Abstract

O objetivo deste trabalho foi investigar os compostos orgânicos voláteis (COV) que emanam de amostras de urina para determinar se eles podem ser usados ​​para classificar as amostras para os membros dos grupos de câncer de próstata e não-cancerosas. Os participantes eram homens encaminhados para uma biópsia da próstata guiada por ultra-som trans-retal por causa de um nível elevado antígeno específico da próstata (PSA) ou achados anormais no exame retal digital. As amostras de urina foram coletadas de pacientes com câncer de próstata (n = 59) e controles sem câncer (n = 43), no dia da sua biópsia, antes de seu procedimento. Compostos orgânicos voláteis a partir do espaço de topo de amostras de urina foram extraídos basificada usando micro-extracção em fase sólida e analisadas por cromatografia gasosa /espectrometria de massa. Classificadores foram desenvolvidos usando aleatória Floresta (RF) e técnicas de classificação de análise discriminante linear (LDA). PSA sozinho, tinha uma precisão de 62-64% nestas amostras. Um modelo baseado em 4 COV,, pentanal, 3-octanona, 2-octanona e 2,6-dimetil-7-2-ol-octeno, foi marginalmente mais precisa 63-65%. Quando combinados, o nível de PSA e estes quatro compostos orgânicos voláteis tinham precisões média de 74% e 65%, usando RF e LDA, respectivamente. Com repetido validação cruzada dupla, a precisão média caiu para 71% e 65%, usando RF e LDA, respectivamente. Os resultados de perfis de VOC de headspace urina são encorajadores e sugerem que há outros caminhos metabolômica vale a pena explorar o que poderia ajudar a melhorar a estratificação de homens em risco de câncer de próstata. Este estudo também contribui para o conhecimento sobre o perfil de compostos encontrados na urina basificada, de controles e pacientes com câncer, que é uma informação útil para futuros estudos que comparam a urina de pacientes com outras doenças

Citation:. Khalid T , Aggio R, Branco P, De Lacy Costello B, Persad R, al-Kateb H, et al. (2015) Compostos Orgânicos Voláteis urinário para a detecção de câncer de próstata. PLoS ONE 10 (11): e0143283. doi: 10.1371 /journal.pone.0143283

editor: Franky L. Chan, da Universidade Chinesa de Hong Kong, Hong Kong

Recebido: 10 de julho de 2015; Aceito: 03 de novembro de 2015; Publicação: 24 de novembro de 2015

Direitos de autor: © 2015 Khalid et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Disponibilidade de dados: Todos os dados relevantes estão dentro do papel e seus arquivos de suporte de informação

Financiamento:. Este trabalho foi financiado pelo Rotary club, https://www.rotary.org/en. O financiamento adicional foi fornecido pelo Ralph Shackman Trust, Woodfines LLP, Lockton House, Clarendon Road, Cambridge, CB28FH. No URL oficial está disponível embora os detalhes da caridade de inscrição podem ser encontradas em: https://opencharities.org/charities/287406. Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

o câncer de próstata é a segunda malignidade que afecta os homens mais prevalentes em todo o mundo, e ainda assim não há nenhuma ferramenta de triagem confiável. Mais de 40.000 casos são detectados no Reino Unido cada ano [1], em geral por uma combinação de exame digital rectal (DRE), antigénio específico medições da próstata (PSA) no soro e seguido por (TRUS) biópsia da próstata trans-rectal guiada por ultra-som. O câncer de próstata é a segunda causa mais comum de morte por neoplasia no Reino Unido [2].

O soro PSA, a um corte de 4 ng /ml, é parte de um programa de triagem aprovado pela FDA na EUA [3]. No entanto, o teste de PSA não é usado para o rastreio em outros lugares por causa de sua baixa sensibilidade, estimada em 21% para a detecção de qualquer tipo de câncer de próstata e 51% para a detecção de cânceres de alto grau (Gleason ≥8) com PSA valores de corte de 4,0 ng /mL [4]. A taxa de falsos negativos é de até 20% no que cut-off [5, 6]. Na triagem, apenas 25 a 30% dos homens com níveis elevados de PSA entre 4-10 ng /ml câncer de próstata tem [7, 8].

A triagem com base nos níveis de PSA tem levado a ansiedade para muitos homens, que não têm câncer de próstata e o excesso de diagnóstico de cânceres de crescimento lento que não eram susceptíveis de constituir um risco significativo para os pacientes. Dois recentes ensaios de rastreio de grandes encontraram nenhuma redução significativa na mortalidade por câncer de próstata após testes de triagem com base no PSA [9, 10]

Outros biomarcadores de sangue potencial e urina base para câncer de próstata incluem:. Antígeno do câncer de próstata 3 [PCA3 ] [11], o PSA intracelular [12], derivados de PSA [13], antigénio do cancro da próstata mais cedo 2 [14], a anexina A3 [15], o TMPRSS2 gene de fusão: ERG [16, 17], a calicreína humana 2 [18] e a proteína Engrailed-2 (EN2) [19, 20]. No entanto, nenhum destes são utilizadas para o rastreio de [21, 22]. Sarcosina foi proposto como um biomarcador para o câncer de próstata metastático [23], mas esse achado não foi replicada [24-26].

Vários estudos têm relatado que os cães podem ser treinados para detectar pele, bexiga, pulmão, amostras de câncer de mama e de ovário de respiração, tecidos e urina [27-30]. Cornu

et al

treinou um Mallinois belga para identificar o câncer de próstata a partir de amostras de controle de urina com uma sensibilidade e especificidade de 91% [31]. Elliker

et al

treinados dois cães para identificar câncer de próstata a partir de amostras de urina de controle, no entanto, eles não foram capazes de discriminar os cancros dos controles quando se apresenta com novas amostras em um teste duplo-cego [32]. Taverna

et al

amostras coletadas de 362 pacientes com câncer de próstata e 540 controles: 2 cães foram testados, cão 1 teve melhor desempenho com uma sensibilidade de 100% e especificidade de 98,7% e cão 2 conseguido sensibilidade de 98,6% e especificidade de 97,6% [33].

Após a prova de conceito estudos em cães, os pesquisadores também testaram a tecnologia nariz eletrônico para discriminar o odor de urina de pacientes com câncer de próstata e controles, alcançar uma sensibilidade de 71 a 82 % e especificidade de 67 a 93% [34, 35].

A assinatura de odores de urina é produzida por substâncias conhecidas como compostos orgânicos voláteis (VOCs), que podem ser separados e identificados por cromatografia gasosa /espectroscopia de massa (CG /EM). No presente estudo, comparamos os perfis de COV de headspace urina de 102 pacientes com sintomas urológicos, 59 dos quais tinham câncer de próstata e 43 que não. Para o melhor de nosso conhecimento, nenhum extenso trabalho tem sido publicado sobre este até à data.

A aprovação ética para o estudo foi obtido a partir Comitê de Ética em Pesquisa Wiltshire (número de referência REC Materiais e Métodos

08 /H0104 /63; protocolo SU /2008/2901, versão 3 aprovado 09/06/2009), com R D aprovação dos Hospitais da Universidade de Bristol NHS Foundation Trust, de onde os participantes foram recrutados durante um período de 13 meses. Cada participante revisada uma folha de informações e deu consentimento por escrito. Todos os participantes eram homens que foram encaminhados para uma biópsia da próstata TRUS guiado por causa de um nível de PSA elevado ou achados anormais no DRE, secundárias a outros problemas urológicos (ver S1 Tabela).

As amostras de urina foram coletadas em frascos universais antes aos pacientes biópsia TRUS próstata (10-12 núcleos) e as amostras foram classificadas como câncer de próstata ou controles após exame patológico das amostras de biópsia. Exame de urina e gravidade específica foram realizadas em todas as amostras sob a SOP da clínica de urologia. níveis de antígeno específico da próstata foram medidos no Bristol Royal Infirmary usando ensaio de 2000 PSA Immulite e IMMULITE 2000 analisador (Siemens Medical Solutions Diagnostics, New York, EUA). Os dados demográficos para os grupos de pacientes estudados são apresentados na Tabela 1.

As comorbidades e medicação de pacientes estão incluídos no S1 Tabela juntamente com o motivo de encaminhamento do paciente para uma biópsia da próstata. Os pacientes foram excluídos se tivessem uma história de carcinoma urotelial ou outras doenças malignas conhecidas, uma infecção do trato urinário, ou um cateter urinário in situ. Não houve critérios de exclusão em relação a etnia do paciente, o consumo de álcool, tabaco, drogas ou alimentos. Alíquotas de urina fresca, 0,75 mL, foram transferidos para frascos de septo tampo headspace (Sigma Aldrich, Dorset, Reino Unido) e foram congeladas a -20 ° C até à análise. Não há evidência de que o armazenamento a -20 ° C, tem uma influência negativa sobre a presença de compostos orgânicos voláteis em gases do espaço interno a partir de amostras de urina [36, 37]. Além disso, as amostras foram recolhidas, armazenadas e analisadas aleatoriamente. Portanto, qualquer variação devida ao armazenamento de amostras terá um efeito semelhante em ambos os grupos de cancro e de controlo estudados aqui.

Antes da análise da urina headspace cada amostra foi descongelado por imersão do frasco num banho de água a 60 ° C durante 30 segundos. Uma alíquota de amostra de urina único por paciente foi utilizado para análise de COV. Posteriormente, cada amostra foi tratada com um volume igual (0,75 ml) de hidróxido de sódio (1M; Fisher Scientific, Leicestershire, Reino Unido). A adição de uma base, o ácido e o sal são métodos comumente usados ​​para melhorar a detecção de compostos orgânicos voláteis a partir de amostras de urina [36-39]. Em geral, estes métodos de aumentar a concentração de compostos orgânicos voláteis na câmara de expansão, aumentando a força iónica da amostra. Neste estudo, exactamente o mesmo método de tratamento foi aplicada a amostras de urina de pacientes com cancro e controlos. Portanto, esperamos que o efeito de hidróxido de sódio para ser semelhante nos dois grupos. A mistura foi equilibrada a 60 ° C num banho de água durante 30 minutos, antes de, e durante, a extracção de compostos orgânicos voláteis a partir do espaço superior com uma fibra de fase sólida de micro-extração (SPME).

A fibra de SPME foi 85 um de espessura e consistiu de carboxen /polidimetilsiloxano (Sigma Aldrich, Dorset, Reino Unido). A fibra foi exposta ao espaço superior acima da mistura de urina durante 20 minutos e a seguir à extracção do COV foram analisados ​​por GC /MS (Perkin Elmer 500 Clarus® quadrupolo, beaconsfield, Reino Unido). Os COV foram termicamente desabsorvidos a partir da fibra em 220 ° C na porta de injecção de CG /EM para 5 minutos. Injeção foi feita no modo splitless e uma divisão de 50 ml /min foi ligado aos dois minutos da corrida.

gás portador Hélio de 99,996% de pureza (BOC, Guildford, UK) foi passado através de um sistema de purificação de hélio , Excelasorb

™ (Supelco, Poole, UK) em 1 ml min

-1. A coluna de GC era uma coluna capilar de 60 metros de comprimento Zebron ZB-624 com um diâmetro interior de 0,25 mm e uma espessura de filme de 1,4 um, especificamente concebidos para a separação de compostos orgânicos voláteis (Phenomenex, Macclesfield, Reino Unido). A sua composição consistiu em 94% de polissiloxano de dimetilo e 6% cianopropilo-fenil

O programa de temperatura de GC /MS do ensaio era como se segue:. Temperatura inicial do forno foi mantida a 40 ° C durante 2 minutos, em seguida, a temperatura foi aumentada a uma taxa de 5 ° C /min até 220 ° C, com uma retenção de 4 minutos a esta temperatura para se obter um tempo total de execução de 42 minutos. O espectrómetro de massa foi executado no modo de ionização de elétrons impacto (EI), a digitalização da faixa de massa de ião 10-300 em 0,05 varredura /seg. Um atraso solvente 4 minutos foi utilizado no início da corrida.

O processamento de dados

Os dados GC-MS foi processado usando um pipeline envolvendo a Automated Mass Spectral Deconvolution e software Sistema de Identificação (AMDIS , versão 2.71, 2012), a biblioteca do espectro de massa NIST (versão 2.0, 2011) e do pacote de R (R equipe principal, 2013) Metab [40]. AMDIS e NIST foram usadas para construir uma biblioteca VOC contendo 197 metabólitos presentes nas amostras de urina analisadas neste estudo (S2 Tabela). Um jogo para a frente e reverso 800/1000 e acima foi usado para atribuir identificações compostos experimentais. Usando esta biblioteca de COV, AMDIS foi então aplicado para deconvoluting cromatogramas GC-MS e identificação de metabolitos. O relatório gerado por AMDIS foi ainda processado por Metab, a fim de confirmar a identidade dos metabolitos e seus recalcular abundâncias relativas com base na intensidade de um fragmento específico de massa de iões por metabolito. A fim de desenvolver modelos estatísticos parcimoniosa robustos, esses compostos que se verificou estar presente em menos de 20% dos pacientes em ambos os grupos (isto é, compostos relativamente raras) ou presente em mais de 90% dos pacientes em ambos os grupos (isto é, os voláteis relativamente comuns ) foram removidos do conjunto de dados antes de modelização estatística.

Análise estatística

os perfis de VOC de cada paciente foram convertidos em dados binários com base na presença e ausência de metabolitos. Em seguida, quatro abordagens diferentes (Tabela 2) foram aplicados para a seleção de recurso antes de modelo de construção.

Os recursos, ou VOCs, selecionados por pelo menos uma abordagem de seleção de recursos foram utilizados para o desenvolvimento de classificadores usando tanto Fisher linear discriminante Análise [43] e aleatória Floresta [42] árvore de decisão do Breiman. Estas foram avaliadas como classificadores duas abordagens distintas. Este processo foi então repetido utilizando VOCs selecionados por pelo menos uma abordagem de seleção de características e os níveis de PSA de cada paciente para ver como resultados se comparam ao de VOCs sozinho e o teste de PSA sozinho.

É bem conhecido que construção de modelos e teste de modelo sobre os mesmos dados podem produzir resultados distorcidos e pode sofrer de sobreajuste com modelos que descrevem possibilidade características da amostra idiossincráticos, em vez de tendências reais. Esta abordagem descrição da amostra é propenso a medidas exageradas e otimistas de precisão do modelo, e muito taxas de precisão inferiores pode ser visto quando o modelo é aplicado a dados recentes [44, 45]. Para superar essas falhas potenciais, validação do modelo usando repetido 10 vezes validação cruzada como descrito por Delen [46] foi implementado. Repetiu validação cruzada dupla como descrito, implementado e fortemente recomendado por Filzmoser e colegas [45], e por Anderssen e colegas [44], também foi utilizado para a construção de modelos e avaliação do modelo. Fig 1 dá uma visão esquemática de repetido 10 vezes validação cruzada e repetiu validação cruzada dupla. A estratégia de validação cruzada foi baseado em 30 repetições e dez dobras. A estratégia dupla validação cruzada também tinha 30 repetições do loop externo (modelo de ciclo de avaliação), com dados de testes e provas com base em 3 dobras. O laço interno (o laço modelo de ajuste) utilizaram dados de treinamento e teste com base em 10 dobras e com 30 repetições.

Uma variação Monte-Carlo de cada técnica é alcançado por randomizar os rótulos das amostras de teste.

é instrutivo para demonstrar uma estrutura de classe sobre qualquer relação acaso. Com base no trabalho de Ojala [47], os dois regimes de validação cruzada foi repetida sobre os dados, mas com uma permutação de Monte Carlo aleatória de etiquetas de classe (cancro da próstata, controlo) em cada repetição. Esta abordagem de permutação fornece um nível de referência de acordo chance para o processo de modelagem, que é necessário para ajudar a quantificar os efeitos capturados por modelos de cross-validado derivados em dados autênticos. Todas as técnicas de modelagem e validações do modelo foram aplicados utilizando o pacote de R Caret [42].

Resultados

A capacidade de diagnóstico do uso de níveis de PSA sozinho para este grupo de pacientes foi avaliado. Usando repetido 10 vezes validação cruzada, os pacientes podem ser classificados em câncer de próstata e os grupos livres de câncer com base em seus níveis de PSA com precisão média de 62% e 64%, utilizando aleatória Floresta e Linear Discriminante Análise, respectivamente (Tabela 3).

usando repetido validação cruzada dupla, a precisão média caiu para 61 e 63%, usando aleatória Floresta e Linear discriminante Análise, respectivamente (Tabela 4).

Based na presença ou ausência de COVs sozinho, as amostras de urina podem ser classificados com uma precisão média de 66% com a validação cruzada 10 vezes repetido (Tabela 5). dados de origem aparecem na Tabela S3.

Usando repetido validação cruzada dupla, a precisão média caiu para 65 e 63%, usando aleatória Floresta e Linear Discriminante Análise, respectivamente (Tabela 6).

Dado que repetiu dupla validação cruzada é uma técnica muito mais rigorosa de validação cruzada de validação cruzada 10 vezes repetido, era esperada uma redução no desempenho do teste. Com uma permutação aleatória Monte Carlo de rótulos de classe, a precisão média caiu para 50% em ambas as técnicas de modelagem. Por isso, a classificação das amostras com base na presença ou ausência de compostos orgânicos voláteis é um pouco melhor do que o que pode ser esperado por acaso. O conjunto final de recursos selecionados e usados ​​para desenvolver classificadores por ambos análise discriminante linear de Fisher e árvore de decisão aleatória Floresta do Breiman, incluiu 2,6-dimetil-7-octen-2-ol, pentanal, 3-octanona, e 2-octanona. Excepto para pentanal, todos estes compostos foram sub-regulada e /ou menos frequentemente presente nas amostras de urina de pacientes com cancro da próstata. A classificação dos pacientes em grupos e controle do câncer com base nestas características, em combinação com níveis de PSA estão resumidos nas Tabelas 7 e 8.

Usando repetido 10 vezes validação cruzada, os pacientes poderiam ser classificados em câncer de próstata e os grupos livres de câncer, com erros médios de 74% e 65%, utilizando aleatória Floresta e análise discriminante linear, respectivamente. Com uma permutação aleatória Monte Carlo de rótulos de classe, a precisão média caiu para 56% e 48%, usando aleatória Floresta e análise discriminante linear, respectivamente. Assim, os resultados obtidos pelos dois esquemas de validação cruzada foram superiores aos que poderiam ser esperadas por acaso. Usando repetido validação cruzada dupla, os pacientes poderiam ser classificados, com erros médios de 71% e 65%, utilizando aleatória Floresta e análise discriminante linear técnicas de classificação, respectivamente. Fig 2 apresenta a curva ROC para a análise de validação cruzada repetido duas vezes. A permutação aleatória Monte Carlo de rótulos de classe reduziu o desempenho diagnóstico dos modelos para dar precisões teste médios de 51 e 50% por floresta aleatória e análise discriminante linear, respectivamente. Estes últimos Monte Carlo precisões estreitamente alinhada com a precisão da classificação esperada de 52% sob o acordo chance com freqüências marginais fixos e indicam que a taxa de classificação nos modelos autênticos (71% e 65%) não é um artefato do processo de modelagem.

Discussão

pela primeira vez, os perfis de COV de headspace urinária foram estudadas de homens com suspeita de câncer de próstata investigado pela agulha de biópsia de próstata TRUS-guiada para confirmar ou descartar, um diagnóstico de câncer de próstata. O objectivo deste trabalho relatado foi avaliar se os perfis de COV do espaço superior urina pode ajudar a completar a testes clínicos actuais para melhorar a estratificação dos homens no risco de cancro da próstata e, desse modo, ajudar a reduzir o número de pacientes submetidos a biópsia de agulha desnecessária.

Não foram limitados estudos de espectrometria de massa publicados em análises voláteis de urina para detecção de câncer de próstata. Em um estudo piloto pelo nosso grupo foram avaliados os perfis de COV de urina de 24 homens assintomáticos e 13 homens com câncer de próstata [48]. 21 VOCs foram encontrados para ser associado positivamente com a urina de pacientes com câncer de próstata. coeficientes de semelhança foram calculados para cada uma das amostras com base na presença ou ausência destes compostos em ambos os grupos. Quando aplicado a uma regra de análise discriminante multivariada, esses coeficientes de similaridade permitiu a discriminação de casos com sensibilidade de 92,3% e 96,3% de especificidade. Embora promissor, que o estudo era pequena demais para tirar conclusões robustas e o uso de homens assintomáticos como controle significava que ele fez pouco para resolver um dos desafios presentes clínicos dos pacientes distintivas com câncer de próstata daqueles com problemas urológicos não malignas que muitas vezes resultar num nível de PSA levantada; no estudo anterior apenas um dos controles têm um PSA elevado.

Peng

et al

., 2010 testou os perfis exalado COV de controles saudáveis ​​(n = 22) e pacientes com pulmão ( n = 30), mama (n = 22), colo-rectal (n = 26), e cancro da próstata (n = 18) [49]. Os autores descobriram que o tolueno, 2-amino-5-isopropil-8-metil-1-azulenecarbonitrile, p-xileno, e 2,2-dimetil-decano mostrou nenhuma sobreposição em abundância entre os controlos saudáveis ​​e em doentes com cancro da próstata. compostos No entanto, eles excluídos apresentar no 80% de ambos os grupos e controlo do cancro da análise. Este é provável que tenha resultado na perda de compostos com maior poder de discriminação do que os relatados acima, que deu origem a fechar clusters em abundâncias de compostos entre o câncer de próstata e os grupos de controle. Além disso, Peng

et al

. utilizado um tamanho relativamente pequeno estudo e comparados grupos cancerosas para casos saudáveis, que não são controlos adequados. Um estudo publicado na revista Nature gerado interesse significativo na sarcosina molécula como um potencial biomarcador de câncer de próstata agressivo [23]. Significativamente maiores níveis de sarcosina foram relatados em ambos os sedimentos de urina e sobrenadantes de pacientes com câncer de próstata biópsia positiva (

n

= 44) em comparação com controles de biópsias negativas (

n

= 51). No entanto, o valor preditivo de sarcosina foi modesto, com uma área total sob a curva (AUC) da curva ROC (ROC) de 0,71 para sedimentos de urina e de 0,67 para sobrenadantes. Novos estudos que olham para validar este trabalho mostrou decepcionante [24-26]. Na identificação das capacidades limitadas de sarcosina, Wu e colegas de trabalho passou a investigar outros marcadores metabolômica em urina de 20 pacientes com câncer de próstata, 8 pacientes com hipertrofia benigna da próstata e 20 homens saudáveis ​​[26]. Usaram derivatização assistida por micro-ondas antes da análise por GC /MS para a detecção de compostos de peso molecular mais elevado, tais como aminoácidos, ácidos orgânicos, hidratos de carbono e ácidos gordos. Níveis mais elevados de ácidos orgânicos: ácido dihydroxybutanoic e ácido xilônico e níveis mais baixos de pirimidina e os hidratos de carbono: xilopiranose ribofuranosido e foram observadas no grupo de cancro da próstata. Um modelo de diagnóstico, com base nesses 5 metabólitos marcador, relatou um valor de AUC de 0,825 da curva ROC. Mais uma vez a principal limitação deste trabalho é a falta de controles adequados e apropriados. a continuação dos trabalhos, muito é exigido em grandes estudos, multicêntricos por grupos de pesquisa independentes se biomarcadores robustos para o câncer de próstata está sempre a ser encontrada considerando os fracassos do passado para corroborar inicialmente biomarcadores “promissoras”, com a PSA e sarcosina sendo os principais exemplos. Na realidade, a maior parte dos novos biomarcadores relatados na literatura falhar o próximo obstáculo para validar o seu potencial para o diagnóstico ou tratamento do cancro. . Prensner

et al

, listou cinco razões comuns para isso: a falta de um protocolo de teste robusto para reprodutibilidade, uma comparação com viés dos grupos no estudo (caso versus controlos), papel clínico indefinido ou inapropriada do biomarcador , um tamanho estatisticamente fraca potência estudo e análise estatística inadequada, incluindo sobreajuste dos dados [50]. Até que os resultados possam ser validados em ensaios separados, validação cruzada adequada da análise estatística deve ser aplicado como uma abordagem preventiva para estimar a precisão da previsão (e, portanto, validade) do biomarcador (s) em novos casos tiradas dos mesmos grupos de pacientes. Rosenberg

et al

., Introduziram a aplicação de um regime de dupla validação cruzada em proteômica dados de próstata e cólon tumores humanos [51]. Neste estudo, os modelos de classificação foram validados utilizando validação cruzada dupla repetido e repetido. No entanto, os resultados aqui apresentados ainda deve ser tratada com cautela dado que este é um pequeno estudo que poderiam ser indevidamente afetada por permutações aleatórias ou não-aleatórias e fatores de confusão. O modelo de COV baseou-se na presença ou ausência de quatro compostos voláteis: 2,6-dimetil-7-octen-2-ol, pentanal, 3-octanona, e 2-octanona. Excepto para pentanal, todos estes compostos foram sub-regulada e /ou menos frequentemente presente nas amostras de urina de pacientes com cancro da próstata. A produção de aldeídos tem sido associada com o cancro e condições inflamatórias através da produção excessiva de espécies de oxigénio reactivas (ROS) que se sabe induzir a peroxidação lipídica [52]. Isto pode explicar a maior incidência de pentanal detectada nas amostras de urina de pacientes com câncer de próstata. De acordo com nossos resultados, outros estudos metabolômica têm também comumente observada uma tendência de diminuição da produção (down-regulation) de certos metabólitos em grupos de câncer em comparação com grupos de controlo [53, 54]. Uma possível explicação para esta tendência pode ser que as células cancerosas estão utilizando alguns destes metabolitos para atender às demandas de aumento do consumo de energia e transformação destes compostos a outras substâncias que não podem ser detectadas por GC /MS. S2 tabela lista todos os compostos encontrados, que acrescenta ao nosso conhecimento de compostos encontrados na urina basificada dos controles urológicos e pacientes com câncer. Isso será útil para comparações em outros estudos de medição voláteis de urina.

Os resultados relatamos aqui sobre as capacidades exigentes de COV de urina são um tanto inconclusiva, mas eles espelham os resultados de outros grupos que testaram potenciais biomarcadores em urina e sangue (PCA3 [55], os biomarcadores com base RNA urina multiplex [56], e o Índice de Saúde da próstata com base no PSA e seu derivado [-2] proPSA e% fPSA [57, 58]) para a discriminação de pacientes com câncer de próstata a partir de controlos. É muito importante que os grupos de estudo refletem com precisão a população de doentes específica para os quais o teste se destina biomarcador. Por isso, recrutamos controles da clínica de urologia no dia da sua biópsia da próstata, que estavam sendo seguidos por sintomas suspeitos de câncer de próstata. Na verdade, todos os pacientes incluídos no estudo tinham tanto níveis elevados de PSA ou resultados anormais em um exame retal digital. Com base nos níveis de PSA sozinho, os pacientes poderiam ser classificados, com erros médios de 61% e 63%, utilizando técnicas de classificação de RF e LDA, respectivamente, com repetida validação cruzada dupla. Clinicamente, é um desafio para diferenciar estes pacientes não-cancerosos com sintomas urológicos daqueles com câncer de próstata. Também foi difícil de discriminar entre estes dois grupos com base em COV urinárias como isso deu resultados da classificação semelhante à obtida com os níveis de PSA. Com base na presença ou ausência de quatro compostos, amostra de urina foram classificados com precisão média de 65% e 63%, usando de RF e técnicas de classificação de LDA, respectivamente, com repetidos de validação cruzada dupla. Combinando os níveis de PSA com VOCs urinário, só deu uma melhoria marginal na classificação de pacientes, relatando precisão média de 71% e 65% usando RF e técnicas de classificação LDA, respectivamente, com repetida validação cruzada dupla.

Estes duas técnicas foram escolhidos por causa de sua natureza complementar ou seja, LDA é um único classificador que utiliza uma fronteira de decisão linear e tem a virtude da simplicidade quando funciona, ao passo que, em contraste, a Floresta aleatória é uma abordagem conjunto poderoso que pode fazer bem quando interacções complexas podem ser necessários para obter uma boa precisão preditiva. Neste estudo, os modelos de classificação foram validados utilizando validação cruzada dupla repetido e repetido. Repetido duas vezes validação cruzada (rdCV) é um procedimento sistemático que repetidamente se divide aleatoriamente os dados em uma amostra de calibração para o desenvolvimento do modelo e em uma amostra de teste para avaliação do modelo, e fornece uma estimativa realista da precisão do modelo quando aplicado a novas observações extraídas da mesma população homogênea. No entanto, os resultados aqui apresentados ainda deve ser tratada com cautela dado que este é um pequeno estudo que pode não capturar adequadamente a diversidade da população e que podem estar sujeitos a fatores de confusão.

Um método multiplataforma que combina análises voláteis com análises de compostos não voláteis (usando espectroscopia de ressonância magnética nuclear ou de cromatografia líquida de alta eficiência abordagens baseadas /espectrometria de massa) vai ajudar a conseguir uma melhor compreensão das características metabólicas de cancro da próstata e podem ajudar a esclarecer as vias metabólicas associadas com formas agressivas de câncer. Os dados actuais indicam que as análises de VOC pode ser usado em adição ao teste de PSA em encontrar pacientes com cancro da próstata. Os trabalhos futuros deverão considerar métodos para otimizar os resultados e explorar outros meios de extracção de compostos orgânicos voláteis a partir de amostras de urina, como derivação.

Uma limitação do estudo foi que as amostras de urina foram obtidas em diferentes momentos do dia, portanto, variando em concentração. A coleção de primeira urina passe teria minimizado diluição da urina e as diferenças na concentração da urina entre os participantes do estudo, no entanto, este também teria impedido a coleta de amostras. Futuros estudos deste tipo deve fazer um esforço para medir os níveis de creatinina urinária ou da pressão osmótica urina para determinar o grau de diluição da urina. Isto pode ajudar a definir um intervalo aceitável de concentrações de urina para a análise de compostos orgânicos voláteis headspace ou proporcionar um meio para corrigir para a diluição da urina.

É também importante notar que o resultado da biópsia não é possível excluir a presença de cancro da próstata completamente nestes pacientes, mas apenas pode confirmar que não havia cancro encontrados nas amostras de tecido retiradas. Portanto, uma possibilidade ainda é que alguns pacientes foram categorizados incorretamente como negativo para câncer de próstata e isso poderia ter um impacto negativo na capacidade de diagnóstico dos modelos.

pesquisa com biomarcadores normalmente se concentra no diagnóstico precoce da doença, mas tem-se argumentado que , para câncer de próstata, a maior necessidade clínica não satisfeita é distinguir baixo risco ou cânceres de crescimento lento desde os agressivos [50]. A identificação e validação de biomarcadores prognósticos e preditivos vai ajudar a reduzir intervenções desnecessárias que podem causar mais mal do que bem, monitorar a progressão durante o “espera vigilante” e alvo de tratamento para aqueles pacientes que são mais susceptíveis de beneficiar [50]. É preciso haver mais trabalho realizado para levar a um método melhorado para a identificação de tumores agressivos. Um estudo muito maior se justifica para investigar isso.

Conclusão

pacientes

Urologia com níveis elevados de PSA normalmente submetidos a uma biópsia da próstata agulha guiada por TRUS para confirmar ou excluir um diagnóstico de câncer de próstata. Na população estudada, a classificação dos pacientes com testes de urina VOC era comparável ao teste do nível de PSA. Combinando os níveis de PSA com VOCs urinário resultou em uma melhoria marginal no desempenho do teste. Estes resultados são encorajadores e sugerem que há outros caminhos metabolômica vale a pena explorar o que poderia ajudar a melhorar a estratificação dos homens com risco de câncer de próstata que requerem acompanhamento.