Integral role of metabolic profiling in patients with prostate cancer

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Prostate cancer is the most diagnosed malignant neoplasm among males worldwide. Over the past few years, there has been a need to find alternative methods for early diagnosis of prostate cancer. There is evidence that metabolic dysfunction is a characteristic feature of the carcinogenesis of prostate cancer, with various metabolites acting as biomarkers of tumor growth. Metabolomics is a young science that arose at the junction of molecular biology, biochemistry and genetics. The complete set of substrates and metabolic products is a metabolic profile, or metabolome. The metabolome of prostate cancer is formed by substances formed as a result of metabolic changes in response to the occurrence of a malignant process in the prostate. Unique data on metabolic changes have already been obtained, allowing us to rethink the carcinogenesis of prostate cancer. The study of the metabolome opens up new opportunities for early diagnosis, prognosis and treatment of prostate cancer.

About the authors

Valentin N. Pavlov

Bashkir State Medical University

Email: pavlov@bashgmu.ru
ORCID iD: 0000-0003-2125-4897
SPIN-code: 2799-6268

Academician of the Russian Academy of Sciences, MD, Dr. Sci. (Medicine), Professor, Rector

Russian Federation, 3 Lenina st., Ufa, 450008, Republic of Bashkortostan

Marat F. Urmantsev

Bashkir State Medical University

Author for correspondence.
Email: urmantsev85@mail.ru
ORCID iD: 0000-0002-4657-6625
SPIN-code: 3506-7753
Scopus Author ID: 56149491500

MD, Cand. Sci. (Medicine)

Russian Federation, 3 Lenina st., Ufa, 450008, Republic of Bashkortostan

Marat R. Bakeev

Bashkir State Medical University

Email: m.r.bakeev@bk.ru
ORCID iD: 0000-0002-4160-2820
SPIN-code: 6134-0815
Scopus Author ID: 57417396900

Student

Russian Federation, 3 Lenina st., Ufa, 450008, Republic of Bashkortostan

References

  1. Siegel RL, Miller KD, Fuchs HE, Jemal A. Cancer statistics, 2021. CA Cancer J Clin. 2021;71(1):7–33. doi: 10.3322/caac.21654
  2. Maggi M, Gentilucci A, Salciccia S, et al. Psychological impact of different primary treatments for prostate cancer: A critical analysis. Andrologia. 2019;51(1):e13157. doi: 10.1111/and.13157
  3. Markozannes G, Tzoulaki I, Karli D, et al. Diet, body size, physical activity and risk of prostate cancer: An umbrella review of the evidence. Eur J Cancer. 2016;69:61–69. doi: 10.1016/j.ejca.2016.09.026
  4. Logozzi M, Angelini DF, Giuliani A, et al. Increased plasmatic levels of PSA-expressing exosomes distinguish prostate cancer patients from benign prostatic hyperplasia: A prospective study. Cancers (Basel). 2019;11(10):1449. doi: 10.3390/cancers11101449
  5. Etzioni R, Gulati R, Cooperberg MR, et al. Limitations of basing screening policies on screening trials: The US preventive services task force and prostate cancer screening. Med Care. 2013;51(4):295–300. doi: 10.1097/MLR.0b013e31827da979
  6. Pavlova NN, Thompson CB. The emerging hallmarks of cancer metabolism. Cell Metab. 2016;23(1):27–47. doi: 10.1016/j.cmet.2015.12.006
  7. Kelly RS, Vander Heiden MG, Giovannucci E, Mucci LA. Metabolomic biomarkers of prostate cancer: prediction, diagnosis, progression, prognosis, and recurrence. Cancer Epidemiol Biomarkers Prev. 2016;25(6):887–906. doi: 10.1158/1055-9965.EPI-15-1223
  8. Zang X, Jones CM, Long TQ, et al. Feasibility of detecting prostate cancer by ultraperformance liquid chromatography-mass spectrometry serum metabolomics. J Proteome Res. 2014;13(7):3444–3454. doi: 10.1021/pr500409q
  9. Salciccia S, Capriotti AL, Laganà A, et al. Biomarkers in prostate cancer diagnosis: from current knowledge to the role of metabolomics and exosomes. Int J Mol Sci. 2021;22(9):4367. doi: 10.3390/ijms22094367
  10. Trock BJ. Application of metabolomics to prostate cancer. Urol Oncol. 2011;29(5):572–581. doi: 10.1016/j.urolonc.2011.08.002
  11. Steg A, Oczkowicz M, Smołucha G. Omics as a tool to help determine the effectiveness of supplements. Nutrients. 2022;14(24):5305. doi: 10.3390/nu14245305
  12. Nagana Gowda GA, Raftery D. Biomarker discovery and translation in metabolomics. Curr Metabolomics. 2013;1(3):227–240. doi: 10.2174/2213235X113019990005
  13. Johnson CH, Ivanisevic J, Siuzdak G. Metabolomics: beyond biomarkers and towards mechanisms. Nat Rev Mol Cell Biol. 2016;17(7):451–459. doi: 10.1038/nrm.2016.25
  14. Gates SC, Sweeley CC. Quantitative metabolic profiling based on gas chromatography. Clin Chem. 1978;24(10):1663–1673. doi: 10.1093/clinchem/24.10.1663
  15. Novotny MV, Soini HA, Mechref Y. Biochemical individuality reflected in chromatographic, electrophoretic and mass-spectrometric profiles. J Chromatogr B. 2008;866(1-2):26–47. doi: 10.1016/j.jchromb.2007.10.007
  16. Horning EC, Horning MG. Human metabolic profiles obtained by GC and GC/MS. J Chromatogr Sci. 1971;9(3):129–140. doi: 10.1093/chromsci/9.3.129
  17. Dalgliesh CE, Horning EC, Horning MG, et al. A gas-liquid-chromatographic procedure for separating a wide range of metabolites occuring in urine or tissue extracts. Biochem J. 1966;101(3):792–810. doi: 10.1042/bj1010792
  18. Wishart DS, Guo AC, Oler E, et al. HMDB 5.0: the human metabolome database for 2022. Nucleic Acids Res. 2022;50(D1):D622–D631. doi: 10.1093/nar/gkab1062
  19. Emwas A-H. The strengths and weaknesses of NMR spectroscopy and mass spectrometry with particular focus on metabolomics research. In: Bjerrum J, editor. Metabonomics. Methods in Molecular Biology. Vol. 1277. New York: Humana Press, 2015. P. 161–193. doi: 10.1007/978-1-4939-2377-9_13
  20. Sciarra A, Panebianco V, Ciccariello M, et al. Magnetic resonance spectroscopic imaging (1H-MRSI) and dynamic contrast-enhanced magnetic resonance (DCE-MRI): pattern changes from inflammation to prostate cancer. Cancer Invest. 2010;28(4):424–432. doi: 10.3109/07357900903287048
  21. Costello LC, Franklin RB. The intermediary metabolism of the prostate: a key to understanding the pathogenesis and progression of prostate malignancy. Oncology. 2000;59(4):269–282. doi: 10.1159/000012183
  22. Lima AR, de Lourders Bastos M, Carvalho M, de Pinho PG. Biomarker discovery in human prostate cancer: an update in metabolomics studies. Transl Oncol. 2016;9(4):357–370. doi: 10.1016/j.tranon.2016.05.004
  23. Lima AR, Pinto J, Amaro F, et al. Advances and perspectives in prostate cancer biomarker discovery in the last 5 years through tissue and urine metabolomics. Metabolites. 2021;11(3):181. doi: 10.3390/metabo11030181
  24. Zadra G, Loda M. Metabolic vulnerabilities of prostate cancer: Diagnostic and therapeutic opportunities. Cold Spring Harb Perspect Med. 2018;8(10):a030569. doi: 10.1101/cshperspect.a030569
  25. Saoi M, Britz-McKibbin P. New advances in tissue metabolomics: A review. Metabolites. 2021;11(10):672. doi: 10.3390/metabo11100672
  26. Huang J, Mondul AM, Weinstein SJ, et al. Prospective serum metabolomic profile of prostate cancer by size and extent of primary tumor. Oncotarget. 2017;8(28):45190–45199. doi: 10.18632/oncotarget.16775
  27. Kumar D, Gupta A, Mandhani A, Sankhvar SN. NMR spectroscopy of filtered serum of prostate cancer: A new frontier in metabolomics. Prostate. 2016;76(12):1106–1119. doi: 10.1002/pros.23198
  28. Averna TA, Kline EE, Smith AY, Sillerud LO. A decrease in 1H nuclear magnetic resonance spectroscopically determined citrate in human seminal fluid accompanies the development of prostate adenocarcinoma. J Urol. 2005;173(2):433–438. doi: 10.1097/01.ju.0000148949.72314.d7
  29. Eidelman E, Twum-Ampofo J, Ansari J, Siddiqui MM. The metabolic phenotype of prostate cancer. Front Oncol. 2017;7:131. doi: 10.3389/fonc.2017.00131
  30. Andersen MK, Giskeødegård GF, Tessem M-B. Metabolic alterations in tissues and biofluids of patients with prostate cancer. Curr Opin Endocr Metab Res. 2020;10:23–28. doi: 10.1016/j.coemr.2020.02.003
  31. Gómez-Cebrián N, Rojas-Benedicto A, Albors-Vaquer A, et al. Metabolomics contributions to the discovery of prostate cancer biomarkers. Metabolites. 2019;9(3):48. doi: 10.3390/metabo9030048
  32. van der Mijn JC, Kuiper MJ, Siegert CEH, et al. Lactic acidosis in prostate cancer: consider the Warburg effect. Case Rep Oncol. 2017;10(3):1085–1091. doi: 10.1159/000485242
  33. Resurreccion EP, Fong K-W. The integration of metabolomics with other omics: Insights into understanding prostate cancer. Metabolites. 2022;12(6):488. doi: 10.3390/metabo12060488
  34. Giskeødegård GF, Bertilsson H, Selnæs KM, et al. Spermine and citrate as metabolic biomarkers for assessing prostate cancer aggressiveness. PLoS One. 2013;8(4):e62375. doi: 10.1371/journal.pone.0062375
  35. Goodwin AC, Jadallah S, Toubaji A, et al. Increased spermine oxidase expression in human prostate cancer and prostatic intraepithelial neoplasia tissues. Prostate. 2008;68(7):766–772. doi: 10.1002/pros.20735
  36. Schmidt DR, Patel R, Kirsch DG, et al. Metabolomics in cancer research and emerging applications in clinical oncology. CA Cancer J Clin. 2021;71(4):333–358. doi: 10.3322/caac.21670
  37. Ahmad F, Cherukuri MK, Choyke PL. Metabolic reprogramming in prostate cancer. Br J Cancer. 2021;125(9):1185–1196. doi: 10.1038/s41416-021-01435-5
  38. Beyoğlu D, Idle JR. Metabolic rewiring and the characterization of oncometabolites. Cancers (Basel). 2021;13(12):2900. doi: 10.3390/cancers13122900
  39. Franko A, Shao Y, Heni M, et al. Human prostate cancer is characterized by an increase in urea cycle metabolites. Cancers (Basel). 2020;12(7):1814. doi: 10.3390/cancers12071814
  40. Vykoukal J, Fahrmann JF, Gregg JR, et al. Caveolin-1-mediated sphingolipid oncometabolism underlies a metabolic vulnerability of prostate cancer. Nat Commun. 2020;11(1):4279. doi: 10.1038/s41467-020-17645-z
  41. Sreekumar A, Poisson LM, Rajendiran TM, et al. Metabolomic profiles delineate potential role for sarcosine in prostate cancer progression. Nature. 2009;457(7231):910–914. doi: 10.1038/nature07762
  42. Jentzmik F, Stephan C, Miller K, et al. Sarcosine in urine after digital rectal examination fails as a marker in prostate cancer detection and identification of aggressive tumours. Eur Urol. 2010;58(1):12–18. doi: 10.1016/j.eururo.2010.01.035
  43. Cao D-L, Ye D-W, Zhu Y, et al. Efforts to resolve the contradictions in early diagnosis of prostate cancer: a comparison of different algorithms of sarcosine in urine. Prostate Cancer Prostatic Dis. 2011;14(2):166–172. doi: 10.1038/pcan.2011.2
  44. Yang B, Zhang C, Cheng S, et al. Novel metabolic signatures of prostate cancer revealed by 1H-NMR metabolomics of urine. Diagnostics (Basel). 2021;11(2):149. doi: 10.3390/diagnostics11020149
  45. Yousefi M, Qujeq D, Shafi H, Tilaki KH. Serum and urine levels of sarcosine in benign prostatic hyperplasia and newly diagnosed prostate cancer patients. J Kermanshah Univ Med Sci. 2020;24(1):e97000. doi: 10.5812/jkums.97000
  46. Peppicelli S, Andreucci E, Ruzzolini J, et al. FDG uptake in cancer: a continuing debate. Theranostics. 2020;10(7):2944–2948. doi: 10.7150/thno.40599
  47. Lieu EL, Nguyen T, Rhyne S, Kim J. Amino acids in cancer. Exp Mol Med. 2020;52(1):15–30. doi: 10.1038/s12276-020-0375-3
  48. Dereziński P, Klupczynska A, Sawicki W, et al. Amino acid profiles of serum and urine in search for prostate cancer biomarkers: a pilot study. Int J Med Sci. 2017;14(1):1–12. doi: 10.7150/ijms.15783
  49. Khodayari Moez E, Pyne S, Dinu I. Association between bivariate expression of key oncogenes and metabolic phenotypes of patients with prostate cancer. Comput Biol Med. 2018;103:55–63. doi: 10.1016/j.compbiomed.2018.09.017
  50. Lee B, Mahmud I, Marchica J, et al. Integrated RNA and metabolite profiling of urine liquid biopsies for prostate cancer biomarker discovery. Sci Rep. 2020;10(1):3716. doi: 10.1038/s41598-020-60616-z

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Eco-Vector


 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».