Krooninen sairaus

tiivistelmä

Background

Eturauhassyöpä (CAP) on yksi asiaan syövän syiden kuolema länsimaiden. Vaikka havaitseminen CaP varhaisessa parannettavissa vaiheessa on erittäin toivottavaa, todellinen seulontamenetelmiä esillä rajoituksia ja uusia molekyylitason lähestymistapoja tarvitaan. Geeniekspressioanalyysissä lisää tietämystä biologian korkki ja voi tehdä uusia molekyylitason työkaluja, mutta tunnistaminen tarkkojen biomarkkereita luotettava molekyyli- diagnoosi on todellinen haaste. Kuvaamme tässä diagnostinen teho uusi 8-geenien allekirjoitus: ornitiinidekarboksylaasi (

ODC

), ornitiinidekarboksylaasi antizyme (

OAZ

), adenosyylimetioniinidekarboksylaasi- (

AdoMetDC

) , spermidiinin /spermiini N (1) -acetyltransferase (

SSAT

), histoni H3 (

H3

), kasvun pysähtymisen geenistä (

GAS1

), glyseraldehydi 3-fosfaatti dehydrogenaasi (

GAPDH

) ja Klusteriinin (

CLU

) kasvaimen havaitsemiseen /luokittelu ihmisen korkki.

Menetelmät /Principal havainnot

8-geeni allekirjoitus havaittiin retrotransskription reaaliaikaisella kvantitatiivisella PCR (RT-qPCR) pakastettuina eturauhasen kirurgisista näytteistä saatu 41 potilasta diagnosoitu korkki ja suositteli tehdään eturauhasen (HE). Ei hoitoa annettiin potilaille milloin tahansa ennen RP. Bio-pankki käytetään Tutkimus koostui 66 yksilöt: 44 oli hyvänlaatuinen-CAP pariksi samasta potilaasta. Kolmekymmentäviisi luokiteltiin hyvänlaatuinen ja 31 CAP jälkeen lopullinen patologinen tutkimus. Vain molekyylitason tietoja käytettiin luokitteluun yksilöitä. Lähimmät Naapuri (NN) luokittelija käytettiin käsky syrjiä korkki hyvänlaatuinen kudoksesta. Validointi lopulliset tulokset saatiin 10-kertainen ristivahvistus menettely. CaP versus hyvänlaatuisia näytteet syrjitty kanssa (80 ± 5)% tarkkuudella, (81 ± 6)% herkkyys ja (78 ± 7)%: n spesifisyys. Menetelmä myös luokiteltu oikein 71% potilaista, joilla Gleason pisteet 7 vs. ≥7 tärkeä ennustaja lopputuloksesta.

Johtopäätökset /merkitys

Menetelmä osoitti suuren herkkyyden kokoelma yksilöitä jossa merkittävä osa koko (13/31, joka vastaa 42%) katsottiin CaP pohjalta, joissa on vähemmän kuin 15% syöpäsoluja. Tämä tulos tukee käsitystä, että ”syöpä kentän vaikutus”, jossa transformoiduissa soluissa ulottuvat morfologisesti selvää kasvain. Molekyyli diagnoosi menetelmä tässä kuvatun objektiivista ja vähemmän alttiina inhimilliselle virheelle. Vaikka lisäksi vahvistukset tarvitaan, tämä menetelmä omaavansa mahdollisuuksia parantaa tavanomaisen diagnoosin.

Citation: Rizzi F, Belloni L, Crafa P, Lazzaretti M, Remondini D, Ferretti S, et ai. (2008) uusi geeni allekirjoitus Molecular Diagnosis of Human Eturauhassyöpä RT-qPCR. PLoS ONE 3 (10): e3617. doi: 10,1371 /journal.pone.0003617

Toimittaja: Andrew Vickers, Memorial Sloan-Kettering Cancer Center, Yhdysvallat

vastaanotettu: 03 kesäkuu 2008; Hyväksytty: 02 lokakuu 2008; Julkaistu: 31 lokakuu 2008

Copyright: © 2008 Rizzi et ai. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Sopimus apurahan sponsorit: Genprofiler Srl, Bolzano, Italia; FIL 2005 FIL 2006 University of Parma, Italia; Istituto Nazionale Biostrutture e Biosistemi (INBB), Roma, Italia

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Eturauhassyöpä (CAP) on uskotaan tulla merkittävin syy syövän kuolemaan länsimaissa lähitulevaisuudessa, koska sen esiintymistä kasvaa nopeasti iän myötä. Koska ennuste on yleensä epäedullinen, kun tauti ei enää elimeen rajoittunut, havaitseminen CaP varhaisessa parannettavissa on erittäin toivottavaa, mutta valitettavasti saatavissa menetelmiä, kuten seerumin prostataspesifisen antigeenin (PSA) läsnä rajoituksia [1]. Diagnoosi korkki on perinteisesti saadaan kylläisyys eturauhasen koepalan ja morfologiset tarkastelu kudosleikkeiden. Tämä menetelmä on luotettava, mutta se edellyttää huolellista koulutusta. Kuitenkin sekä yksilöiden välinen tarkkailija ristiriitoja voi esiintyä. Periaatteessa molekyyli- diagnoosi olisi objektiivinen ja toivottavasti huomattavasti vähemmän alttiiksi inhimillisestä virheestä, jos saadaan luotettavia menetelmiä. Mutta ihanteellinen tapa olisi myös nopea, standardoitu ja taloudellisesti kätevä. Sellainen saavutus on todellakin mahdollista teoriassa, mutta tulokset julkaistiin eivät ole täysin tyydyttäviä vielä, myös koska ne perustuvat yleensä tavanomaisen lähestymistavan hyödyntää yhden molekyyli- ennustaja merkittävästi ylös- tai alaspäin säädeltyjä syöpä näytteen vastaan ​​hyvänlaatuinen ohjaus. Merkittävä este tämän tavoitteen on, että molekyyli tapahtumat, jotka aiheuttavat CaP puhkeaminen ja eteneminen ovat vielä läheskään täysin paljasti: harvoja tunnettu onkogeenien tai kasvain-vaimentimet ovat selvästi sidoksissa eturauhasen kasvainten synnyssä, ja tästä syystä korkki on edelleen pidettävä vaikeasti tauti. Siksi uusi molekyyli lähestymistapoja varhaisen seulonnan ja diagnosoinnin kiireellisesti.

geeniekspressioanalyysissä äskettäin käytetty lisäämään tietämystä biologiaa CaP [2]. Gene allekirjoituksia RNA tasolla määritetään ja käytetään usein ennustavia mallintamiseen kliinisesti merkittäviä tietoja (esimerkiksi ennusteeseen, elinaika, herkkyys huumeita, jne). Tätä varten lopulliset päätelmät luokittelu voima geenin allekirjoituksen tutkittu ovat täysin piirretään pohjalta molekyylien, jotka on saatu transkription tasolle käyttämällä menetelmiä, kuten DNA-siru tai RT q-PCR. Northern blot-analyysi, olemme aikaisemmin tunnistettu 8 informatiivinen geenejä, joiden ilmentyminen muuttuu perusteella läsnäolo CaP pahanlaatuisen ihmisellä [3]. Vuonna 5-year follow-up study, myös osoitti, että ekspressiotasot tämän paneelin geenien vahvasti korreloivat erilaistumista ja lopputulokseen (ennuste) CaP potilaista. Tämä tulos saatiin yhdistämällä molekyyli tiedot standardin kliinisten tietojen [4]. Mutta mielemme todellinen haaste oli havaita korkilla molekyyli- työkalujen yksin. Vaikka tutkimuksessa spesifisesti muuttunut geeni-ilmentymisen aikana CaP tuumorigeneesiä on vaikea tehtävä, tieteellistä tietoa, joka lopulta saadaan on tärkeä palkkio, joka johtaa parempaan ymmärtämiseen molekyyli perusteella sairaus, joka voi johtaa parempaan menetelmiä diagnoosin ja terapiassa. Tämä on erityisen tärkeää, kun otetaan huomioon epäyhtenäisyys korkki ja vaihtelevuutta kliinisen etenemisen, joidenkin jos potilaalla on hitaasti kasvava veltto kasvaimia ja muita potilaita, joilla on sairaus, joka on nopeasti etenevä.

Allekirjoituksen että olemme tunnistaneet on valmistettu 4 metabolisesti liittyviä geenejä,

ODC

,

OAZ

,

AdoMetDC

,

SSAT

, sääntelyn geenit polyamiinin aineenvaihduntaa, 2 geenejä liittyvä solusyklin etenemisen,

H3

ja

GAS1

, spesifisten S- ja G

0-vaihetta, vastaavasti [5], [6],

GAPDH

, entsyymin glycolitic koulutusjakson, ja

CLU

arvoituksellinen proteiinia, jonka biologinen rooli on vielä Kiistanalaista.

CLU-

, joka tunnetaan myös nimellä

SGP-2

,

TRPM-2

tai

ApoJ

, on erittäin yli-ilmentynyt aikana eturauhanen kiertyminen ja remontin [7], [8]. Vaikka yleinen konsensus siitä osallistumisesta CLU säätelyssä solukuoleman, sen erityinen rooli apoptoottisen prosessi on yhä kiistanalainen, sekä solujen transformaatio. Tarkemmin sanoen sen ilmentymistaso ja sääntelyn aikana CaP puhkeaminen ja eteneminen on keskusteltu [9], [10]. Parempi käsitys tästä asiasta on erityisen tärkeää paitsi siksi, että edellä esitetyt näkökohdat, vaan myös siksi, kliinisen tutkimuksen, jonka tarkoituksena on vaientaminen

CLU

geenin antisense-oligonukleotideja Cap potilailla on käynnissä [11]. Koska itse asiassa, me ja muut ovat havainneet, että

CLU

säätyy alas aikana CaP etenemisen [12] – [15], mikä viittaa siihen, että se voisi toimia kasvaimeen vaimennin tekijä [16], [ ,,,0],17].

Mitä geenin allekirjoituksen tässä kuvattuja, kaikki geenit tutkittu aiemmin osoittaneet kiinteästi liittyvät muutokset koekspressio aikana CaP etenemisen [3]. Ellei muutos transkription sääntely entsyymien polyamiinia aineenvaihdunnan aikana CaP etenemistä on myös vahvistanut meta-analyysi mikrosiruja [18]. Vuonna TRAMP hiirimallissa CaP etenemisen, meidän geeni allekirjoitus yksin määritettynä RT-qPCR lisäksi erotteleva korkki hyvänlaatuinen kudoksesta, myös ennustettu yksittäisten hoitovasteen vihreä tee Katekiinit (GTCs) [19]. Muut yksittäiset markkerigeeni on löydetty pätevyys on osoitettu tällä alalla, kuten α-methylacyl koentsyymi A: rasemaasin (

AMACR

) [20], [21] tai eturauhassyöpä Antigen 3 (

DD3 /pCA3

) [22], mutta tällä hetkellä mitään suhdetta ilmentymistason pCA3 ja kasvaimen tai pysähdyspaikan löydettiin vielä. Meidän geeni allekirjoitus on tehty informatiivinen geenejä, joista jotkut ovat hyvin tunnettuja tärkeitä rooleja fysiologian eturauhasen solujen, kuten geenejä, jotka koodaavat säätelyproteiineja polyamiinia aineenvaihdunnan [23] ja

CLU

[7] .

tutkimuksen tarkoituksena oli osoittaa, että geeni allekirjoitus yksin parantaa herkkyyttä ja spesifisyyttä molekyylitason diagnoosin CaP verrattuna yhden markkerin tunnistamiseen. Käytimme histopatologiset Kiinteiden kudosten yksilöt kuin lopullinen viittaus, kuten yleensä tehdään samankaltaisissa olosuhteissa [24], [25]. 8-geeni malli havaittiin RT-qPCR pakastettuina kudosnäytteiden saadaan eturauhasen (HE). Luokittelu kudosnäytteiden (eli läsnäolo tai puuttuminen kasvain) suoritettiin ilman muita patologisia tai kliinistä tietoa. Lisäksi molekyyli- tietoja käytettiin alaluokkiin kudosnäytteiden osalta Gleason pisteet, ikä ja seerumin PSA potilaan RP.

näytteen luokittelu käytimme lähimmän naapurin (NN) luokittelija, joka on tilastollinen monitekijäinen analysointityökalu tiedetään toimivan hyvin erityisesti syöpään luokitus verrattuna muihin menetelmiin. Validointi luokituksen suorituskykyä, käytimme 10-kertainen cross vahvistusmenettelyyn toistettiin 100 kertaa eri osa-näytteenotot, jotta voitaisiin arvioida keskimääräistä suorituskykyä allekirjoituksen ja luottamusväli (tulokset ilmaistaan ​​keskiarvona ± 95%: n luottamusväli, suunnilleen vastaa 2 standardipoikkeamat).

tulokset

kudosnäytteet bio-pankki

bio-pankki koostui kokoelma 66 ihmisen yksilöitä, katso taulukko 1, matching meidän kelpoisuusvaatimukset tutkimukseen: i) patologisia merkkejä läsnäolo tai puuttuminen maatalouspolitiikan jäädytetty ennen ja jälkeen RNA osat; ii) hyvänlaatuinen yksilöitä vapaa eturauhasen intraepiteliaalisten neoplasia (PIN) vaurioita tai kasvaimen invaasio, otetaan hyvin kaukana (eli eri aloilla eturauhasen, parhaassa tapauksessa controlateral sextant) päässä kasvainleesioksi; iii) Tulppa yksilöitä, joilla on syöpä solupitoisuus jotka kattavat vähintään 5% koko poikkipinta-ala; iv) hyvä tuotto ja korkea laatu RNA: n valmistaminen. Näistä 44 saatiin näyte Cap-hyvänlaatuisia pariksi yksilöitä saadaan samasta potilaasta. Thirthy-viisi yksilöt luokiteltiin hyvänlaatuinen jonka patologi, kun taas 31 oli korkki.

Miten saada molekyyli- ja morfologiset tiedot samasta kudosnäytteestä: ”sandwich” -menetelmää

Saadakseen suoraa vertailua molekyylitason tietoa ja patologinen luokittelu kehitimme ”sandwich” menetelmällä (katso kuva 1 ja menetelmät: eturauhasen kudosnäytteitä kerääminen ja käsittely). RNA: n uutto tuottivat keskimäärin 50-60 ug kokonais-RNA: ta 20 mg ihmisen eturauhasessa. Määrä kokonais-RNA saatiin riittävän korkea suoraan tarkistaa laadun valmisteen spektrofotometrisesti, seuraa tavanomainen elektroforeesi. Vain hyvälaatuista RNA: ta käytettiin RT-qPCR analyysi. Kahdeksan informatiivinen geenit plus 2 Taloudenhoitajien analysoitiin alkaen saman RNA-näytettä.

RT q-PCR ja tietojen analysointi

suhteellinen kvantitointi kohdegeenien suoritettiin tunnettu REST työkalu [26]. Muutokset tason ilmentymisen 7 ulos 8 informatiivinen geenien Cap Versus hyvänlaatuiset kudos ei ollut tilastollisesti merkitsevä (ei esitetty), kun taas

CLU

oli merkitsevästi alassäädetty korkki (p 0,05). Kuviossa 2, suhteellisen geeniekspression allekirjoituksen saatu 2

∧-ΔΔCT menetelmä on raportoitu funktiona RP lopullisen Gleason. Mielenkiintoista,

CLU

on merkittävästi ja käänteisesti liittyvä (p 0,01) kuin Gleason pisteet kasvain: eli alempi ekspressiotasot

CLU

löytyivät korkeampi Gleasonin yksilöitä. Taulukossa 2 esitetään lopulliset tulokset luokittelun avulla lähimmän naapurin (NN) luokittelija yhdistettynä 10-kertaiseksi cross validointi. Vaikka REST analyysi osoitti, että vain muutokset

CLU

ilme oli tilastollisesti merkitsevä, NN luokittelu + 10-kertainen cross validointi suoritetaan ACt paljastivat erittäin hyvä suorituskyky, että syrjintä CaP versus hyvänlaatuinen yksilöitä oli saatu yhdistelmä 7 geenien (

H3, GAS1, SSAT, CLU, AdoMetDC, OAZ, ODC

), käyttäen 3 naapureita ja korrelaatio-pohjainen etäisyyden. Tämä luokitus on tilastollisesti merkitsevä.

* p-arvo 0,01 (t-testi). Valkoiset pylväät = Gleason 7; Harmaat palkit = Gleason score≥7. Virhe palkit edustavat keskivirheen keskiarvon.

Tässä työssä maksettu korkein huomiota toteuttaa paras mahdollinen laatu kudoksen näytteenoton ja luonnehdinta (kuvio 1). Tämä on ehdottomasti tarpeen antaa suuren heterogeenisyys Eturauhassyöpätutkimuksessa yksilö. Yhdistelmä ”vahva” ja laajalti testattu lähestymistapa tilastollisessa analyysissä laadukkaasti näytteen näytteenottoa pystyimme saamaan lopulliseen validoitu tulokseen pitäen aineisto 66 yksilöitä.

Konkordanssi välillä geeni allekirjoitus luokittelu ja lopullinen patologinen luokittelu (CAP vs. hyvänlaatuinen) saatua patologi oli (80 ± 5)%, herkkyydellä (81 ± 6)% ja spesifisyys (78 ± 7)%. Kudosnäytteitä, jotka on luokiteltu väärin, että molekyyli menetelmällä, suhteen patologinen luokittelu, on esitetty taulukossa 1 (lihavoitu). Huomautamme, että tässä tapauksessa hiuksiin Yhden Out cross validointi on käsitelty, koska N-kertainen menettely luokitusvirheitä yksittäisten näytteiden voi vaihdella kussakin toteutumista. Kun sama geeniyhdistelmän me oikein alaluokitellaan 84% kasvaimen yksilöiden osalta potilaan ikä, 71% osalta lopullisen RP Gleason ja 42% suhteessa PSA ennen RP (taulukko 2). Sama allekirjoitus ei toimi hyvin luokittelun suhteen TNM lavastus.

Inter-laboratorion validointimenetelmät

Toinen laboratorio osallistui välisellä lab validointimenetelmät. Kukin kudosnäyte analysoitiin erikseen, määritykset olivat rinnakkaiskoekuopissa ja kunkin kokeen ajettiin 6 kertaa molemmissa riippumattomissa laboratorioissa, joissa Ct linja asettaa samaan arvoon. Inter-laboratorio vaihtelu oli vähemmän kuin 1 sykli kustakin yksi määritys. (Tuloksia ei ole esitetty). Tällainen vaihtelu ei vaikuttanut merkittävästi lopullisen luokittelun.

Koska vähän kuin 1 mg syövän kudoksen 20 mg hyvänlaatuisen näytteen havaittiin

Kuten on esitetty taulukossa 1, määrä syöpäkudoksessa oli vain 5% 7/31 yksilöt (vastaa 22,5% kaikista näytteistä; 6/7 on luokiteltu oikein), ja vähemmän kuin 15% 13/31 yksilöt (vastaa 42% kaikista näytteistä; 10/13 ollut oikein luokiteltu). Siksi suhteellinen syöpäkudoksessa komponentti oli vain noin 1-3 mg kudosta pois 20 mg yhteensä. Taulukossa 1 on täydellinen luettelo kliinisistä tapauksista, joista jokainen kudosnäyte saatiin, sisältäen myös kliinisten tietojen luokittelu, jonka patologi ja prosenttia syöpäsolujen läsnä näytteessä, ilmaistuna keskiarvona välillä esi- ja post RNA osat (katso kuva 1).

keskustelu

tunnistaminen uusia ja tarkka molekyyli biomarkkereiden: haaste

tunnistaminen uusia ja tarkka biomarkkereita luotettava molekyyli- diagnoosi CaP on todellinen haaste. Aiemmat tutkimukset DNA-siru on tunnistettu molekyyli- allekirjoitukset korreloi merkitsevästi CaP eteneminen [27] tai luokittelua [28], mikä johtaa tunnistaminen informatiivinen geenien (joskus tuntematonta), jotka odottavat vielä lisätutkimuksia, jotta voidaan selvittää niiden rooli korkki etenemistä [ ,,,0],29]. Muut onnistunut tutkimukset johtivat molekyyli- diagnoosin CaP, mutta ne perustuvat vain muutaman valitun, syövän geenejä. PCA3 on paras single Cap ennustaja: se on erittäin spesifinen, mutta herkkyys on suhteellisen alhainen [30]. Lisäksi herkkyys ei parantunut, vaikka kaksi eturauhasen liittyviä geenejä lisättiin [24], [25].

A novel ja luotettava menetelmä, joka perustuu toimiva lähestymistapa

Työmme tarjoaa luotettava menetelmä molekyyli- diagnoosi CaP, joka hyödyntää suhteellisen yksinkertainen menetelmä. 7-geeni malli tässä esitetty perustuu määrittämiseen geenejä, jotka tiedetään ilmaistaan ​​sekä hyvän- ja syöpäkudoksessa, ja alistettiin korkean yksilöllistä vaihtelua. Siksi uutuuden lähestymistapamme koostuvat tehokkaiden molekyylitason luokittelu CaP osalta lopullisen patologisen diagnoosin ilman geenejä, jotka ovat nimenomaan erittäin ylös- tai alaspäin säädeltyjä hyvänlaatuinen verrattuna syöpäkudoksessa. Itse asiassa, työmme perustuu havaitseminen ja analyysi geenien ilmentyminen, jotka ovat pitkään tiedetään fysiologisesti ilmaistaan ​​samoin kuin välttämättömiä biologian eturauhasen soluissa. Esimerkiksi alifaattiset polyamiinit tuotetaan hyvin suuria määriä eturauhasen epiteelisolujen ja sitten vapautetaan eturauhasen nestettä mM määriä [31] – [33], vaikka tarkkaa roolia näiden yhdisteiden on vielä tuntematon. Detection polyamiinien virtsassa oli jo yritetty kauan sitten diagnosoimiseksi CaP [34].

Jotta saavutetaan luotettavasti havaita meidän geenin allekirjoituksen syövän kudosnäytteet ja toteuttaa käytännössä meidän piti useita teknisiä kysymyksiä. Sen puuttuessa omistettu erityistä työkalua tai välinettä, kehittää ”sandwich” menettely oli saamiseksi tarvittavat morfologisten ja molekyylitason tietoa samalta kudosnäytteet (kuva 1).

Tilastollinen

aiemmissa julkaisuissa, joka työskentelee sekä eläinten [14] ja ihmisen [3], [4] CaP mallia olemme osoittaneet vastaa tiukasti siirtymiä ilmaus kaikkien geenien tutkittu. Kuitenkin, loput analyysi osoitti, että suhteellinen ilmentyminen 7 geenien lisäksi CLU ei saavuttanut tilastollista merkittävyyttä maligniteetti. Tämä oli jotenkin odottamatonta. Vaikeus jatkaa molekyylitasolla lähestymistapa CaP diagnoosin todellisessa kliinisessä on ilmeinen. Mutta tämä tulos johtuu siitä, että polyamiini-geenien ilmentymisen tiedetään tunnusomaista korkea yksilöllistä vaihtelua kudosnäytteistä analysoitiin. Siitä huolimatta tämä ei vaaranna analyysimme, koska molekyyli luokittelu kudosnäytteiden tässä esitetään otetaan huomioon koko geeni allekirjoitusta, havaitaan merkittävä ero koko geeniekspressioprofiili riippumatta yksilöllisiä eroja. Lopputuloksena on, että integroitu malli ilmaisun on merkittävästi erilainen Cap verrattuna hyvänlaatuinen valvontaa. Tämä uusi lähestymistapa on ollut menestyksekäs käyttäen NN luokituksen tilastomenetelmää tiedetään toimivan hyvin erityisesti syöpään luokittelun jopa verrattuna muihin kehittyneitä menetelmiä [35], [36]. NN on parametristä menetelmää, joka kuuluu luokkaan ”vahva” luokittelijoiden [37]. NN on tunnettu tehdä hyvää suorituskykyä, jossa raja kaksi luokkaa erottamisen ei ole selvä päässä geometrinen näkökulmasta. Tämä ehto tapahtuu usein kliinisissä tutkimuksissa, joissa yksittäiset vaihtelut voivat olla paljon suurempi verrattuna laboratorioon kerättyjen näytteiden

in vitro

kokeissa tarjoamalla ”sumea” rajoja, jotka voivat johtua monimutkainen geeniekspressioprofiilien. NN on lähes ole järkevää rajoitu näytteenotto luokkien erottamisen sillä hyvin rajoitettu määrä muuttujia (eli valinta etäisyyden funktio ja määrä naapureita). Kuitenkin NN tekee erittäin hyvä luokitus esityksiä myös verrattuna muihin moniparametrisissä tunnettu luokittelijoiden kuten Neural Networks tai Tukivektorikoneet, menetelmiä optimaalisen suorituskyvyn vasta kun suuria aineistoja on saatavissa.

Toistaiseksi paras lähestymistapa päästä loppuarvioinnin suorituskykyyn jopa ”vankka” tilastollinen luokittelija kuten NN on uudelleenkäyttö kerättyjen tietojen sekä koulutus- ja validointi valitun luokittelija: tämä menettely on yleisesti kutsutaan rajat validointi (kuvattu hyvin monissa ” klassinen ”tilastollinen kirjoja [37]). N-kertainen cross validointi, aineisto on satunnaisesti jaettu N osiin ja jokainen osa käytetään validointi asettaa käyttämällä muita kuin koulutus asetettu. Näissä työoloja lajittelijan suorituskyky vaihtelee kunkin satunnainen toteutumista. Olemme soveltaneet tätä menettelyä sekä 5-kertainen (ei esitetty) ja 10-kertainen rajat validointi, ja saadaan vastaavia esityksiä. Koska edellä esitetyn perusteella saatu tulos NN + 10-kertainen cross validointimenettelyllä voidaan pitää hyvin luotettavana jopa pienikokoinen aineisto. Samaa tilastollinen lähestymistapa on käytetty jo analysoida ja validoida geeniekspression allekirjoitukset syöpätutkimuksessa [38], [39].

Näissä olosuhteissa paras luokitus suorituskyky saatiin 7-geenin mallin (

H3

,

GAS1

,

SSAT

,

CLU-

,

AdoMetDC

,

OAZ

ja

ODC

). Välistä yhdenmukaisuutta molekyyli- ja lopullinen patologinen luokittelu oli tarkkuus (80 ± 5)% herkkyydellä (81 ± 6)% ja spesifisyys (78 ± 7)%. Tämä tulos osoittaa, että diagnoosi korkki molekyylien tiedoilla on mahdollista.

Geeni allekirjoitus havaitsee hyvin harvat syöpäsoluja: syöpä kentän vaikutus

On huomattava, menetelmämme osoitti erittäin korkea herkkyys työskentelevät kokoelma CaP kudosnäytteiden, jossa merkittävä osa koko, eli 7/31, pidettiin CaP pohjalta, jossa on vain 5% syöpäsoluja. Tämä osuus on vain 1 mg syövän kudosta läsnä yhteensä 20 mg. Perustellaan Tästä seurauksena on, että molekyyli tapahtumia havaittu premaligneja kudoksessa tai kudoksissa vieressä syöpä on saatu diagnostisia tietoja, joka tukee oletusta, että molekyylitason lähestymistapa CaP diagnoosi olisi herkempi ja tehokas työkalu kuin morfologinen tutkimus. Tämä tulos on yhdenmukainen ”syöpä kentän vaikutus”, kuten äskettäin oletettu. Tämän ajatuksen, transformoidut solut ulottuvat morfologisesti selvää kasvain. Nämä tapahtumat edeltää kehitystä maligniteetin, koska normaali esiintyvät eturauhasen kudos voi läpikäydä geneettisiä muutoksia vastauksena tai odottaessaan, morfologisia syöpä [40]. Äskettäin kenttä vaikutukset perustuvat epigeneettisellä tapahtumiin [41], ydin- matriisin muutokset [42], androgeenireseptorin immunoreaktiivisuus stroomaan ympäröivä syöpä vaurio [43] on löydetty. Oligonukleotidigeenisirumenetelmää käyttäen, toisen vahvistuksen johdettu tutkimuksen, jossa ilmaisu profiilit ensisijainen eturauhassyövän, viereisen normaalin kudoksen ja normaalin kudoksen kasvaimen luovuttajilla verrattiin [44]. Tämä skenaario vahvistavat vaatimusta tavoitteen molekyyli- biologisia merkkiaineita aggressiivisen fenotyypin ratkaista epävarmuutta suhteen määritettäessä niitä esiasteleesioita jotka todennäköisimmin edetä invasiivisia ja metastaattinen eturauhassyöpä. Todennäköisin selitys Luokitteluvirheillä välillä molekyylien ja morfologiset saadut tutkimuksessamme on, että hyvin varhaisessa molekyylimuutokset voi edeltää muuttamista morfologia, ja siksi nämä ehdot eivät päällekkäin (tai liittyä) patologista vastaus. Molecular muutokset edellisen muutokset fenotyyppiin voisi havaita molekyyli menetelmä diagnoosiin, mikä lisää sen herkkyyttä ja miksi 7 yksilöt (taulukko 1, lihavoitu) nähtiin syöpää geeni allekirjoitusmenetelmää, kun patologinen luokittelu oli hyvänlaatuinen. Tässä suhteessa suurempi herkkyys menetelmän johtaisi vähentämään näytteiden lukumäärää, jotka on otettava, joilla on selkeä etu potilaalle. Tiedetään, että herkkyys biopsia on potentiaalinen ongelma, miksi kylläisyyttä koepaloja on otettava potilailta. Menettely kyllästää eturauhasen koepaloja mukaan tilavuuden pitämiseksi vakiona tiheys luotaa kehitettiin parantamiseksi CaP havaitsemismäärä, ja eturauhasen koepaloja ovat yhä useammin tulossa kylläisyyttä koepaloja [45]. Kylläisyyttä biopsia voidaan harkita potilaille, jolla on syöpäriski, jotka ovat valmiita hyväksymään sivuvaikutuksia, mutta tiedetään, että kliinisesti merkityksetön syövät voidaan havaita [46].

Toisaalta, sama perustelu saattaisi myös selittää päinvastaiseen tulokseen. Itse asiassa yhteys morfologiset vauriot (ts HG-PIN) ja kliininen korkki on vielä Kiistanalaista [47], [48]. Myös PIN edustaa ”kentän vaikutus” kanssa potentiaalinen syövän etenemisen, mutta voi olla ei suoraan mukana tai ei voi johtaa kehitystä invasiivisen eturauhassyövän [49]. Siksi voimme oletuksen, että tietyt muutokset morfologiassa ei ehkä ole pakollista liittyä kliinisesti relevantteja solutransformaatio. Niinpä yksilöitä luokiteltu hyvänlaatuinen molekyyli- väline, mutta syöpä sijaan, että patologi takia muuttuneen morfologian (5/31, taulukko 1, lihavoitu kursiivi), saattaisi olla erilainen morfologisia yksiköitä tai kliinisesti veltto vaurioita, mahdollisesti saava regressio koska ympäröivät reagoimaan kudosta. Jos näin on, tämä materiaali ei olisi merkittävää kliinisestä näkökulmasta, mutta selvästi erotettavissa molekyylitasolla perusteella aggressiivinen tauti, vaikka meillä ei ole lopullista näyttöä tästä tällä hetkellä.

Klusteriinin ja eturauhassyövän

CLU

kloonattiin, sekvensoitiin ja tunnistettu tärkeimmät säädelty geeni aikana massiivisen apoptoosin induktio ja eturauhasen regressio aiheuttama androgen ehtyminen [7] tai anto Finasteride [50] ja D-vitamiinia analogit [51], [52]. Glykosyloituneen, solunulkoinen muoto CLU tuotetaan korkealla perustason eturauhasen solujen ja erittyy eturauhasen nestettä, vaikka sen mahdollinen rooli lisääntymiseen on edelleen hämmentävä tutkijat [53].

Tekijät ovat ehdottaneet, että CLU saattaisi olla yli-ilmentää soluissa elossa apoptoosin, eikä soluissa tuomittu kuolemaan. Siten cytoprotective rooli CLU on ehdotettu [54]. Keskustelu tästä asiasta on vielä auki. Se on hiljattain osoitettu, että eri proteiini muodostaa voi olla peräisin samasta geenistä vielä tuntematon mekanismien [8]. TGF-beeta- ja X-ray hoito aiheuttaa typistetty muoto CLU, joka paikantuu tumaan [55] – [58]. Uskotaan, että eri CLU on erilaisia ​​rooleja ihmisen soluissa [8], myös riippuen niiden solukomponenttien lokalisointi. Rakenteelliset tietoja koskevia proteiinin muodot ovat yhä harvinaisia. Tiedot koskevat mahdollista osallistumista

CLU

transformaatiossa ja kasvaimen kasvu ovat vielä epäselviä tai ristiriitaisia ​​kirjallisuudessa.

REST suhteellinen lauseke analyysi osoitti (tuloksia ei esitetty), että alas-säätely

CLU

Cap yksilöt on tilastollisesti merkitsevä (p = 0,023). Tämä on yhdenmukaista aiempien tulosten [3], [13]. Vaikka koskevan kysymyksen, CLU on ylä- tai alassäädetty Cap on edelleen kiistanalainen [3], [13], [15], [59] – [61], varmistustulosten tukevat hypoteesia, että CLU ei ole vain alas -regulated korkki, mutta myös kaikkein syöpiä, voidaan helposti noutaa Oncomine verkkosivusto, joka kerää tietoja yli 20000 itsenäisen microarray kokeiluja (https://www.oncomine.org). Olemme aiemmin ehdottaneet, että CLU voisi olla potentiaalinen kasvain-vaimennin geeni [51] välityksellä toimivan ydin- muodossa nCLU [57], [63], [64].

Mahdolliset ennusteen arvioinnissa menetelmän

Olemme aikaisemmin havainneet, että meidän informatiivinen geenit ovat ennusteen arvioinnissa [3], [4]. Tiedetään, että Gleason on paras yksittäinen ennustaja CaP ennusteen [65], mutta ennustaminen tulos on 6-7 pisteet alue, joka käsittää suurimman osan kliinisistä tapauksista, ei ole tyydyttävä [65]. Meillä oli 28/41 potilaista näissä olosuhteissa meidän bio-pankki (taulukko 1). Valitettavasti tämän analyysin, koska tehnyt ennen [4], vaaditaan lopullinen ratkaisu tietojen koko kohortin potilaiden, ja siten vähintään 5 vuoden seurantatutkimuksessa on tarpeen kuten aiemmin tehnyt [4]. Olemme kannustetaan noudattamaan tätä mahdollisuutta, koska meidän informatiivinen geenejä on jo löydetty ennusteen arvioinnissa paitsi ihmisen CaP [4], mutta myös TRAMP hiirimallissa. Nämä eläimet hoidettiin Green Tea Katekiinit (GTCs) eston CaP etenemisen [19]. Tässä kokeellisessa mallissa, meidän geeni allekirjoitus kykeni tehokkaasti syrjiä CaP kudosnäytteiden TRAMP hiirten vastata GTCs hoitoon näistä ei-vasteeseen, siis viittaa siihen, että biologinen käyttäytyminen CaP ehkä menestyksekkäästi tutkittu myös ihmisessä samaa lähestymistapaa.

taulukossa 2 on myös esitetty, että yhdistelmä 7 geenien (

H3

,

GAS1

,

H3

,

SSAT

CLU-

,

AdoMetDC

,

OAZ

,

ODC

) luokiteltu oikein 84% syövän yksilöiden osalta potilaan iästä, 71% osalta RP Gleason pisteet ja 42% osalta PSA. Luokitteluvirheillä osalta PSA oli todella odotettu, koska PSA ei ole eturauhasen kasvain mutta oikeammin, joka on eturauhasessa markkeri. Koska itse asiassa myös PSA raja-arvot ja Cap havaitseminen hinnat ovat vielä Kiistanalaista [1]. Sen sijaan, saimme erittäin hyvä suorituskyky luokituksesta iän ja Gleason pisteet, molempia käytetään laajalti potilaiden kliinisessä hoidossa, joilla Gleason pisteet on paras ennustaja [65]. Myös nämä tulokset viittaavat vahvasti siihen, että lähestymistapamme on havainnut biologisia tapahtumia aikana eturauhasen solujen transformaatio ja syövän etenemistä.

Edellä mainituista syistä on olennaista jatkaa tätä tutkimusta keräämällä kliinisen seurannan tietoja, joiden