Inhaltszusammenfassung:
Die vorliegende Arbeit beschäftigte sich mit der Optimierung der Probenaufarbeitung mittels Affinitätschromatographie und der Validierung dieser verbesserten Methode.
Im Anschluss stand die Aufarbeitung der Urine von fünfundachtzig Mammakarzinom-Patientinnen und ebenso vielen Kontrollprobandinnen.
Die mithilfe einer ESI-HCT MS gewonnenen Daten wurden mithilfe einer Support Vector Machine (SVM) ausgewertet. Mit dieser bioinformatischen Klassifizierungsmethode ließen sich tumorassoziierte Verschiebungen der Verhältnisse von Exkretionsraten einzelner modifizierter Nucleoside und peripherer Stoffwechselprodukte untereinander nachweisen. Diese Verschiebungen beruhen einerseits auf einer in Tumorzellen zu beobachtenden Veränderung der Aktivität modifizierender Enzymsysteme, andererseits auf unterschiedlichem Exkretionsverhalten bei erhöhtem zellulären turnover.
Unter Einsatz der in dieser Arbeit ermittelten nucleosidischen Profile konnte eine Klassifizierung von Brustkrebspatientinnen und gesunden Probandinnen mit einer Klassifizierungsleistung von 83,5 % Sensitivität und 90,6 % Spezifität erreicht werden.