Определение рака молочной железы по анализу крови icon

Определение рака молочной железы по анализу крови





Скачать 368,36 Kb.
НазваниеОпределение рака молочной железы по анализу крови
Дата конвертации01.02.2013
Размер368,36 Kb.
ТипДокументы

A.K. Друкье (1,2, *), И. Григорьев (1), A. Хан (1), Ли Пинг (3), Г. Красик (1), A. Липниаки (1), E. Шорс (1,2), M. Сулковски (1), Дж. Томашевски (3), С. Оссетров (1), Д. Венг (2).

(1) OTraces Inc. (2) БиoTraces Inc., (3) Отделение патологии, Университет Пенсильвании, Филадельфия

A.K. Друкье, OTraces Inc., 13455 Санрайз Вэлли Др., Херндон, Ва. 20171, США

E-mail: info@otraces.com; Факс: 703 -793 1564; Тел: 703 -793 0907

Название: Определение рака молочной железы по анализу крови

Отрывок: Рак молочной железы представляет собой наиболее типичную форму рака у женщин в Соединенных Штатах Америки и занимает второе место после рака легких в качестве причины смерти, вызванной раком. В 2009 году было диагностировано около 200 000 случаев рака молочной железы, при этом приблизительно в 40 000 случаях был зафиксирован летальный исход. Коэффициент выживаемости за пять лет при раке молочной железы составляет около 95%, если на момент диагностики заболевания рак еще не распространился; поэтому ранняя диагностика имеет огромное значение. Рентгеноскопическая маммография по выявлению рака молочной железы является важной для женщин в возрасте старше 50-и лет, главным образом, посредством улучшенной диагностики ранней стадии заболевания. Многочисленные крупномасштабные клинические исследования подтвердили важность скрининговых методов выявления рака молочной железы. Определение заболевания на ранних стадиях, когда повреждения/опухоли небольшие и не распространились до лимфатических узлов, обеспечивает великолепную возможность для своевременного лечения, что приводит к повышенным коэффициентам выживаемости пациенток. В то время как рентгеноскопическая маммография представляет собой основание для повышения выживаемости женщин, все же 20% случаев рака могут не определяться [3-6]. Рентгеноскопическая маммография для многих женщин может оказаться неэффективной, включая тех женщин, у которых ткань молочной железы является плотной, которые провели хирургию по увеличению молочной железы и женщины в возрасте младше 50-и лет. Доступные методы, включая клиническое исследование молочной железы, МРТ и ультрасонография не проявили способность к улучшению скрининга заболевания рака молочной железы, применяющейся в настоящее время. Разработка надежных тестов, основанных на характеристиках крови, значительно улучшают методы ранней диагностики рака молочной железы, как для того, чтобы предоставить скрининговый подход для женщин, которые не имеют доступа к рентгеноскопической маммографии, так и для того, чтобы улучшить техники скрининга для женщин, для которых рентгеноскопическая маммография проводится не на достаточно высоком уровне.

Тест на основании характеристик крови, в котором используются диагностические методы протеомики, может в значительной мере улучшить скрининг рак молочной железы, основанный на анализе изображения, и диагностические оценки. Текущие методы диагностики на основании характеристик крови, в которых используются пробы с единичными маркерами рака молочной железы и применяются к скринингу или диагностике, не являются неадекватными и свидетельствуют о низкой чувствительности и специфичности в связи с низкими способностями определения и отсутствием биологических маркеров, обладающих достаточной информативностью.

В настоящей работе описана валидация теста на основании характеристик крови (набор для оценки риска BC Sera Dx, поставляемый компанией ОTraces, Inc.), который обладает высокой потенциальной возможностью для скрининга и диагностики рака молочной железы. В методе используется высокочувствительная диагностическая протеомика, основанная на иммуноферментном анализе (ИФА). Для диагностики рака молочной железы мы разработали тест на основании характеристик крови, BC Sera Dx, в результате анализа образцов от 563 здоровых женщин и 575 женщин с раком молочной железы. Наш тест для диагностики рака молочной железы на основании характеристик крови показал чувствительность и специфичность, превышающую 95%, независимо от возрастной группы, и может использоваться для женщин в возрасте младше 45 лет.

ВВЕДЕНИЕ:

В США действующие рекомендации по диагностике рака молочной железы для женщин без симптомов заболевания со средним риском заболеваемости включают ежегодное клиническое обследование молочной железы и рентгеноскопическую маммографию для женщин в возрасте с 40 лет. Женщинам, риск заболевания которых является высоким, в связи с предполагаемым или подтвержденным генетическим риском (например, диагноз BRCA1 или BRCA2) или с ранее проведенным облучением стенки грудной клетки (например, облучение поля при лимфоме Ходжкина), может быть рекомендовано проведение МРТ.


Рентгеноскопическая маммография способствует значительному улучшению ранней диагностики и коэффициента выживаемости для женщин среднего риска заболевания без наличия симптомов, однако, не предоставляет важной информации для больших групп женщин, женщин с плотной тканью молочной железы и женщин с хирургической операцией по увеличению молочной железы. Одна из областей, которой следует придавать особое внимание, - это использование рентгеноскопической маммографии для женщин молодого возраста (младше 50-и лет), для которых улучшение коэффициентов выживаемости при использовании методов не были установлены точно. Для женщин молодого возраста наш метод на основании характеристик крови показал отличные результаты с ложной отрицательной (FNBBT < 5%) и ложной положительной (FPBBT < 5%) статистикой. Эти результаты следует сравнивать с недавно проведенной оценкой статистических результатов проведения маммографии (FNMM < 20%), (FPMM < 15%). Таким образом, на основании нашей исходной оценки при использовании теста на определение рака молочной железы у женщин молодого возраста наш метод является в 3 раза более чувствительным, чем маммография. Мы предполагаем, что для всех женщин, диагностика заболевания которых проводится при совместном использовании теста BBT и рентгеноскопической маммографии, чувствительность и специфичность при определении рака молочной железы может составлять более 98%.

Наш метод, основанных на характеристиках крови, обладает более высокой потенциальной способностью для целого ряда важных областей определения и диагностики рака молочной железы. Этот новый подход к диагностике на основании характеристик крови может быть потенциально важным, либо как исходный метод обследования для женщин, которые не имеют доступа к рентгеноскопической маммографии, а также как метод обследования для повышения использования ограниченных медицинских ресурсов, таких как МРТ, включая женщин, диагностика заболевания которых проводится рентгеноскопической маммографией на недостаточно высоком уровне (например, женщины молодого возраста, женщины с плотной тканью молочной железы или женщины с хирургической операцией по увеличению молочной железы), которые впоследствии могут быть обследованы при помощи МРТ, или в качестве диагностического метода для женщин с неубедительными результатами маммограмм. Таким образом, использование нашего теста на основании характеристик крови является важным дополнением к действующим методам определения рака молочной железы для всех женщин с риском рака молочной железы.


^ ПИЛОТНЫЕ ИССЛЕДОВАНИЯ:

Наш метод на основании характеристик крови характеризуется:

  1. повышенной чувствительностью разработанных нами иммунологических проб (IA/MPD, супер-ИФА);

  2. выбором многочисленных биологических маркеров, сфокусированных на низкой распространенности, сигнальных белках; и

  3. новыми средствами биоинформатики, в которой используются концепции многочисленных маркеров.

При использовании нашего высокочувствительного ИФА метода с пределом определения 10-50 фг/мл мы сфокусировали наше внимание на белках, характеризующихся малой распространенностью (LAP), в качестве биологических маркеров. Превосходная чувствительность наших проб позволяет нам измерить LAP в более чем 90% образцах проб для всех пациентов. Для сравнения, обычно используемые коммерческие пробы могут измерять эти биологические маркеры LAP только в 20-30% образцов сыворотки крови пациентов. Высокий предел определения наших проб позволяет определять LAP, выделяемые опухолевыми клетками, и исследовать системную реакцию на заболевания практически у всех пациентов в исследуемой группе. Данные усиливают друг друга и позволяют оценивать многочисленные биологические процессы, представляющие различные аспекты реакции организма на рак. Это взаимно усиливающее действие использовалось для снижения ложноположительных и ложноотрицательных статистических данных проведения теста. Мы определили общий балл, основанный на соответствующем правиле большинства. Мы достигли высокого уровня дифференциации здоровых женщин (HW) и женщины с раком молочной железы (BC), а также отличного разделения доброкачественных и злокачественных образований на образцах крови пациентов, которые прошли биопсию ткани молочной железы.

Подход: Методы протеомики могут делать возможной диагностику следующего поколения. Однако в применении текущих методов протеомики для диагностики онкологических заболеваний имеются некоторые проблемы. Протеомика, направленная на диагностику заболеваний, дает объяснение белкам, которые проявляются различным образом и которые считаются хорошими биологическими маркерами. В диагностической онкологии в последнее десятилетие было выявлено около 150 новых предполагаемых биологических маркеров. Метод с использованием биологических маркеров обычно применяется к небольшим группам участников исследования (обычно 50 пациентов с заболеванием и 50 лиц, причисляемых к контрольной группе). В связи с неопределенностью статистических данных были выявлены многие слабые биологические маркеры с прогнозирующей способностью, которая только в редких случаях составляет более 70%. Для современных методов диагностики требуется статистическая чувствительность, превышающая 90%, и специфичность, равная 80-85%. В связи с тем, что не было обнаружено отдельных надежных биологических маркеров с достаточной статистической характеристикой, было предложено измерить использование целого ряда таких «предполагаемых» биологических маркеров методами диагностической протеомики (например, P-чипы или методы, основанные на сферах, такие как Luminex TM). Эти методы обладают недостаточными пределами определения (LOD), предел определения P-чипа составляетp = 5-10 пг/мл, а предел определения LuminexTM = 20-50 пг/мл, что свидетельствует о чувствительности, которая на 100 раз меньше, чем чувствительность нашего метода ИФА, что, в свою очередь, предотвращает способность определять наличие информативных биологических маркеров во всех образцах крови пациентов. Действующие диагностические методы протеомики не обладают достаточной чувствительностью для определения LAP (таких как цитокины), которые у большей части представителей исследуемой группы содержатся в количестве менее 0,5 пг/мл, предотвращая, таким образом, эффективное определение в большей части образцов крови, доступных для анализа. И, наоборот, благодаря более высокому пределу определения высокочувствительных методов на основе ИФА, например, предел определения метода IA/MPD=1-5 фг/мл и предел определения метода Супер-ИФА=10-50 фг/мл, почти все образцы крови участников исследования могут быть количественно проанализированы на данный класс LAP.

Имеется около 1 000 LAP, которые могут представлять собой интересные биологические маркеры, включая приблизительно 70 цитокинов и факторов ангиогенеза (AF). Однако благодаря так называемым «артефактам, связанным с большим количеством подходящих маркеров» (OFA), анализ 70 биологических маркеров требует групп, содержащих не менее 2 100 человек, что делает валидацию сложной и дорогостоящей. Для валидации «предполагаемых» биологических маркеров оптимальный метод будет состоять в выборе набора наиболее характерных биологических маркеров. Оптимально исходный набор должен включать 12 - 16 биологических маркеров, а окончательный оптимальный набор составляет 6 - 8 биологических маркеров, при этом статистические характеристики обеспечивают не менее 95% чувствительности и специфичности. В нашем предложении мы описываем такой метод, который мы называем протеомика соединения.

Мы разработали новые статистические методы, которые позволяют нам получить усовершенствованные методы валидации биологических маркеров. Даже если каждый из биологических маркеров LAP, рассматриваемый отдельно, может быть неспецифическим, свойства многих LAP очень специфические и могут отличать не только между здоровыми пациентами и пациентами, пораженными раковым заболеванием, но также и злокачественные и доброкачественные опухоли по образцам биопсий, при этом они позволяют различать между наличием и отсутствием метастаз. Однако для достижения такой специфичности необходимо надежно измерять отрицательную и положительную модуляцию LAP. При использовании 1000 клинических образцов мы смогли устранить сложность присутствия «артефактов, связанных с большим количеством подходящих маркеров» и воспользоваться прогностической силой цитокинов в качестве информативных LAP, оценивая иммунную систему хозяина через измерение реакции цитокинов для предоставления специфической информации о пертурбациях, вызванных раком, которые используются для определения раковых заболеваний.

Протеомика: Концентрации отдельных белков в сыворотке крови находятся в динамическом диапазоне, составляющем, по крайней мере, восемь порядков величины. Белки классифицируют как белки высокой распространенности (HAP), белки средней распространенности (MAP) и белки низкой распространенности (LAP). Мы определяем LAP как белки в сыворотке крови с содержанием менее 1 пг/мл. Ранее использовавшиеся методы обеспечивали предел определения (LOD), равный приблизительно 1 пг/мл, и не могли определять наличие LAP. Благодаря ограничениям чувствительности из 500 000 белков в организме человека ранее использовавшиеся методы позволяют измерять содержание только несколько тысяч белков в отдельном образце крови человека. Наши методы определения позволяют увеличить долю белков, которые могут быть количественно измерено, от нескольких процентов до 60-70%. Этот огромный динамический диапазон характерен не только для различных видов белков одного пациента, но также и для определенного белка в определенной группе пациентов, у которых он может встречаться от пяти до шести показателей степеней. Задача состоит не только в определении всех белков определенного пациента, но также и в определении всех важных белков определенной группы у всех представителей определенной группы. Мы смогли достичь определения всех цитокинов у всех мужчин и всех женщин. Распределение многих исследуемых биологических маркеров гораздо шире в группах лиц, пораженных раком, чем у здоровых женщин, мы также смогли наблюдать отрицательную и положительную модуляцию. Сигнальные белки представляют собой превосходные биологические маркеры, но очень часто встречаются в очень низких концентрациях. LAP имеют большую потенциальную способность становиться надежными биологическими маркерами.

^ Белки низкой распространенности (LAP): Сигнальные LAPs представляют собой превосходные биологические маркеры. Белки можно разделить на два больших класса: эффекторы и сигнальные белки. Белки-эффекторы типично высоко распространены и составляют более 1 нг/мл. Они очень хорошо стабилизированы в связи с множественностью реакций и регуляционных петель, и их концентрации изменяются только на поздних стадиях заболевания. Сигнальные белки участвуют в регуляции и соединении различных подсистем организма в единую, совокупную и в высокой степени нелинейную систему. Очень часто они присутствуют в очень низких концентрациях (<< 1 пг/мл), а отрицательная или положительная модуляция представляет собой мощное сообщение, направляемое иммунной системой. Очень часто они активируются на ранней стадии заболевания, когда организм пытается подавить «атипичные» клетки (т.е. раковые клетки). Определение сигнальных LAP может позволить определить рак на ранней стадии через реакцию организма на рак.

^ Зависимость от возраста: Иммунная система развивается с возрастом. Реакции молодых женщин и женщин старшего возраста отличаются значительным образом. Использование высокочувствительных методов ИФА позволило исследовать изменение концентраций цитокинов в крови с возрастом. Фактор возраста представляет собой наиболее важный фактор в случае с заболеваниями женщин, который дает основание предполагать отличия в иммунной системе, характерные для различных возрастных групп, которые, наиболее вероятно, отражают гормональные изменения, наблюдаемые в группах женщин в возрасте до, в период и после менопаузы [возраст до менопаузы (возраст < 45); возраст менопаузы (45 < возраст < 55 лет); возраст после менопаузы (возраст > 55 лет]. В период менопаузы зависимость от возраста становится существенной и возрастает в квадрате. Таким образом, концентрации могут увеличиваться вдвое у женщин в период до менопаузы в возрасте приблизительно 40 лет и у женщин в период после менопаузы в возрасте 70 лет и старше. У женщин с раком молочной железы уровень цитокинов уменьшается по мере взросления. В возрасте 70-и лет концентрация цитокинов у здоровых женщин может в 2-3 раза отличаться от уровня цитокинов у женщин, пораженных раком молочной железы. Для женщин данные по биологическим маркерам должны быть откорректированы с учетом возраста, для анализа могут использоваться только данные, откорректированные на возраст. Другой важный аспект зависимости от возраста состоит в том, что различные формы заболевания могут приводить к различным зависимостям от возраста. Одним из наиболее важных достижений наших ранних исследований было улучшение понимания отличий иммунной системы различных подгрупп пациенток в зависимости от их возраста. Понимание взаимосвязи с возрастом позволяет делать вывод о том, что реакция организма в период менопаузы может быть важной для понимания онкогенеза рака молочной железы. Она может предоставить новые факторы риска, основанные на реакции иммунной системы, для оценки на основании возраста и, возможно, гормонального статуса.

^ Новые технологии определения белков: Наш тест BBT разработан при использовании высокочувствительных техник диагностики иммунной реакции, которые позволяют определять наличие всех интересующих цитокинов у всех групп пациентов. Одной их этих техник является иммунная проба с многофотонным считыванием (IA/MPD), которая обеспечивает предел определения, равный 1-5 фг/мл, и супер-ИФА с пределом определения, который составляет 10-20 фг/мл. По сравнению с методами, использующимися в настоящий момент, эта увеличенная чувствительность позволяет измерять количество биологических маркеров, которые не могли быть надежно и количественно определены ранее. Эффективность этих техник сравнима со стандартными техниками в Таблице 3.

Таблица 1. Предел определения различных иммунных проб (Показатель качества (FM) = Предел определения (ИФА)/Предел определения (другой метод)



Тип

IA/MPD

Супер-ИФА ИФА

Luminex ™

Предел определения (пг/мл)

0.0001

0.001 0.5-1

10-50

Показатель качества

1000

100 1

0.1

Чувствительность, составляющая 10-18 степень моля, позволила нам исследовать изменения в концентрациях белка в сыворотке крови, вызываемые злокачественной опухолью [7, 8, 9, 10, и 11]. Она также позволила нам также лучше понять механизмы ангиогенеза в раковых заболеваниях [12]. Мы смогли определить количественное содержание цитокинов и факторов ангиогенеза (AF) и определить, что наличие злокачественной опухоли приводит к четко прослеживаемым изменениям в распределении белков LAP. Для рака молочной железы мы также смогли установить корреляцию результатов нашей системы определения по протеомике сыворотки крови с результатами биопсии, маммографии и МРТ. Корреляция между общим баллом (CS), определяемым нашим методом, и результатами биопсии ткани молочной железы выше, чем корреляция результатов биопсии с результатами маммографии или МРТ.

Мы разработали автоматизированную технику Супер-ИФА при использовании 96- или 384-луночных титрационных микропланшетов. Для IL-6 сравнение методов IA/MPD, Супер-ИФА со стандартным методом ИФА представлено на Рисунке 1. Развитие иммунологических проб для IL-6 показано на Рисунке 2.

^ Методы би-маркеров при использовании для определения рака молочной железы: Концентрации многих цитокинов слишком низки и не могут быть определены стандартными методами ИФА у большинства пациенток. Мы достигли необходимого уровня эффективности при использовании метода Супер-ИФА. В связи с тем, что мы определяем все выбранные биологические маркеры в почти всех образцах крови пациенток различных групп, мы можем надежно рассчитать корреляции между этими биологическими маркерами. Чтобы определить наличие раковых заболеваний, мы исследовали распределения и зависимсот от возраста до 16 биологических маркеров, которые были отобраны из 43 биологических маркеров. Мы также провели полнообъемный поиск всех корреляций между двумя биологическими маркерами. Мы называем такие функции корреляции как би-маркеры; имеются nn = n(n-1)/2 би-маркеры. Уровень OFA (артефакты, связаннын с большим количеством подходящих маркеров) снижается до ничтожно малого уровня, когда количество образцов в группе в десять раз превышает количество биологических маркеров. В нашем пилотном исследовании теста BBT для рака молочной железы уровень OFA ничтожно мал в связи с достоверными статистическими данными и в связи с использованием только 5-и биологических маркеров. Оптимальный набор биологических маркеров и би-маркеров был выбран при использовании разработанного нами анализа биоинформатики. Для 5-и биологических маркеров используется 10 би-маркеров. Использование би-маркеров приводит к эффективному методу определения рака без возникновения артефактов.

Каждый из би-маркеров может рассматриваться как независимая иммунологическая проба. Они не являются пробами с малозначимыми величинами. Как очень высокие, так и очень низкие значения могут представлять собой признак заболевания. Плоскость разделяется на области, включающие, главным образом, лиц, пораженных раковым заболеванием, или здоровых лиц. Для некоторых комбинаций биологических маркеров имеются также «зоны неопределенности», где случаи наличия и отсутствия ракового заболевания смешиваются. В каждом случае мы можем определить количество ложноположительных (FP) и ложноотрицательных (FN) результатов. Прогностическая способность определяется как PP = 1- (FP + FN)/2. Мы наблюдали, что для большего числа каждого из этих мульти-маркеров, прогностическая способность PP составляет 60%-90%. Для небольшого числа мульти-маркеров значение PP выше чем 90% (отличное) для большого числа - значение PP - менее 60% (плохое). Для определения рака молочной железы исключительно хороший би-маркеры - это IL-8 в отношении к VEGF с PP=90% и IL-6 в отношении к IL-8 м PP=85%. Набор би-маркеров обладает мощным взаимноусиливающим действием и представляет различные аспекты биологической реакции организма на рак. Это взаимное действие может использоваться для снижения количества ложноположительных (FP) и ложноотрицательных (FN) результатов. Мы определяем общий балл (CS), основанный на соответствующем правиле большинства. Для каждой пациентки этот балл увеличивается на 1 значение, если он относится к области {+}, остается без изменений – если он относится к области {0}, и уменьшается на одно значение, если он относится к области {-}. Баллы упорядочиваются в интервале между -100% и +100%. Мы представляем положительный балл как отношение фактического балла к максимально положитеьному баллу; отрицательные баллы представлены как процентное отношение от минимального отрицательного балла.

Правило большинства используется для сбора данных относительно каждого из би-маркеров. Разработанное нами ПО биоинформатики для данного анализа испытывалось на десяти различных раковых заболеваниях, включая рак молочной железы. Мы определили общие баллы как:

  1. CSL = summa (PPi)/ nби-маркер для всех i= 1 до imax =nn

  2. CSQ= sqrt(summa(PPixPPi))/nби-маркер для всех i= 1 до imax =nn

Каждая пациентка в группе здоровых пациенток (N=563) и пациенток с раком молочной железы (N=575) характеризуется положением на плоскости CSL в отношении к плоскости CSQ. Мы учли некоторые отличия в распределении возраста в группе здоровых пациенток и пациенток с раком молочной железы. Корректировка результатов проводится при использовании кривых зависимости от возраста, которые описаны в [4 - 8]. В нашем ПО для каждого биологического маркера и для каждой возрастной группы (10-летний интервал) рассчитывается среднее значение для группы пациенток с раком и контрольной группы пациенток, а значения каждого образца корректируются на полученное значение. В ранее проведенных исследованиях мы описали положительные результаты, полученные при выходе за пределы понятия би-маркеров. Были разработаны два новых алгоритма, основанных на мульти-маркерах, которые привели к повышению чувствительности и специфичности с 95% до 98%. Мы также подробно проанализировали три подгруппы, разделенные по возрастному фактору, которые мы называем: группа женщин в период до менопаузы, группа женщин в период менопаузы и группа женщин в период после менопаузы. Детальная информация представлена в следующем разделе. Таким образом, мы провели дифференциацию групп здоровых пациенток и пациенток с раком молочной железы для женщин младше 45 лет. Например, на Рисунке 3 мы представляет дифференциацию подгрупп здоровых пациенток (N=563) и пациенток с раком молочной железы (N=575) на плоскости CSL в отношении к плоскости CSQ. При оптимальном пороге взвешенного общего балла CSL, и FNBBT, и FPBBT составляют около 3%. Соответствующая кривая ROC показана на Рисунке 4. Обращаем ваше внимание, что это, по крайней мере, 3-ёхкратное улучшение FN по сравнению с типичными результатами для маммографии, которые при усреднении результатов для всех возрастов составляют около 10%. Для женщин в период до менопаузы (возраст < 45 лет) это усовершенствование может быть пятикратным. Результаты весьма многообещающие, а статистическая неопределенность – разумная. Увеличение группы женщин в период до менопаузы, как здоровых пациенток, так и пациенток с раком молочной железы, - это наша следующая цель.

Результаты: Наше исследование представляло собой целый ряд усовершенствований в обработке образцов, подготовке аппаратного обеспечения и ПО. Представленные результаты – это итог пятилетней работы, в который все еще вносятся усовершенствования. Последний год исследований позволил нам:

  1. добавление HWновые(N=190) и BCновые(N=160) к статистичсеким данным по группе;

  2. разработка новых алгоритмов на основе мульти-маркеров для определения рака молочной железы;

  3. лучшее понимание эффективности иммуной системы у женщин в период до менопаузы;

  4. выявление свойств периода менопаузуы и их воздействия на определение рака молочной железы.

^ Метод мульти-маркеров, применяемый к определению рака молочной железы:

Усовершенствование статистических методов позволило нам не ограничиваться формализмом би-маркеров. Мы продемонстрировали преимущество использования три-маркеров при сравнении трех биологических маркеров и 4-маркеров. Имеется n3= (n-2)(n-1)n/6 три-маркеров и n4 = (n-3)(n-2)(n-1)n/12 четыре-маркеров, где n – это количество биологических маркеров. Набор би-маркеров, три-маркеров и четыре-маркеров называется мульти-маркерами. Для 5-и биологических маркеров, используемых в оптимальном наборе для определения рака молочной железы, nn=n3=n4=10. Каждому из мульти-маркеров приписывается на основании алгоритма кластеризации определенная прогностическая способность. В нашем анализе мульти-маркеры с прогностической способностью (PP < 50%) были удалены. Мы часто используем только те мульти-маркеры, которые обладают прогностической способностью PP > PPпорог. Это порог изменяется в зависимости от вида ракового заболевания. Для BC и PPthreshold =70% количество хороших би-маркеров, три-маркеров составляет 4, а 4-маркеров - 3. Каждая пациентка в группе здоровых пациенток (N=563) и пациенток с раком молочной железы (N=575) характеризуется положением на плоскости CSL в отношении к плоскости CSQ. Мы учли некоторые отличия в распределении возраста в группе здоровых пациенток и пациенток с раком молочной железы. Корректировка результатов проводится при использовании кривых зависимости от возраста, которые описаны в [4, 5, 6, 7, 8]. В нашем ПО для каждого биологического маркера и для каждой возрастной группы (10-летний интервал) рассчитывается среднее значение для группы пациенток с раком и контрольной группы пациенток, а значения каждого образца корректируется на полученное значение.

^ Анализ результатов:

Образцы: Наши образцы здоровых пациенток (N=563) получены из 5 различных клинических центров. Большая часть образцов крови здоровых пациенток (N=563) была предоставлена компанией Zeptometrix Inc. Образцы получены от здоровых доноров крови и были отобраны в двух пригородных больницах Новой Англии. Образцы крови пациенток с раком молочной железы BC (N=595), главным образом, получены от профессора Дж. Томашевски, Университет Пенсильвании, штат Филадельфия, и от профессора Дж. Маркса, SOM, Университет Дьюк, Дарем, Северная Калифорния. Две подгруппы меньшего размера - из Zeptometrix Inc. и из Arizona Рак System, Феникс, Аризона. Образцы крови из групп профессоров Дж. Томашевски и Дж. Маркса – получены из фонда, полученного по гранту Национального института изучения рака и/или управляемого от имени EDRN, Национальный институт изучения рака. Согласно информации источников образцов крови, подготовка сыворотки крови осуществлялась одинаковым образом. Обращаем ваше внимание на то, что в каждой из подгрупп имеется слегка отличное распределение по возрасту и расе участниц. Однако предлагаемый метод имеет сравнительно низкую изменчивость от лечебного учреждения к лечебному учреждению. Таким образом, очень важно, что мы пришли к пониманию зависимости распределения биологических маркеров от возраста для групп здоровых пациенток и пациенток с раком молочной железы. Эти зависимости от возраста используются в наших алгоритмах для корректировки значений биологических маркеров. Мы разработали две техники для расчета функции, откорректированной на возраст. Они имеют взаимно усиливающее действие с техниками, которые использовались ранее. Более этого, разделение наших групп в зависимости от возраста (которые мы группа женщин в период до менопаузы, группа женщин в период менопаузы и группа женщин в период после менопаузы) помогают устранить ложные результаты, связанные с возрастом.

^ Метод мульти-маркеров для определения рака молочной железы

Каждая пациентка в группе здоровых пациенток (N=563) и пациенток с раком молочной железы (N=575) характеризуется положением на плоскости CSL в отношении к плоскости CSQ. Мы учли некоторые отличия в распределении возраста в группе здоровых пациенток и пациенток с раком молочной железы. Корректировка результатов проводится при использовании кривых зависимости от возраста, которые описаны в [4, 5, 6, 7, 8]. В нашем ПО для каждого биологического маркера и для каждой возрастной группы (10-летний интервал) рассчитывается среднее значение для группы пациенток с раком и контрольной группы пациенток, а значения каждого образца корректируется на полученное значение.

Мы описали [4, 5, 6, 7, 8] случаи определения рака на ранней стадии, используя новый метод группировки анализа данных. Для определения рака молочной железы мы сравнили прогностическую способность четырех алгоритмов. В алгоритме 1 используются только би-маркеры; в алгоритме 2 используются и би-и три-маркеры. В алгоритме 3, который называется мета-маркеры, используются все мульти-маркеры, а алгоритм 4 представляет собой алгоритм консенсуса, основанный на результатах алгоритмов 1 - 3. В таблице 3 представлены результаты для здоровых пациенток (N=563) и пациенток, пораженных раком (N=575). Анализ результатов здоровых пациенток в отношении к пациенткам, пораженным раком, свидетельствует при хороших статистических результатах, о повышении чувствительности анализа от алгоритма 1 к алгоритму 3. Чувствительность алгоритмов 3 и 4 сопоставима, а кривые ROC для алгоритма 3 являются отличными. Схожие результаты зарегистрированы для специфичности.

Мы сравнили результаты для женщин более молодой группы и женщин старшего возраста, т.е. исследовали группы женщин в период до менопаузы, в период менопаузы и в период после завершения менопаузы. Очень важные результаты были получены при сравнении результатов с результатами маммографии, которые становятся менее надежными для женщин в возрасте младше 50-и лет.

^ Таблица 1. Чувствительность и специфичность определения рака молочной железы

Женщины в период до менопаузы

Здоровые пациентки (N=229)

Пациентки, пораженные раком молочной железы (N=213)


219/229 (95.7%) 201/213 (94.4%)


4/229 (1.8%) 6/213 (2.8%)


6/229 (2.6%) 5/213 (2.3%)

Женщины в период менопаузы

Здоровые пациентки (N=168)

Пациентки, пораженные раком молочной железы (N=200)


162/168 (96.4%) 193/200 (96.5%)


2/168 (1.2%) 2/200 (1.0%)


4/168 (2.4%) 5/200 (2.5%)

Женщины в период до менопаузы

Здоровые пациентки (N=165)

Пациентки, пораженные раком молочной железы (N=162)


160/165 (97.0% 59/162 (98.1%)


2/165 (1.2%) 1/162 (0.6%)


3/165 (1.8%) 2/162 (1.2%)

Все

Здоровые пациентки (N=563)

Пациентки, пораженные раком молочной железы (N=575)


541/563 (96.1%) 554/575 (96.3%


8/563 (1.4%) 9/575 (1.6%)


14/563 (2.5%) 11/575 (1.9%)



Группы женщин: в возрасте до менопаузы (возраст < 45); в период менопаузы (45 < возраст < 55 лет); в возрасте после менопаузы (возраст > 55 лет)

Мы зафиксировали отличную дифференциацию групп здоровых пациенток и пациенток с раком молочной железы для женщин младше 45 лет. Например, на Рисунке 3 мы представляет дифференциацию подгрупп здоровых пациенток (N=563) и пациенток с раком молочной железы (N=575) на плоскости CSL в отношении к плоскости CSQ. При оптимальном пороге взвешенного общего балла CSL, и FNBBT, и FPBBT составляют около 3%. Соответствующая кривая ROC показана на Рисунке 4. Обращаем ваше внимание, что это, по крайней мере, 3-ёхкратное улучшение FN по сравнению с типичными результатами для маммографии, которые при усреднении результатов для всех возрастов составляют около 10%. Для женщин в период до менопаузы (возраст < 45 лет) это усовершенствование может быть пятикратным. Результаты весьма многообещающие, а статистическая неопределенность – разумная. Увеличение группы женщин в период до менопаузы, как здоровых пациенток, так и пациенток с раком молочной железы, - это наша следующая цель.

Основное ограничение маммографии состоит в том, что ее результаты в значительной мере зависят от возраста. Для нашего теста, основанного на анализе крови (BBT), мы исследовали зависимость показателей FNBBT и FPBBT как функция от возраста в следующих возрастных интервалах: возраст < 35, 35< возраст < 45 лет, 45 < возраст < 55 лет и возраст > 55 лет. Чувствительность и специфичность близки к тому, чтобы зависеть от возраста (см. Рисунок 5). Слабая зависимость от возраста отличается от зависимости результатов маммографии от возраста, которая при возрасте женщины младше 45 лет становится очень ненадежной. Данные показывают, что чувствительность и специфичность очень близки друг к другу по полученным значениям. Для всех групп, здоровых пациенток (N=563) и пациенток, пораженных раком молочной железы BC (N=575), и чувствительность, и специфичность составляют более 96%. Отличие между чувствительностью и специфичностью составляет менее 2%, что, в своб очередь, также отличается от методов визуализации, при которых чувствительность и специфичность в значительной мере отличаются друг от друга (см. пример МРТ для женщин младшего возраста). Обращаем ваше внимание на то, что наши FPBBT и FNBBT ниже, чем предсказываемые по имеющимся статистическим данным. Одной из целей предлагаемого проекта было достижение более высоких показателей статистики для женщин в возрасте до менопаузы.

Группа женщин в возрасте до менопаузы (возраст < 45 лет) является критической, поскольку маммография обладает слабой прогностической способностью для женщин в возрасте до 50-и лет. Например, в группе женщин моложе 45 лет, чувствительность маммографии составляет менее 60%. При использовании традиционного алгоритма 1, чувствительность и специфичность нашего теста BBT составляет около 95% для женщин в возрасте до менопаузы. При использовании алгоритмов 2 и 3, чувствительность/специфичность повышается до 97-98%.

^ Собственная разработка по биоинформатике для теста BBT: В нескольких словах, мы разработали четыре алгоритма. При использовании традиционного алгоритма 1 отображение результатов здоровых женщин в отношении к результатам пациенток, пораженных раком, на плоскости CSL,1/CSQ,1 представлено на Рисунке 6. Мы наблюдаем, что в большинство образцов крови здоровых женщин (синий цвет) сконцентрированы в нижней/левой зоне, а большая часть образцов крови пациенток, пораженным раком, находятся в правой/верхней зоне. Две кривые в результате дают типичную кривую в форме S. Наложение между двумя распределениями очень мало. Точки в «квадрате» не являются определенными, мы не можем отнести их ни к здоровым женщинам, ни к пациенткам, пораженным раком. Также имеются редкие ложно идентифицированные образцы, т.е. некоторые красные между синими и наоорот. Соответствующая кривая ROC, полученная для CSL,1, представлена на Рисунке 7. Отображение результатов здоровых женщин в отношении к результатам пациенток, пораженных раком, на плоскости CSL,1/CSQ,1 представлено на Рисунке 8. Большинство образцов крови здоровых женщин (синий цвет) сконцентрированы в нижней/левой зоне, а большая часть образцов крови пациенток, пораженным раком, находятся в правой/верхней зоне. Две кривые в результате дают типичную кривую в форме S. Наложение между двумя распределениями очень мало. Также имеются редкие ложно идентифицированные образцы, FN < 3% и FP < 2%. Соответствующая кривая ROC, полученная для CSL,2, представлена на Рисунке 9. Отображение результатов здоровых женщин в отношении к результатам пациенток, пораженных раком, на плоскости CSL,3/CSQ,3 представлено на Рисунке 10. Образцы крови здоровых женщин (синий цвет) сконцентрированы в нижней/левой зоне, а почти все образцы крови пациенток, пораженным раком, находятся в правой/верхней зоне. Кривая в форме S более не наблюдается, а количество образцов, не расположенных в углах, очень мало. «Квадрат неопределенности» существенно уменьшен. Ложно идентифицируемых образцов почти не имеется. Соответствующая кривая ROC, полученная для CSL,3, представлена на Рисунке 11. Эта кривая ROC3 почти полностью описывает квадрат, что свидетельствует об устойчивости алгоритма 3.

^ Сравнительные исследования по различным группам: Наши результаты по определению рака молочной железы при использовании высокочувствительной диагностической протеомики являются очень перспективными. Однако мы еще не выяснили, является ли преимущество результатом:

  1. выбора определенного набора цитокинов;

  2. более чувствительных методов измерений; или

  3. использования особого ПО для анализа данных на основе мульти-маркеров.

Все эти факторы позволили нам с высоким уровнем надежности определять концентрации 10-50 фг/мл. В настоящее время наши пробы на основе анализа крови для определения рака молочной железы позволили повысить чувствительность и специфичность на 10% по сравнению с прочими пробами, основанными на анализе крови. На основании целого ряда численных экспериментов мы делаем вывод о том, что около 5% преимуществ связаны с тем, что мы измеряем на более высоком уровне, и около 5% вызваны тем, что мы используем лучшие процедуры анализа данных. Чтобы испытать эту гипотезу мы предоставили наши данные для анализа независимому аналитику в сфере биологической статистики, который провел серию анализа данных при использовании «классических» методов биоинформатики. Лучшие результаты были получены при использовании методов регрессии. При анализе набора данных по здоровым женщинам (N=373) и пациенткам, пораженным раком (N=495), чувствительность/специфичность метода достигла 80-85%. Однако когда три группы женщин: женщины в возрасте до менопаузы, в период менопаузы и после менопаузы – исследовались отдельно, эти модели проявили до 90% чувствительности. Чувствительность и специфичность показывают лучшие результаты для групп женщин в возрасте до менопаузы. Таким образом, при использовании наших данных и «стандартного» метода биоинформатики чувствительность и специфичность стандартного анализа составляет:

  1. на 10% выше, чем метод маммографии для женщин в возрасте до менопаузы;

  2. на 5% выше, чем опубликованные результаты тестов на основе анализа крови для определения рака молочной железы;

  3. на 5% ниже, чем при использовании нашего ПО с би-маркером.

Эти результаты согласуются с нашими допущениями о том, что около 5% преимуществ связаны с тем, что мы измеряем более точно, а 5% получены благодаря тому, что мы используем усовершенствованное ПО собственной разработки для анализа биологических данных.

В биомедицинской диагностике хорошо известны отличия от одного лечебного учреждения к другому. Например, эти отличия наблюдались при использовании масс-спектроскопических методов протеомики для диагностики рака. Таким образом, важная задача – это перевести наши техники в сферу клинических лабобраторий. Мы установили оборудование LHS96.6S с автоматической пробой Супер-ИФА в независимой лаборатории в Университете Пенсильвании. Цель состояла в том, чтобы параллельно измерять образцы крови здоровых женщин (N=108). Группа исследователей университета Пенсильвании исследовала IL-6 и VEGF во всех образцах крови, а IL-6, TNFalpha, IL-8 и PSA измерялись в лаборатории BioTraces Inc.. Эти данные использовались для дифференциации результатов здоровых женщин (N=108) от ранее полученных данных по пациенткам, пораженным раком (N=495). Как описано выше, результаты отличные. Мы выявили, что зависимость от возраста в группах здоровых женщин (N=373) и (N=483) является схожей. Небольшие отличия гораздо меньше, чем отличия между здоровыми женщинами (N=483) и пациентками, пораженными раком (N=495). Таким образом, наш опыт внедрения технологии в Университете Пенсильвании прошел успешно. Однако нам необходимо проводить большее количество исследований для анализа отклонений в данных, вызванных проведением исследований в различных лечебных учреждениях.

Заключение:

Диагностика рака молочной железы на ранней стадии обеспечивает наиболее важный подход для повышения эффективности результатов лечения и коэффициента выживаемости. Диагностика рака молочной железы при помощи маммографии имела важное значение и позволила улучшить коэффициент выживаемости больных с рак ом молочной железы в рамках стандартных практик лечения. Однако эффективное использование маммографии требует хорошо развитой инфраструктуры и финансовой поддержки для того, чтобы расширить доступ к этому методу широких слоев пациенток, при этом он имеет определенные ограничения в связи со слабой способностью определения существенных категорий женщин, включая женщин более молодого возраста (младше 60 лет), женщин с плотной тканью молочной железы и женщин после хирургической операции на молочной железе по различным показаниям.

Мы описала разработку нового метода на основании анализа крови для диагностики рака молочной железы, который может иметь важные последствия для скрининга и диагностической оценки для повышения эффективности лечения и обслуживания женщин с риском развития рака молочной железы во всех возрастных группах и условиях, которые ограничивают возможности эффективной маммографии. При использовании высокочувствительной пробы на основании ИФА для количественной оценки биомаркеров и нового биоинформационного подхода, который был валидирован на более чем 1000 образцах крови здоровых женщин и пациенток, пораженным раком, мы разработали тест на основе анализа крови, который обладает более чем 95% чувствительностью и специфичностью для опеделения рака молочной железы. Этот новый подход для тестирования на основании анализа крови обладает потенциальной важностью либо как первичный метод диагностики для женщин, которые не имеют доступа к рентгенографической маммографии, либо как метод диагностики, который позволяет оптимизировать использование ограниченных медицинских ресурсов, таких как МРТ, включая их использование для женщин, диагностика заболевания которых при помощи маммографии осложнена (т.е. молодых женщин, женщин с плотной тканью молочной железы или женщин с молочной железой, увеличенной хирургическим способом), диагноз которых может быть впоследствии подтвержден МРТ, либо в качестве метода диагностики для женщин с неубедительными результатами маммограмм. Таким образом, добавление нашего метода определения на основаниии анализа крови для женщин с риском развития рака молочной железы, значительно расширяет действующие в настоящий момент методы диагностики и обеспечивает первичный метод определения для недостаточных ресурсов визуализации в районах с ограниченными возможностями диагностики.


^ Список благодарностей:

Мы бы хотели поблагодарить наших коллег в SOM, Университет Мэриленд, Балтимор, главным образом, профессоров С.Стасса и К. Ткачука за советы и полезные рекомендации, которые мы получали в течение нескольких лет. Мы также благодарим за помощь профессора Дж. Шнура, GMU, Фэрфакс, штат Вирджиния.

Мы выражаем признательность за терпение и энциклопедические знания профессору Г.Миклосу, Дженеттикс, Сидней, Австралия, и профессору М. Голдберг, Институт Пастера, Париж, Франция.

Мы благодарим врача М.Элбаума за обсуждения по поводу биологической статистики; мы не всегда были согласны, однако, получили огромное удовольствие от дискуссий.

В наших исследованиях мы использовали химическую систему LHS Chemistry System и набор реагентов BC Sera Dx для оценки риска рака молочной железы, производитель - OTraces, Inc.
















Рисунок 1: Историческое развитие использования IA/MPD, Супер-ИФА и ИФА.

Рисунок 2: Сравнение ИФА, Супер-ИФА и IA/MPD for IL-6.



















Рисунок 3: Дифференциация здоровых женщин (N=563) в отношении к пациенткам, пораженным раком молочной железы (N=575), на плоскости CSL/ CSQ.

Рисунок 4: Кривые ROC для здоровых женщин (N=563) в отношении к пациенткам, пораженным раком молочной железы (N=575).




Рисунок 5: Чувствительность/специфичность нашего метода практически не зависит от возраста женщины.




Рисунок 6: Дифференциация здоровых женщинpre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) на плоскости CSL/CSQ. (Алгоритм 1)



Рисунок 7: Кривая ROC для здоровых женщин pre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) (Алгоритм 1).





Рисунок 8: Дифференциация здоровых женщинpre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) на плоскости CSL/CSQ. (Алгоритм 2)



Рисунок 9: Кривая ROC для здоровых женщин pre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) (Алгоритм 2).



















Рисунок 10: Дифференциация здоровых женщинpre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) на плоскости CSL/CSQ (Алгоритм 3)

Рисунок 11: Кривая ROC для здоровых женщин pre (N=229) в отношении к пациенткам, пораженным раком молочной железы pre (N=213) (Алгоритм 3).


Использованная литература:

  1. Рабочая группа США 11/2009, Хроники внутренней медицины.

  2. С.Х. Ландис и др., Статистика рака. Ca Cancer J Clin 1999 49(8): 8-31, 1999

  3. Х.Андерсон и др., Наследственный рак молочной железы и яичников: исследование, основанное на реестре населения Швеции; A. J. Epidemiology, 52(12); 1154- 1163 (2001)

M.П.Фей и др., Возможности развития рака, связанные с возрастом, Статистика в медицине 2003; 22; 1837-1848

Ф.Помпей, Р.Вилсон, Возрастное распределение рака...Оценка риска для человека и экологии, 2001, 7(6); 1619-1650

4. C.E.Хоумс, H.Б. Масс, Диагностика и лечение рака молочной железы у престарелых пациентов, Ca Cancer J Clin . 53(4): 227-44, 2003

A.M.Моррис и др., Сравнение экономической эффективности балла по тройному тесту с традиционными методами оценки пальпируемых образований в грудной железе, Med. Care, 41(8): 962-71, 2003.

Л.Табар и др., Маммография и рак молочной железы. Int. J. Gynaecol. Obstr. 82(3): 319-26, 2003 В.Сингх и др., Новые диагностические методы определения рака молочной железы, Future Oncol 2008; 4(4): 501-13

5. M.Дж.Яффе, Плотность по мамографии....Рак. Cancer Res. 2008; 10(3): 209
M.Фанке и др., Визуализация рака молочной железы, Радиология 2008, 48(6): 601-14

A.Рим и др., Тенденции в выявлении и диагностике рака молочной железы, Clev. Clin J. Med. 2008, 75(Suppl 1): 52-9

Дж.A.Светс и др.; Оценка диагностических систем, Академик Пресс, NY 1982

Р.M.Нишикава и др., ред. Цифровая маммография 96, Элсвиер Саенс B.V. 1996

C.A.Бим и др., Изменчивость в интерпретации рентгеноскопической маммографии рентгенологами США, Arch. Int. Med. 1996; 156; 209-213

K.Бирурманн и др., Эффективность систематической и несистематической ...рентгеноскопической маммографии: сравнительное исследование из Дании, J. Med. Screen 2008; 15(1); 23-6

6. E.A.Нау и др. Разработка ультрачувствительного IRMA для количественного определения ТТУ. Прогресс в исследовании гормонов, 51-ая конференция, Стивенсон, WA., июль 1995,

B.A.Биельска и др., Разработка суперIRMA для измерения незначительных количеств интерлейкинов. IBC, терапевтическое применение цитокинов, Филадельфия, 1996.

E.A.Нау и др. Преодоление порога чувствительности: Разработка суперIRMA для измерения незначительных количеств интерлейкинов и гормонов. Международная ассоциация эндокринологии, Сан-Франциско, 1996.

A.K.Друкиер и др., К определению одной молекулы, Семинар: после генома II, Санта-Фе, (1996).

A.K.Друкиер, Дифференциальное отображение белков, Американская ассоциация электрофореза, Bethesda MD, (1999).

A.K.Друкиер и др., Суперчувствительная система протеомики, Ассоциация электрофореза Германии, Мюнхен, (1999).

A.K.Друкиер, Суперчувствительное определение белков: IA/MPD и P-chips/MPD, 3-ья МРТ конференция по белкам, Martinsried b., Мюнхен, Германия, (2001)

A.K.Друкиер, Суперчувствительная диагностическая протеомика, Конференция по биоинформатике и протеомике, (2002)

P.Волковицкий и др. Ультрачувствительность мульти-фотонного воспроизведения изображения при протеомическом анализе рака предстательной железы. 5-ая конференция в Сиене, от Геномики к Протеомике, (2002)

O.Кляйнер и др., льтрачувствительность воспроизведения изображения в режиме MPD в протеомическом анализе, Протеомика, 5, 2322-2330 (2005)

  1. A.K.Друкиер и др., Ультрачувствительные иммунологические пробы при использовании воспроизведения изображения в режиме MPD в диагностической протеомике крови, J. Proteome Res., pp.1-4, Nov.4 (2005)

  2. Р. Сейнсбери и др., Ультравысокая чувствительность измерения цитокинов для дифференциации групп здоровых пациенток и пациенток с раком молочной железы, Конференция ACS, Вашингтон DC, апрель 2006

  3. A.K.Друкиер и др., Высокоточное оопределение на основе анализа крови рака молочной железы при помощи диагностической протеомики, J. Proteome Res. 5, 1906-15 (2006)

  4. A.K.Друкиер и др., Поиск биологических маркеров Тома, J. Proteome Res. 5, 2046-48, 2006

Добавить документ в свой блог или на сайт
Ваша оценка этого документа будет первой.
Ваша оценка:

Похожие:

Определение рака молочной железы по анализу крови iconАнализ мутаций в генах brca 1, brca 2, chek 2, связанных с наследственными формами рака молочной железы и рака яичников Рак молочной железы

Определение рака молочной железы по анализу крови iconАнализ мутаций в генах brca 1, brca 2, chek 2, связанных с наследственными формами рака молочной железы и рака яичников Рак молочной железы

Определение рака молочной железы по анализу крови iconНазвание работы
...

Определение рака молочной железы по анализу крови iconРак это злокачественная опухоль из эпителиальных клеток. Существует множество различных видов рака, в том числе несколько разновидностей рака молочной железы

Определение рака молочной железы по анализу крови iconРак молочной железы (рмж) наиболее часто встречающийся вид рака со

Определение рака молочной железы по анализу крови iconПрогностические критерии, основанных на морфологических особенностях рака молочной железы

Определение рака молочной железы по анализу крови iconНаиболее существенные факторы риска развития рака молочной железы у женщин 30-49 лет

Определение рака молочной железы по анализу крови iconРак молочной железы злокачественная опухоль, развивающаяся из эпителиальной ткани молочной железы

Определение рака молочной железы по анализу крови iconЭпидемиология рака молочной железы в приморском крае. Пути профилактики и ранней диагностики 14. 01. 12 онкология

Определение рака молочной железы по анализу крови iconМолекулярная диагностика в гауз кдц рк: Новая генетика (геномика), возможности ранней диагностики рака молочной железы

Разместите кнопку на своём сайте:
Учеба


База данных защищена авторским правом ©ucheba 2000-2013
При копировании укажите ссылку на данную страницу
обратиться к администрации | правообладателям | пользователям
Медицина