Autoantivielu biomarķieru identificēšana prostatas vēža diagnostikai
| Autor: | Sadovska, Lilite |
|---|---|
| Přispěvatelé: | Kalniņa, Zane, Latvijas Universitāte. Bioloģijas fakultāte |
| Rok vydání: | 2014 |
| Předmět: | |
| Popis: | Autoantivielām pret audzēja asociētiem antigēniem ir potenciāls tikt izmantotām kā biomarķieriem agrīnai vēža diagnostikai un prognostikai. Darba „Autoantivielu biomarķieru identificēšana prostatas vēža diagnostikai” mērķis bija atrast ar prostatas vēzi (PV) asociētu autoantivielu profilu, kas spētu atšķirt PV slimniekus no vīriešiem bez ļaundabīgām izmaiņām prostatā, kā arī prognozēt agresīvu slimības gaitu. Tika izveidots 158 antigēnu mikročips, ar kuru tika sistemātiski analizēti autoantivielu profili pacientos un veselos indivīdos; 42 antigēni uzrādīja diagnostisku vērtību un 13 – prognostisku. Izveidotais 42 biomarķieru panelis ar 57% precizitāti spēja atšķirt PV no kontroles grupām, taču tas neuzlaboja PSA testa diagnostisko vērtību. Toties 13 prognostisko marķieru panelis ar 82% precizitāti spēja detektēt agresīvus prostatas audzējus, iedrošinot uz tālāku pētījumu veikšanu to validēšanai. Autoantibodies against tumour associated antigens have a great potential to be used as biomarkers for early cancer detection as well as prognosis. The aim of the study „Identification of autoantibody signatures for diagnosis of prostate cancer” was to find a prostate cancer (PC) associated autoantibody profile, which could discriminate between PC patients and men without malignant changes in prostate as well as contribute to the identification of aggressive PC cases. A microarray comprising 158 PC-associated antigens was developed and used for systematic autoantibody profiling in patients and healthy individuals; 42 antigens revealed to have diagnostic value and 13 – prognostic. The developed 42 biomarker panel could discriminate between PC and controls with 57% accuracy but it didn’t add extra diagnostic value to the PSA test. The 13 prognostic biomarker panel could indicate aggressive PC with 82% accuracy, thus encouraging for further investigations and validation. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|