Krooninen sairaus

tiivistelmä

Background

Viime aikoina nopea kehitys on tehty metabolomiikan-pohjainen, helppo -to-use varhaisen syövän havaitseminen menetelmiä käyttäen verinäytteitä. Joukossa aineenvaihduntatuotteita, profilointi plasma vapaat aminohapot (PFAAs) on lupaava lähestymistapa, koska PFAAs yhdistää kaikki elinjärjestelmien ja on tärkeä rooli aineenvaihdunnassa. Lisäksi PFAA profiilit tiedetään vaikuttaa tiettyjen sairauksien, mukaan lukien syöpien. Siksi käsiteltävänä olevan tutkimuksen tarkoituksena oli selvittää ominaisuudet PFAA profiilien syöpäpotilailla ja mahdollisuus käyttää tätä tietoa varhaista havaitsemista.

menetelmät ja havainnot

Plasma kerättiin noin 200 potilasta useilta laitokset, kukin diagnosoitu yksi seuraavista viidestä syöpätyyppien: keuhkosyöpä, mahalaukun, paksusuolen ja peräsuolen, rinta- tai eturauhassyöpää. Potilaita verrattiin sukupuolen ja iän verrokkia käytettiin myös tässä tutkimuksessa. PFAA mitattiin käyttämällä korkean erotuskyvyn nestekromatografia (HPLC) -electrospray (ESI) -mass spektrometria (MS). Univariate analyysi paljasti merkitseviä eroja PFAA profiilien välistä valvontaa ja potilailla, joilla on jokin viidestä syöpien edellä lueteltujen, jopa ne, joilla on oireeton alkuvaiheen tauti. Lisäksi Monimuuttuja-analyysissä selvästi syrjiä syöpäpotilaille kontrolleista kannalta ala vastaanotin-operaattori ominaisuudet käyrän (AUC ROC 0,75 kullekin syöpä), riippumatta syövän vaiheessa. Koska tutkimus suunniteltiin tapauskontrollitutkimuksessa lisätutkimukset, kuten mallin rakentaminen ja validointi käyttäen ikäluokat, joilla on suurempi otoskoko, on tarpeen määrittää hyödyllisyyttä PFAA profilointiin.

Johtopäätökset

Nämä havainnot viittaavat siihen, että PFAA profilointi on suuret mahdollisuudet parantaa syövän seulonnan ja diagnosoinnin ja ymmärrystä taudin synnyssä. PFAA profiileja voidaan myös käyttää määrittämään erilaisten sairauksien diagnoosit yhdestä verinäytteestä, johon liittyy suhteellisen yksinkertainen plasmamäärityksessä ja asettaa alhaisempi fyysinen rasitus aiheista verrattuna nykyisiin seulontamenetelmiä.

Citation: Miyagi Y, Higashiyaman M, Gochi A, Akaike M, Ishikawa T, Miura T, et ai. (2011) Plasma Vapaa Aminohappo profilointi Viittä syöpäpotilaiden ja sen hakeminen Early Detection. PLoS ONE 6 (9): e24143. doi: 10,1371 /journal.pone.0024143

Editor: Libing Song, Sun Yat-sen University Cancer Center, Kiina

vastaanotettu: 08 huhtikuu 2011; Hyväksytty: 01 elokuu 2011; Julkaistu: 07 syyskuu 2011

Copyright: © 2011 Miyagi et al. 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: Tämä työ ovat tukeneet Grant-in-tuki tieteellisen tutkimuksen Basic Research B (nro 17390195) alkaen opetus-, kulttuuri-, urheilu-, Science and Technology of Japan. Rahoittaja ei ollut roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen. Ajinomoto, Co., Inc. teki on rooli tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat lukenut lehden politiikan ja ovat seuraavat konfliktit: Dr. Horimoto, Dr. Tochikubo, tohtori Yamakado, ja tohtori Okamoto ovat olleet konsultit Ajinomoto, Co., Inc. ja vastaanottaa konsulttipalkkiot Ajinomoto, Co., Inc. Dr. Imaizumi, tohtori Yamamoto, ja Dr. Miyano ovat työntekijöitä Ajinomoto, Co., Inc. Dr. Miyagi, Dr. Higashiyama, Dr. Gochi, Dr. Akaike, Dr. Ishikawa, Dr. Miura, Dr. Saruki, Dr. Bando, Dr. Kimura, tohtori . Imamura, Dr. Moriyama, Dr. Ikeda, Dr. Chiba, Dr. Oshita, Dr. Tochikubo, Dr. Mitsushima, tohtori Yamakado, ja tohtori Okamoto sai tutkimusapurahoja Ajinomoto, Co., Inc. Dr. Higashiyama, Dr. Imamura, tohtori Imaizumi, ja tohtori Okamoto ovat hakeneet patenttia plasman aminohappojen profiloinnin monimuuttujamenetelmin diagnostisena välineenä keuhkosyöpä ja syöpien (WO2008 /016111 ja WO2009 /110517), Dr. Gochi, Dr. Imaizumi, ja tohtori Yamamoto ovat hakeneet patenttia plasman aminohappojen profiloinnin monimuuttujamenetelmin diagnostiikkatyökaluna mahasyövän (WO2009 /099005), Dr. Imaizumi ja Dr. Okamoto ovat hakeneet patenttia plasman aminohappojen profiloinnin avulla monimuuttujamenetelmin diagnostisena välineenä peräsuolen syöpä (WO2008 /075663), Dr. Imaizumi ja Dr. Okamoto ovat hakeneet patenttia plasman aminohappojen profiloinnin monimuuttujamenetelmin diagnostisena välineenä rintasyövän (WO2008 /075662), Dr. Miyagi, Dr. Miura, Dr. Imaizumi, tohtori Yamamoto, ja tohtori Okamoto ovat hakeneet patenttia plasman aminohappojen profiloinnin monimuuttujamenetelmin diagnostisena välineenä eturauhassyövän (WO2009 /154297), ja tohtori Miyano on vaatinut patentteja plasman aminohappoa mittausjärjestelmiä (WO2003 /069328 ja WO2005 /116629). Tämä ei muuta tekijöiden noudattaminen kaikki PLoS One politiikan tietojen jakamista ja materiaaleja.

Johdanto

Useat vähän invasiivisia, helppo käyttää syövän diagnostisten menetelmien avulla ääreisverenkierron tai virtsanäytteitä on viime aikoina kehitetty helpottamaan fyysistä rasitusta potilaille ja vähentää kustannuksia ja aikaa [1], [2], [3], [4], [5], [6], [7], [ ,,,0],8]. Rapid on edistytty syövän diagnoosin ja ennusteen menetelmät perustuvat Metabolomi analyysiin [3], [9], [10], [11], [12], [13], [14], joka usein liittyy käytön monimuuttujatestauksen analyysitekniikat, kuten tietokoneavusteinen, kone-oppimisen järjestelmiä tiedon louhintaan.

Vaikka Metabolomi analyysi on lupaava lähestymistapa seulonnassa sairauksien kuten syövän, jotkut käytännön rajoituksia säilyvät. Näihin kuuluvat tarve mitata valtava määrä aineenvaihduntatuotteiden [15], [16], [17], data-redundanssin ongelmia, kuten väärien löytö määrä (FDR) ja overfitting, ja kustannusrajoitukset. Yksi lähestymistapa näiden ongelmien ratkaisemiseksi ”tarkennetaan metabolomiikan”, mikä rajoittaa esineet analyysin niille, jotka pelata rooleja yleistä aineenvaihduntaa ja jakaa fyysisiä yhtäläisyyksiä.

Aminohapot ovat sopivimpia ehdokkaita keskittynyt metabolomiikan kuin ne joko nautittuina tai synteettisesti endogeenisesti ja pelata olennainen fysiologiset tehtävät sekä perus- aineenvaihduntatuotteiden ja metabolisen sääntelyviranomaisten. Mitata aminohappoja, plasman vapaiden aminohappojen (PFAAs), joka runsaasti kiertävät mediana yhdistää kaikki elinjärjestelmiin, olisi kaikkein edullisin kohde, koska niiden profiilit ovat tiedossa vaikuttaa metabolisen vaihtelut tietyn elinjärjestelmissä aiheuttamien tiettyjen sairauksien [18], [19], [20], [21]. Lisäksi plasmanäytteet voidaan kerätä helposti potilailta.

Useat tutkijat ovat myös raportoitu muutoksia PFAA profiileja syöpäpotilailla [22], [23], [24], [25], [26], [ ,,,0],27], [28]. Vaikka näyttöä suhde PFAA profiilien ja joidenkin syöpien, harvat tutkimukset ovat tutkineet käyttö PFAA profiileja diagnoosin, sillä vaikka PFAA profiilit eroavat merkittävästi potilaiden välillä, erot yksittäisten aminohappojen eivät aina riittävästi syrjinnän kykyjä itse [24], [29], [30]. Ongelman ratkaisemiseksi, olemme aikaisemmin rakennettu ja testattu diagnostinen indeksi perustuu PFAA pitoisuuksia, joka tunnetaan nimellä ”AminoIndex teknologia” [29], [30], [31], [32], [33], pakata moniulotteinen tietoja PFAA profiilit yksittäisiksi ulottuvuus ja maksimoida erot potilaiden ja verrokkien (kuvio 1). Saimme alustavat tiedot tehosta ”AminoIndex teknologia” varhaista havaitsemista peräsuolen syöpä, rintasyöpä, ja keuhkojen syövät noin 150 näytettä yhdestä lääketieteellisen instituutin [29], [30].

Tällä päälle kaavion, PFAA pitoisuudet mitataan kuhunkin aiheeseen. Keskellä, kohdistaa muuttujat ja yhden muuttujan analyysin PFAA profiileja ovat edustettuina. Alareunassa, arvio luokittelijan optimoitu erotteleva teho monimuuttujamenetelmin esitetään.

Lisäksi tekniikoita on viime aikoina kehitetty analysoida aminohappoja suurella tarkkuudella. Esimerkiksi, olemme kehittäneet menetelmän mitata PFAA profiileja käyttämällä korkean erotuskyvyn nestekromatografia (HPLC) -electrospray (ESI) -mass spektrometria (MS) [34], [35], [36].

esillä olevan tutkimuksen tarkoituksena oli määrittää mahdollisuutta PFAA profilointi syövän diagnosointiin käyttäen useita näytteitä useista lääketieteellistä kanssa. Mittasimme PFAA profiilit noin 200 syöpäpotilaiden kolmesta eri laitosten kullakin on yksi seuraavista viidestä syöpätyyppien: keuhkosyöpä, mahalaukun, paksusuolen ja peräsuolen (CRC), rinta- tai eturauhassyöpää. Potilaita verrattiin viisi kertaa kokoa sukupuoleen ja ikään verrokit käytetään myös tässä tutkimuksessa. Sitten verrataan muutokset on PFAA profiilien välillä syöpäpotilaita ja käyttäviin yhden ja usean analyysejä. Tämän seurauksena merkittäviä muutoksia PFAA profiileja havaittiin syöpäpotilailla verrattuna hallita aiheita. Osoitimme kahdenlaisia ​​muutoksia PFAA profiileja syöpäpotilailla: joitakin eroja kuvasti aineenvaihdunnan muutoksia yhteisiä moniin syöpiin, kun taas toiset olivat kunkin syöpätyyppi. Olemme myös havainneet, että sekä yhteisiä että syöpä tyyppikohtaisia ​​muutoksia PFAA profiilien havaittiin jopa potilailla, joilla on varhaisessa vaiheessa syöpä. Lisäksi käytetään useita näytteitä pystyimme tarkistaa luotettavuutta PFAA profilointi varhaiseen havaitsemiseen eri syöpiä.

Materiaalit ja menetelmät

Ethics

Tutkimus mukaisesti suoritettu Helsingin julistuksen, ja protokolla hyväksyi eettisen valiokuntien Kanagawa Cancer Center, Osaka Medical Center for Cancer ja Verisuonitautien, Okayama University Hospital, Yokohama City University Medical Centerissä, Gunma prefektuurin Cancer center, Shizuokan prefektuurin Cancer center, Chiba Prefectural Cancer center, Yokohama Municipal kansalaisten sairaala, Yokohama Minami Kyosai sairaala, Kanagawa Health Service Association, Kameda Medical center Makuhari, ja Mitsui Memorial Hospital. Kaikki koehenkilöt antoivat kirjallinen lupa lisättäväksi ennen Tutkimukseen osallistui. Kaikki tiedot analysoitiin anonyymisti koko tutkimuksen ajan.

Oppiaineet

Tiedot Japani sairastavilla potilailla keuhkosyöpä (LC), mahasyöpä (GC), peräsuolen syöpä (CRC), rintasyöpä (BC) , ja eturauhassyöpää (PC) analysoitiin tässä tutkimuksessa. Potilaat oli histologisesti diagnosoitu primaarinen syöpä eri Japani sairaanhoidon instituutioiden välillä 2006 ja 2009. LC potilasta rekrytoitiin Osaka Medical Center for Cancer ja Verisuonitautien, Chiba Prefectural Cancer Center, Kanagawa Cancer Center, ja Gunma prefektuurin Cancer Center. GC potilasta rekrytoitiin Okayama yliopistossa sairaala, Gunma Prefectural Cancer Center ja Shizuokan prefektuurin Cancer Center. CRC potilasta rekrytoitiin Kanagawa Cancer Center, Shizuokan prefektuurin Cancer Center, ja Gunma prefektuurin Cancer Center. BC potilasta rekrytoitiin Yokohama City University Medical Center, Kanagawa Cancer Center, ja Gunma prefektuurin Cancer Center. PC potilasta rekrytoitiin Kanagawa Cancer Center, Yokohama Municipal kansalaisten sairaala, Yokohama Minami Kyosai Hospital, ja Gunma prefektuurin Cancer Center. Verrokeilla ilman ilmeistä syöpä valittiin joukosta meneillään kattava lääkärintarkastukset kolmella eri Japani lääketieteen laitokset (Center for monivaiheinen terveys testaus ja palvelut Mitsui Memorial sairaala, Kameda Medical Center Makuhari, ja Kanagawa Health Service Association) välillä 2008 ja 2009.

Paksusuolen polyyppi potilasta rekrytoitiin joukosta meneillään endoskooppinen polypectomy klo Kameda Medical Center Makuhari vuosien 2006 ja 2008

varten data-analyysi, potilaat jaettiin viisi ryhmään niiden ensisijainen syövän diagnoosit (~140-200 potilasta per ryhmä), ja viisi ikä- ja sukupuolijakauman verrokkiryhmien perustettiin myös (taulukko 1). Kirjanpidon kaikille syöpäpotilaille ja valvontaa sekä kaikille syöpäpotilaille ositettu sukupuolen, analysoitiin myös.

PFAA mittaus

verinäytteet kerättiin valvontaa ja potilaista ennen mitään hoitoa. Verinäytteet (5 ml), kerättiin kyynärvarren suonet jälkeen paasto yön yli putkiin, jotka sisälsivät etyleenidiamiinitetraetikkahappoa (EDTA; Termo, Tokio, Japani), ja ne laitettiin välittömästi jäihin. Plasma valmistettiin sentrifugoimalla 3000 rpm: ssä 4 ° C: ssa 15 minuuttia ja sitten säilytettiin -80 ° C: ssa analyysiin asti. Kun plasman kerääminen, kaikki näytteet varastoidaan ja käsitellään Institute for Innovation Ajinomoto Co., Inc. (Kawasaki, Japani). Vähentää niitä vääristymä ennen analysointia, näytteet analysoitiin satunnaisessa järjestyksessä. Plasmanäytteistä deproteinoitiin käyttämällä asetonitriili lopulliseen konsentraatioon 80% ennen mittausta. Aminohappo pitoisuudet plasmassa mitattiin HPLC-ESI-MS, ja sen jälkeen esikolonnin johdannaisen. Käytetyt analyysimenetelmät olivat, kuten aiemmin on kuvattu [34], [35], [36].

Niistä 20 geneettisesti koodatut aminohapot, glutamaatti (Glu), aspartaatti (Asp) ja kysteiini (Cys) suljettiin pois analyysistä, koska ne ovat epävakaita veressä. Citrulline (Cit) ja ornitiini (Orn) mitattiin sen sijaan, koska ne ovat suhteellisen runsaasti veressä ja tiedetään tärkeitä rooleja aineenvaihdunnassa. Seuraavat 19 aminohappoa ja niihin liittyvät molekyylit siis mitataan ja analysoidaan: alaniini (Ala), arginiini (Arg), asparagiini (Asn), Cit, glutamiini (Gin), glysiini (Gly), histidiini (His), isoleusiini (Ile) , leusiini (Leu), lysiini (Lys), metioniini (Met), Orn, fenyylialaniini (Phe), proliini (Pro), seriini (Ser), treoniini (Thr), tryptofaani (Trp), tyrosiini (Tyr), ja valiini (Val).

Kaksi mittarit tehtiin kullekin 19 aminohappoa, mukaan lukien absoluuttinen pitoisuuden kutakin aminohappoa, joka heijastuu suoraan sen saatavuudesta ja kulutusta, ja suhteet, jotka liittyvät erityisten metabolisen tilan kunkin elimen . Pitoisuudet aminohappojen plasman ilmaistiin uM, ja suhteet aminohapon konsentraatiot ilmaistaan ​​seuraa yhtälöä: missä

X2

i, j

on suhde aminohapon pitoisuus j: nnen aminohapon i: nnen aihe, ja

X

i, j

on plasman konsentraation (uM) on j: nnen aminohapon i: nnen kohteena.

tilastollinen

kahdentyyppisiä metristä käytettiin kukin tietokokonaisuus analysoitavaksi joko aminohappo pitoisuus tai suhde selittävinä muuttujia.

Mean ja SD.

keskimääräinen aminohapon pitoisuudet ± keskihajonnat (SDS) laskettiin määrittämään tiivistää PFAA profiileja sekä potilaiden ja verrokkien.

Mann-Whitneyn U-testiä.

Mann -Whitney

U

-testi käytettiin arvioimaan merkittäviä eroja plasman aminohappo pitoisuudet välillä potilaiden ja valvontaa.

ROC-analyysi.

vastaanotin-operaattori ominaisuus (ROC) käyrä analyysit tehtiin määrittämiseksi kyvyt yksi- ja monen variate analyysit erottamaan potilaiden ja verrokkien. Potilas tarrat vahvistettu positiivisiksi luokan tarroja. Siksi ala ROC-käyrän (AUC ROC) arvosta 0,5 osoittivat, että aminohappotasolla oli pienempi potilailla kuin kontrolleilla, kun taas AUC ROC arvosta 0,5 ilmoitti, että se oli suurempi. 95%: n luottamusväli (95% luottamusväli) AUC ROC erottelua varten potilaiden perustuvan aminohappo pitoisuuksista ja tunnusluvut arvioitiin myös kuten ovat kuvanneet Hanley ja McNeil [37].

Kaksisuuntainen analyysi varianssi (ANOVA).

kaksisuuntainen ANOVA käytettiin vaikutusten arvioimiseksi sukupuolen, iän, ja tupakoinnista mahdollisina sekoittavat tekijät. Läsnäolo syövän ja sukupuolen oletettiin olevan riippumattomia tekijöitä, ikä käsiteltiin jatkuvana ennustajan sijaan kategorinen ennustaja, ja vuorovaikutus termi välinen syövän esiintymisen ja tupakointi analysoitiin.

Two-luokka lineaarinen syrjintä analyysi (LDA).

lineaarinen syrjintä analyysi (LDA) kanssa portaittain muuttuva valinta suoritettiin erottaa potilaille eri syöpätyypin päässä verrokeilla, jossa sekä maksimi- ja minimi p-arvot termi lisätä tai poistaa asetettiin 0,001.

Multi-luokan LDA syrjinnästä.

LDA kanssa portaittain muuttuva valinta suoritettiin myös erottaa potilaita, joilla on tietty syöpä päässä täydelliset tiedot set, jotka sisältävät kaikille syöpäpotilaille ositettu sukupuolen (neljänlaisia ​​syöpäpotilaiden kussakin tietokokonaisuus). Koska koko kunkin ryhmän oli pienempi kuin kahden luokan LDA, maksimi p-arvo termi lisätään asetettiin 0,05 ja pienin p-arvo termi poistetaan asetettiin 0,10. Mahalanobis etäisyyttä käytettiin metrinen luokittelusta. Tarkkuus määriteltiin suhde oikein syrjittyjen potilaiden kokonaismäärä potilaille eri syövän sijasta AUC ROC koska ROC analyysi voitaisiin soveltaa ainoastaan ​​kahden luokan syrjintää.

Jätä yksi rajat validointi (LOOCV).

LOOCV tehtiin korjaamaan mahdollisia yli-optimointi saadaan LDA malleissa. Lyhyesti, yksi näyte jätettiin pois tutkimuksesta datajoukko, ja LDA malli laskettiin jäljellä näytteiden arvioida kertoimien kullekin aminohapolle. Toiminto arvot jätetään pois näytteestä laskettiin perustuen malliin. Tämä prosessi toistettiin kunnes jokaista näytteen tutkimuksessa datasarja oli jätetty pois kerran.

Ehdollinen logistista-regressio (c-logistinen) analyysi.

C-logistinen analyysi suoritettiin myös tarkistaa vaikutukset iän ja sukupuolen, mahdollisten häiritsevien tekijöiden syrjivään kyvyt saadun LDA mallien erottamaan potilaille eri syöpätyypin kontrolleista.

Alaryhmäanalyysissä.

vaikutusten arvioimiseksi syövän vaiheessa kukin datajoukko jaettiin osa-datajoukon mukaan taudin vaiheessa ja myös vastaavat tarkastukset, ja analysoitiin käyttäen ROC analyysi kunkin datajoukon.

ohjelmisto

MATLAB ( MathWorks, Natick, MA) käytettiin laskelmien keskiarvon ja SD, Mann-Whitney

U

-testi, ROC-analyysi, kaksisuuntainen ANOVA, LDAs, ja LOOCV. GraphPad Prism (GraphPad Software, La Jolla, CA) käytettiin myös ROC käyräanalyysi. LogXact (Cytel, Cambridge, MA) käytettiin c-logistinen analyysi.

Tulokset

Ominaisuudet aiheista

Taulukossa 1 esitetään yhteenveto ominaisuudet aiheita tässä tutkimuksessa . Aineistot käsitti 200 LC potilasta ja 996 valvontaa, 199 GC potilaita ja 985 valvontaa, 199 CRC potilaita ja 995 valvontaa, 198 BC potilaita ja 976 valvontaa ja 134 PC potilasta ja 666 valvontaa (taulukko 1). Näytteen koko eri syöpätyypin oli suurempi kuin aiemmissa raporteissa [25] ja esitti riittävän tilastollinen voima testata kestävyydestä PFAA profiilien syövän diagnosointiin.

ei ollut merkittäviä eroja painoindeksi ( BMI) joukossa aineistoja (taulukko 1). Laihtuminen aliravitsemukseen, joten siitä ei odoteta vaikuttavan tuloksiin. Vaikka merkittäviä eroja keski-ikä havaittu joukossa aineistoja (LC,

p

0,05; GC,

p

0,05, ja PC,

p

-60% Vaihe I, -15% vaihe II, ~13% vaiheessa III, ja -12% vaihe IV GC; ~35% Vaiheissa 0 ja I -25% vaihe II, -30% vaihe IV, ja ~ 10% vaiheessa IV CRC; -5% Vaiheessa 0, -25% vaiheessa I, z25% vaihe II, ja noin 7% vaiheen III BC; ja ~75% vaiheessa B, ~13% vaiheessa C, ja -12% vaiheessa D PC (taulukko 1).

potilaille eri syöpätyyppi voitaisiin jakaa edelleen ollut histologinen tyyppi (LC GC, CRC, ja BC) tai Gleason (PC), kuten on esitetty yhteenvetona taulukossa S1. Ominaisuudet 34 paksusuolen polyyppi potilailla sekä tupakointi potilaiden myös esitetty taulukossa S1.

Shared PFAA profiilit joukossa syöpiä

Univariate analyysiä käytettiin vertaamaan PFAA profiilit syöpäpotilaita ja valvontaa. Erot merkitys tasojen kunkin aminohapon välillä potilaiden ja valvonta on esitetty kuviossa 2A. Tulokset ROC-analyysi on esitetty kuviossa 2B, koska tasot merkitys riippuu näytteen koosta. Pitoisuudet ja suhteet kunkin aminohapon profiilin sekä potilaiden ja verrokkien on esitetty taulukoissa S2. Ja AUC-arvot ROC ja niiden CI kunkin aminohapon on esitetty taulukossa S3 (pitoisuus) ja taulukossa S4 (suhde), tässä järjestyksessä.

tulokset Mann-Whitney

U

– testi (A) ja vastaanotin-operaattori (ROC) käyrä analyysi (B) on esitetty. A. värilliset solut osoittavat, että pitoisuus tai suhde on lisääntynyt syöpäpotilaiden p 0,001 (punainen), p 0,01 (oranssi), ja p 0,05 (vaaleanpunainen), ja väheni syöpäpotilaiden p 0,001 (sininen) , p 0,01 (taivaansininen), ja p 0,05 (vaaleansininen), tässä järjestyksessä. B. Akselit osoittavat AUC ROC kunkin aminohapon erottamaan potilaiden valvontaa. Pitoisuudet ja suhteet kunkin syöpäpotilaan ja kerättyä tietoa joukko on merkitty vastaavasti. Musta lihavoitu viivat osoittavat kohtaan, jossa AUC ROC = 0,5.

Kaksisuuntainen ANOVA käytettiin arvioimaan mahdolliset vaikuttavat sekoittavat sukupuolen, iän, ja tupakoinnista. Korjaaminen nämä tekijät eivät suuresti vaikuttaneet merkitystä tasot kunkin aminohapon, mikä viittaa siihen, että niiden vaikutukset PFAA profiilit olivat vähäisiä (taulukko S5).

Plasman Gin, Trp ja His merkittävästi vähentynyt kaikissa syövissä, paitsi PC, ja yksikään aminohappojen osoitti kohonneita kaikissa syöpien (

p

0,05). Suhteet Trp ja His merkittävästi vähentynyt, kun taas Pro ja Orn korotettiin kaikissa syövissä (

p

0,05) (kuva 2).

tutkia edelleen jaetun piirteet keskuudessa syöpäpotilaita, PFAA profiilit verrattiin käyttäen yhdistettyjen tulosten setissä kaikille syöpäpotilaille ja valvontaa. Huomattavaa on, että aminohappoja, jotka kärsivät tämän tyyppinen analyysi oli merkittäviä eroja sekä pitoisuudesta että suhde: 11 aminohappoa (Asn, Gin, Cit, Vai, Met, Leu, Tyr, Phe, His, Trp, ja Arg) osoittivat pienenee, kun taas neljän aminohapon (Ser, Pro, Gly, ja Orn) oli nousua (kuvio 2). Muutokset Gin, Trp, His, Pro, ja Orn havaittiin analyysissä kaikkien syöpien riskiä. Muutokset näissä aminohapot voisi siten heijastavat ominaisuus muutoksia aineenvaihduntaan, jotka ovat yhteisiä kaikille syövistä.

Erityisiä PFAA profiilit kaikille syöpään

Lisäksi muutokset, jotka ovat yhteisiä kaikille syövistä havaitsimme muutoksia PFAA profiilit, jotka olivat spesifisiä kunkin taudin tyypin (kuvio 2). Kaiken pitoisuudet eniten aminohappoja väheni GC ja CRC potilaille, kun taas mitään selkeää suuntauksia aminohappokonsentraatiot havaittu muissa ryhmissä (kuva 2). Lisäksi jotkin aminohapot osoitti vastakkaista suuntaukset eri syöpätyyppien. Esimerkiksi, pitoisuudet Thr määrä väheni GC ja CRC-potilailla, mutta kasvoi BC potilailla (kuvio 2). Nämä vaihtelut PFAA profiilien saattaisivat erityispiirteitä kunkin syöpä, toisin kuin rajallinen määrä aminohappoja, jotka ovat vastuussa aineenvaihdunnan muutoksiin yhteinen kaikista syövistä.

Muutokset PFAA profiileja alkuvaiheen syöpien

Vaikka muutoksia on PFAA profiileja cachexic joilla on pitkälle edennyt syöpä on hyvin dokumentoitu, harvat raportit ovat katsoneet alkuvaiheen potilailla. Kuitenkin suuri osa syöpäpotilaiden nykyisen tietojoukon olivat alkuvaiheessa taudin (taulukko 1). Erot PFAA profiilien mukaan taudin vaiheessa oli siten tutkittiin kunkin syöpä (kuva 3, kuva S1, taulukko S3, taulukko S4).

akselit esittävät AUC ROC kunkin aminohapon erotteleva potilaiden valvontaa. A. Vertailu pitoisuuksia syöpäpotilaiden ja valvontaa. B. Vertailu suhteiden syöpäpotilaiden ja valvontaa. Mittakaavassa on kuvattu kuviossa 2. LC, GC, CRC, ja BC, syöpä vaiheissa määritettiin mukaan International Union syöpää vastaan ​​TNM luokittelu pahanlaatuisia kasvaimia, 6. painos [38], ja PC, syövän vaiheissa määritettiin mukaan Jewett lavastus järjestelmää [39].

Erityisesti muutoksia on PFAA profiilien havaittiin kaikilla potilailla, mukaan lukien alkuvaiheessa sairauden, nykyisessä tutkimuksessa. Kaikki aminohappo pitoisuudet ja suhteet olivat voimakkaasti vähentynyt alkuvaiheen tautia sairastavilla potilailla, riippumatta myöhemmän etenemisen. Erityisesti merkittävää laskua kunkin aminohapon pitoisuus havaittiin GC ja CRC-potilailla (kuvio 3A), ja muutokset kunkin suhde oli huomattava kaikissa syöpäpotilaiden (kuvio 3B).

alkuvaiheen syöpä potilaat ovat yleensä oireettomia. Lisäksi useimmat aiheista esillä olevassa tutkimuksessa ei osoittanut merkittävää painon (oire tyypillinen kakektisia potilaita) (taulukko 1), anoreksia, tai seerumin albumiini pitoisuuksina (tuloksia ei ole esitetty). Muutokset PFAA profiilien syöpäpotilailla vaikutti siten riippumaton kaikista aiheuttamat huono ravitsemus johtuvat kasvaimen etenemistä.

erotteleva syöpäpotilaiden ja valvontaa PFAA profiileja

tulokset univariate analyysit ehdotti, että syöpäpotilaiden ja valvontaa voitaisiin syrjiä monimuuttujamenetelmin. Olettaen, että syövän esiintymisen ja pitoisuudet tai suhteet PFAA profiilien olivat objektiivisia ja selittäviä muuttujia, vastaavasti, LDA pystyi erottamaan syöpäpotilaille vastaavasta säätimet vaihtelevalla valinta. Tulokset muuttujan valinta on esitetty taulukossa 2 (pitoisuus) ja taulukossa S6 (suhde), tässä järjestyksessä.

Syrjintä kykyjä kullekin syöpäpotilaan arvioitiin käyttäen AUC ROC on syrjiä pisteet ja havaittiin olevan 0,75 kaikissa tapauksissa (taulukko 3 ja taulukko S7). Konkreettisesti analyysi, AUC erottelua varten potilaiden perustuu aminohappo pitoisuudet ja suhteet, vastaavasti, olivat myös arvioitu seuraavasti: 0,802 (95% CI: 0.766~0.838) ja 0,802 (95% CI: 0.767~0.837) LC ; 0,849 (95% CI: 0.816~0.882) ja 0,816 (95% CI: 0.780~0.852) GC; 0,874 (95% CI: 0.842~0.906) ja 0,881 (95% CI: 0.851~0.910) CRC; 0,778 (95% CI: 0.741~0.815) ja 0,778 (95% CI: 0.741~0.815) BC; ja 0,783 (95% CI: 0.740~0.826) ja 0,779 (95% CI: 0.740~0.819) PC (taulukko 3 ja taulukko S7). Syrjiä analyysi saattoi siis riittävästi erottaa erityyppisten potilaan syöpää.

Muuttuva valinta suoritettiin myös jokaiselle syöpäpotilaan. Kahdeksan aminohappoa valittiin enemmän kuin kaksi viidestä syöpien: Gin, Ala, Vai, Ile, His, Trp, Orn, ja Lys pitoisuuksien (taulukko 2A); ja Ser, Gin, Val, Met, His, Trp, Lys ja Arg suhteille (taulukko S6). Neljä aminohappojen (Gin, Val, His, ja Trp) kesken kunkin ryhmän valittiin molemmille selittävät muuttujat (taulukko 2 ja taulukko S6). Nämä aminohapot olivat samanlaisia ​​kuin ne, jotka liittyvät kaikkien syöpien kuten on esitetty yhden muuttujan analyysin (Gin, Trp, His, Pro, ja Orn).

Toisaalta, joitakin aminohappoja osaksi LDA malli ei katsottu merkittäviksi aminohappojen yksiulotteista analyysi. Esimerkiksi Val pitoisuus ei osoittanut merkittävää muutosta yksiulotteista analyysissä (kuvio 2A), mutta se otettiin osaksi LDA malli (taulukko 2). Koska plasman kunkin aminohapon metabolisesti yhdistetty toisiinsa, saattaa olla mahdollinen korrelaatio, jota ei voida havaita yhden muuttujan analyysiin, yksin. Todellakin, Spearmanin osittainen korrelaatiokerroin Val ja syövän (tai ei) oli -0,127 (p 0,001), kun taas korrelaatiokerroin Näiden kahden tekijän oli 0,035 (ei merkitsevä). Näin ollen tämä viittasi siihen, että saadaan LDA mallin heijastuu metabolisen verkon PFAAs, jotka eivät olleet ilmeisiä perusteellisesti yhden muuttujan analyysiin,.

Koska saadut tulokset on ehkä yli-optimoitu, LOOCV suoritettiin tuottaa puolueeton analyysi . Tämä tuotti AUC kaltaiset saatu LDA, mikä viittaa siihen, että ei ollut selvää yli-optimointi saatu LDA mallit (taulukko 3 ja taulukko S7).

alaryhmäanalyyseissa jaettujen tietokokonaisuuksien mukaan syövän vaiheessa, mukaan lukien vastaavat säätimet, suoritettiin sitten arvioida kykyä PFAA profiilien erottaa vaiheissa syövän kunkin sairauden. Missään vaiheessa kunkin syöpä, AUC ROC todettiin olevan suurempi kuin 0,75, mikä viittaa siihen, että saadut LDA malleja voisi sen vuoksi odottaa olevan tehokkaita havaitsemisessa varhain sekä pitkälle syöpiä (taulukko 3 ja taulukko S7).

syrjintä kykyjä kaikille syöpäpotilaille arvioitiin myös. AUC-arvot ROC sekä pitoisuudet ja suhteet olivat 0,796 (95% CI: 0.779~0.814) ja 0,785 (95% CI: 0.767~0.803), vastaavasti (taulukko 3 ja taulukko S7). Erityisesti, useimmat 19 aminohappoja tilastollisesti valittu näiden syrjinnän: 16 pitoisuuksien ja 12 suhteet. Jopa käyttämällä karkea luokittelu, riippumatta syövän tyypistä, oli mahdollista erotella potilaiden ja verrokkien suurella tarkkuudella, ja yleinen maksut lukuisia aminohappoja saattaa heijastaa suuren mittakaavan ominaisuus muuttuu syöpään liittyvän aineenvaihduntaan.