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 kontrollpersoner, godartede lungeknuter og stadium I lungeadenokarsinom. Adenokarsinomer viser unike metabolomiske profiler, mens godartede knuter og friske individer har høy likhet i metabolomiske profiler. I oppdagelsesgruppen (n = 306) ble et sett med 27 metabolitter identifisert for å differensiere mellom godartede og ondartede knuter. AUC for diskriminantmodellen i gruppene med intern validering (n = 104) og ekstern validering (n = 111) var henholdsvis 0,915 og 0,945. Signalveianalyse avdekket økte glykolytiske metabolitter assosiert med redusert tryptofan i lungeadenokarsinomserum sammenlignet med godartede knuter og friske kontrollpersoner, og antydet at tryptofanopptak fremmer glykolyse i lungekreftceller. Studien vår fremhever verdien av serummetabolittbiomarkører for å vurdere risikoen for lungeknuter oppdaget av CT.
Tidlig diagnose er avgjørende for å forbedre overlevelsesraten for kreftpasienter. Resultater fra den amerikanske nasjonale lungekreftscreeningsstudien (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 screening av lungekreft har forekomsten av tilfeldige radiografiske funn av asymptomatiske lungeknuter fortsatt å øke4. Lungeknuter er definert som fokale opasiteter opptil 3 cm i diameter5. Vi har vanskeligheter med å vurdere sannsynligheten for malignitet og håndtere det store antallet lungeknuter som oppdages tilfeldig på LDCT. Begrensninger ved CT kan føre til hyppige oppfølgingsundersøkelser og falskt positive resultater, noe som kan føre til unødvendig intervensjon og overbehandling6. Derfor er det behov for å utvikle pålitelige og nyttige biomarkører for å korrekt identifisere lungekreft i tidlige stadier og differensiere de fleste godartede knuter ved første oppdagelse7.
Omfattende molekylær analyse av blod (serum, plasma, perifere mononukleære blodceller), inkludert genomikk, proteomikk eller DNA-metylering8,9,10, har ført til økende interesse for oppdagelsen av diagnostiske biomarkører for lungekreft. Samtidig måler metabolomiske tilnærminger cellulære sluttprodukter som påvirkes av endogene og eksogene virkninger, og brukes derfor til å forutsi sykdomsdebut og utfall. Væskekromatografi-tandem massespektrometri (LC-MS) er en mye brukt metode for metabolomiske studier på grunn av dens høye følsomhet 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 til å identifisere biomarkører assosiert med lungekreftdiagnose14,15,16,17 og behandlingseffektivitet,18 gjenstår det å studere mye på serummetabolittklassifikatorer for å skille mellom godartede og ondartede lungeknuter. - massiv forskning.
Adenokarsinom og plateepitelkarsinom er de to hovedsubtypene 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 ultralydsvæskekromatografi med høy oppløsning massespektrometri (UPLC-HRMS) for å utføre metabolomikkanalyse på totalt 695 serumprøver, inkludert friske kontrollpersoner, godartede lungeknuter og CT-detekterte ≤3 cm. Screening for stadium I lungeadenokarsinom. Vi identifiserte et panel av serummetabolitter som skiller lungeadenokarsinom fra godartede knuter og friske kontrollpersoner. Analyse av lungebanens berikelse viste at unormal tryptofan- og glukosemetabolisme er vanlige endringer i lungeadenokarsinom sammenlignet med godartede knuter og friske kontrollpersoner. Til slutt etablerte og validerte vi en serummetabolsk klassifikator med høy spesifisitet og sensitivitet for å skille mellom ondartede og godartede lungeknuter oppdaget ved LDCT, noe som kan hjelpe til med tidlig differensialdiagnose og risikovurdering.
I den aktuelle studien ble kjønns- og aldersmatchede serumprøver retrospektivt samlet inn fra 174 friske kontrollpersoner, 292 pasienter med godartede lungeknuter og 229 pasienter med lungeadenokarsinom i stadium I. Demografiske kjennetegn ved de 695 forsøkspersonene er vist i tilleggstabell 1.
Som vist i figur 1a ble totalt 480 serumprøver, inkludert 174 friske kontrollprøver (HC), 170 godartede noduler (BN) og 136 stadium I lungeadenokarsinom (LA)-prøver, samlet inn ved Sun Yat-sen University Cancer Center. Oppdagelseskohort for umålrettet metabolsk profilering ved bruk av ultralydsvæskekromatografi med høy oppløsning 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 differensiell signalveianalyse. 104 prøver samlet inn av Sun Yat-sen University Cancer Center og 111 prøver samlet inn av to andre sykehus ble underlagt henholdsvis intern og ekstern validering.
a Studiepopulasjon i oppdagelseskohorten som gjennomgikk global serummetabolomikkanalyse ved bruk av ultralydsvæskekromatografi med høy oppløsning massespektrometri (UPLC-HRMS). b Partiell minste kvadraters diskriminantanalyse (PLS-DA) av det totale metabolomet til 480 serumprøver fra studiekohorten, inkludert friske kontroller (HC, n = 174), godartede noduler (BN, n = 170) og stadium I lungeadenokarsinom (Los Angeles, n = 136). +ESI, positiv elektrospray-ioniseringsmodus, -ESI, negativ elektrospray-ioniseringsmodus. c–e Metabolitter med signifikant ulik forekomst i to gitte grupper (tosidig Wilcoxon signert rangtest, falsk oppdagelsesratejustert p-verdi, FDR <0,05) er vist i rødt (foldendring > 1,2) og blått (foldendring < 0,83). ) vist på vulkangrafikken. f Hierarkisk klyngevarmekart som viser signifikante forskjeller i antall kommenterte metabolitter mellom LA og BN. Kildedata leveres i form av kildedatafiler.
Det totale serummetabolomet til 174 HC, 170 BN og 136 LA i oppdagelsesgruppen ble analysert ved hjelp av UPLC-HRMS-analyse. Vi viser først at kvalitetskontrollprøver (QC) klynger seg tett sammen i sentrum av en uovervåket hovedkomponentanalysemodell (PCA), noe som bekrefter stabiliteten til den nåværende studiens ytelse (tilleggsfigur 2).
Som vist i den partielle minste kvadraters diskriminantanalysen (PLS-DA) i figur 1b, fant vi at det var klare forskjeller mellom LA og BN, LA og HC i positive (+ESI) og negative (-ESI) elektrosprayioniseringsmoduser isolert. Imidlertid ble det ikke funnet 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). Toppene ble ytterligere annotert (tilleggsdata 3) mot en database (mzCloud/HMDB/Chemspider-bibliotek) ved hjelp av m/z-verdi, retensjonstid og fragmenteringsmassespektrumsøk (detaljer beskrevet i metodedelen) 22. Til slutt ble 33 og 38 annoterte metabolitter med signifikante forskjeller i forekomst identifisert for henholdsvis LA versus BN (figur 1f og tilleggstabell 2) og LA versus HC (tilleggsfigur 3 og tilleggstabell 2). I motsetning til dette ble bare 3 metabolitter med signifikante forskjeller i forekomst identifisert i BN og HC (tilleggstabell 2), noe som stemmer overlappingen mellom BN og HC i PLS-DA. Disse differensielle metabolittene dekker et bredt spekter av biokjemikalier (tilleggsfigur 4). Samlet sett viser disse resultatene signifikante endringer i serummetabolomet som reflekterer ondartet transformasjon av lungekreft i tidlig stadium sammenlignet med godartede lungeknuter hos friske personer. Samtidig antyder likheten mellom serummetabolomet til BN og HC at godartede lungeknuter kan dele mange biologiske egenskaper med friske individer. Gitt at epidermal vekstfaktorreseptor (EGFR)-genmutasjoner er vanlige i lungeadenokarsinom subtype 23, forsøkte vi å bestemme virkningen av drivermutasjoner på serummetabolomet. Vi analyserte deretter den generelle metabolske profilen til 72 tilfeller med EGFR-status i lungeadenokarsinomgruppen. Interessant nok fant vi sammenlignbare profiler mellom EGFR-mutantpasienter (n = 41) og EGFR-villtypepasienter (n = 31) i PCA-analyse (tilleggsfigur 5a). Vi identifiserte imidlertid 7 metabolitter med signifikant endret forekomst 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). De fleste 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 nodulklassifisering innhentet ved bruk av minste absolutte krympingsoperatorer og utvalg basert på 33 differensielle metabolitter identifisert i LA (n = 136) og BN (n = 170). Beste kombinasjon av variabler (LASSO) – binær logistisk regresjonsmodell. Tifold kryssvalidering ble brukt til å teste modellens pålitelighet. Variabelvalg og parameterregularisering justeres med en sannsynlighetsmaksimeringsstraff med parameter λ24. Global metabolomikkanalyse 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 (figur 2b), hvorav 9 hadde økt aktivitet og 18 redusert aktivitet i LA sammenlignet med BN (figur 2c).
Arbeidsflyt for å bygge en pulmonal nodulklassifikator, inkludert valg av det beste panelet av serummetabolitter i oppdagelsessettet ved hjelp av en binær logistisk regresjonsmodell via tifold kryssvalidering og evaluering av prediktiv ytelse i interne og eksterne valideringssett. b Kryssvalideringsstatistikk for LASSO-regresjonsmodell for valg av metabolske biomarkører. Tallene gitt ovenfor representerer gjennomsnittlig antall biomarkører valgt ved en gitt λ. Den røde stiplede linjen representerer den gjennomsnittlige AUC-verdien ved tilsvarende lambda. Grå feilfelt representerer minimums- og maksimums-AUC-verdiene. Den stiplede linjen indikerer den beste modellen med de 27 valgte biomarkørene. AUC, arealet under ROC-kurven (Receiver Operating Characteristic). c Fold-endringer av 27 utvalgte metabolitter i LA-gruppen sammenlignet med BN-gruppen i oppdagelsesgruppen. Rød kolonne – aktivering. Den blå kolonnen er en nedgang. d–f ROC-kurver (Receiver Operating Characteristic) som viser styrken 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 en areal under kurven (AUC)-verdi på 0,933, en sensitivitet for oppdagelsesgruppen var 0,868 og en spesifisitet var 0,859 (fig. 2d). Samtidig oppnådde et sett på 16 metabolitter, blant de 38 kommenterte differensielle metabolittene mellom LA og HC, en AUC på 0,902 med en sensitivitet på 0,801 og en spesifisitet på 0,856 ved skille mellom LA og HC (tilleggsfigur 6a-c). AUC-verdier basert på forskjellige terskler for foldeendring for differensielle metabolitter ble også sammenlignet. Vi fant at klassifiseringsmodellen presterte best ved skille mellom LA og BN (HC) når foldeendringsnivået 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 lungeplateepitelkarsinom (LUSC) er den nest vanligste subtypen 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 å skille mellom LUSC og BN var 0,776 (tilleggsfigur 9), noe som indikerer dårligere evne sammenlignet med å skille mellom LUAD og BN.
Studier har vist at størrelsen på noduler på CT-bilder er positivt korrelert med sannsynligheten for malignitet og fortsatt er en viktig faktor for nodulbehandling25,26,27. Analyse av data fra den store kohorten av NELSON-screeningstudien viste at risikoen for malignitet hos personer med noder <5 mm var til og med lik den hos personer uten noder28. Derfor er minimumsstørrelsen som krever regelmessig CT-overvåking 5 mm, som anbefalt av British Thoracic Society (BTS), og 6 mm, som anbefalt av Fleischner Society29. Imidlertid er noduler 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 metabolske signaturer ved hjelp av samlede prøver fra oppdagelses- og intern valideringskohortene. Med fokus på 27 validerte biomarkører sammenlignet vi først PCA-profilene til HC- og BN-metabolomer sub-6 mm. Vi fant at de fleste datapunktene for HC og BN overlappet hverandre, noe som viser at serummetabolittnivåene var like i begge gruppene (fig. 3a). Funksjonskartene på tvers av forskjellige størrelsesområder forble konserverte i BN og LA (fig. 3b, c), mens det ble observert et skille mellom ondartede og godartede noduler i området 6–20 mm (fig. 3d). Denne kohorten hadde en AUC på 0,927, en spesifisitet på 0,868 og en sensitivitet på 0,820 for å forutsi maligniteten til noduler 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 klassifikator 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 Receiver operating characteristic (ROC)-kurve som viser diskriminantmodellens ytelse for noduler 6–20 mm. f Sannsynlighetsverdier ble beregnet basert på den logistiske regresjonsmodellen for noduler som måler 6–20 mm. Den grå stiplede linjen representerer den optimale grenseverdien (0,455). Tallene ovenfor representerer prosentandelen tilfeller anslått for Los Angeles. Bruk en tosidig Student's t-test. PCA, prinsipal component analysis. AUC-arealet under kurven. Kildedataene leveres i form av kildedatafiler.
Fire prøver (i alderen 44–61 år) med lignende størrelser på lungeknuter (7–9 mm) ble videre valgt ut for å illustrere ytelsen til den foreslåtte malignitetsprediksjonsmodellen (fig. 4a, b). Ved første screening presenterte tilfelle 1 seg som en solid knute med forkalkning, et trekk assosiert med benignitet, mens tilfelle 2 presenterte seg som en ubestemt delvis solid knute uten åpenbare benigne trekk. Tre runder med oppfølgings-CT-skanninger viste at disse tilfellene forble stabile over en 4-årsperiode og derfor ble ansett som benigne knuter (fig. 4a). Sammenlignet med klinisk evaluering av serielle CT-skanninger, identifiserte enkeltdose serummetabolittanalyse med den nåværende klassifiseringsmodellen raskt og korrekt disse benigne knutene 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 presenterte seg som en ubestemt delvis solid knute uten tegn på en benign årsak. Alle disse tilfellene ble predikert som ondartede i henhold til klassifiseringsmodellen (tabell 1). Vurderingen av lungeadenokarsinom ble demonstrert ved histopatologisk undersøkelse etter lungereseksjonskirurgi (fig. 4b). For det eksterne valideringssettet predikerte den metabolske klassifiseringen nøyaktig to tilfeller av ubestemte lungeknuter større enn 6 mm (tilleggsfigur 10).
CT-bilder av det aksiale vinduet i lungene ved to tilfeller av godartede noduler. I tilfelle 1 viste CT-skanning etter 4 år en stabil, solid nodul som målte 7 mm med forkalkning i høyre underlapp. I tilfelle 2 viste CT-skanning etter 5 år en stabil, delvis solid nodul med en diameter på 7 mm i høyre øvre lapp. b CT-bilder av lungene med aksialt vindu og tilsvarende patologiske studier av to tilfeller av adenokarsinom i stadium I før lungereseksjon. Tilfelle 3 viste en nodul med en diameter på 8 mm i høyre øvre lapp med pleural retraksjon. Tilfelle 4 viste en delvis solid glassmatt nodul som målte 9 mm i venstre øvre lapp. Hematoksylin- og eosin (H&E)-farging av reseksjonert lungevev (skala = 50 μm) demonstrerer det acinære vekstmønsteret til lungeadenokarsinom. Piler indikerer noduler oppdaget på CT-bilder. H&E-bilder er representative bilder av flere (>3) mikroskopiske felt undersøkt av patologen.
Samlet sett viser resultatene våre den potensielle verdien av serummetabolittbiomarkører i differensialdiagnosen av lungeknuter, noe som kan by på utfordringer ved evaluering av CT-screening.
Basert på et validert differensiell metabolittpanel, forsøkte vi å identifisere biologiske korrelater av store metabolske endringer. KEGG-signalveisberikningsanalyse av MetaboAnalyst identifiserte 6 vanlige signifikant endrede signalveier mellom de to gitte gruppene (LA vs. HC og LA vs. BN, justert p ≤ 0,001, effekt > 0,01). Disse endringene ble karakterisert av forstyrrelser i pyruvatmetabolisme, tryptofanmetabolisme, niacin- og nikotinamidmetabolisme, glykolyse, TCA-syklusen og purinmetabolisme (fig. 5a). Deretter utførte vi videre målrettede metabolomikk for å verifisere store endringer ved hjelp av absolutt kvantifisering. Bestemmelse av vanlige metabolitter i vanlige endrede signalveier ved hjelp av trippel kvadrupol massespektrometri (QQQ) ved bruk av autentiske metabolittstandarder. Demografiske kjennetegn ved målutvalget for metabolomikkstudien er inkludert i tilleggstabell 4. I samsvar med våre globale metabolomikkresultater bekreftet kvantitativ analyse at hypoksantin og xantin, pyruvat og laktat var økt i LA sammenlignet med BN og HC (fig. 5b, c, p <0,05). Imidlertid ble det ikke funnet noen signifikante forskjeller i disse metabolittene mellom BN og HC.
KEGG-signalveisberikningsanalyse av signifikant forskjellige metabolitter i LA-gruppen sammenlignet med BN- og HC-gruppene. En tosidig 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 hypoksantin-, xantin-, laktat-, pyruvat- og tryptofannivåer 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 (transkripter 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 % konfidensintervallet (KI). 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 til A549-celler før og etter SLC7A5-nedbrytning ble målt ved ekstracellulær forsuringsrate (ECAR) (n = 4 biologisk uavhengige prøver per gruppe). 2-DG,2-deoksy-D-glukose. Tosidig Student's t-test ble brukt i (b–h). I (g–i) representerer feilfeltene gjennomsnitt ± SD, hvert eksperiment ble utført tre ganger uavhengig, og resultatene var like. Kildedataene er gitt i form av kildedatafiler.
Med tanke på den betydelige effekten av endret tryptofanmetabolisme i LA-gruppen, vurderte vi også serumtryptofannivåer i HC-, BN- og LA-gruppene ved hjelp av QQQ. Vi fant at serumtryptofan var redusert i LA sammenlignet med HC eller BN (p < 0,001, figur 5d), noe som er i samsvar med tidligere funn om at sirkulerende tryptofannivåer er lavere hos pasienter med lungekreft enn hos friske kontroller fra kontrollgruppen33,34,35. En annen studie som brukte PET/CT-traceren 11C-metyl-L-tryptofan fant at tryptofansignalretensjonstiden i lungekreftvev var betydelig økt sammenlignet med godartede lesjoner eller normalt vev36. Vi antar at reduksjonen i tryptofan i LA-serum kan gjenspeile aktivt tryptofanopptak av lungekreftceller.
Det er også kjent at sluttproduktet av kynurenin-signalveien for tryptofankatabolisme er NAD+37,38, som er et viktig substrat for reaksjonen mellom glyseraldehyd-3-fosfat og 1,3-bisfosfoglyserat i glykolyse39. Mens tidligere studier har fokusert på tryptofankatabolismens rolle i immunregulering, forsøkte vi å belyse samspillet mellom tryptofan-dysregulering og glykolytiske signalveier observert i den nåværende studien. Solute transporter family 7 member 5 (SLC7A5) er kjent for å være en tryptofantransportør43,44,45. Kinolinsyrefosforibosyltransferase (QPRT) er et enzym som ligger nedstrøms for kynurenin-signalveien som omdanner kinolinsyre til NAMN46. Inspeksjon av LUAD TCGA-datasettet viste at både SLC7A5 og QPRT var betydelig oppregulert i tumorvev sammenlignet med normalt vev (fig. 5e). Denne økningen ble observert i stadium I og II samt stadium 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). I motsetning til dette ble det ikke funnet noen signifikant korrelasjon mellom slike gensignaturer i normalt lungevev (r = 0,25, p = 0,06, figur 5f). Nedregulering av SLC7A5 (tilleggsfigur 12) i A549-celler reduserte signifikant cellulært tryptofan- og NAD(H)-nivå (figur 5g,h), noe som resulterte i svekket glykolytisk aktivitet målt ved ekstracellulær forsuringshastighet (ECAR) (figur 1). 5i). Basert på metabolske endringer i serum og in vitro-deteksjon antar vi derfor at tryptofanmetabolisme kan produsere NAD+ gjennom kynureninveien og spille en viktig rolle i å fremme glykolyse i lungekreft.
Studier har vist at et stort antall ubestemte lungeknuter oppdaget ved LDCT kan føre til behov for ytterligere testing som PET-CT, lungebiopsi og overbehandling på grunn av en falsk positiv diagnose av malignitet.31 Som vist i figur 6 identifiserte studien vår et panel av serummetabolitter med potensiell diagnostisk verdi som kan forbedre risikostratifisering og påfølgende behandling av lungeknuter oppdaget ved CT.
Lungeknuter evalueres ved hjelp av lavdose computertomografi (LDCT) med avbildningsfunksjoner som tyder på godartede eller ondartede årsaker. Det usikre utfallet av knuter kan føre til hyppige oppfølgingsbesøk, unødvendige intervensjoner og overbehandling. Inkludering av serummetabolske klassifikatorer med diagnostisk verdi kan forbedre risikovurdering og påfølgende behandling av lungeknuter. PET positronemisjonstomografi.
Data fra den amerikanske NLST-studien og den europeiske NELSON-studien tyder på at screening av høyrisikogrupper med lavdose computertomografi (LDCT) kan redusere dødeligheten av lungekreft1,3. Imidlertid er risikovurdering og påfølgende klinisk behandling av et stort antall tilfeldige lungeknuter oppdaget ved LDCT fortsatt den mest utfordrende. Hovedmålet er å optimalisere riktig klassifisering av eksisterende LDCT-baserte protokoller ved å innlemme pålitelige biomarkører.
Visse molekylære biomarkører, som blodmetabolitter, har blitt identifisert ved å sammenligne lungekreft med friske kontrollpersoner15,17. I den nåværende studien fokuserte vi på anvendelsen av serummetabolomikkanalyse for å skille mellom godartede og ondartede lungeknuter som tilfeldigvis ble oppdaget ved LDCT. Vi sammenlignet det globale serummetabolomet hos friske kontrollpersoner (HC), godartede lungeknuter (BN) og stadium I lungeadenokarsinom (LA)-prøver ved hjelp 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.
Den nåværende LDCT-baserte identifikasjonsordningen for godartede og ondartede noduler er hovedsakelig basert på størrelsen, tettheten, morfologien og vekstraten til noduler over tid30. Tidligere studier har vist at størrelsen på noduler er nært knyttet til sannsynligheten for lungekreft. Selv hos høyrisikopasienter er risikoen for malignitet i noder <6 mm <1 %. Risikoen for malignitet for noduler som måler 6 til 20 mm varierer fra 8 % til 64 %30. Derfor anbefaler Fleischner Society en grensediameter på 6 mm for rutinemessig CT-oppfølging.29 Imidlertid har risikovurdering og behandling av ubestemte lungeknuter (IPN) større enn 6 mm ikke blitt utført tilstrekkelig 31. Nåværende 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 noduler <6 mm. Den biologiske likheten er i samsvar med tidligere CT-funn om at risikoen for malignitet for noduler <6 mm er like lav som for personer uten noder.30 Det bør bemerkes at resultatene våre også viser at godartede noduler <6 mm og ≥6 mm har høy likhet i metabolomiske profiler, noe som tyder på 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 noduler først oppdages på CT og potensielt redusere seriell overvåking. Samtidig skilte det samme panelet med metabolske biomarkører ondartede noduler ≥6 mm i størrelse fra godartede noduler og ga nøyaktige prediksjoner for IPN-er av lignende størrelse og tvetydige morfologiske trekk på CT-bilder. Denne serummetabolismeklassifikatoren presterte godt i å forutsi maligniteten til noduler ≥6 mm med en AUC på 0,927. Samlet sett indikerer resultatene våre at unike serummetabolomiske signaturer spesifikt kan reflektere tidlige tumorinduserte metabolske endringer og har potensiell verdi som risikoprediktorer, uavhengig av nodulstørrelse.
Det er verdt å merke seg at lungeadenokarsinom (LUAD) og plateepitelkarsinom (LUSC) er hovedtypene av ikke-småcellet lungekreft (NSCLC). Gitt at LUSC er sterkt assosiert med tobakksbruk47 og LUAD er den vanligste histologien til tilfeldige lungeknuter oppdaget ved CT-screening48, ble klassifiseringsmodellen vår spesielt bygget for adenokarsinomprøver i stadium I. Wang og kolleger fokuserte også på LUAD og identifiserte ni lipidsignaturer ved hjelp av lipidomikk for å skille lungekreft i tidlig stadium 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 metabolske signaturer. Faktisk har LUAD og LUSC vist seg å være forskjellige i etiologi, biologisk opprinnelse og genetiske avvik49. Derfor bør andre typer histologi inkluderes i treningsmodeller for populasjonsbasert deteksjon av lungekreft i screeningprogrammer.
Her identifiserte vi de seks hyppigst endrede signalveiene i lungeadenokarsinom sammenlignet med friske kontrollpersoner og godartede noduler. Xantin og hypoksantin er vanlige metabolitter i purinmetabolismen. I samsvar med våre resultater var mellomprodukter assosiert med purinmetabolisme signifikant økt i serum eller vev hos pasienter med lungeadenokarsinom sammenlignet med friske kontrollpersoner eller pasienter i preinvasivt stadium15,50. Forhøyede serumnivåer av xantin og hypoksantin kan gjenspeile anabolismen som kreves av raskt prolifererende kreftceller. Dysregulering av glukosemetabolismen er et velkjent kjennetegn på kreftmetabolisme51. Her observerte vi en signifikant økning i pyruvat og laktat i LA-gruppen sammenlignet med HC- og BN-gruppen, noe som er i samsvar med tidligere rapporter om glykolytiske signalveiavvik i serummetabolomprofilene til pasienter med ikke-småcellet lungekreft (NSCLC) og friske kontrollpersoner. Resultatene er konsistente52,53.
Det er viktig å merke seg at vi observerte en invers korrelasjon mellom pyruvat- og tryptofanmetabolisme i serumet til lungeadenokarsinomer. Serumtryptofannivåene var redusert i LA-gruppen sammenlignet med HC- eller BN-gruppen. Interessant nok fant en tidligere storskala 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 utelukkende fra mat. Vi konkluderer med at serumtryptofanmangel ved lungeadenokarsinom kan gjenspeile rask uttømming av denne metabolitten. Det er velkjent at sluttproduktet av tryptofankatabolisme via kynureninveien er kilden til de novo NAD+-syntese. Fordi NAD+ primært produseres gjennom bergingsveien, gjenstår det å avgjøre hvor viktig NAD+ er i tryptofanmetabolismen for helse og sykdom 46. Vår analyse av TCGA-databasen viste at uttrykket av tryptofantransportøren 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 tryptofankatabolisme i å undertrykke antitumorimmunresponsen40,41,42. Her demonstrerer vi at hemming av tryptofanopptak ved nedregulering av SLC7A5 i lungekreftceller resulterer i en påfølgende reduksjon i cellulære NAD-nivåer og en samtidig demping av glykolytisk aktivitet. Oppsummert gir vår studie et biologisk grunnlag for endringer i serummetabolisme assosiert med malign 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 metabolske profiler som ligner på pasienter med villtype EGFR (n = 31), selv om vi fant reduserte serumnivåer hos noen EGFR-mutantpasienter hos acylkarnitinpasienter. Den etablerte funksjonen til acylkarnitiner er å transportere acylgrupper fra cytoplasmaet inn i mitokondriell matrise, noe som fører til oksidasjon av fettsyrer for å produsere energi 55. I samsvar med våre funn identifiserte en nylig studie også lignende metabolomprofiler mellom EGFR-mutant og EGFR-villtypetumorer ved å analysere det globale metabolomet til 102 lungeadenokarsinomvevsprøver 50. Interessant nok ble acylkarnitininnhold også funnet i EGFR-mutantgruppen. Derfor kan det være lurt å studere videre om endringer i acylkarnitinnivåer gjenspeiler EGFR-induserte metabolske endringer og de underliggende molekylære veiene.
Avslutningsvis etablerer studien vår en serummetabolsk klassifikator for differensialdiagnose av lungeknuter og foreslår en arbeidsflyt som kan optimalisere risikovurdering og legge til rette for klinisk behandling basert på CT-skanning.
Denne studien ble godkjent av etikkomiteen ved Sun Yat-sen University Cancer Hospital, First Affiliated Hospital of Sun Yat-sen University, og etikkomiteen ved Zhengzhou University Cancer Hospital. I oppdagelses- og intern valideringsgruppene ble 174 sera fra friske individer og 244 sera fra godartede noduler samlet inn fra individer som gjennomgikk årlige medisinske undersøkelser ved Institutt for kreftkontroll og forebygging, Sun Yat-sen University Cancer Center, og 166 godartede noduler i serum. Lungeadenokarsinomer i stadium I ble samlet inn fra Sun Yat-sen University Cancer Center. I den eksterne valideringskohorten var det 48 tilfeller av godartede noduler, 39 tilfeller av lungeadenokarsinom i stadium I fra First Affiliated Hospital of Sun Yat-sen University, og 24 tilfeller av lungeadenokarsinom i stadium I fra Zhengzhou Cancer Hospital. Sun Yat-sen University Cancer Center samlet også inn 16 tilfeller av plateepitellungekreft i stadium I for å teste den diagnostiske evnen til den etablerte metabolske klassifikatoren (pasientkarakteristikker er vist i tilleggstabell 5). Prøver fra oppdagelseskohorten og den interne valideringskohorten 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. Oppdagelsesteam og internt vurderingsteam. Deltakernes kjønn ble bestemt basert på egenrapportering. Informert samtykke ble innhentet fra alle deltakere, og ingen kompensasjon ble gitt. Forsøkspersoner med godartede noduler var de med en stabil CT-skanningsscore ved 2 til 5 år på analysetidspunktet, bortsett fra ett tilfelle fra det eksterne valideringsprøven, som ble samlet inn preoperativt og diagnostisert ved histopatologi. Med unntak av kronisk bronkitt. Tilfeller av lungeadenokarsinom ble samlet inn før lungereseksjon og bekreftet ved patologisk diagnose. Fastende blodprøver ble samlet i serumseparasjonsrør uten antikoagulantia. Blodprøvene ble koagulert i 1 time ved romtemperatur og deretter sentrifugert ved 2851 × g i 10 minutter ved 4 °C for å samle serumsupernatant. Serumprøver ble frosset ved -80 °C inntil metabolittutvinning. Avdeling for kreftforebygging og medisinsk undersøkelse ved Sun Yat-sen University Cancer Center samlet inn en mengde serum fra 100 friske donorer, inkludert et likt antall menn og kvinner i alderen 40 til 55 år. Like store mengder av hver donorprøve ble blandet, den resulterende mengden 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 hjelp 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 om blandingen og inkuber på is i 1 time. Prøvene ble deretter blandet og vortex-blandet med 188 μl MS-kvalitetsvann 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 høyhastighetsvakuumkonsentrator.
De tørkede metabolittene ble rekonstituert i 120 μl 80 % acetonitril, virvles i 5 minutter og sentrifugert ved 15 000 × g i 10 minutter ved 4 °C. Supernatanten ble overført til ravfargede glassampuller med mikroinnsatser for metabolomikkstudier. Umålrettet metabolomikkanalyse på en ultralydsvæskekromatografi-høyoppløselig massespektrometriplattform (UPLC-HRMS). Metabolittene ble separert ved hjelp av et Dionex Ultimate 3000 UPLC-system og en ACQUITY BEH amidkolonne (2,1 × 100 mm, 1,7 μm, Waters). I positiv ionmodus var de mobile fasene 95 % (A) og 50 % acetonitril (B), hver inneholdende 10 mmol/L ammoniumacetat og 0,1 % maursyre. I negativ modus inneholdt de mobile fasene 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 skannemodus og koblet til ddMS2-overvåkingsmodusen for å samle inn store datamengder. MS-parametrene ble satt som følger: sprayspenning +3,8 kV/- 3,2 kV, kapillærtemperatur 320 °C, beskyttelsesgass 40 arb, hjelpegass 10 arb, probevarmertemperatur 350 °C, skanneområde 70–1050 m/t, oppløsning 70 000. Data ble innhentet ved hjelp av Xcalibur 4.1 (Thermo Fisher Scientific).
For å vurdere datakvaliteten ble samlede 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 regelmessig introdusert i batchen. Alle 11 batcher med serumprøver i denne studien ble analysert med LC-MS. Alikvoter av en serumblanding fra 100 friske donorer ble brukt som referansemateriale i respektive batcher for å overvåke ekstraksjonsprosessen og justere for batch-til-batch-effekter. Umålrettet metabolomikkanalyse av oppdagelseskohorten, den interne valideringskohorten og den eksterne valideringskohorten 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 hjelp av ultrahøytrykksvæskekromatografi-tandem massespektrometri (Agilent 6495 trippel kvadrupol) med en elektrosprayioniseringskilde (ESI) i multippel reaksjonsmonitoreringsmodus (MRM). En ACQUITY BEH amidkolonne (2,1 × 100 mm, 1,7 μm, Waters) ble brukt til å separere 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-parametrene ble satt som følger: kapillærspenning ±3,5 kV, forstøvertrykk 35 psi, skjedegasstrøm 12 L/min, skjedegasstemperatur 350 °C, tørkegasstemperatur 250 °C og tørkegasstrøm 14 l/min. MRM-konverteringene av tryptofan, pyruvat, laktat, hypoksantin og xantin var henholdsvis 205,0–187,9, 87,0–43,4, 89,0–43,3, 135,0–92,3 og 151,0–107,9. Data ble samlet inn ved hjelp av Mass Hunter B.07.00 (Agilent Technologies). For serumprøver ble tryptofan, pyruvat, laktat, hypoksantin og xantin kvantifisert ved hjelp av kalibreringskurver for standardblandingsløsninger. For celleprøver ble tryptofaninnholdet normalisert til intern standard og celleproteinmasse.
Toppekstraksjon (m/z og retensjonstid (RT)) ble utført ved hjelp av Compound Discovery 3.1 og TraceFinder 4.0 (Thermo Fisher Scientific). For å eliminere potensielle forskjeller mellom batcher ble hver karakteristiske topp i testprøven delt på den karakteristiske toppen til referansematerialet fra samme batch for å oppnå den relative forekomsten. De relative standardavvikene for interne standarder før og etter standardisering er vist i tilleggstabell 6. Forskjeller mellom de to gruppene ble karakterisert ved falsk oppdagelsesrate (FDR < 0,05, Wilcoxon signed rank test) og fold endring (> 1,2 eller < 0,83). Rådata for MS av de ekstraherte trekkene og referanseserumkorrigerte MS-data er vist i henholdsvis tilleggsdata 1 og tilleggsdata 2. Toppannotering ble utført basert på fire definerte identifikasjonsnivåer, 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-samsvarende validerte standarder eller eksakte samsvarsannoteringer 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 metabolittforekomst. MetaboAnalyst 5.0 evaluerte også KEGG-signalveiberikelsesanalyse basert på signifikant forskjellige metabolitter. Hovedkomponentanalyse (PCA) og partiell minste kvadraters diskriminantanalyse (PLS-DA) ble analysert ved hjelp av ropls-programvarepakken (v.1.26.4) med stakknormalisering og autoskalering. Den optimale metabolittbiomarkørmodellen for å forutsi nodulmalignitet ble generert ved hjelp av binær logistisk regresjon med minste absolutte krymping og seleksjonsoperator (LASSO, R-pakke v.4.1-3). Diskriminantmodellens ytelse 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 modellens maksimale Youden-indeks (sensitivitet + spesifisitet – 1). Prøver med verdier mindre eller større enn terskelen vil bli predikert som henholdsvis godartede noduler og lungeadenokarsinom.
A549-celler (#CCL-185, American Type Culture Collection) ble dyrket i F-12K-medium som inneholdt 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 glykolytisk stresstest 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-målrettet kontroll (NC) og shSLC7A5 (Sh1, Sh2) ble platet ut over natten i skåler med 10 cm diameter. Cellemetabolitter ble ekstrahert med 1 ml iskald 80 % vandig metanol. Cellene i metanoloppløsningen ble skrapt av, samlet inn i et nytt rør og sentrifugert ved 15 000 × g i 15 minutter ved 4 °C. Samle 800 µl supernatant og tørk ved hjelp av en høyhastighetsvakuumkonsentrator. De tørkede metabolittpelletene ble deretter analysert for tryptofannivåer ved hjelp av LC-MS/MS som beskrevet ovenfor. Cellulære NAD(H)-nivåer i A549-celler (NC og shSLC7A5) ble målt ved hjelp av et kvantitativt NAD+/NADH kolorimetrisk sett (#K337, BioVision) i henhold til produsentens instruksjoner. Proteinnivåer ble målt for hver prøve for å normalisere mengden metabolitter.
Ingen statistiske metoder ble brukt for å foreløpig bestemme utvalgsstørrelsen. Tidligere metabolomikkstudier rettet mot oppdagelse av biomarkører15,18 har blitt ansett som referansepunkter for størrelsesbestemmelse, og sammenlignet med disse rapportene var utvalget vårt tilstrekkelig. Ingen prøver ble ekskludert fra studiekohorten. Serumprøver ble tilfeldig tildelt en oppdagelsesgruppe (306 tilfeller, 74,6 %) og en intern valideringsgruppe (104 tilfeller, 25,4 %) for ikke-målrettede metabolomikkstudier. Vi valgte også tilfeldig 70 tilfeller fra hver gruppe fra oppdagelsessettet for målrettede metabolomikkstudier. Forskerne var blindet for gruppetildeling under LC-MS-datainnsamling og -analyse. Statistiske analyser av metabolomikkdata og celleeksperimenter er beskrevet i de respektive seksjonene Resultater, Figurforklaringer og Metoder. Kvantifisering av cellulær tryptofan, NADT og glykolytisk aktivitet ble utført tre ganger uavhengig av hverandre med identiske resultater.
For mer informasjon om studiedesignet, se sammendraget av rapporten om den naturlige porteføljen som er knyttet til denne artikkelen.
Rådataene for MS for de ekstraherte trekkene og de normaliserte MS-dataene for referanseserumet vises henholdsvis i tilleggsdata 1 og tilleggsdata 2. Toppannoteringer for differensielle trekker presenteres i tilleggsdata 3. LUAD TCGA-datasettet kan lastes ned fra https://portal.gdc.cancer.gov/. Inndataene for plotting av grafen finnes i kildedataene. Kildedata er gitt for denne artikkelen.
National Lung Screening Study Group, etc. Redusere dødeligheten av lungekreft med lavdose computertomografi. Northern England. J. Med. 365, 395–409 (2011).
Kramer, BS, Berg, KD, Aberle, DR og Prophet, PC. Lungekreftscreening ved bruk av lavdose spiral-CT: resultater fra National Lung Screening Study (NLST). J. Med. Screen 18, 109–111 (2011).
De Koning, HJ, et al. Redusere dødeligheten av lungekreft med volumetrisk CT-screening i en randomisert studie. Northern England. J. Med. 382, 503–513 (2020).
Publisert: 18. september 2023