Extracto
cáncer de ovario avanzado (AOC) es uno de los principales cánceres ginecológicos letales en los países desarrollados. Sobre la base de la importancia del papel de la angiogénesis en la oncogénesis cáncer de ovario y de expansión, la hipótesis de que el desarrollo de una "firma angiogénico" podría ser útil en la predicción del pronóstico y la eficacia de las terapias anti-angiogénicas en esta enfermedad. Sesenta y nueve muestras de fluidos de ascitis 35 de platino sensible y 34 de platino pacientes resistentes con cirugía citorreductora y 1
st-line carboplatino a base de quimioterapia se analizaron usando el proteoma de perfiles
TM angiogénesis humana Kit Array, la detección de la presencia de 55 factores relacionados con la angiogénesis solubles. Un perfil de proteínas basado en la expresión de un subconjunto de 25 factores podría separar adecuadamente resistente de pacientes sensibles con una tasa de éxito de aproximadamente el 90%. El perfil de proteína correspondiente al subgrupo "sensible" se asoció con significativamente más largo PFS (8 [95% intervalo de confianza {IC}: 8-9] frente a 20 meses [IC del 95%: 15-28]; Cociente de riesgos {HR} : 8,3, p & lt; 0,001) y OS (20,5 meses [IC del 95%: 13.5-30] frente a 74 meses [IC del 95%: 36-no se ha alcanzado]; HR: 5,6 [IC del 95%: 2.8-11.2]; p & lt ; 0,001). Este rendimiento pronóstico era superior a la de la etapa, la histología y la enfermedad residual después de la cirugía citorreductora y los niveles de factor de crecimiento endotelial vascular (VEGF) en la ascitis. En conclusión, hemos desarrollado una "firma angiogénico" para los pacientes con AOC, que puede ser utilizado, después de la validación adecuada, como marcador pronóstico y una herramienta para la selección de terapias anti-angiogénicas
Visto:. Trachana SP, Pilalis E, Gavalas GN, Tzannis K, O Papadodima, Liontos M, et al. (2016) El desarrollo de una proteína angiogénica "firma" en el cáncer de ovario ascitis como herramienta para biológica y pronóstica de perfiles. PLoS ONE 11 (6): e0156403. doi: 10.1371 /journal.pone.0156403
Editor: Rubí Juan Anto, Centro de Biotecnología Rajiv Gandhi, India
Recibido: 26 Octubre, 2015; Aceptado: 13-may de 2016; Publicado: Junio del 3, 2016
Derechos de Autor © 2016 Trachana et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos:. Todo relevante los datos están dentro del apoyo de sus archivos de información en papel y
Financiación:. Este trabajo fue apoyado por una beca de formación de la Sociedad Helénica de Oncología médica (Hesmo). Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de ovario es el tipo ginecológico más letal de cáncer en los países desarrollados. De acuerdo con los datos del SEER, aproximadamente 23.000 mujeres serán diagnosticadas con cáncer de ovario en los próximos años y unos 15.000 de ellos morirán de la enfermedad [1]. La letalidad de esta enfermedad se debe principalmente al hecho de que más del 75% de los pacientes con cáncer de ovario presentan con enfermedad avanzada [2]. El tratamiento de la enfermedad avanzada consiste en una cirugía citorreductora combinada con quimioterapia con carboplatino /paclitaxel. A pesar de la eficacia inicial de este enfoque terapéutico, la mayoría de las mujeres recaída, con una mediana de la SLP de alrededor de 18 meses, y finalmente mueren de cáncer [3] de ovario. La talla única para todos no tiene en cuenta la amplia diversidad genómica y proteómica de los tumores ováricos. La medición precisa de los marcadores de proteínas será fundamental para distinguir efectiva de las terapias ineficaces. Una tubería en expansión de terapias dirigidas y una mayor apreciación de los conductores moleculares dentro de los cánceres de ovario han dado lugar a una serie de nuevos enfoques para la detección y monitorización del tratamiento; Estos enfoques incluyen principalmente los análisis de sangre para las células tumorales, los exosomas derivados del tumor, tallo /células progenitoras, marcadores tumorales solubles circulantes, así como el uso de la información genómica o proteómica [4-8]. Sin embargo, todavía no existen marcadores biológicos fiables capaces de detectar fallos en el tratamiento del cáncer de ovario antes de evidencia radiográfica o bioquímica de la progresión.
La angiogénesis, es un proceso de producción de nuevos vasos sanguíneos y es un sello distintivo de cáncer relacionado con la supervivencia del tumor y la inducción de la metástasis tumoral [9]. Constituye de un proceso dinámico en el que las proteínas tanto pro-angiogénicos y anti-angiogénicos están implicados en la regulación de la angiogénesis. La angiogénesis juega un papel importante en la tumorigénesis, la expansión del tumor y la formación de ascitis en el cáncer de ovario. Cuanto más tarde representa un fluido biológico fácilmente accesible en comparación con las muestras de tumor, mientras que puede ser más representativa del comportamiento biológico del cáncer de ovario en comparación con la sangre [10]. Hemos demostrado anteriormente que los niveles de VEGF son significativamente superiores en los ascitis de las mujeres con cáncer de ovario avanzado en comparación con aquellos en el suero de los mismos pacientes [11], lo que sugiere que la actividad angiogénica es más intensa en la cavidad peritoneal, la región anatómica de la mayor carga de la enfermedad. Por otra parte, los altos niveles de VEGF se ha demostrado ser un factor de pronóstico independiente adverso en pacientes con cáncer de ovario avanzado está también asociada con la resistencia a la terapia [11]. Por lo tanto, la inhibición de la angiogénesis representa un objetivo importante en la lucha contra el cáncer de ovario. Actualmente, el bevacizumab anticuerpo monoclonal anti-VEGF ha sido aprobado para el tratamiento primario así como el tratamiento de la recaída del cáncer de ovario, mientras que otros inhibidores de anti-VEGF tirosina quinasa receptor y agentes anti-angiopoyetina han demostrado eficacia en esta enfermedad [12]. Sin embargo, no todos los pacientes se benefician de estas terapias, que también tienen toxicidades considerables.
Por las razones anteriores, la hipótesis de que una "firma angiogénico", que consiste en un grupo de factores angiogénicos que pueden estar presentes en los pacientes 'líquido ascítico, podría ser una herramienta de pronóstico precisa, así como un medio de selección de los pacientes con cáncer de ovario que puedan beneficiarse de las terapias anti-angiogénicas. presente, informe el desarrollo de tales "firma", basada en la expresión de 55 putativo marcadores de cáncer de ovario de la angiogénesis en la ascitis. Para el desarrollo de nuestro modelo, se utilizó la resistencia a la quimioterapia como el factor discriminante para identificar un favorable vs. un perfil de proteína angiogénica desfavorable. La asociación de aumento de la angiogénesis con la quimio-resistencia es apoyado por un importante cuerpo de evidencia de los estudios preclínicos. A título indicativo, el tratamiento previo de las células de cáncer con cisplatino induce un cambio de expresión de pro-angiogénico y conduce a una mayor actividad angiogénica cuando las células fueron tratadas con diferentes agentes quimioterapéuticos que incluyen cisplatino [13]. Además, la diafonía entre VEGF y la proteína anti-apoptótica de Bcl-2 se ha descrito [14], mientras que la regulación por disminución de Bcl-2 conduce tanto a la reducción de la angiogénesis y la sensibilidad a la quimioterapia y la radioterapia [15,16].
se encontró que un marcador conjunto reducido puede formar una herramienta prometedora, que está fuertemente asociado con el pronóstico después de la cirugía citorreductora y quimioterapia citotóxica estándar. Tras la validación adecuada, este enfoque podría utilizarse para la terapia anti-angiogénico-molecularmente dirigida en el cáncer de ovario.
Pacientes y métodos
Los pacientes
Sesenta y nueve pacientes que sufren de ovario el cáncer y el cumplimiento de los siguientes criterios participaron en este estudio observacional, de una sola institución: Etapa III a IV (según las directrices de la FIGO); los pacientes deben ser programados para recibir a base de carboplatino 1
quimioterapia st-line; los pacientes tenían ascitis en la presentación; ningún tratamiento anti-cáncer se le había dado antes de la recolección de ascitis. La ascitis se recogió prospectivamente pero analizaron retrospectivamente. Todos los pacientes fueron tratados en el 1
st Departamento de Obstetricia y Ginecología (Universidad de Atenas, el Hospital General de Alexandra, Atenas, Grecia) y el Departamento de Terapéutica Clínica (Universidad de Atenas, el Hospital General de Alexandra, Atenas, Grecia). El protocolo de estudio tuvo la aprobación del Consejo de Revisión Institucional apropiado (Hospital General de Alexandra, Atenas, Grecia) y el consentimiento informado por escrito fue dado por todos los sujetos para la recogida y estudio del líquido ascítico. El estudio se realizó de acuerdo con los principios expresados en la Declaración de Helsinki. Se recogió
El líquido ascítico antes de la administración de la terapia sistémica (ya sea durante la cirugía citorreductora primaria o paracentesis si no se realiza una laparotomía). Fue mezclado en condiciones estériles con heparina (2 U /ml) (Leo Pharmaceuticals, Dinamarca), se centrifugó a 4 ° C a 1600 rpm, sedimento se desechó y el sobrenadante se almacenó y se enfrió sucesivamente a -20 ° C durante 1-2 horas y luego transferidos a de -80 ° C, donde se mantuvo hasta su uso.
Después del tratamiento, todos los pacientes recibieron un seguimiento de los controles con TC cada 6 meses y CA-125 mediciones cada 3 meses según el protocolo institucional. Los pacientes que recayeron durante o dentro de los seis meses después de la finalización de la quimioterapia de primera línea fueron clasificados como resistentes al platino, mientras que los pacientes superior a 6 meses sin recidiva fueron clasificados como sensibles al platino según la clasificación GCIG [17]. La recaída se determinó a través de la progresión radiológica o CA-125 (lo que fue primero) [17].
detección basada en la matriz de factores angiogénicos
Detección de la matriz se realizó en 69 muestras de líquido ascítico. Con el fin de desarrollar una "firma" de pronóstico, se utilizó la resistencia de platino como un sustituto de pronóstico. Se analizaron 35 muestras de pacientes sensibles de platino y 34 muestras de pacientes resistentes a platino
El proteoma de perfiles
TM humana angiogénesis Kit array, (amp I +; D Systems, EE.UU., número de catálogo: ARRY 007) [18] se empleó para la detección de la presencia de 55 factores relacionados con la angiogénesis solubles (Tabla 1) en el líquido ascítico de los pacientes de acuerdo con las instrucciones del fabricante . Brevemente, se incubó 1 ml del sobrenadante a partir de fluido ascítico con 500 l de un tampón pertinente y 15 l de una mezcla de anticuerpos biotinilados (específicos para cada uno de los 55 factores) durante 1 hora. Se incuba la mezcla de fluido sobrenadante-anticuerpos-buffer ascítico durante 16 horas a 4 ° C con una membrana de celulosa revestida con los mismos anticuerpos. unión de los anticuerpos a las proteínas de interés no específica se evita por pre-incubación de la membrana con un tampón de bloqueo durante 1 hora. La membrana se incuba con estreptavidina-HRP durante 30 minutos. desarrollo de luz se logra mediante la incubación con un reactivo ECL química (R & amp; D Systems) durante 5 min. La emisión de luz se detecta mediante el uso de una película fotográfica especial que representa la traza de proteínas. De este modo se detectan las proteínas angiogénicas presentes en el líquido ascítico (Fig 1). La cuantificación de las manchas detectadas se realizó mediante densitometría estándar usando el software Quantity One 4.4.1 (Bio Rad Laboratories Inc, CA, EE.UU.).
Demostración del perfil angiogénico se determine en las ascitis de un paciente con cáncer de ovario utilizando el kit de matriz de perfiles proteoma angiogénesis. Cada punto corresponde a un factor angiogénico se muestra en la Tabla 1.
Con el fin de confirmar nuestros hallazgos de la matriz, se estudiaron 6 de los factores incluidos en la matriz en 20 muestras usando inmunoenzimático ensayo (ELISA) de acuerdo con las instrucciones del fabricante (R & amp; D Systems, Minneapolis, MN). Elegimos factores que muestran diferencias significativas en sus resultados de la matriz entre los dos grupos. Con el fin de mantener un equilibrio entre los dos grupos, 3 factores que muestra una mayor expresión entre sensible y 3 con un aumento de la expresión se utilizaron en los pacientes resistentes.
factor de selección óptima subconjunto
Los niveles de expresión de la 55 factores angiogénicos se utilizaron para la función de selección y clasificación entre los pacientes positivos /resistentes a platino. Los valores de expresión se normalizaron de acuerdo con las especificaciones de la matriz. La selección del subconjunto de factores que pueden separar más eficazmente las dos clases se realizó mediante la función recursiva de eliminación con validación cruzada incorporado (RFECV) y usando un clasificador Support Vector Machines (SVM). Con el fin de estimar los mejores parámetros para el clasificador SVM, se utilizó un enfoque de exploración de cuadrícula, que consistía en la prueba de forma automática diferentes combinaciones de parámetros, con el objetivo de maximizar el área bajo la curva criterio (AUC). Por último, el mejor rendimiento se informó para el clasificador SVM con los siguientes parámetros: núcleo lineal, C 0,001, 0,001 gamma. filtrado adicional se aplicó al subconjunto final utilizando la metodología de filtrado basado en la entropía de la información de ganancia (IG), que mide la reducción esperada de la entropía causados por la partición de las muestras de acuerdo con un atributo dado [19,20]. Factores con IG & gt; 0 fueron retenidos. La aplicación de selección de características para el conjunto de datos inicial dio lugar a un subconjunto de 25 factores de los niveles de expresión de los más susceptibles de separar las dos clases de pacientes (ver resultados).
Evaluación de las actuaciones predictivas clasificadores "a través de la validación cruzada
para la selección de la mejor clasificador para entrenar con la reducción del conjunto de datos de 25 factores (ver resultados), una exploración de cuadrícula en el espacio de parámetros de diferentes algoritmos de clasificación (Support vector Machines, al azar Bosques, Naive Bayes y lineal Discriminante Análisis) combinado con se realizó 4 veces la validación cruzada (ver sección resultados), con el fin de optimizar los parámetros de clasificación, utilizando como criterio el área bajo la curva maximización (AUC). Este paso confirma que el mejor algoritmo de clasificación para este conjunto de datos fue el clasificador SVM (núcleo lineal, C 0,001, 0,001 gamma). Con el fin de evaluar más a fondo el funcionamiento de todos los clasificadores en la predicción de la clase correcta (positivo /resistente) de un paciente invisible '(que no ha sido incluido en la formación) cuando se entrenó en todas las muestras etiquetadas disponibles, se utilizó una licencia-One -Out Cross Validación enfoque (LOOCV). En el esquema de clasificación LOOCV, un clasificador es entrenado con todas las muestras de pacientes, excepto uno, que se presenta de forma consecutiva a la clase de predicción utilizando el clasificador entrenado (modelo entrenado). El proceso se repite para cada muestra y se obtiene una estimación del rendimiento de la clasificación en lo que respecta a las muestras de pacientes desconocidos.
Todos función de selección y clasificación de los procedimientos antes mencionados se llevaron a cabo en el pitón scikit-learn paquete.
HeatMap la representación
En la representación HeatMap los normalizaron los niveles de expresión de los factores angiogénicos 25 se transformaron primera log2 y las expresiones relativas se calcularon de acuerdo con la mediana de expresión de cada factor. Una forma (sólo los valores de expresión) la agrupación jerárquica se realizó en GeneARMADA (método de vinculación: Normal, distancia: coseno)
niveles de VEGF ascitis
VEGF en la ascitis se midió por ELISA de acuerdo con el fabricante del. instrucciones (amp; I & D Systems, Minneapolis, MN) como se informó anteriormente [11]
SLP y la SG análisis
El software STATA /sE sE 11.2 se utilizó para el análisis estadístico.. OS y la SSP se define como el intervalo de tiempo entre el inicio de 1
quimioterapia st-line y fecha de muerte por cualquier causa y la recaída de la enfermedad; Los pacientes no muertas o sin recaída fueron censurados en la fecha del último contacto. distribuciones de supervivencia se estimaron utilizando el método de Kaplan-Meier; Se utilizaron pruebas de rangos logarítmicos para la igualdad de las funciones de supervivencia entre los grupos de tratamiento. Cox análisis de regresión de riesgos proporcionales (univariante y multivariante) se realizó para evaluar la influencia sobre el sistema operativo y la SSP del perfil de proteínas ( "sensible" frente a "resistente"), VEGF (& gt; mediana vs ≤ mediana), la histología (vs serosa . no seroso), la edad (& gt; 60 vs. ≤60) y la enfermedad residual después de la citorreducción primaria (≤ 1 cm vs. & gt; 1 cm). Las variables con p & lt; 0,1 en el análisis univariante se introdujeron en los modelos multivariados
Resultados
Los pacientes
Desde marzo de 2009 hasta enero de 2013 muestras de ascitis de 69 pacientes (35 de platino. se obtuvieron sensible y 34 de platino resistente) con cáncer de ovario. Sus características de línea de base se muestran en la Tabla 2. En todos los casos, la ascitis se obtuvo en el diagnóstico inicial. En cuatro casos, la histología no se determinó debido a que no se obtuvo la biopsia del tumor durante la laparoscopia y el diagnóstico de adenocarcinoma se basó en la citología de líquido peritoneal. Todos los pacientes fueron sometidos a cirugía citorreductora primaria. Todos los pacientes recibieron quimioterapia de primera línea después de la cirugía citorreductora. Sesenta y cinco pacientes recibieron quimioterapia de combinación con carboplatino /paclitaxel, mientras que 4 recibieron carboplatino en monoterapia.
Confirmación de los resultados de la matriz con ELISA
Todos los datos de la matriz de proteínas para los 55 factores están incluidos en Tabla S1. Los niveles de ascitis de 6 factores (angiopoyetina-1, TIMP-4, IL-1b, endotelina-1, IGFBP-2 y MIP-1a) con diferencias significativas en la expresión de matriz entre los pacientes sensibles y resistentes fueron medidos en 20 casos (10 sensible y resistente 10) con ELISA (datos sin procesar en la Tabla S2). Una tendencia similar entre la matriz y los resultados de ELISA se observó en todos los factores estudiados (Tabla 3).
Resultados de la selección de características y clasificación
A pesar de la baja dimensionalidad del conjunto de datos inicial (69 muestras), se encontró que una combinación óptima de factores, el potencial discriminativo de los cuales se evaluó con la utilización de los cuatro algoritmos de clasificación diferentes. La selección de características se realizó para encontrar el factor de subconjunto óptimo para la correcta clasificación, y dio como resultado a un subconjunto de 25 factores (Tabla 4), que en conjunto maximizan la puntuación de 4 veces la validación cruzada (figura 2).
La selección de características puntajes de validación cruzada, trazan en función del número de factores seleccionados. El subconjunto óptimo, la maximización de la puntuación de la validación cruzada, que comprende 25 factores angiogénicos (Tabla 3).
Las actuaciones de los diferentes clasificadores entrenados, con el subconjunto, se muestran en la (Figura 3) . El clasificador SVM tenía la media máxima AUC (0,85). Los otros clasificadores dieron puntuaciones más bajas, pero confirmaron el potencial discriminativo de los factores subconjunto, especialmente con LDA 0,84 AUC media
curvas ROC, que muestra las actuaciones de cuatro diferentes algoritmos de clasificación, aplicadas a la reducción del subconjunto de cuatro factores.: a) Apoyo vector Machines b) LDA c) Naïve Bayes d) Bosques azar. El clasificador SVM separa de manera óptima las muestras positivas y negativas, con una AUC media de 0,85. Los otros algoritmos mostraron actuaciones más bajas, pero aún eran capaces de clasificar las muestras por encima de la aleatoriedad de corte de 0,50 AUC, y por lo tanto confirman aún más el potencial discriminativo de los 25 factores.
Las diferencias en la expresión niveles de estos factores de 25 entre los pacientes se representan en la HeatMap de (Fig 4A). Para cada paciente, el nivel de expresión de cada factor se comparó con la mediana de expresión entre los 69 pacientes. Desde la visualización de la separación de los dos grupos no era ideal, que además se filtra y se clasificaron los 25 factores mediante la aplicación de un método de filtrado basado en la entropía (ganancia de información) adicional, que mide la importancia de los factores con respecto a las clases de los pacientes que usan un criterio basado en la entropía. Para la nueva representación de mapa de calor retuvimos los 5 factores (FGF ácido, FGF básico, HB-EGF, PDGF-AB /PDGF-BB, trombospondina-2), que se identifica por ambas metodologías de selección de funciones y fueron un puesto más alto que los otros en su contribución en la firma final. Por lo tanto el nuevo mapa de calor con 5 factores representa un subespacio de la firma final que muestra una tendencia de la sobre-expresión de estos factores en la clase sensible y era más propenso a la visualización (Fig 4B).
los niveles de expresión relativa de los 25 factores angiogénicos, lo que resultó en el máximo de 4 veces la puntuación de validación cruzada (a) y el subconjunto de 5 factores con la mayor contribución a la firma (B). Expresión valores se muestran de acuerdo con la escala de colores, en el que el rojo representa por encima de la mediana de expresión y el verde representa a continuación mediana de expresión. Dada la complejidad de los perfiles de expresión, las dos clases de pacientes no se separan fácilmente mediante análisis de agrupamiento, lo que justifica la utilización de metodologías de clasificación más sensibles, como SVM.
El método LOOCV se utilizó para evaluar más a fondo el poder predictivo de los clasificadores entrenados con el subconjunto óptimo de los 25 factores angiogénicos ', así como el subconjunto de los 5 factores con el mapa de calor visulaization más satisfactoria, en lo que se refiere a la clasificación efectiva de las muestras de pacientes desconocidos (ver Materiales y Métodos). Por este método, el valor clínico del kit de la matriz como una herramienta de diagnóstico para la clasificación de pacientes sensibles /resistentes se evalúa con mayor precisión, porque LOOVC mitiga de manera más efectiva el fenómeno de "exceso de ajuste" [21], en el que el modelo del clasificador está montado en exceso a los datos de entrenamiento y por lo tanto deja de clasificar correctamente las muestras totalmente invisibles
. las actuaciones de los clasificadores se muestran en la Tabla 5. con el clasificador SVM, 62 de los 69 pacientes fueron clasificados correctamente utilizando el subconjunto de 25 factores . Esta tasa de éxito (~ 90%) confirma que el kit factor de array angiogénico se puede utilizar para la predicción precisa la sensibilidad de platino en combinación con el algoritmo SVM. Por el contrario, el subconjunto de 5 factores dio lugar a actuaciones de predicción bajas.
Correlación de la "firma" angiogénico con SLP y la SG
Para estos análisis sólo la "firma" óptima se utilizó resultante de la subconjunto de los 25 factores. La mediana de seguimiento fue de 71 meses (IC del 95%: 48-99). Durante el seguimiento, 59 pacientes recayeron y 46 murieron de cáncer de ovario. La mediana de SG fue de 35 (IC del 95%: 24-41), mientras que la mediana de SLP fue de 12 meses (IC del 95%: 9,5 a 15). Histología, grado y enfermedad residual después de la cirugía de reducción de volumen no se asociaron con la SLP o el sistema operativo. Hubo una tendencia hacia la SLP y la SG más cortos para las mujeres mayores de 60 años (p = 0.0832 y p = 0,0834, respectivamente).
La mediana de VEGF nivel de ascitis era de 1777 pg /ml. No hubo asociación del nivel de VEGF (por debajo o por encima de la mediana) con la SSA (p = 0,836) o el sistema operativo (p = 0,977). Este resultado no cambió cuando otros niveles de corte entre 1000 y 2500 pg /ml fueron estudiados. No hubo una diferencia significativa del nivel de VEGF mediana entre la "resistente" y el perfil de proteínas "sensible" (1680 vs 1779 pg /ml, p = 0,831). Por el contrario, la "firma resistente" se asoció con la mediana significativamente inferior PFS (8 meses [IC del 95%: 8-9] frente a 20 meses [95% CI: 15-28]; HR: 8,3, p & lt; 0,001) y OS (20,5 meses [IC del 95%: 13.5-30] frente a 74 meses [IC del 95%: 36-NR]; Recursos Humanos: [IC del 95%: 2.8 a 11.2] 5,6; p & lt; 0,001) (figura 5). Los análisis multivariados incluyendo la edad y el perfil de proteínas mostraron que sólo el perfil de proteínas retuvo su significado pronóstico tanto para la SLP (HR [IC del 95%: 4-15,8] 7.9, p & lt; 0,001) y OS (HR: 5,2 IC [95%: 2.6 a 10.5 ]; p. & lt; 0,001)
libre de progresión (A) y la supervivencia general (B). Libre de progresión (A) y total (B) supervivencia de 69 pacientes con cáncer de ovario avanzado de acuerdo con ascitis perfil de proteínas relacionadas con la angiogénesis.
Discusión
En el presente estudio, se desarrollado y probado un lado de la cama con capacidad para un "firma angiogénico", que fue fuertemente asociada con la SLP y la SG en las mujeres que sufren de cáncer de ovario avanzado. La metodología se utilizó ha producido herramientas de pronóstico prometedores en otros tipos de cáncer [22-23], aunque se explotaron diferentes características biológicas. De acuerdo con nuestros estudios anteriores, se utilizó la ascitis en lugar de suero. La ascitis es una fuente conveniente de material biológico, que puede ser estudiado para el diagnóstico [23] y con fines terapéuticos. Además, ciertas proteínas en el líquido ascítico reflejan más exactamente la biología del tumor que los de suero. La inclusión de factores pro- y anti-angiogénicos es en concierto para los mecanismos in vivo de la actividad angiogénica, que es el resultado del equilibrio entre estos dos grupos en el microenviroment del tumor. La angiogénesis es un sustituto válido para el comportamiento del tumor y los paneles de factores angiogénicos presentes en el tejido tumoral han sido seleccionados recientemente para perfiles de proteínas de los cánceres de ovario [24]. Con el fin de determinar una "buena" frente a una "mala" perfil angiogénico que no usamos un tiempo arbitrario a la recaída o la muerte pero el platino resistencia en su lugar. Este sustituto ha demostrado valor pronóstico y predictivo [25] y proporciona un punto de tiempo específico y validado para la clasificación de pacientes con cáncer de ovario
.
perfiles angiogénico se basó en la expresión de factores angiogénicos 25 (Tabla 4). Aunque el VEGF juega un papel importante en el proceso angiogénico, que no estaba entre ellos y los niveles de VEGF en la ascitis no predijo la SLP o SG Este último podría atribuirse al tamaño de la muestra relativamente pequeña, pero también hay que destacar que el pronóstico y predictivo valor de este factor en el cáncer de ovario ha sido motivo de controversia. Nosotros y otros han demostrado la importancia pronóstica de VEGF en suero o ascitis en el cáncer de ovario avanzado [11,26-28], pero este factor no ha sido validado, mientras que sí existen resultados contradictorios [29,30]. Independientemente de la controversia que rodea el valor predictivo y pronóstico de VEGF en el cáncer de ovario, nuestro estudio mostró que el valor pronóstico del panel de los 25 factores fue superior a la de VEGF por sí solo, que confirma el potencial de nuestro método. A pesar de la falta de valor pronóstico de VEGF, varios miembros o factores que interactúan con VEGF de la familia de VEGF se incluyeron en el panel. Son importantes proteínas de señalización implicadas tanto en la vasculogénesis y la angiogénesis, tales como PIGF (factor de crecimiento placentario), PD-ECGF (factor de crecimiento derivado de células endoteliales de plaquetas, también conocido como la timidina fosforilasa [TP]) y PDGF-AB /PDGF-BB. Los recientes avances en nuestro conocimiento de la función neoangiogenic han demostrado que estos factores estimulan la cascada completa de los eventos necesarios para la angiogénesis y promover varias acciones potencialmente independientes sobre el endotelio vascular, tales como la mitogénesis endotelial, la permeabilidad, el tono vascular, la producción de moléculas vasoactivas y la estimulación de la la quimiotaxis de monocitos [31]. Es importante destacar que estos factores también se han asociado con la resistencia a la quimioterapia, mayor estadio de la enfermedad, así como el pronóstico de cáncer de ovario [32-34]. Angiopoyetina-1 (Ang-1) y angiopoyetina-2 (Ang-2) también parece interactuar con VEGF para promover la angiogénesis. Ellos actuar a través de la vía del receptor de Tie-2 y ambos tienen un papel importante en los mecanismos moleculares de la formación de vasos sanguíneos. Ang-1 y Ang-2 parecen ser el blanco de la quimioterapia paclitaxel [35]. Recientemente, la orientación de estos factores ha mostrado una mejora significativa de la supervivencia en el cáncer de ovario recurrente [36].
Varios de los factores incluidos en nuestra "firma" se han correlacionado con la respuesta a la quimioterapia actual para el cáncer de ovario. La endotelina-1 (ET-1), es un potente péptido mitogénico producido por diferentes tumores, incluyendo cáncer de ovario. ET-1 se encontró que era sobreexpresada en los pacientes que no responden a la quimioterapia. Esto está probablemente asociado con la interferencia de la ET-1 en las funciones celulares como la proliferación, la apoptosis inducida por drogas, invasión y la transición epitelio-mesenquimal [37-38]. Se han descrito resultados similares relacionados con la quimiorresistencia a paclitaxel para el factor angiogénico HB-EGF (factor de crecimiento epidérmico de unión a heparina) [39]. Otros dos factores que se correlacionan con la resistencia a paclitaxel a través de la inhibición de la apoptosis paclitaxel inducida son factor de ácido y básico de crecimiento de fibroblastos (FGF-a y FGF-b) [40]. Ambos juegan un papel importante en el desarrollo de la carcinogénesis y la invasión del cáncer epitelial de ovario.
Por último, dos factores de la familia del factor de crecimiento epidérmico (EGF) también fueron incluidos entre los 25 factores importantes. Tanaka et al [41] han demostrado que los miembros de la familia EGF desempeñan un papel fundamental en el comportamiento agresivo del tumor en el cáncer de ovario. Amphiregulin, es una proteína bien estudiada, que se ha encontrado para ser asociado con la función ovárica y la apoptosis de las células epiteliales en el cáncer de ovario. estudios recientes apoyan que este factor tiene una correlación altamente significativa a la resistencia a cisplatino [42]. Por otro lado, la citoquina MIP-1α, está actuando a través de la vía MAPK. También está relacionada con el VEGF a través de la regulación positiva de la vía MAPK, especialmente ERK. Tran et al [43] demostraron que MIP-1α induce una respuesta de células T en pacientes con cáncer de ovario que se asoció con un resultado favorable. Es, por lo tanto, posible que, a pesar de su asociación con la angiogénesis, algunos de los 25 factores pueden ejercer su efecto pronóstico a través de otros mecanismos, tales como la mejora de la respuesta inmune contra el tumor.
Cuestiones técnicas, tales como la adición de heparina en el líquido ascítico recogido, es poco probable que han afectado a nuestros resultados. Aunque, teóricamente, la presencia de heparina puede interferir con los niveles de HB-EGF o VEGF, la cantidad de heparina que usamos es mucho menor que la utilizada por los fabricantes estándar para la coagulación eficaz, mientras que las isoformas presentes no puede ser la unión del ligando con alta afinidad, como se muestra en otros estudios [44]. Nuestros resultados de la matriz mostraron claras diferencias de la expresión de este factor entre las muestras estudiadas (Fig 3), incluso de la misma categoría es decir quimiorresistente o sensible a la quimioterapia, por lo tanto, no haciendo que la matriz hacia una o la otra categoría específicamente. Este hallazgo en combinación con el hecho de que el desarrollo de nuestro modelo se basa en las diferencias de la expresión entre los tumores resistentes y sensibles y no en el valor absoluto de cada factor de hacer que el efecto de la heparina sobre nuestro modelo insignificante. Además, se encontró que la representación mapa de calor, combinada con la agrupación jerárquica, puede no ser apropiado para la visualización de una firma tan complejo. Al filtrar y clasificar los 25 factores, hemos reducido el subconjunto de los 5 factores más influyentes, lo que produce una visualización más satisfactoria. Sin embargo, este subconjunto se asoció con el rendimiento predictivo inferior. Este resultado apoya la necesidad de la utilización de metodologías de aprendizaje automático para construir modelos de predicción, tales como SVMs, que son más sensibles y capaces de capturar patrones discriminativos complejos que residen en diferencias combinatorias no lineales en los niveles de expresión entre las dos clases.