Krooninen sairaus

tiivistelmä

Erottaminen veltto aggressiivinen eturauhassyöpä on tärkeä kliininen haaste tunnistaa potilaiden, joille voidaan aktiivinen valvonta, mikä vähentää riskiä ylihoito. Tämän tutkimuksen tarkoituksena oli arvioida eturauhassyövän aggressiivisuuden metabolinen profilointi eturauhasen kudosten ja etsimään erityisiä aineenvaihduntatuotteiden biomarkkereita aggressiivisuus. Eturauhasen kudosnäytteet (n = 158, 48 potilasta), joilla on korkea syöpä pitoisuus (keskiarvo: 61,8%) saatiin käyttämällä uutta korjuumenetelmämuutoksen, ja aineenvaihduntaan näytteiden edustavat eri Gleason tulokset (GS) hankittiin korkearesoluutioisia magic angle spinning resonanssispektroskopia (HR-MAS). Monimuuttuja-analyysissä (PLS, PLS-DA) ja absoluuttisia (LCModel) käytettiin tutkimaan kyky ennustaa syöpää aggressiivisuus vertaamalla huono laatu (GS = 6, n = 30) ja korkea laatu (GS≥7, n = 81) syöpä normaalin viereisen kudoksen (n = 47). Laadukas syöpä kudos erottaa huono laatu syöpäkudoksessa vähentynyt pitoisuuksia spermiinin (p = 0,0044) ja sitraatti (p = 7,73 · 10

-4) ja lisääntyminen kliinisesti sovellettu (yhteensä koliini + kreatiini + polyamiinit ) /sitraatti (CCP /C) suhde (p = 2,17 · 10

-4). Metaboliaprofiilit merkittävästi korreloi GS saatu kustakin kudosnäytteestä (r = 0,71), ja syöpä kudos voidaan erottaa normaalista kudoksesta herkkyys 86,9% ja spesifisyys 85,2%. Kaiken kaikkiaan meidän havainnot osoittavat, että metabolinen profilointi voi erottaa aggressiivinen alkaen indolent eturauhassyöpä. Tämä lupaava eduksi soveltamalla

in vivo

magneettiresonanssispektroskopia

(

MRS) kliinisessä MR kuvantamisen tutkimuksia, ja HR-MAS analyysi transrectal ultraääni-ohjattu koepaloja on potentiaalia kuin ylimääräisiä diagnostisia työkalu.

Citation: Giskeødegård GF, Bertilsson H, Selnæs KM, Wright AJ, Bathen TF, Viset T, et al. (2013) Spermiini ja Sitraatti kuten metabolinen biomarkkereita arviointi eturauhassyöpä Aggressiivisuus. PLoS ONE 8 (4): e62375. doi: 10,1371 /journal.pone.0062375

Editor: Daniel Monleon, Instituto de Investigación Sanitaria INCLIVA, Espanja

vastaanotettu: 24 lokakuu 2012; Hyväksytty: 20 maaliskuu 2013; Julkaistu 23. huhtikuuta 2013

Copyright: © 2013 Giskeødegård 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: Tutkimus tukivat avustuksia Keski Norja Regional Health Authority (RHA) (https://www.helse-midt.no/), Liaison Committee välillä RHA ja Norja yliopiston tieteen ja teknologian (NTNU) (http: //www.ntnu.no/dmf/rad/samorg), The Norja Cancer Society (https://kreftforeningen.no/en/about-us/). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Co-kirjailija Tone F. Bathen on PLoS One Editorial hallituksen jäsen. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

Tällä hetkellä ei ole objektiivisia kliinisiä työkaluja, jotka voivat tarkasti erottamaan aggressiivinen alkaen indolent eturauhassyöpä. Gleason pisteytysjärjestelmä [1] on tärkein ennustetyövälineenä hoidon suunnittelussa, mutta se riippuu subjektiivinen tekijöiden arvioinnissa aggressiivisuutta ja rajoittavat aliarviointiin johtuu alle näytteenotto koepaloja. Uusia diagnostisia ja prognostisia välineitä arvioida eturauhassyövän aggressiivisuuden vuoksi tarvitaan kiireellisesti. Metabolinen muutos on syntymässä tunnusmerkki syövän [2], ja metabolinen profilointi eturauhasessa käyttäen resonanssispektroskopia (MRS) voi antaa lisätietoja kasvain käyttäytymisestä [3], erityisesti mahdollisuus kääntää havaintoja

ex vivo

kudosnäytteitä

in vivo

mittauksiin käyttävillä potilailla MRS kuvantaminen (MRSI).

Metabolinen eroja eturauhassyöpä ja normaalin kudoksen dokumentoidaan sekä

in vivo

by MRSI [4], [5], [6], [7] ja

ex vivo

käyttämällä korkean resoluution magic angle spinning MRS (HR-MAS) [8], [9], [10]. Joissakin sairaaloissa, MRSI on jo toteutettu kliiniseen käytäntöön, hyödyntäen (koko koliini + kreatiini + polyamiinit) /sitraatti (CCP /C) suhteen tai (koko koliini + kreatiini) /sitraatti (CC /C) suhde, joka lisääntyy pahanlaatuisten eturauhasen kudoksessa [5], [8], [11], [12]. Yhteenlaskettu koliini mitattu signaali

in vivo

voidaan erottaa HR-MAS osaksi koliini sisältävään aineenvaihduntatuotteiden [vapaa koliini (Cho), fosfokoliinin (PCho) ja glycerophosphocholine (GPC)] [8], [9] , [13]. Laktaatti ja alaniini raportoidaan myös lisätä syövän verrattuna normaaleissa kudoksissa [10], kun taas eturauhasen-erityinen aineenvaihduntatuotteiden sitraatti ja polyamiinit (spermiini, spermidiini ja putreskiini) löytyy pienemmillä pitoisuuksilla syöpäkudoksen [9], [ ,,,0],14].

HR-MAS on hyvin vakiintunut tekniikka analysoimiseksi biologisen kudoksen, jolloin näytteet käsittelemättömän myöhempää histopatologista arviointia tai muu molekyyli menetelmiä, kuten geenin ilmentymisen profilointi [15], [16]. Olemme aiemmin vahvistaneet, että on olemassa merkittävä korrelaatio tulosten

ex vivo

HR-MAS analyysit ja

in vivo

MRSI avaruudellisesti sovitetun alueita, jotka osoittavat, että käännöksen

ex vivo

että

in vivo

on voimassa [17]. Yleisenä tavoitteena oli tutkia mahdollisuutta arvioida eturauhassyövän aggressiivisuuden HR-MAS-analyysi ihmisen eturauhasessa, ja tunnistaa tiettyjä aineenvaihduntatuotteita biomarkkereina syövän aggressiivisuus. Tutkimus tehtiin käyttäen tuore kudosnäytteitä uutettu eturauhasen yksilöitä käyttämällä uutta menetelmää mahdollistaa näytteitä on korkea syöpä sisältöä voidaan sisällyttää [18]. Sekä metaboliaprofiilit ja yksittäisten pitoisuuksiin käytetään erottamaan toisistaan ​​histologisesti määritelty Gleason (GS), joka arvioitiin alkaen cryosection kunkin kudosnäytteen. Arvo HR-MAS lisävälineenä täydentämään histopatologisia pisteytys, ja parantaa tuloksia lisää

in vivo

MRSI tutkimuksia, keskustellaan.

Materiaalit ja menetelmät

potilaiden ja kasvainten ominaisuuksiin

Vuodesta 2007 kaikki eturauhassyöpäpotilaalla St. Olavs Hospital, Trondheim University Hospital, Norja, suunniteltu eturauhasen on kutsuttu allekirjoittamaan tietoisen suostumuksen lomakkeen lahjoittaa kudosta tutkimukseen. Kustakin potilas 2 mm poikittainen eturauhasessa viipale on kerätty varastointiin Regional Research Biopankkiverkosto Keski Norja. Tutkimus on hyväksynyt Aluekomiteoiden Lääketieteen ja Health Research Ethics (REC) Keski, Norjassa, ja tietosuojaviranomainen Norjan. Nykyinen tutkimus sisältää 48 potilasta, joilla ei ole aikaisempaa eturauhassyövän hoitoon ja kasvaimen tilavuuden 5% rauhanen, arviolta histopatologisesti. Potilaiden ominaisuudet on kuvattu taulukossa 1.

Korjuumenetelmän ja Sselection HR-MAS Näytteitä

Keskimäärin 15 minuutin kuluttua kirurginen poistaminen eturauhanen, kudosviipaletta (2 mm ) saatiin katkaisun kautta keskeltä kohtisuoraan virtsaputken [18]. Siivu on jäädytettiin puristamalla kahden metallilevyn väliin esijäähdytettyyn nestemäisessä typessä ja säilytettiin -80 ° C: ssa. Kaksi jäljellä olevaa puolikasta oli ommeltu korkkilevy, jotta vältetään häiriöt histopatologisissa kirurgisten marginaali. Kiinnityksen jälkeen formaliiniin molemmat puoliskot olivat edelleen viipaloitu (4 mm paksuisiksi viipaleiksi) ja parafiiniin. Mikroskooppinen osat tehtiin ja värjättiin hematoksyliinillä, erytrosiini ja sahrami (HES) tekee diagnoosin. HR-MAS näytteet leikattiin jäädytetty eturauhasen viipaleen käyttämällä uutta korjuu, jonka ovat kuvanneet Bertilsson et al. [18]. Tällä menetelmällä, esitetty kuviossa 1, kudosnäytteet ennalta histopatologista GS saadaan siivu. Aikana näytteenottoa, jäätynyt kudos siivu pantiin alumiinilevylle suorassa kosketuksessa nestemäisellä typellä, estäen kudoksen sulattaminen ja siten vähentää molekyylihajoaminen. Useat näytteet kustakin siivu (alue: 1-7 näytettä per viipale (mediaani: 3) riippuen kasvaimen koosta) valittiin pahanlaatuinen erilaisia ​​alueita GS ja normaalista viereisillä alueilla käyttäen HES värjättyä diat viereisistä kudosblokeista oppaana . Siten yhteensä 162 HR-MAS näytteet saatiin. Viereisistä normaaleista näytteistä määritellään näytteiden, joita ei merkkejä syövän, siis sisältävät ainoastaan ​​hyvänlaatuinen rauhasten ja /tai strooman kudoksen, ja nämä näytteet leikattiin kaukana syöpään kuin mahdollista. Arvioida GS kunkin HR-MAS näytteestä (paksuus 2 mm), ja määrittää määrä syöpäkudoksessa, strooman ja rauhaskudoksen, 4 um cryosection leikattiin yhdeltä puolelta uutetun näytteen HES värjätään, ja kehosta arvioitiin kokenut patologi erikoistunut uropathology ennen HR-MAS menettely. Näytteet eivät sulatettiin ennen sitä he menevät magneetti, vähentää ylimääräinen jäädytys-sulatus vaikutuksia. Ei ole olemassa tutkimuksia siitä, että pitkäaikainen varastointi -80 ° C (enintään 5 vuotta) vaikuttaa aineenvaihduntaan.

(A) Kaksi HES leikkeitä kudoksen läheisyyteen siivu. (B) lokalisoida syöpä ja tavanomaiset alueet, micrographs kahden HES värjätään histologisia osat vieressä poistetun kudoksen siivu fuusioitiin valokuva jäätynyt kudos siivu. Kiinnostavilla alueilla merkittiin ja siirrettiin avoimuutta arkki käytettäväksi kartan ohjaava näytteenottoa. (C) Sylinterimäinen näytettä (3 mm) ja HR-MAS irrotettiin alueita normaalin kudoksen ja syöpä kudoksen eri Gleason laadut. Gleason arvosana ja prosenttiosuudet hyvänlaatuinen rauhaskudoksen, strooman ja syöpäkudoksessa varmistettiin analysoimalla 4 pm cryosection kustakin uuttonäytteessä. Kuva on muokattu viite [36].

HR-MAS MRS Kokeet

PBS-liuosta (3 ui), joka sisälsi Trimetyylisilyyli-3-propionihapon natriumsuolaa (TSP, 5 mM ) ja formaatti (25 mM) lisättiin kertakäyttöinen Kel-F HR-MAS insertit (30 ui, Bruker Biospin, Saksa). Kukin eturauhasen kudosnäyte (keskimääräinen paino: 12,7 mg, vaihteluväli: 3,0-21,9 mg) siirrettiin HR-MAS-insertti käyttäen steriiliä, biopsian (2 mm, Miltex Gmbh, Saksa), ja insertti pantiin zirkonium roottorin (4 mm). HR-MAS suoritettiin Bruker Avance DRX600 (14,1 T) spektrometri (Bruker Biospin, Saksa) varustettu

1 H /

13C MAS anturi. Protonispektrit hankittiin 4 ° C: spin nopeudella 5 kHz. Pulse-hankitut spektrit saatiin kanssa esikyllästysjaksolla viiveellä 3.0s ja hankinta-aika 3.27s. Carr-Purcell-Meiboom-Gill (CPMG) spin-kaiku sekvenssi [90 ° – (τ-180 ° -τ)

n -acquisition] käytettiin tukahduttaa signaalien lipidien ja makromolekyylejä tehokas kaikuajan 60 ms . Sata ja kaksikymmentä kahdeksan skannausta yli spektrin alueella 10 kHz koottiin 64k pistettä molemmille sekvenssit. Spektrit Fourier viivalla laajentamista 0,30 Hz. Kemiallisia siirtymiä verrattiin referenssinä laktaatin huippu (vasen huippu dubletti) on 1,336 ppm ja lineaarisen perusviivan korjausta käytettiin (Topspin 3.1, Bruker Biospin, Saksa). Peak toimeksiannot asetettiin mukaan ihmisen metabolomiikan tietokantaan ja edellinen julkaistuja tutkimuksia käyttäen HR MAS eturauhasen kudosta [9], [10], [19].

monimuuttujamenetelmin

spektrin dataa 1,46 ja 4,66 ppm päässä CPMG spektrit käytettiin monimuuttujamenetelmin. Spektrit normalisoitiin yhtä kokonaispinta-ala ja piikin rinnastettiin käyttämällä icoshift [20]. Signaalit etanolista saastuminen (3,65-3,69 ppm) poistettiin spektrien kanssa niiden rasva-jäännösten klo 1.60, 2.05 ja 2.27 ppm. Esikäsittelyn spektrit suoritettiin MATLAB 7.8.0 (MathWorks, Inc., USA). Lisäksi pääkomponenttianalyysi (PCA), osittainen pienimmän neliösumman (PLS) regressio ja PLS erotteluanalyysi (PLS-DA) [21] käytettiin mallintamaan suhde MR spektrien ja kasvain /potilaan ominaisuuksiin (kehosta, GS, seerumin PSA (SPSA), kasvaimen tilavuus, ikä ja pT-vaihe). Jotta vältettäisiin overfitting, kaksinkertainen ristivalidointi suoritettiin [22]. PLS malli rakennettiin harjoitusnäytteille (80% tiedoista set) ja käytetään ennustamaan tilan itsenäisen testinäytteiden (loput 20%). Optimaalinen määrä LVS (piilevä muuttujat) käyttää mallia määritettiin ristivalidointi harjoitustietosivut ja käyttää erikseen testituloksia. Sekä sisempi ja ulompi silmukoita kaksinkertaisen rajat validointimenettelyllä toistettiin 20 kertaa eri satunnaisesti valittu koulutus ja testi sarjaa, ja keskimääräinen tulokset esitetään. Kuten useat näytteet kustakin potilaan analysoitiin, spektriä yhdeltä potilaalta otettiin koulutuksen tai testipakkauksesta. Vaihteleva merkitys arvioitiin vaihteleva merkitys projektio (VIP) tulokset [23]. Muuttujat, joiden VIP-pistemäärä yli yksi yleisesti pidetään tärkeänä Luokittelu tulokset todensi permutaatio testaus (n = 1000, merkitys p 0,05) [22]. Monimuuttuja analyysit tehtiin MATLAB käyttäen PLS_toolbox 6.2.1 (ominaisvektori- Research, Inc., USA).

Absolute kvantifiointi aineenvaihduntatuotteiden LCModel

pulssi-hankitut spektrit kvantitoitiin käyttäen LCModel [24 ], [25] romaaniin perustuva pohjalta joukon 23 aineenvaihduntatuotteiden. Perustana sarja simuloitu aineenvaihduntatuotteen spektrien luotiin käyttäen NMRSIM (Bruker Biospin, Saksa), ja metaboliitit kvantitoitiin välillä 4,72 ppm ja -0,8 ppm. Perustaso mallinnettiin kuutio splinifunktio enintään kaksi solmua, ja makromolekyylien sisällytettiin sopiva, simuloitu yhdellä huiput kuten aiempaa tietoa viivoja, kemiallisen siirtymän, ja suhteellinen amplitudi. Pienimolekyylisiä aineenvaihduntatuote ja rasva-kemialliset siirtymät asetettiin keskiarvot perustuvat alkuperäisen luovutus spektriä 10 näytettä vaihtelevia kudostyypin. Aineenvaihduntatuotteet jossa jotkut piikit eivät selvästi ratkaistu näissä spektreissä (GPC, GPE, glukoosi, ja aminohapot), kirjallisuus arvoja käytettiin [26], [27], [28]. Etanoli, epäpuhtautena joissakin näytteissä oli mukana perustana asetettu onnistuneelle myöhempää varustettaviksi metaboliitin spektri. Metaboliitit määrällisesti käyttäen formaattia ja pitoisuudet ilmoitetaan mmol /kg märkäpainoa. Full rentoutumista Formaatin varmistettiin käyttämällä tuloksia T1 rentoutumista mittaustuloksista kuusi ylimääräistä kudosnäytteitä.

Tilastollinen analyysi metaboliittipitoisuuksien

erot metaboliittipitoisuuksien syövän ja normaalin viereisen kudoksen, ja metabolisen erot liittyvät aggressiivisuutta (huono laatu (GS = 6) vs. korkealaatuista (GS≥7)) analysoitiin lineaarisia sekamalleja osuus vaikutus näytteiden peräisin samasta potilaasta. Yksittäiset vertailu näytteiden GS 6, 7, ja 8-9, lisäksi eroja näytteiden GS 3 + 4 ja 4 + 3, testattiin myös. Analyysit tehtiin R (versio 2.14.1, R Foundation for Tilastollinen Computing) kanssa lme4 paketti [29]. Tiedot log-muunnettiin ennen analyysiä, jotta saadaan normaalisti jakautunut jäännöksiä. Benjamini ja Hochberg vääriä löytö korko käytettiin korjaamaan useita testejä. Oikaistu p-arvojen 0,05 pidettiin merkittävinä.

Tulokset

Näytteitä

PCA pisteet juoni CPMG spektrien (n = 162) paljasti neljä syrjäisillä näytteitä. Nämä näytteet poistettiin datajoukon johtuen erittäin korkeat lipiditasot ja mikroskooppiset todisteita vaikea tulehdus. 158 näytteet mukana tässä tutkimuksessa, 47 osoitettiin sisältävän vain normaalin eturauhasen kudosta komponentteja, kun taas 111 näytteet sisälsivät syöpäkudoksessa. Keskimääräinen syöpä pitoisuus oli 61,8% (vaihteluväli: 10-100%) ja 30 syöpä näytteet määriteltiin huono laatu (GS 6), kun taas 81 näytteet määriteltiin korkealaatuista (GS 7-9). Näyte ja potilaan ominaisuudet on koottu taulukkoon 1. Edustavia HR-MAS-spektri ja vastaavat histopatologinen kuvan normaalin eturauhasen kudosta ja syöpäkudoksessa eri Gleason laadut esitetään kuviossa 2.

silmämääräinen tarkastus spektrit osoittavat väheni tasot polyamiineja (pääasiassa spermiini) ja sitraatti, ja kohonneeseen GPC, PCho, ja Cho kanssa kasvaimen lisääntyvän.

metaboliaprofiilien liittyvät kliiniset parametrit

metaboliaprofiilit olivat korreloi kehosta (prosentteina hyvänlaatuinen rauhaskudoksen: r = 0,67, strooman: r = 0,70, ja syöpä: r = 0,77) (p 0,001). Metaboliaprofiilit eivät korreloi merkitsevästi potilaan SPSA tasolla, kasvaimen tilavuus, ikään tai pT-vaihe (p 0,05).

erottaminen Syöpä ja Normaali viereiseen kudokseen

Monimuuttuja-analyysi.

Perustuu metaboliaprofiilien, syöpä ja normaali näytteet erotettiin 86% oikein luokitus käyttäen PLS-DA riippumattomiin testinäytteiden (herkkyys 86,9%, spesifisyys 85,2%, p 0,001). PLS-malli korreloi aineenvaihduntaan, GS (kuvio 3, A-B) erottaa viereisestä normaalista kudosnäytteitä syövän kudosnäytteistä. Kuormitukset osoitti alentuneesta sitraatin, tauriinia ja kreatiini, ja lisätä GPC, PCho, Cho, ja glysiinin syövän verrattuna normaaliin kudokseen.

(A) PLS tulokset ja (B) kuormitukset LV1 ja LV2 alkaen PLS regressio korreloinnin metaboliaprofiilien GS jonka korrelaatiokerroin r = 0,71. Syöpä näytteet erotetaan normaalista näytteet pisteet juoni, jossa kuormitukset osoittaa aineenvaihdunnan muutoksiin liittyvät maligniteetti. Näytteitä, joiden GS 9 ovat lähes täysin erillään viereisistä normaaleista näytteistä pisteet juoni, vaikka joitakin näytteitä pienemmällä pisteet päällekkäisyyttä terveisiin. PLSDA malli selittää 48,2% x-varianssi ja 53,7% y-varianssi (C) PLS tulokset ja (D) vastaavan lastaus profiilia LV1 peräisin PLS regression syöpänäytteissä ainoa, joka korreloi metaboliaprofiileihin GS kanssa korrelaatiokerroin r = 0,45. Saatu malli selittää 20,0% x-varianssi, ja 27,4%: n y-varianssi tietoja. Kuormitukset (B) ja (D) ovat värillisiä niiden VIP pisteet. Kiinalais; scyllo-inositoli.

Absolute kvantifiointiin LCModel.

määrälliset metaboliittipitoisuuksien syövän ja normaalissa kudosnäytteistä (n = 153) on esitetty taulukossa 2. Viisi spektrit eivät määrällisesti riittämättömän asentamisesta aiheuttamat korkeat rasva-signaaleja.

Erityistuntomerkit huono laatu (GS = 6) ja high Grade Cancer Tissue (GS≥7); Korrelaatio Gleason System

Monimuuttuja-analyysi.

metaboliaprofiilien korreloivat GS jonka korrelaatiokerroin r = 0,71 käyttäen PLS regressioanalyysiä (p 0,001) (kuvio 3, A-B). Kun analysoidaan vain syövän näytteiden metaboliaprofiileihin korreloivat GS jonka korrelaatiokerroin r = 0,45 (p 0,001) (kuvio 3, C-D). Kun jakamalla näytteet normaaliin, korkealaatuista (GS≥7) ja huono laatu (GS = 6), oikea luokittelu PLS-DA oli 85,8% (herkkyys 89,3%, spesifisyys 82,3%), 77,4% (herkkyys 84,4%, spesifisyys 70,5%), ja 65,8% (herkkyys 64,1%, spesifisyys 67,6%), vastaavasti.

Absolute kvantifiointiin LCModel.

pitoisuudet spermiinin ja sitraatin osoitettiin olevan merkitsevää eroa matalan asteen ja korkea laatu syövät, vaikka mitään merkittäviä eroja ei todettu muiden aineenvaihduntatuotteiden. Pitoisuudet ja tilastolliset tulokset merkittävät aineenvaihduntatuotteet yhteenvetona taulukossa 3. lisätutkimuksia aineenvaihduntatuotteen pitoisuudet liittyvät aggressiivisuutta, aineenvaihdunnan eroja näytteiden GS 6, 7, ja 8-9 analysoitiin erikseen (taulukko 3). Mitään merkittäviä eroja GS 7 ja GS 8-9 havaittiin minkään aineenvaihduntatuotteiden. Lisäksi mitään merkittäviä eroja pitoisuuksiin välillä havaittiin näytteiden GS 3 + 4 ja 4 + 3 (p 0,05). Korrelaatiot GS ja pitoisuudet spermiinin ja sitraatin olivat r = -0,36 ja r = -0,43, vastaavasti.

kliinisesti merkittäviä CCP /C-suhde oli merkitsevästi lisääntynyt korkealuokkaisesta verrattuna huono laatu syöpä näytteet (taulukko 3). Lisäksi suuntaus eri GPC /PCho suhdelukua matalan ja korkean asteen syöpänäytteissä havaittu (p = 0,08). Tutkiessaan metaboliittipitoisuuksien liittyvät aggressiivisuus, prosenttiosuudet hyvänlaatuinen rauhas, strooman ja syöpä kudos sisällytettiin lineaarisia sekamalleja korjaamiseksi erojen kehosta. Kuitenkaan yksikään kudoksen tyyppejä oli merkittävä panos tilastollisia malleja (p 0,05), ja tulokset on esitetty ilman korjausta varten kehosta.

Keskustelu

Tässä tutkimuksessa suoritetaan käyttämällä eturauhasen kudosta korkea syöpä sisältö, olemme osoittaneet mahdollisuuden erottaa huono laatu korkealuokkaista eturauhassyöpää käytetään aineenvaihduntaa profilointia. Vähentynyt pitoisuuksia sitraattia ja spermiiniä osoitettiin olevan pätevä MR kudosta biomarkkereita eturauhassyövän aggressiivisuuteen ja aineenvaihduntaan merkittävästi korreloi GS osoittaa, että aggressiivinen syövät omaamaan muuttunut aineenvaihdunta verrattuna indolent syöpään. Yllättäen koliini sisältävät komponentit eivät kasvaa GS, mikä osoittaa, että spermiini ja sitraatti ovat päätekijöitä kliinisesti soveltavaa CCP /C-suhde joka kasvaa GS. Lisäksi tämä tutkimus vahvistaa erottaminen syövän ja normaalia kudosta, ja HR-MAS metaboliaprofiilien onnistuneesti erotettu 86,0% oikein luokitus.

Monet eturauhassyöpäpotilaalla diagnosoitu veltto sairaus (GS 6) ovat oikeutettuja sisällytettäväksi aktiivisen seurannan ohjelmista. Tästä syystä on toivottavaa erottaa tämän ryhmän potilaista, joilla on korkeampi laatu syöpiä. Sitraatti pitoisuuksia voisi erottaa näytteitä GS 6 sekä GS 7 ja 8-9, kun taas ero spermiinipääryhmän pitoisuuksina oli vain merkittävä välillä GS 6 ja GS 8-9. Mielenkiintoista, mikään aineenvaihduntatuotteiden oli merkitsevää eroa näytteiden GS 7 ja GS 8-9, mikä osoittaa, että näytteitä GS 7 (väli riski potilasta) on metabolinen kuvio samanlainen korkeampaan palkkaluokkaan syöpiä. Tämä havainto tukee yksimielisyys siitä, että vain potilaille, joilla on GS≤6 tulisi sisällyttää aktiivisen seurannan ohjelmista. Potilaat, joilla on GS 4 + 3 on huonompi ennuste kuin GS 3 + 4, mutta tässä tutkimuksessa ei erottaa näitä kliinisesti merkityksellisten alaryhmien.

Normaalit eturauhasen epiteelisolujen tuottavat ja kertyy paljon sitraattia joka erittyy suuri osa eturauhasen nestettä. Verrattuna normaaliin kudokseen, alentuneet sitraatin aiemmin havaittu eturauhassyöpä kudoksessa

ex vivo

MRS [9]. Tutkimuksemme vahvistaa ja laajentaa näitä tuloksia, jotka osoittavat merkittävää negatiivista korrelaatiota GS, ja merkittäviä eroja huono laatu ja korkea laatu syöpäkudoksessa, näytteiden välillä GS 6 ja GS 7, ja välillä GS 6 ja GS 8-9. Tämä tukee erittäin kliinisesti merkittäviä hypoteesi, että sitraattikonsentraatio voi erottaa aggressiivinen ja veltto eturauhassyöpä.

tulokset vahvistavat aiemmat

in vivo

ja

ex vivo

MRS tutkimukset osoittavat että lasku polyamiinien liittyy eturauhassyöpään [8], [14], [30], [31]. Lisäksi hyvin pieni putreskiiniä pitoisuus meidän tutkimus vahvistaa, että polyamiini huippu koostuu pääasiassa spermiinin. Johtuen merkittävästi alhaisempi pitoisuus spermiinin korkea laatu verrattuna huono laatu kudokseen, ehdotamme spermiiniä kuin erottelevan MR biomarkkereiden eturauhassyövän aggressiivisuus, ja keskittyä tähän tulisi harkita käyttäen CCP /C-suhde on MRSI tutkimukset. Nykyään spermiiniä ei voi täysin erottaa koliini huippu käyttäen MRSI, mutta koska teknologian nopea kehitys on jo käynnissä ja suuremmat kentänvoimakkuuksien (7T) tekemällä erottaminen mahdollista [32], polyamiinit ja varsinkin spermiinin ovat mahdollisia biomarkkereita kliinisessä käytössä.

Yllättäen ei ollut merkittäviä eroja korkealaatuista ja huono laatu eturauhassyövän jossakin määrällisesti choline- tai etanoliamiini sisältävien aineenvaihduntatuotteiden (Eth, PE ja GPE). Edellinen

ex vivo

tutkimukset ovat osoittaneet merkittäviä korrelaatioita GS ja koliini ja yhteensä koliini [33], ja merkittävästi korkeampia pitoisuuksia GPC korkea laatu (GS≥4 + 3) verrattuna huono laatu (GS≤3 + 4) syövät [13], joka ei vastaa meidän havaintoja. Löysimme suuntaus merkitys GPC /PCho-suhde (p = 0,0832), joka osoittaa muutoksen koliini sisältävien metaboliittien liittyy lisääntynyt aggressiivisuus, ei kuitenkaan havaittu, kun tarkastellaan aineenvaihduntatuotteiden erikseen. Johtuen ristiriitaisia ​​havaintoja koliinia aineenvaihdunnan myös muissa syöpien [34], koliini aineenvaihduntaan liittyvät syöpään aggressiivisuus ilmeisesti on vielä arviointia.

Edellinen

in vivo

MRSI tutkimukset ovat trendi kohti korrelaatio CCP /C-suhde ja eturauhassyövän aggressiivisuuden [12], [35], ja meidän tutkimus osoitti erittäin merkittävää eroa KKP /C suhde matala ja korkea laatu syöpiä. Meidän havainnot yksittäisiin aineenvaihduntatuotteita, osoittavat kuitenkin, että vähentynyt CCP /C-suhde havaittiin

in vivo

pääasiassa johtuvat vähentynyt sitraatti tasoilla.

Vaikka oli korrelaatio metaboliaprofiilit ja kehosta, korjaus kehosta analyysissä yksittäisten metaboliittipitoisuuksien ei ollut merkittävä. Tämä osoittaa, että aineenvaihdunnan erot korkea ja huono laatu eturauhassyöpänäytteissä ovat läsnä riippumatta kehosta. On kuitenkin todennäköistä, että näytteet pienemmillä syövän sisältöä vaatisi tilastollisia menetelmiä korjaamalla kehosta.

vahvuus Tämän tutkimuksen sisällyttäminen potilaiden koko kirjon kliinisiä vaiheissa, mukaan lukien potilaat, joilla erittäin aggressiivinen syövät. Rajoitus on kuitenkin, että huono laatu kudoksen (GS 6) pääosin hankittu potilailta, joilla on aggressiivisempia kasvaimia läheisyydessä, ja tämä on saattanut aiheuttama metabolisen häiriön meidän huono laatu materiaalia. Näyte kohortti myös lisää näytteitä potilailta puhtaalla huono laatu syöpä voi tarjota vielä selvempi aineenvaihdunnan erot matalan ja korkean asteen syöpiä.

Johtopäätös

Perustuu metabolinen profilointi ihmisen eturauhassyöpänäytteissä Tutkimuksen osoittaa, että matala ja korkea laatu eturauhassyöpäkudoksen voidaan erottaa pitoisuuksien spermiinin, sitraatti ja KKP /C-suhde. Tulevaisuudessa analysoimalla suurempi potilasaineistoihin, keskittyminen cut-off-arvot voidaan määrittää spermiinin ja sitraatti, ja malleja, jotka perustuvat metaboliaprofiilien voi tulla välineitä arvioitaessa eturauhassyövän aggressiivisuus. HR-MAS on toteutettavissa diagnostisena täydentävä tapa arvioida ohjattujen transrektaaliultraäänibiopsioiden, joka tarjoaa aineenvaihduntaan, joka voi ennustaa kasvaimen aggressiivisuus. Lopulta kääntämiseen

ex vivo

mittaukset kudosnäytteitä todellinen ei-invasiivisia

in vivo

tutkimus, mahdollistettu parannuksilla MR tekniikka, on tärkein tulevaisuuden tavoite. Siten tuloksemme osoittavat arvo MRS kliinisen hoidon suunnittelussa ja välineenä seurantaan osallistuneista potilaista aktiivisen seurannan ohjelmista.

Kiitokset

Tekijät Kiitokset laboratorioteknikot Toril Rolfseng, Unn Granli, ja Borgny Ytterhus apua laboratorion työ, Jørn-Ove Sæternes suunnitteluun ja kehittämiseen kudoksen sadonkorjuukoneet, ja urologien Jan Gerhard Mjønes ja Dag Halvorsen kudoksen keräämistä. Tutkimus suoritettiin MR Core Facility, Norja University of Science and Technology (NTNU).