Crónica enfermedad > Cáncer > artículos del cáncer > PLOS ONE: Un nuevo gen de la firma para el diagnóstico molecular de cáncer de próstata humano por RT-qPCR
PLOS ONE: Un nuevo gen de la firma para el diagnóstico molecular de cáncer de próstata humano por RT-qPCR

2013/3/7


Extracto

Antecedentes

El cáncer de próstata (CaP) es una de las causas más importantes de muerte por cáncer en los países occidentales. Aunque la detección de CaP en estadio precoz es muy deseable, se necesitan métodos de detección actuales limitaciones actuales y nuevos enfoques moleculares. La expresión de genes aumenta nuestro conocimiento sobre la biología de la tapa y puede hacer que las herramientas moleculares originales, pero la identificación de biomarcadores precisos para el diagnóstico molecular fiable es un verdadero reto. Se describe aquí el poder diagnóstico de una novela-8 genes firma: ornitina descarboxilasa (
ODC
), ornitina descarboxilasa antizyme (
OAZ
), descarboxilasa adenosilmetionina (
AdoMetDC
) , espermidina /espermina N (1) acetiltransferasa (
SSAT
), histona H3 (
H3
), detención del crecimiento gen específico (
GAS1
), gliceraldehído 3-fosfato deshidrogenasa (
GAPDH
) y clusterina (
CLU
) en el tumor de detección /clasificación de CaP humano.

Metodología /Principales conclusiones

El 8-gen la firma se detectó mediante retrotranscripción-PCR en tiempo real cuantitativa (RT-qPCR) en muestras quirúrgicas de la próstata congeladas obtenidas de 41 pacientes con diagnóstico de CaP y recomendados para someterse a prostatectomía radical (PR). Ningún tratamiento se administra a pacientes en cualquier momento antes de la PR. El banco biológico utilizado para el estudio consistió en 66 muestras: 44 eran benignos-CaP emparejado del mismo paciente. Treinta y cinco fueron clasificados como benignos y 31 como la tapa después de un examen patológico final. Sólo se utilizaron los datos moleculares para la clasificación de las muestras. El Neighbour (NN) clasificador más cercano se utilizó con el fin de discriminar CaP a partir de tejido benigno. se obtuvo Validación de los resultados finales con 10 veces procedimiento de validación cruzada. CaP frente a muestras benignas se discriminó con (80 ± 5)% de precisión, (81 ± 6)% de sensibilidad y (78 ± 7)% de especificidad. El método también se clasifica correctamente el 71% de los pacientes con una puntuación de Gleason & lt; 7 frente ≥7, un importante predictor del resultado final

Conclusiones /Importancia

El método mostró una alta sensibilidad en una colección de especímenes. en el que una porción significativa del total (13/31, igual al 42%) se consideró CaP sobre la base de que tiene menos de 15% de las células cancerosas. Este resultado apoya la idea del "efecto de campo del cáncer", en el que las células transformadas se extienden más allá de tumores morfológicamente evidente. El método de diagnóstico molecular aquí descrito es objetivo y menos sometido a error humano. Aunque se necesitan más confirmaciones, este método posee el potencial para mejorar el diagnóstico convencional

Visto:. Rizzi M, L Belloni, Crafa P, M Lazzaretti, Remondini D, Ferretti S, et al. (2008) Firma un nuevo gen para el diagnóstico molecular de cáncer de próstata humano por RT-qPCR. PLoS ONE 3 (10): e3617. doi: 10.1371 /journal.pone.0003617

Editor: Andrew Vickers, del Memorial Sloan-Kettering Cancer Center, Estados Unidos de América

Recibido: 3 Junio, 2008; Aceptado: 2 octubre de 2008; Publicado: 31 Octubre 2008

Derechos de Autor © 2008 Rizzi 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

Financiación:. Contrato de subvención patrocinadores: Genprofiler Srl, Bolzano, Italia; FIL FIL 2005 y 2006, la Universidad de Parma, Italia; Istituto Nazionale Biostrutture e Biosistemi (INBB), Roma, Italia |
Conflicto de intereses:. Los autores han declarado que no existen intereses en competencia

Introducción

El cáncer de próstata (CaP) es creído llegar a ser la causa más importante de muerte por cáncer en los países occidentales en un futuro próximo debido a su incidencia aumenta rápidamente con la edad. Dado que el pronóstico es generalmente desfavorable cuando la enfermedad ya no está confinado de órganos, la detección de CaP en un estadio precoz es muy deseable, pero por desgracia los métodos disponibles, tales como las limitaciones actuales de suero antígeno prostático específico (PSA) [1]. El diagnóstico de NAC se obtiene convencionalmente mediante una biopsia de próstata por saturación y el examen morfológico de las secciones de tejido. Este método es fiable, pero requiere un cuidadoso entrenamiento. Sin embargo, se pueden producir incongruencias intra e inter-observador. En principio, el diagnóstico molecular sería más objetivo y, con suerte, mucho menos sujeto a errores humanos si se obtienen con métodos fiables. Pero el método ideal también debe ser rápido, estandarizado y económicamente conveniente. Tal logro es ciertamente posible en teoría, pero los resultados publicados no son completamente satisfactorios, sin embargo, también porque se basan por lo general en un enfoque convencional con toma ventaja de un predictor molecular única forma significativa hacia arriba o hacia abajo-regulada en el espécimen de cáncer en comparación con el control benigna. Un obstáculo importante para este objetivo es que los eventos moleculares que provocan la aparición de CaP y la progresión aún están lejos de ser completamente revelados: muy pocos los oncogenes conocidos o supresores de tumores se han vinculado claramente a la tumorigénesis de próstata, y por esta razón CaP todavía se considera una enfermedad difícil de alcanzar. Por lo tanto, se necesitan urgentemente nuevos enfoques moleculares para la detección precoz y el diagnóstico. Se utilizó recientemente

La expresión de genes para aumentar nuestro conocimiento sobre la biología de la PAC [2]. firmas de genes a nivel de ARN se determinan y se utilizan a menudo como predictores para modelar la información clínicamente relevante (por ejemplo, el pronóstico, el tiempo de supervivencia, la sensibilidad a las drogas, etc.). Para este objetivo, las conclusiones finales sobre el poder de clasificación de la firma de genes estudiados son totalmente dibujan sobre la base de los datos moleculares obtenidos a nivel transcripcional mediante el uso de métodos tales como microarrays de ADN o RT q-PCR. Por análisis de transferencia Northern, hemos identificado previamente 8 informativo genes cuya expresión cambia en función de la presencia de CaP malignidad en los seres humanos [3]. En un estudio de seguimiento de 5 años, también puso de manifiesto que los niveles de expresión de este grupo de genes se correlacionan fuertemente con la diferenciación y el resultado final (pronóstico) de los pacientes con NAC. Este resultado se obtuvo mediante la combinación de datos moleculares con la información clínica estándar [4]. Pero en nuestra mente el verdadero reto fue detectar CaP mediante herramientas moleculares por sí solos. Aunque el estudio de la expresión génica alterada específicamente durante CaP tumourigenesis es una tarea difícil, la información científica que finalmente se obtiene es una recompensa importante, lo que lleva a una mejor comprensión de la base molecular de la enfermedad que puede conducir a mejores métodos para el diagnóstico y terapia. Esto es particularmente importante cuando se considera la heterogeneidad de la tapa y la variabilidad de la progresión clínica, con algunos pacientes que presentan tumores de crecimiento lento indolentes y otros pacientes que tienen una enfermedad que progresa rápidamente.

La firma que hemos identificado es hecha de 4 genes relacionados metabólicamente,
ODC
,
OAZ
,
AdoMetDC
,
SSAT
, los genes reguladores del metabolismo de poliaminas, 2 genes relacionados hasta la progresión del ciclo celular,
H3
y
GAS1
, marcadores específicos de S y T
0-fases, respectivamente [5], [6],
GAPDH
, una enzima de la vía glicolítica, y
CLU
una proteína enigmática cuya función biológica es todavía un tema de debate.


CLU
, también conocido como
SGP-2
,
TRPM-2
o
ApoJ
, es altamente expresado en off durante la involución de la glándula de la próstata y remodelación [7], [8]. Aunque hay un consenso general acerca de la participación de CLU en la regulación de la muerte celular, su papel específico en el proceso de apoptosis es todavía controvertida, así como en la transformación celular. Más concretamente, su nivel de expresión y la regulación durante el inicio y la progresión de CaP se debate [9], [10]. Una mejor comprensión de este tema es de particular importancia no sólo a causa de las consideraciones anteriores, sino también porque un ensayo clínico dirigida a silenciar
CLU
génica mediante oligonucleótidos antisentido en pacientes con NAC se encuentra actualmente en curso [11]. Como cuestión de hecho, nosotros y otros han encontrado que
CLU
es el regulado durante la progresión del CaP [12] - [15], lo que sugiere que podría actuar como un factor supresor de tumores [16], [ ,,,0],17].

relativos a la firma gen descrito aquí, todos los genes estudiados han demostrado previamente turnos estrictamente relacionados en la co-expresión durante la progresión del CaP [3]. alteración específica de la transcripción de las enzimas reguladoras del metabolismo de poliaminas durante la progresión del CaP también ha sido validado por el meta-análisis de microarrays [18]. En el modelo de ratones TRAMP de la progresión del CaP, nuestra firma genética por sí sola como se determina por RT-qPCR, además de discriminar tapa de tejido benigno, también predijo la respuesta individual al tratamiento con verde catequinas del té (TCG) [19]. Otros genes marcadores individuales se han encontrado de validez demostrada en este campo, tales como la coenzima α-metilacil A racemasa (
AMACR
) [20], [21] o cáncer de próstata Antígeno 3 (
DD3 /PCA3
) [22], pero por el momento no se encontró relación entre el nivel de expresión de PCA3 y el grado tumoral o la puesta en escena todavía. Nuestra firma genética está hecho de genes informativos algunos de los cuales son bien conocidos por jugar un papel importante en la fisiología de células de la próstata, tales como los genes que codifican para proteínas reguladoras del metabolismo de poliamina [23] y
CLU
[7] .

el objetivo de nuestro estudio era mostrar que nuestra firma genes por sí solo mejora la sensibilidad y la especificidad del diagnóstico molecular de CaP en comparación con la identificación único marcador. Se utilizó la clasificación histopatológica de los tejidos fijados muestras como referencia final, tal como se procede en circunstancias similares [24], [25]. El modelo de 8-gen se detectó mediante RT-PCR cuantitativa en muestras de tejido congeladas obtenidas en la prostatectomía radical (PR). Clasificación de las muestras de tejido (es decir, la presencia o ausencia de tumor) se llevó a cabo sin otros datos patológicos o clínicos. Además, se utilizaron los datos moleculares para la sub-clasificación de las muestras de tejido con respecto a la puntuación de Gleason, la edad y el PSA total en suero del paciente en RP.

Para la clasificación de la muestra se utilizó el clasificador del vecino más próximo (NN), una estadística herramienta de análisis multi-factorial conocido para llevar a cabo bien específicamente para la clasificación del cáncer en comparación con otros métodos. Para la validación del rendimiento de clasificación, se utilizó el procedimiento de validación cruzada de 10 veces, repetimos 100 veces con diferentes sub-muestreos con el fin de estimar el rendimiento medio de la firma y el intervalo de confianza (los resultados se expresan como media ± intervalo de confianza del 95%, que corresponde aproximadamente a 2 desviaciones estándar).

resultados

especímenes El tejido bio-banco

El bio-banco consistía en una colección de 66 especímenes humanos, véase la Tabla 1, a juego con los criterios de elegibilidad para el estudio: i) la evidencia patológica de la presencia o ausencia de la PAC en el pre-congelados y secciones de post-ARN; ii) las muestras benignas libres de neoplasia intraepitelial prostática (PIN) o lesiones invasión tumoral, tomadas muy lejos (es decir, en diferentes áreas de la próstata, idealmente en el sextante contralateral) de la lesión neoplásica; iii) muestras de tapa que tiene un contenido de células de cáncer que cubre al menos 5% de todo el área de la sección; iv) un buen rendimiento y alta calidad de la preparación de ARN. Entre estos, 44 especímenes eran muestras pareadas CaP-benignos obtenidos del mismo paciente. Thirthy y cinco especímenes fueron clasificados como benignos por el patólogo, mientras que el 31 era gorra

Cómo obtener datos morfológicos y moleculares de la misma muestra de tejido:. El "sándwich" método

para obtener una comparación directa entre los datos moleculares y clasificación patológica hemos desarrollado un método "sandwich" (ver Figura 1 y Métodos: Las muestras de tejido prostático de recogida y manipulación). La extracción de RNA produjo un promedio de 50 a 60 g de ARN total a partir de 20 mg de tejido de la próstata humana. La cantidad de ARN total obtenido fue lo suficientemente alta para comprobar directamente la calidad de la preparación por espectrofotometría, seguido por electroforesis convencional. Sólo se utilizó ARN de buena calidad para el análisis de RT-qPCR. Ocho genes informativo más 2 amas de casa fueron analizados a partir de la misma muestra de RNA.

RT q-PCR y análisis de datos

Cuantificación relativa de los genes diana se realizó con el resto conocida herramienta de software [26]. Los cambios en el nivel de expresión de 7 de los 8 genes informativo en cáncer de próstata Versus tejido benigno no alcanzó significación estadística (no mostrados), mientras que
CLU
fue significativamente las reguladas en cáncer de próstata (p & lt; 0,05). En la Figura 2, la expresión génica relativa de la firma obtenida por el
método 2 ∧-ΔΔCT se informa como una función de la puntuación de Gleason final de RP. Curiosamente,
CLU
es significativamente y inversamente relacionada (p & lt; 0,01) a la puntuación de Gleason del tumor: es decir, menores niveles de expresión de
CLU
se encontraron en mayor puntuación de Gleason especímenes. En la Tabla 2 se muestran los resultados finales de la clasificación utilizando el clasificador (NN) más cercano vecino combinado con la validación cruzada de 10 veces. Aunque el análisis RESTO mostró que sólo los cambios en
CLU
expresión fueron estadísticamente significativas, la clasificación NN validación cruzada + 10 veces realizado en los datos? Ct revelaron un rendimiento muy bueno, en el que la discriminación de la NAC en comparación con las muestras benignas fue obtenido con una combinación de 7 genes (
H3, GAS1, SSAT, CLU, AdoMetDC, OAZ, ODC
), utilizando 3 vecinos y la distancia basada en la correlación. Esta clasificación es estadísticamente significativa

* Valor de p. & Lt; 0,01 (t-test). Las barras blancas = puntuación de Gleason & lt; 7; Las barras grises = Gleason score≥7. Las barras de error representan el error estándar de la media.

En este trabajo se prestará la máxima atención para darse cuenta de la mejor calidad posible de la toma de muestras de tejido y caracterización (Figura 1). Esto es absolutamente necesario dar a la gran heterogeneidad de un espécimen de cáncer de próstata. La combinación de un "robusto" y ampliamente probado enfoque para el análisis estadístico de los datos con la obtención de muestras de alta calidad nos ha permitido obtener el resultado final validado con un conjunto de datos de 66 muestras.

La concordancia entre nuestra clasificación firma genética y clasificación patológica final (CaP frente benigna) obtenido por el patólogo era (80 ± 5)%, con una sensibilidad de (81 ± 6)% y una especificidad de (78 ± 7)%. Las muestras de tejido que han sido clasificados erróneamente por el método molecular, con respecto a la clasificación patológica, se indican en la Tabla 1 (en negrita). Estamos observación de que, en este caso una licencia-One-Out validación cruzada se ha considerado, ya que con los errores de clasificación de procedimiento N veces de muestras individuales pueden variar en cada realización. Con la misma combinación de genes que correctamente subdividirse a 84% de las muestras de tumor con respecto a la edad del paciente, el 71% con respecto a la puntuación de Gleason RP final y 42% con respecto al PSA antes de la PR (Tabla 2). La misma firma no funcionan bien para la clasificación con respecto a la estadificación TNM.

entre laboratorios y metodología de validación

Un segundo laboratorio estaba participando en una metodología de validación inter-laboratorio. Cada muestra de tejido se analizó individualmente, las determinaciones fueron en pocillos duplicados y cada experimento se realizó durante 6 veces en ambos laboratorios independientes, con la línea de Ct fijado en el mismo valor. la variabilidad entre laboratorios fue de menos de 1 ciclo para cada determinación única. (datos no mostrados). Esta variabilidad no afectó significativamente la clasificación final.

Tan poco como 1 mg de tejido de cáncer dentro de los 20 mg de muestra benignos fue detectado

Como se muestra en la Tabla 1, la cantidad de tejido de cáncer era sólo 5% en 7/31 muestras (equivalente a 22,5% del total de los especímenes; 6/7 han sido clasificadas correctamente), y menos del 15% en 13/31 muestras (igual a 42% del total de los especímenes; 10/13 han sido correctamente clasificado). Por lo tanto, el componente de tejido de cáncer de relativa representó sólo aproximadamente 1-3 mg de tejido de 20 mg total. La Tabla 1 proporciona una lista completa de los casos clínicos de los que procede cada muestra de tejido, incluyendo también los datos clínicos, la clasificación por el patólogo y el porcentaje de células cancerosas presentes en la muestra, expresado como valor medio entre el pre y post del secciones de ARN (ver Figura 1)

Discusión

identificación de nuevos biomarcadores moleculares y precisos:. el reto

la identificación de nuevos biomarcadores y precisos para el diagnóstico molecular fiable de la tapa es un verdadero reto. Estudios previos realizados por microarrays de ADN han identificado firmas moleculares que se correlacionaron con CaP progresión [27] o de clasificación [28], lo que lleva a la identificación de los genes informativos (a veces con funciones desconocidas) que aún están a la espera de más estudios para dilucidar su papel en cáncer de próstata progresión [ ,,,0],29]. En otros estudios se ha provocado en el diagnóstico molecular de CaP, pero que sólo se basan en unos pocos genes seleccionados, específicos del cáncer. PCA3 es el mejor predictor de CaP sola: es altamente específico, pero la sensibilidad es relativamente baja [30]. Por otra parte, la sensibilidad no mejoró incluso cuando se añadieron dos más genes relacionados con la próstata [24], [25].

Un método novedoso y fiable basado en un enfoque sólido

Nuestro trabajo proporciona un método fiable para el diagnóstico molecular de la tapa que se aprovecha de un método relativamente simple. El modelo de 7-gen que aquí se presenta se basa en la determinación de genes que se sabe que se expresa en benigna y cáncer de tejidos ambos, y sometidos a alta variación individual. Por lo tanto, la novedad de nuestro enfoque consiste en la consecución de clasificación molecular eficiente de la tapa con respecto al diagnóstico patológico final sin el uso de genes que son altamente específica hacia arriba o hacia abajo-regulada en benigna en comparación con el tejido canceroso. De hecho, nuestro trabajo se basa en la detección y análisis de la expresión de genes que son mucho tiempo que se sabe que fisiológicamente expresado, así como esencial para la biología de las células de la próstata. Por ejemplo, poliaminas alifáticas se producen a niveles muy altos por las células epiteliales de la próstata y luego se libera en el líquido de próstata en cantidades mM [31] - [33], aunque el papel preciso de estos compuestos aún se desconoce. La detección de poliaminas en la orina ya se intentó hace mucho tiempo para el diagnóstico de CaP [34].

Para lograr una detección fiable de nuestra firma genética en muestras de tejido de cáncer y para poner en práctica el uso práctico que tuvimos que hacer frente a varios técnicos cuestiones. En ausencia de cualquier herramienta o instrumento específico dedicado, el desarrollo de un procedimiento de "sandwich" era necesaria para la obtención de los datos morfológicos y moleculares de las mismas muestras de tejido (Figura 1).

El análisis estadístico

en publicaciones anteriores, trabajando tanto con animales [14] y [3], [4] modelos de gorras hemos demostrado cambios estrictamente relacionadas con el hombre en la expresión de todos los genes estudiados. Sin embargo, el análisis RESTO mostró que la expresión relativa de los genes, además de 7 CLU no alcanzó significación estadística en la malignidad. Esto fue de alguna manera inesperada. La dificultad de llevar a cabo un enfoque molecular para el diagnóstico de CaP en el entorno clínico real es evidente. Pero este resultado se explica por el hecho de que la expresión de genes de poliamina son conocidos a caracterizarse por una alta variación individual en las muestras de tejido analizadas. Sin embargo, esto no pone en peligro nuestro análisis, porque la clasificación molecular de muestras de tejido que aquí se presenta tiene en cuenta toda la firma de genes, la detección de una diferencia significativa en la totalidad del perfil de expresión génica independientemente de las variaciones individuales. El resultado final es que el patrón integrado de expresión es significativamente diferente en CaP frente a los controles benignos. Este nuevo enfoque ha tenido éxito utilizando el clasificador NN, un método estadístico conocido para llevar a cabo bien específicamente para la clasificación del cáncer incluso en comparación con otros métodos sofisticados [35], [36]. NN es un método no paramétrico que pertenece a la clase de los clasificadores "robustas" [37]. NN es bien conocido para hacer una buena actuación en el límite entre las dos clases para ser discriminado no está clara desde el punto de vista geométrico. Esta condición ocurre a menudo en los estudios clínicos en los que las variaciones individuales pueden ser mucho más altos en comparación con las muestras de laboratorio obtenidos a partir de
in vitro
experimentos, proporcionando límites "fuzzy" que podrían resultar de perfiles de expresión génica complejas. NN no es prácticamente sensible muestreo limitado de las clases ser discriminado debido a la cantidad muy limitada de los parámetros (es decir, la elección de la función de distancia y el número de vecinos). Sin embargo, NN hace muy buenas actuaciones de clasificación también en comparación con otros clasificadores conocidos multiparamétricos como redes neuronales o máquinas de vectores soporte, métodos que permitan alcanzar un rendimiento óptimo sólo cuando grandes conjuntos de datos están disponibles.

Hasta la fecha, el mejor enfoque para alcanzar una evaluación final en el rendimiento de hasta un "robusto" clasificador estadístico como NN es reutilizar los datos recogidos tanto para la formación y la validación del clasificador elegido: este procedimiento se conoce comúnmente validación cruzada (así se describe en muchos " "libros clásicos de estadística [37]). En la validación cruzada de N veces, el conjunto de datos se divide aleatoriamente en N partes y cada parte se utiliza como un conjunto de validación utilizando el otro como conjunto de entrenamiento. Bajo estas condiciones de trabajo del clasificador rendimiento varía para cada realización aleatoria. Hemos aplicado este procedimiento tanto con un 5 veces (no mostrado) y una validación cruzada 10 veces, y se obtuvieron rendimientos similares. Debido a las consideraciones anteriores, el resultado obtenido por NN + 10 veces procedimiento de validación cruzada se puede considerar como muy fiable incluso con un conjunto de datos de pequeño tamaño. El mismo enfoque estadístico se ha utilizado ya para analizar y validar las firmas de expresión génica en la investigación del cáncer [38], [39].

En estas condiciones, la mejor clasificación de rendimiento se obtuvo con un modelo de 7-gen (
H3
,
GAS1
,
SSAT
,
CLU
,
AdoMetDC
,
OAZ
y
ODC
). La concordancia entre la clasificación patológica molecular y final tenía una precisión (80 ± 5)% con una sensibilidad de (81 ± 6)% y una especificidad del (78 ± 7)%. Este resultado demuestra que el diagnóstico de la NAC por los datos moleculares por sí solo es factible

La firma genética detecta muy pocas células cancerosas:. El efecto del campo del cáncer

En particular, nuestro método mostró una sensibilidad muy alta de trabajo en una colección de muestras de tejido de CaP en los que una porción significativa del total, a saber, 7/31, se consideró que CaP sobre la base de tener sólo el 5% de las células cancerosas. Esto representa sólo 1 mg de tejido de cáncer presentes en un total de 20 mg. Una consecuencia lógica de este resultado es que los eventos moleculares detectados en el tejido pre-malignas o en los tejidos adyacentes al cáncer han proporcionado información de diagnóstico, apoyando la hipótesis de que un enfoque molecular para el diagnóstico de CaP sería una herramienta más sensible y potente que el examen morfológico. Este resultado es consistente con el "efecto de campo del cáncer", como recientemente la hipótesis. De acuerdo con esta idea, las células transformadas se extienden más allá del tumor morfológicamente evidente. Estos eventos podrían preceder el desarrollo de malignidad, ya que el tejido de la próstata aparentemente normal puede sufrir cambios genéticos en respuesta a, o en espera de, cáncer morfológica [40]. Recientemente, se han descubierto efectos de campo sobre la base de eventos epigenéticos [41], alteraciones de la matriz nuclear [42], la inmunorreactividad del receptor de andrógenos en el estroma que rodea la lesión del cáncer [43]. El uso de microarrays de ADN, otra confirmación obtenidos por un estudio en el que se compararon los perfiles de expresión de cáncer de próstata primario, el tejido normal adyacente y el tejido normal de los donantes libres de tumor [44]. Este escenario reforzar el requisito de marcadores biológicos moleculares objetivas del fenotipo agresivo para resolver incertidumbres con respecto a la identificación de las lesiones precursoras que son más propensos a desarrollar cáncer de próstata invasivo y metastásico. La explicación más probable de errores de clasificación entre los datos moleculares y morfológicos obtenidos en nuestro estudio es que los cambios moleculares muy tempranas pueden preceder a la alteración de la morfología, y por lo tanto estas condiciones no se superpondrán (o estar asociados a) la respuesta patológica. Los cambios moleculares anteriores cambios en el fenotipo serían detectados por el método molecular para el diagnóstico, el aumento de su sensibilidad y explicar por qué 7 muestras (Tabla 1, negrita) fueron vistos como cáncer por el método de firma de genes, mientras que la clasificación patológica era benigno. En este sentido, una mayor sensibilidad del método resultaría en la reducción del número de muestras que deben tomarse, con una clara ventaja para el paciente. Se sabe que la sensibilidad de la biopsia es un problema potencial, que explica por qué biopsias de saturación tienen que ser tomadas de pacientes. El procedimiento de saturar la próstata con biopsias según el volumen para mantener una densidad constante de sondeo fue desarrollado con el fin de mejorar la tasa de detección de CaP, y las biopsias de próstata son más y más a menudo se convierten biopsias de saturación [45]. La biopsia de saturación puede ser considerada para pacientes con riesgo de cáncer que están dispuestos a aceptar los efectos secundarios, pero se sabe que los cánceres clínicamente insignificantes pueden ser detectados [46].

Por otro lado, el mismo razonamiento se podría también explicará el resultado opuesto. De hecho, la relación entre las lesiones morfológicas (es decir, HG-PIN) y la tapa clínica es todavía un tema de debate [47], [48]. También PIN representa un "efecto de campo" con un potencial de progresión del cáncer, pero puede ser que no participan directamente en o puede no conducir al desarrollo de cáncer de próstata invasivo [49]. Por lo tanto podríamos formular la hipótesis de que ciertos cambios en la morfología podrían no estar asociados obligatoria para la transformación de células clínicamente relevante. Por lo tanto, las muestras clasificadas como benignas por la herramienta molecular, pero el cáncer no por el patólogo, debido a la morfología alterada (5/31, Tabla 1, cursiva y negrita), en realidad podría ser diferentes entidades morfológicas o lesiones clínicamente indolentes, regresión, posiblemente debido a que experimenta rodeado reaccionar tejido. Si es así, este material no sería significativa desde el punto de vista clínico, pero claramente distinguible en una base molecular de la enfermedad agresiva, aunque no tenemos pruebas definitivas de esta en el momento.

clusterina y cáncer de próstata


CLU
fue clonado, secuenciado e identificado como el principal gen en marcha regulada durante la inducción masiva de la apoptosis y la regresión de la próstata causada por el agotamiento de andrógenos [7] o la administración de Finasteride [50] y la vitamina D análogos [51], [52]. La forma glicosilada, extracelular de CLU se produce a gran nivel basal de células de la próstata y se secreta en el líquido de la próstata, a pesar de su posible papel en la reproducción todavía es desconcertante los investigadores [53].

Los autores han propuesto que podría CLU se sobre-expresan en las células supervivientes apoptosis, y no en las células condenados a morir. Por lo tanto, un papel citoprotector para CLU se ha propuesto [54]. El debate sobre esta cuestión es todavía muy abierto. Se ha demostrado recientemente que las diferentes formas de proteína pueden ser originados a partir del mismo gen por Still mecanismos desconocidos [8]. TGF-beta y tratamiento con rayos X inducen una forma truncada de CLU que se localiza en el núcleo [55] - [58]. Se cree que las diferentes formas de CLU tienen diferentes funciones en las células humanas [8], también en función de su localización sub-celular. La información estructural con respecto a tales formas de proteína son todavía escasos. Los datos relativos a la posible implicación de
CLU
en la transformación y el crecimiento tumoral aún no están claros o contradictorios en la literatura.

El análisis demostró reposo relativo de expresión (datos no mostrados) que la baja regulación de
CLU
en cáncer de próstata especímenes es estadísticamente significativa (p = 0,023). Esto es consistente con nuestros resultados anteriores [3], [13]. Aunque la cuestión concreta de si CLU es hacia arriba o hacia abajo reguladas en cáncer de próstata sigue siendo controvertida [3], [13], [15], [59] - [61], datos de confirmación que apoyan nuestra hipótesis de que el CLU no sólo es hacia abajo -regulated en cáncer de próstata, sino también en la mayoría de los cánceres, se pueden recuperar fácilmente del sitio web Oncomine que recoge datos de más de 20.000 experimentos de microarrays independientes (http://www.oncomine.org). Hemos sugerido anteriormente que los CLU podría ser un potencial gen supresor de tumores [51] a través de su forma nuclear nCLU [57], [63], [64].

valor pronóstico potencial del método

Hemos determinado anteriormente que nuestros genes informativos tienen valor pronóstico [3], [4]. Se sabe que la puntuación de Gleason es el mejor predictor de la tapa pronóstico [65], pero la predicción de resultados en el rango de 6-7 puntuación, que comprende la mayor parte de los casos clínicos, no es satisfactoria [65]. Tuvimos 28/41 de los pacientes en estas condiciones en nuestra bio-banco (Tabla 1). Desafortunadamente este análisis, como se ha hecho antes [4], requiere datos de los resultados definitivos sobre toda la cohorte de pacientes, y por lo tanto será necesario un mínimo de un estudio de seguimiento de 5 años como se ha hecho anteriormente [4]. Nos alienta fuertemente a perseguir esta posibilidad porque nuestros genes informativos se han encontrado ya un valor pronóstico no sólo en cáncer de próstata humana [4], sino también en el modelo TRAMP ratones. Estos animales fueron tratados con verde catequinas del té (GTC) para la inhibición de la progresión del CaP [19]. En este modelo experimental, la firma gen era capaz de discriminar eficientemente muestras de tejido de CaP de ratones TRAMP que responden al tratamiento GTCs de las que no responden, por lo tanto, lo que sugiere que el comportamiento biológico de CaP puede ser con éxito investigado también en los seres humanos por el mismo enfoque.

En la Tabla 2 se muestra también que la combinación de genes (7
H3
,
GAS1
,
H3
,
SSAT
,
CLU
,
AdoMetDC
,
OAZ
,
ODC
) clasifica correctamente el 84% de los especímenes de cáncer con respecto a la edad del paciente, el 71% con respecto a RP puntuación de Gleason y el 42% con respecto a PSA. La clasificación errónea con respecto a PSA en realidad estaba previsto, debido a PSA no es un tumor de próstata, pero, más bien, un marcador específico del tejido prostático. Como cuestión de hecho, también los valores de corte de PSA y las tasas de detección de CaP siguen siendo una cuestión de debate [1]. En su lugar, nos dieron una muy buena actuación en la clasificación de edad y la puntuación de Gleason, ambos ampliamente utilizados para el manejo clínico de los pacientes, con una puntuación de Gleason es el mejor predictor [65]. También estos resultados sugieren fuertemente que nuestro enfoque está detectando importantes eventos biológicos que ocurren durante la transformación de células de la próstata y la progresión del cáncer.

Por todo lo anterior será fundamental para continuar este estudio mediante la recopilación de los datos de seguimiento clínico, con una

El conocimiento de la salud

16 Consejos para la vida diaria con el cáncer.

16 Consejos para la vida diaria con el cáncer. El diagnós

Los hospitales de cáncer en Las Vegas

Para saber los mejores hospitales del Cáncer, Instituto del

Enfermedades de sentido común

Enfermedad del corazón | Enfermedades artículos | Enfermedad pulmonar | las preguntas más frecuentes de salud | Salud mental | Diabetes | El sentido común de la Salud | Enfermedades comunes | senior Health | Primeros auxilios
Derechos de autor © Crónica enfermedad[www.enfermedad.cc]