سه شنبه 23 اردیبهشت 1404
[Archive]
دوره 14، شماره 1 - ( 10-1394 )
جلد 14 شماره 1 صفحات 8-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghazi N, Arjmand M, Akbari Z, Owsat Mellati A, Saheb-Kashaf H, Zamani Z. 1H NMR- based metabolomics approaches as non- invasive tools for diagnosis of endometriosis. IJRM 2016; 14 (1) :1-8
URL: http://ijrm.ir/article-1-693-fa.html
URL: http://ijrm.ir/article-1-693-fa.html
قاضی نگار، ارجمند محمد، اکبری زیبا، اوسط ملتی علی، صاحب کشاف حمید، زمانی زهرا. مطالعۀ متابولومیکس پروفایل بیماران مبتلا به اندومتریوزیس به کمک روش طیف سنجی رزونانس مغناطیس هسته. International Journal of Reproductive BioMedicine. 1394; 14 (1) :1-8
نگار قاضی1 
، محمد ارجمند*2 ، زیبا اکبری1 ، علی اوسط ملتی1 ، حمید صاحب کشاف3 ، زهرا زمانی4
، محمد ارجمند*2 ، زیبا اکبری1 ، علی اوسط ملتی1 ، حمید صاحب کشاف3 ، زهرا زمانی4
1- گروه بیوشیمی، دانشگاه علوم پزشکی زنجان، زنجان، ایران
2- گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران ،arjmand1@yahoo.com
3- مرکز طبی نوید، تهران، ایران
4- گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران
2- گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران ،
3- مرکز طبی نوید، تهران، ایران
4- گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران
چکیده: (3324 مشاهده)
مقدمه: روش های تشخیصی غیرتهاجمی کنونی مانند روش سونوگرافی،MRI و تست های آزمایشگاهی، برای تشخیص بیماری اندومتریوزیس کافی نمیباشد و لذا این مسئله موجب ایجاد فاصلۀ زیاد بین زمان بروز علایم و تشخیص قطعی بیماری گردیده است.
هدف: هدف اصلی این مطالعه پیش بینی بیومارکرهای سرمی بیماری اندومتریوزیس، به منظور تشخیص سریعتر، از طریق روش نسبتاً غیر تهاجمی متابولومیکس می باشد که به کمک روش طیف سنجی HNMR انجام گرفته است.
مواد و روش ها: مدل طراحی شده با روش آنالیز QDA که بر روی طیف های حاصل از طیف سنجی نمونه سرم بیماران با پروتکل CPMG انجام گرفته است توانست نمونههای بیماران مبتلا به بیماری اندومتریوزیس و گروه کنترل را به ترتیب با ارزش پیشگویی مثبت و منفی 71% و 78% از یکدیگر تشخیص دهد.
نتایج: مقایسه سرم گروه کنترل و گروه بیماران اندومتریوزیس نشان داد که غلظت متابولیت های 2- متوکسی استرون، 2- متوکسی استرادیول، دی هیدروکسی اپی آندسترون، آندرستون دیون، آلدوسترون، داکسی کورتیکواسترون، کلسترول در این بیماران افزایش و غلظت اسیدهای صفراوی کاهش داشته است.
نتیجه گیری: مطالعه ما اطلاعات ارزشمندی را برای تشخیص غیرتهاجمی اندومتریوزیس ارائه می دهد و می تواند در درک بهتر پاتوژنز این بیماری مفید قرار گیرد.
هدف: هدف اصلی این مطالعه پیش بینی بیومارکرهای سرمی بیماری اندومتریوزیس، به منظور تشخیص سریعتر، از طریق روش نسبتاً غیر تهاجمی متابولومیکس می باشد که به کمک روش طیف سنجی HNMR انجام گرفته است.
مواد و روش ها: مدل طراحی شده با روش آنالیز QDA که بر روی طیف های حاصل از طیف سنجی نمونه سرم بیماران با پروتکل CPMG انجام گرفته است توانست نمونههای بیماران مبتلا به بیماری اندومتریوزیس و گروه کنترل را به ترتیب با ارزش پیشگویی مثبت و منفی 71% و 78% از یکدیگر تشخیص دهد.
نتایج: مقایسه سرم گروه کنترل و گروه بیماران اندومتریوزیس نشان داد که غلظت متابولیت های 2- متوکسی استرون، 2- متوکسی استرادیول، دی هیدروکسی اپی آندسترون، آندرستون دیون، آلدوسترون، داکسی کورتیکواسترون، کلسترول در این بیماران افزایش و غلظت اسیدهای صفراوی کاهش داشته است.
نتیجه گیری: مطالعه ما اطلاعات ارزشمندی را برای تشخیص غیرتهاجمی اندومتریوزیس ارائه می دهد و می تواند در درک بهتر پاتوژنز این بیماری مفید قرار گیرد.
نوع مطالعه: Original Article |
فهرست منابع
1. Adamson G, Kennedy S, Hummelshoj L. Creating solutions in endometriosis: global collaboration through the World Endometriosis Research Foundation. J Endometriosis 2010; 2: 3-6.
2. Giudice LC, Kao LC. Endometriosis. Lancet 2004; 364: 1789-1799. [DOI:10.1016/S0140-6736(04)17403-5]
3. Wishart DS, Jewison T, Guo AC, Wilson M, Knox C, Liu Y, et al. HMDB 3.0-The Human Metabolome Database in 2013. Nucleic Acids Res 2013; 41: D801-807. [DOI:10.1093/nar/gks1065]
4. Weljie AM, Newton J, Mercier P, Carlson E, Slupsky CM. Targeted profiling: quantitative analysis of 1H NMR metabolomics data. Anal Chem 2006; 78: 4430-4442. [DOI:10.1021/ac060209g]
5. Kell DB. Metabolomic biomarkers: search, discovery and validation. Expert Rev Mol Diagn 2007; 7: 329-333. [DOI:10.1586/14737159.7.4.329]
6. Amato F, López A, Pe-a-Méndez EM, Vaňhara P, Hampl A, Havel J. Artificial neural networks in medical diagnosis. J Applied Biomed 2013; 11: 47-58. [DOI:10.2478/v10136-012-0031-x]
7. Al-Shayea QK. Artificial neural networks in medical diagnosis. Int J Computer Sci Issues 2011; 8: 150-154.
8. Beckonert O, Keun HC, Ebbels TM, Bundy J, Holmes E, Lindon JC, et al. Metabolic profiling, metabolomic and metabonomic procedures for NMR spectroscopy of urine, plasma, serum and tissue extracts. Nat Protoc 2007; 2: 2692-2703. [DOI:10.1038/nprot.2007.376]
9. "American Society for Reproductive Medicine. Revised American Society for Reproductive Medicine classification of endometriosis: 1996. Fertil Steril 1997; 67: 817-821. [DOI:10.1016/S0015-0282(97)81391-X]
10. Arjmand M, Akbari Z, Taghizadeh N, Shahbazzadeh D, Zamani Z. NMR-based metabonomics survey in rats envenomed by Hemiscorpius lepturus venom. Toxicon 2014; 94C: 16-22.
11. Park Y, Kim SB, Wang B, Blanco RA, Le NA, Wu S, et al. Individual variation in macronutrient regulation measured by proton magnetic resonance spectroscopy of human plasma. Am J Physiol Reg Int Comp Physiol 2009; 297: R202-209. [DOI:10.1152/ajpregu.90757.2008]
12. Nicholson JK, Foxall PJ, Spraul M, Farrant RD, Lindon JC. 750 MHz 1H and 1H-13C NMR spectroscopy of human blood plasma. Anal Chem 1995; 67: 793-811. [DOI:10.1021/ac00101a004]
13. Nothnick WB. The emerging use of aromatase inhibitors for endometriosis treatment. Reprod Biol Endocrinol 2011; 9: 87. [DOI:10.1186/1477-7827-9-87]
14. Ferrero S, Remorgida V, Maganza C, Venturini PL, Salvatore S, Papaleo E, et al. Aromatase and endometriosis: estrogens play a role. Ann N Y Acad Sci 2014; 1317: 17-23. [DOI:10.1111/nyas.12411]
15. Hashim HA. Potential role of aromatase inhibitors in the treatment of endometriosis. Int J womens Health 2014; 6: 671. [DOI:10.2147/IJWH.S34684]
16. Huhtinen K, Desai R, Stahle M, Salminen A, Handelsman DJ, Perheentupa A, et al. Endometrial and endometriotic concentrations of estrone and estradiol are determined by local metabolism rather than circulating levels. J Clin Endocrinol Metab 2012; 97: 4228-4235. [DOI:10.1210/jc.2012-1154]
17. Machado-Linde F, Pelegrin P, Sanchez-Ferrer ML, Leon J, Cascales P, Parrilla JJ. 2-methoxyestradiol in the pathophysiology of endometriosis: focus on angiogenesis and therapeutic potential. Reprod Sci 2012; 19: 1018-1029. [DOI:10.1177/1933719112446080]
18. Miller KK, Al-Rayyan N, Ivanova MM, Mattingly KA, Ripp SL, Klinge CM, et al. DHEA metabolites activate estrogen receptors alpha and beta. Steroids 2013; 78: 15-25. [DOI:10.1016/j.steroids.2012.10.002]
19. Jana SK, Dutta M, Joshi M, Srivastava S, Chakravarty B, Chaudhury K. 1H NMR based targeted metabolite profiling for understanding the complex relationship connecting oxidative stress with endometriosis. BioMed Res Int 2013; 2013: 329058-329167. [DOI:10.1155/2013/329058]
20. Turgut A, Ozler A, Goruk NY, Tunc SY, Evliyaoglu O, Gul T. Copper, ceruloplasmin and oxidative stress in patients with advanced-stage endometriosis. Eur Rev Med Pharmacol Sci 2013; 17: 1472- 1478.
21. Melo AS, Rosa-e-Silva JC, Rosa-e-Silva AC, Poli-Neto OB, Ferriani RA, Vieira CS. Unfavorable lipid profile in women with endometriosis. Fertil Steril 2010; 93: 2433-2436. [DOI:10.1016/j.fertnstert.2009.08.043]
22. Michnovicz JJ, Bradlow HL. Altered estrogen metabolism and excretion in humans following consumption of indole-3-carbinol. Nut Cancer 1991; 16: 59-66. [DOI:10.1080/01635589109514141]
23. Siristatidis CS, Chrelias C, Pouliakis A, Katsimanis E, Kassanos D. Artificial neural networks in gynaecological diseases: Current and potential future applications. Med Sci Monit 2010; 16: RA231-RA236.
24. Lapeer R, Dalton K, Prager R, Forsström J, Selbmann H, Derom R. Application of neural networks to the ranking of perinatal variables influencing birthweight. Scand J Clin Lab Invest 1995; 55: 83-93. [DOI:10.3109/00365519509088454]
25. Atkov OY, Gorokhova SG, Sboev AG, Generozov 8 International Journal of Reproductive BioMedicine Vol. 14. No. 1. pp: 1-8, January 2016.
26. EV, Muraseyeva EV, Moroshkina SY, et al. Coronary heart disease diagnosis by artificial neural networks including genetic polymorphisms and clinical parameters. J Cardiol 2012; 59: 190-194. [DOI:10.1016/j.jjcc.2011.11.005]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
