Kilégzési biomarkerek tüdőrákban

Tudományos háttér:

A tüdőrák a leghalálosabb rák, a rákos halálozások 28%-áért felelős, és évente körülbelül 1,3 millió ember halálát okozza világszerte. A korai stádiumban lévő tüdőrák diagnosztizálása és kezelése 3-4-szeresére növelheti az 5 éves túlélési arányt, gyógyulási lehetőség mellett4, 7. Ezért ennek a tanulmánynak a fő célja a tüdőrák korai felismerése, különös tekintettel a tüdőrák korai felismerésére. a tüdőrák illékony biomarkerei, amelyek korábbi eredményeink alapján segítik a könnyű, olcsó diagnózist.

A jelenleg rendelkezésre álló tüdőrák diagnosztikai tesztek nem alkalmasak szűrésre, rendkívül költségesek és invazív beavatkozásokat igényelnek (pl. bronchoszkópia), amelyek nem mentesek a szövődményektől. A rákszűrés célja a daganatok korai stádiumban történő felismerése annak érdekében, hogy a kezelés nagyobb eséllyel járjon sikerrel. A közelmúltban a legnagyobb tüdőrák-szűrési vizsgálat (NLST) 5 éves vizsgálatonként 21%-os halálozási előnyt mutatott ki, az alacsony dózisú CT-szűrési protokoll mellett a mellkasröntgenhez képest1. Ezért sürgősen szükség van egy olyan eszközre, amely lehetővé teszi a magas kockázatú kohorsz jobb meghatározását. Ilyen eszköz lehet egy biomarker panel.

A tüdőrák illékony biomarkereire összpontosítva csoportunk a közelmúltban meghatározta az illékony VOC-jelet, amely meg tudja különböztetni a tüdőrákos betegek leheletét az egészséges egyének leheletétől és a rákos sejtektől 2, 9. Ezek a jelentős eredmények arra vezettek bennünket, hogy megértsük, hogy az illékony biomarkerek alkalmasak a tüdőrák korai felismerésére és a tüdőrák altípusai közötti megkülönböztetésre. Az ilyen megkülönböztetés jelentős hatással lesz a klinikai döntésekre és a betegek előnyeire.

A kilégzett légzés elemzése diagnosztikai eszközként és előzetes eredmények:

Az illékony szerves vegyületek (VOC) analízise az orvosi diagnosztika új, vonzó, nem invazív területe. Ennek a megközelítésnek az alapelve azon a tényen alapszik, hogy a rákos sejtek anyagcsere sebességükben, sejtapoptózis útvonalakban és fehérje expressziós mintázatában különböznek a normál sejtektől, és így különféle illékony szerves vegyületeket bocsátanak ki és/vagy fogyasztanak. Ezeket a VOC-okat vagy közvetlenül a rákos sejtek fejteréből vagy a kilélegzett leheletből lehet kimutatni.

A Technion Inst (Izrael) Haick professzor csoportjával együtt adataink azt mutatják, hogy kapcsolat van az NSCLC és a kontroll sejtvonalak VOC-mintái, valamint a kilélegzett légzés egyenértékű állapotai között. Kimutattuk, hogy egyértelmű különbség van a tüdőrák és az egészséges klaszterek között. Elemeztük az NSCLC és SCLC sejtvonalak fejterét is, és szignifikánsan különbséget tudtunk tenni az SCLC és az NSCLC között azok VOC mintázatai alapján. Ez az elemzés lehetővé tette számunkra, hogy azonosítsuk a rákos sejtek által fogyasztott vagy kihagyott VOC-kat. Ennek a megállapításnak klinikai alkalmazása van, mivel az SCLC-t a kemoterápiával és sugárterápiával szembeni érzékenysége és egyéb jellemzői különböztetik meg az NSCLC-től. Ezért egy non-invazív és rendkívül érzékeny teszt rendkívül értékes lenne a tüdőrák osztályozása és korai szűrése, valamint a célzott terápia szempontjából.

Breath Collection és a mesterséges orr

Egy tipikus gyűjteményben a normál kilégzés után az alany a szájrészen keresztül szűrt levegőt szív be, hogy eltávolítsa az összes VOC-t a környezeti szennyeződésekből. Az egyének állandó áramlási sebességgel lélegeznek ki. A kilélegzett levegőt a szájrészen keresztül Mayler-zsákok tartják vissza, és/vagy egy tartályon vezetik át. Az összegyűjtött levegőminták VOC-elemzése gázkromatográfiás tömegspektrometriával (GC-MS), nagy érzékenységű nano-szenzorokkal (Nanomaterial-Based Devices, Technion – Israel Institute of Technology, Haifa, Israel) vagy online tömegspektrometriával történik. (Ionimed, Ausztria). Ezenkívül a jeleket mintafelismerő algoritmusok elemzik, például főkomponens-elemzés (PCA), támogatott vektorgépek (SVM), vagy neuronális hálózatelemzés alkalmazható a teljes jelkészletre, hogy információt szerezzen az azonosságról, az 5., 10. szenzortömbnek kitett gőz tulajdonságai és kémiai összetétele.

Kutatási célok:

Célunk egy illékony szignatúra izolálása és meghatározása, amely lehetővé teszi a tüdőrák és a normál állapot közötti megkülönböztetést. Ez potenciálisan egyedülálló biomarkerként szolgálhat a tüdőrák számára.

Céljaink a következők:

• A korai stádiumú tüdőrák kimutatásának megvalósíthatóságának tesztelése a kilégzett lehelet elemzésével, függetlenül a szubszövettantól.
• A légzési biomarkerek megvalósíthatóságának tesztelése a tüdőrák-kezelésre (műtét, kemoterápia vagy egyéb rákkezelés) adott válasz monitorozására
• A légzésanalízis érzékenységének és szelektivitásának összehasonlítása a hagyományos rákmarkerekkel és/vagy diagnosztikával (CT, PET, keringő daganatsejtek, vérmarkerek stb.)
• A szövettani és/vagy egyéb klinikai mérések összefüggése a légzés aláírásával.

Tanulmányi populáció

A klinikai beállítás során három populációból veszünk mintát:

A csoport - tüdőrákos betegek (NSCLC és SCLC), bármely stádiumban; ezt a csoportot később a következőképpen osztjuk fel:

1. SCLC (terápia előtt és után).

2. NSCLC:

   1. Műtétileg kezelt (terápia előtt és után 3 éves követés).
   2. Előrehaladott betegség (terápia előtt és után, 3 éves követés). B csoport – magas kockázatú betegek, akiknél tüdőrák vagy tüdőcsomó miatti kivizsgálás folyik.

C csoport – az életkor és a társbetegségek egyező kontrollok, a rák/rák előtti bizonyíték nélkül.

Minden gyűjtemény a helyi IRB irányelveket követi. Minden alanytól információkat gyűjtenek, beleértve az epidemiológiai adatokat, a szövettani jellemzőket, a tumor metabolikus aktivitását (SUV aviditás PET-vizsgálattal). A klinikai információk magukban foglalják az egészségi állapotot, a tüdőrák altípusát, a patológia alosztályozását és differenciálását, a fejlett elemzést és festést, ha rendelkezésre állnak, a képalkotási eredményeket (beleértve a CT-t, a PET-vizsgálatot és annak SUV-aviditását), a rák lokalizációját, a daganat teljes térfogatát. , a betegség stádiuma, a daganat genetikai osztályozása és epidemiológiai adatok, pl. életkor, nem, dohányzás és családi anamnézis, családi anamnézis, légúti betegségek, azbesztnek való kitettség stb.

Ha rák, a terápia kiválasztása az ellátási standardok és a helyi intézet munkatársai által biztosított rutinszerű ellátás szerint történik. Ennek a protokollnak nem célja, hogy megzavarja vagy előírja ezt a folyamatot.

Vizsgálati eljárás

A vizsgálat teljes időtartama minden alany esetében 10-20 percet vesz igénybe, míg az alanyok akár 3 évig is nyomon követhetők.

A tanulmány 5 évig folytatódik.

Nem kissejtes tüdőrákos újonnan diagnosztizált betegek:

Légzési tesztek:

1. Két vizsgálat közvetlenül bármely terápia előtt (műtét/egyéb; egy hét különbséggel a reprodukálhatóság tesztelése érdekében).
2. Ha kúraszerűen műtötték, akkor 3,6,12,18,24,36 hónappal később.
3. Ha kisugárzott, akkor a sugárzás közepén és végén, valamint 3,6,12,18,24,36 hónapos korban.
4. Ha kemoterápia, akkor 3 havonta, a ciklusok között.

Nyomon követési szakasz:

Háromhavonta, hogy egybeessen azzal, hogy a betegek rendszeresen ellenőrizzék kezelőorvosukat. Az ellátás szabványainak megfelelően ezen a ponton minden beteget rendszeres időközönként mellkasi és hasi CT-vizsgálattal ellenőriznek. Ez a CT a betegség kiújulásának meghatározására vagy a remisszió dokumentálására szolgál.

Korrelatív vizsgálatok

1. Köpetcitológia (Citológiai vizsgálat céljából az indukált köpetet összegyűjtjük).
2. Vérmintákat vesznek a keringő tumorsejtek elemzéséhez és más szisztémás markerekhez.

Légzésminták gyűjteménye

Egy tipikus gyűjteményben a normál kilégzés után az alany a szájrészen keresztül szűrt levegőt szív be, hogy eltávolítsa az összes VOC-t a környezeti szennyeződésekből. Az egyének állandó áramlási sebességgel lélegeznek ki. A kilélegzett levegőt a szájrészen keresztül Mayler-zsákok tartják vissza, és/vagy egy tartályon vezetik át. Az összegyűjtött levegőminták VOC-elemzése gázkromatográfiás tömegspektrometriával (GC-MS), nagy érzékenységű nano-szenzorokkal (Nanomaterial-Based Devices, Technion – Israel Institute of Technology, Haifa, Israel) vagy online tömegspektrometriával történik. (Ionimed, Ausztria). Ezenkívül a jeleket mintafelismerő algoritmusok elemzik, például főkomponens-elemzés (PCA), támogatott vektorgépek (SVM), vagy neuronális hálózatelemzés alkalmazható a teljes jelkészletre, hogy információt szerezzen az azonosságról, az 5., 10. szenzortömbnek kitett gőz tulajdonságai és kémiai összetétele.