Logo Logo
Hilfe
Kontakt
Switch language to English
Balluff, Benjamin (2013): MALDI imaging mass spectrometry in clinical proteomics research of gastric cancer tissues. Dissertation, LMU München: Medizinische Fakultät
[img]
Vorschau
PDF
Balluff_Benjamin.pdf

3MB

Abstract

In the presented thesis, matrix-assisted laser desorption/ionization (MALDI) imaging mass spectrometry was used for the proteomic analysis of gastric cancer tissue samples, with the aims of 1) identifying proteins that predict disease outcome of patients with intestinal-type gastric cancer after surgical resection, and 2) generating a proteomic classifier that determines HER2-status in order to aid in therapy decision with regard to trastuzumab (Herceptin) administration. In the first study, a seven-protein signature was found to be associated with an unfavorable overall survival independent of major clinical covariates after analyzing 63 intestinal-type primary resected gastric cancer samples by MALDI imaging. Of these seven proteins, three could be identified as CRIP1, HNP-1, and S100-A6, and validated immunohistochemically on tissue microarrays of an independent validation cohort (n=118). While HNP-1 and S100-A6 were found to further subdivide early (UICC-I) and late stage (UICC-II-III) patients into different prognostic groups, CRIP1, a protein previously unknown in gastric cancer, was confirmed as a novel and independent prognostic factor for all patients in the validation cohort. The protein pattern described here serves as a new independent indicator of patient survival complementing the previously known clinical parameters in terms of prognostic relevance. In the second study, we hypothesized that MALDI imaging mass spectrometry may be useful for generating a classifier that may determine HER2-status in gastric cancer. This assumption was based on previous results where HER2-status could be reliably predicted in breast cancer patients. Here, 59 gastric cryo tissue samples were analyzed by MALDI imaging and the obtained proteomic profiles were used to create HER2 prediction models using different classification algorithms. Astonishingly, the breast cancer proteomic classifier from the previous study was able to correctly predict HER2-status in gastric cancers with a sensitivity of 65% and a specificity of 92%. In order to create a universal classifier for HER2-status, breast and non-breast cancer samples were combined, which increased sensitivity to 78%; specificity was 88%. This study provides evidence that HER2-status can be identified on a proteomic level across different cancer types suggesting that HER2 overexpression may constitute a widely spread molecular event independent of the tumor entity.

Abstract

Im Rahmen dieser Doktorarbeit wurden zwei Arbeiten publiziert, in denen die bildgebende Massenspektrometrie als zentrale Methode zur proteomischen Analyse von Magenkarzinomgeweben eingesetzt wurde. Dabei wurden folgende Ziele verfolgt: 1. die Identifizierung prognostischer Proteinmarker für Patienten mit intestinalem Magenkarzinom, und 2. die Generierung eines proteomischen Klassifikators zur Bestimmung des HER2-Status zur Entscheidungshilfe für eine Behandlung mit Trastuzumab (Herzeptin). In der ersten Studie wurde eine Signatur bestehend aus sieben Proteinsignalen gefunden, deren Überexpression unabhängig von anderen klinischen Parametern ein schlechtes Gesamtüberleben der Patienten indizieren. Hierzu wurden 63 Gewebeproben von Patienten mit Magenkarzinom intestinalen Typs mittels MALDI Imaging analysiert. Drei der sieben Proteinsignale konnten als CRIP1, HNP-1 und S100-A6 identifiziert werden. Diese wurden anschließend an einem unabhängigen Patientenkollektiv (n=118) immunhistochemisch anhand von Tissue Microarrays validiert. Dabei zeigte sich, dass die beiden Proteine HNP-1 und S100-A6 bestehende klinische Gruppen nach ihrem Risiko weiter aufstratifizieren konnten; HNP-1 Magenkarzinompatienten im frühen Stadium (UICC I) und S100-A6 Patienten im fortgeschrittenen Stadium (UICC II-III). Darüber hinaus konnte CRIP1 als unabhängiger prognostischer Faktor für alle Patienten des Validierungskollektives bestätigt werden. Perspektivisch könnte die hier beschriebene Proteinsignatur vorhandene klinische Parameter als neuer und unabhängiger Indikator für das Überleben von Magenkrebspatienten ergänzen. In der zweiten Studie wurden Proteinexpressionsmuster benutzt, um den HER2-Status in Magenkrebsgeweben vorauszusagen; denn seit kurzem ist der epidermale Wachstumsfaktor-Rezeptor HER2 eine wichtige tumorbiologische Zielstruktur bei der Behandlung von Magenkrebspatienten mit dem therapeutischen Antikörper Trastuzumab. In einer vorherigen Studie konnten wir die Machbarkeit der HER2-Status-Bestimmung durch MALDI Imaging erfolgreich anhand von Brustkrebsproben demonstrieren. Unter der Annahme, dass der HER2-Überexpression – unabhängig vom Tumortyp – charakteristische molekulare Veränderungen zugrunde liegen, wurde untersucht, ob eine Bestimmung des HER2-Status in Magenkrebspatienten mit Hilfe von Proteinexpressionsmustern aus Brustkrebspatienten erfolgen kann. Hierzu wurden, zusätzlich zu den bereits vorhandenen 48 Brustkrebsgeweben, 59 Magenkrebsfälle mittels MALDI Imaging analysiert und verschiedene HER2-Klassifikationsmodelle erstellt und verglichen. Der HER2-Status in Magenkrebsfällen konnte mit einem Mammakarzinom-spezifischen Profil mit einer Sensitivität von 65% und einer Spezifität von 92% bestimmt werden. Zusätzlich wurden die Expressionsprofile aller vorhandenen Tumorarten zusammengeführt, um einen universellen HER2-Klassifikator zu erstellen. Dies führte zu einer verbesserten Vorhersagequalität (Sensitivität: 78%, Spezifität: 88%). Dass sich der HER2-Status über verschiedene Tumorentitäten hinweg auf proteomischer Ebene bestimmen lässt, legt nahe, dass die Überexpression von HER2 ein unabhängiges molekulares Ereignis darstellt, ungeachtet der Herkunft des Tumors. Zudem unterstreichen die Ergebnisse das diagnostische Potential der bildgebenden Massenspektrometrie zur schnellen und zuverlässigen Bestimmung von tumorbiologischen Zielstrukturen, wie HER2.