代谢区分早期卵巢癌以前所未有的精度

使用先进的液相色谱分析和质谱技术再加上机器学习的计算机算法,研究人员已经确定了16种代谢物的化合物提供了前所未有的精度在区分46岁女性早期卵巢癌的对照组49岁的女性没有疾病。研究血液样本收集从一个广泛的地理区域——加拿大、费城和亚特兰大。

虽然生物标记的设置在本研究报告是迄今为止最准确的报道为早期卵巢癌患者,更广泛的测试在一个更大的人口将需要确定诊断精度高将保持在一个更大的群妇女代表一个民族和种族的多样性。

研究报道11月17日在《科学》杂志上报道,开放获取期刊出版商的本性。

“这项工作提供了一个概念验证,使用一个集成的方法结合分析化学和学习算法确定最优诊断功能可能是一个方法,”约翰·麦克唐纳说,学校的生物学教授乔治亚理工学院的技术和综合癌症研究中心主任。“我们认为我们的结果显示了伟大的承诺,我们计划在更大样本进一步验证我们的发现。”

卵巢癌治疗很困难,因为它通常不是诊断,直到它已经转移到身体的其他部位。研究人员一直在寻找一个可以诊断疾病的常规筛查测试阶段一、阶段二-当癌症是局限于卵巢。

使用三个癌症治疗中心在美国和加拿大,佐治亚理工学院的研究人员获得血液样本阶段1和阶段2的女性卵巢癌。他们分离血清,其中包含蛋白质和代谢物-分子在体内产生的酶促反应。

血清样本分析的超高效液相色谱-光谱法(UPLC-MS),这是两个连在一起的工具更好的独立样本各个组件。重分子分开轻分子,分子签名确定有足够的精度来确定具体的化合物。佐治亚理工学院的研究人员决定只看代谢物的研究。

“人们一直在关注蛋白诊断卵巢癌的几十年,结果不是很令人印象深刻,”法昆费尔南德斯说,教授在乔治亚理工学院的化学和生物化学的分析化学研究的一部分。“我们决定在不同的地方寻找分子可能提供诊断功能。的一个地方,人们以前没有研究。”

每个样本46名癌症患者进行了划分,以便可以分析一式两份。研究人员还研究了血清样本49岁的女性没有癌症。所需的工作消除不相关的化合物,如咖啡因,和分子没有出现在所有的癌症患者。

“我们使用高分辨率的设备和仪器能够单独的大部分组件的样品,”费尔南德斯解释道。“否则,发现早期卵巢癌是非常困难的,因为你有很多的混杂因素。”

化学工作发现大约一千个候选化合物。这一数字减少到约255通过研究科学家大卫高卢人的工作,从集合中移除重复和不相关的分子。

这255种化合物由学习算法进行分析评估的预测价值。分子没有贡献的预测准确性筛选被淘汰。最终,该算法产生的列表16分子一起以极高的精度区分癌症患者——超过90%。

“算法看着代谢特性和它们与相关癌症或控制患者的样本,是否“麦当劳解释道。“算法已经不知道什么是这些化合物。它仅仅是寻找分子的结合提供了最佳的预测精度。令人鼓舞的是,许多之前的诊断特征确定代谢物与卵巢癌。”

下一步,麦当劳和费尔南德斯想研究一个更大的人口样本,包括大量的不同的民族和种族团体。这些人可能有不同的代谢产物可能作为卵巢癌生物标记。

虽然先进的实验室设备是需要识别16分子,一个筛选试验不需要相同级别的复杂性,费尔南德斯说。

“一旦你知道这些分子是什么,下一步将是建立一个临床试验,”他说。“质谱分析是一种常见的工具。我们可以使用临床质谱计只看我们感兴趣的分子。移动这个临床试验需要工作,但我没有看到任何技术障碍。”

费尔南德斯和麦当劳组与前列腺癌和计划使用类似的方法来探索其效用检测其它类型的癌症。