Abstract
Skille lat fra aggressiv prostatakreft er en viktig klinisk utfordring for å identifisere pasienter med behov for aktiv overvåking, og dermed redusere risikoen for overbehandling. Hensikten med denne studien var å vurdere prostatakreft aggressivitet ved metabolsk profilering av prostatektomi vev og for å identifisere spesifikke metabolitter som biomarkører for aggressivitet. Prostata vevsprøver (n = 158, 48 pasienter) med et høyt kreft innhold (gjennomsnitt: 61,8%) ble oppnådd ved anvendelse av en ny høsting metode, og metabolske profiler av prøver som representerer forskjellige Gleason score (GS) ble ervervet ved høy oppløsning magisk vinkel spinne magnetisk resonansspektroskopi (HR-MAS). Multivariat analyse (PLS, PLS-DA) og absolutt kvantifisering (LCModel) ble brukt for å undersøke muligheten for å forutsi kreft aggressivitet ved å sammenligne lav karakter (GS = 6, n = 30) og høy klasse (GS≥7, n = 81) kreft med normal tilstøtende vev (n = 47). Høy grad av kreftvev ble skilles fra lav grad av kreftvev ved reduserte konsentrasjoner av spermin (p = 0,0044) og citrat (p = 7,73 · 10
-4), og en økning i klinisk anvendt (total cholin + kreatin + polyaminer ) /citrate (CCP /C) forhold (p = 2,17 · 10
-4). De metabolske profiler ble signifikant korrelert til de GS oppnådd fra hvert vev prøve (r = 0,71), og kreftvev kunne skilles fra normalt vev med følsomhet 86,9% og 85,2% spesifisitet. Samlet sett våre funn viser at metabolsk profilering kan skille aggressive fra lat prostatakreft. Dette holder løftet til fordel for å bruke
in vivo
magnetisk resonans spektroskopi
(
MRS) innen kliniske MR undersøkelser, og HR-MAS analyse av transrectal ultralydveiledet biopsi har et potensiale som ytterligere diagnostisk verktøy
Citation. Giskeødegård GF, Bertilsson H, Selnæs KM, Wright AJ, Bathen TF, Viset T, et al. (2013) Spermine og Citrate som Metabolsk Biomarkører for Assessing prostatakreft Aggressivitet. PLoS ONE 8 (4): e62375. doi: 10,1371 /journal.pone.0062375
Redaktør: Daniel Monleon, Instituto de INVESTIGACION Sanitaria INCLIVA, Spania
mottatt: 24 oktober 2012; Godkjent: 20 mars 2013; Publisert: 23 april 2013
Copyright: © 2013 Giskeødegård 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 forfatteren og kilden krediteres
Finansiering:. Studien ble støttet med tilskudd fra Helse Midt-Norge (RHF) (https://www.helse-midt.no/), kontaktutvalget mellom RHF og norsk teknisk-naturvitenskapelige universitet (NTNU) (http: //www.ntnu.no/dmf/rad/samorg), den norske Kreftforening (https://kreftforeningen.no/en/about-us/). Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser. Medforfatter Tone F. Bathen er en PLoS ONE Editorial styremedlem. Dette endrer ikke forfatternes tilslutning til alle PLoS ONE politikk på deling av data og materialer.
Innledning
Det er for øyeblikket ingen objektive kliniske verktøy som kan nøyaktig diskriminerer aggressive fra lat prostatakreft. Den Gleason scoring system [1] er den viktigste prognostiske verktøy i behandling planlegging, men det er avhengig av subjektive faktorer i vurderingen av aggressivitet og er begrenset av undervurdering på grunn av under-prøvetaking av biopsier. Nye diagnostiske og prognostiske verktøy for evaluering av prostatakreft aggressivitet er derfor et presserende behov. Metabolsk endring er en ny kjennetegnet av kreft [2], og metabolsk profilering av prostata vev ved hjelp av magnetisk resonans spektroskopi (MRS) kan gi ytterligere informasjon om tumor atferd [3], spesielt med mulighet til å oversette funn fra
ex vivo
vevsprøver til
in vivo
målinger hos pasienter som bruker MRS imaging (MRSI).
Stoffskifte forskjeller mellom prostatakreft og normalt vev dokumenteres både
in vivo
av MRSI [4], [5], [6], [7] og
ex vivo
med høyoppløselig magiske vinkel spinne MRS (HR-MAS) [8], [9], [10]. I noen sykehus, har MRSI allerede blitt implementert i klinisk praksis, og gjør bruk av den (totale cholin + kreatin + polyaminer) /citrat (CCP /C) forholdet eller (total kolin + kreatin) /citrat (CC /C) forhold hvilken økes i ondartet prostatavevet [5], [8], [11], [12]. Den totale kolin signal måles
in vivo
kan separeres ved HR-MAS opp på kolin-inneholdende metabolitter [fri kolin (CHO), fosfokolin (PCho) og glycerophosphocholine (GPC)] [8], [9] , [1. 3]. Laktat og alanin er også rapportert å være økt hos kreft sammenlignet med normalt vev [10], mens prostata-spesifikke metabolitter citrat og polyaminene (spermin, spermidin, og putrescin) finnes i lavere konsentrasjoner i kreftvevet [9], [ ,,,0],14].
HR-MAS er en veletablert teknikk for å analysere biologisk vev, slik at prøvene ubehandlede for påfølgende evaluering eller histopatologiske andre molekylærbiologiske metoder, slik som gen-ekspresjon profilering [15], [16]. Vi har tidligere bekreftet at det er en signifikant sammenheng mellom resultater fra
ex vivo
HR-MAS analyser og
in vivo
MRSI fra romlig matchet regioner, som beviser at oversettelsen fra
ex vivo
til
in vivo
er gyldig [17]. Det overordnede målet med denne studien var å undersøke muligheten for å vurdere prostatakreft aggressivitet av HR-MAS analyse av menneskelig prostata vev, og for å identifisere spesifikke metabolitter som biomarkører for kreft aggressivitet. Studien ble utført ved å bruke ferskt frosne vevsprøver ekstrahert fra radikal prostatektomi prøver ved hjelp av en ny fremgangsmåte som tillater prøver med et høyt kreft innholdet som skal inkluderes [18]. Både metabolske profiler og individuelle metabolittkonsentrasjoner ble brukt til å diskriminere mellom histologisk bestemt Gleason score (GS) som ble evaluert fra en cryosection av hver vevsprøve. Verdien av HR-MAS som et ekstra verktøy for å utfylle histopatologiske scoring, og forbedring av resultatene legge til
in vivo
MRSI undersøkelser, vil bli diskutert.
Materialer og Metoder
Pasient og Tumor Kjennetegn
Siden 2007, alle prostatakreftpasienter ved St. Olavs Hospital, Trondheim universitetssykehus, Norge, planlagt for radikal prostatektomi har blitt invitert til å signere et informert samtykkeskjema til å donere vev for forskning. Fra hver pasient en 2 mm tverrgående prostatavevet skive er samlet for lagring i Regional forskningsbiobank Midt-Norge. Studien er godkjent av Regionale komiteer for medisinsk og helsefaglig forskningsetikk (REC) Central, Norge og Datatilsynet i Norge. Den aktuelle studien omfatter 48 pasienter uten tidligere prostatakreft behandling og med en svulst volum 5% av kjertelen, anslått av histopatologi. Pasient egenskaper er beskrevet i tabell 1.
Innhøsting Metode og Sselection av HR-MAS Prøver
I gjennomsnitt 15 minutter etter kirurgisk fjerning av prostatakjertelen, en vev skive (2 mm ) ble oppnådd ved transeksjon gjennom den på midten, vinkelrett til urethra [18]. Stykket ble hurtigfrosset ved klemming mellom to metallplater foravkjølt i flytende nitrogen og lagret ved -80 ° C. De to gjenværende halvdelene ble sydd til en kork bord, for å unngå forstyrrelser i den histopatologiske evalueringen av den kirurgiske margin. Etter fiksering i formalin, ble begge omganger ytterligere skiver (4 mm tykke skiver) og parafin innebygd. Mikroskopiske deler ble gjort og farget med hematoksylin, erythrosine og safran (HMS) for diagnostiske formål. HR-MAS prøver ble skåret ut fra den frosne prostata skive ved hjelp av en ny høstemetode beskrevet av Bertilsson et al. [18]. Ved å bruke denne metoden, oppsummert i figur 1, er vevsprøver av forutbestemte histopatologiske GS oppnådd fra stykket. Under prøve ekstraksjon ble det frosne vev skive anbragt på en aluminiumplate i direkte kontakt med flytende nitrogen, hindrer vev fra tining og dermed redusere molekylær degradering. Flere prøver fra hver skive (område: 1-7 prøver per skive (median: 3), avhengig av tumorstørrelse) ble valgt ut fra maligne områder med ulik GS og fra normale tilstøtende områder, ved hjelp av HMS-fargede objektglass fra nabo vevsblokker som en guide . Således ble det oppnådd totalt 162 HR-MAS prøver. Normale tilstøtende prøvene er definert som prøver ikke viser tegn på kreft, og dermed inneholdende bare godartet kjertel og /eller stromale vev, og disse prøver ble skåret ut så langt borte fra kreften som mulig. For å vurdere GS av hver HR-MAS prøve (2 mm tykk), og for å bestemme mengden av kreftvev, stroma, og kjertelvevet, en 4 um cryosection ble kuttet fra den ene siden av den ekstraherte prøven og HMS farget, og den vevssammenheng ble evaluert av en erfaren patolog spesialisert seg uropathology før HR-MAS prosedyre. Prøvene ble ikke tint før det øyeblikk de går inn i magneten, og reduserer ytterligere fryse-tine-effekter. Det finnes ingen studier som sier at langtidslagring ved -80 ° C (opp til 5 år) påvirker stoffskiftet.
(A) De to HMS-farget seksjoner ved siden av vev skive. (B) For å lokalisere kreften og normale områder, mikrografer av de to HES farget histologiske seksjoner som grenser til det fjernede vev stykke ble smeltet sammen med et fotografi av det frosne vev skive. Regionene av interesse ble merket og overført til en transparent plate som skal brukes som et kart for å føre prøven ekstraksjon. (C) sylindriske prøver (3 mm diameter) for HR-MAS ble skåret ut fra områder med normalt vev og kreftvev med forskjellige Gleason karakterer. Den Gleason grade og prosenter av godartet kjertelvevet, stroma og kreft vev ble bekreftet ved å analysere en 4 mikrometer cryosection fra hver ekstraherte prøven. Figuren er tilpasset fra referanse [36].
HR-MAS MRS Eksperimenter
En PBS-løsning (3 pl) inneholder trimetylsilyl 3-propionsyre natriumsaltet (TSP, 5 mM ) og formiat (25 mM) ble tilsatt til engangs Kel-F HR-MAS innsatser (30 ul, Bruker Biospin, Tyskland). Hver prostata vevsprøve (midlere vekt: 12,7 mg, Område: 3,0 til 21,9 mg) ble overført til en HR-MAS innsatsen ved hjelp av en steril biopsi stempel (2 mm, Miltex Gmbh, Tyskland), og innsatsen ble plassert i zirkonium rotoren (4 mm). HR-MAS ble utført på en Bruker Avance DRX600 (14,1 T) spektrometer (Bruker BioSpin, Tyskland) er utstyrt med en
1 H /
13C MAS sonde. Proton spektra ble ervervet ved 4 ° C med en spin rate på 5 kHz. Puls-ervervet spektra ble oppnådd med en presaturation forsinkelse på 3.0s og oppkjøp tid 3.27s. En Carr-Purcell-Meiboom-Gill (CPMG) spin ekko sekvens [90 ° – (τ-180 ° -τ)
n -acquisition] ble brukt til å undertrykke signaler fra lipider og makromolekyler med en effektiv ekko tid på 60 ms . Ett hundre og tjueåtte skanner over en spektral region på 10 kHz ble samlet inn 64k poeng for begge sekvenser. Spektrene ble Fourier-transformert med en linje utvidelse på 0,30 Hz. Kjemiske skift ble referert til laktat topp (til venstre topp av dublett) ved 1,336 ppm og en lineær basislinje korreksjon ble anvendt (Topspin 3.1, Bruker Biospin, Tyskland). Peak oppdrag ble satt i henhold til den menneskelige metabolomics database og tidligere publiserte artikler ved hjelp av HR MAS på prostatavevet [9], [10], [19].
multivariat analyse
De spektrale data mellom 1,46 og 4,66 ppm fra CPMG-spektra ble anvendt for multivariabel analyse. Spektrene ble normalisert til et like stort areal og topp justert ved hjelp av icoshift [20]. Signaler fra etanol forurensning (3,65 til 3,69 ppm) ble fjernet fra spektra sammen med de av fettrester ved 1,60, 2,05, og 2,27 ppm. Forbehandling av spektrene ble utført i MATLAB 7.8.0 (All Mathworks, Inc., USA). I tillegg til hovedkomponentanalyse (PCA), Partial Least Squares (PLS) regresjon og PLS diskriminant analyse (PLS-DA) [21] ble brukt til å modellere forholdet mellom MR spektra og tumor /pasientkarakteristikker (vev sammensetning, GS, serum PSA (SPSA), tumor volum, alder og pT-scenen). For å unngå overtilpassing, var dobbelt kryssvalidering utført [22]. En PLS-modellen ble bygget på opplæring prøver (80% av datasettet) og brukt til å forutsi den status av uavhengige testprøver (de gjenværende 20%). Det optimale antallet LVS (latente variabler) til bruk i modellen ble bestemt ved kryssvalidering av treningsdataene og tilføres uavhengig til de testdata. Både de indre og ytre sløyfer av den doble kryssvalidering prosedyre ble gjentatt 20 ganger med forskjellige tilfeldig valgte opplærings- og testsett, og de gjennomsnittlige resultater er presentert. Som flere prøver fra hver pasient ble analysert, ble spektra fra en pasient satt i enten trening eller testsettet. Den variable viktighet ble evaluert ved variabel viktighet i projeksjons (VIP) Stillingen [23]. Variabler med en VIP score høyere enn en er generelt ansett for å være viktig Klasse resultatene ble validert ved permutasjon testing (n = 1000, betydning for p 0,05) [22]. Multivariate analyser ble utført i MATLAB ved hjelp PLS_toolbox 6.2.1 (egenvektor Research, Inc., USA).
Absolute Kvantifisering av metabolitter av LCModel
Puls ervervet spektra ble kvantifisert ved hjelp LCModel [24 ], [25] basert på en ny basis sett av 23 metabolitter. Grunnlaget sett av simulerte metabolitt spektra ble generert ved hjelp av NMRSIM (Bruker BioSpin, Tyskland), og de metabolitter ble kvantifisert mellom 4,72 ppm og -0,8 ppm. Grunnlinjen ble modellert med en kubisk spline funksjon med maksimalt to knop, og makromolekyler ble inkludert i beslaget, simulert med enkle topper inkludert tidligere kjennskap til linjer, kjemisk skift, og relativ amplitude. Lite molekyl metabolitt og lipid kjemisk skift ble satt som gjennomsnittsverdier basert på en innledende tildeling av spektra fra 10 prøver av varierende vevstype. For metabolitter hvor noen topper ikke var tydelig løst i disse spektra (GPC, GPE, glukose og aminosyrer), ble litteraturverdier brukt [26], [27], [28]. Etanol, en forurensning i noen prøver, ble inkludert i grunnlaget satt for en vellykket påfølgende passende med metabolitten spektra. Metabolittene ble kvantifisert i henhold til formiat og konsentrasjonene er angitt som mmol /kg våtvekt. Full avslapning av formiat ble forsikret av å bruke resultatene fra T1 avslapping målinger utført på seks ekstra vevsprøver.
Statistisk analyse av metabolittkonsentrasjoner
Forskjeller i metabolittkonsentrasjoner mellom kreft og normal tilstøtende vev, og metabolsk forskjeller knyttet til aggressivitet (lav karakter (GS = 6) vs. høy klasse (GS≥7)) ble analysert ved lineære blandede modeller, sto for effekten av prøver som stammer fra samme pasient. Individuell sammenligning av prøver av GS 6, 7, og 8-9, i tillegg til forskjeller mellom prøver av GS-3 + 4 og 4 + 3 ble også testet. Analyser ble utført i R (versjon 2.14.1, R Foundation for Statistiske Computing) med lme4 pakken [29]. Dataene ble log transformert før analyse for å oppnå normalt fordelt rester. Den Benjamini og Hochberg falske funnraten ble brukt til å korrigere for multippel testing. Justert p-verdier. 0,05 ble vurdert som signifikante
Resultater
Prøver
PCA poengsum handlingen i CPMG spektra (n = 162) viste fire distriktene prøver. Disse prøvene ble fjernet fra datasettet på grunn av svært høye lipidkonsentrasjoner og mikroskopisk tegn på alvorlig betennelse. Av de 158 prøvene som er inkludert i denne studien, ble 47 vist å inneholde bare prostata vevskomponenter normale, mens prøvene inneholdt 111 kreftvev. Den gjennomsnittlige kreft innholdet var 61,8% (område: 10-100%) og 30 kreftprøver ble definert som lav karakter (GS 6), mens 81 prøver ble definert som høy klasse (GS 7-9). Sample og pasientens egenskaper er oppsummert i Tabell 1. Representative HR-MAS-spektra og den tilsvarende histopatologiske bilde av normal prostata vev og kreftvev med forskjellige Gleason karakterene er vist i figur 2.
Visuell inspeksjon av spektrene viser redusert nivåer av polyaminer (hovedsakelig Spermine) og citrate, og økte nivåer av GPC, PCho, og Cho med økende svulst klasse.
metabolismeprofiler knyttet til kliniske parametere
De metabolske profilene var korrelert til vevssammenheng (prosentandel av godartet kjertelvevet: r = 0,67, stroma: r = 0,70, og kreft: r = 0,77) (p 0,001). De metabolske profilene var ikke signifikant korrelert med pasientens SPSA nivå, tumor volum, alder eller PT-scenen (p 0,05).
Skille Kreft og Normal nærliggende vev
Multivariatanalyse
Basert på de metabolske profilene, ble kreft og normale prøver adskilt med 86% riktig klassifisering ved hjelp av PLS-DA på uavhengige testprøver (følsomhet 86,9%, spesifisitet 85,2%, p 0,001). En PLS-modellen som korrelerer de metabolske profiler til GS (figur 3, A-B) som skiller de normale grenser vevsprøver fra kreft vevsprøver. De belastninger viste redusert nivå av citrat, taurin og kreatin, og en økning i GPC, PCho, Cho, og glycin i kreft sammenlignet med normalt vev.
(A) PLS-score og (B) ladninger av LV1 og LV2 fra PLS regresjon korrelere de metabolske profilene til GS med en korrelasjonskoeffisient r = 0,71. Kreftprøver er atskilt fra de normale prøvene i stillingen tomt, med de belastninger som viser metabolske forandringer relatert til malignitet. Prøver med GS 9 er nesten helt adskilt fra vanlige tilstøtende prøver i stillingen tomten, mens noen prøver med en lavere poengsum overlapping med normale sortene. Den PLSDA modellen forklarer 48,2% av x-variansen og 53,7% av den y-variansanalyse (C) PLS score og (D) den tilsvarende lasteprofilen til LV1 fra PLS regresjon av kreft prøvene eneste, å korrelere de metabolske profiler til GS en korrelasjonskoeffisient r = 0,45. Den resulterende modellen forklarer 20,0% av x-variansen og 27,4% av den y-variansen av dataene. De belastninger i (B) og (D) er farget i henhold til deres VIP-stillingen. S-ino; scyllo-inositol.
Absolute kvantifisering av LCModel.
De tallfestede metabolittkonsentrasjoner i kreft og prøver normalt vev (n = 153) er vist i Tabell 2. Fem spektra ble ikke kvantifisert på grunn av utilstrekkelig montering forårsaket av høye lipid signaler
Skille Low Grade (GS = 6) og High Grade kreftvev (GS≥7.); . Sammenheng med Gleason System
Multivariatanalyse
Stoffskifte profiler ble korrelert til GS med en korrelasjonskoeffisient på r = 0,71 hjelp PLS regresjonsanalyse (p 0,001) (figur 3, A-B). Ved analyse bare kreftprøvene, ble de metabolske profiler korrelert til GS med en korrelasjonskoeffisient r = 0,45 (p 0,001) (figur 3, C-D). Når dele prøvene inn i normal, høy klasse (GS≥7) og lav karakter (GS = 6), korrekt klassifisering av PLS-DA var 85,8% (følsomhet 89,3%, spesifisitet 82,3%), 77,4% (følsomhet 84,4%, spesifisitet 70,5%), og 65,8% (følsomhet 64,1%, spesifisitet 67,6%), henholdsvis.
Absolute kvantifisering av LCModel.
konsentrasjonene av Spermine og citrate ble vist å være signifikant forskjellig mellom lav klasse og høy grad av kreft, mens ingen signifikante forskjeller ble funnet for de andre metabolitter. Konsentrasjonene og statistiske resultater for de betydelige metabolitter er oppsummert i tabell 3. For ytterligere undersøkelse av metabolittkonsentrasjoner relatert til aggressivitet, metabolske forskjeller mellom prøver av GS 6, 7, og 8-9 ble analysert hver for seg (tabell 3). Ingen signifikante forskjeller mellom GS 7 og GS 8-9 ble oppdaget for noen av metabolitter. I tillegg ble det ingen signifikante forskjeller i metabolittkonsentrasjoner funnet mellom prøver av GS 3 + 4 og 4 + 3 (p 0,05). Sammenhenger mellom GS og konsentrasjonene av Spermine og citrate var r = -0,36 og r = -0,43, henholdsvis.
klinisk relevant CCP /C-forholdet ble betydelig økt i høy klasse sammenlignet med lav karakter kreftprøver (Tabell 3). I tillegg ble en trend forskjellige GPC /PCho forhold mellom lav og høy grad av kreftprøver påvist (p = 0,08). Når behandlingen metabolittkonsentrasjoner relatert til aggressivitet, ble prosentandelene av godartet kjertel, stroma, og kreftvev er inkludert i de lineære blandingsmodeller for å korrigere for forskjeller i vev sammensetning. Men ingen av de vevstyper hadde et betydelig bidrag til de statistiske modeller (p 0,05), og resultatene presenteres uten korreksjon for vevssammenheng
Diskusjoner
I denne studien utført ved hjelp. prostatavev med høyt innhold kreft, har vi vist at muligheten for å skille lav grad av høykvalitets prostatacancer ved hjelp av metabolsk profilering. Redusert konsentrasjoner av citrat og spermin ble vist å være gyldige MR vev biomarkører for prostatakreft aggressivitet, og de metabolske profiler ble signifikant korrelert til GS viser at aggressive kreftformer har en endret metabolisme sammenlignet med lat kreft. Overraskende, kolin inneholder komponenter ble ikke øker med GS, noe som indikerer at Spermine og citrate er de viktigste bidragsyterne til klinisk anvendt CCP /C-forhold som øker med GS. I tillegg har denne studien bekrefter separasjon mellom kreft og normalt vev, og HR-MAS metabolske profiler ble vellykket adskilt med 86,0% korrekt klassifisering.
Mange pasienter med prostatakreft diagnostisert med indolent sykdom (GS 6) er kvalifisert for inkludering i aktive overvåkingsprogrammer. Det er derfor ønskelig å skille denne gruppe fra pasienter med høyere grad kreft. Citrat konsentrasjoner kunne separere prøver med GS 6 fra både GS 7 og 8-9, mens forskjellen i spermin konsentrasjoner var eneste signifikante mellom GS 6 og GS 8-9. Interessant nok, ingen av metabolitter var signifikant forskjellig mellom prøver med GS 7 og GS 8-9, noe som indikerer at prøver med GS-7 (middels risikopasienter) har en metabolsk mønster som ligner på høyere grad kreft. Dette funnet støtter enighet om at bare pasienter med GS≤6 bør inkluderes i aktive overvåkingsprogrammer. Pasienter med GS 4 + 3 ha dårligere prognose enn GS 3 + 4, men denne studien ikke kunne skille disse klinisk relevante undergrupper.
Normale prostata epitelceller produsere og akkumulere en stor mengde av citrat som utskilles som en viktig komponent i prostatavæske. Sammenlignet med normalt vev, redusert nivå av citrate er tidligere observert i prostata kreft vev av
ex vivo
MRS [9]. Vår studie bekrefter og utvider disse funnene ved å demonstrere en signifikant negativ korrelasjon med GS, og betydelige forskjeller mellom lav karakter og høy klasse kreftvev, mellom prøver av GS 6 og GS 7, og mellom GS 6 og GS 8-9. Dette støtter svært klinisk relevant hypotese at citrate konsentrasjonen kan skille mellom aggressiv og lat prostatakreft.
Våre resultater bekrefter tidligere
in vivo Hotell og
ex vivo
MRS studier viser at en reduksjon i polyaminer er forbundet med prostatakreft [8], [14], [30], [31]. I tillegg er det meget lav konsentrasjon putrescin i vårt studium bekrefter at polyaminet toppen består hovedsakelig av spermin. På grunn av betydelig lavere konsentrasjon av Spermine i høy klasse sammenlignet med lav karakter vev, foreslår Spermine som et diskriminerende MR biomarkør for prostatakreft aggressivitet, og et fokus på denne bør vurderes ved hjelp av CCP /C-forhold i MRSI eksamen. I dag, Spermine kan ikke helt atskilt fra kolin toppen ved hjelp MRSI, men på grunn av rask teknologisk utvikling allerede i gang og høyere feltstyrker (7T) gjør separasjonen mulig [32], polyaminer og spesielt Spermine er potensielle biomarkører i klinisk praksis.
Overraskende nok var det ingen signifikante forskjeller mellom høy klasse og lav karakter prostatakreft i noen av de kvantifiserte choline- eller etanolholdige metabolitter (Eth, PE og GPE). Forrige
ex vivo
studier har vist signifikant korrelasjon mellom GS og kolin og total kolin [33], og betydelig høyere konsentrasjoner av GPC i høy grad (GS≥4 + 3) sammenlignet med lav karakter (GS≤3 + 4)-kreft [13], som ikke er i overensstemmelse med våre funn. Vi fant en trend mot betydning for GPC /PCho ratio (p = 0,0832), noe som indikerer en endring i kolin holdige metabolitter forbundet med økt aggressivitet, men ikke påvist når behandlingen metabolittene individuelt. På grunn av motstridende funn av kolin metabolisme også i andre typer kreft [34], den kolin metabolisme relatert til kreft aggressivitet tydeligvis behov for videre evaluering.
Forrige
in vivo
MRSI studier har konkludert med en trend mot en sammenheng mellom CCP /C-forhold og prostatakreft aggressivitet [12], [35], og vår studie viste en svært signifikant forskjell i CCP /C-forhold mellom lav og høy klasse kreft. Våre funn på de enkelte metabolitter imidlertid tyde på at redusert CCP /C-forholdet observert
in vivo
er i hovedsak som følge av redusert citrate nivåer.
Selv om det var en sammenheng mellom metabolske profiler og vev sammensetning, korreksjon for vev sammensetning ved analyse av de enkelte metabolittkonsentrasjoner var ikke signifikant. Dette indikerer at de metabolske forskjeller mellom høy og lav grad av prostatakreft prøvene er til stede uavhengig av vev sammensetning. Det er imidlertid sannsynlig at prøver med lavere kreft innhold vil kreve statistiske metoder for korrigering for vevssammenheng.
En styrke med denne studien er inkluderingen av pasienter fra hele spekteret av kliniske stadier, inkludert pasienter med svært aggressiv kreft. En begrensning er imidlertid at lav karakter vevet materiale (GS 6) ble i hovedsak kjøpt fra pasienter som har mer aggressive svulster i nærheten, og dette kan ha forårsaket metabolsk forstyrrelse i vår lav karakter materiale. En prøve kohort inkludert flere prøver fra pasienter med ren lav karakter kreft kan gi enda klarere metabolske forskjeller mellom lav og høy klasse kreft.
Konklusjon
Basert på metabolsk profilering av menneskelige prostata kreft prøver denne studien viser at lav og høy grad av prostatakreft vev kan være preget av konsentrasjonene av spermin, citrat og nevnte CCP /C-forholdet. I fremtiden ved å analysere Større materialer, konsentrasjons cut-off-verdier kan bestemmes for Spermine og citrate, og modeller basert på de metabolske profilene kan bli verktøy for å vurdere prostatakreft aggressivitet. HR-MAS er gjennomførbart som et diagnostisk supplerende verktøy for å evaluere transrectal ultralyd veiledede biopsier, og gir metabolske profiler som kan forutsi tumor aggressivitet. Til syvende og sist, oversettelsen fra
ex vivo
målinger i vevsprøver til en sann ikke-invasiv
in vivo
undersøkelse, gjengitt mulig ved forbedringer i MR-teknologi, vil være den viktigste fremtidige mål. Dermed våre resultater viser verdien av MRS i klinisk behandling planlegging og som et verktøy for oppfølging av pasienter inkludert i aktive overvåkingsprogrammer.
Takk
Forfatterne takker laboratorieteknikere Toril Rolfseng, Unn Granli, og Borgny Ytterhus for å få hjelp med laboratoriearbeid, Jørn-Ove Sæternes for design og utvikling av vev fôrhøsterutstyr, og urologer jan Gerhard Mjønes og Dag Halvorsen for vev samling. Studien ble utført ved MR Kjerne Facility, Norsk teknisk-naturvitenskapelige universitet (NTNU).
