Resumen

Se aplicó un estudio de metabolómica de la orina basado en la cromatografía de gases-espectrometría de masas (GC-MS) y el análisis estadístico multivariante para distinguir el cáncer de vejiga de rata. Se recogieron muestras de orina de diferentes estadios de los modelos animales, es decir, el estadio inicial, el estadio medio y el estadio avanzado del grupo del modelo de cáncer de vejiga y del grupo sano. Tras resolver la urea con ureasa, las muestras de orina se extrajeron con metanol y, a continuación, se derivaron con N, O-Bis(trimetilsilil) trifluoroacetamida y trimetilclorosilano (BSTFA TMCS, 99 : 1, v/v), antes de ser analizadas por GC-MS. Se establecieron tres modelos de clasificación, es decir, control sano frente a grupos en fase inicial y media, control sano frente a grupo en fase avanzada, y grupos en fase inicial y media frente a grupo en fase avanzada, para analizar estos datos experimentales mediante el algoritmo Random Forests (RF), respectivamente. Los resultados de la clasificación mostraron que combinando el algoritmo de bosques aleatorios con los caracteres de los metabolitos, se podían exhibir efectivamente las diferencias causadas por el progreso de la enfermedad. Nuestros resultados mostraron que el ácido glicérico, el ácido 2, 3-dihidroxibutanoico, la N-(oxohexil)-glicina y la D-turanosa tenían mayores contribuciones en la clasificación de los diferentes grupos. Los resultados del análisis de las vías mostraron que estos metabolitos estaban relacionados con el metabolismo del almidón y la sacarosa, la glicina, la serina, la treonina y la galactosa. Los resultados de nuestro estudio sugieren que la metabolómica de la orina es un enfoque eficaz para el diagnóstico de enfermedades.

• Materias:Análisis cromatográfico Nanopartículas Química farmacéutica Análisis químico Método espectrofotométrico
• Subjects:Chromatographic analysis Nanoparticles Chemistry pharmaceutical Chemical test Spectrophotometric method
• Palabras claves:grupo de estadio, control sano, muestra de orina, grupo modelo de cáncer, resultados del análisis de vías, algoritmo de bosque aleatorio, progreso de la enfermedad, estudio de metabolómica de la orina, cáncer de vejiga de rata, gc
• Keywords:stage group, healthy control, urine sample, cancer model group, pathway analysis results, random forest algorithm, progress of disease, urine metabolomics study, rat bladder cancer, gc