乳腺癌早期检测每年挽救成千上万的生命。但是乳腺癌筛查也产生错误的警示，这将导致过度的紧张与昂贵的医疗账单。现在，最近的患者血液研究揭示在早期筛查中引申出的减少错误警示量的可能方法。研究人员发现由乳腺癌释出的一组蛋白质，这组蛋白质容易检测，能区分真正的乳腺癌与良性肿块。
这项研究使用了已在临床上使用的诊断工具。如果结果能在更长的时间内用更多志愿者进行重复，将直接从实验室研究过渡到临床实验室。
生物学家Richard Zangar，来自西北太平洋国家实验室(PNNL)能源部，主持发表在《癌流行病学:生物标志物与预防》7月期上的研究，他说："我们惊讶地看见我们能从象乳房X线照片的癌症筛查所得结果中区分精确的与错误的结果。我确实想延伸工作来证明我们的发现"。
发现乳腺癌是治疗它的第一步，但是乳房X线照片有很高的错误警示率。许多妇女经历不必要的、侵害性的后续测试。为了改善这个过程，一些研究人员正在从事简单临床血样测试的研究，通过这个简单临床血样测试就可以检测由癌性组织释出的蛋白质。
当论及实验研究中的假阳性时，这些被称为生物标志物的蛋白质没有比乳房X线照片做得更好。但是研究人员已经接近生物标志物，好象每一类乳腺癌都是相同的。在现实中，乳腺癌有几个亚型，每个亚型有明显的特征。
例如，生产称为雌激素受体的蛋白的乳腺癌是一种不同的亚型，不同于对不同治疗反应和不反应的类型。Zangar和同事们想知道寻找不同亚型的生物标志物特异性是否能增强获得正确诊断的优势。
为了探讨这个想法，Zanger和同事们在PNNL和杜克大学挑选出23个候选生物标志物，用与临床建立的相同的试验测量这些生物标志物。研究小组比较了四组妇女血样中的蛋白--每种乳腺癌亚型为一组，每组约20个妇女--这些带良性肿块的妇女先前已被确定为的假阳性。然后，Zangar研究小组将每一亚型的几个生物标志物进行归类，这些标志特最能区分最真的阳性与最少的假阳性。
每一亚型的生物标志物组比乳房X线照片或单一生物标志物可更好地区分乳腺癌与良性肿块。研究小组用的统计检验显著率为0.5到1.0--0.5暗示生物标志物组随机预测癌症，而1.0意味着理想的预测。乳房X线照片和最好的单生物标志物被评为0.8左右。但是，对于两个最常见的乳腺癌亚型，生物标志物组位于0.95以上和达到0.99，这依赖于生物标志物组包含的是哪一个蛋白。
"也许研究人员还没有发现好的生物标志物，因为他们一直将不同亚型作为单一疾病来对待，但他们事实上代表唯一一种与不同生物标志物相关的疾病。"Zangar说，"我们希望这些结果能被重复，因为这些测定将显著提高我们的能力，其中包括及早检测乳腺癌，什么时候治疗更有效，更经济和更不严苛。"
另外，研究暗示乳腺癌的潜在生物学。四种生物标志物是涉及正常乳腺发育的蛋白，在生长期间它们在不同时间打开和关闭。
这个研究组正在寻求可资助在几年内对大量可追踪的妇女志愿者重复研究的另外的资金。（生物谷bioon.com）
doi:10.1158/1055-9965.EPI-10-1248
PMC:
PMID:
Plasma Biomarker Profiles Differ Depending on Breast Cancer Subtype but RANTES Is Consistently Increased
Rachel M. Gonzalez, Don S. Daly, Ruimin Tan, Jeffrey R. Marks, Richard C. Zangar
Abstract Background: Current biomarkers for breast cancer have little potential for detection. We determined whether breast cancer subtypes influence circulating protein biomarkers. Methods: A sandwich ELISA microarray platform was used to evaluate 23 candidate biomarkers in plasma samples that were obtained from subjects with either benign breast disease or invasive breast cancer. All plasma samples were collected at the time of biopsy, after a referral due to a suspicious screen (e.g., mammography). Cancer samples were evaluated on the basis of breast cancer subtypes, as defined by the HER2 and estrogen receptor statuses. Results: Ten proteins were statistically altered in at least one breast cancer subtype, including four epidermal growth factor receptor ligands, two matrix metalloproteases, two cytokines, and two angiogenic factors. Only one cytokine, RANTES, was significantly increased (P < 0.01 for each analysis) in all four subtypes, with areas under the curve (AUC) for receiver operating characteristic values that ranged from 0.76 to 0.82, depending on cancer subtype. The best AUC values were observed for analyses that combined data from multiple biomarkers, with values ranging from 0.70 to 0.99, depending on the cancer subtype. Although the results for RANTES are consistent with previous publications, the multi-assay results need to be validated in independent sample sets. Conclusions: Different breast cancer subtypes produce distinct biomarker profiles, and circulating protein biomarkers have potential to differentiate between true- and false-positive screens for breast cancer. Impact: Subtype-specific biomarker panels may be useful for detecting breast cancer or as an adjunct assay to improve the accuracy of current screening methods. Cancer Epidemiol Biomarkers Prev; 20(7); 1543-51. ?2011 AACR.
