Differensialdiagnose av lungeknuter identifisert ved computertomografi (CT) er fortsatt en utfordring i klinisk praksis.Her karakteriserer vi det globale metabolomet til 480 serumprøver, inkludert friske kontroller, godartede lungeknuter og stadium I lungeadenokarsinom.Adenocarcinomer viser unike metabolomiske profiler, mens godartede knuter og friske individer har høy likhet i metabolomiske profiler.I funngruppen (n = 306) ble et sett med 27 metabolitter identifisert for å skille mellom benigne og ondartede knuter.AUC for diskriminantmodellen i gruppene for intern validering (n = 104) og ekstern validering (n = 111) var henholdsvis 0,915 og 0,945.Baneanalyse avslørte økte glykolytiske metabolitter assosiert med redusert tryptofan i lungeadenokarsinomserum sammenlignet med benigne knuter og friske kontroller, og antydet at tryptofanopptak fremmer glykolyse i lungekreftceller.Vår studie fremhever verdien av serummetabolittbiomarkører i vurderingen av risikoen for lungeknuter oppdaget ved CT.
Tidlig diagnose er avgjørende for å forbedre overlevelsesraten for kreftpasienter.Resultater fra US National Lung Cancer Screening Trial (NLST) og den europeiske NELSON-studien har vist at screening med lavdose-computertomografi (LDCT) kan redusere dødeligheten av lungekreft betydelig i høyrisikogrupper1,2,3.Siden den utbredte bruken av LDCT for lungekreftscreening, har forekomsten av tilfeldige radiografiske funn av asymptomatiske lungeknuter fortsatt å øke 4 .Lungeknuter er definert som fokale opasiteter opp til 3 cm i diameter 5 .Vi har problemer med å vurdere sannsynligheten for malignitet og håndtere det store antallet lungeknuter som tilfeldigvis oppdages på LDCT.Begrensninger ved CT kan føre til hyppige oppfølgingsundersøkelser og falskt positive resultater, som fører til unødvendig intervensjon og overbehandling6.Derfor er det behov for å utvikle pålitelige og nyttige biomarkører for å korrekt identifisere lungekreft i de tidlige stadiene og skille de fleste godartede knuter ved første påvisning 7 .
Omfattende molekylær analyse av blod (serum, plasma, mononukleære celler fra perifert blod), inkludert genomikk, proteomikk eller DNA-metylering8,9,10, har ført til økende interesse for oppdagelsen av diagnostiske biomarkører for lungekreft.I mellomtiden måler metabolomiske tilnærminger cellulære sluttprodukter som er påvirket av endogene og eksogene handlinger og brukes derfor for å forutsi sykdomsutbrudd og utfall.Væskekromatografi-tandem massespektrometri (LC-MS) er en mye brukt metode for metabolomikkstudier på grunn av sin høye sensitivitet og store dynamiske område, som kan dekke metabolitter med forskjellige fysisk-kjemiske egenskaper11,12,13.Selv om global metabolomisk analyse av plasma/serum har blitt brukt for å identifisere biomarkører assosiert med lungekreftdiagnose14,15,16,17 og behandlingseffektivitet, gjenstår 18 serummetabolittklassifiseringer for å skille mellom godartede og ondartede lungeknuter å bli mye studert.-massiv forskning.
Adenokarsinom og plateepitelkarsinom er de to hovedundertypene av ikke-småcellet lungekreft (NSCLC).Ulike CT-screeningtester indikerer at adenokarsinom er den vanligste histologiske typen lungekreft1,19,20,21.I denne studien brukte vi ultra-ytelses væskekromatografi-høyoppløsnings massespektrometri (UPLC-HRMS) for å utføre metabolomikkanalyse på totalt 695 serumprøver, inkludert friske kontroller, godartede lungeknuter og CT-detektert ≤3 cm.Screening for stadium I lungeadenokarsinom.Vi identifiserte et panel av serummetabolitter som skiller lungeadenokarsinom fra godartede knuter og friske kontroller.Baneberikelsesanalyse viste at unormal tryptofan- og glukosemetabolisme er vanlige endringer i lungeadenokarsinom sammenlignet med godartede knuter og friske kontroller.Til slutt etablerte og validerte vi en serummetabolsk klassifikator med høy spesifisitet og sensitivitet for å skille mellom ondartede og benigne lungeknuter oppdaget av LDCT, noe som kan hjelpe til med tidlig differensialdiagnose og risikovurdering.
I den nåværende studien ble kjønns- og alderstilpassede serumprøver retrospektivt samlet fra 174 friske kontroller, 292 pasienter med benigne lungeknuter og 229 pasienter med stadium I lungeadenokarsinom.Demografiske kjennetegn ved de 695 forsøkspersonene er vist i tilleggstabell 1.
Som vist i figur 1a ble totalt 480 serumprøver, inkludert 174 friske kontroll (HC), 170 benigne knuter (BN) og 136 stadium I lungeadenokarsinom (LA) prøver, samlet ved Sun Yat-sen University Cancer Center.Oppdagelseskohort for umålrettet metabolomisk profilering ved bruk av ultraytende væskekromatografi-høyoppløselig massespektrometri (UPLC-HRMS).Som vist i tilleggsfigur 1 ble differensielle metabolitter mellom LA og HC, LA og BN identifisert for å etablere en klassifiseringsmodell og videre utforske differensialveianalyse.104 prøver samlet inn av Sun Yat-sen University Cancer Center og 111 prøver samlet inn av to andre sykehus ble gjenstand for henholdsvis intern og ekstern validering.
en studiepopulasjon i oppdagelseskohorten som gjennomgikk global serummetabolomikkanalyse ved bruk av ultraytende væskekromatografi-høyoppløsningsmassespektrometri (UPLC-HRMS).b Partiell minste kvadraters diskriminantanalyse (PLS-DA) av det totale metabolomet av 480 serumprøver fra studiekohorten, inkludert friske kontroller (HC, n = 174), benigne knuter (BN, n = 170) og stadium I lungeadenokarsinom (Los Angeles, n = 136).+ESI, positiv elektrospray-ioniseringsmodus, -ESI, negativ elektrospray-ioniseringsmodus.c–e Metabolitter med signifikant forskjellig forekomst i to gitte grupper (two-tailed Wilcoxon signed rank test, falsk oppdagelsesrate justert p-verdi, FDR <0,05) er vist i rødt (fold endring > 1,2) og blått (fold endring < 0,83) .) vist på vulkangrafikken.f Hierarkisk clustering heat map som viser signifikante forskjeller i antall kommenterte metabolitter mellom LA og BN.Kildedata leveres i form av kildedatafiler.
Det totale serummetabolomet av 174 HC, 170 BN og 136 LA i funngruppen ble analysert ved hjelp av UPLC-HRMS-analyse.Vi viser først at kvalitetskontrollprøver (QC) grupperer seg tett i midten av en ikke-overvåket hovedkomponentanalyse (PCA) modell, og bekrefter stabiliteten til den nåværende studiens ytelse (tilleggsfigur 2).
Som vist i den partielle minste kvadraters-diskriminerende analysen (PLS-DA) i figur 1b, fant vi at det var klare forskjeller mellom LA og BN, LA og HC i positiv (+ESI) og negativ (-ESI) elektrosprayioniseringsmodus .isolert.Det ble imidlertid ikke funnet noen signifikante forskjeller mellom BN og HC i +ESI- og -ESI-forhold.
Vi fant 382 differensielle trekk mellom LA og HC, 231 differensielle trekk mellom LA og BN, og 95 differensielle trekk mellom BN og HC (Wilcoxon signed rank test, FDR <0,05 og multiple change >1,2 eller <0,83) (Figur .1c-e) )..Topper ble ytterligere kommentert (tilleggsdata 3) mot en database (mzCloud/HMDB/Chemspider-bibliotek) ved m/z-verdi, retensjonstid og fragmenteringsmassespektrumsøk (detaljer beskrevet i metodedelen) 22 .Til slutt ble 33 og 38 annoterte metabolitter med signifikante forskjeller i overflod identifisert for henholdsvis LA versus BN (Figur 1f og tilleggstabell 2) og LA versus HC (tilleggsfigur 3 og tilleggstabell 2).Derimot ble bare 3 metabolitter med signifikante forskjeller i overflod identifisert i BN og HC (tilleggstabell 2), i samsvar med overlappingen mellom BN og HC i PLS-DA.Disse differensielle metabolittene dekker et bredt spekter av biokjemikalier (tilleggsfigur 4).Til sammen viser disse resultatene betydelige endringer i serummetabolomet som reflekterer ondartet transformasjon av lungekreft i tidlig stadium sammenlignet med godartede lungeknuter eller friske personer.I mellomtiden antyder likheten mellom serummetabolomet til BN og HC at godartede lungeknuter kan dele mange biologiske egenskaper med friske individer.Gitt at genmutasjoner av epidermal vekstfaktorreseptor (EGFR) er vanlige i lungeadenokarsinom subtype 23, forsøkte vi å bestemme virkningen av drivermutasjoner på serummetabolomet.Vi analyserte deretter den totale metabolomiske profilen til 72 tilfeller med EGFR-status i lungeadenokarsinomgruppen.Interessant nok fant vi sammenlignbare profiler mellom EGFR-mutante pasienter (n = 41) og EGFR villtypepasienter (n = 31) i PCA-analyse (tilleggsfigur 5a).Imidlertid identifiserte vi 7 metabolitter hvis overflod var signifikant endret hos pasienter med EGFR-mutasjon sammenlignet med pasienter med villtype EGFR (t-test, p < 0,05 og fold endring > 1,2 eller < 0,83) (tilleggsfigur 5b).Flertallet av disse metabolittene (5 av 7) er acylkarnitiner, som spiller en viktig rolle i fettsyreoksidasjonsveier.
Som illustrert i arbeidsflyten vist i figur 2a, ble biomarkører for noduleklassifisering oppnådd ved bruk av minste absolutte krympingsoperatorer og seleksjon basert på 33 differensielle metabolitter identifisert i LA (n = 136) og BN (n = 170).Beste kombinasjon av variabler (LASSO) – binær logistisk regresjonsmodell.Ti ganger kryssvalidering ble brukt for å teste modellens pålitelighet.Variabelvalg og parameterregularisering justeres med en sannsynlighetsmaksimeringsstraff med parameter λ24.Global metabolomics-analyse ble videre utført uavhengig i gruppene for intern validering (n = 104) og ekstern validering (n = 111) for å teste klassifiseringsytelsen til diskriminantmodellen.Som et resultat ble 27 metabolitter i oppdagelsessettet identifisert som den beste diskriminantmodellen med den største gjennomsnittlige AUC-verdien (fig. 2b), hvorav 9 hadde økt aktivitet og 18 redusert aktivitet i LA sammenlignet med BN (fig. 2c).
Arbeidsflyt for å bygge en pulmonal nodule-klassifikator, inkludert valg av det beste panelet av serummetabolitter i oppdagelsessettet ved hjelp av en binær logistisk regresjonsmodell via ti ganger kryssvalidering og evaluering av prediktiv ytelse i interne og eksterne valideringssett.b Kryssvalideringsstatistikk av LASSO-regresjonsmodell for metabolsk biomarkørseleksjon.Tallene gitt ovenfor representerer gjennomsnittlig antall biomarkører valgt ved en gitt λ.Den røde stiplede linjen representerer gjennomsnittlig AUC-verdi ved tilsvarende lambda.Grå feilstreker representerer minimums- og maksimums AUC-verdier.Den stiplede linjen indikerer den beste modellen med de 27 utvalgte biomarkørene.AUC, areal under mottakeroperasjonskarakteristikken (ROC).c Foldeendringer av 27 utvalgte metabolitter i LA-gruppen sammenlignet med BN-gruppen i funngruppen.Rød kolonne – aktivering.Den blå kolonnen er en nedgang.d–f Receiver operating characteristic (ROC) kurver som viser kraften til diskriminantmodellen basert på 27 metabolittkombinasjoner i oppdagelses-, interne og eksterne valideringssett.Kildedata leveres i form av kildedatafiler.
En prediksjonsmodell ble laget basert på de vektede regresjonskoeffisientene til disse 27 metabolittene (tilleggstabell 3).ROC-analyse basert på disse 27 metabolittene ga et område under kurven (AUC) verdi på 0,933, funngruppesensitivitet var 0,868 og spesifisitet var 0,859 (fig. 2d).I mellomtiden, blant de 38 annoterte differensielle metabolittene mellom LA og HC, oppnådde et sett med 16 metabolitter en AUC på 0,902 med en sensitivitet på 0,801 og spesifisitet på 0,856 ved å skille LA fra HC (tilleggsfigur 6a-c).AUC-verdier basert på forskjellige terskler for fold-endring for differensielle metabolitter ble også sammenlignet.Vi fant at klassifiseringsmodellen presterte best når det gjaldt å skille mellom LA og BN (HC) når foldendringsnivået ble satt til 1,2 versus 1,5 eller 2,0 (tilleggsfigur 7a,b).Klassifiseringsmodellen, basert på 27 metabolittgrupper, ble videre validert i interne og eksterne kohorter.AUC var 0,915 (sensitivitet 0,867, spesifisitet 0,811) for intern validering og 0,945 (sensitivitet 0,810, spesifisitet 0,979) for ekstern validering (fig. 2e, f).For å vurdere interlaboratorieeffektivitet ble 40 prøver fra den eksterne kohorten analysert i et eksternt laboratorium som beskrevet i Metodedelen.Klassifiseringsnøyaktigheten oppnådde en AUC på 0,925 (tilleggsfigur 8).Fordi lunge plateepitelkarsinom (LUSC) er den nest vanligste undertypen av ikke-småcellet lungekreft (NSCLC) etter lungeadenokarsinom (LUAD), testet vi også den validerte potensielle nytten av metabolske profiler.BN og 16 tilfeller av LUSC.AUC for diskriminering mellom LUSC og BN var 0,776 (tilleggsfigur 9), noe som indikerer dårligere evne sammenlignet med diskriminering mellom LUAD og BN.
Studier har vist at størrelsen på knuter på CT-bilder er positivt korrelert med sannsynligheten for malignitet og er fortsatt en viktig determinant for knutebehandling25,26,27.Analyse av data fra den store kohorten av NELSON-screeningstudien viste at risikoen for malignitet hos personer med noder <5 mm til og med var lik risikoen for personer uten noder 28 .Derfor er minimumsstørrelsen som krever regelmessig CT-overvåking 5 mm, som anbefalt av British Thoracic Society (BTS), og 6 mm, som anbefalt av Fleischner Society 29 .Imidlertid er knuter større enn 6 mm og uten åpenbare godartede trekk, kalt ubestemte lungeknuter (IPN), fortsatt en stor utfordring i evaluering og behandling i klinisk praksis30,31.Vi undersøkte deretter om nodulstørrelse påvirket metabolomiske signaturer ved å bruke sammenslåtte prøver fra oppdagelses- og interne valideringskohorter.Med fokus på 27 validerte biomarkører, sammenlignet vi først PCA-profilene til HC og BN sub-6 mm metabolomer.Vi fant at de fleste datapunktene for HC og BN overlappet, noe som viser at serummetabolittnivåer var like i begge grupper (fig. 3a).Funksjonskartene på tvers av forskjellige størrelsesområder forble bevart i BN og LA (fig. 3b, c), mens det ble observert en separasjon mellom ondartede og godartede knuter i området 6–20 mm (fig. 3d).Denne kohorten hadde en AUC på 0,927, spesifisitet på 0,868 og sensitivitet på 0,820 for å forutsi maligniteten til knuter som målte 6 til 20 mm (fig. 3e, f).Resultatene våre viser at klassifikatoren kan fange opp metabolske endringer forårsaket av tidlig ondartet transformasjon, uavhengig av nodulstørrelse.
ad Sammenligning av PCA-profiler mellom spesifiserte grupper basert på en metabolsk klassifisering av 27 metabolitter.CC og BN < 6 mm.b BN < 6 mm vs BN 6–20 mm.i LA 6–20 mm versus LA 20–30 mm.g BN 6–20 mm og LA 6–20 mm.GC, n = 174;BN < 6 mm, n = 153;BN 6–20 mm, n = 91;LA 6–20 mm, n = 89;LA 20–30 mm, n = 77. e Mottakerdriftskarakteristikk (ROC) kurve som viser diskriminerende modellytelse for knuter 6–20 mm.f Sannsynlighetsverdier ble beregnet basert på den logistiske regresjonsmodellen for knuter som måler 6–20 mm.Den grå stiplede linjen representerer den optimale grenseverdien (0,455).Tallene ovenfor representerer prosentandelen av tilfeller anslått for Los Angeles.Bruk en tosidig Students t-test.PCA, hovedkomponentanalyse.AUC-området under kurven.Kildedata leveres i form av kildedatafiler.
Fire prøver (i alderen 44–61 år) med lignende lungeknuterstørrelser (7–9 mm) ble videre valgt for å illustrere ytelsen til den foreslåtte malignitetsprediksjonsmodellen (fig. 4a, b).Ved første screening presenterte Case 1 seg som en solid knute med forkalkning, et trekk assosiert med benignitet, mens Case 2 presenterte seg som en ubestemt delvis solid knute uten åpenbare godartede trekk.Tre runder med oppfølgende CT-skanninger viste at disse tilfellene holdt seg stabile over en 4-års periode og ble derfor ansett som godartede knuter (fig. 4a).Sammenlignet med klinisk evaluering av serielle CT-skanninger, identifiserte enkeltskudds serummetabolittanalyse med gjeldende klassifiseringsmodell raskt og korrekt disse godartede knuter basert på sannsynlighetsbegrensninger (tabell 1).Figur 4b i tilfelle 3 viser en knute med tegn på pleural retraksjon, som oftest er assosiert med malignitet32.Tilfelle 4 presentert som en ubestemt delvis solid knute uten bevis for en godartet årsak.Alle disse tilfellene ble spådd som ondartede i henhold til klassifiseringsmodellen (tabell 1).Vurderingen av lungeadenokarsinom ble påvist ved histopatologisk undersøkelse etter lungereseksjonskirurgi (fig. 4b).For det eksterne valideringssettet predikerte den metabolske klassifikatoren nøyaktig to tilfeller av ubestemte lungeknuter større enn 6 mm (tilleggsfigur 10).
CT-bilder av det aksiale vinduet i lungene i to tilfeller av godartede knuter.I tilfelle 1 viste CT-skanning etter 4 år en stabil solid knute på 7 mm med forkalkning i høyre underlapp.I tilfelle 2 viste CT-skanning etter 5 år en stabil, delvis solid knute med en diameter på 7 mm i høyre øvre lapp.b Aksialvindu CT-bilder av lungene og tilsvarende patologiske studier av to tilfeller av stadium I adenokarsinom før lungereseksjon.Tilfelle 3 avslørte en knute med en diameter på 8 mm i høyre øvre lapp med pleural retraksjon.Tilfelle 4 avslørte en delvis solid slipt glassknute som målte 9 mm i venstre øvre lapp.Hematoxylin og eosin (H&E)-farging av reseksjonert lungevev (skalalinje = 50 μm) som viser det acinære vekstmønsteret til lungeadenokarsinom.Piler indikerer knuter oppdaget på CT-bilder.H&E-bilder er representative bilder av flere (>3) mikroskopiske felt undersøkt av patologen.
Samlet viser resultatene våre den potensielle verdien av serummetabolittbiomarkører i differensialdiagnosen av lungeknuter, noe som kan utgjøre utfordringer ved evaluering av CT-screening.
Basert på et validert differensialmetabolittpanel, forsøkte vi å identifisere biologiske korrelater av store metabolske endringer.KEGG-baneanrikningsanalyse av MetaboAnalyst identifiserte 6 vanlige signifikant endrede veier mellom de to gitte gruppene (LA vs. HC og LA vs. BN, justert p ≤ 0,001, effekt > 0,01).Disse endringene var preget av forstyrrelser i pyruvatmetabolismen, tryptofanmetabolismen, niacin- og nikotinamidmetabolismen, glykolyse, TCA-syklusen og purinmetabolismen (fig. 5a).Vi utførte deretter målrettet metabolomikk for å bekrefte store endringer ved bruk av absolutt kvantifisering.Bestemmelse av vanlige metabolitter i vanlige endrede veier ved trippel quadrupol massespektrometri (QQQ) ved bruk av autentiske metabolittstandarder.Demografiske karakteristika for målprøven for metabolomikkstudien er inkludert i tilleggstabell 4. I samsvar med våre globale metabolomiske resultater bekreftet kvantitativ analyse at hypoxantin og xantin, pyruvat og laktat ble økt i LA sammenlignet med BN og HC (fig. 5b, c, p <0,05).Det ble imidlertid ikke funnet noen signifikante forskjeller i disse metabolittene mellom BN og HC.
KEGG-baneanrikningsanalyse av signifikant forskjellige metabolitter i LA-gruppen sammenlignet med BN- og HC-gruppene.En to-halet Globaltest ble brukt, og p-verdier ble justert ved hjelp av Holm-Bonferroni-metoden (justert p ≤ 0,001 og effektstørrelse > 0,01).b–d Fiolinplott som viser nivåer av hypoksantin, xantin, laktat, pyruvat og tryptofan i serum HC, BN og LA bestemt ved LC-MS/MS (n = 70 per gruppe).Hvite og svarte stiplede linjer indikerer henholdsvis median og kvartil.e Fiolinplott som viser normalisert Log2TPM (transkripsjoner per million) mRNA-ekspresjon av SLC7A5 og QPRT i lungeadenokarsinom (n = 513) sammenlignet med normalt lungevev (n = 59) i LUAD-TCGA-datasettet.Den hvite boksen representerer interkvartilområdet, den horisontale svarte linjen i midten representerer medianen, og den vertikale svarte linjen som strekker seg fra boksen representerer 95 % konfidensintervall (CI).f Pearson-korrelasjonsplott av SLC7A5 og GAPDH-ekspresjon i lungeadenokarsinom (n = 513) og normalt lungevev (n = 59) i TCGA-datasettet.Det grå området representerer 95 % KI.r, Pearson korrelasjonskoeffisient.g Normaliserte cellulære tryptofannivåer i A549-celler transfektert med uspesifikk shRNA-kontroll (NC) og shSLC7A5 (Sh1, Sh2) bestemt ved LC-MS/MS.Statistisk analyse av fem biologisk uavhengige prøver i hver gruppe presenteres.h Cellulære nivåer av NADt (total NAD, inkludert NAD+ og NADH) i A549-celler (NC) og SLC7A5 knockdown A549-celler (Sh1, Sh2).Statistisk analyse av tre biologisk uavhengige prøver i hver gruppe presenteres.i Glykolytisk aktivitet av A549-celler før og etter SLC7A5-knockdown ble målt ved ekstracellulær surhetsgrad (ECAR) (n = 4 biologisk uavhengige prøver per gruppe).2-DG,2-deoksy-D-glukose.Tohalet Students t-test ble brukt i (b–h).I (g–i) representerer feilstolper gjennomsnittet ± SD, hvert eksperiment ble utført tre ganger uavhengig og resultatene var like.Kildedata leveres i form av kildedatafiler.
Tatt i betraktning den betydelige effekten av endret tryptofanmetabolisme i LA-gruppen, vurderte vi også serumtryptofannivåer i HC-, BN- og LA-gruppene ved å bruke QQQ.Vi fant at serumtryptofan ble redusert i LA sammenlignet med HC eller BN (p < 0,001, figur 5d), noe som stemmer overens med tidligere funn om at sirkulerende tryptofannivåer er lavere hos pasienter med lungekreft enn hos friske kontroller fra kontrollgruppen33,34 ,35.En annen studie med PET/CT-sporstoff 11C-metyl-L-tryptofan fant at tryptofan-signalretensjonstiden i lungekreftvev var betydelig økt sammenlignet med godartede lesjoner eller normalt vev36.Vi antar at reduksjonen i tryptofan i LA-serum kan reflektere aktivt tryptofanopptak av lungekreftceller.
Det er også kjent at sluttproduktet av kynurenin-veien for tryptofan-katabolisme er NAD+37,38, som er et viktig substrat for reaksjonen av glyceraldehyd-3-fosfat med 1,3-bisfosfoglyserat i glykolyse39.Mens tidligere studier har fokusert på rollen til tryptofan-katabolisme i immunregulering, søkte vi å belyse samspillet mellom tryptofan-dysregulering og glykolytiske veier observert i den nåværende studien.Solute transporter familie 7 medlem 5 (SLC7A5) er kjent for å være en tryptofan transporter43,44,45.Kinolinsyrefosforibosyltransferase (QPRT) er et enzym lokalisert nedstrøms for kynureninbanen som omdanner kinolinsyre til NAMN46.Inspeksjon av LUAD TCGA-datasettet viste at både SLC7A5 og QPRT var signifikant oppregulert i tumorvev sammenlignet med normalt vev (fig. 5e).Denne økningen ble observert i stadier I og II samt stadier III og IV av lungeadenokarsinom (tilleggsfigur 11), noe som indikerer tidlige forstyrrelser i tryptofanmetabolismen assosiert med tumorigenese.
I tillegg viste LUAD-TCGA-datasettet en positiv korrelasjon mellom SLC7A5 og GAPDH mRNA-ekspresjon i kreftpasientprøver (r = 0,45, p = 1,55E-26, figur 5f).Derimot ble det ikke funnet noen signifikant korrelasjon mellom slike gensignaturer i normalt lungevev (r = 0,25, p = 0,06, figur 5f).Knockdown av SLC7A5 (tilleggsfigur 12) i A549-celler reduserte cellulære tryptofan- og NAD(H)-nivåer signifikant (figur 5g, h), noe som resulterte i svekket glykolytisk aktivitet målt ved ekstracellulær surhetsgrad (ECAR) (figur 1).5i).Derfor, basert på metabolske endringer i serum og in vitro-deteksjon, antar vi at tryptofanmetabolisme kan produsere NAD+ gjennom kynurenin-veien og spille en viktig rolle i å fremme glykolyse ved lungekreft.
Studier har vist at et stort antall ubestemte lungeknuter påvist av LDCT kan føre til behov for ytterligere testing som PET-CT, lungebiopsi og overbehandling på grunn av en falsk positiv malignitetsdiagnose.31 Som vist i figur 6. vår studie identifiserte et panel av serummetabolitter med potensiell diagnostisk verdi som kan forbedre risikostratifisering og påfølgende håndtering av lungeknuter oppdaget ved CT.
Lungeknuter blir evaluert ved hjelp av lavdose-computertomografi (LDCT) med bildefunksjoner som tyder på godartede eller ondartede årsaker.Det usikre utfallet av knuter kan føre til hyppige oppfølgingsbesøk, unødvendige intervensjoner og overbehandling.Inkludering av serummetabolske klassifikatoren med diagnostisk verdi kan forbedre risikovurdering og påfølgende håndtering av lungeknuter.PET positron emisjonstomografi.
Data fra den amerikanske NLST-studien og den europeiske NELSON-studien antyder at screening av høyrisikogrupper med lavdose-computertomografi (LDCT) kan redusere lungekreftdødeligheten1,3.Imidlertid er risikovurdering og påfølgende klinisk behandling av et stort antall tilfeldige lungeknuter oppdaget av LDCT fortsatt den mest utfordrende.Hovedmålet er å optimalisere riktig klassifisering av eksisterende LDCT-baserte protokoller ved å inkorporere pålitelige biomarkører.
Visse molekylære biomarkører, som blodmetabolitter, har blitt identifisert ved å sammenligne lungekreft med friske kontroller15,17.I den nåværende studien fokuserte vi på bruken av serummetabolomikkanalyse for å skille mellom godartede og ondartede lungeknuter påvist av LDCT.Vi sammenlignet det globale serummetabolomet for sunn kontroll (HC), godartede lungeknuter (BN) og stadium I lungeadenokarsinom (LA) prøver ved bruk av UPLC-HRMS-analyse.Vi fant at HC og BN hadde lignende metabolske profiler, mens LA viste signifikante endringer sammenlignet med HC og BN.Vi identifiserte to sett med serummetabolitter som skiller LA fra HC og BN.
Det nåværende LDCT-baserte identifiseringsskjemaet for godartede og ondartede knuter er hovedsakelig basert på størrelse, tetthet, morfologi og veksthastighet av knuter over tid30.Tidligere studier har vist at størrelsen på knuter er nært knyttet til sannsynligheten for lungekreft.Selv hos høyrisikopasienter er risikoen for malignitet i noder <6 mm <1 %.Risikoen for malignitet for knuter som måler 6 til 20 mm varierer fra 8 % til 64 %30.Derfor anbefaler Fleischner Society en cutoff-diameter på 6 mm for rutinemessig CT-oppfølging.29 Risikovurdering og håndtering av ubestemte lungeknuter (IPN) større enn 6 mm er imidlertid ikke tilstrekkelig utført 31 .Dagens behandling av medfødt hjertesykdom er vanligvis basert på vaktsom venting med hyppig CT-overvåking.
Basert på det validerte metabolomet demonstrerte vi for første gang overlappingen av metabolomiske signaturer mellom friske individer og godartede knuter <6 mm.Den biologiske likheten samsvarer med tidligere CT-funn om at risikoen for malignitet for knuter <6 mm er like lav som for forsøkspersoner uten knuter.30 Det skal bemerkes at våre resultater også viser at godartede knuter <6 mm og ≥6 mm har høye likhet i metabolomiske profiler, noe som antyder at den funksjonelle definisjonen av godartet etiologi er konsistent uavhengig av nodulstørrelse.Dermed kan moderne diagnostiske serummetabolittpaneler gi en enkelt analyse som en utelukkelsestest når knuter først oppdages på CT og potensielt redusere seriell overvåking.Samtidig skilte det samme panelet av metabolske biomarkører ondartede knuter ≥6 mm i størrelse fra godartede knuter og ga nøyaktige spådommer for IPN-er av lignende størrelse og tvetydige morfologiske trekk på CT-bilder.Denne serummetabolismeklassifikatoren presterte godt med å forutsi maligniteten til knuter ≥6 mm med en AUC på 0,927.Samlet indikerer resultatene våre at unike serummetabolomiske signaturer spesifikt kan reflektere tidlige tumorinduserte metabolske endringer og ha potensiell verdi som risikoprediktorer, uavhengig av knutestørrelse.
Spesielt er lungeadenokarsinom (LUAD) og plateepitelkarsinom (LUSC) hovedtypene for ikke-småcellet lungekreft (NSCLC).Gitt at LUSC er sterkt assosiert med tobakksbruk47 og LUAD er den vanligste histologien av tilfeldige lungeknuter oppdaget ved CT-screening48, ble klassifiseringsmodellen vår spesielt bygget for stadium I adenokarsinomprøver.Wang og kolleger fokuserte også på LUAD og identifiserte ni lipidsignaturer ved å bruke lipidomik for å skille tidlig lungekreft fra friske individer17.Vi testet den nåværende klassifiseringsmodellen på 16 tilfeller av stadium I LUSC og 74 godartede knuter og observerte lav LUSC-prediksjonsnøyaktighet (AUC 0,776), noe som tyder på at LUAD og LUSC kan ha sine egne metabolomiske signaturer.Faktisk har LUAD og LUSC vist seg å variere i etiologi, biologisk opprinnelse og genetiske avvik49.Derfor bør andre typer histologi inkluderes i treningsmodeller for populasjonsbasert påvisning av lungekreft i screeningprogrammer.
Her identifiserte vi de seks hyppigst endrede banene i lungeadenokarsinom sammenlignet med friske kontroller og godartede knuter.Xanthin og hypoxanthine er vanlige metabolitter i purinmetabolismen.I samsvar med resultatene våre var mellomprodukter assosiert med purinmetabolisme signifikant økt i serum eller vev hos pasienter med lungeadenokarsinom sammenlignet med friske kontroller eller pasienter på preinvasivt stadium15,50.Forhøyede nivåer av xantin og hypoxantin i serum kan reflektere anabolismen som kreves av raskt prolifererende kreftceller.Dysregulering av glukosemetabolismen er et velkjent kjennetegn på kreftmetabolismen51.Her observerte vi en signifikant økning i pyruvat og laktat i LA-gruppen sammenlignet med HC- og BN-gruppen, noe som stemmer overens med tidligere rapporter om glykolytiske veiavvik i serummetabolomprofilene til pasienter med ikke-småcellet lungekreft (NSCLC) og sunne kontroller.resultatene er konsistente52,53.
Viktigere, vi observerte en omvendt korrelasjon mellom pyruvat- og tryptofanmetabolisme i serumet til lungeadenokarsinomer.Serumtryptofannivåer ble redusert i LA-gruppen sammenlignet med HC- eller BN-gruppen.Interessant nok fant en tidligere storstilt studie med en prospektiv kohort at lave nivåer av sirkulerende tryptofan var assosiert med økt risiko for lungekreft 54 .Tryptofan er en essensiell aminosyre som vi får helt fra mat.Vi konkluderer med at serumtryptofantarm i lungeadenokarsinom kan reflektere rask uttømming av denne metabolitten.Det er velkjent at sluttproduktet av tryptofan-katabolisme via kynurenin-veien er kilden til de novo NAD+-syntese.Fordi NAD+ produseres primært gjennom bergingsveien, gjenstår viktigheten av NAD+ i tryptofanmetabolismen i helse og sykdom å fastslå46.Vår analyse av TCGA-databasen viste at uttrykket av tryptofan-transportør-transportøren 7A5 (SLC7A5) var signifikant økt i lungeadenokarsinom sammenlignet med normale kontroller og var positivt korrelert med uttrykket av det glykolytiske enzymet GAPDH.Tidligere studier har hovedsakelig fokusert på rollen til tryptofan-katabolisme i å undertrykke antitumor-immunresponsen40,41,42.Her demonstrerer vi at hemming av tryptofanopptak ved knockdown av SLC7A5 i lungekreftceller resulterer i en påfølgende reduksjon i cellulære NAD-nivåer og en samtidig svekkelse av glykolytisk aktivitet.Oppsummert gir vår studie et biologisk grunnlag for endringer i serummetabolisme assosiert med ondartet transformasjon av lungeadenokarsinom.
EGFR-mutasjoner er de vanligste drivermutasjonene hos pasienter med NSCLC.I vår studie fant vi at pasienter med EGFR-mutasjon (n = 41) hadde generelle metabolomiske profiler som ligner på pasienter med villtype EGFR (n = 31), selv om vi fant reduserte serumnivåer av noen EGFR-mutante pasienter hos acylkarnitinpasienter.Den etablerte funksjonen til acylkarnitiner er å transportere acylgrupper fra cytoplasmaet inn i mitokondriematrisen, noe som fører til oksidasjon av fettsyrer for å produsere energi 55 .I samsvar med funnene våre, identifiserte en fersk studie også lignende metabolomprofiler mellom EGFR-mutant- og EGFR-villtypesvulster ved å analysere det globale metabolomet til 102 lungeadenokarsinomvevsprøver50.Interessant nok ble acylkarnitininnhold også funnet i EGFR-mutantgruppen.Derfor, hvorvidt endringer i acylkarnitinnivåer reflekterer EGFR-induserte metabolske endringer og de underliggende molekylære veiene kan fortjene videre studier.
Avslutningsvis etablerer studien vår en serummetabolisk klassifikatoren for differensialdiagnose av lungeknuter og foreslår en arbeidsflyt som kan optimere risikovurdering og lette klinisk behandling basert på CT-skanningsscreening.
Denne studien ble godkjent av den etiske komiteen ved Sun Yat-sen University Cancer Hospital, det første tilknyttede sykehuset ved Sun Yat-sen University og den etiske komiteen ved Zhengzhou University Cancer Hospital.I funn- og internvalideringsgruppene ble 174 sera fra friske individer og 244 sera fra godartede knuter samlet inn fra individer som gjennomgikk årlige medisinske undersøkelser ved Institutt for kreftkontroll og forebygging, Sun Yat-sen University Cancer Center, og 166 godartede knuter.serum.Stadium I lungeadenokarsinomer ble samlet inn fra Sun Yat-sen University Cancer Center.I den eksterne valideringskohorten var det 48 tilfeller av godartede knuter, 39 tilfeller av stadium I lungeadenokarsinom fra First Affiliated Hospital ved Sun Yat-sen University, og 24 tilfeller av stadium I lungeadenokarsinom fra Zhengzhou Cancer Hospital.Sun Yat-sen University Cancer Center samlet også 16 tilfeller av plateepitel lungekreft stadium I for å teste den diagnostiske evnen til den etablerte metabolske klassifikatoren (pasientkarakteristikker er vist i tilleggstabell 5).Prøver fra oppdagelseskohorten og intern valideringskohort ble samlet inn mellom januar 2018 og mai 2020. Prøver for den eksterne valideringskohorten ble samlet inn mellom august 2021 og oktober 2022. For å minimere kjønnsskjevhet ble omtrent like mange mannlige og kvinnelige tilfeller tildelt hver kohort.Discovery Team og Intern Review Team.Deltakerens kjønn ble bestemt basert på egenrapportering.Informert samtykke ble innhentet fra alle deltakerne og ingen kompensasjon ble gitt.Personer med godartede knuter var de med en stabil CT-skanningsscore etter 2 til 5 år på analysetidspunktet, bortsett fra 1 tilfelle fra den eksterne valideringsprøven, som ble samlet inn preoperativt og diagnostisert ved histopatologi.Med unntak av kronisk bronkitt.Lungeadenokarsinomtilfeller ble samlet inn før lungereseksjon og bekreftet ved patologisk diagnose.Fastende blodprøver ble tatt i serumseparasjonsrør uten antikoagulantia.Blodprøver ble koagulert i 1 time ved romtemperatur og deretter sentrifugert ved 2851 x g i 10 minutter ved 4°C for å samle serumsupernatanten.Serumalikvoter ble frosset ved -80°C inntil metabolittekstraksjon.Avdelingen for kreftforebygging og medisinsk undersøkelse ved Sun Yat-sen University Cancer Center samlet inn en pool med serum fra 100 friske givere, inkludert like mange menn og kvinner i alderen 40 til 55 år.Like volumer av hver donorprøve ble blandet, den resulterende pool ble alikvotert og lagret ved -80°C.Serumblandingen ble brukt som referansemateriale for kvalitetskontroll og datastandardisering.
Referanseserum og testprøver ble tint og metabolitter ble ekstrahert ved bruk av en kombinert ekstraksjonsmetode (MTBE/metanol/vann) 56 .Kort fortalt ble 50 μl serum blandet med 225 μl iskald metanol og 750 μl iskald metyl-tert-butyleter (MTBE).Rør blandingen og inkuber på is i 1 time.Prøvene ble deretter blandet og vortexblandet med 188 μl vann av MS-kvalitet som inneholdt interne standarder (13C-laktat, 13C3-pyruvat, 13C-metionin og 13C6-isoleucin, kjøpt fra Cambridge Isotope Laboratories).Blandingen ble deretter sentrifugert ved 15 000 × g i 10 minutter ved 4 ° C, og den nedre fasen ble overført til to rør (125 μL hver) for LC-MS-analyse i positiv og negativ modus.Til slutt ble prøven inndampet til tørrhet i en høyhastighets vakuumkonsentrator.
De tørkede metabolittene ble rekonstituert i 120 μl 80 % acetonitril, vortexet i 5 minutter og sentrifugert ved 15 000 × g i 10 minutter ved 4 °C.Supernatanter ble overført til ravfargede glassampuller med mikroinnsatser for metabolomiske studier.Umålrettet metabolomikkanalyse på en ultraytende væskekromatografi-høyoppløselig massespektrometri (UPLC-HRMS) plattform.Metabolitter ble separert ved hjelp av et Dionex Ultimate 3000 UPLC-system og en ACQUITY BEH Amide-kolonne (2,1 × 100 mm, 1,7 μm, Waters).I positiv ion-modus var de mobile fasene 95 % (A) og 50 % acetonitril (B), som hver inneholdt 10 mmol/L ammoniumacetat og 0,1 % maursyre.I negativ modus inneholdt mobile fase A og B henholdsvis 95 % og 50 % acetonitril, begge fasene inneholdt 10 mmol/L ammoniumacetat, pH = 9. Gradientprogrammet var som følger: 0–0,5 min, 2 % B;0,5–12 min, 2–50 % B;12–14 min, 50–98 % B;14–16 min, 98 % B;16–16.1.min, 98-2% B;16,1–20 min, 2 % B. Kolonnen ble holdt ved 40°C og prøven ved 10°C i autosampleren.Strømningshastigheten var 0,3 ml/min, injeksjonsvolumet var 3 μl.Et Q-Exactive Orbitrap massespektrometer (Thermo Fisher Scientific) med en elektrosprayioniseringskilde (ESI) ble operert i full skanningsmodus og kombinert med ddMS2 overvåkingsmodus for å samle inn store datavolumer.MS-parametrene ble satt som følger: sprayspenning +3,8 kV/- 3,2 kV, kapillærtemperatur 320°C, dekkgass 40 arb, hjelpegass 10 arb, sondevarmertemperatur 350°C, skanningsområde 70–1050 m/t, Vedtak.70 000. Data ble innhentet ved bruk av Xcalibur 4.1 (Thermo Fisher Scientific).
For å vurdere datakvaliteten ble sammenslåtte kvalitetskontrollprøver (QC) generert ved å fjerne 10 μL alikvoter av supernatanten fra hver prøve.Seks kvalitetskontrollprøveinjeksjoner ble analysert i begynnelsen av den analytiske sekvensen for å vurdere stabiliteten til UPLC-MS-systemet.Kvalitetskontrollprøver blir deretter periodisk introdusert i partiet.Alle de 11 partiene med serumprøver i denne studien ble analysert med LC-MS.Alikvoter av en serumbassengblanding fra 100 friske givere ble brukt som referansemateriale i respektive batcher for å overvåke ekstraksjonsprosessen og justere for batch-til-batch-effekter.Umålrettet metabolomikkanalyse av oppdagelseskohorten, intern valideringskohort og ekstern valideringskohort ble utført ved Metabolomics Center ved Sun Yat-sen University.Det eksterne laboratoriet ved Guangdong University of Technology Analysis and Testing Center analyserte også 40 prøver fra den eksterne kohorten for å teste ytelsen til klassifiseringsmodellen.
Etter ekstraksjon og rekonstituering ble absolutt kvantifisering av serummetabolitter målt ved bruk av ultrahøy ytelse væskekromatografi-tandem massespektrometri (Agilent 6495 trippel quadrupol) med en elektrosprayioniseringskilde (ESI) i multippel reaksjonsovervåking (MRM) modus.En ACQUITY BEH Amide-kolonne (2,1 × 100 mm, 1,7 μm, Waters) ble brukt for å skille metabolitter.Den mobile fasen besto av 90 % (A) og 5 % acetonitril (B) med 10 mmol/L ammoniumacetat og 0,1 % ammoniakkløsning.Gradientprogrammet var som følger: 0–1,5 min, 0 % B;1,5–6,5 min, 0–15 % B;6,5–8 min, 15 % B;8–8,5 min, 15 %–0 % B;8,5–11,5 min, 0 %B.Kolonnen ble holdt ved 40 °C og prøven ved 10 °C i autosampleren.Strømningshastigheten var 0,3 mL/min og injeksjonsvolumet var 1 μL.MS-parametere ble satt som følger: kapillærspenning ±3,5 kV, forstøvertrykk 35 psi, kappegassstrøm 12 l/min, kappegasstemperatur 350°C, tørkegasstemperatur 250°C og tørkegassstrøm 14 l/min.MRM-omdannelsene av tryptofan, pyruvat, laktat, hypoksantin og xantin var 205,0–187,9, 87,0–43,4, 89,0–43,3, 135,0–92,3 og 151,0–107.9 henholdsvis.Data ble samlet inn ved bruk av Mass Hunter B.07.00 (Agilent Technologies).For serumprøver ble tryptofan, pyruvat, laktat, hypoksantin og xantin kvantifisert ved å bruke kalibreringskurver for standard blandingsløsninger.For celleprøver ble tryptofaninnholdet normalisert til intern standard og celleproteinmasse.
Toppekstraksjon (m/z og retensjonstid (RT)) ble utført ved bruk av Compound Discovery 3.1 og TraceFinder 4.0 (Thermo Fisher Scientific).For å eliminere potensielle forskjeller mellom batch, ble hver karakteristiske topp i testprøven delt med den karakteristiske toppen av referansematerialet fra samme batch for å oppnå den relative mengden.De relative standardavvikene til interne standarder før og etter standardisering er vist i tilleggstabell 6. Forskjeller mellom de to gruppene ble karakterisert av falsk oppdagelsesrate (FDR<0,05, Wilcoxon signed rank test) og fold endring (>1,2 eller <0,83).Rå MS-data for de ekstraherte funksjonene og referanseserumkorrigerte MS-data er vist i henholdsvis tilleggsdata 1 og tilleggsdata 2.Toppannotering ble utført basert på fire definerte nivåer av identifikasjon, inkludert identifiserte metabolitter, antatt annoterte forbindelser, antatt karakteriserte forbindelsesklasser og ukjente forbindelser 22 .Basert på databasesøk i Compound Discovery 3.1 (mzCloud, HMDB, Chemspider), ble biologiske forbindelser med MS/MS-matchende validerte standarder eller eksakt matchkommentarer i mzCloud (score > 85) eller Chemspider til slutt valgt som mellomprodukter mellom differensialmetabolomet.Toppannoteringer for hver funksjon er inkludert i tilleggsdata 3. MetaboAnalyst 5.0 ble brukt for univariat analyse av sum-normalisert metabolittoverflod.MetaboAnalyst 5.0 evaluerte også KEGG-baneanrikningsanalyse basert på signifikant forskjellige metabolitter.Hovedkomponentanalyse (PCA) og partiell minste kvadraters diskriminantanalyse (PLS-DA) ble analysert ved å bruke ropls-programvarepakken (v.1.26.4) med stabelnormalisering og autoskalering.Den optimale metabolittbiomarkørmodellen for å forutsi knute-malignitet ble generert ved bruk av binær logistisk regresjon med minst absolutt krymping og seleksjonsoperatør (LASSO, R-pakke v.4.1-3).Ytelsen til diskriminantmodellen i deteksjons- og valideringssettene ble karakterisert ved å estimere AUC basert på ROC-analyse i henhold til pROC-pakken (v.1.18.0.).Den optimale sannsynlighetsgrensen ble oppnådd basert på den maksimale Youden-indeksen til modellen (sensitivitet + spesifisitet – 1).Prøver med verdier mindre eller større enn terskelen vil bli spådd som henholdsvis godartede knuter og lungeadenokarsinom.
A549-celler (#CCL-185, American Type Culture Collection) ble dyrket i F-12K-medium inneholdende 10% FBS.Korte hårnåls-RNA (shRNA)-sekvenser rettet mot SLC7A5 og en ikke-målrettet kontroll (NC) ble satt inn i den lentivirale vektoren pLKO.1-puro.Antisense-sekvensene til shSLC7A5 er som følger: Sh1 (5'-GGAGAAACCTGATGAACAGTT-3'), Sh2 (5'-GCCGTGGACTTCGGGAACTAT-3').Antistoffer mot SLC7A5 (#5347) og tubulin (#2148) ble kjøpt fra Cell Signaling Technology.Antistoffer mot SLC7A5 og tubulin ble brukt i en fortynning på 1:1000 for Western blot-analyse.
Seahorse XF Glycolytic Stress Test måler nivåer av ekstracellulær forsuring (ECAR).I analysen ble glukose, oligomycin A og 2-DG administrert sekvensielt for å teste cellulær glykolytisk kapasitet målt med ECAR.
A549-celler transfektert med ikke-målrettingskontroll (NC) og shSLC7A5 (Sh1, Sh2) ble belagt over natten i skåler med en diameter på 10 cm.Cellemetabolitter ble ekstrahert med 1 ml iskald 80 % vandig metanol.Celler i metanolløsningen ble skrapet av, samlet i et nytt rør og sentrifugert ved 15 000 x g i 15 minutter ved 4 °C.Samle 800 µl supernatant og tørk med en høyhastighets vakuumkonsentrator.De tørkede metabolittpelletene ble deretter analysert for tryptofannivåer ved bruk av LC-MS/MS som beskrevet ovenfor.Cellulære NAD(H)-nivåer i A549-celler (NC og shSLC7A5) ble målt ved å bruke et kvantitativt NAD+/NADH kolorimetrisk sett (#K337, BioVision) i henhold til produsentens instruksjoner.Proteinnivåer ble målt for hver prøve for å normalisere mengden av metabolitter.
Ingen statistiske metoder ble brukt for å foreløpig bestemme prøvestørrelsen.Tidligere metabolomikkstudier rettet mot oppdagelse av biomarkører15,18 har blitt betraktet som benchmarks for størrelsesbestemmelse, og sammenlignet med disse rapportene var utvalget vårt tilstrekkelig.Ingen prøver ble ekskludert fra studiekohorten.Serumprøver ble tilfeldig fordelt til en oppdagelsesgruppe (306 tilfeller, 74,6 %) og en intern valideringsgruppe (104 tilfeller, 25,4 %) for ikke-målrettede metabolomiske studier.Vi valgte også tilfeldig ut 70 tilfeller fra hver gruppe fra funnsettet for målrettede metabolomiske studier.Etterforskerne ble blindet for gruppetildeling under LC-MS datainnsamling og analyse.Statistiske analyser av metabolomikkdata og celleeksperimenter er beskrevet i de respektive seksjonene for resultater, figurforklaringer og metoder.Kvantifisering av cellulær tryptofan, NADT og glykolytisk aktivitet ble utført tre ganger uavhengig med identiske resultater.
For mer informasjon om studiedesignet, se Natural Portfolio Report Abstract knyttet til denne artikkelen.
De rå MS-dataene for de ekstraherte funksjonene og de normaliserte MS-dataene til referanseserumet er vist i henholdsvis tilleggsdata 1 og tilleggsdata 2.Toppkommentarer for differensielle funksjoner er presentert i tilleggsdata 3. LUAD TCGA-datasettet kan lastes ned fra https://portal.gdc.cancer.gov/.Inndataene for plotting av grafen er gitt i kildedataene.Kildedata er gitt for denne artikkelen.
National Lung Screening Study Group, etc. Redusere lungekreftdødelighet med lavdose datatomografi.Nord-England.J. Med.365, 395–409 (2011).
Kramer, BS, Berg, KD, Aberle, DR og Prophet, PC Lungekreftscreening ved bruk av lavdose spiralformet CT: resultater fra National Lung Screening Study (NLST).J. Med.Skjerm 18, 109–111 (2011).
De Koning, HJ, et al.Redusere lungekreftdødelighet med volumetrisk CT-screening i en randomisert studie.Nord-England.J. Med.382, 503–513 (2020).
Innleggstid: 18. september 2023