Abstract
Lungekreft er den mest dødelige neoplasi, og en tidlig diagnose er den beste måten for å bedre overlevelse. Symptomatiske pasienter deltar Lunge Services kan bli diagnostisert med lungekreft tidligere hvis høyrisiko individer er raskt skilles fra friske individer og pasienter med godartet luftveissykdommer. Vi søkte etter en praktisk non-invasiv serum test for å definere hvilke pasienter bør ha mer umiddelbare kliniske tester. Seks cancerassosierte molekyler (HB-EGF, EGF, EGFR, sCD26, VEGF, og Calprotectin) ble undersøkt i dette studiet. Markører ble målt i serum ved spesifikke ELISA, i en uselektert populasjon som inkluderte 72 lungekreftpasienter i ulike histologiske typer og 56 kontrollpersoner (friske individer og pasienter med godartet lunge patologi). Økte regresjon og tilfeldig skoger analyse ble utført for valg av den beste kandidaten biomarkører. En bemerkelsesverdig diskriminerende evne ble observert for EGF, sCD26, og spesielt for Calprotectin, disse tre molekylene som utgjør en markør panel skilte en sensitivitet på 83% og spesifisitet på 87%, hvilket resulterer i en tilhørende feilklassifisering på 15%. Til slutt, en algoritme utledet av logistisk regresjon og et nomogram lov å generere klasse score i forhold til risikoen for en pasient for lidelse lungekreft. I konklusjonen, foreslår vi en ikke-invasiv test for å identifisere pasienter med høy risiko for lungekreft fra en ikke-valgt befolkningen deltar på et Lunge service. Effekten av denne tre-markør panel skal testes i en større populasjon for lungekreft
Citation. Blanco-Prieto S, Vázquez-Iglesias L, Rodríguez-Girondo M, Barcia-Castro L, Fernández-Villar A, Botana-Rial MI, et al. (2015) Serum Calprotectin, CD26 og EGF for å etablere et panel for diagnostisering av lungekreft. PLoS ONE 10 (5): e0127318. doi: 10,1371 /journal.pone.0127318
Academic Redaktør: Rossella Rota, Ospedale Pediatrico Bambino Gesu «, ITALIA
mottatt: 07.11.2014; Godkjent: 13 april 2015; Publisert: 18. mai 2015
Copyright: © 2015 Blanco-Prieto et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatter og kilde er kreditert
Data Tilgjengelighet: All relevant data er innenfor papir og dets støtteinformasjon filer
finansiering:. Denne forskningen ble støttet av prosjektet PS09-00405 fra Instituto de Salud Carlos III, gruppering av Inbiomed 2012/273, og finansiering fra FEDER DXPCTSUG-Feder (CN 2011/024). S. Blanco-Prieto ble støttet av et fellesskap fra Programa Nacional de Formación de Profesorado Universitario (FPU, spanske departementet for vitenskap og innovasjon). M. Rodríguez-Girondo erkjenner økonomisk støtte fra Grant MTM2011-23204 (FEDER støtte inkludert) av det spanske departementet for vitenskap og innovasjon og INBIOMED 2009-063 av Xunta de Galicia. Prøvene som brukes i dette arbeidet hører til Biobank fra CHUVI (Retic-FIS-ISCIII RD09 /0076/00011)
Konkurrerende interesser:. Forfatterne har erklært at det ikke konkurrerende interesser eksisterer
Innledning
Lungekreft (LC) er de mest fatale neoplasi sto for 18% av den totale kreftdødsfall [1]. Histologisk klassifikasjon av lungesvulster omfatter to hovedgrupper: småcellet lungekreft (SCLC) og ikke-småcellet lungekreft (NSCLC), som representerer 75-80% av nydiagnostiserte lungekrefttilfellene [2]. Ved diagnose en betydelig andel av pasientene viser tumor spredning og en ekstremt dårlig prognose, med en 5-års overlevelse på 16% for NSCLC [3]. Likevel overlevelse markert varierer avhengig av scenen, fra 52% i lokal sykdom til en dramatisk 4% for avansert stadium [4].
The National Cancer Institute gjennomførte National Lung Screening Trial som viste en 20% reduksjon i LC dødelighet for en høy-risiko befolkning referert til screening med lavdose computertomografi (CT) [5]. Følgelig eksisterende amerikanske retningslinjer bekrefter at tilstrekkelig bevis støtter gjennomføringen av LC screening med CT [6]. På den andre siden, er det fortsatt usikkerhet i Europa venter for den samlede beregningen av dødelighet basert på de pågående screeningforsøk [7]. Valget av hvilke risikogrupper bør screenes er også tvilsomt. Foreløpige resultater fra den største europeiske lungekreft screening rettssaken, NELSON, har vist gunstige scenen fordeling med 70,8% av personer som blir diagnostisert på scenen jeg, som forhåpentligvis vil føre til en reduksjon av dødelighet [8].
Men et stort problem for LC screening med CT er den høye frekvensen av falske positive resultater som gjør denne teknologien kostnads ineffektiv, noe som tyder på andre diagnostiske prosedyrer [9]. Som en konsekvens, er risikoen prediksjonsmodeller som omfatter genetiske og molekylære biomarkører for tidlig diagnose økende interesse for å forhåndsvelge pasienter skal sendes til lavdose CT [10, 11].
Nylig, paneler av blodprøver for å definere høy -risk populasjoner for LC og spesielt for NSCLC er rapportert. Planque
et al
. [12] etablert en modell med flere kallikreins, mens andre forfattere har vist matriser av biomarkører med en dokumentert innblanding i LC [13-15].
Vi analyserte nivåer av 6 kandidatmarkører i serumprøver tatt fra lungekreft pasienter og sammenlignet dem med en kontrollgruppe som består av både friske kontroller og personer med godartede følelser av lungen. De utvalgte molekylene er kreft-assosiert markører som dekker et bredt spekter av funksjoner som er involvert i kreftutvikling og progresjon: den oppløselige formen av epidermal vekstfaktor reseptor (sEGFR) [16]; to av ligandene som binder EGFR: Epidermal vekstfaktor (EGF) og heparin-bindende epidermal vekstfaktor (HB-EGF); den Vaskulær endotelial vekstfaktor (VEGF) som en av de viktigste etterfølgerne angiogenese [17]; sCD26, den oppløselige form av CD26, er en celleoverflate glykoprotein bærende serin protease aktivitet og er involvert i immunregulering og kreft [18-20]; og en betennelse-assosiert molekyl, Calprotectin (CAL) [21], oppregulert i flere kreftformer, blant annet lungekreft [22].
Målet med vår studie er å få en ny og nøyaktig panel av markører for diskriminerende pasienter med høy risiko for LC. Serumnivå av de seks analytter ble målt, og en to-trinns statistisk prosedyre ble brukt for å utlede et optimalt klassifiseringsalgoritme. En klassifisering poengsum for hver pasient ble bestemt at et forbedret utvalg av pasienter for videre diagnostiske prosedyrer.
Materialer og metoder
kliniske prøver
De individene prospektivt inkludert i nåtiden studien er pasienter med luftveissymptomer som deltar på Lunge service of Complejo hospitalario Universitario de Vigo (Spania) mellom mai 2007 og november 2010.
Åtte ml perifert blod ble samlet i sterile rør som inneholder heparin og gelose, ved første besøk. Prøvene ble sentrifugert ved 3.000 opm i 15 minutter, og serumet ble lagret ved -20 ° C inntil analyse. Pasientdata og serum ble oppnådd i full overensstemmelse med klinisk-etiske praksis av den spanske regjeringen og Helsinki-deklarasjonen, og galiciske Etisk Komité for klinisk forskning godkjent studiet. Skriftlig informert samtykke ble gitt fra enkeltpersoner og anonymitet ble garantert.
Klinisk utredning fulgt anbefalingene fra dagens kliniske guider [23-25]. Diagnostisering av LC ble oppnådd ved histologisk vurdering av tumorer etter kriteriene for WHO i 1999 [26]. Staging ble bestemt i henhold til 5
th utgaven av TNM-systemet i bruk for øyeblikket studien ble utført [27]. Pasienter med tilbakefall eller progresjon av kreft diagnostisert tidligere og administrasjon av kjemo- eller stråleterapi ble ekskludert fra studien. Kreften gruppe inkluderte 72 lungekrefttilfeller: median alder av pasientene var 71 år (range 47-88), 58 var menn og 14 kvinner, og røyking hos omtrent 90%. NSCLC sto for 64 tilfeller, mens åtte ble diagnostisert som SCLC. Innenfor NSCLC type, adenokarsinom var den dominerende histologisk subtype (34 pasienter) og stadium IV var den hyppigste scenen (28 saker, trinn I og III 17 tilfeller hver, og to stadium II svulster).
kontrollgruppen besto av 56 personer skilt i to grupper: en kontroll gruppen inkluderte pasienter med godartede sykdommer i lungene som smittsomme sykdommer (n = 31) og en pasient med interstitiell lungesykdom den andre undergruppen besto av friske kontroller (n = 24) og inkluderte pasienter som klinisk ble sjekket basert på luftveissymptomer som hoste, dyspné eller brystsmerter, men uten spesifikke symptomer for LC. Median alder for denne kontrollgruppen var 60 år (range 24-88), som består av 33 menn og 23 kvinner, og presentere 64% av kontrollene røyke vaner. Kliniske og patologisk egenskaper for LC pasienter og personer uten LC er skissert i S1 tabell.
Måling av serum Biomarkører Konsentrasjon
Måling av biomarkør konsentrasjoner ble utført ved bruk av kommersielt tilgjengelige enzymbundet immunosorbent (ELISA) analyser, i henhold til de respektive produsentens foreslåtte protokoller. HB-EGF, EGF og EGFR-analyser ble kjøpt fra R sCD26 og VEGF fra eBioscience (Irland, UK) og CAL-analysen fra Hycult Bioteknologi (Uden, Nederland). Både standard og serumprøver ble analysert i duplikat. Avlesninger ble samlet på et EnVision Multilabel Plate Reader (Perkin Elmer).
statistiske metoder
Individuell Biomarker Evaluering.
Kontinuerlige variabler er presentert som median (spredning), og kategoriske variabler som frekvenser (prosenter). De ikke-parametrisk Mann-Whitney U og Kruskal-Wallis tester ble brukt for å vurdere forskjeller på konsentrasjonen av hver biomarkør blant LC og kontrollgrupper, og å utføre parvise sammenligninger mellom kontrollene og tilfeller undergrupper. Receiver Operating Characteristic (ROC) kurver og Pearsons korrelasjon mellom biomarkører nivåer ble også beregnet.
P
-verdier 0,05 ble ansett som statistisk signifikant og korrigert av Holm metoden [28] for å hindre for inflasjon av type I feil på grunn av flere tester i subgruppeanalyser (samtidig vurderer undergrupper definert av LC iscenesettelse og kontroll subtyper). Univariate analysene ble utført ved hjelp av statistisk programvare SPSS 15,0 (SPSS Inc., Chicago, IL) og R (Wirtschafts Universität, Wien, Austria).
Multivariate Panel Utvalg analyse.
Marker konsentrasjonene log
10-transformert før multivariat analyse for å redusere skjevhet. Vi brukte en to-trinns fremgangsmåte, som kombinerer variabel reduksjon og modelltilpasning ved bruk av logistisk regresjon.
Økte regresjon [29, 30] og tilfeldige skoger [31] ble utført for reduksjon av antallet markører. Vi brukte en funksjonell gradient nedstigning forsterke tilnærming der beslaget problemet er tolket som den empiriske minimering av en forhåndsdefinert tapsfunksjon. Minimering oppnås ved å gjentatte ganger (m gjentakelser) montering regresjon trær til de negative gradienter av tapsfunksjonen.
Tilfeldige skoger stole på bootstrap aggregering. Nemlig, er mange regresjon trær vokst for hver undergruppe av biomarkører og hvert tre blir brukt til å forutsi gruppe for hvert observasjon. Disse regnes som «stemmer» for at gruppemedlemskap og en gitt observasjon er tildelt til gruppen med flest stemmer.
For begge metodene, vi regnet 1.000 trær og ut-av-bag (OOB) feil priser ble avledet vurderer trening sett med 75% av tilfellene og tester sett som inneholder de resterende 25%. For styrket regresjon, fungerer m som en tuning parameter, og det er bestemt av minimering av out-of-pose (OOB) feilrate. Tilsvarende, i tilfeldig skoger, er trær montert i treningssett, og deretter brukes til å forutsi gruppen medlemskap i 25% av testtilfelle. Vi ombygget hver modell 1000 ganger og vi rapporterte en rangering av de biomarkører i henhold til deres median relativ betydning [32].
Vi montert alle mulige logistiske regresjonsmodeller basert på de høyest rangerte biomarkører. Flere ytelses indekser ble beregnet og sammenlignet blant modeller: Akaike informasjonskriterium (AIC), Bayesiansk informasjon kriterium (BIC) og mener squared error (MSE) som mål på manglende tilpasning (lavere verdier indikerer bedre passform) og arealet under ROC-kurven (AUC) som en diskriminering tiltak. Mens AIC og BIC straffe modell kompleksitet, favoriserer enklere modeller, MSE og AUC fokus på prediksjonsevne selv, favoriserer mer komplekse modeller.
Vi brukte OOB spådommer og vi gir gjennomsnittsverdier over 1000 repetisjoner. Alle de logistiske regresjonsmodeller inkludert alder og kjønn for å justere for potensielle konfunderende. Til slutt gir vi en nomogram grafisk representasjon.
For å evaluere den diagnostiske evne til panelet angitt som best i henhold til de nevnte indekser (AIC, BIC, MSE og AUC), ble vilkårene for sensitivitet og spesifisitet gitt. Sensitivitet viser prosentandel av pasienter med lungecancer som fører positiv med test, altså evnen til test for å påvise sykdommen; spesifisiteten er prosentandelen av ikke-kreft individer som testen er negativ.
Alle multivariate statistiske analyser ble utført med den statistiske programvaren R (Wirtschafts Universität, Wien, Østerrike).
resultater
Analyse av blodprøver hos pasienter med lungekreft og hos kontrollpersonene
Serumkonsentrasjonen konsentrasjonen~~POS=HEADCOMP sammen med univariate statistiske analyser som sammenligner kontroll og LC grupper for hver av de seks biomarkører er presentert i tabell 1. betydelig økte serumkonsentrasjoner av EGF (
p
0,001), sEGFR (
p
= 0,037) og CAL (
p
0,001) ble funnet i LC pasienter sammenlignet med kontrollgruppen, mens sCD26 ble redusert (
p
0,001). Interessant, bare sCD26 (
p
= 0,045) og CAL nivåer (
p
0.001) i godartede sykdommer konservert betydelig forskjell fra nivåene i LC, mens for EGF denne forskjellen nådde ikke signifikans (
p
= 0,100).
Den potensielle kliniske nytten av disse 6 analytter som biomarkører for LC ble vurdert ved hjelp av univariat ROC kurve analyser (tabell 1). Bemerkelsesverdig diskriminerende kapasiteten ble påtruffet for EGF og sCD26, med et areal under kurven (AUC) av 0,701 og 0,711, henholdsvis; CAL utviste den mest lovende profilen med en AUC på 0,781.
korrelasjon mellom markørene ble også vurdert å avsløre at flere molekyler ble svakt korrelert med hverandre (data ikke vist). Bare for sCD26 og CAL med VEGF, var sammenhengen . 0.3
Analyse av blodprøver ifølge Tumor Klassifisering
Nivåer av markørene ble også analysert i NSCLC (89% av LC tilfeller) i samsvar med tumor spredning (tabell 2). Blant signifikante diskriminantfunksjoner markører, EGF og CAL nivåene var allerede statistisk skjelnes fra friske og godartede kontroller på tidlige stadier I- II (
p
0,001 og
p
= 0,002, henholdsvis). Disse markørene vises også betydelige forskjeller mellom NSCLC etapper III-IV pasienter og kontroller (
p
= 0,012 for EGF og
p
0,001 for CAL), til tross for EGF viser bemerkelsesverdige dårligere nivåer i avanserte stadier i forhold til tidligere stadier. På den andre siden, var ingen statistisk signifikante forskjeller finnes mellom sCD26 nivåer på tidlige stadier og de i kontroller (
p
= 0,116), men de effektivt skilte seg i disseminert stadier i forhold til kontroller (
p
. 0,001)
for de resterende markører, lagdeling av svulst forlengelse førte ikke til forskjeller med kontrollgruppen, med unntak av VEGF. Når stratifisert etter tumorstadium, sEGFR mistet sin diskriminering fra kontroller, både på tidlige stadier I-II, og i avanserte stadier III og IV (
p
= 0,375 for begge sammenligninger). Omvendt, for VEGF det markert økning i nivåene med sykdomsprogresjon har ført til betydelig høyere nivåer ved progressive trinn III-IV enn de i kontrollgruppen (
p
= 0,028).
S2 Tabell gir en dypere analyse av markør nivåer i enkelte NSCLC etapper. For markører som viste betydelige discriminators mellom kontrollpersoner og LC pasientene ordnede, sCD26 og CAL viste en ganske homogen trend til forverring av deres nivå med NSCLC progresjon, som utgjorde differensiering av sen NSCLC om kontroller i tilfelle av sCD26. Bemerkelsesverdig, trenden for EGF speil var motsatt, med nivåene i fremskredne stadier som nærmer seg dem som oppvises av kontrollpersoner.
Selv om en detaljert analyse i henhold til tumoren forlengelsen var ikke mulig i SCLC gruppe på grunn av den reduserte prøven størrelse, det var en merkbar forskjell mellom nivåene ved begrenset og utvidet sykdom for HB-EGF (111,00
versus
236,00 pg /ml), EGF (78,37
versus
447,90 pg /ml) og CAL (97,32
versus
313,00 ng /ml). Tilsvarende nivåer ble påtruffet i en begrenset og utvidet stadier i tilfelle av sEGFR (41.96
versus
35,22 ng /ml), sCD26 (339,00
versus
294,00 ng /ml) og VEGF (530,82
versus
493,76 pg /ml).
En grafisk visning av individuelle biomarkør profiler vurderer alle undergrupper av pasienter er presentert som box-plott i figur 1.
Skap-tomter nivåene av de seks biomarkører kandidater i sera undergrupper av kontroller og lungekreftpasienter. Horisontale linjer representerer medianverdier.
Sammenligning av Biomarkører med demografiske Parametere
Nivåer av HB-EGF, EGFR, VEGF og CAL viste ingen sammenheng med demografiske parametere. EGF (
p
= 0,004) og sCD26 (
p
= 0,014) nivåer varierte betydelig etter kjønn; Videre sCD26 nivåer redusert gradvis med alderen (
p
= 0,001). Utelukkende EGF korrelert til røykestatus, med nivåer spesielt overlegne i røykere (
p
= 0,011) (tabell 3).
.
Valg av en Multi- markør Panel for deteksjon av lungekreft
Bruk forsterke og tilfeldige skoger metoder, ble hver markør rangert etter viktighet for å forutsi LC (tabell 4). Begge metodene gir mulighet for en rangering av markører som for det meste bidrar til skille mellom kreft og kontrollpersoner. Ifølge den forsterke metode, viste CAL overlegen relative betydning, etterfulgt av sCD26 og EGF med en tilsvarende relativ betydning; tilfeldig skogen faller hovedsakelig i sin rangering. I lys av disse resultatene vi valgte CAL, sCD26 og EGF som relevante biomarkører for påvisning av LC.
Deretter bygget vi alle mulige logistiske regresjonsmodeller basert på kombinasjoner av disse tre markører og kjønn og alder som potensielle konfunderende variabler (tabell 5). Flere ytelses indeksene ble brukt for å undersøke hvilken modell oppfører beste. Mens BIC er mer konservativ og identifiserer modellen med CAL alene som optimale (laveste BIC verdi), AIC identifiserer modellen med tre markører som den optimale én (den viser den laveste AIC verdi), i samsvar med de høyeste AUC og laveste prediksjon MSE.
Klassifisering algoritme
som stammer fra ytelses indekser, en verdifull markør panel som kan være nyttig for LC diagnosen ble etablert, bestående av CAL, sCD26 og EGF. Den tilhørende logistisk regresjonsmodell generert en algoritme for å estimere en klassifisering score (
p
) for hver pasient, gitt av den beregnede sannsynlighet for å presentere LC, som en funksjon av de utvalgte biomarkører (CAL, sCD26 og EGF) definert som følger: hvor X
1, …, X
i er de logaritmisk transformerte (basis 10) konsentrasjoner av markører, α
0 er den spesifikke konstant av modellen og α og β er koeffisientene for demografiske variabler (alder og kjønn) og hver av de utvalgte biomarkører, henholdsvis.
diagnose~~POS=TRUNC Resultater for valgte Panel av Markers
med sikte på å estimere de diagnostiske parametere for den valgte tre-markør klassifisering algoritmen vår pasientpopulasjon, verdiene for klassifisering poengsum
p
ble generert for enkeltpersoner evaluert i vår studie. Forskjellige loddepunkter for
p
med tilhørende følsomhet og spesifisitet ble foreslått (tabell 6). Den optimale terskelen for diskriminering av kreft fra ikke-kreft pasienter var 0,559, noe som betyr at en pasient med en score høyere anses å ha lungekreft og en pasient med en score dårligere enn 0,559 anses ikke å ha kreft, bærer denne cut-off en sensitivitet på 83% og en spesifisitet på 87%.
Virkningen av demografiske og kliniske variabler på Feilklassifisering av prognosemodell
den totale feilklassifisering rate for tre-markør panel, for en fast cut-off på 0,559, var 15%. En undersøkelse av de individuelle gruppene ble deretter utført for å vurdere rollen til demografiske og kliniske variablene på uriktig tilfeller klassifisering. Panelet ga en høyere feilklassifisering hastighet på ikke-røykere (26%) enn røykere (16%), grunnet (i hvert fall delvis) den konfunderende effekten av røyking på EGF verdier. Angå iscenesettelse, feilklassifiseringer i tidlige stadier I-II var svært lik de som ble presentert i avanserte stadier III-IV, henholdsvis 11 og 13%,. SCLC saker ble feilklassifisert i større grad, 50% (4/8 tilfeller), enn NSCLC tilfeller (12%). Når du ser utelukkende på kohort bestående av friske kontroller ble bare ett fag misclassified ut av 24 testet (4%), mens 6 av 32 pasienter med godartet lunge følelser ble feilaktig klassifisert (19%).
Tippe nomogram
nomogram er en enkel måte å tolke en multivariat markør panel og å visualisere de ulike pasientprofiler som gir forskjellige verdier av den tilhørende klassifisering poengsum
p
. Fig 2 viser et nomogram for panelet inkludert CAL, sCD26 og EGF nivåer (log transformert). For å oppnå det resultatet av en gitt pasient, er de tilsvarende verdiene for hver markør plassert på den tilsvarende akse og lodd relatert til «poeng» akse som attributter peker på variabel avhengig av sine nivåer. Merk at CAL er markøren forbundet med det høyeste antall poeng, noe som betyr at det er den variabelen med høyest vekt på å beregne poengsum
p
. Når beregnet bidraget i poeng for hver variabel, blir de summert, og aksen poeng totalt kan så direkte knyttet til klassifisering poengsum
p
aksen nedenfor.
multivariabel logistisk regresjon modell- basert nomogram å definere lungekreft poengsum
p
basert på Calprotectin, sCD26 og EGF konsentrasjon (log transformert), kjønn og alder.
Diskusjoner
Vårt mål var å identifisere kandidat serummarkører for å utgjøre et panel og foreslå en klassifiseringsmodell som skal brukes i vanlig symptomatisk ikke-valgt befolkningen besøker lunge~~POS=TRUNC Services for utvelgelse av pasienter mottagelig for å bli sendt til diagnostiske prosedyrer. Utgangspunktet vi inkluderte 6 molekyler:. HB-EGF, EGF, sEGFR, VEGF, sCD26 og CAL å undersøke deres potensial som diagnostiske markører i LC
sEGFR, som omfatter bare den ekstracellulære domenet av EGFR, er funnet i blodet [ ,,,0],33, 34] og kan potensielt gjenspeile endringer i tumorvekst. To av ligandene som binder til EGFR Det ble også utvalgt for denne undersøkelsen: EGF og HB-EGF. Både serum EGFR og EGF vist god diagnostisk kapasitet i LC pasienter i en tidligere studie [trettifem] mens rollen som HB-EGF i LC har bare blitt vurdert i forhold til responsen på EGFR behandling [36]. VEGF som en formidler av angiogenese [17] har blitt grundig evaluert som en prognostisk faktor i LC [37, 38]. sCD26, den oppløselige formen av trans protease dipeptidylpeptidase IV (DPPIV) [18] er rapportert i lave nivåer i faste ondartede sykdommer [20], og det er foreslått som en bemerkelsesverdig følsom analyse for tidlig diagnose og screening av CRC [39]. Tilhørighet til S100 familie av kalsiumbindende proteiner, er CAL en immunogen protein rikelig uttrykt og utgitt av fagocytter, øve antimikrobielle og pro-inflammatoriske egenskaper [21]. En funksjon i kreftutvikling har blitt foreslått på grunn av sin oppregulering i ulike tumorer som lunge [22].
Fra våre resultater kan vi konkludere med at EGF, sCD26 og CAL viste den høyeste diskriminerende kapasitet for lunge malignitet . EGF viste en relativt god ytelse i LC diagnostisering med nivåer betydelig øket sammenlignet med kontrollgruppen. I en tidligere studie (Lemos
et al
. [35]), vi beskrev statistisk lavere nivåer av EGF i serum av NSCLC pasienter enn hos kontrollene. Disse tilsynelatende motstridende resultater skyldes forskjeller i kontroll- og pasienter kohorter. Her følger vi godartede sykdommer, og friske individer var symptoma seg, mens i tidligere arbeid disse var friske donorer. Videre pasientens gruppe i den tidligere studien inkluderte hovedsakelig avanserte NSCLC. På den annen side, ble avhengigheten av EGF nivåer på kjønn og røykestatus ikke rapportert i den undersøkelsen.
Resultatene angå sCD26 i LC diagnose var også lovende. Rollen til CD26 i kreftutvikling er ikke entydig. På den ene side, er pro-onkogene aktiviteter som medierer lungemetastase rapportert [40]. På den andre siden, ble en suppressor rolle på lungekreft demonstrerte [41], som re-uttrykk for CD26 reversert den ondartede fenotype av ikke-småcellet lungekreft celler. I vår studie, opplevde sCD26 en betydelig reduksjon på sitt nivå hos kreftpasienter i forhold til å kontrollere enkeltpersoner. En slik reduksjon er allerede blitt observert [42] og likeledes en sammenheng med høy alder og lavere sCD26 nivåer var møtt; også en betydelig nedgang på DPPIV aktivitet med alder i en populasjon av friske hadde tidligere blitt beskrevet [43]. De Chiara
et al
. [44] målt serum sCD26 i en stor kohort og rapporterte samlet gjennomsnittlig nivå av 522 ng /ml (range 118-3062), i henhold til nivåene i vår kontroll kohort. På samme måte, observerte de noe høyere konsentrasjoner hos kvinner og en beskjeden reduksjon i nivåene langs flere tiår.
CAL refererer til heterodimeren dannet av S100A8 og S100A9 proteiner, og det er en mediator av ulike prosesser i kronisk inflammasjon å være et høyt nivå karakteristisk for inflammatoriske tilstander. Differensiell ekspresjon av CAL har vist seg å representere et viktig skritt for å bidra til kreftutvikling og progresjon i ondartede sykdommer i blæren, hud, bryst, mage, kolorektal, lunge, bukspyttkjertel, prostata og plateepitel esophageal karsinomer [21, 22].
i et tidligere arbeid en høy nøyaktighet av CAL for å forutsi malignitet hos pasienter med exudative pleuravæske er vist [45]. CAL nivåer i LC forårsaker effusjoner (255,4 ng /ml) var lik den som er rapportert her i serum. Derimot ble mye høyere gjennomsnittlig nivå innenfor godartede plevravæske (2,627.1 ng /ml) funnet i forhold til gjennomsnittsnivået i serum (141,93 ng /ml), beviser de ulike natur væsker analysert. En sterkere vev ekspresjon av S100A8 og S100A9 i lunge malignitet sammenlignet med benigne perifere og tilstøtende lungevev ble rapportert [46], i overensstemmelse med våre data.
En av de viktigste kravene til en svulstmarkør, er dens evne til å påvise sykdommen i tidlige stadier. EGF og CAL nivåer er allerede endret i etapper I-II av NSCLC i forhold til kontroller, mens sCD26 presenteres en forsterket nedgang, men ikke signifikant. Tilsvarende analyse i SCLC pasienter kunne ikke utføres på grunn av lavt antall individer, likevel pasienter med begrenset sykdom utstilt EGF og CAL nivåer dårligere enn de i kontrollgruppen som kan indikere en viss grad av problemer med å klassifisere disse pasientene. Samlet disse resultatene tyder på nytten av panelet i screening kampanjer. Dette faktum bevis på stor begrensning av vår studie, den relativt lille størrelsen på vår kohort som utelukker sammenligninger som de nevnte, warranting ytterligere store studier for å bekrefte disse funnene. Det samme gjelder for generering av klassifiseringsmodell, men i dette tilfellet de statistiske prosedyrer på begge trinn ble gjentatt 1000 ganger og som følge parametere i gjennomsnitt, noe som unngår overvurdering og sikrer reproduserbarhet av modellen i fremtidige bestander.
Å nå en klinisk relevant klassifisering algoritme for LC basert på mest diskriminerende markører en totrinns statistisk strategien ble utført. Styrking og tilfeldige skog metoder gir mulighet for rangering av biomarkører i henhold til relativ variable betydning indekser basert på median relativ innflytelse på tvers av alle de genererte trær [32]. Både forsterke og tilfeldig skogen metoder, bekreftet overlegenhet CAL, sCD26 og EGF. I et andre trinn ble det panel av biomarkører som brukes til å passe logis regresjonsmodeller for å utlede en (optimalt) klassifiseringsregel for å tildele en pasients diagnose. Ifølge ytelses indekser anvendt, ble panelet inkludert CAL, sCD26 og EGF etablert som den mest informative. Modellen inkluderte kjønn og alder for å korrigere for potensiell forvirrende, særlig i tilfelle av sCD26, hvis nivåene påvirkes av alder. Siden røyking data mangler for noen individer denne variabelen kan ikke vurderes i analysen.
Det bør bemerkes styrken av CAL både i univariate regresjonsmodeller, hvor foretrukne er det inkludert CAL alene, og vurderer kombinasjonen av markører, forsterkende CAL som den viktigste biomarkør for LC diagnose.
Anvendelse av den tilsvarende algoritme kan skaffe en poengsum ved å introdusere i modellen de pasientens egen markør konsentrasjoner. Hvorvidt den resulterende
p
resultatet er høyere enn den faste cut-off, vil den enkelte bli klassifisert til å ha LC med en sensitivitet og spesifisitet i forhold til denne cut-off. I tillegg tilbyr vi et nomogram representasjon av den optimale multivariat modell for bedre tolkning av scoring system, slik at kontroll av mulige kombinasjoner av verdier av biomarkører som er forbundet med en bestemt verdi av partituret
p
.
De tre-markør panel viste en samlet feilklassifisering på 15%. Innenfor klassifiseringsfeil, SCLC var histologi oftere feilklassifisert, men antall pasienter er for små til å trekke en klar konklusjon.
