关于选择,采样,提取,分析和建模出口气中的生物标志物的考虑,用于早期肺癌查

科学领域:

• 生物化学 生物化学
• 分析化学 分析化学
• 在瘤学瘤学.

背景情况:

• 肺癌 (LC) 仍然是癌症死亡的主要原因,主要是由于目前早期检测方法的局限性.
• 早期诊断对于改善肺癌患者的治疗结果和生存率至关重要.
• 呼出的气息中的挥发性有机化合物 (VOC) 提供了对生理和病理过程的非侵入性窗口.

研究的目的:

• 通过对呼气中的挥发性有机化合物 (VOC) 的分析,审查和总结肺癌查的最先进方法.
• 涵盖呼吸采样,VOC分析和用于LC检测的多变量数据建模的基本方面.
• 确定常见的VOC生物标志物,并评估呼吸分析的潜力,以区分LC患者和健康个体.

主要方法:

• 通常在Tedlar®袋中收集的呼吸样本.
• 使用固相微提取气色谱质谱法 (SPME-GC-MS) 或基于传感器的技术进行分析.
• 多变量数据分析技术,包括主要组件分析 (PCA) 和人工神经网络 (ANN),用于生物标志物识别和分类.

主要成果:

• 超过200种不同的VOC被确定为潜在的肺癌生物标志物.
• 通常报告的生物标志物包括乙,异烯,六和.
• 对一组VOC的多变量建模,而不是单个化合物,有效地将LC患者与健康对照区分开来.
• 一些VOC的外源来源必须与内源代谢过程和氧化应激一起考虑.

结论:

• 呼出的VOC分析,特别是与多变量数据建模相结合时,显示出非侵入性早期肺癌查的巨大潜力.
• 肺癌患者和健康个体之间的VOC度概况有所不同,这使得诊断歧视成为可能.
• 进一步的研究和方法的标准化对于临床实施基于呼吸的肺癌诊断至关重要.