挥发性有机化合物用于从尿液中早期检测前列腺癌

科学领域:

• 生物化学 生化学
• 在瘤学瘤学.
• 分析化学 分析化学

背景情况:

• 前列腺癌 (PCa) 是全球男性癌症死亡的主要原因.
• 目前PCa的诊断方法缺乏足够的有效性,无法及早检测.
• 识别新的非侵入性生物标志物对于改善PCa诊断至关重要.

研究的目的:

• 研究尿液挥发性有机化合物 (VOC) 作为PCa.的诊断生物标志物的潜力.
• 评估气体染色-离子移动光谱法 (GC-IMS) 在检测尿液VOC的有效性,以诊断PCa.
• 评估机器学习算法在基于VOC配置文件的PCa分类中的性能.

主要方法:

• 从66名PCa患者和87名非癌症对照 (NCs) 收集了尿液样本.
• 气色谱-离子运动谱法 (GC-IMS) 用于分析尿样中的VOC.
• 四个机器学习算法 (随机森林 - RF,支持矢量机器 - SVM,神经网络 - NN,决策树 - DT) 用于诊断模型的构建.

主要成果:

• 总共有86种物质的峰值高度在尿样中被确定.
• 机器学习分析表明,VOCs可以有效地促进PCa诊断.
• 射频和SVM模型实现了高的曲线下面积 (AUC) 值,分别为0.955和0.981.
• 与RF和SVM相比,NN和DT模型也显示AUC高于0.8,尽管灵敏度或特异性较低.

结论:

• 通过GC-IMS检测到的尿液VOC,结合机器学习,代表了PCa诊断的一个有希望的非侵入性方法.
• 射频和SVM模型表现出卓越的诊断性能,突出了它们临床应用的潜力.
• 需要进一步验证,以确定这种方法在早期检测PCa方面的临床实用性.