Abstract

Fundo

O câncer de pulmão é um câncer comum e importante que constitui um importante problema de saúde pública, mas a detecção precoce do câncer de pulmão de pequenas células pode melhorar significativamente a taxa de sobrevivência de pacientes com câncer . Um número de marcadores biológicos têm sido utilizados no diagnóstico de cancros do pulmão; no entanto, eles apresentam baixa sensibilidade e especificidade.

Métodos

Foram utilizados métodos bioquímicos para medir os níveis sanguíneos de lactato desidrogenase (LDH), proteína C-reativa (PCR), Na

+ , Cl

-, carcino-embrionário antigénio (CEA), e para a enolase específica neuronal (NSE) no 145 do cancro do pulmão de pequenas células (SCLC) e 155 pacientes com cancro do pulmão de células não pequenas e 155 controlos normais. Um modelo de programação expressão gênica (GEP) e Curvas ROC (ROC) que incorporam estes biomarcadores foi desenvolvido para o diagnóstico auxiliar da SCLC.

Resultados

Depois de modificação apropriada dos parâmetros, o GEP modelo foi inicialmente constituída com base em um conjunto de treinamento de 115 doentes com CPPC e 125 controles normais para geração de modelos GEP. Em seguida, o PEG foi aplicado aos restantes 60 indivíduos (o conjunto de teste) para validação do modelo. GEP discriminados com sucesso 281 de 300 casos, apresentando uma taxa de classificação correta para pacientes com câncer de pulmão de 93,75% (225/240) e 93,33% (56/60) para os conjuntos de treino e de teste, respectivamente. Outro modelo GEP incorporando quatro biomarcadores, incluindo CEA, NSE, LDH, e CRP, exibiram um pouco menor sensibilidade de detecção do que o modelo GEP, incluindo seis biomarcadores. Repetimos os modelos em redes neurais artificiais (RNA), e os nossos resultados mostraram que a precisão dos modelos GEP foram maiores do que no ANN. Modelo GEP incorporando seis marcadores biológicos realizados por pacientes com NSCLC e controles normais mostrou baixa precisão do que doentes com CPPC e foi o suficiente para provar que o modelo GEP é adequado para os doentes com CPPC.

Conclusão

Temos desenvolveu um modelo GEP com alta sensibilidade e especificidade para o diagnóstico auxiliar da SCLC. Este modelo GEP tem o potencial para uma ampla utilização para a detecção de SCLC em regiões menos desenvolvidas

citação:. Yu Z, Lu H, Si H, Liu S, Li X, Gao C, et ai. (2015) Uma altamente eficiente Gene Expression Programação (GEP) Modelo para auxiliar o diagnóstico de pequenas células do câncer pulmonar. PLoS ONE 10 (5): e0125517. doi: 10.1371 /journal.pone.0125517

Editor do Academic: Lanjing Zhang, Centro Médico da Universidade de Princeton /Rutgers Robert Wood Johnson Medical School, United States