International Journal of Reproductive BioMedicine

en مطالعۀ متابولومیکس پروفایل بیماران مبتلا به اندومتریوزیس به کمک روش طیف سنجی رزونانس مغناطیس هسته 1H NMR- based metabolomics approaches as non- invasive tools for diagnosis of endometriosis Original Article Original Article 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.   Background: So far, non-invasive diagnostic approaches such as ultrasound, magnetic resonance imaging, or blood tests do not have sufficient diagnostic power for endometriosis disease. Lack of a non-invasive diagnostic test contributes to the long delay between onset of symptoms and diagnosis of endometriosis. Objective: The present study focuses on the identification of predictive biomarkers in serum by pattern recognition techniques and uses partial least square discriminant analysis, multi-layer feed forward artificial neural networks (ANNs) and quadratic discriminant analysis (QDA) modeling tools for the early diagnosis of endometriosis in a minimally invasive manner by 1H- NMR based metabolomics. Materials and Methods: This prospective cohort study was done in Pasteur Institute, Iran in June 2013. Serum samples of 31 infertile women with endometriosis (stage II and III) who confirmed by diagnostic laparoscopy and 15 normal women were collected and analyzed by nuclear magnetic resonance spectroscopy. The model was built by using partial least square discriminant analysis, QDA, and ANNs to determine classifier metabolites for early prediction risk of disease. Results: The levels of 2- methoxyestron, 2-methoxy estradiol, dehydroepiandrostion androstendione, aldosterone, and deoxy corticosterone were enhanced significantly in infertile group. While cholesterol and primary bile acids levels were decreased. QDA model showed significant difference between two study groups. Positive and negative predict value levels obtained about 71% and 78%, respectively. ANNs provided also criteria for detection of endometriosis. Conclusion: The QDA and ANNs modeling can be used as computational tools in noninvasive diagnose of endometriosis. However, the model designed by QDA methods is more efficient compared to ANNs in diagnosis of endometriosis patients. رزونانس مغناطیس هسته, متابولومیکس, اندومتریوزیس. Metabolomics,Endometriosis,Nuclear magnetic resonance 1 8 http://ijrm.ir/browse.php?a_code=A-10-1-4&slc_lang=en&sid=1 Negar Ghazi نگار قاضی No Department of Biochemistry, Zanjan Medical University, Zanjan, Iran گروه بیوشیمی، دانشگاه علوم پزشکی زنجان، زنجان، ایران Mohammad Arjmand محمد ارجمند arjmand1@yahoo.com Yes Department of Biochemistry, Pasteur Institute of Iran, Tehran, Iran گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران Ziba Akbari زیبا اکبری No Department of Biochemistry, Zanjan Medical University, Zanjan, Iran گروه بیوشیمی، دانشگاه علوم پزشکی زنجان، زنجان، ایران Ali Owsat Mellati علی اوسط ملتی No Department of Biochemistry, Zanjan Medical University, Zanjan, Iran گروه بیوشیمی، دانشگاه علوم پزشکی زنجان، زنجان، ایران Hamid Saheb-Kashaf حمید صاحب کشاف No Navid Medical Center, Tehran, Iran مرکز طبی نوید، تهران، ایران Zahra Zamani زهرا زمانی No Department of Biochemistry, Pasteur Institute of Iran, Tehran, Iran گروه بیوشیمی، انستیتو پاستور ایران، تهران، ایران