Skip to content

Podpisy autoprzeciwciał w raku prostaty ad 5

4 tygodnie ago

494 words

Żółte plamy reprezentują immunoreaktywność w próbkach surowicy, a zielone plamki nie wykazują reaktywności. Plamki w kształcie pierścienia przedstawiają pięć klonów fagowo-peptydowych: 5 -UTR_BMI1 (1), eIF4G1 (2), RPL13a (3), BRD2 (4) i RPL22 (5). Rysunek 4. Rysunek 4. Nadzorowane analizy i sprawdzanie poprawności podpisów autoprzeciwciał w raku prostaty. Przedstawiono reprezentacje termogramów 22 peptydów fagowych analizowanych pod względem immunoreaktywności w 129 próbkach treningowych (panel A) i dla niezależnego zestawu walidacyjnego złożonego z 128 próbek surowicy od pacjentów z rakiem prostaty iz kontroli (panel B). Poszczególne klony peptydowe przedstawiono w rzędach, podczas gdy próbki surowicy przedstawiono w kolumnach. Żółty wskazuje na pozytywną immunoreaktywność, a czarna lub niebieska brak immunoreaktywności. W panelu C wydajność detektora 22-fagowego-peptydu porównuje się z antygenem swoistym dla prostaty (PSA) w zestawie walidacyjnym. Charakterystyki działania odbiornika są oparte na analizie multipleksowej 22-fagowych peptydów i PSA w surowicy z łącznie 128 próbek (60 od pacjentów z rakiem prostaty i 68 od kontroli). Czerwona linia wskazuje 22-fagowy detektor peptydowy, a zielona linia oznacza test PSA. Panel D pokazuje działanie detektora 22-fagowego peptydu u pacjentów z poziomami PSA od 4 do 10 ng na mililitr. Próbki stanowiły podgrupę 128-testowej grupy walidacyjnej, w sumie 42 próbki (22 od pacjentów z rakiem i 20 od kontroli). Panel E pokazuje działanie 22-fagowego detektora peptydowego u pacjentów z poziomami PSA pomiędzy 2,5 a 10 ng na mililitr. Próbki stanowiły podgrupę 128-próbnej grupy walidacyjnej, w sumie 51 próbek (28 od pacjentów z rakiem i 23 od kontroli).
Rysunek 2 pokazuje fazy szkolenia i walidacji tego badania. Łącznie 257 próbek surowicy od 119 pacjentów z klinicznie zlokalizowanym rakiem prostaty i 138 kontrolami, plus 55 próbek w kategorii inne , zostało przetestowanych na macierzach skoncentrowanych na 186 elementach (Tabela i Tabela 4 do Tabela 9 Dodatkowego dodatku ). W fazie treningu przeanalizowaliśmy 59 próbek od pacjentów z rakiem prostaty i 70 próbek kontrolnych (ryc. 2). Zastosowano algorytm17, aby ocenić, czy wielkość próby, którą wyprofilowaliśmy, była wystarczająca do zbudowania klasyfikatora do diagnozy klinicznej. Na podstawie tego algorytmu i przy użyciu specyficznych pomiarów danych z mikromacierzy fagowo-białkowej, stwierdziliśmy, że średnia (. SD) z 46 . 40 próbek z 1000 przebiegów symulacyjnych wystarczy do zapewnienia z 95% pewności, że prawdopodobieństwo błędnej klasyfikacji przyszłej próby będzie mniejsze niż 0,15. Rysunek 3 przedstawia reprezentatywne zeskanowane tablice. Aby stworzyć detektor klasy , wykorzystaliśmy podejście oparte na nieparametrycznym rozpoznawaniu wzorców, które składało się z algorytmu genetycznego połączonego z k-najbliższym sąsiadem w celu wybrania podgrupy informatywnych peptydów fagowych w oparciu o sprawdzanie krzyżowe typu zostaw jeden na zewnątrz . próbki szkoleniowe. Zidentyfikowaliśmy panel 22 klonów fagowo-peptydowych, które najlepiej odróżniły próbki surowicy od pacjentów z rakiem prostaty od próbek kontrolnych, z 97,1 procentową specyficznością (2 z 70 próbek kontrolnych było błędnie klasyfikowanych) i 88,1 procentową wrażliwością (7 z 59 raka prostaty próbki zostały błędnie sklasyfikowane) w zbiorze treningowym (Tabela 10 i Tabela 11 Dodatku uzupełniającego)
[podobne: pedodonta warszawa, neurolog dziecięcy radom, koszt badania fsh ]
[hasła pokrewne: testosteron cena, głęboka dysleksja, przychodnia eskulap ]