Vlastnosti metabolomického profilu některých bio logických tekutin u pacientek se serózním adenokarcinomem vaječníků

Stáhnout PDF English version

Autoři: D. S. Kutilin; F. E. Filippov; O. N. Guskova; I. A. Alliluev; Y. S. Enin; A. Y. Maksimov
Působiště autorů: National Medical Research Center for Oncology, Rostov-on-Don, Russian Federation
Vyšlo v časopise: Klin Onkol 2025; 38(1): 38-44
Kategorie: Původní práce
doi: https://doi.org/10.48095/ccko202538

Souhrn

Východiska: Hledání účinných biomarkerů pro včasnou diagnostiku ovariálního karcinomu (ovarian cancer – OC) patří k naléhavým úkolům moderní onkogynekologie. Metabolické profilování pomocí ultra vysokoúčinné kapalinové chromatografie a hmotnostní spektrometrie (ultra-high performance liquid chromatography and mass spectrometry – UHPLC-MS) poskytuje informace o souhrnu všech nízkomolekulárních metabolitů vzorku biologických tekutin pacienta, které odrážejí procesy probíhající v těle. Cílem studie bylo prozkoumat metabolomický profil krevní plazmy a moči pacientek se serózním ovariálním adenokarcinomem pomocí UHPLC-MS. Materiál a metody: K provedení metabolomické analýzy bylo odebráno 60 vzorků krevní plazmy a 60 vzorků moči pacientek s diagnózou serózního karcinomu vaječníků a 20 vzorků zdravých dobrovolníků. Chromatografická separace byla provedena na chromatografu Vanquish Flex UHPLC System (Thermo Scientific, Německo). Analýza hmotnostní spektrometrií byla provedena na Orbitrap Exploris 480 (Thermo Scientific, Německo) vybaveném elektrosprejovým ionizačním zdrojem. Bioinformatická analýza byla provedena pomocí Compound Discoverer Software (Thermo Fisher Scientific, USA), statistická analýza dat byla provedena v programovacím jazyce Python pomocí knihovny SciPy. Výsledky: Pomocí UHPLC-MS bylo v krevní plazmě identifikováno 1 049 metabolitů různých tříd. U pacientek s OC mělo 8 metabolitů významně nižší koncentraci (p < 0,01) ve srovnání se zdravými dárci, zatímco u 19 látek byly zjištěny vyšší hladiny (p < 0,01). Během metabolomického profilování vzorků moči bylo identifikováno 417 metabolitů: 12 látek mělo významně nižší koncentraci ve srovnání se zjevně zdravými jedinci a u 14 látek byly hladiny vyšší (p < 0,01). U pacientek se serózním adenokarcinomem vaječníků byla zjištěna významná změna v metabolomu krevní plazmy a moči, vyjádřená abnormálními koncentracemi lipidů a jejich derivátů, mastných kyselin a jejich derivátů, acylkarnitinů, fosfolipidů, aminokyselin a jejich derivátů, derivátů dusíkatých bází a steroidů. Mezi nejslibnější markery tohoto onemocnění přitom patří kynurenin, kyselina myristová, lysofosfatidylcholin a L-oktanoylkarnitin. Závěr: Odhalené změny v metabolomu se mohou stát základem pro zlepšení přístupů k diagnostice serózního ovariálního adenokarcinomu.

Klíčová slova:

moč – krevní plazma – serózní ovariální adenokarcinom – metabolomický profil – ultra vysokoúčinná kapalinová chromatografie a hmotnostní spektrometrie

Zdroje

1. Global Cancer Facts & Figures 3rd Edition. [online]. Available from: https: //www.cancer.org/content/ dam/cancer-org/research/cancer-facts-and-statistics/ global-cancer-facts-and-figures/global-cancer-facts-and-figures-3rd-edition.pdf.

2. Tsandekova MR, Porkhanova NV, Kutilin DS. Molecular characteristics of ovary serous adenocarcinoma: significance for diagnosis and treatment. Available from: http: //science-education.ru/ru/article/view?id= 29428.

3. Paoletti X, Lewsley LA, Daniele G et al. Assessment of progression-free survival as a surrogate end point of overall survival in first-line treatment of ovarian cancer: a systematic review and meta-analysis. JAMA Netw Open 2020; 3 (1): e1918939. doi: 10.1001/jamanetworkopen.2019.18939.

4. van Nagell Jr JR, Hoff JT. Transvaginal ultrasonography in ovarian cancer screening: current perspectives. Int J Womens Health 2013; 6: 25–33. doi: 10.2147/IJWH.S38347.

5. Lalwani N, Prasad SR, Vikram R et al. Histologic, molecular, and cytogenetic features of ovarian cancers: implications for diagnosis and treatment. Radiographics 2011; 31 (3): 625–646. doi: 10.1148/rg.313105066.

6. Tsandekova MR, Porkhanova NV, Kit OI et al. Minimally invasive molecular diagnostics of high-grade and low-grade serous adenocarcinoma of the ovary. Oncogynecology 2021; 4: 35. doi: 10.52313/22278710_2021_ 4_35.

7. Feeney L, Harley IJ, McCluggage WG et al. Liquid biopsy in ovarian cancer: catching the silent killer before it strikes. World J Clin Oncol 2020; 11 (11): 868–889. doi: 10.5306/wjco.v11.i11.868.

8. Petri AL, Simonsen AH, Yip TT et al. Three new potential ovarian cancer biomarkers detected in human urine with equalizer bead technology. Acta Obstet Gynecol Scand 2009; 88 (1): 18–26. doi: 10.1080/000163408024 43830.

9. Chaleckis R, Meister I, Zhang P et al. Challenges, progress and promises of metabolite annotation for LC–MS-based metabolomics. Curr Opin Biotechnol 2019; 55: 44–50. doi: 10.1016/j.copbio.2018.07.010.

10. Saorin A, Di Gregorio E, Miolo G et al. Emerging role of metabolomics in ovarian cancer diagnosis. Metabolites 2020; 10 (10): 419. doi: 10.3390/metabo101 00419.

11. Schmidt DR, Patel R, Kirsch DG et al. Metabolomics in cancer research and emerging applications in clinical oncology. CA Cancer J Clin 2021; 71 (4): 333–358. doi: 10.3322/caac.21670.

12. The Human Mtabolome Database. [online]. Available from: http: //www.hmdb.ca.

13. Jones E, Oliphant E, Peterson P. SciPy: open source scientific tools for python. [online]. Available from: http: //www.scipy.org.

14. Beyoğlu D, Idle JR. Metabolic rewiring and the characterization of oncometabolites. Cancers 2021; 13 (12): 2900. doi: 10.3390/cancers13122900.

15. Platten M, Nollen EA, Röhrig UF et al. Tryptophan metabolism as a common therapeutic target in cancer, neurodegeneration and beyond. Nat Rev Drug Discov 2019; 18 (5): 379–401. doi: 10.1038/s41573-019- 0016-5.

16. Opitz CA, Somarribas Patterson LF, Mohapatra SR et al. The therapeutic potential of targeting tryptophan catabolism in cancer. Br J Cancer 2020; 122 (1): 30–44. doi: 10.1038/s41416-019-0664-6.

17. Aglago EK, Murphy N, Huybrechts I et al. Dietary intake and plasma phospholipid concentrations of saturated, monounsaturated and trans fatty acids and colorectal cancer risk in the European Prospective Investigation into Cancer and Nutrition cohort. Int J Cancer 2021; 149 (4): 865–882. doi: 10.1002/ijc.33615.

18. Jenske R, Vetter W. Enantioselective analysis of 2-and 3-hydroxy fatty acids in food samples. J Agric Food Chem 2008; 56 (24): 11578–11583. doi: 10.1021/jf802 772a.

19. Hama H. Fatty acid 2-hydroxylation in mammalian sphingolipid biology. Biochim Biophys Acta 2010; 1801 (4): 405–414. doi: 10.1016/j.bbalip.2009. 12.004.

20. Guo L, Zhang X, Zhou D et al. Stereospecificity of fatty acid 2-hydroxylase and differential functions of 2-hydroxy fatty acid enantiomers. J Lipid Res 2012; 53 (7): 1327–1335. doi: 10.1194/jlr.M025742.

21. Sun L, Yang X, Huang X et al. 2-hydroxylation of fatty acids represses colorectal tumorigenesis and metastasis via the YAP transcriptional axis. Cancer Res 2021; 81 (2): 289–302. doi: 10.1158/0008-5472.CAN-20-1517.

22. Lemay AM, Courtemanche O, Couttas TA et al. High FA2H and UGT8 transcript levels predict hydroxylated hexosylceramide accumulation in lung adenocarcino-ma. J Lipid Res 2019; 60 (10): 1776–1786. doi: 10.1194/jlr.M093955.

23. Neurauter G, Grahmann AV, Klieber M et al. Serum phenylalanine concentrations in patients with ovarian carcinoma correlate with concentrations of immune activation markers and of isoprostane-8. Cancer Lett 2008; 272 (1): 141–147. doi: 10.1016/j.canlet.2008.07.002.

24. Shojaei-Zarghani S, Khosroushahi AY, Rafraf M et al. Dietary natural methylxanthines and colorectal cancer: a systematic review and meta-analysis. Food Funct 2020; 11 (12): 10290–10305. doi: 10.1039/D0FO02518F.

25. Liu H, Song J, Zhou Y et al. Methylxanthine derivatives promote autophagy in gastric cancer cells targeting PTEN. Anticancer Drugs 2019; 30 (4): 347–355. doi: 10.1097/CAD.0000000000000724.