Untersuchung modifizierter Nucleoside aus dem Urin von Mammakarzinom-Patientinnen als potentielle Tumormarker

DSpace Repository


Dateien:

URI: http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-50744
http://hdl.handle.net/10900/45706
Dokumentart: PhDThesis
Date: 2010
Language: German
Faculty: 4 Medizinische Fakultät
Department: Sonstige
Advisor: Gleiter, Christoph (Prof.)
Day of Oral Examination: 2010-05-20
DDC Classifikation: 610 - Medicine and health
Keywords: Nucleoside , Tumormarker , Mammakarzinom
Other Keywords:
Nucleosides , Tumor marker , Breast cancer
License: http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=de http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=en
Show full item record

Inhaltszusammenfassung:

Die vorliegende Arbeit beschäftigte sich mit der Optimierung der Probenaufarbeitung mittels Affinitätschromatographie und der Validierung dieser verbesserten Methode. Im Anschluss stand die Aufarbeitung der Urine von fünfundachtzig Mammakarzinom-Patientinnen und ebenso vielen Kontrollprobandinnen. Die mithilfe einer ESI-HCT MS gewonnenen Daten wurden mithilfe einer Support Vector Machine (SVM) ausgewertet. Mit dieser bioinformatischen Klassifizierungsmethode ließen sich tumorassoziierte Verschiebungen der Verhältnisse von Exkretionsraten einzelner modifizierter Nucleoside und peripherer Stoffwechselprodukte untereinander nachweisen. Diese Verschiebungen beruhen einerseits auf einer in Tumorzellen zu beobachtenden Veränderung der Aktivität modifizierender Enzymsysteme, andererseits auf unterschiedlichem Exkretionsverhalten bei erhöhtem zellulären turnover. Unter Einsatz der in dieser Arbeit ermittelten nucleosidischen Profile konnte eine Klassifizierung von Brustkrebspatientinnen und gesunden Probandinnen mit einer Klassifizierungsleistung von 83,5 % Sensitivität und 90,6 % Spezifität erreicht werden.

Abstract:

The aim of the present study was to elucidate the predictability of breast cancer by means of urinary excreted nucleosides. All included nucleosides / ribosylated metabolites were isolated by cis-diol specific affinity chromatography and measured with liquid chromatography ion trap mass spectrometry (LC-ITMS). Based on the approach to train a Support Vector Machine (SVM) ultimately estimates for sensitivity and specificity of 83.5% and 90.6% were obtained for best prediction of breast cancer.

This item appears in the following Collection(s)