Метаболомика слюны на основе масс-спектрометрии с капиллярным электрофорезом выявила профили, специфичные для рака полости рта, молочной железы и поджелудочной железы

Capillary electrophoresis mass spectrometry-based saliva metabolomics identified oral, breast and pancreatic cancer-specific profiles
Masaru Tomita, Tomoyoshi Soga, David T. Wong, Akiyoshi Hirayama, Masahiro Sugimoto
2009-09-09

специфические для рака метаболические профиликапиллярный электрофорез с масс-спектрометрией времени пролётамножественная логистическая регрессияметаболомика слюныбиомаркеры слюны
Слюна является легкодоступной и информативной биологической жидкостью, что делает ее идеальным материалом для раннего выявления широкого спектра заболеваний, включая сердечно-сосудистые, почечные и аутоиммунные заболевания, вирусные и бактериальные инфекции и, что особенно важно, онкологические заболевания. Диагностика на основе слюны, особенно с использованием метаболомных технологий, активно развивается и представляет собой перспективную клиническую стратегию, позволяющую охарактеризовать связь между компонентами слюны и конкретным заболеванием. В настоящем исследовании проведен комплексный анализ метаболитов образцов слюны, полученных от 215 человек (69 пациентов с раком полости рта, 18 — с раком поджелудочной железы, 30 — с раком молочной железы, 11 пациентов с заболеваниями пародонта и 87 здоровых лиц), с использованием капиллярного электрофореза с времяпролетной масс-спектрометрией (CE-TOF-MS). Были идентифицированы 57 основных метаболитов, которые могут применяться для точного прогнозирования вероятности наличия каждого из исследованных заболеваний. Несмотря на выявленные небольшие, но статистически значимые корреляции между известными характеристиками пациентов и количественно определенными метаболитами, профили характеризовались относительно более высокими концентрациями большинства метаболитов, обнаруженных при всех трех видах рака, по сравнению с показателями у лиц с заболеваниями пародонта и здоровых участников контрольной группы. Это указывает на то, что специфичные для рака сигнатуры содержатся в метаболитах слюны. Модели множественной логистической регрессии продемонстрировали высокие значения площади под кривой рабочих характеристик приемника (AUC) при дифференциации здоровых лиц и каждого из заболеваний. Значения AUC составили 0,865 для рака полости рта, 0,973 для рака молочной железы, 0,993 для рака поджелудочной железы и 0,969 для заболеваний пародонта. Точность моделей также была высокой: значения AUC при перекрестной проверке составили соответственно 0,810, 0,881, 0,994 и 0,954. Количественная информация об этих 57 метаболитах и их сочетаниях позволяет прогнозировать предрасположенность к заболеваниям. Эти метаболиты являются перспективными биомаркерами для медицинского скрининга. Электронный дополнительный материал: онлайн-версия этой статьи (doi:10.1007/s11306-009-0178-y) содер...
1
С помощью CE-TOF-MS в образцах слюны 215 человек выявлены 57 основных метаболитов, связанных с раком ротовой полости, молочной железы и поджелудочной железы.
2
Профили слюны при всех трёх видах рака в целом характеризовались более высокими концентрациями большинства обнаруженных метаболитов по сравнению с пациентами с заболеваниями пародонта и здоровыми участниками.
3
Перекрёстная валидация подтвердила эффективность моделей, показав AUC 0,810 для рака ротовой полости, 0,881 для рака молочной железы и 0,994 для рака поджелудочной железы.
4
Модели множественной логистической регрессии различали здоровых участников и пациентов с раком ротовой полости, молочной железы и поджелудочной железы с AUC 0,865, 0,973 и 0,993 соответственно.
5
Выявленные метаболиты и их комбинации являются перспективными биомаркерами восприимчивости к заболеваниям и скрининга на основе слюны.

Образцы человеческой слюны от лиц с раком полости рта, раком молочной железы, раком поджелудочной железы, пародонтитом и здоровых контролей, анализированные с помощью CE-TOF-MS

Специфичные для рака и других заболеваний метаболомные сигнатуры, а также их диагностическая различимость и прогностическая эффективность

Publication Details
Publication Date
2009-09-09
Journal
Publisher
ISSN
Cited by
1011
Access Type
Author Information
Authors
Masaru Tomita
Tomoyoshi Soga
David T. Wong
Akiyoshi Hirayama
Masahiro Sugimoto
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%