纠正识别癌症特异性血清肽谱中的常见错误

“分子特征”是细胞、组织、生物液体或整个生物体中一组生物分子（例如，mRNA、蛋白质、肽或代谢物）的定性和定量模式。为了将这一概念应用于生物标志物的发现，测量理想情况下应是无创的，并在单次读取中进行。因此，我们开发了一个肽组学平台，该平台将基于磁性的自动化固相提取小肽与高分辨率的MALDI-TOF质谱读取相结合（Villanueva, J.; Philip, J.; Entenberg, D.; Chaparro, C. A.; Tanwar, M. K.; Holland, E. C.; Tempst, P. 分析化学 2004, 76, 1560-1570）。由于可以在微升体积的血清中检测到数百种肽，它允许寻找疾病特征，例如在癌症存在时。我们现在已评估、优化和标准化了众多临床和分析化学变量，这些变量是主要的偏差来源；范围从血液采集和凝固，到血清存储和处理，自动肽提取，结晶，光谱获取和信号处理。此外，光谱的适当对齐和用户友好的可视化工具对于有意义和可认证的数据挖掘至关重要。我们介绍了一种最小熵算法“Entropycal”，该算法简化了对齐和后续统计分析，并提高了在数据集特征选择后保留的高度区分光谱信息的百分比。使用改进的分析平台和工具，以及商业统计程序，我们发现甲状腺癌患者的血清可以根据98种区分性肽的数组与健康对照组区分开来。在适当的技术和计算方法到位的情况下，并使用严格标准化的条件，现在可以解决与患者相关的潜在偏差来源（例如，性别、年龄、遗传、环境、饮食和其他因素）。