Krooninen sairaus

tiivistelmä

edennyt munasarjasyöpä (AOC) on yksi johtavista tappava gynekologisten syöpien kehittyneissä maat. Perustuen tärkeästä roolista angiogeneesin munasarjasyövän onkogeneesiin ja laajennus, me arveltu, että kehittämään ”angiogeenisten allekirjoitus” voivat olla hyödyllisiä ennustamiseen ennusteen ja tehokkuus angiogeneesin hoitojen tässä sairaudessa. Kuusikymmentäyhdeksän näytteitä vesivatsanesteet rikkihappotehtaiden 35 platinasta herkkä ja 34 platinasta resistenttien potilaiden hallitaan sytoreduktiivisen leikkaus ja 1

st-line karboplatiini-pohjainen kemoterapian analysoitiin käyttämällä Proteome Profiler

TM Human Angiogeneesi Array Kit, seulomalla läsnäolo 55 liukoisen angiogeneesiin liittyvät tekijät. Proteiini profiili perustuu ilmaus osajoukko 25 tekijät saattavat tarkasti erillään Kestää herkkä potilaalla on onnistumisprosentti on noin 90%. Proteiiniprofiilia vastaava ”herkkä” osajoukko liittyi merkittävästi pidempi PFS (8 [95%: n luottamusväli {CI}: 8-9] vs. 20 kuukautta [95% CI: 15-28]; Riskisuhde {HR} : 8.3, p 0,001) ja käyttöjärjestelmän (20,5 kuukautta [95% CI: 13,5-30] vs. 74 kuukautta [95% CI: 36-ei saavutettu] HR: 5,6 [95% CI: 2,8-11,2]; p Hyväksytty: 13 toukokuu 2016; Julkaistu: 03 kesäkuu 2016

Copyright: © 2016 Trachana 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.

Data Saatavuus: Kaikki asiaankuuluvat tiedot ovat paperi- ja sen tukeminen Information tiedostoja.

Rahoitus: Tätä työtä tukivat opetus myöntäminen Kreikan Society of Medical Oncology (HeSMO). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

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

Johdanto

Munasarjasyöpä on kaikkein vaarallisin gynekologinen syöpä kehittyneissä maissa. Mukaan SEER tietojen, noin 23000 naisia ​​on diagnosoitu munasarjasyövän lähivuosina ja noin 15000 heistä kuolee tautiin [1]. Kuolleisuutta tämän taudin johtuu pääasiassa siitä, että enemmän kuin 75% munasarjasyöpää sairastavien läsnä edennyt sairaus [2]. Edenneen taudin liittyy sytoreduktiivisen leikkaus yhdistettynä karboplatiinin /paklitakselikemoterapia. Huolimatta alkuperäisen tehokkuutta tämän terapeuttisen lähestymistavan, suurin osa naisista uusiutumisen, mediaani PFS noin 18 kuukautta, ja lopulta kuolevat munasarjasyöpä [3]. Yksi koko sopii kaikille lähestymistapa ei selitä laajaa genomi- ja proteomiikka monimuotoisuus munasarjojen kasvaimia. Tarkka mittaaminen proteiinimarkkereita tulee olemaan kriittinen erottamaan voimaan tehottomia hoitoja. Laajeneva putki kohdennettujen hoitojen ja lisäsi arvostavansa molekyylitason kuljettajat munasarjasyöpiä ovat tarjonneet useita uusia lähestymistapoja havaitsemiseen ja hoitoon seurantaan; nämä lähestymistavat ovat pääasiassa verikokeita verenkierrossa olevia kasvainsoluja, kasvainperäinen eksosomeiksi, varsi /esisolut, liukeneva kasvainmerkkiaineet, sekä käyttö genomista tai proteomic tietoja [4-8]. Tästä huolimatta ei vielä ole luotettavia biomarkkerit kykenee tunnistamaan munasarjasyövän hoitoon epäonnistumisia ennen röntgenkuvissa tai biokemiallinen näyttö etenemistä.

Angiogeneesi on prosessi tuotannon uusien verisuonten ja on tunnusmerkki syöpään liittyvän kasvaimen selviytymisen ja induktio tuumorimetastaasin [9]. Se muodostaa dynaamisen prosessin, jossa sekä angiogeneesiä ja anti-angiogeeninen proteiinit ovat osallisena angiogeneesin säätelyyn. Angiogeneesi on tärkeä rooli kasvainten synnyssä, kasvaimen laajeneminen ja askitesta muodostumista munasarjasyöpä. Myöhemmin edustaa helposti biologinen neste verrattuna kasvaimen näytteitä, vaikka se voi olla edustava biologista käyttäytymistä munasarjasyöpä verrattuna veren [10]. Olemme aiemmin osoittaneet, että VEGF: n tasot ovat merkittävästi korkeammat askites naisten, joilla on edennyt munasarjasyöpä verrattuna seerumissa samoista potilaista [11], mikä viittaa siihen, että angiogeeninen aktiivisuus on voimakkain vatsaontelossa, anatominen alue korkein sairastuvuuteen. Lisäksi korkea VEGF-tasot on osoitettu olevan haitallisia riippumaton ennustetekijä kehittyneen munasarjasyövän potilailla, liittyy myös vastustuskykyä hoidon [11]. Siksi angiogeneesin estäminen on tärkeä tavoite torjunnassa munasarjasyöpä. Tällä hetkellä anti-VEGF monoklonaalinen vasta-aine bevasitsumabi on hyväksytty ensisijainen hoito sekä hoitoon uusiutumisen munasarjasyövän, kun taas muiden anti-VEGF-reseptori tyrosiinikinaasin estäjät ja anti-angiopoietiiniterapia aineet ovat osoittaneet tehoa tässä sairaudessa [12]. Kuitenkin, etteivät kaikki potilaat hyötyvät näiden hoitojen, joilla on myös huomattava toksisuuksia.

Edellä mainituista syistä olemme arveltu, että ”angiogeenisten allekirjoitus”, joka koostuu paneelin angiogeenisten tekijöiden, jotka voivat olla läsnä potilailla ”vesivatsanesteestä, saattaa olla tarkka ennustetyövälineenä sekä keinona valikoima munasarjasyöpä potilaiden todennäköisesti hyötyä antiangiogeenisestä hoitoja. Me täten ilmoittaa kehittää tällaisia ​​”allekirjoitus” perustuu ilmaus 55 otaksuttu munasarjasyövän markkereita angiogeneesin askites. Jotta kehittää mallia, käytimme vastustuskyky kemoterapia erotteleva tekijä tunnistaa suotuisa vs. epäedulliseen angiogeenisen proteiinin profiilin. Yhdistyksen lisääntyneen angiogeneesin kanssa chemoresistance tuetaan olemassa huomattava määrä todisteita prekliinisissä tutkimuksissa. Ohjeellisesti, esikäsittely syöpäsolujen sisplatiinin kanssa indusoi angiogeneesiä ilmentymisen muutos ja johtaa lisääntyneeseen angiogeenistä aktiivisuutta, kun soluja käsiteltiin eri kemoterapeuttisten aineiden, kuten sisplatiinin [13]. Lisäksi, cross-talk välillä VEGF: n ja anti-apoptoottisten Bcl-2-proteiinia, on kuvattu [14], kun taas downregulation bcl-2 johtaa sekä vähentää angiogeneesin ja herkkyys kemoterapiaa ja sädehoitoa [15,16].

Olemme havainneet, että alennettua markkeri setti voi muodostaa lupaava väline, joka liittyy voimakkaasti ennustetta seuraavien sytoreduktiivisen leikkauksen ja standardi solunsalpaajahoito. Sen jälkeen sopiva vahvistus, tämä lähestymistapa voitaisiin käyttää molekulaarisesti suunnattu anti-angiogeenisten hoidon munasarjasyövän.

Potilaat ja menetelmät

Potilaat

kuusikymmentäyhdeksän sairastavat munasarjojen syöpä ja jotka täyttävät seuraavat kriteerit osallistui havainnoiva, single-laitoksen tutkimuksessa: Stage III-IV (mukaan FIGO ohjeet); potilaita on tarkoitus antaa karboplatiini-pohjainen 1

st-line kemoterapiaa; potilaalla oli askites at esitys; no syöpälääkkeen hoito oli annettu ennen askites kokoelma. Askites prospektiivisesti kerättiin mutta jälkikäteen analysoida. Kaikkia potilaita hoidettiin vuoden 1

st Dept Naistenklinikka (University of Athens, Alexandra General Hospital, Ateena, Kreikka) ja Dept of Clinical Therapeutics (University of Athens, Alexandra General Hospital, Ateena, Kreikka). Tutkimuksessa protokolla oli sopiva Institutional Review Board hyväksyntä (Alexandra General Hospital, Ateena, Kreikka) ja kirjallinen suostumus antoivat kaikkien aineiden keräämistä ja tutkimus Vesivatsanestettä. Tutkimus suoritettiin periaatteiden mukaisesti ilmaistu Helsingin julistuksen.

Askitesneste kerättiin ennen antamisen systeemisen hoidon (joko aikana ensisijainen sytoreduktiivisen leikkauksen tai paracentesis jos laparotomy ei suoritettu). Se sekoitettiin steriileissä olosuhteissa hepariinia (2u /ml) (LEO Pharmaceuticals, Tanska), sentrifugoitiin 4 ° C: ssa 1600 rpm, Pelletti heitettiin pois ja supernatantti varastoitiin ja jäähdytettiin peräkkäin -20 ° C: ssa 1-2 tuntia ja siirrettiin sitten -80 ° C, jossa se pysyi asti.

hoidon jälkeen kaikki potilaat saivat seurata tarkastuksia tietokonetomografian 6 kuukauden välein ja CA-125 mittaus 3 kuukauden välein mukaan institutionaalisten protokollan. Potilaat, jotka uusiutunut aikana tai kuuden kuukauden kuluttua ensilinjan kemoterapiaa luokiteltiin platina kestävät, kun taas potilaat yli 6 kuukautta ilman uusiutumisen luokiteltiin platinaa herkkä mukaan gÇig luokituksen [17]. Relapse määritettiin käyttäen radiologisia tai CA-125 etenemisen (kumpi oli ensin) [17].

Array perustuva tunnistus angiogeenisten tekijöiden

Array havaitseminen suoritettiin 69 näytteitä vesivatsanestesupernatan-. Kehittämiseksi prognostinen ”allekirjoitus”, platinaa vastus käytettiin korvikkeena ennusteen: 35 näytettä platina herkille potilaille ja 34 näytettä platina resistenttien potilaiden analysoitiin.

Proteome Profiler

TM Human angiogeneesi Array Kit (R 0 olivat säilyneet. Soveltaminen ominaisuuksien hallintaan alkuperäiseen aineisto johti osajoukkoa 25 tekijöiden ilmentymisen tasoja, jotka voisivat parhaiten erottaa kaksi luokkaa potilailla (ks Results).

Arviointi luokittelijoiden ”ennakoivaa esityksiä läpi cross validointi

valinta paras luokittelija harjoitella alennetun aineisto 25 tekijöistä (katso tulokset), verkolla skannata parametriavaruuden erilaisen luokituksen algoritmeja (Tukivektorikoneet, Random metsät, Naiivi Bayes ja Linear Erotteluanalyysi Analysis) yhdistettynä 4-kertainen cross validointi suoritettiin (ks Results jakso), jotta voidaan optimoida luokitusparametrit käyttäen perusteena pinta-ala (AUC) maksimointi. Tämä vaihe vahvisti, että parhaassa algoritmi tietoaineiston oli SVM luokitin (lineaarinen ytimen, C 0,001, gamma 0,001). Jotta edelleen arvioida suorituskykyä kaikkien luokittelijoiden ennustettaessa oikea luokka (positiivinen /kestävä) olevan ”näkymätön” potilas (jota ei ole sisällytetty koulutukseen), kun koulutettu kaikki saatavilla leimattuja näytteitä, käytimme hiuksiin One uloskirjautuminen Cross Validation (LOOCV) lähestymistapa. Vuonna LOOCV luokittelujärjestelmää, luokitin on koulutettu kaikki potilaan näytteet, paitsi yksi, joka on peräkkäin toimitetaan luokan ennustus käyttämällä koulutettu luokittelija (koulutettu malli). Prosessi toistetaan kunkin potilaan näytteen ja tuottaa arvio suorituskyvyn luokituksen osalta tuntemattomia potilaan näytteitä.

Kaikki edellä mainitut ominaisuuksien hallintaan ja luokittelu menettelyt toteutettiin Python scikit-oppia paketti.

lämpökarttaraporteiksi esitys

lämpökarttaraporteiksi esitys normalisoidun ekspressiotasot 25 angiogeenisten tekijöiden ensin log2 transformoitiin ja suhteellinen ilmaisuja arvioitiin mukainen mediaani ilmentymisen kunkin tekijän. Yksi tapa (vain ilmaus arvot) hierarkkinen klusterointi suoritettiin GeneARMADA (sidos menetelmä: Keskimääräinen, etäisyys: Kosini).

VEGF askites tasoilla

VEGF askites mitattiin ELISA mukaan valmistajan (R potilailla, jotka eivät kuolleet tai ilman uusiutumisen sensuroitiin mennessä viimeinen kosketus. Survival jakaumat arvioitiin käyttämällä Kaplan-Meier menetelmä; log-rank testit yhtäläisten perhe toimintojen välillä hoitoryhmien käytettiin. Coxin suhteellisen vaarat regressioanalyysiä (yhden ja usean) suoritettiin arvioimaan vaikutusta käyttöjärjestelmä ja PFS proteiinin profiilin ( ”herkkä” vs. ”resistentti”), VEGF ( mediaani vs. ≤ mediaani), histologia (serous vs . ei vakavien), ikä ( 60 vs. ≤60) ja sairautta jäljellä ensisijaisen cytoreduction (≤ 1cm vs. 1 cm). Muuttujia p 0,1 yhden muuttujan analyysiin, vietiin multivariate malleihin.

Tulokset

Potilaat

Maaliskuusta 2009 tammikuu 2013 näytteitä vesivatsoja 69 potilasta (35 platina herkkä ja 34 platinaa kestävä) munasarjasyöpä saatiin. Niiden ominaisuudet lähtötilanteessa esitetään taulukossa 2. Kaikissa tapauksissa, askites saatiin alkudiagnoosin. Neljässä tapauksessa, histologia ei määritetty, koska ei Tuumorinäytteiden saatiin aikana laparoskopia ja diagnoosi adenokarsinooma perustui sytologisesta on vatsaontelonesteessä. Kaikki potilaat saivat ensisijainen sytoreduktiivisen leikkausta. Kaikki potilaat saivat ensilinjan kemoterapiaa seuraavat sytoreduktiivisen leikkauksen. Kuusikymmentäviisi potilasta sai yhdistelmää kemoterapian kanssa Carboplatin /Paclitaxel, kun taas 4 sai Karboplatiinin monoterapiana.

Vahvistus array havainnot ELISA

Kaikki proteiinijärjestelmäksi tiedot 55 tekijät sisältyvät S1 Taulukko. Askites tasot 6 tekijöiden (angiopoietiini-1, TIMP-4, IL-1 b, Endothelin-1, IGFBP-2 ja MIP-1a) on merkittäviä eroja eri array ilmaisun välillä herkkiä ja resistenttejä potilaita mitattiin 20 tapauksessa (10 herkkä ja 10 vastustuskykyinen) ja ELISA (Raw tiedot S2 taulukko). Samanlainen suuntaus välillä array ja ELISA tulokset havaittiin kaikissa tekijät tutkittu (taulukko 3).

tulokset ominaisuuksien hallintaan ja luokittelu

Huolimatta alhaisesta dimensionaalisuus alkuperäisen aineisto (69 näytettä), optimaalinen tekijöiden yhdistelmä on löydetty, erotteleva potentiaalia, joka arvioitiin hyödyntäminen neljän eri luokituksen algoritmeja. Ominaisuus valinta suoritettiin löytää optimaalinen tekijä osajoukon luokiteltu oikein, ja tuloksena on osajoukko 25 tekijät (taulukko 4), jotka yhdessä maksimoitu 4-kertainen cross validointi pisteet (kuvio 2).

ominaisuuksien hallintaan cross validointi tulokset, funktiona määrä valituista tekijöistä. Optimaalinen osajoukko, maksimoiden rajat validointi pisteet, koostui 25 angiogeenisten tekijöiden (taulukko 3).

esityksiä eri luokittelijoiden, koulutettu osajoukko, on esitetty (kuvio 3) . SVM luokittelija oli suurimman keskimääräisen AUC (0,85). Toinen luokittimet tuotti pienempi tulokset mutta vahvisti syrjivä mahdollisia tekijöitä alijoukkoa, erityisesti LDA 0,84 AUC.

ROC käyriä, jotka osoittavat esityksiä neljän eri luokitusta algoritmeja, sovelletaan alennettua osajoukko neljä tekijää: a) Tukivektorikoneet b) LDA c) Naiivi Bayes d) Random metsät. SVM luokittelija optimaalisesti erotti positiiviset ja negatiiviset näytteet, joiden keskimääräinen AUC 0,85. Toinen algoritmit osoitti pienempi esityksiä mutta silti pystyivät luokitella näytteet yläpuolella satunnaisuuden katkaisun 0,50 AUC, ja näin edelleen vahvisti syrjivä potentiaalia 25 tekijöistä.

Erot ilmaisun tasot näistä 25 tekijöiden joukossa potilaita, näytetään Heatmap on (kuvio 4A). Kullekin potilaalle, ilmentymisen taso kunkin tekijän verrattiin mediaani ilmentymisen kaikkien 69 potilasta. Koska visualisointi erottaminen kaksi ryhmää ei ollut paras mahdollinen, olemme edelleen suodatetaan ja sijoittui 25 tekijät soveltamalla ylimääräisen, entropia-pohjainen suodatus menetelmällä (tiedot voitto), joka mittaa tekijöiden tärkeysjärjestystä suhteessa potilaiden luokissa käyttäen entropia perustuvat kriteerit. Jotta uusi heatmap edustus säilytämme 5 tekijät (FGF hapan, FGF perus, HB-EGF, PDGF-AB /PDGF-BB, Trombospondiinin-2), joka tunnistetaan molemmat Feature Selection menetelmiä ja rankattiin korkeampi kuin muilla niiden osuus lopullisessa allekirjoitus. Näin ollen uusi heatmap 5 tekijät esittää aliavaruus lopullisen allekirjoituksen, joka osoittaa taipumusta yli-ilmentyminen nämä seikat Sensitive luokan ja oli alttiimpi visualisointi (kuvio 4B).

Suhteellinen ekspressiotasot 25 angiogeenisten tekijöiden, mikä johti enintään 4-kertainen ristivalidointi pistemäärä (A) ja alaryhmä 5 tekijöitä, joilla on korkein panos allekirjoitus (B). Expression arvot näkyvät mukaan väriskaala, jossa punainen edustaa edellä mediaani ilmaisun ja vihreä edustaa alle mediaani ilme. Monimutkaisuuden vuoksi ilmaisun profiilit, kaksi potilasta luokat eivät helposti erottaa ryhmittelemällä analyysi, joka oikeuttaa hyödyntämisen herkempi luokitus menetelmiä, kuten SVM.

LOOCV menetelmää käytettiin edelleen arvioida ennakoivan valtaa luokittelijoiden koulutettu 25 angiogeenisten tekijöiden ”optimaalisen alijoukon sekä osajoukko 5 tekijöiden kanssa tyydyttävämpi heatmap visulaization, mitä tulee tehokkaaseen luokittelusta tuntemattoman potilaan näytteitä (katso materiaalit ja menetelmät). Tällä lähestymistavalla kliinisen arvoa matriisin kit diagnostiikkatyökaluna herkälle /kestävä hoitoisuusluokituksen arvioidaan tarkemmin, koska LOOVC lieventää tehokkaammin ilmiö ”over istuva” [21], jossa luokittelija malli on liian sovitettu koulutukseen datan ja siten ei oikein luokitella täysin näkymätön näytteitä.

luokittelijoihin suorituksiin on esitetty taulukossa 5. SVM luokittelija, 62 ulos 69 potilasta luokiteltiin oikein käyttämällä osajoukkoa 25 tekijöiden . Tämä onnistumisprosentti (~ 90%) vahvistaa, että angiogeeninen tekijä array kit voidaan käyttää jo platinaa herkkyys ennustaminen yhdessä SVM algoritmin. Päinvastoin, osajoukko 5 tekijät johtivat alhainen ennustuksen esityksiä.

korrelaatio angiogeenisen ”allekirjoitus”, jossa PFS ja OS

Näiden analyysien vain optimaalinen ”allekirjoitus” johtuvat osajoukko 25 tekijöiden on käytetty. Seuranta-ajan mediaani oli 71 kuukautta (95% CI 48-99). Seuranta-aikana, 59 potilasta uusiutunut ja 46 kuoli munasarjasyöpä. Mediaani oli 35 (95% CI: 24-41), kun taas mediaani PFS oli 12 kuukautta (95% CI: 9,5-15). Histologia, laatu ja sairautta jäljellä rajaamisvai- leikkauksen eivät liittyneet PFS tai OS. Oli suuntaus kohti lyhyempiä PFS ja OS naisten yli 60-vuotiaiden (p = 0,0832 ja p = 0,0834, vastaavasti).

Mediaani VEGF askites taso oli 1777 pg /ml. Ei ollut yhdistys VEGF tason (alle tai yli mediaani) kanssa PFS (p = 0,836) tai OS (p = 0,977). Tämä tulos ei muuttunut, kun muut katkaista tasojen välillä 1000 ja 2500 pg /ml tutkittiin. Ei ollut merkittävää eroa mediaanista VEGF taso ”kestävä” ja ”herkkä” proteiiniprofiili (1680 vs. 1779 pg /ml, p = 0,831). Sitä vastoin ”resistentti allekirjoitus” liittyi merkittävästi huonompi mediaani PFS (8 kuukautta [95% CI: 8-9] vs. 20 kuukautta [95% CI: 15-28], HR: 8.3, p 0,001) ja OS (20,5 kuukautta [95% CI: 13,5-30] vs. 74 kuukautta [95% CI: 36-NR], HR: 5,6 [95% CI: 2,8-11,2]; p 0,001) (kuvio 5). Monimuuttuja analyysit mukaan lukien ikä ja proteiinia profiili osoitti, että vain proteiiniprofiili säilyttänyt ennustetekijöitä tärkeä sekä PFS (HR 7,9 [95% CI: 4-15,8], p 0,001) ja käyttöjärjestelmän (HR: 5,2 [95% CI: 2,6-10,5 ]; p 0,001).

etenemisestä vapaa (A) ja Overall (B) selviytymisen. Etenemisestä vapaan (A) ja Overall (B) eloonjääminen 69 joilla on pitkälle edennyt munasarjasyöpä mukaan askites angiogeneesiin liittyvän proteiinin profiilin.

Keskustelu

Nykyisessä tutkimuksessa olemme kehitetty ja testattu sängyn-yhteensopiva ”angiogeenisten allekirjoitus”, joka oli voimakkaasti yhteydessä PFS ja OS naiset kärsivät kehittynyt munasarjasyöpä. Metodologia käytimme näyttävät lupaavilta prognostisia työkaluja muiden syöpien [22-23], vaikka erilaiset biologiset ominaisuudet on hyödynnetty. Vuonna linjassa aiempien tutkimusten, käytimme askites sijaan seerumi. Askites on kätevä lähde biologista materiaalia, joka voidaan tutkia diagnostista [23] ja terapeuttisia tarkoituksia varten. Lisäksi tiettyjen proteiinien vesivatsanesteessä paremmin vastaamaan biologian kasvaimen kuin seerumissa. Sisällyttämistä pro- ja anti-angiogeenisten tekijöiden on konsertti in vivo mekanismeja angiogeenistä aktiivisuutta, joka on seurausta tasapaino näiden kahden ryhmän microenviroment kasvain. Angiogeneesi on pätevä korvike kasvaimen käyttäytymisen ja paneelit angiogeenisten tekijöiden läsnä kasvainkudoksessa ovat äskettäin valittu proteiinin profilointiin munasarjojen syöpien [24]. Sen määrittämiseksi, ”hyvä” vs. ”huono” angiogeenisten profiilin emme käyttäneet mielivaltaisen palautumisaika on tai kuoleman mutta platinaa vastarintaa sijaan. Tämä korvike on osoittautunut prognoosi- ja ennustearvo [25] ja tarjoaa erityisen ja validoitu aika pisteen luokittelun munasarjasyöpä potilaille.

angiogeenisen profilointi perustui ilmaus 25 angiogeenisten tekijöiden (taulukko 4). Vaikka VEGF on tärkeä rooli angiogeenisessä prosessissa, se ei ollut heidän joukossaan ja VEGF tasot askites ei ennustanut PFS ja OS Jälkimmäinen voisi johtua suhteellisen pieni otoskoko, mutta se on myös korostettava, että ennustetekijöiden ja ennakoivan arvo tämän tekijän munasarjasyövän on kiistanalainen. Me ja muut ovat osoittaneet ennustetekijöiden merkitys VEGF seerumista tai askitesta pitkälle munasarjasyövän [11,26-28], mutta tämä seikka ei ole validoitu, kun taas ristiriitaisia ​​tuloksia on olemassa [29,30]. Riippumatta kiista ennakoivasta ennusteen arvioinnissa VEGF munasarjasyövän, meidän tutkimus osoitti, että ennusteen arvioinnissa paneelin 25 tekijöitä oli parempi kuin VEGF yksin, tukemalla potentiaalin menetelmän. Huolimatta siitä, että ei ole prognostinen arvo VEGF: n, useat VEGF-perheen jäsenten tai tekijöiden vuorovaikutuksessa VEGF sisällytettiin paneelin. Ne ovat tärkeitä signalointi proteiineja, jotka liittyvät sekä vaskulogeneesin ja angiogeneesin, kuten PIGF (istukan kasvutekijä), PD-ECGF (verihiutaleperäinen endoteelisolujen kasvutekijä, joka tunnetaan myös nimellä tymidiinifosforylaasia [TP]) ja PDGF-AB /PDGF-BB. Viimeaikaiset edistysaskeleet tietomme neoangiogenic toiminto ovat osoittaneet, että nämä tekijät stimuloivat koko kaskadin tapahtumia tarvitaan angiogeneesiä ja edistämään useita mahdollisesti itsenäisen toiminnan verisuonten endoteelin kuten endoteelisolujen mitogeneesin, läpäisevyys, verisuonitonus, tuotanto vasoaktiivinen molekyylien ja stimulaation monosyyttien kemotaksista [31]. Mikä tärkeintä, nämä tekijät ovat myös liitetty vastuksen kemoterapiaa, korkeampia sairauden vaiheessa sekä ennusteen munasarjasyövän [32-34]. Angiopoietiini-1 (Ang-1) ja angiopoietiini-2 (Ang-2) näyttävät myös vuorovaikutuksessa VEGF edistää angiogeneesiä. Ne toimivat kautta Tie-2-reseptorin reitin ja molemmilla on tärkeä rooli molekyylitason mekanismeja verisuonten muodostumista. Ang-1 ja Ang-2 näyttävät kohteena paklitakselikemoterapia [35]. Äskettäin kohdistaminen nämä tekijät ovat osoittaneet merkittävää parannusta hengissä toistuvat munasarjasyöpä [36].

Useat tekijät mukana meidän ”allekirjoitus” ovat korreloineet vastauksena nykyiseen kemoterapiaa munasarjasyöpä. Endoteliini-1 (ET-1), on voimakas mitogeeninen peptidi valmistetaan eri kasvaimia, mukaan lukien munasarjasyöpä. ET-1: n havaittiin olevan yli ilmaistuna potilaille, jotka eivät reagoi kemoterapiaa. Tämä on luultavasti liittyy häiriöitä ET-1 solun toimintoja, kuten leviämisen, lääkkeen aiheuttama apoptoosin, invasiivisuus ja epiteelin-mesenkymaalitransitioon [37-38]. Samanlaisia ​​tuloksia, jotka liittyvät chemoresistance paklitakseliin on kuvattu angiogeeninen tekijä HB-EGF (hepariinia sitovat epidermaalinen kasvutekijä) [39]. Kaksi muuta tekijää, jotka korreloivat resistenssi paklitakseliin estämällä paklitakselin indusoiman apoptoosin ovat happamia ja emäksinen fibroblastikasvutekijä (FGF-a ja FGF-b) [40]. Molemmat tärkeitä rooleja syövän synnyn kehittämiseen ja hyökkäys munasarjojen epiteelin syövän.

Lopuksi kaksi tekijää epidermaalisen kasvutekijän perhe (EGF) on myös sisällytettävä 25 merkittäviä tekijöitä. Tanaka et al [41] ovat osoittaneet, että jäsenet EGF-perheen keskeinen rooli aggressiivinen käyttäytyminen kasvaimen munasarjasyöpä. Amfireguliini, on hyvin tutkittu proteiini, joka on todettu olevan yhteydessä munasarjojen toiminnan ja apoptoosin epiteelisolujen munasarjasyöpä. Viimeaikaiset tutkimukset tukevat, että tämä tekijä on erittäin merkittävä korrelaatio sisplatiiniin vastus [42]. Toisaalta, sytokiinin MIP-1α, toimii kautta MAPK-reitin. Se on vuorovaikutuksessa VEGF kautta säätelyä MAPK-reitin, erityisesti ERK. Tran et al [43] osoitti, että MIP-1α indusoi T-soluvasteen munasarjasyöpäpotilaalle joka liittyi myönteisen tuloksen. Sen vuoksi on mahdollista, että huolimatta niiden yhdessä angiogeneesin, jotkut 25 tekijät voivat kohdistaa niiden prognostisen vaikutuksen kautta muita mekanismeja, kuten parantamiseksi immuunivasteen kasvainta vastaan.

Tekniset kysymykset, kuten koska lisäys hepariinin kerätyssä askites, eivät todennäköisesti ole vaikuttanut tuloksiin. Vaikka teoreettisesti hepariinin läsnä ollessa saattaa häiritä HB-EGF: llä tai VEGF-tasojen määrä hepariinin käytimme on paljon pienempi kuin se, jota tavallinen valmistajat tehokasta koagulaatiota, kun taas isoformeja ei voi sitoa ligandia suurella affiniteetilla, kuten on esitetty muissa tutkimuksissa [44]. Meidän array Tulokset osoittivat selviä eroja ilmaisun tämän tekijän joukossa näytteitä tutkittiin (kuvio 3), jopa samaan luokkaan eli solunsalpaajaresistentti tai chemosensitive, siis ei tekee array kohti jompaakumpaa luokan erikseen. Tämä havainto yhdistettynä siihen, että voimme kehittää malli perustuu erojen ilmaisun välillä kestävä ja herkkiä kasvaimia eikä itseisarvo kunkin tekijän tekevät hepariinin vaikutusta mallimme vähäinen. Lisäksi olemme havainneet, että heatmap edustus yhdistettynä hierarkkinen klusterointi, ei ehkä sovellu visualisointiin niin monimutkainen allekirjoitus. Suodattamalla ja ranking 25 tekijät, vähensimme alijoukon 5 vaikutusvaltaisin tekijöistä, tuottaen siten lisää tyydyttävä visualisointi. Kuitenkin tämä osajoukko liittyi huonompi ennustavaa suorituskykyä. Tämä tulos tukee tarvetta hyödyntämisen koneoppimisen menetelmiä rakentaa ennustavia malleja, kuten SVMs, jotka ovat herkempiä ja pystyy keräämään monimutkaisia ​​syrjiviä kuvioita, jotka asuvat epälineaarinen kombinatorinen eroja ekspressiotasot kahden luokkaa.