Extracto
La separación indolente de cáncer de próstata agresivo es un importante reto clínico para la identificación de pacientes que pueden beneficiarse de la vigilancia activa, lo que reduce el riesgo de sobretratamiento. El propósito de este estudio fue evaluar la agresividad del cáncer de próstata en un perfil metabólico del tejido prostatectomía y la identificación de metabolitos específicos como biomarcadores para la agresividad. muestras de tejido de la próstata (n = 158, 48 pacientes) con un alto contenido de cáncer (media: 61,8%) se obtuvieron utilizando un nuevo método de cosecha, y los perfiles metabólicos de las muestras que representan diferentes grados de Gleason (GS) fueron adquiridos por la alta resolución de hilado de ángulo mágico espectroscopia de resonancia magnética (HR-MAS). El análisis multivariado (PLS, PLS-DA) y la cuantificación absoluta (LCModel) se utilizaron para examinar la capacidad de predecir la agresividad del cáncer mediante la comparación de bajo grado (GS = 6, n = 30) y de alto grado (GS≥7, n = 81) cáncer con tejido adyacente normal (n = 47). tejido de cáncer de alto grado se distinguió de tejido bajo el cáncer de grado por disminución de las concentraciones de espermina (p = 0,0044) y citrato (p = 7,73 · 10
-4), y un aumento en la (colina total aplicada clínicamente + creatina + poliaminas ) /citrato (PCC /C) relación (p = 2,17 · 10
-4). Los perfiles metabólicos se correlacionaron significativamente con los GS obtenidos a partir de cada muestra de tejido (r = 0,71), y tejido de cáncer podían distinguirse de los tejidos normales con una sensibilidad 86,9% y una especificidad del 85,2%. En general, nuestros resultados muestran que el perfil metabólico puede separar agresiva de cáncer de próstata indolente. Esta es una promesa para el beneficio de la aplicación
in vivo
espectroscopia de resonancia magnética
(
MRS) dentro de las investigaciones de RM clínicos y análisis HR-MAS de las biopsias guiadas por ultrasonido transrectal tiene un potencial como herramienta de diagnóstico adicional
Visto:. Giskeødegård GF, Bertilsson H, Selnæs KM, Wright AJ, Bathen TF, Viset T, et al. (2013) espermina y citrato como metabólico Biomarcadores para la evaluación del cáncer de próstata La agresividad. PLoS ONE 8 (4): e62375. doi: 10.1371 /journal.pone.0062375
Editor: Daniel Monleón, Instituto de Investigación Sanitaria INCLIVA, España |
Recibido: 24 Octubre, 2012; Aceptado: March 20, 2013; Publicado: 23 Abril 2013
Derechos de Autor © 2013 Giskeødegård 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:. El estudio fue apoyado por becas de la Autoridad Noruega central regional de Salud (RHA) (http://www.helse-midt.no/), el Comité de Enlace entre la RHA y la Universidad Noruega de Ciencia y Tecnología (NTNU) (http: //www.ntnu.no/dmf/rad/samorg), la Sociedad de cáncer de Noruega (https://kreftforeningen.no/en/about-us/). 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:. Co-autor del tono F. Bathen es un miembro del Consejo Editorial PLoS ONE. Esto no altera la adhesión de los autores a todas las políticas de PLoS ONE sobre los datos y compartir materiales.
Introducción
En la actualidad no existen herramientas clínicas objetivas que pueden discriminar con precisión agresiva de cáncer de próstata indolente. El sistema de puntuación de Gleason [1] es la herramienta de pronóstico más importante en la planificación del tratamiento, pero depende de factores subjetivos en la evaluación de la agresividad y está limitada por la subestimación debido al bajo índice de muestreo de biopsias. Por lo tanto, se necesitan con urgencia nuevas herramientas de diagnóstico y pronóstico para evaluar la agresividad del cáncer de próstata. alteración metabólica es una característica emergente de cáncer [2], y el perfil metabólico del tejido de la próstata mediante espectroscopia de resonancia magnética (MRS) puede proporcionar información adicional sobre el comportamiento del tumor [3], sobre todo con la posibilidad de traducir los resultados de
ex vivo
muestras de tejido a
in vivo
mediciones en pacientes que usan imágenes MRS (ERM).
Las diferencias metabólicas entre el cáncer de próstata y el tejido normal se documentan tanto
in vivo fotos: por IRME [4], [5], [6], [7] y
ex vivo usando
alta resolución ángulo mágico girando MRS (HR-MAS) [8], [9], [10]. En algunos hospitales, MRSI ya se ha aplicado en la práctica clínica, haciendo uso de la relación (CC /C) (colina total + creatina + poliaminas) /citrato de relación (CCP /C) o la (colina total + creatina) /citrato que se aumenta en el tejido prostático maligno [5], [8], [11], [12]. La señal de colina total medido
in vivo
se pueden separar por HR-MAS en los metabolitos que contengan colina [colina libre (Cho), fosfocolina (PCho) y glicerofosfocolina (GPC)] [8], [9] , [13]. se informa también de lactato y alanina que aumentarse en el cáncer en comparación con los tejidos normales [10], mientras que los metabolitos específicos de la próstata citrato y las poliaminas (espermina, espermidina, y putrescina) se encuentran en concentraciones más bajas en el tejido de cáncer [9], [ ,,,0],14].
HR-MAS es una técnica bien establecida para el análisis de tejido biológico, dejando las muestras sin procesar para la evaluación histopatológico posterior u otros métodos moleculares, tales como perfiles de expresión génica [15], [16]. Hemos confirmado previamente que existe una correlación significativa entre los resultados de
ex vivo análisis
HR-MAS y
in vivo
IRME de regiones espacialmente coincidentes, lo que demuestra que la traducción de
ex vivo
a
in vivo
es válido [17]. El objetivo general de este estudio fue investigar la posibilidad de evaluar la agresividad del cáncer de próstata mediante análisis HR-MAS de tejido de próstata humano, e identificar los metabolitos específicos como biomarcadores para la agresividad del cáncer. El estudio se realizó con muestras de tejidos congelados frescos extraídos de piezas de prostatectomía radical utilizando un nuevo método que permite muestras con un alto contenido de cáncer que se incluirán [18]. Ambos perfiles metabólicos y las concentraciones de metabolitos individuales fueron utilizados para discriminar entre la puntuación de Gleason determinaron histológicamente (GS), que fue evaluada a partir de una sección criogénica de cada muestra de tejido. El valor de HR-MAS como una herramienta adicional para complementar la puntuación histopatológica, y la mejora de los resultados se suman a
in vivo
exámenes MRSI, serán discutidos.
Materiales y Métodos
paciente y del tumor Características
Desde 2007, todos los pacientes con cáncer de próstata en el hospital St. Olav, hospital de la Universidad de Trondheim, Noruega, prevista para la prostatectomía radical han sido invitados a firmar un formulario de consentimiento para donar tejidos para investigación. De cada paciente un trozo de tejido de próstata transversal de 2 mm que se ha recogido para su almacenamiento en el Biobanco de Investigación Regional del centro de Noruega. El estudio ha sido aprobado por los Comités Regionales de Medicina y Salud Ética de la Investigación (REC) central, Noruega, y la Inspección de Datos de Noruega. El presente estudio incluye 48 pacientes sin tratamiento previo de cáncer de próstata y con un volumen del tumor & gt; 5% de la glándula, que se estima por histopatología. Características de los pacientes se describen en la Tabla 1.
cosecha Método y Sselection de HR-MAS muestras
En un promedio de 15 minutos después de la extirpación quirúrgica de la glándula prostática, una lámina de tejido (2 mm ) se obtuvo mediante transección a través de su centro, perpendicularmente a la uretra [18]. La rodaja se congeló rápidamente por la unión entre dos placas de metal preenfriados en nitrógeno líquido y almacenados a -80 ° C. Las dos mitades restantes fueron cosidos a un tablero de corcho, con el fin de evitar perturbaciones en la evaluación histopatológica de la margen quirúrgico. Después de la fijación en formol, las dos mitades se cortaron más (4 mm rodajas gruesas) y embebidos en parafina. secciones microscópicas se hicieron y se tiñeron con hematoxilina, eritrosina y el azafrán (HES) para fines de diagnóstico. Las muestras HR-MAS se escindieron de la rebanada de próstata congelada utilizando un método de cosecha novela descrito por Bertilsson et al. [18]. Mediante el uso de este método, que se resumen en la Figura 1, las muestras de tejido de GS histopatológicos predeterminados se obtienen de la rebanada. Durante la extracción de la muestra, la lámina de tejido congelado se colocó en una placa de aluminio en contacto directo con nitrógeno líquido, evitando que el tejido de descongelación y por lo tanto reducir la degradación molecular. Varias muestras de cada rebanada (rango: 1-7 muestras por rebanada (mediana: 3), dependiendo del tamaño del tumor) fueron seleccionados de las zonas malignos de diferentes GS y de las zonas adyacentes normales, usando las diapositivas HES teñidas de bloques de tejido vecino como guía . De este modo, se obtuvo un total de 162 muestras de HR-MAS. muestras adyacentes normales se definen como muestras no muestra signos de cáncer, que contiene por lo tanto el tejido glandular y /o del estroma solamente benigna, y estas muestras fueron extirpados tan lejos de cáncer como sea posible. Para evaluar la GS de cada muestra HR-MAS (2 mm de espesor), y para determinar la cantidad de tejido de cáncer, estroma, y el tejido glandular, una sección criogénica 4 micras fue cortado de un lado de la muestra extraída y HES manchada, y la composición de los tejidos fue evaluada por un patólogo con experiencia especializada en uropatología antes del procedimiento HR-MAS. Las muestras no se descongelaron antes del momento en que entran en el imán, la reducción de efectos adicionales de congelación-descongelación. No hay estudios que indican que el almacenamiento a largo plazo a -80 ° C (hasta 5 años) afecta el metabolismo.
(A) Las dos secciones de HES-teñidas adyacentes a la lámina de tejido. (B) para localizar el cáncer y áreas normales, micrografías de los dos HES tiñeron secciones histológicas adyacentes a la rodaja de tejido extirpado se fusionaron con una fotografía de la lámina de tejido congelado. Las regiones de interés se marcaron y se transfieren a una hoja de transparencia para ser utilizado como un mapa para guiar la extracción de la muestra. muestras (C) cilíndrico (3 mm de diámetro) para HR-MAS fueron extirpados de las regiones con el tejido normal y el tejido de cáncer con diferentes grados de Gleason. El grado de Gleason y los porcentajes de tejido, estroma y el cáncer de tejido glandular benigno se verificaron mediante el análisis de una sección criogénica 4 micras de cada muestra extraída. La cifra es una adaptación de la referencia [36].
Los experimentos HR-MAS MRS
Una solución de PBS (3 l) que contiene trimetilsilil sal sódica del ácido 3-propiónico (TSP, 5 mM ) y formato (25 mM) se añadió a los insertos desechables Kel-F HR-MAS (30 l, Bruker Biospin, Alemania). Cada muestra de tejido de la próstata (peso medio: 12,7 mg, rango: 3,0 a 21,9 mg) se transfirió a un inserto de HR-MAS usando un punzón de biopsia estéril (2 mm, Miltex Gmbh, Alemania), y el inserto se colocan en el rotor de circonio (4 mm). HR-MAS se realizó en un Bruker Avance DRX600 (14,1 T) espectrómetro (Bruker BioSpin, Alemania) equipado con un
1H /
13C sonda MAS. Protón espectros fueron adquiridos a 4 ° C con una velocidad de giro de 5 kHz. espectros adquiridos por impulsos se obtuvieron con un retraso de presaturación de 3.0s y la adquisición de tiempo de 3.27s. Un Carr-Purcell-Meiboom-Gill (CPMG) espín secuencia de eco [90 ° - (τ-180 ° -τ)
-Adquisición n] se utilizó para suprimir las señales de los lípidos y las macromoléculas con un tiempo de eco efectiva de 60 ms . Ciento veinte y ocho exploraciones más de una región espectral de 10 kHz se recogieron en 64k puntos para ambas secuencias. Los espectros fueron transformadas de Fourier con una ampliación de la línea de 0,30 Hz. Los desplazamientos químicos se referenciaron al pico de lactato (pico izquierdo del doblete) a 1.336 ppm y una corrección de línea de base lineal se aplicó (Topspin 3.1, Bruker Biospin, Alemania). las asignaciones de los picos se establecen de acuerdo con la base de datos metabolómica humana y artículos publicados anteriores utilizando HR MAS en el tejido de la próstata [9], [10], [19].
Análisis multivariado
Los datos espectrales entre 1,46 y 4,66 ppm de los espectros de CPMG se utilizaron para el análisis multivariante. Los espectros se normalizaron a un área igual total y pico alineados utilizando icoshift [20]. Las señales procedentes de la contaminación etanol (3,65 a 3,69 ppm) fueron retirados de los espectros junto con los de los residuos de lípidos en 1,60, 2,05, y 2,27 ppm. El preprocesamiento de los espectros se realizó en MATLAB 7.8.0 (The MathWorks, Inc., EE.UU.). Además del análisis de componentes principales (PCA), mínimos cuadrados parciales de regresión (PLS) y el análisis PLS discriminante (PLS-DA) [21] se utiliza para modelar la relación entre los espectros de RM y las características del tumor /paciente (la composición del tejido, GS, PSA sérico (SPSA), el volumen del tumor, la edad y el pT-etapa). Con el fin de evitar overfitting, se realizó doble validación cruzada [22]. Un modelo de PLS se basa en muestras de entrenamiento (80% del conjunto de datos) y se utiliza para predecir el estado de las muestras de ensayo independientes (el restante 20%). El número óptimo de LVs (variables latentes) para usar en el modelo se determinó mediante validación cruzada de los datos de entrenamiento y se aplica de forma independiente a los datos de prueba. Tanto los bucles internos y externos del procedimiento de doble validación cruzada se repitieron 20 veces con diferentes conjuntos de entrenamiento y de prueba seleccionados al azar, y los resultados medios se presentan. Como se analizaron varias muestras de cada paciente, los espectros de un paciente se puso ya sea en el entrenamiento o el equipo de prueba. La importancia de la variable fue evaluada por la variable de importancia en las puntuaciones de proyección (VIP) [23]. Las variables con un VIP puntuación mayor que uno generalmente se consideran como importantes Los resultados de la clasificación fueron validados mediante pruebas de permutación (n = 1000, significación para p & lt; 0,05) [22]. Un análisis multivariante se realizaron en MATLAB usando PLS_toolbox 6.2.1 (vector propio Research, Inc., EE.UU.).
Absoluto La cuantificación de metabolitos por LCModel
Los espectros adquiridos por impulsos se cuantificaron utilizando LCModel [24 ], [25] sobre la base de un nuevo conjunto base de 23 metabolitos. El conjunto base de espectros metabolito simulada se ha generado utilizando NMRSIM (Bruker BioSpin, Alemania), y los metabolitos se cuantificaron entre 4,72 ppm y -0.8 ppm. La línea de base fue modelada con una función spline cúbico, con un máximo de dos nudos, y macromoléculas se incluyeron en el accesorio, simula con picos individuales incluyendo el conocimiento previo de ancho de línea, desplazamiento químico, y la amplitud relativa. Pequeño metabolito molécula y los desplazamientos químicos de lípidos se establecen como valores medios basados en una asignación inicial de espectros a partir de 10 muestras de diferente tipo de tejido. Para metabolitos donde algunos picos no estaban claramente resueltos en estos espectros (GPC, GPE, la glucosa y los aminoácidos), se utilizaron valores de la literatura [26], [27], [28]. El etanol, un contaminante en algunas muestras, se incluyó en la base establecida para el éxito de montaje posterior con los espectros de metabolito. Los metabolitos se cuantificaron según formiato y las concentraciones se expresan como mmol /kg de peso húmedo. la relajación completa de formiato fue asegurado por el uso de los resultados de las mediciones de relajación T1 realizadas en seis muestras de tejido adicionales.
Análisis Estadístico de los metabolitos concentraciones
Las diferencias en las concentraciones de metabolitos entre el cáncer y el tejido normal adyacente, y metabólica las diferencias relacionadas con la agresividad (grado bajo (GS = 6) vs. alto grado (GS≥7)) se analizaron mediante modelos mixtos lineales, lo que representa el efecto de las muestras procedentes de un mismo paciente. comparación individual de muestras de GS 6, 7, y 8 a 9, además de las diferencias entre las muestras de GS 3 + 4 y 4 + 3 se ensayaron también. Los análisis se realizaron en R (versión 2.14.1, R Fundación para la Computación de Estadística) con el paquete lme4 [29]. Los datos fueron transformados log antes del análisis con el fin de obtener los residuos normalmente distribuidos. La tasa de falso descubrimiento Benjamini y Hochberg se utilizó para corregir las múltiples pruebas. Ajustado p-valores. & Lt; 0,05 se consideró significativo
Resultados
Muestras
El gráfico de las puntuaciones PCA de los espectros CPMG (n = 162) reveló cuatro muestras periféricas. Estas muestras se retiraron de los conjunto de datos debido a muy altas concentraciones de lípidos y la evidencia microscópica de inflamación grave. De las 158 muestras incluidas en este estudio, 47 fueron demostrado que contienen sólo los componentes normales de tejido de próstata, mientras que 111 muestras contenían el tejido canceroso. El contenido promedio de cáncer fue de 61,8% (rango: 10-100%) y 30 muestras de cáncer fueron definidos como de bajo grado (GS 6), mientras que 81 muestras fueron definidas como de alto grado (GS 7-9). Características de la muestra y los pacientes se resumen en la Tabla 1. Los espectros Representante HR-MAS y la correspondiente imagen histopatológico del tejido prostático normal y el tejido de cáncer con diferentes grados de Gleason se muestran en la Figura 2.
La inspección visual del espectáculo espectros disminuyó los niveles de poliaminas espermina (predominantemente) y citrato, y aumento de los niveles de GPC, PCho, y Cho con el aumento de grado tumoral.
perfiles metabólicos relacionados con los parámetros clínicos
Los perfiles metabólicos estaban correlacionada con la composición del tejido (porcentaje de tejido glandular benigno: r = 0,67, estroma: r = 0,70, y el cáncer: r = 0,77) (p & lt; 0,001). Los perfiles metabólicos no se correlacionaron significativamente con el nivel del paciente SPSA, el volumen del tumor, la edad o PT-etapa (p & gt; 0,05).
Cáncer Distinguir y al tejido adyacente normal
El análisis multivariado
sobre la base de los perfiles metabólicos, cáncer y normales muestras se separaron con 86% de clasificación correcta usando PLS-DA en muestras independientes de ensayo (sensibilidad 86,9%, especificidad de 85,2%, p & lt; 0,001). Un modelo PLS correlacionar los perfiles metabólicos a GS (Figura 3, A-B) separa las muestras de tejidos adyacentes normales de las muestras de tejido de cáncer. Las cargas mostraron disminución de los niveles de citrato, taurina y creatina, y un aumento de la GPC, PCho, Cho, y la glicina en el cáncer en comparación con el tejido normal.
(A) PLS puntuaciones y (b) cargas de LV1 y LV2 de la regresión PLS correlacionar los perfiles metabólicos de GS con un coeficiente de correlación r = 0,71. Las muestras de cáncer se separan de las muestras normales en la trama de partitura, con las cargas que muestran alteraciones metabólicas relacionadas con la malignidad. Las muestras con GS 9 están casi completamente separados de las muestras adyacentes normales en el gráfico de las puntuaciones, mientras que algunas muestras con un solapamiento menor puntuación con los normales. El modelo PLSDA explica el 48,2% de la radiografía de la varianza y el 53,7% de la Y-varianza (C) las puntuaciones PLS y (D) el perfil de carga correspondiente de LV1 de regresión PLS de sólo las muestras de cáncer, la correlación de los perfiles metabólicos de GS con un coeficiente de correlación r = 0,45. El modelo resultante explica 20,0% de la varianza x-y 27.4% de la y-varianza de los datos. Las cargas en (B) y (D) son de color según la puntuación obtenida VIP. S-ino; scylo-inositol.
Cuantificación absoluta por LCModel.
Las concentraciones de metabolitos cuantificados en el cáncer y muestras de tejidos normales (n = 153) se muestran en la Tabla 2. Cinco espectros se cuantificaron no debido al ajuste insuficiente causada por señales altos de lípidos
Distinción de bajo grado (GS = 6) y el cáncer de alto grado de tejidos (GS≥7).; . La correlación con el Sistema de Gleason
El análisis multivariado
Perfiles metabólicos se correlacionaron con el GS con un coeficiente de correlación de r = 0,71 utilizando el análisis de regresión PLS (p & lt; 0,001) (Figura 3, A-B). Al analizar sólo las muestras de cáncer, los perfiles metabólicos se correlacionaron con GS con un coeficiente de correlación de r = 0,45 (p & lt; 0,001) (Figura 3, C-D). Al dividir las muestras en alto grado normal (GS≥7) y de bajo grado (GS = 6), la clasificación correcta por PLS-DA era 85,8% (sensibilidad 89,3%, especificidad 82,3%), 77,4% (sensibilidad 84,4%, especificidad 70,5%) y 65,8% (sensibilidad 64,1%, especificidad 67,6%), respectivamente
cuantificación absoluta por LCModel..
Las concentraciones de citrato de espermina y mostraron ser significativamente diferente entre la baja y grado alto de cáncer, mientras que no se detectaron diferencias significativas para los otros metabolitos. Las concentraciones y los resultados estadísticos de los metabolitos significativos se resumen en la Tabla 3. Para un examen más detenido de las concentraciones de metabolitos relacionados con la agresividad, se analizaron las diferencias metabólicas entre muestras de GS 6, 7 y 8-9 individualmente (Tabla 3). No se detectaron diferencias significativas entre GS 7 y GS 8-9 para cualquiera de los metabolitos. Además, no se encontraron diferencias significativas en las concentraciones de metabolitos entre las muestras de GS 3 + 4 + 3 y 4 (p & gt; 0,05). Las correlaciones entre la SG y las concentraciones de espermina y citrato fueron r = -0,36 yr = -0.43, respectivamente.
La relación clínicamente relevante CCP /C fue significativamente mayor en comparación con alto grado de bajo grado muestras de cáncer (Tabla 3). Además, se detectó una tendencia de diferentes relaciones de GPC /PCho entre muestras de cáncer de bajo y alto grado (p = 0,08). Al examinar las concentraciones de metabolitos relacionados con la agresividad, los porcentajes de glandular benigno, estroma, y tejido de cáncer se incluyeron en los modelos lineales mixtos con el fin de corregir las diferencias en la composición del tejido. Sin embargo, ninguno de los tipos de tejidos tuvo una contribución significativa a los modelos estadísticos (p & gt; 0,05), y los resultados se presentan sin corrección por la composición del tejido
Discusión
En este estudio realizado utilizando. tejido de la próstata con alto contenido de cáncer, hemos demostrado la posibilidad de separar bajo grado de cáncer de próstata de alto grado el uso de perfiles metabólicos. Disminución concentraciones de citrato y espermina mostraron ser biomarcadores de tejido MR válidos para la agresividad del cáncer de próstata, y los perfiles metabólicos se correlacionó significativamente con la GS que muestra que los cánceres agresivos tienen un metabolismo alterado en comparación con el cáncer indolente. Sorprendentemente, la colina que contiene componentes no fueron aumentando con GS, lo que indica que la espermina y citrato son los principales contribuyentes a la relación clínica aplicada /C PCC que aumenta con la GS. Además, este estudio confirma la separación entre el cáncer y el tejido normal, y los perfiles metabólicos HR-MAS se separaron con éxito con el 86,0% de clasificación correcta.
Muchos pacientes con cáncer de próstata diagnosticados con enfermedad indolente (GS 6) son elegibles para su inclusión en los programas de vigilancia activa. Por tanto, es deseable separar este grupo de pacientes con cánceres de grado superior. concentraciones de citrato podría separar muestras con GS 6 de ambos GS 7 y 8-9, mientras que la diferencia en las concentraciones de espermina fue significativa sólo entre 6 y GS GS 8-9. Curiosamente, ninguno de los metabolitos fue significativamente diferente entre muestras con GS 7 y GS 8-9, lo que indica que las muestras con GS 7 (pacientes de riesgo intermedio) tienen un patrón metabólico similar a los cánceres de grado superior. Este hallazgo apoya el consenso de que sólo los pacientes con GS≤6 deben ser incluidos en los programas de vigilancia activa. Los pacientes con GS 4 + 3 tienen peor pronóstico que aquellos con GS 3 + 4, sin embargo, este estudio no pudo separar estos subgrupos clínicamente relevantes.
células epiteliales normales de la próstata producir y acumular una gran cantidad de citrato que se secreta como un componente principal del fluido prostático. En comparación con el tejido normal, disminución de los niveles de citrato se observan previamente en el tejido de cáncer de próstata por
ex vivo
MRS [9]. Nuestro estudio confirma y amplía estos hallazgos al demostrar una correlación negativa significativa con GS, y las diferencias significativas entre los de bajo grado y de alto grado tejido de cáncer, entre las muestras de GS GS 6 y 7, y entre 6 y GS GS 8-9. Esto apoya la hipótesis altamente clínicamente relevante que la concentración de citrato puede distinguir entre el cáncer de próstata agresivo e indolente.
Nuestros resultados confirman anterior
in vivo
y
ex vivo
estudios mostrando MRS que una disminución de poliaminas se asocia con el cáncer de próstata [8], [14], [30], [31]. Además, la concentración muy baja putrescina en nuestro estudio confirma que el pico de poliaminas en su mayor parte se compone de espermina. Debido a la concentración significativamente menor de espermina en alto grado en comparación con el tejido de bajo grado, proponemos espermina como un biomarcador MR discriminativo para la agresividad del cáncer de próstata, y un enfoque a esto se debe considerar el uso de la relación de CCP /C en los exámenes MRSI. Hoy en día, la espermina puede no estar completamente separado del pico de colina, usando ERM, pero debido a los rápidos avances tecnológicos que ya están en curso y las intensidades de campo superiores (7T), haciendo la separación sea posible [32], poliaminas y especialmente espermina son posibles biomarcadores en la práctica clínica.
Sorprendentemente, no hubo diferencias significativas entre los de alto grado y el cáncer de próstata de bajo grado en cualquiera de los metabolitos choline- o que contengan etanolamina-cuantificados (Eth, PE y GPE). Anterior
ex vivo
estudios han demostrado correlaciones significativas entre la SG y la colina y colina total de [33], y las concentraciones significativamente más altas de GPC en alto grado (GS≥4 + 3) en comparación con los de bajo grado (+ GS≤3 4) tipos de cáncer [13], que no es de acuerdo con nuestros hallazgos. Se encontró una tendencia hacia la significación para la relación de GPC /PCho (p = 0,0832), lo que indica un cambio en los metabolitos que contiene a colina asociados con aumento de la agresividad, sin embargo no se detecta al examinar los metabolitos individualmente. Debido a resultados contradictorios del metabolismo de colina también en otros tipos de cáncer [34], el metabolismo de colina relacionada con la agresividad del cáncer necesita evidentemente una evaluación adicional.
Anterior
in vivo
estudios han concluido MRSI una tendencia hacia una correlación entre la agresividad del cáncer de próstata ratio y CCP /C [12], [35], y nuestro estudio mostró una diferencia altamente significativa en la proporción de CCP /C entre los cánceres de bajo y alto grado. Nuestros hallazgos sobre los metabolitos individuales, sin embargo, indican que la disminución de la relación de CCP /C observó
in vivo
está dando como resultado principalmente de la disminución de los niveles de citrato.
A pesar de que existía una correlación entre los perfiles metabólicos y la composición del tejido, la corrección de la composición del tejido en el análisis de las concentraciones de metabolitos individuales no fue significativa. Esto indica que las diferencias metabólicas entre las muestras de cáncer de próstata de alto y bajo grado están presentes independientemente de la composición del tejido. Sin embargo, es probable que las muestras con contenidos más bajos de cáncer requerirían métodos estadísticos para la corrección de la composición del tejido.
Una fuerza de este estudio es la inclusión de pacientes de todo el rango de estadios clínicos, incluidos los pacientes con cánceres más agresivos. Sin embargo, una limitación es que el material de tejido de bajo grado (GS 6) fue adquirida principalmente de pacientes que tienen tumores más agresivos en el entorno, y esto puede haber inducido perturbación metabólica en nuestro material de bajo grado. Una cohorte muestra que incluye más muestras de pacientes con cáncer de bajo grado puro puede proporcionar aún más claras las diferencias metabólicas entre los cánceres de bajo y alto grado.
Conclusión
Sobre la base de los perfiles metabólicos de las muestras de cáncer de próstata humano este estudio muestra que el tejido de cáncer de próstata bajo y alto grado se pueden distinguir por las concentraciones de espermina, citrato y la relación de CCP /C. En el futuro, mediante el análisis de grandes cohortes de pacientes, los valores de cierre de operaciones de concentración pueden ser determinados por la espermina y citrato, y los modelos basados en los perfiles metabólicos pueden convertirse en herramientas para evaluar la agresividad del cáncer de próstata. HR-MAS es viable como herramienta complementaria de diagnóstico para la evaluación de las biopsias guiadas por ultrasonido transrectal, proporcionando perfiles metabólicos que pueden predecir la agresividad del tumor. En última instancia, la traducción de
ex vivo
mediciones en muestras de tejido a un verdadero no invasiva
in vivo
examen, hecho posible por las mejoras en la tecnología MR, será el principal objetivo futuro. Por lo tanto, nuestros resultados demuestran el valor de MRS en la planificación del tratamiento clínico y como una herramienta para el seguimiento de pacientes incluidos en los programas de vigilancia activa.
Reconocimientos
Los autores agradecen a los técnicos de laboratorio Toril Rolfseng, unn Granli, y Borgny Ytterhus para obtener ayuda con el trabajo de laboratorio, Jørn-Ove Sæternes para el diseño y desarrollo de equipos de recolección de tejidos y urólogos ene Gerhard Mjønes y Dag Halvorsen para la recogida de tejidos. El estudio se realizó en el Centro de MR Core, Universidad Noruega de Ciencia y Tecnología (NTNU).