通过基于指纹的多模式识别,通过前列腺液体代谢指纹识别来识别高格里森得分前列腺癌
Zehong Peng1, Yuning Wang2, Xinrui Wu1
1Department of Urology, Ren Ji Hospital, School of Medicine, Shanghai Jiao Tong University, 160 Pujian Road, Shanghai, 200127, P. R. China.
Small methods
|January 23, 2024
概括
一项新的研究使用铁纳米粒子辅助激光脱吸/电离质谱法 (FeNPALDI-MS) 来分析前列腺液体. 这种方法有助于更准确地诊断高格里森得分前列腺癌 (h-GS PCa).
科学领域:
- 在瘤学瘤学.
- 生物化学 生化学
- 分析化学 分析化学
背景情况:
- 前列腺癌 (PCa) 是全球男性的主要癌症.
- 格里森得分是PCa的关键预后因素.
- 高格里森评分PCa (h-GS PCa,GS ≥8) 表明具有不良预后的侵袭性疾病.
研究的目的:
- 开发一种快速的,非侵入性的h-GS PCa.诊断方法.
- 结合前列腺液体代谢指纹 (PSF-MF) 与临床数据进行多式诊断.
- 识别关键代谢物,以改善h-GS PCa检测.
主要方法:
- 铁纳米粒子辅助激光脱吸/电离质谱法 (FeNPALDI-MS) 用于获得PSF-MF.
- 机器学习被用来整合PSF-MF和临床特征 (例如,PSA).
- 代谢物查确定了关键的诊断生物标志物.
主要成果:
- 多式联络方法实现了h-GS PCa诊断的AUC为0.87.
- 这超越了仅使用PSF-MF或PSA的单模诊断.
- 六个关键代谢物表现出高诊断效率,AUC为0.96.
结论:
- 基于FeNPALDI-MS的多模式方法为h-GS PCa诊断提供了一个有希望的非侵入性工具.
- 已识别的代谢物和途径可以阐明h-GS PCa的病原性.
- 这种方法可以帮助早期检测和管理侵袭性前列腺癌.
