开发一个预测模型,通过整合血清糖蛋白组学和临床变量来区分前列腺癌与良性前列腺增生症

科学领域:

• 生物化学 生物化学
• 蛋白质组学是指蛋白质组学.
• 在瘤学瘤学.

背景情况:

• 前列腺癌 (PCa) 是男性癌症死亡的主要原因.
• 目前的前列腺特异性抗原 (PSA) 查缺乏敏感性和特异性.
• 需要使用非侵入性诊断工具来区分良性疾病,惰性PCa (NAG-PCa) 和侵略性PCa (AG-PCa).

研究的目的:

• 开发一种新的基于血清的前列腺癌诊断模型.
• 为了提高区分前列腺癌和良性前列腺增生 (BPH) 的准确性.
• 探索一个预测因素来区分积极的PCa和惰的PCa.

主要方法:

• 在使用并行反应监测 (PRM) 的163个血清样本中定量32个N-糖基化.
• 蛋白质组分析的重点是用二氧化 (TiO2) 丰富的糖蛋白.战略.
• 机器学习算法的应用,将蛋白质学和临床变量结合起来,用于预测模型的开发.

主要成果:

• 结合六个蛋白质组和五个临床变量的预测模型,在区分PCa和BPH时获得了0.93的AUC,单独超过PSA (AUC0.79).
• 一个探索性分析开发了使用七个蛋白质变量和proPSA的攻击性PCa的预测指标,产生了0.69.6的AUC.
• 开发的模型旨在改善前列腺癌的非侵入性诊断和临床管理.

结论:

• 一个结合蛋白质学和临床变量模型显示了改善前列腺癌诊断的潜力.
• 初步结果表明,有一种工具可以将攻击性PCa与惰形式区分开来,尽管需要进一步验证.
• 数据通过ProteomeXchange (标识符PXD035935) 提供给公众.