血清代谢指纹为卵巢癌诊断编码功能生物标志物:一项大型队列研究
Wanshan Liu1, Xiaoxiao Hu2, Zhouzhou Bao2
1Department of Obstetrics and Gynecology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai 200127, PR China; State Key Laboratory for Oncogenes and Related Genes, Shanghai Key Laboratory of Gynecologic Oncology, Shanghai 200127, PR China; State Key Laboratory of Systems Medicine for Cancer, School of Biomedical Engineering, Institute of Medical Robotics and Shanghai Academy of Experimental Medicine, Shanghai Jiao Tong University, Shanghai 200030, PR China; Division of Cardiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai 200127, PR China.
这项研究确定了一种用于卵巢癌 (OC) 诊断的新型血清代谢生物标志物小组. 面板,包括葡萄糖,histidine,pyrrole-2-carboxylic acid和dihydrothymine,在区分恶性和良性卵巢质量方面显示出高度准确性.
科学领域:
- 在瘤学瘤学.
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 卵巢癌 (OC) 是全球妇科癌症死亡率的主要原因.
- 早期诊断OC至关重要,但由于当前诊断工具的局限性,仍然具有挑战性.
- 这项研究解决了改善OC诊断方法的需求.
研究的目的:
- 识别和验证血清代谢生物标志物用于早期诊断卵巢癌.
- 开发一个强大的诊断面板,以区分OC与良性卵巢疾病.
- 评估一种新型诊断方法的临床适用性.
主要方法:
- 分析了1432名受试者的大量队列 (662名OC,563名良性卵巢疾病,207名健康对照).
- 血清代谢指纹是使用纳米粒子增强激光消耗/电离质谱法 (NELDI-MS) 获得的.
- 机器学习被用来开发和验证诊断面板,并通过液体染色学进一步证实MS.
主要成果:
- 确定了一个由四个血清代谢生物标志物 (葡萄糖,胺,二酸,二胺) 的小组.
- 该小组在区分恶性和良性卵巢质量方面表现出高的诊断准确性 (AUC为0.87-0.89).
- 将面板与卵巢恶性瘤风险算法 (ROMA) 结合起来,进一步提高了诊断性能 (AUC为0.95-0.99).
结论:
- 已经建立了一个可靠的血清代谢生物标志物小组来诊断卵巢癌.
- 该NELDI-MS技术提供快速 (∼30秒/样本) 和具有成本效益 (∼$2-3/样本) 的分析,适合临床环境.
- 这项研究为在妇科瘤学中先进的代谢分析的临床转化提供了一个有希望的途径.
