wallis test blev anvendt.

Forskelle i klasser analyserede blev vurderet på grundlag af en diskriminant peak identifikation listen. For at oprette en liste over diskriminant toppe, brugte vi den

k

-nearest nabo genetiske algoritme (GA) implementeret i denne software. Denne algoritme er baseret på sandsynlighed estimater for klassificering.

Vi først søgt efter en model i stand til at skelne korrekt de 2 klasser, kræft og ikke-tumor, og andet til en model i stand til at skelne Primær lungekræft og Metastase korrekt . For at finde den mest diskriminant model, blev GA trænet med Reference pool, og intern validering blev behandlet (10-fold krydsvalidering). Udførelsen af ​​modellen blev vurderet ved anerkendelse evne (RC) og positive prædiktive værdi (PPV): RC = TP /n, hvor TP er antallet af sande positive (korrekt klassificeret) i et datasæt, n er antallet af prøver i datasættet, og PPV = TP /(TP + FP), hvor FP er antallet af falske positiver (fejlklassificeres).

i et andet trin, blev spektrene fra de blindede prøver anvendes til at verificere klassificeringen evne af den genererede model. Den effektive følsomhed, specificitet og nøjagtighed af en model blev beregnet ud fra de opnåede resultater for de blindede prøver versus reference histologisk diagnose som Gold standard ved hjælp af standard formler (Sensitivity = TP /TP + FN; Specificitet = TN /TN + FP; Nøjagtighed = TP + TN /n).

for det første og det andet trin, duplikere materiale blev testet efter den bedste pasform GA model blev valgt

Resultater

for klassificering af kræft og ikke-tumor enheder, blev 290 prøver analyseret svarende til 138 patienter. Fra denne kohorte var der 141 Kræft /ikke-tumor par og 8 unikke Kræft stykker. Af de 290 resektion stykker, 225 gav nok materiel til at udføre en analyse. Med hensyn til de 149 cancerpatienter stykker, den bestemte tumor klassifikation var primær lungecancer i 132 prøver (83 adenocarcinom, 34 pladecellecarcinom, 5 udifferentieret carcinom, 5 carcinoidtumorer, 1 småcellet lungecarcinom, 2 lymfom og 2 sarkom), og 17 var metastaser.

repræsentant spektre fra en primær lungekræft (SCLC) prøve, en Metastase og en ikke-tumor prøve er vist i figur 1. i alt 53 m /z toppe genereret fra kræft og ikke-tumor prøver fra hele kohorten blev anses for gyldig, med 40 af dem er signifikant forskellig mellem de to klasser (p 0,001); disse toppe er rapporteret i figur 2. Med hensyn til den primære lungekræft, Metastase og ikke-tumor underklasser, blev identificeret i alt 53 toppe, og 49 af dem er signifikant forskellige (p 0,001). Disse toppe er rapporteret i figur 3.

top: Repræsentant spektre af hver underklasse: Non-tumor, Primary og metastase. bund:. Gel billeder i gråtoner fra de samme prøver som ovenfor

Pile viser masse værdier for de 20 toppe udvalgt af kræft versus ikke-tumor GA. Toppene # 3370,75, 3442.75, 4963.85, 7004.95, 7487.13, 7567.21, 8454.18, 8563.21 og 9952,85 var opreguleret i Cancer sæt, mens de andre var opreguleret i ikke-tumor sæt.

pile viser masse værdier for de 15 diskriminerer toppe udvalgt af Primær kræft versus Metastase GA model. Toppene 2136.75, 2829.90, 5291.86, 6175.21, 6551.37, 6748.52, 8181.01, 10092.47 og 12685.50 var opreguleret i Primary Cancer sæt, mens de andre var opreguleret i Metastaser sæt.

Statistisk analyse af data og kræft versus ikke-tumor GA klassifikation model

for at skelne kræft fra ikke-tumor prøver, når parameter KNN = 3, MNG = 1000, og Max Peaks = 250, GA model fit var RC = 98,81%, PPV = 89,17% (tabel 1) med 20 potentielle toppe (m /z: 8084.06, 4963.85, 12299.3, 12691.52, 7993.95, 7004.95, 2580.85, 9952.85, 8454.18, 6226.69, 2997.68, 9743.9, 8563.21, 15976.65, 11311.27 , 15867,19, 7487,13, 7567,21, 3370,75, 3442,75). Analyse af spektre fra det Blinded sæt (n = 43 Kræft og n = 41 Ikke-tumor) præcist diskrimineret de to klasser med en følsomhed på 86,7% og en specificitet på 95,1% for Cancer klasse og en følsomhed på 87,8% og en specificitet af 95,3% for ikke-tumor klasse

Når stede, blev dubletter af denne Blinded indstillet også testet:.. i alle de tilfælde, de opnåede samme fordeling klassen som den første prøve

den primære lungekræft versus Metastase GA model

for at diskriminere Primær lungekræft fra metastaser, med parameteren KNN = 3, MNG = 1000 og Max toppe = 250, GA model fit var RC = 100%, PPV = 90,24% med 15 potentielle toppe (2136,75, 2829,90, 3485,98, 5291,86, 6175,21, 65551,37, 6748,52, 8181,01, 10092,47, 12685,50, 13767,60, 14000,93, 15220,44, 15861,39, 15976,64). Analyse af spektre fra det Blinded sæt (n = 48, 40 Primær og 8 Metastaser) præcist diskrimineret de to underklasser med en følsomhed på 67,5% og specificitet på 75% for den primære underklasse, og en følsomhed på 50% og en specificitet på 70% for Metastase underklasse. Nøjagtigheden var henholdsvis 68,75% og 66,7%.

Diskussion

På grund af sin mulige indvirkning på patienten kirurgisk behandling, den hurtige analyse af en vævsprøve er af særlig betydning, når en patient med en mistænkt masse er opereret, især når tumorens ukendt oprindelse, eller når arten af ​​sikkerhedsmarginer er i tvivl. I denne pilotundersøgelse under anvendelse af en simpel fremstillingsfremgangsmåde og algoritmen for prøven klassifikation implementeret i MALDI-TOF analyse software, opnåede vi acceptabel diagnostisk ydeevne til at klassificere en lunge prøve korrekt som kræft eller ikke-kræft. Selvom begrænsede, herved kunne være til stor hjælp til at udfylde frosne sektion patologiske diagnose, når en hurtig svar er påkrævet.

Lungekræft er den hyppigste årsag til kræft-relaterede dødelighed og den hyppigst diagnosticerede kræft på verdensplan, med ca. 1,35 millioner nye tilfælde hvert år, blandt hvilke 30000 er i Frankrig. Mere end 80% af lungekræft er ikke-småcellet lungekræft (NSCLC), for hvilke kirurgisk resektion stadig den mest konsistente og vellykket løsning for at opnå en helbredelse. Nogle gange er en pulmonal knude afsløret at være ikke-kræft

efterfølgende

, og derfor hurtig identifikation af den maligne oprindelse af en tumor-lignende væv er af stor betydning. Vores Thorax kirurgisk afdeling udfører ca. 350 lunge resektioner og udforsker ca. 30 knuder af ukendt oprindelse med thoracoscopy eller konventionel kirurgi hvert år. Desuden er vores forskningslaboratorium omfatter en proteomisk platform og er fortrolig med overkommelig og let at bruge bænk top MALDI-TOF Mass spektrometer; således blev de nødvendige for at udføre den foreliggende pilotundersøgelse betingelser opfyldt.

Tidligere opmuntrende resultater blev opnået ved anvendelse MALDI-TOF MS analyse kombineret med oprensningsmetoder [14]. Anvendelse af intakte cellesuspensioner direkte spottet på matrixen og analyseres ved MALDI-TOF MS, gyldige og reproducerbare spektre blev opnået fra maligne neoplasmer i mundhulen, og en statistisk model var i stand til at klassificere en kræft prøve korrekt med en følsomhed på 100%, en specificitet på 93% og en samlet nøjagtighed på 96,5% [14]. Disse resultater, som er bedre, men tæt på vores, blev opnået ved anvendelse spektrale mønstre fra en homogen population af cellesuspensioner. For nylig er der blevet udviklet ikke-homogene vævsbaserede fremgangsmåder til proteomisk og lipidomic analyse, og de synes at være pålidelige til tumorklassifikation for fordøjelsessystemet, hjerne, lymfomatøs, og lungecancere [15] – [18]. Blandt disse væv-baserede metoder, er MALDI-imaging nu bruges af flere hold til klinisk forskning. Men MALDI-imaging tilgang forbliver kompleks, fordi det kræver frosne væv skive analyseresultater til at co-registrere MALDI spektre billedbehandling og morfologi billeddannelse. For humane levermetastaser prøver, denne metode tillod tumorklassifikation i seks almindelige typer cancer med en følsomhed varierer fra 54% til 88%, og en specificitet varierende fra 90% til 98% afhængig af maligne klasse [9]. For at forenkle processen, Lee og medforfattere foreslog udfører MALDI-TOF MS for lipidomics analyse af forvalgte frosne sektion skiver indeholdende mindst 70% maligne celler [18]. De resulterende spektre blev anvendt til at generere en model (support vektormaskine algoritme), som præcist klassificeret normale lungevæv, lunge tumorvæv og primære NSCLC. Primær NSCLC blev nøjagtigt skelnes fra andre typer af lungetumorer, og de tre underklasser, adenocarcinom, squamous-celle- og store celle karcinom, blev diskrimineret korrekt og klassificeret med en følsomhed og en specificitet på 84% og 77%, henholdsvis adenocarcinom versus pladecellecarcinom [18]. Forfatterne indspillet nogen fejlklassificeres prøve, når man sammenligner Primær NSCLC og andre typer af lungetumorer, mens der i den foreliggende undersøgelse, fandt vi både falsk negative og falsk positive, når vi sammenlignede Primær lungekræft versus Metastase underklasser. Forskellen i vores undersøgelse prøvestørrelse, med større antal af tumorale og ikke-tumorale prøver (henholdsvis 149 og 141) sammenlignet med den ovennævnte undersøgelse (henholdsvis 47 og 6), kan forklare forskelle i diagnostiske resultater. Desuden blev god diagnostisk ydeevne fra andre undersøgelser opnås ved påføring MALDI-billeddannelse af udvalgte regioner, der indeholdt høje tumor cellularitet [1], [18], baseret på histologi af snit farvet med hematoxylin og eosin. Her brugte vi ingen forudgående udvælgelse af vævsprøver og opnåede gode resultater. Vi målrettet tumorale stykker større end 1 cm, som repræsenterer de hyppigste kirurgiske indikationer. Det er sandsynligt, at størrelsen af ​​tumoren positivt har påvirket vores resultater, da risikoen for at have stikprøven en dårlig område reduceres med store tumorer sammenlignet med millimeter tumorer.

massespektrometri billeddannelse strategier har den fordel at bevare væv men kræver et areal på vævssnit at indhente værdifulde oplysninger. Desuden MS billeddannende metoder kræver uddannede eksperter, tunge analyse software og high-throughput signal erhvervelse instrumentering. Ligesom disse ovennævnte fremgangsmåder, vores strategi ikke kræver nogen rensning eller standardisering af indhold vævet celle. Vores knust prøve MS-analyse var hurtig, reproducerbar og meget let at udføre. Den ikke-konservative aspekt af vores tilgang var delvist opvejet af den meget lave vævsprøve størrelse (dvs. ca. 0,01 g) i stand til at give gyldige spektre. Endelig anvende forenklet og ikke-billed-styrede fremgangsmåde og større kohorte af patienter, vi opnåede diagnostiske forestillinger svarende til dem opnået med MALDI-billeddannende metoder eller oprensede cellelinje metoder. Dette overraskende resultat kan skyldes mere fuldstændige oplysninger, der er indeholdt i fuldstændig urenset vævsprøve og til vores beskedne mål, som ikke var til at identificere den nøjagtige karakter af tumoren, men at klassificere prøven i enten Kræft eller ikke-tumor klasse. Meget interessant, blandt de potentielle toppe, der blev valgt i vores GA model, tre, i. e. 4963.85-8563.21-9952.85 blev også fremhævet i en undersøgelse foretaget af raham og medforfattere, der brugte ekstraktion og oprensning metoder og en GA model [19]. Desuden er disse forfattere identificerede de tilsvarende kandidat proteiner (thymosin Ubiquitin og acyl-CoA bindende protein) og bekræftede deres tilstedeværelse i lungetumorer ved immunkemi.

Microflex LT (Bruker Daltonics, Bremen, Tyskland) massespektrometer laser er en bænk engangsmateriale med integreret analyse software, der let kan installeres i drifts- faciliteter. Det nye her er, at den komplette prøve behandlingsprocessen, herunder væv spredning, prøvemateriale aflejring på matrix og analyse, kræver ikke teknisk ekspertise og kan læres af enhver paramedicinsk personale.

Vi brugte to tredjedel af vores prøver til at bygge prognosemodel hvorimod samme eller lavere tal er almindeligt anvendt til uddannelse sæt i forhold til validering sæt. Dette blev begrundet med heterogenitet vores Kræft befolkning med det formål at øge den uddannelse indstillet på at opnå en stor repræsentation af henvisning kræft spektre. Endelig vores Blinded sæt befolkningens størrelse var højere end tidligere udgivet med MALDI-TOF MS på lungevæv (n = 84). I modsætning til vores gode diagnostiske resultater i at klassificere en prøve som kræft versus ikke-tumor, vi opnåede lave forestillinger for de Primære versus Metastase underklasser. Vi mener, at den store mangfoldighed i metastase undergrupper kontrast til det lave antal prøver analyseret i denne underklasse kunne være ansvarlig for en lav ydelse tilfældig matematisk model. Vi håber, at forøge træningen kohorten med Metastase ville føre til at finde en GA model med bedre diagnostisk ydeevne. Vedtagelse komplementære og /eller alternative exatraction /solubilisering metoder ville forbedre udbyttet af påvisning m /z toppe. Dog bør øge forberedelse trin være afbalanceret med hensyn til anvendelsen af ​​dette værktøj i kliniske omgivelser. På dette stadium af arbejdet, mener vi, det kunne være muligt at give et resultat på mindre end 30 minutter, og dermed afgøre, om en prøve er kræft eller ej med en forenklet og hurtig tilgang til hele proteomisk væv analyse, der let kunne bruges som en diagnostisk hjælpemiddel i rutinemæssige kirurgiske procedurer. Evnen til at have oplysninger pålidelig bekræftet på-teater versus bruge frosne biopsier kan få store konsekvenser for behandlingen af ​​patienter med tumorer.