癌症的许多面临了新的研究
(欧宝娱乐地址医疗Xpress)这一年,美国癌症协会称,大约232340新病例的浸润性乳腺癌诊断女性。有些病人会屈服于疾病,而另一些人生存和几十年来过健康的生活。
巨大差异的一部分结果与不同的方式像癌症这样的疾病会影响个人基于年龄、种族、生活方式,环境条件,遗传素质和其他因素。
根据灰吕瓦尔斯特伦姆亚利桑那州立大学生物设计研究所的研究员,研究疾病如何也取决于疾病本身的一个特性——一个被称为异质性。
异构的疾病是由多个分子子组-每个生产不同的疾病的表现不同的严重程度,预后和递归式。乳腺癌是一个异构的疾病的一个例子。
“我们能够区分和理解疾病的子组是个性化医疗的基础,”沃尔斯特隆说。“但异质性疾病提供了一个真正的挑战在医学研究,因为一组病人的一项研究中实际上可能有非常不同的疾病在分子水平上。ob欧宝直播nba我们显示的是,研究人员需要仔细考虑异质性在早期,当他们设计研究。”
在新的研究出现在杂志上癌症流行病学、生物标记和预防,沃尔斯特隆和他的同事们评价生物标志物-蛋白质的统计可靠性因素用来确定疾病早期,pre-symptomatic阶段。他们的工作揭示了第一次疾病异质性深刻地影响生物性能。
在多种疾病如乳腺癌亚型早已得到公认,对生物标志物的发现和验证之前没有系统地评估当前的研究。沃尔斯特隆和他的同事们决定,一个双重的大样本量通常需要建立强大的异类疾病的生物标志物的候选人,而单型的疾病(只有一个潜在的分子病理学)。
研究还证实,具体统计测试屏幕用于生物标记的明显区别在于其预测的可靠性,根据疾病正在研究是否单型的或异构。
工作影响了实验的设计旨在识别新的生物标志物,以及药物研究和药物试验。(某些抗癌药物已经公认的优惠有效性取决于疾病亚型。例如,赫赛汀是一种有效的药物测试呈阳性的乳腺癌患者的her - 2 / neu生物标志物。对另一些人来说,这是无效的)。
一个持久的祸害
女性,乳腺癌是最经常发生的恶性肿瘤和癌症死亡的第二大原因。在美国。大约八分之一的女性在美国(12%)将开发浸润性乳腺癌在他们的一生中。目前,没有验证血浆/血清生物标志物的疾病。只有少数生物标记物(如her - 2 / neu,雌激素受体和孕激素受体)迄今为止显示诊断和预后的临床疗效。因此新的诊断生物标记物是急性的必要性。
乳房x光检查仍是最有效的临床乳腺癌筛查方法,尽管仍然察觉不到5厘米大小的病灶。此外,乳房x光检查敏感性,特异性的比例相当低。这占了大约四倍女性接受为良性乳腺病变活检那些实际的恶性肿瘤。
在蔓延前的状态检测乳腺癌为控制恶性肿瘤提供了最好的希望,因为它提供了临床的选项,包括手术切除、前疾病发生了转移。扩大生物标志物的候选人和验证临床使用因此进行癌症诊断的中心任务。
改变范式
新兴的画面呈现在这项新研究中,每个疾病亚型具有自己的一套独特的生物标志物。因此给定生物标志物可能高度有效地检测特定疾病的亚型,同时为另一个亚型显示非常低的灵敏度。根据病人的疾病的分子本质,诊断有用的生物标志物可能是也可能不是。确保所有相关亚型代表疾病的筛查研究因此需要更大的样本量。
沃尔斯特隆集团使用统计方法称为蒙特卡罗模拟来比较性能的八个选择常用的识别癌症生物标记物的方法。理论上评估疾病异质性的影响在生物标记选择、八个方法应用于单型的和异构疾病使用单级和两级设计。接下来,该集团选择的选择方法应用于一个实际的生物标志物筛选的研究异构乳腺癌病例。
传统上,建立了蛋白质生物标记物通过检查大量的候选人,使用disease-positive病例和disease-negative控制。当候选生物标志物筛选成为可能的数量非常大,可以使用两阶段策略。在这种情况下,第一阶段减少最好的生物标记库数量可控的情况下使用一个温和的患者数量和控制,而第二阶段进一步缩小生物池使用剩下的病人和控制。
这项新研究调查了统计每个选择方法的力量。(统计措施的可能性测试将检测特定效应当这种效应的存在。)在同类疾病的情况下,生物标志物的性能取决于小健康disease-positive例之间的分布变化。然而,对于异构疾病大量统计信号观察到在一个小族群的病例。
对于更大规模的研究,两阶段的选择被证明是最有效的方法,提供几乎一样的统计单级研究力量,在成本显著降低。沃尔斯特隆单和两阶段研究,认为10000名候选生物标志物。大约两倍的情况下,控制所需的异质性疾病,和最有效的单型的八个统计筛选方法不同的疾病和异构。
在后续实验中,相比的性能八国集团选择实际的乳腺癌筛查的方法研究。血液样本从102年早期乳腺癌患者和77名对照被用来屏幕761抗原。实验进行了使用微阵列技术被称为软羊革,由约书亚腊八,指导生物设计研究所的维吉尼亚g . Piper个性化诊断中心。(光面、DNA模板是印在微阵列幻灯片,使蛋白表达的实验,而不是辛苦地预先纯化。)
修订诊断策略
新的研究结果清晰地突显出一个事实:选择最优筛选方法,生物标志物的发现是非常依赖于单型的或异构性质的疾病问题。例如,一个方法称为PAUC产生不良结果均匀的疾病,但交付最好的八个异构疾病的方法,结果大样本大小。同样,Mann-Whitney和AUC测试同质疾病产生了很好的效果,但是非常糟糕的结果异构的疾病。
研究表明,70%的统计力量可以达到50例50控制,提供了疾病是单型的。对异构等疾病乳腺癌然而,同样的样本大小放权只有15%——太低是有用的。事实上,两倍所需样本异质性疾病达到相同的统计力量。
作者强调,这项研究的目的不是寻找单一,生物标志物筛选的最佳方法,而是强调所发挥的决定性作用为生物标志物筛选疾病异质性。他们进一步表明,评估方法的统计力量应整体设计未来的筛选研究。