Lipidomic profiling of cancer cell lines using multivariate data analysis

Abstract

Lipid profiling of cancer cell lines using multivariate data analysisBackground: Evidence from numerous studies suggest that there is a disregulation of lipid metabolism in cancer. Lipidomics is a subcategory of metabolomics that characterizes the lipid molecular species within cells, tissues and biofluids. Liquid chromatography (LC) coupled to mass spectrometry (MS) is a technique often used in lipidomics because of high sensitivity and selectivity. This study was conducted to evaluate results from lipidomic analysis of six breast cancer cell lines (MDA-MB-436, MDA-MB-231, MCF-7, CAMA-1, T-47D and SKBr-3) and one non-malignant cell line (MCF-10a). The objective was to apply multivariate data analysis (MVDA) to investigate differences in lipid composition between the cell lines and identify potential lipid biomarkers for breast cancer.Methods: The data obtained by QToF was preprocessed with different method setups in Markerlynx to optimize the data evaluation. SIMCA was used for MVDA. Principal component analysis (PCA) was performed to evaulate if the method could differentiate between different cell lines and identify outliers. OPLS-DA models were performed on SKBr-3 and MCF7 against MCF10a (reference cell line). Markers that showed most variability were selected from S-plots.Conclusions: MVDA was performed on cancer cells and differences in lipid composition were investigated in cell lines (MCF7 and SKBr-3) that variated the most compared to the reference cell line (MCF10a). Potential lipid biomarkers were identified. The most prominent change in lipid composition was in phospahtidylcholines (PCs). In the SKBr-3 cell line the most upregulated species were PC (28:0), PC (31:0) and PC (32:2). Two of the same PCs had significant upregulation in the MCF7 cell line as well. SM (44:2) had a fold change of 31 compared to the reference cell line as it was present in MCF7 but not in the reference cell line (MCF10a). Upregulation of TGs was also evident in MCF7.

Fjölþáttagreining á lípíðinnihaldi krabbameinsfrumulínaBakgrunnur: Niðurstöður fjölda rannsókna benda til þess að breytingar verða á efnaskiptum lípíða í krabbameinsæxlum. Lipidomics er grein sem auðkennir og lýsir lípíðum í frumum, vefjum og lífsýnum. Vökvagreinir (LC) tengdur massagreini (MS) er vinsæl greiningaraðferð fyrir lípíð vegna þess hversu næm og sértæk aðferðin er. Í þessari rannsókn voru niðurstöður úr massagreiningum á lípíðinnihaldi sex krabbameinsfrumulína (MDA-MB-436, MDA-MB-231, MCF-7, CAMA-1, T-47D and SKBr-3) og úr einni frumulínu sem ekki er illkynja (MCF10a) metnar. Markmiðið var að beita fjölþáttagreiningu (MVDA) til þess að kanna breytileika á lípíðinnihaldi þessara frumna og greina hugsanleg lífmerki.Aðferðir: Þau gögn sem fengust úr massgreiningunum voru undirbúin fyrir frekari vinnslu með Markerlynx. Mismunandi aðferðir voru settar upp til þess að hámarka upplýsingar sem fengust úr gögnunum. SIMCA forritið var notað í MVDA. Til þess að skoða hvort að greiningaraðferðin væri hentug og til að meta hvort að útlagar væru til staðar var PCA módel reiknað. OPLS-DA módel voru gerð fyrir bæði SKBr-3 og MCF7 frumulínunar á móti heilbrigðu frumulínunni sem var til viðmiðunar. Þau lípíð sem sýndu mestan breytileika á milli þessara frumulína voru valin úr S-ferlinum.Ályktanir: MVDA var framkvæmd til þess að greina breytileika á milli krabbameinsfrumulínanna. Þær frumulínur sem sýndu mestan breytileika (MCF7 og SKBr-3) voru sérstaklega skoðaðar samanborið við heilbrigðu frumulínunna (MCF10a) og hugsanleg lífmerki voru auðkennd. Mesta breytingu var að finna á magni PC. Í SKBr-3 frumulínunni var mesta breytingu að finna í auknu magni á PC (28:0), PC (31:0) og PC (32:2). Tvö af þessum sömu PC voru einnig í auknu magni í MCF7 frumulínunni. SM (44:2) var að finna í MCF7 en ekki í viðmiðunarfrumulínunni (MCF10a). TGs voru einnig í auknu magni í MCF7.