Krooninen sairaus

tiivistelmä

Background

Yli kaksi kolmasosaa naisista, jotka tehdään leikkaus epäiltyjen munasarjojen kasvain ei ole syöpä. Aikaisemmat tulokset viittaavat fosfolipidejä mahdollisina biomarkkerit munasarjasyöpä. Tässä tutkimuksessa mittasimme seerumin useista fosfolipideistä naisten leikkauspotilaiden epäiltyjen munasarjasyöpä tunnistaa biomarkkerit että paremmin ennustamaan, onko munasarjamassaa on pahanlaatuinen.

Menetelmät /Principal Havainnot

saadut seeruminäytteet ennen leikkausta naisilta, joilla epäillään munasarjasyövän ilmoittautunut kautta prospektiivinen, väestöpohjainen nopea toteaminen järjestelmän. Näytteet analysoitiin kaikki naiset, joille diagnoosi munasarjan epiteelin syövän (EOC) vahvistettiin ja hyvänlaatuinen sairaus tapauksissa valitaan satunnaisesti jäljelle jääviin (ei-EOC) näytteitä. Mittasimme biologisesti relevantteja fosfolipidejä käyttämällä nestekromatografiaa /sähkösumutusionisaatiota massaspektrometrialla. Käytimme tehokas tilastollinen ja kone oppimisen lähestymistapaa, Hybrid huberized tukivektorikone (HH-SVM) priorisoida fosfolipidejä syöttää biomarkkereiden malleja, ja käyttää ristivalidointi saamiseksi konservatiivinen arvioiden luokitteluvirheeseen hinnat.

Tulokset

HH-SVM mallia käyttäen mittauksia erityisiä yhdistelmiä fosfolipidien täydentää kliinisiä CA125 mittaus- ja parantaa diagnostista tarkkuutta. Erityisesti mittaus fosfolipidien parantunut herkkyys (tunnistaminen tapauksissa preoperatiivisen CA125-pitoisuudet olivat alle 35) joukossa kahdenlaisia ​​joissa ca125 suorituskyky on historiallisen huono – varhaisessa vaiheessa tapauksissa ja niille mucinous histologia. Mittaus fosfolipidien paransi tunnistamista varhaisessa vaiheessa tapauksissa 65% (perustuen CA125) ja 82%, ja mucinous tapauksissa 44%: sta 88%.

Johtopäätökset /merkitys

Tasot erityisten seerumin fosfolipidejä erilaisia ​​naisilla munasarjasyövän ja ne, joilla lieviä sairauksia. Jos validoitu riippumattomissa tutkimuksissa tulevaisuudessa, nämä biomarkkerit voi toimia lisänä aikaan kliinisen esityksen, erottamaan naisten munasarjasyövän ja ne, joilla lieviä olosuhteita jaetulla oireita ja ominaisuuksia.

Citation: Shan L, Chen YA, Davis L, Han G, Zhu W, Molina AD, et al. (2012) mittaus Fosfolipidit voi parantaa diagnostinen tarkkuus munasarjasyövässä. PLoS ONE 7 (10): e46846. doi: 10,1371 /journal.pone.0046846

Editor: Anthony WI. Lo, Kiinan University of Hong Kong, Hongkong

vastaanotettu: 26 lokakuu 2011; Hyväksytty 10 syyskuuta 2012 mennessä; Julkaistu: 17 lokakuu 2012

Copyright: © Shan 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 tutkimus rahoittivat American Cancer Society (crtg-00-196), National Cancer Institute (R01-CA106414), puolustusministeriön DAMD17-98-1-8659 ja Celma Mastry munasarjasyöpä Foundation. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat lukenut lehden politiikan ja ovat seuraavat ristiriitoja: 1) Tekijät ja tytärlaitosten patentteja on fosfolipidejä analysoitiin tämän julkaisun ja 2) Yksi tai useampi kirjoittajat ovat työsuhteessa kaupallinen yritys. Seuraavat patentit jätettiin seurauksena Tutkimuksen suorituksen: -menetelmä syövän käyttäminen LPA kuin Marker, Serial # 61/189495, tiedosto Date 20.08.08. Lisensoitu 01/09; Menetelmä tutkittavan Cancer käyttäminen Plasmalogens kuin Markers, Serial # 61/199565, tiedosto Date 18.11.08. Lisensoitu 01/09; Menetelmä tunnistamiseksi tai valvomiseksi Cancer Käyttämällä LPC merkkiaineena (LPC 14:0), PCT /US2008 /012483, tiedosto Date 11.05.08. Lisensoitu 01/09; Lysofosfatidyylikoliini biomarkkerina munasarjasyövän, patentti US6248553 B1, jättöpäivä 5.13.05. Tuolloin tämä tutkimus suoritettiin ja käsikirjoitus oli kirjoitettu kaksi tekijäkumppaneita, Lain Shan ja Lorelei Davis, palveluksessa oli kaupallinen yhtiö, jonka nimi Frantz Biomarkkerit, LLC. Frantz Biomarkkerit, LLC ei ole enää toimiva kaupallinen yritys. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

Tietojen perusteella naisilla on vasta diagnosoitu munasarjasyöpä, ne, joiden leikkaus suoritetaan jonka gynekologiset onkologi on alhaisempi sairastuvuutta ja kuolleisuutta sekä entistä parempi eloonjäämisen [1], [2]. Tähän mennessä Yhdysvalloissa, alustava leikkaus epäiltyjen munasarjasyöpä suoritetaan usein ilman lähetettä tällaisia ​​asiantuntijoita [1]. Tämä johtuu osittain siitä ei ole tarkkaa keinoa tietää etukäteen leikkausta onko lantion massa epäillään olevan munasarjasyövän on, itse asiassa, syöpä. Tämän seurauksena yli kaksi kolmasosaa naisista, jotka tehdään leikkaus epäiltyjen munasarjojen kasvain ei ole syöpä [3] – [5]. Koska se on arvioitu, että 5-10% Yhdysvaltain naisista kokee kirurgisen epäiltyjen munasarjojen kasvain elämänsä aikana, tämä on ongelma merkittävä kansanterveydellinen vaikutus [6].

Tällä hetkellä on vaikea asianmukaisesti triage naisten lantion massa gynekologiset onkologit perustuu vahvasti syytä epäillä munasarjasyöpä, koska on rajoitettu työkaluja suorittaa tällaisen arvioinnin. Uusi verikoe, OVA1, äskettäin saanut FDA: n hyväksynnän lisälaitteeksi esikirurginen arvioinnissa adnexal massojen [7]. Ainoa validoitu hyvin munasarjasyövän biomarkkereiden kliinisessä käytössä, seerumi CA125, on koholla vain noin puolet varhaisessa vaiheessa epiteelin munasarjasyöpä (EOC) ja ei kohonnut noin 20% kaikista vaiheessa EOC, jolloin se ole riittävän herkkiä [8] [9] kantavassa yleisimmin raportoituja CA125 viitearvon että nimeää kliinisesti positiivisen seulontatuloksen on 35 yksikköä /ml, vaikka CA125 on myös kohonnut monissa hyvänlaatuinen Gynekologiasairauksien sairaudet, mukaan lukien monet tilat, jotka liittyvät lantion massoja. Yksi ensimmäisistä harvoista seulonta tutkimuksia yhdistämällä CA125 ja ultraääni on osoittanut, että käyttämällä seerumia CA125 kuin ensimmäinen rivi testi ja lantion ultraääni toissijaisena testi on korkea spesifisyys (99,9%) ja positiivinen ennustearvo (26,8%) havaitsemiseksi munasarjasyöpä [10 ]. Retrospektiivinen analyysi korkean riskin naisilla, toistuvia mittauksia CA125 arvojen sisällytetty pituus- tilastollisten mallien osoitti parannettu herkkyys 70%: sta 86% säilyttäen spesifisyys 98% [11]. Tuoreessa Suuri mahdollisille tutkimuksessa (UK Collaborative Trial Munasarjojen Screening [UKCTOC]), jossa arvioidaan Multimodaalisuuden seulonta (vuotuinen CA125 seulonta tulkitaan käyttäen algoritmia munasarjasyövän riski yhdessä transvaginal ultraäänitutkimus toisena rivi testi) ehdottaa, että multimodaalisuutta on huomattavasti suurempi spesifisyys (99,8%) kuin ultraäänen yksinään (98,2%) havaitsemiseksi primääri munasarjojen ja munanjohtimien syövät, vaikka mitään tilastollisesti merkitsevää eroa herkkyydessä todettiin [12]. Eturauhasessa, Lung, peräsuolen ja munasarjasyöpä seulonta tutkimuksessa, satunnaistetussa tutkimuksessa, tulokset neljän kierroksen munasarjasyövän seulonta osoitti, että suurin osa näytön havaitut tapaukset olivat myöhäisvaiheen [13], joka tukee tarvitaan lisää menetelmiä ja strategioita varhaiseen havaitsemiseen. Siten työkalun tai biomarkkereiden avulla tarkka luokittelu potilaita korkean ja matalan riskin ryhmiin munasarjojen maligniteetti parantaisi kykyä asianmukaisesti triage potilaita gynekologiset onkologit. Lisäksi yksittäisissä tapauksissa lantion massa, jossa kliininen epäilys maligniteetin ei ole korkea, on mahdollista, että biomarkkereiden arviointi saattaisi helpottaa valpas odottaa ja johtaa vähemmän ja /tai vähemmän kiireellisiä leikkauksia.

aiemmin analysoitujen kiertävän fosfolipidejä, lukien Lysofosfatidihappo (LPA) lysofosfatidyylikoliinilla (LPC) ja siihen liittyvät lajit, niillä on mahdollisuuksia syrjiä naisten EOC ja terveillä verrokeilla, lupaavia tuloksia [14]. Muissa viime työtä, tunnistimme plasmalogens kuin toinen ryhmä kiertävän aineita potentiaalia munasarjasyövän biomarkkereita [15]. Esillä olevassa tutkimuksessa olemme pyrkineet laajentamaan meidän aikaisempi työ kohti validoinnissa lupaavia biomarkkereita kliiniseen käyttöön diagnostiikassa munasarjasyöpä. Mittasimme seerumin useita lipidilajien, mukaan lukien erityisesti lajien LPA, LPC ja plasmenylphosphoethanolamine (PPE), jotta voidaan arvioida niiden suorituskyky erotteleva välillä EOC ja hyvänlaatuinen sairaus verrattuna, tai yhdessä, kliininen mittaus CA125 vuonna preoperatiivisen näytteissä saatu takautuvasti naisilta, joilla oli epäillään munasarjasyöpä.

Jotkut yleisen laskennallisia haasteita biomarkkerin tutkimuksiin kuuluvat seuraavat: tunnistetaan voimakas tilastollisia menetelmiä, valitsemalla ennustavan markkereita päässä (suuri) paneeli ehdokkaista, arvioidaan liitoksen vaikutukset useita markkereita, ja välttämällä malli overfitting monimutkaisuuden vuoksi epälineaarinen laskennallisten mallien. Tukivektorikone (SVM) on osoitettu olevan parempi suorituskyky kannalta luokittelun tarkkuutta ja on todettu yhdeksi tehokkaimmista tilastollisia ja koneoppimisen menetelmiä analysoida korkea-ulotteinen data, kuten johdettu geenien ilmentymistä ja biologisten merkkiaineiden tutkimukset [16], [17]. Tutkimuksessamme olemme palkanneet SVM. Priorisoida markkereita syöttämällä mallia, ensin käytetty Hybrid huberized tukivektorikoneet (HH-SVM), joka valitsee automaattisesti muuttujat ja arvioida niiden merkitys tehokkaan laskennallisia kustannuksia [18]. Välttämiseksi malli overfitting, käytämme yhteistä resampling tekniikka, viisinkertaisesti ristivalidointi, saadakseen enemmän tavoitteeseen virhemääriä [19]. Lyhyesti, ensin asennetaan mallia käyttäen 4/5 tietojen testatessasi tuloksia jäljellä 1/5 tietojen, ja tämä vaihe toistettiin 5 kertaa niin, että kukin 1/5 tietojen validoitiin kerran malli kehittäminen. Olemme kehittäneet kaksi mallia tässä tutkimuksessa, yksi askel malleja ja kaksivaiheista mallia. Kehittää yksivaiheinen malleja, CA125 oli mukana yhdessä muiden mitattujen biomarkkerit kuten jatkuvia muuttujia, joilla ei ole ennalta määritetty cutpoint. Kehitetään kaksivaiheista mallia, ensin käytetty yleisesti raportoitu kliininen viitearvon 35 yksikköä /ml CA125 että nimeää positiivisen seulontatuloksen ja käytettiin sitten meidän algoritmi muiden mitattujen biomarkkerit jotta kyselyn onko lisätesti lisättiin tämän viitearvon CA125 voisi parantaa diagnostista tarkkuutta luokittelussa, naisten kanssa kliinisen esittely epäillään munasarjasyöpä, välillä ”tapaukset” (näytteet naisilta, joille leikkaus vahvisti EOC) ja ”benigns” (näytteet naisilta, joille leikkaus vahvisti no munasarjasyöpä). Lisätietoja mallin kehittämiseen annetaan tilastollisen osiossa.

Materiaalit ja menetelmät

Oppiaineet

tutkimusprotokolla tarkasteli ja hyväksynyt Institutional Review Board yliopistossa Etelä-Floridan ja kaikki osallistujat kirjallinen lupa. Aiheita nykyisessä tutkimuksessa otettiin kautta meneillään oleva prospektiivinen väestöpohjaisia ​​tutkimus munasarjasyövän että Tampa, Florida pääkaupunkiseudulla (väestö noin 2 miljoonaa). Kautta tutkimus nopea toteaminen järjestelmän yhteensä 1057 naisten epäillään munasarjasyövän otettiin ennen leikkausta välillä tammikuussa 2005 ja maaliskuussa 2009 osuus oli arviolta 75% kaikista tukikelpoisista tapauksista rajatulla maantieteellisellä alueella. Naiset, joilla on aiemmin yksipuolinen tai munasarjojen poisto olivat tukikelpoisia, koska oli naisia, joilla on aiemmin ollut syöpä (lukuun ottamatta ei-melanooma ihosyöpä). Kaikki potilaat saivat ennen leikkausta radiologisen kuvantaminen, joko lantion ultraääni, CT, ja /tai MRI. Vain potilaat, joille tehtiin leikkaus perustuu kliininen epäilys munasarjasyövän olivat oikeutettuja ja jos potilas oli diagnosoitu EOC, kirurgiset lavastus dokumentoitiin (mukaan lukien 233 johonka EOC vahvistettiin – määritellään ensisijaisiksi munasarja-, ensisijainen munanjohtimen tai ensisijainen vatsakalvon syöpä). Hyvänlaatuinen näytteet valittiin satunnaisesti jäljelle jääviin (ei-EOC) näytteitä; hyvänlaatuinen patologiat sisältävät endometrioosi, munasarjojen kysta, ja munasarjojen fibroma. Preoperatiivinen seerumin CA125 kliinisiä mittauksia saatiin potilastietoja. Patologia oli keskeisesti asiantuntija tarkistaa munasarjasyöpä patologi (S.N). Kaikki histologiset arvioinnit suoritettiin sokaissut laboratorioon arvot biomarkkereiden määritykset ja kaikki laboratoriokokeet suoritettiin sokkona histologinen tulos (hyvänlaatuinen vastaan ​​EOC). Näytteitä joistakin aiheista tässä tutkimuksessa olivat itsenäisesti genotyypitetty genomin laajuinen yhdistys, jolla selvitettiin alttiuslokukset liittyy munasarjasyövän riski [20] ja /tai testattu mutaatioita tunnetuissa munasarjasyövän alttiusgeenit [21].

seeruminäytteet

Verinäytteet tutkimus biomarker mittaukset saatiin rutiini laskimosta ennen leikkausta. Näytteiden annettiin hyytyä ja pidettiin huoneen lämpötilassa kuljetuksen aikana. Näytteet sentrifugoitiin ja seerumi alikvootteihin kryoputkiin, pakastettiin -80 ° C neljän tunnin kuluessa näytteen keräämistä ja säilytetään pakastettuina, kunnes laboratoriokokeista.

lipidiuuttoon

Lipidit uutettiin käyttäen modifioitua Bligh -Dyer menetelmä [22], joka seuraa alla kuvattua menettelyä: valmistettiin seos, joka koostuu 1000 pmol DHPE (1,2-Diheptadecanoyl-

sn

-glysero-3-fosfoetanoliamiini), 200 pmol [

13C

16] 16:0 LPA (raskas isotooppi hiili-13-leimattu 1-palmitoyyli-2-hydroksi-sn-glyseroli-3-fosfatidihappo), ja [

13C

3] 14:0 LPC (raskas isotooppi hiili-13-leimattu 1-myristoyyli-2-hydroksi-sn-glyseroli-3-fosfokoliini (N, N, N

13C-trimetyyli)), joka lisättiin 200 ui potilaan seerumia, kerätään edellä on kuvattu. Nämä lisätään lipidejä toimi sisäiset standardit kvantifiointiin LPA, PPE, ja LPC, vastaavasti. Seosta vorteksoitiin ja 2 ml 02:01 (v:v) metanoli-kloroformia lisättiin. Uuden seosta vorteksoitiin jälleen ja pidettiin huoneen lämpötilassa 10 minuuttia. ja sitten sentrifugoitiin 3000 g 10 ° C: ssa 10 min. Sentrifugoinnin jälkeen kaksi kerrosta näkyi tässä seoksessa. Pintakerros on seos vedellä, metanolilla ja kloroformilla, kun taas alemman kerroksen on proteiinipitoinen pelletti. Ylimmän nestemäinen kerros siirrettiin toiseen putkeen ja kuivataan typessä. Kuivattu pelletti liuotettiin uudelleen 200 ul: ssa 0,1 M ammoniumasetaattia liuotettiin metanoliin ja siirretään pistoksen lisätä sisällä injektiopullo.

Kromatografia ja massaspektrometria

Nestekromatografia sähkösumutus tandem-massaspektrometrialla (LC /ESI /MS /MS) analyysejä LPA, PPE, ja LPC suoritettiin käyttäen Quattro Micro massaspektrometri (Waters, Milford, MA, USA) varustettuna sähkösumutusmenetelmän (ESI) koetin ja liitettynä Shimadzu SCL-10Avp HPLC järjestelmä (Shimadzu, Tokio, Japani).

LPA ja PPE kvantifiointiin, lipidit erotettuna Luna 5μ C18 (2) pylväs (50 x 2,0 mm, 5 um partikkelikoko, Phenomenex, Torrance, CA, USA). 1 mM ammoniumasetaattia vesiliuosta käytettiin liikkuvana faasina Jokin aika 1 mM ammoniumasetaattia liuotetaan metanoliin käytettiin liikkuvana faasina B. yhteensä ajoaika oli 15 minuuttia ja virtausnopeus oli 200 ul /min. Käytetty gradientti oli seuraava: kolonni ensin tasapainotettiin 20% B (80% A: ta), jota seurasi lineaarinen muutos 20% B (80% A) 100% B (0% A) ensimmäisen 3 min . Gradientti pidettiin 100% B (0%) seuraavan 8 min. Muissa 4 min, gradientti muutettiin takaisin 70% B (30% A) uudelleen tasapainota kolonni. Saastumisen vähentäminen massaspektrometrin, eluentteihin välillä 0-2,5 min ja 13-15 min ohjattiin jätteeksi. 20 ul: n näyte injektoitiin 50 ui injektion silmukka. Massaspektrometrinen analyysit tehtiin verkossa käyttämällä sähkösumutusionisaatiota tandem massaspektrometria kieltävä usean reaktion seuranta (MRM) -tilassa. MS parametrit ovat: kapillaari jännite, 3,0 KV; kartio jännite, 50 V; lähteen lämpötila 100 ° C; desolvaatiolämpötila, 350 ° C; virtausnopeus desolvation kaasun, 500 l /h; virtausnopeus kartio kaasu, 50 l /h; massa resoluutio sekä vanhemman ja tytär-ioneja, 15,0; kerroin, 650.

LPC kvantifiointiin, lipidejä erotettiin Hypersil GOLD DASH HTS pylväs (20 x 2,1 mm, 5 um partikkelikoko, Thermo Electron, Waltham, MA). 0,3% muurahaishappoa vedessä käytettiin liikkuva faasi A, kun taas 0,3% muurahaishappoa metanolin käytettiin liikkuvana faasina B. yhteensä ajoaika oli 14 min ja virtausnopeus oli 200 ul /min. Käytetty gradientti oli seuraava: kolonni ensin tasapainotettiin 20% B (80% A: ta), jota seurasi lineaarinen muutos 20% B (80% A) 100% B (0% A) ensimmäisen 3 min . Gradientti pidettiin 100% B (0%) seuraavan 7 min. Jäljellä 4 min, gradientti muutettiin takaisin 20% B (80% A) tasapainottua uudelleen pylvääseen. Saastumisen vähentäminen massaspektrometrin, eluentteihin välillä 0-2,5 min ja 11-14 min ohjattiin jätteeksi. 40 ul: n näyte injektoitiin 20 ui injektion silmukka. Massaspektrometrinen analyysit tehtiin verkossa käyttämällä sähkösumutusionisaatiota tandem massaspektrometria positiivisessa usean reaktion seuranta (MRM) -tilassa. MS parametrit ovat: kapillaari jännite, 4,0 KV; kartio jännite, 40 V; lähteen lämpötila 100 ° C; desolvaatiolämpötila, 350 ° C; virtausnopeus desolvation kaasun, 500 l /h; virtausnopeus kartio kaasu, 50 l /h; massa resoluutio sekä vanhemman ja tytär-ioneja, 15,0; kerroin, 650.

Laboratorio laadunvalvontatoimenpiteet

Koska erän vaikutukset ovat potentiaalinen ongelma biomarkkereiden löytö ponnisteluja, olemme palkanneet useita strategioita seurata ja edustavat tämän huolen, kuten sisäisiä standardeja, laatu kontrollinäytteitä ja kalibraattorit. Sisäisen standardit on kuvattu edellä (kohdassa ”Lipid Extraction”). Laadunvalvonta (QC) näytteitä koostui useista identtisistä 300 ui alikvootit yhdistettiin ihmisen seerumin. Yksi QC näyte ajettiin ennen joka 10. kliinisistä näytteistä. Kalibraattorit koostui vaihtelevia pitoisuuksia puhdasta rasva-standardien, joka on lisätty 4% ihmisen seerumialbumiinia DPBS-puskuria. Yhdeksän eri pitoisuutta kalibraattorit tehtiin kantaliuosta ja ajaa ennen kutakin 100 näytettä.

Data Pre-processing ja normalisointi

Data on saatu kolmesta laadunvalvonta strategiat edellä kuvattuja käytettiin osoitteen run-to-run vaihtelua ja luoda perusta muuntamiseksi kromatografiaa piikin alueen ehdoton pitoisuudesta kullekin analyytille. Kuuluvilla alueilla kromatografia huiput 8 PPE: iden, 6 LPAs, 5 LPC ja niiden vastaavia sisäisiä standardeja (leimata raskaat isotoopit) saatiin. Kuuluvilla alueilla huiput sisäisten standardien käytettiin arvioimaan huipun suhde analyytin ja sisäisiä standardeja. Käyttäytymistä kunkin analysoitavan piikin sukupolven verrattuna sen vastaavaan sisäiseen standardiin oli samanlainen, lukuun ottamatta SPC ja PAF-C16; Näiden analyyttien jätettiin analyyseistä. Siten yhteensä 17 lipidien ja CA125 sisällytettiin analyyseihin.

Anna

R

llä huipun suhde ala kromatografisen piikin analysoitavan yli sisäisiä standardeja, ja

C

merkitsevät pitoisuus. Koska havaittu lineaarinen suhde määrälliset huipun suhde ja pitoisuus tunnetaan jokaisessa kalibrointireagenssina datajoukko, yksinkertainen lineaarinen regressio suoritettiin arvioida regressio kaltevuus kunkin erän,, jota sitten käytettiin pitoisuuden muuntamista varten kliiniset näytteet huippu suhde kuten. Käytimme QC näyte ajaa jokaisen 10 kliinistä näytettä tutkia vaihtelun mahdolliset erän vaikutusta. Arvioitu QC pitoisuus käytettiin myös laskea erä säädettiin pitoisuudet kullekin analyytille niin, että pitoisuudet olivat vertailukelpoisia eri erissä kunkin LPAs ja PPE: itä. Jos mukautettu pitoisuus oli pienempi kuin nolla, niin nolla käytettiin arvioitu pitoisuus. Sillä LPC, ei ollut havaittavissa viitteitä erän vaikutuksia. Siksi ei erää oikaisu tehtiin.

Development of Statistical Models

Meillä työskentelee tehokas tilastollinen ja kone oppimisen lähestymistapaa, SVM [16], [17], luokittelemaan 211 näytteitä potilaat diagnosoidaan EOC (tapaukset) ja 212 hyvänlaatuinen näytteistä (benigns) mukaan analyysiin. Vaikka SVM osoittaa erinomaisen luokituksen suorituskyky moniin muihin tilastollisiin ja koneoppimisen menetelmiin, se myös jakaa joitakin yhteisiä haasteita muilla menetelmillä, nimittäin muuttuva valinta (biomarkkereiden valinta) ja prosessissa voi muodostua liian optimistinen virhe johtuneita mallintaa overfitting. Käytimme HH-SVM [18] ensin priorisoida markkereita tulla malli luokituksen välillä benigns ja tapaukset. HH-SVM yhdistää huberized sarana tappiofunktion ja elastinen-net rangaistus suorittaa luokittelun ja vaihteleva valikoima. Käytimme aiemmin julkaistu

R

koodi [18] tuottaa paino tontteja priorisoida markkereita perustuu niiden merkitys luokitteluun. Koska seerumi CA125 on yleinen biomarkkereiden kliinisessä käytössä, rakensimme malleja sisällyttämällä CA125 ja lisäämällä ehdokas markkeri lipidien yksi kerrallaan, jotka perustuvat painojen arvioitiin HH-SVM. Kukin SVMs sovitettiin Matlab toiminto

svmclassify

ja parametrit arvioitiin. Käytimme

K

kertainen ristivalidointi (CV), jotta malli overfitting [19], jossa

K

= 5 tutkimuksessamme. Yleistetty virheet arvioidaan käyttäen 5-kertainen rajat validointi on enemmän tavoite [19] kuin virhemääriä arvioitu ilman ristivalidointi. Tiedot jaettiin

K

(= 5) suunnilleen yhtä suureen osaan. Sillä

k

th (eli 5

th) osa, on suunnilleen yhtä suuri osa EOC tapauksen ja hyvänlaatuisia näytettä (puolet ja puolet) ja malli on kiinnitetty muihin

K

-1 (= 4) osaa tiedoista. Ennustevirhe Mallin laskettiin sitten

k

th osa. Menettely suoritettiin

k

= 1, 2, …, 5, ja sitten ristin validointi arvio ennustevirhe (CV virhettä) laskettiin aswhere on osa, joka sisältää havainnon

i

, ja on sovitettu arvo tarkkailtavaksi

i

laskettuna kanssa

th osa tiedoista poistetaan.

Olemme kehittäneet kaksi mallia, yhden askeleen malleja ja kaksi- askel malleja. Saat yhden askeleen malleja, emme käyttäneet tiettyä cutpoint varten CA125 arvot vaikka CA125 arvot sisällytettiin SVM malleissa. Jotta kaksivaiheinen malleja, kehitimme algoritmeja korkean ja matalan riskin ryhmiin käyttämällä ensin ca125 cutpoint 35 yksikköä /ml, koska tämä on yleisin raportoitu viitearvon käytetään kliinisesti nimettävä positiivinen testi, ja on myös käytetty seulonnassa tutkimuksissa määritellä poikkeava testitulos, myös eturauhasen, keuhkojen, peräsuolen, munasarjasyöpä seulonta Trial [13] .Siksi käytimme yksinkertaista cutpoint 35 yksikköä /ml ensimmäinen askel rakennettaessa kaksi- askel malleja. Huomaa, että kaikki potilaat tutkimuksessamme kävi diagnostisen radiologian kuvantaminen, eikä seulonta, ja kuvantaminen tietoja ei sisällytetty malliin kehitystä.

yksivaiheisen malleja, tietylle joukko markkereita, malli on kehitetty samalla tavalla kaikille näytteille, riippumatta ennen leikkausta CA125 tasolla. Aloitimme malli kehitystä CA125 yksin. Ehdokas fosfolipidit paremmuusjärjestykseen painot muodostetaan käyttämällä HH-SVM kuten edellä on kuvattu, ja sitten ne lisättiin mallien yksi kerrallaan aikana mallin kehittämiseen. Käyttämällä rajat validointi on enemmän konservatiivinen verrattuna malleihin kehittää ilman ristivalidointi. Todisteita periaatteen kehitimme molemmat mallit kanssa ja ilman ristivalidointi, mikä osoittaa, että mallit rajat validointi tuotto objektiivisempi virhemääriä.

kaksivaiheinen malleja, näytteet ensimmäinen luokiteltu high -CA125 (CA125≥35 yksikköä /ml) ja matalan CA125 (CA125 35 yksikköä /ml) kanssa. Toisessa vaiheessa, olemme kehittäneet erilliset mallit kullekin kaksi ryhmää, korkean ja matalan-CA125 ryhmiä, vastaavasti. Erityisesti olemme kehittäneet kaksivaiheista mallia, joka perustuu yleisesti raportoitu cutpoint CA125 35 yksikköä /ml on ensimmäinen askel; Sitten kysytään, toinen testi lisätä tähän viitearvon CA125 voi parantaa diagnostista tarkkuutta luokituksessa ”tapaukset” (näytteitä naisten EOC) ja ”benigns” (näytteitä naisten, syöpä).

Tulokset

nykyinen tutkimus sisältyi näytteitä kaikki osallistujat, joille diagnoosi EOC vahvistettiin (N = 233) ja yhtä monta satunnaisesti valittua näytettä naisia ​​saman kohortin diagnosoitu hyvänlaatuinen sairaus. Kaksi tapausta jätettiin vuoksi ei ole saatavilla tietoa preoperatiivisen CA125 tasolla. Alustava analyysi (käyttäen boxplots ja histogrammit, tuloksia ei esitetty) ehdotti, että tasot mitattiin biomarkkerit saattavat vaihdella eri rotua ryhmien, ja vain pieni osa näytteistä ovat ei-valkoihoinen aiheista. Siksi me rajattu analyysi valkoihoisiin. Tämä johti yhteensä 211 EOC näytteitä ja 212 hyvänlaatuinen näytteet ovat analyyseihin. Niistä 211 EOC tapauksissa keski-ikä (± keskihajonta) oli 62 (± 12) vuotias, 31 premenopausaalista ja 180 postmenopausaalista. Niistä 212 benigns, keski-ikä (± keskihajonta) oli 57 (± 14), joiden joukossa 65 oli premenopausaalista ja 147 postmenopausaalista. Lisää yksityiskohtia ominaisuuksia EOC tapaukset on esitetty taulukossa 1.

CA125 tulokset

yhteensä 211 tapausta ja 212 benigns otettiin mukaan analyysiin. Käyttämällä vain ca125 keskittymän cutpoint 35 yksikköä /ml luokitella näytteet tapauksissa (CA125≥35 yksikköä /ml) ja benigns (CA125 35 yksikköä /ml), virhetaso on 29,79% (126/423). Herkkyys on 84,36% (178/211) ja spesifisyys on 56.13% (119/212). Väärien positiivisten määrä (hyvänlaatuinen näytteet luokitellaan tapauksissa) on melko korkea, kuten on tyypillistä kliinisessä käytössä.

Yksivaiheiselle Results

Aloitimme malli kehitystä CA125 yksin, ainoa yleisesti käytetty kliininen biomarkkeri munasarjasyöpä. Muita markkereita lisättiin osaksi mallia yhden kerrallaan perustuen painojen arvioitiin käyttäen HH-SVM (taulukko 2).

Kuten on kuvattu menetelmiä, yhdet malleista oli varustettu CV, ja toinen ilman CV. Arvioitu virhetasot malleja joissa 1.-5 mukana markkereita on koottu taulukkoon 3. Kuten odotettua, mallit ilman CV on enemmän optimistinen virheasteita. Koska määrä muuttujia kasvaa, virheiden määrä pienenee. Sen sijaan CV virhe mallien merkinnöillä, CA125 ja 16:0, 18:1 PPE, on pienin joukossa 5 mallia varustettu CV (taulukko 3). Kuten määrä markkereita kasvaa 2-5, CV virheet tulevat suuremmiksi (sijasta pienempi). CV virheet lisääntyvät määrää markkereita kasvaa ja osoittavat overfitting odotetusti. Mallit Useammat markkereita ei ole lueteltu tässä. Malli pienellä CV virhettä sisältää kaksi markkereita, CA125 ja 16:0, 18:1 PPE. Sen parannus luokituksesta malli ainoa CA125 johtuu paraneminen spesifisyyden. Spesifisyys on 85,38% ja herkkyys on 70,62%. Voit vertailla mallin kuin cutpoint 35 yksikköä /ml CA125, asettamalla spesifisyys 56.13%, herkkyys parani 84,36%: sta 88,15%. Samalla tavalla, käyttämällä tätä mallia, on vertailukelpoinen diagnostinen spesifisyys 58.49% (verrattuna 56.13%) tämän joukko näytteitä, säilyttäen herkkyys 84.36%.

Kaksivaiheinen Malli tulokset

yksivaiheisessa malleja edellä, olemme osoittaneet, että mallin kehittäminen käyttäen rajat validointi on enemmän konservatiivinen. Näin ollen kaksivaiheista mallia, käytimme vain konservatiivinen lähestymistapa kehittää malleja välttämiseksi overfitting. Kuten kuvattu kohdassa Materiaalit ja menetelmät, näytteet ensimmäinen luokiteltu korkean CA125 (CA125≥35) tai matala-CA125 (CA125 35) ryhmiä. Toisen vaiheen, kehitimme erillinen SVM malleja korkean ca125 ja matala-CA125 ryhmiä. HH-SVM kuvatun Materiaalit ja menetelmät jaksossa käytettiin priorisoida biomarkkereita korkean ja matalan-CA125 ryhmissä, vastaavasti.

Perustuu sijoitusta merkkiaineiden kussakin korkean ja matalan -CA125 ryhmät (taulukko 4), rajat validointi virheet SVMs kanssa 1-7 markkereita arvioitiin vastaavasti. Heikosti CA125 ryhmä, ensimmäinen SVM malli sisältää kärkipään markkeri, 16:0, 18:1 PPE. Ensimmäiseksi mallia asennettu ja CV virhe arvioitiin. Toinen SVM malli sisältää ylimääräisen markkeri mallissa, 15:0 LPC lisäksi alkuperäiseen (parhaan sijoituksen) markkeri, 16:0, 18:1 PPE. Tämä menettely lisäämisen merkkiaineiden yksi kerrallaan malleiksi perustuu painojen arvioitiin HH-SVM toistetaan malleissa 3 markkereita, 4 markkereita, ja jopa 7 merkkiaineita. Kuten määrä markkereita mallissa kasvaa, lisääntynyt CV virheet osoittavat overfitting mallien odotetusti, joten lopetimme lisäämällä markkereita. Heikosti CA125 ryhmä, että malli, jonka pienin CV virheprosentti on malli 4 markkereita: 16:0, 18:1 PPE, 15:0 LPC, 18:2 LPA, ja 18:0, 22:6 PPE (osana kaikkia 3 mallia taulukossa 5), ​​kutsutaan ”4 merkki set” taulukossa 5. korkean CA125 ryhmä, mallien asennettiin samalla tavalla. Ensimmäinen SVM sisältää kärkipään markkeri, 16:0, 18:1 PPE, ja muita malleja enemmän markkereita rakennettiin lisäämällä ne yksi kerrallaan. Ensimmäiseksi mallia asennettu ja CV virhe arvioitiin. Pienin CV virheprosentti on, että mallin 2 markkereita: 16:0, 18:1 PPE ja 14:0 LPC, (osana mallin

M3

taulukossa 5). Nämä 2 markkereita kutsutaan ”2 merkki set” taulukossa 5.

luokitteluvirheeseen hinnat, erityispiirteet ja herkkyydet kolmesta kaksivaiheinen mallia yhdistelmillä joko 2 merkki asetetaan ja /tai 4 markkeri sarjaa on esitetty yhteenvetona taulukossa 3. ensimmäinen vaihe mallinnuksen kaikki kolme mallia on identtinen, eli käyttäen CA125 pitoisuus 35 yksikköä /ml cutpoint luokitella näytteet korkea- ja matala- CA125 ryhmiä. Erilaisia ​​malleja korkean ja matalan CA125 ryhmät sovitettiin erikseen (taulukko 5). Ensimmäinen malli,

M1

, on erillinen SVM malleja korkean ja matalan CA125 ryhmiä. Merkkien kunkin SVM ovat 4 edellä mainittua merkkiainetta (16:0, 18:1 PPE, 15:0 LPC, 18:2 LPA, ja 18:0, 22:6 PPE), mutta mallit on varustettu erikseen kutakin