用于肺癌查的生物流体代谢剖析,通过反应矩阵辅助激光溶解,离子化和质谱法进行
Zhengzhou Li1,2, Chen Sun3, Ke Jia1,2
1Beijing National Laboratory for Molecular Sciences, Key Laboratory of Analytical Chemistry for Living Biosystems, Institute of Chemistry, Chinese Academy of Sciences, Beijing 100190, China.
Analytical chemistry
|August 3, 2023
概括
这项研究引入了一种使用2-hydrazinoquinoline (2-HQ) 进行早期肺癌 (LC) 查的新方法. 双模式矩阵辅助激光消耗电离质谱法 (MALDI-MS) 方法可以准确地区分LC患者和健康个体.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 在瘤学瘤学.
背景情况:
- 肺癌 (LC) 仍然是全球癌症死亡的主要原因.
- 准确和早期查LC的方法对于改善患者的治疗结果至关重要.
- 现有的选方法可能缺乏足够的灵敏度或特异性.
研究的目的:
- 开发和验证一种新的双模反应矩阵,用于使用质谱测量进行LC查.
- 评估2-hydrazinoquinoline (2-HQ) 在用于LC检测的代谢指纹分析中的有效性.
- 评估机器学习算法在基于代谢资料的LC分类中的性能.
主要方法:
- 使用2-氨基 (2-HQ) 作为矩阵辅助激光脱离子化质谱 (MALDI-MS) 的双模式反应矩阵.
- 分析了来自肺癌患者和健康志愿者的血清和尿液样本.
- 采用机器学习算法对代谢指纹数据进行分类和分析.
主要成果:
- 成功检测了阳性和阴性两种模式中的代谢物,使得化物和类的衍生分析成为可能.
- 在区分LC患者和健康对照患者方面取得了高分类准确性:血清AUC为0.996,尿液AUC为0.938.
- 通过MS信号分析,在肺癌患者中确定了失调的代谢物,提供了对LC病理生理学的见解.
结论:
- 开发的基于2-HQ的双模式MALDI-MS方法显示了快速和准确的肺癌查的巨大潜力.
- 这种方法为早期检测提供了一个有希望的工具,有可能改善患者的预后.
- 代谢指纹与机器学习相结合,为癌症诊断提供了一个强大的策略.
更多相关视频
08:08Quantitative Mass Spectrometric Profiling of Cancer-cell Proteomes Derived From Liquid and Solid Tumors
Published on: February 27, 2015
16.3K
09:38Dithranol as a Matrix for Matrix Assisted Laser Desorption/Ionization Imaging on a Fourier Transform Ion Cyclotron Resonance Mass Spectrometer
Published on: November 26, 2013
14.2K
