PLoS ONE: En Integrativ Proteomics og Interaktion Netværk-Based Classifier for prostatakræft diagnose

Abstrakt

Formål

Tidlig diagnose af prostatakræft (PCA), som er en klinisk heterogen-multifokale sygdom, er afgørende for at forbedre prognosen for patienter. Men offentliggjort PCA diagnostiske markører deler lidt overlap og er dårligt valideret ved hjælp uafhængige data. Derfor har vi her udviklet en integrativ proteomics og interaktion netværksbaseret klassificeringen ved at kombinere forskellen protein udtryk med topologiske egenskaber af humane protein interaktion netværk til at øge effektiviteten af ​​PCa diagnosen.

Metoder og Resultater

efter todimensional fluorescens forskel gelelektroforese (2D-DIGE) kombineret med MS hjælp PCa og tilstødende godartede væv af prostata, blev i alt 60 proteiner med den differentierede udtryk i PCA væv identificeret som kandidatlandene markører. Derefter blev deres netværk analyseret af GeneGO Meta-Core software og tre nav proteiner (PTEN, SFPQ og HDAC1) blev valgt. Efter dette blev et PCA diagnostisk klassifikator konstrueret ved support vektormaskine (SVM) modellering baseret på microarray genekspression data af generne, som koder for hub proteiner nævnt ovenfor. Valideringer af diagnostiske ydeevne viste, at denne klassificeringen havde høj prædiktiv nøjagtighed (85.96~90.18%) og arealet under ROC-kurve (tilnærme 1.0). Endvidere blev den kliniske betydning af PTEN, SFPQ og HDAC1 proteiner i PCa valideret af både ELISA og immunhistokemi analyser. Mere interessant var PTEN protein identificeret som en uafhængig prognostisk markør for biokemisk recidiv overlevelse i PCA patienter i henhold til den multivariate analyse af Cox regression.

Konklusioner

Vores data viste, at den integrerende proteomics og interaktion netværksbaseret klassifikator som kombinerer den differentielle proteinekspression og topologiske træk ved menneskelig protein-interaktion netværk kan være et effektivt værktøj til diagnosticering af PSA. Vi identificerede også PTEN protein som en ny prognostisk markør for biokemisk recidiv overlevelse i PCA patienter

Henvisning:. Jiang F-n, han H-c, Zhang Y-q, Yang D-L, Huang J-H, Zhu Y-x, et al. (2013) En Integrativ Proteomics og Interaktion Netværk-Based Classifier for prostatakræft diagnose. PLoS ONE 8 (5): e63941. doi: 10,1371 /journal.pone.0063941

Redaktør: Natasha Kyprianou, University of Kentucky College of Medicine, USA

Modtaget: Januar 27, 2013; Accepteret: April 9, 2013; Udgivet: 30. maj 2013