Extracto
Immunosignaturing se muestra prometedor como un enfoque general para el diagnóstico. Se ha demostrado para detectar signos inmunológicos de infección temprana durante el curso de la enfermedad y para distinguir la enfermedad de Alzheimer de los controles sanos. Aquí probamos si immunosignatures corresponden a las clasificaciones clínicas de la enfermedad utilizando muestras de personas con tumores cerebrales. Las muestras de sangre de pacientes sometidos a craneotomía para los tumores cerebrales terapéuticamente ingenuos con diagnóstico de astrocitoma (23 muestras),
El glioblastoma multiforme gratis (22 muestras), oligodendroglioma mixta /astrocitoma (16 muestras), los oligodendrogliomas (18 muestras), y 34 de lo contrario los controles sanos fueron probados por immunosignature. Debido a que las muestras se tomaron antes de la terapia adyuvante, es poco probable que ser perturbado por no relacionados con el cáncer afecta. La plataforma immunosignaturing distingue no sólo el cáncer de cerebro de los controles, sino también características patológicamente importantes sobre el tumor, incluyendo el tipo, grado y la presencia o ausencia de O
6-metil-guanina-promotor de ADN metiltransferasa metilación (MGMT), un importante biomarcador que predice la respuesta a la temozolomida en
El glioblastoma multiformae
pacientes
Visto:. Hughes AK, Cichacz Z, Scheck a, Coons SW, Johnston SA, Stafford P (2012) Immunosignaturing puede detectar los productos de Los marcadores moleculares en el cáncer de cerebro. PLoS ONE 7 (7): e40201. doi: 10.1371 /journal.pone.0040201
Editor: T. Ernesto Marques, Universidad de Pittsburgh, Estados Unidos de América
Recibido: 15 Febrero, 2012; Aceptado: 6 Junio 2012; Publicado: July 16, 2012
Derechos de Autor © 2012 Hughes 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:. Los fondos provienen desde el inicio hasta SAJ del Estado de Arizona. 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
La identificación de biomarcadores para la detección presintomática de la enfermedad y la clasificación de los estados de enfermedad existente podría proporcionar un complemento rápido y barato para el diagnóstico patológico estándar. Los investigadores continúan la búsqueda de biomarcadores de proteínas por vía sanguínea (s) para la detección de cáncer, pero la sensibilidad sigue siendo obstinadamente baja [1], [2]. la vigilancia inmune, sin embargo, se produce de forma continua y es muy sensible a los cambios de los perfiles de antígeno [3], [4], [5], [6], [7]. Se ha demostrado que las células cancerosas producen una respuesta inmune humoral detectable [6], [7]. Los anticuerpos hacer excelentes biomarcadores porque son estables en suero, tienen una alta especificidad y afinidad a su antígeno cognado, son abundantes, y permitir estudios retrospectivos. Una célula B activada puede producir anticuerpos 5000-20,000 por minuto [8], [9], mientras que la replicación de cada ~ 70 h [10] con una vida útil de hasta 4 meses y medio [11], [12], lo que lleva a & gt; 10
11 amplificación de una señal específica por semana. biomarcadores basados en anticuerpos evitan el problema de dilución visto con biomarcadores proteómicos [13], [14] y en no sólo son muy abundantes pero pueden ser capturados físicamente en nano y afinidades picomolares. Además, los anticuerpos purificados son estables, lo que permite muestras de archivo que se utilizará para las pruebas donde ARN o proteínas pueden haber degradado [15]. El principal impedimento para el uso de anticuerpos como biomarcadores ha sido nuestra incapacidad para deconvoluir la información contenida en los anticuerpos densa, tal como existen en un medio complejo [16]. Hay & gt; 10
9 especificidades separadas en la sangre de un adulto promedio, más puede ser examinado individualmente. Los anticuerpos de cáncer de huellas dactilares ha trabajado en el pasado [17], [18] pero esto ha sido una tarea onerosa. Introdujimos immunosignaturing como un enfoque sencillo y muy barato para el diagnóstico. Aquí nos ocupamos de si immunosignatures se correlacionan con las clasificaciones biológicas o clínicas.
Las células cancerosas pueden provocar la producción de anticuerpos contra antígenos propios o en contra de los neo-antígenos [3], [18], [19], [20 ], [21], [22], [23], [24]. No tenemos ninguna
a priori
manera de determinar exactamente lo que el perfil de antígenos será presentado por una célula de cáncer (aunque el análisis de las bibliotecas EST puede sugerir candidatos). Por lo tanto, la creación de un microarray epítopo o proteína capaz de detectar antígenos específicos de cáncer sería difícil. Aunque de presentación en fagos se ha demostrado que la detección de anticuerpos específicos para el cáncer [17], [18], [25], por una serie de razones técnicas y prácticas paneo no es susceptible como herramienta de diagnóstico. Hemos creado un microarray de un solo uso, compuesto de 10.000 diferentes péptidos de secuencia aleatoria. Utilizamos péptidos 20mer que incorporan todos los aminoácidos posibles, excepto cisteína que utilizamos como un ligador. Estos 20mers pueden contener al menos 7 epítopos típica de tamaño. presentación de fagos y epítopo microarrays tienden a utilizar péptidos más cortos para evitar la diafonía y mantener la especificidad; en nuestro caso, los péptidos más largos permiten extender la complejidad de nuestro microarrays que tiene relativamente pocas características. Además, las matrices exhiben extremadamente alta reproducibilidad de modo que incluso pequeñas diferencias en la unión entre el anticuerpo y el péptido pueden ser significativos. Los péptidos se imprimen a muy alta densidad, una consideración importante cuando se usan péptidos aleatorios para detectar anticuerpos que se unen a micromolar o incluso afinidades milimolar [26]. La densidad de estos péptidos de secuencia aleatoria en la superficie de la micromatriz crea una avidez similar afecta donde la velocidad de apagado es más lento en varios órdenes de magnitud, la mejora de las interacciones débiles pero reproducibles entre el anticuerpo y el péptido. Los patrones se hacen detectables, y de modo reproducible, que son sub-clasificación de las enfermedades es factible. A pesar de que la matriz tiene una efectiva muchos-a-muchos relación entre el anticuerpo y el péptido, los patrones producidos son de ninguna manera monótona; de hecho, son bastante distinguible de una enfermedad a otra. Por lo tanto, el 'immunosignature' se define como el patrón común de unión que es compartida por los pacientes con una enfermedad determinada, pero no con otra enfermedad o con los controles sanos [27], [28], [29], [30].
Nos preguntamos si los anticuerpos dirigidos contra las células cancerosas podrían estar relacionados con, o servir como sustituto de, clínicamente útiles biomarcadores de la enfermedad. Para responder a la pregunta, nos centramos en los tumores cerebrales malignos. Aunque la incidencia de cáncer de cerebro es relativamente bajo en comparación con otros tipos de cáncer como el de mama y de pulmón,
El glioblastoma multiformae gratis (GBM) es uno de los tumores más agresivos y mortales con picos de incidencia en ambas poblaciones más jóvenes y mayores [31 ], [32]. Los tumores cerebrales malignos más comunes son los astrocitomas, que consiste en el grado IV (GBM) de grado II, grado III (anaplásico) y. Los tumores malignos también pueden surgir de los oligodendrocitos y se consideran los oligodendrogliomas de bajo grado (grado II) y oligodendroglioma anaplásico (grado III). También hay oligoastrocitomas mixtos (de bajo grado y anaplásico). Menigiomas surgen de las células aracnoideas que cubren el cerebro y suelen ser benignos, pero pueden reaparecer. Un pequeño porcentaje de éstos puede progresar a grados superiores que son más invasivos. De hecho, los pacientes con cualquiera de los tipos de tumores mencionados pueden presentar con un tumor de alto grado inicialmente, o pueden progresar con el tiempo. Si bien el diagnóstico de algunos de estos tumores puede ser relativamente sencillo, tal no es siempre el caso [33], [34]. Neuropatólogos se enfrentan con el reto de hacer llamadas consistentes - un panel de biomarcadores no subjetivo que puede distinguir entre estos diferentes tipos y grados de los tumores cerebrales sería muy útil en la eliminación de varianza-laboratorio a laboratorio. En este trabajo se presentan datos que ilustra el rendimiento de nuestra plataforma immunosignaturing para identificar una variedad de tipos de tumores cerebrales y subtipos.
Resultados
Immunosignaturing GBM puede distinguir de otras enfermedades
resultados previamente publicados de nuestro laboratorio [26], [28], [29], [30] han demostrado firmas para la enfermedad de Alzheimer, enfermedad infecciosa, anticuerpos monoclonales y policlonales. En primer lugar, hemos probado la hipótesis de que una respuesta autoinmune se produce en los pacientes que sufren de cáncer cerebral. Con el fin de hacer esto, expusimos el suero de pacientes con GBM 5 seleccionados al azar de nuestra cohorte de pacientes y 3 controles emparejados por edad sanos seleccionados al azar, a ProtoArray® de Life Technologies. Después de controlar por la tasa de falso descubrimiento, no se observó reactividad significativa con ninguna proteína en la ProtoArray, ya sea para los controles sanos o los pacientes con cáncer. Teniendo en cuenta esto, nos preguntamos si el cáncer fue detectable en absoluto en nuestra microarrays de péptidos, y si los diferentes tipos de cáncer producido distintos patrones de unión. De hecho, el cáncer y las enfermedades infecciosas tanto producen un patrón reproducible; La Figura 1 muestra los 100 péptidos más significativos seleccionados usando ANOVA de 1 vía con p & lt; 1,06 × 10
-13 a través de 28 pacientes con cáncer de mama, 19 controles sanos, 10 pacientes con GBM, y 9 pacientes con diseminada
Coccidioides immitis
(Fiebre del Valle). Las clases de la enfermedad eran perceptibles simultáneamente con 0% de permiso un out de error de validación cruzada utilizando tanto el análisis discriminante lineal y la máquina de vectores de soporte al clasificar estos pacientes. Llegamos a la conclusión de que las muestras de cáncer cerebral GBM tienen patrones immunosignature distinguibles de otras enfermedades.
El mapa de calor que aquí se presenta distingue 4 enfermedades diferentes utilizando 70 péptidos identificados como los más significativos utilizando un ANOVA de 1 vía a través de las pacientes con cáncer de mama 27 , 19 controles sanos, 10
glioblastoma multiformae
pacientes, y 9 pacientes con fiebre del valle. Exactitud en la clasificación fue del 100% utilizando tanto el análisis discriminante lineal y máquinas de vectores soporte y dejar un out validación cruzada.
Immunosignature era reproducible a través de diferentes conjuntos de muestras ya través del tiempo
En el año 2007, muestras de 13 pacientes con GBM y 45 voluntarios sanos de control se llevaron a cabo como una prueba de experimento director. En 2010, 14 pacientes con GBM diferentes y 13 controles sanos diferentes se llevaron a cabo en el microarray péptido immunosignature. En el intervalo de 3 años, se llevaron a cabo muchos cambios en la química de impresión y la superficie de deslizamiento, por lo que la reproducibilidad-péptido-péptido a mejoró de un coeficiente medio de variación por conjunto de & gt; 50% a & lt; 15%. Anteriormente hemos utilizado las casas en las diapositivas de aminosilano recubiertos y un Nanoprint 60 con los pernos SMP2 TeleChem ponerse en contacto con los péptidos de impresión en un diseño 1 por cara. Actualmente grabados piezoeléctricos microarrays se aplica (Tempe, AZ) péptidos en portaobjetos recubiertos con aminosilano-Schott (Jena, Alemania) Nexterion A + utilizando deposición piezoeléctrico para imprimir 10.000 péptidos en un diseño 2-up [26]. Sin embargo, incluso con estas transformaciones, y el uso de nuevas muestras, muchos de los péptidos a partir de 2007 tuvieron un rendimiento clasificación similar
Hemos encontrado 55 péptidos con una prueba t p-valor. & Lt; 1 × 10
- 6 entre 45 controles y 13 pacientes con GBM (Figura 2, izquierda). Repetimos el experimento con pacientes con GBM 14 y 13 de control de 3 años más tarde con las mismas secuencias de péptidos (Figura 2 derecha) y ha encontrado los nuevos muestras tenían 0% de error de clasificación utilizando tanto LDA y SVM. Una agrupación de k-medias se realizó en los péptidos con k = 3 y se encontró que los péptidos que forman el cluster cian (de alta unión en GBM, la baja en los controles) fueron los mismos tanto para las muestras de 2007 y 2010.
el mapa de calor de la izquierda muestra 50 péptidos que diferenciaban a los pacientes de glioblastoma de personas sanas obtenidas a partir de 4 ubicaciones geográficas diferentes a través de los EE.UU. (Fred Hutchison Institute, Universidad de Washington, la Universidad de California, Irvine, Universidad del Estado de Arizona). Estos péptidos también se utilizaron para clasificar los diferentes muestras consistentes en paciente ciego y sueros sana obtenida del Instituto Barrow Neurological 3 años más tarde. Las barras de color de la derecha indican grupos que definen los grupos de péptidos. Aunque existen diferencias entre los valores obtenidos en 2007 y 2010, la mayoría de los péptidos de alta unión son muy similares.
Immunosignaturing pueden distinguir diferentes patologías tumor cerebral y Molecular subtipos
Por último , nos preguntamos si la patología del tumor cerebral producido un immunosignature distinguibles. Se analizaron la sangre de pacientes que figuran en la Tabla 1.
metilación del promotor metiltransferasa O-6-metilguanina-ADN se ha demostrado ser un estratificador importante para GBM. Los pacientes con este subtipo molecular han mejorado la supervivencia, en particular cuando el tratamiento incluye temozolomida [38], [39], [40]. El pensamiento actual es que la mejora de la supervivencia no se debe únicamente a este gen, pero que la metilación del promotor de este gen puede ser un marcador para un fenotipo pleiotrópico metilación más.
Las muestras de los pacientes se realizaron por duplicado en nuestro dos hasta micoarrays. Una técnica de reproducir se ha ejecutado en la matriz superior de una diapositiva y la parte inferior de otro para asegurar que no sesgo parte superior /inferior. Las matrices immunosignaturing proporcionan un límite de detección mínimo de 1,25 veces en la 95
percentil través de 2 repeticiones técnica en promedio. Las matrices demostraron una de Pearson coeficiente de correlación & gt; 0,97 a través de repeticiones técnicas de desliza dentro del mismo lote de impresión, y & gt; 0,91 en todos los lotes de impresión. El análisis utiliza las señales de la mediana de no antecedentes resta tomadas directamente desde el archivo GPR (informe Genepix). sustracción de fondo no se utiliza debido a los antecedentes y aún muy baja. el poder de clasificación péptido se calcula utilizando el análisis de potencia estándar en R [41] (comando 'power.t.test'). Para los propósitos de entrenamiento de prueba, nos dividimos las muestras al azar, 50:50 1000 veces y se calcula la precisión resultante. Para la selección de características que utilizamos ya sea t-test o ANOVA con múltiples pruebas de corrección apropiado. 100 péptidos cuyos valores p oscilado entre 10
-27 a la 10
-18 fueron utilizados en el mapa de calor se ve en la Figura 3.
Arriba: seis clases diferentes de pacientes con tumores cerebrales fueron probados por su immunosignature . Examinamos
El glioblastoma multiformae gratis (MGMT- es de color marrón, MGMT + es de color púrpura), astrocitoma de grado II (rojo), los oligodendrogliomas (cian) y se mezcló oligo /astro (azul) contra los controles sanos (de color amarillo). Se utilizó un ANOVA de 1 vía para seleccionar los 100 péptidos más significativos, p & lt; 10
-18. Alta señales de baja (azul) (rojo) y corresponden a los anticuerpos de pacientes detectados con un secundario marcado de manera fluorescente anti-humano. Los datos se agrupan usando la agrupación jerárquica en ambos péptidos (eje Y) y los pacientes (eje X). Abajo a la derecha: los componentes principales de visualización de la separación entre muestras. ejes X e Y representan los dos primeros componentes principales que constituyen el 64% de la varianza total en las muestras. La información del paciente se encuentra en la Tabla 1.
Como es evidente en la Figura 3a, cada una de las clasificaciones clínicas de cáncer de cerebro produce un patrón distinguible, incluyendo las muestras de MGMT + y MGMT-. Un diagrama de componentes principales (Figura 3b) muestra las diferencias relativas entre las muestras individuales, y el análisis discriminante lineal con licencia-un-out validación cruzada (Tabla 1), establece la clasificación de rendimiento y error. Sólo los controles astrocitoma vs. producen errores de clasificación de las muestras analizadas. Se realizó la prueba de entrenamiento utilizando LDA y dejar un out validación cruzada mediante el fraccionamiento de las muestras de cáncer de manera uniforme y de control en conjuntos de entrenamiento de prueba. Hicimos este 1000 veces y se obtuvo 0% de error para todas las comparaciones por pares excepto astrocitoma frente al control, donde se obtuvo una tasa de error promedio de 4,7%. Reportamos un error del 7% en la Tabla 1, que se corresponde con una única iteración de entrenamiento de prueba seleccionada al azar. Tuvimos error de clasificación 0% entre GBM MGMT + vs. controles y frente a los controles MGMT-; que también tenía un error de clasificación 0% entre los pacientes y MGMT + MGMT- GBM. Llegamos a la conclusión de que los immunosignatures de las clasificaciones clínicas son distintas.
Discusión
En primer lugar, demostró que la immunosignature de GBM era distinta de la de cáncer de mama y la infección por fiebre del valle. También puso de manifiesto que la firma GBM se mantuvo relativamente estable, incluso durante varias iteraciones de la plataforma de microarrays. Por último se analizó un gran número de pacientes con las patologías más comunes de cáncer cerebral y encontramos diferencias notables entre ellos immunosignature. Sorprendentemente, los pacientes incluso GBM con diferencias en O
6-metil-guanina-DNA metiltransferasa estado de metilación (MGMT) mostraron una firma inmune medible y común, lo suficiente para clasificar el estado MGMT con el error de validación cruzada 0%.
una preocupación inicial para la utilidad de immunosignaturing era que la respuesta inflamatoria a cualquier enfermedad sería amortiguar especificidad para una enfermedad. Como se muestra en nuestra comparación entre GBM, cáncer de mama y la fiebre del Valle, enfermedad firmas específicas son evidentes. Una preocupación técnica es la estabilidad de la plataforma de microarrays. Como se muestra en la Figura 2, los péptidos GMB-distintivos eran evidentes incluso en arrays impresos 3 años de separación, con el envejecimiento (y presumiblemente degradantes) las existencias de péptidos solubilizados. Sin embargo, hemos mejorado la plataforma en los años intermedios mediante el establecimiento de técnicas de impresión sin contacto (microarrays se aplica, Tempe, AZ), lotes de impresión más grandes (136 diapositivas por lotes), y la automatización del procesamiento de la muestra (SA 4800 estación de hibridación Pro, Tecan, Männedorf, Suiza).
se muestran por primera vez que un estado patológico, la definición de origen o desarrollo celular del tumor, se puede reflejar en el immunosignature (Figura 3a, 3b y en la Tabla 1). Para nuestra sorpresa, un único marcador molecular, estado de metilación de MGMT, tiene un efecto tan profundo en el sistema inmunológico que el immunosignature es distinto. Por supuesto, MGMT metilación del promotor puede ser bastante pleotropic y podría marcar cambios adicionales en la célula causando múltiples objetivos para ser presentados al sistema inmune. No descartamos la posibilidad de que las diferencias que vemos en las firmas inmunes se deben a esos múltiples proteínas de ser activado por un único promotor. Teniendo en cuenta que el estado MGMT es relevante para la respuesta y el resultado temazolamide, immunosignatures podrían conducir a una utilidad de diagnóstico no invasivo para el cáncer de cerebro.
En resumen, hemos demostrado que immunosignaturing de cáncer cerebral refleja distinciones patológicos. A pesar de que el cerebro es inmunológicamente privilegiado, los cánceres aparentemente pueden atravesar la barrera hematoencefálica y estimulan una amplia respuesta humoral. Es importante tener en cuenta que los péptidos utilizados en estos microarrays son completamente aleatorios. Pueden ser utilizados para el análisis de cualquier enfermedad en cualquier especie; que son
No
específico para el cáncer de cerebro y fueron
No
ha preseleccionado en modo alguno. Ya sea immunosignaturing tendría usos de diagnóstico o pronóstico para el cáncer de cerebro no es respondida por este estudio, pero la tecnología es atractiva por su simplicidad y bajo costo y tiene una alta sensibilidad a los cambios en los anticuerpos circulantes. El cáncer del cerebro ha impuesto enormes obstáculos que impiden la detección, seguimiento y tratamiento. Creemos que esta tecnología proporciona un nuevo método para superar muchos de estos obstáculos.
Materiales y Métodos
Muestras
Se recogió sangre de los pacientes sometidos a craneotomía para la resección de primaria, tumores cerebrales de terapia antirretroviral previo en virtud del IRB#10BN171 en Barrow Neurological Institute, Phoenix, AZ. Las muestras se congelaron a -20 ° C de 1 a 7 años antes de su uso. La sangre se centrifugó 100000 × g durante 30 min para sedimentar los restos celulares y plasma hemolizada se transfirió a un nuevo tubo y se congeló a -20 ° C. voluntarios sanos de aproximadamente la misma edad y composición macho-hembra como la cohorte de cáncer de la sangre donada que estaba congelado de una manera similar. También se obtuvieron muestras de pacientes con diagnóstico de cáncer de mama y la fiebre del valle. Tabla 1 muestra el número y tipo de muestras utilizadas en este análisis. MGMT análisis de la metilación del promotor del tejido tumoral GBM se realizó mediante reacción en cadena de la polimerasa (PCR), análisis de ADN con bisulfito modificado como se describe [42]
Protoarray Plataforma:. La presencia de autoanticuerpos
Nos seleccionaron 5
El glioblastoma multiformae
pacientes y 3 controles sanos emparejados por edad de nuestra cohorte de muestras de suero. Seguimos el protocolo de Life Technologies para la detección de autoanticuerpos exactamente como está escrito. Utilizamos Novagen Biológicos (San Diego, CA) biotinilado anti-humano secundaria a la concentración sugerida y Life Technologies 'AlexaFluor 647-estreptavidina como la terciaria detectar. Las láminas fueron escaneados en el escáner de un Agilent 'C', el 100% de potencia del láser, el 80% de PMT en 10um resolución. Los portaobjetos se alinea con el archivo appropriate.gal, y se convierte en valores utilizando Molecular Devices '(Santa Clara, CA) GenePix Pro 6.0. Todos los controles que se suministran con las matrices trabajaron como se esperaba; datos se analizaron en (Palo Alto, CA) de Agilent GeneSpring 7.3.1 usando FWER = 5%. No hay proteínas en las matrices cumplen los criterios de falsos descubrimiento de significación entre sanos vs pacientes con cáncer.
Immunosignature plataforma
La tecnología immunosignaturing se ha descrito en otra parte [26], [27], [28 ], [29], [30], [35], [36], [37], [43]. Brevemente, se añadió una dilución 1:500 de plasma a un tampón de incubación que consta de 5% de BSA, 0,1% de Tween 20 en 1X PBS pH 7,2. Esta mezcla se incubó en los microarrays immunosignaturing (obtenido de www.peptidemicroarraycore.com) a 37 ° C durante 1 hora con agitación en un 4,800 estación Tecan Pro hibridación (Tecan, Salzburg, Austria), se secó en atmósfera de nitrógeno de grado molecular, y escaneado en escáner Agilent una "C" en la potencia del láser 70%, 20% PMT en 10um resolución, el modo de un solo color. imágenes de microarrays de 16 bits se convierten en valores utilizando GenePix Pro 6.0 (Molecular Devices, Santa Clara, CA) para producir un archivo gpr. Los datos se analizaron con GeneSpring 7.3.1 (Agilent, Santa Clara, CA). Coeficiente de Correlación de Pearson a través de estas muestras promedió & gt; 0,92. Las muestras con coeficientes de correlación a través de repeticiones técnicos. & Lt; 0,85 se volvieron a ejecutar
Análisis Informático
El preprocesamiento de los datos de microarrays consistieron mediana de normalización por diapositiva y log
10 transformación. Las pruebas se Welsh-corregir y ajustar el sesgo de la prueba múltiple mediante el uso de un FWER (Familia-Wise Error Rate) de 5%; ANOVA mismo. Los péptidos se analizaron mediante pruebas de la hipótesis de que había diferencias en la intensidad de todo el cáncer de cerebro u otros cohortes de enfermedades y pacientes de control, como resultado de la estado de la enfermedad. Péptidos que cumplían estos criterios se han usado las "características" para la clasificación. Análisis clasificación utilizada discriminante lineal (LDA) con licencia de uno de las cruzadas a cabo la validación. Máquinas de Vectores Soporte (SVM) con una orden de producto escalar polinómica de 1 y 0 factor de escala se utilizó en diagonal con las características iniciales para asegurar que el rendimiento de clasificación no se debió al clasificador. SVM produce errores de clasificación a menos de 3% de LDA. Una característica curva (ROC) Receptor Operador se creó y se calculó el área bajo la curva ROC (curva ROC) (Tabla 1).
Reconocimientos
Agradecemos a Adrienne Scheck y el Instituto Neurológico Barrow de el hospital de San José de las muestras de suero.