与现有的预测工具相比,预诊前蛋白质组学测量的肺癌风险歧视

科学领域:

• 蛋白质组学是指蛋白质组学
• 生物标志物发现发现
• 预测癌症风险 预测癌症风险

背景情况:

• 肺癌仍然是全球癌症相关死亡的主要原因.
• 准确的风险评估对于早期检测和有效干预至关重要.
• 目前的风险模型和生物标志物在预测肺癌发病率方面存在局限性.

研究的目的:

• 开发一种基于蛋白质组学的新型风险模型,用于预测肺癌.
• 评估这个新模型的性能与既有方法相比.
• 将其风险歧视能力与基于吸烟的模型和商业自抗体测试进行比较.

主要方法:

• 一个病例控制研究被嵌入在六个潜在的队列中.
• 从624例肺癌病例和624个匹配的对照组的血液样本中分析了302种蛋白质.
• 一个基于蛋白质的风险模型被训练并使用接收器运行特征分析进行验证.

主要成果:

• 基于蛋白质组的模型实现了0.75的曲线下的面积 (AUC),明显超过了基于吸烟的PLCOm2012模型 (AUC = 0.64).
• 在86%的特异性下,蛋白质模型的灵敏度为49%,而PLCOm2012的灵敏度为30%,EarlyCDT-Lung的灵敏度为14%.
• 开发的模型表明,对于发生的肺癌,风险歧视优越.

结论:

• 循环蛋白质对于预测发生的肺癌具有显著的潜力.
• 开发的基于蛋白质组学的风险模型比现有方法提供了更好的性能.
• 这种方法可以提高早期肺癌检测和风险分层.