CN105842327B - 胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 - Google Patents
胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 Download PDFInfo
- Publication number
- CN105842327B CN105842327B CN201610168131.XA CN201610168131A CN105842327B CN 105842327 B CN105842327 B CN 105842327B CN 201610168131 A CN201610168131 A CN 201610168131A CN 105842327 B CN105842327 B CN 105842327B
- Authority
- CN
- China
- Prior art keywords
- gastric cancer
- spleen deficiency
- syndrome
- cancer syndrome
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
- G01N33/6848—Methods of protein analysis involving mass spectrometry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Cell Biology (AREA)
- Medicinal Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Microbiology (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,包括以下步骤:样品收集;纳米磁珠预处理;样品预处理;唾液样品洗脱上样;质谱分析;数据采集;数据分析;建立诊断模型。本发明运用WCX与MALDI‑TOF‑MS蛋白质组学技术,基于唾液蛋白质组开展胃癌脾虚证病证结合分子诊断研究,发现胃癌脾虚证与非脾虚证比较,有6个差异蛋白峰具有统计学意义。胃癌脾虚证与正常对照组对比,共有106个差异蛋白质峰有统计学意义,其中有101个蛋白峰差异具有非常显著性意义,其中,26个质峰在脾虚证组表达下调,80个质峰在脾虚证组表达上调。
Description
技术领域
本发明属于蛋白质谱应用技术领域,具体地说,涉及一种胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法。
背景技术
胃癌为本虚标实之证,以痰凝、气滞、血瘀、邪热为标,脾虚为本。脾胃虚弱是胃癌发生、发展的基础,存在于胃癌前疾病→癌前病变→胃癌的整个过程。脾虚失运可致痰饮内生,痰湿交阻易在局部结聚形成肿块,且痰饮随气流行,机体内外无所不至,以致肿瘤易于复发、转移。江澄等对500例胃癌患者进行调查,结果显示胃癌手术前后单一证型以胃癌所占的比率最多。赵群等根据中医辨证标准,将102例患者分为胃癌无脾虚证和有脾虚证两组,分析统计脾虚证的有无与胃癌浸润深度、分化程度、淋巴结转移以及 PTNM分期等生物学行为的关系,结果显示胃癌患者脾虚证与其临床生物学行为之间有密切的关系,脾虚证患者的预后比非脾虚证患者差。
病证结合已经成为现代中西医结合临床的主要模式。鉴于不同疾病的特征性病理实质不同,开展病证结合的证候诊断客观化研究是十分必要的。脾虚是中医临床最常见的基本证候之一,也是胃癌的重要病机和常见证候。
唾液检测的应用已广泛应用于感染性疾病、内分泌疾病等各系统疾病的研究,尤其是在各系统肿瘤诊断、病情变化监测、临床分期、疗效监测等方面具有巨大的应用前景。唾液中含有大量蛋白质,而蛋白质是生命活动的执行者和体现者,因而不同的疾病有蛋白质组学水平上的差异。已有研究证明,唾液中含有HP(HP感染是胃炎、胃癌的重要病因)、HP抗体IgG、硫酸还原菌(SRP)、KYNA(具有抗结肠癌作用)等180种生物标志物。质谱蛋白质组学技术的发展促进了唾液生物标志物的探索进程。
目前MALDI-TOF蛋白质组学技术已较多应用于胃癌的病因、诊断、治疗、预后以及是否发生转移的判断等多方面的研究。Ding Y发现胃上皮AGS 细胞癌变与EBV病毒感染有关;Oya-Ito T通过该技术发现热休克蛋白27的翻译后修饰在胃肠肿瘤上皮细胞损伤的过程中发挥着重要的作用;Repetto O 等发现胃癌与自身免疫性胃炎存在27个差异蛋白点;南蛇藤可使胃癌患者 HSP蛋白表达显著下调,而过度表达的HSP蛋白也可降低南蛇藤的疗效; Balluff B等研究发现HNP-1、S100-A6可进一步用来区分早期胃癌(UICC-I) 和晚期胃癌(UICC-II和III),而CRIP1则为一个新型、有效且独立的肿瘤预后因子。ZhangF等发现TRAK1/MGb2-Ag可作为诊断胃印戒细胞癌和粘液腺癌的生物标志物。与亲代细胞系相比,顺铂耐药细胞系,PK-M2(丙酮酸激酶-M2)蛋白表达和活性水平均降低,而使用反义寡核苷酸抑制PK-M2 表达可进一步增加细胞对顺铂的耐药性。PAR-1一直参与胃肠道炎症、肿瘤细胞生长和胃癌细胞的入侵,据研究,在华裔受试者中,PAR-1 IVSn-14 T 等位基因的表达是发生幽门螺旋杆菌相关型胃癌的风险因素之一,而PAR-1 -506ins/del基因的多态性则没有参与胃癌过程。胃癌患者胃癌组着和血浆中的AGP(alpha-1-acid glycoprotein)水平均表达增高。胃癌患者15-PGDH与 COX-2表达承负相关,并与胃癌的TNM分期、淋巴结转移密切相关。胃癌组织中CLIC1过度表达,实验证明,胃癌患者体内CLIC1低表达者5年生存率明显高于高表达者,因而CLIC1可作为判断胃癌预后的重要分子。胃癌存在β-cat异常表达,检测β-cat的表达可作为判断胃癌分化、浸润、转移和预后的良好参考指标。环氧化酶-2(COX-2)和基质金属蛋白酶-9(MMP-9) 表达与胃癌的生物学行为密切相关。可作为反映胃癌浸润、转移和预后的重要指标。
因此,提供一种诊断模型简便、快速、标本用量少,灵敏度高,特异性好的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型的建立方法,就成为该技术领域急需解决的技术难题。
发明内容
有鉴于此,本发明所要解决现有方法对于胃癌脾虚证的诊断复杂,诊断时间长,灵敏度低,特异性差的问题,提供了一种胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法。
为了解决上述技术问题,本发明公开了一种胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,包括以下步骤:
(1)样品收集,分别收集胃癌脾虚证组和正常对照组的唾液样品;
(2)纳米磁珠预处理;
(3)样品预处理:取出冷冻保存的唾液样品,冰上解冻,所有唾液样品均1次冻融,取5μl唾液样品加入10μl的U9裂解液,混合孵育30min后,加入185μl的Wash Buffer稀释(唾液最终上样量为2.5μl);
(4)唾液样品洗脱上样:③向每个装有纳米磁珠的PCR管中分别加入 100μl预处理后的唾液样品,混匀,置于室温孵育30min,将所述PCR管置于磁铁上孵育1min,去除上清液;④每管加入100μl的Wash Buffer洗脱5min,然后将所述PCR管置于磁铁上孵育1min,去除上清液;再重复步骤④操作一次,以洗脱更干净,获得较纯的目的蛋白;⑤在所述PCR管中加入10μl 的Elution Buffer洗脱5min,将所述PCR管置于磁铁上孵育1min,取5μl上清液移至另一个PCR管中;⑥将装有5μl上清液的PCR管中加入5μl的CHCA 饱和溶液,充分混匀,至样品颜色发灰,而没有明显的沉淀时,取2μl混合溶液,加样到Au/Steel芯片上,晾干后放入仪器读取;
(5)质谱分析:采用质谱仪读取所述Au/Steel芯片信息,设置激光强度为190,灵敏度为5;
(6)数据采集;
(7)数据分析,找出所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰;
(8)建立诊断模型:用Biomarker Pattern Software 5.0.2采用决策树算法计算出多个变量变化对两样本的判别价值,确定最佳的诊断模型。
进一步的,所述步骤(1)样品收集的方法为:胃癌脾虚证组和正常对照组在取材前一天晚上临睡前清水漱口,之后不再进食任何食物和药物,于第二天晨起后漱口前采用非刺激性唾液采集方式空腹取材,前5min内的唾液自然吞下后开始收集,收集到的唾液置于冰浴中的15ml唾液离心管内,4℃下静置1h后,3000r/min、4℃下离心10min,冰浴上分装在1ml的EP管中,每管200μl,于-80℃冰箱冷冻保存备用。
进一步的,所述步骤(2)纳米磁珠预处理的方法为:①取WCX纳米磁珠50μl加入到200μl的PCR管中,置于磁铁上孵育1min,去除上清液;②再加入100μl的Wash Buffer洗脱5min,在磁铁上孵育1min,去除上清液;再重复步骤②操作一次,这样洗脱更干净,质谱检测受到干扰的可能性会更少。
进一步的,所述步骤(6)数据采集的方法为:用Ciphergen Proteinchip Software3.2.1软件采集数据,纵坐标为峰强度,横坐标为蛋白质质荷比,收集数据的质荷比范围为2000~25000m/z,信号收集位置40~60,平均每点收集20次,收集总点为100次,数据采集前用多肽标准芯片校正,激光离子流0.5。
进一步的,所述步骤(7)数据分析的方法为:对位于2000~25000m/z 峰值,用Biomarker Wizard软件过滤噪音;设置初始的噪音过滤值为5,二次信噪比为2,以10%为最小阈值进行聚类,经上述数据预处理后,采用t 检验比较所述胃癌脾虚证组和所述正常对照组唾液蛋白质质谱数据,找出所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰。
进一步的,步骤(7)中,设置P<0.01,所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰有101个(P<0.01),其中所述胃癌脾虚证组与所述正常对照组唾液蛋白质质谱数据比值>4的有17个差异表达蛋白质峰,其中,有4个差异表达蛋白质峰在所述胃癌脾虚证组表达下调,13个差异表达蛋白质峰在所述胃癌脾虚证组表达上调,所述17个差异表达蛋白质峰具体如下:
进一步的,步骤(6)所述质荷比范围为2000~15000m/z。
与现有技术相比,本发明可以获得包括以下技术效果:
1)本发明运用WCX与MALDI-TOF-MS蛋白质组学技术,基于唾液蛋白质组开展胃癌脾虚证病证结合分子诊断研究,发现胃癌脾虚证与非脾虚证比较,有6个差异表达蛋白质峰具有统计学意义(P<0.05),其中有2个差异表达蛋白质峰(m/z分别为5439.67、5380.16)具有非常显著意义(P<0.01)。经Biomarker Patterns 5.0.2诊断模型软件筛选出m/z为5439.67、2411.67、 3619.18等3个差异表达蛋白质峰建立胃癌脾虚证与正常对照组的诊断判别模型。经临床回代检验,该模型的灵敏度和特异度分别达100%(40/40)和 93%(42/45);通过交叉验证法进一步验证诊断模型的可靠性,结果该模型的灵敏度和特异度分别为87%(35/40)和89%(40/45)。说明该模型对胃癌脾虚证的诊断效率优良,灵敏度高、特异性强。
2)本发明的研究结果已显示出良好的应用前景,值得进一步深入研究并在临床推广转化。
当然,实施本发明的任一产品必不一定需要同时达到以上所述的所有技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中胃癌脾虚证组与正常对照组蛋白质代表性图谱;
图2为本发明实施例中胃癌脾虚证组与胃癌非脾虚证组蛋白质代表性图谱;
图3为本发明实施例中胃癌脾虚证组与正常对照组中放大后的蛋白质峰 m/z=3255的质谱峰图;
图4为本发明实施例中胃癌脾虚证组与正常对照组中放大后的蛋白质峰 m/z=5439的质谱峰图;
图5为本发明实施例中胃癌脾虚证组与正常对照组唾液无创分子诊断模型树状图;
图6为本发明实施例中诊断模型十字交叉验证的ROC曲线。
具体实施方式
以下将配合附图及实施例来详细说明本发明的实施方式,藉此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
实施例
1病例选择
1.1诊断标准
1.1.1胃癌诊断标准
胃癌的诊断根据《内科学》的诊断标准。
1.1.2脾虚证诊断标准
(1)脾虚证:脾虚证包括脾虚与气虚两部分:
气虚主症:①体倦乏力;②神疲懒言;③舌质淡、舌体胖或有齿痕,苔薄白;④脉细弱。
脾虚主症:①胃纳减少或食欲差;②大便不正常(溏、烂、先硬后溏、时溏时硬);③食后腹胀,午后腹胀。
脾虚次症:口淡不渴,喜热饮,口泛清涎,腹痛绵绵或喜按喜温,或得食则减,或遇劳则发,恶心呕吐,脘闷肠鸣,消瘦或虚胖,面色萎黄,唇淡,短气,浮肿,久嗽,痰多清稀,失眠不寐,排便无力,白带清稀,小便清长。
气虚主症2个+脾虚主症2个,或气虚主症舌象+脾虚主症2个,或气虚主症舌象+脾虚1个加次症2个,即可诊断为脾虚证。
(2)非脾虚证:胃癌患者不符合上述脾虚证的诊断,均为胃癌非脾虚证。
1.2纳入标准
(1)符合诊断标准,未经手术和放化疗;
(2)年龄在20-75岁之间;
(3)自愿且能够配合参加的受试对象。
以上3项必须全部符合才能纳入。
1.3排除标准
(1)不符合上述诊断标准者;
(2)年龄<20或>75岁者;
(3)患有口腔局部及唾液腺的炎症、消化道溃疡、肿瘤及先天性疾病;患有舍格伦综合征、囊性纤维病;患有其他系统严重并发疾病。
1.4质量控制
(1)采用统一诊断标准、统一调查表格、统一调查方法;
(2)调查者在调查时严格按照“标准化”执行,减少调查者偏倚,确保资料的一致性和真实性;
(3)电子胃镜及病理结果均由1月内三级甲等医院诊断。
2纳入病例基本资料
本研究共纳入2014年12月-2015年04月在湖南省肿瘤医院胃十二指肠胰腺外科胃癌脾虚证患者40例,男25例、女15例;胃癌非脾虚证患者17 例,均为术前未进行放化疗,男14例、女3例;年龄36-68岁,中位年龄 52岁;正常对照组45例,男28例、女17例;年龄23-72岁,中位年龄52 岁,均来自于湖南中医药大学附属第一医院体检科健康自愿者。所有病例均按照纳入标准进行纳入。
3研究分组
40例未进行任何治疗的胃癌脾虚证患者为胃癌脾虚证组(A组),17 例未进行任何治疗的胃癌脾虚证患者为胃癌非脾虚证组(B组),45例健康志愿者为正常对照组(N组)。
4实验方法
4.1主要仪器和试剂
蛋白指纹图谱(液体芯片)试剂盒(WCX磁珠、Wash Buffer、Elution Buffer、U9裂解液)及MALDI-TIF-MS(蛋白指纹图谱仪I型),均为湖州赛尔迪生物医药科技有限公司产品,试剂盒批号为K20150501;dH2O(HPLC 级)、CHCA为Sigma公司产品。
4.2样品收集
按照本课题专用临床观察表进行临床观察记录。取材前一天晚上临睡前清水漱口三次(不再进任何食物和药物),采用非刺激性唾液采集方式,第二天晨起后漱口前空腹取材。由经过培训的课题组专人取材,前5min内的唾液自然吞下后开始收集,患者将已经过消毒的无菌小圆柱形棉花含入口中,口腔唾液积聚至一定量后,将该棉花吐入置于冰浴中的15ml唾液离心管内,4℃下静置1h后,3000r/min、4℃下离心10min,冰浴上分装在1ml 的EP管中,每管200μl,于-80℃冰箱冷冻保存。实验时取出样本,冰上解冻,所有检测唾液样本均1次冻融。取5μl唾液加入10μl的U9裂解液,混合孵育30min后,加入185μl的Wash Buffer稀释(唾液最终上样量为2.5μl)。
4.3纳米磁珠预处理
①取WCX纳米磁珠50μl加入到200μl的PCR管,置于磁铁上孵育1min (注意避免由于孵育时间过长导致磁珠结块),去除上清液;②再依次加入 100μl的Wash Buffer洗脱5min,在磁铁上孵育1min,去除上清液;再重复步骤②操作一次。
4.4唾液样品洗脱上样
①向每个装有纳米磁珠的PCR管中加入100μl处理好的唾液样品,混匀后,置于室温孵育30min,将PCR管置于磁铁上孵育1min,去除上清液;②每管加入100μl的Wash Buffer洗脱5min,然后将PCR管置于磁铁上孵育 1min,去除上清液;再重复步骤②操作一次。③在PCR管中加入10μl的Elution Buffer洗脱5min(不能少于5min),将PCR管置于磁铁上孵育1min,取5μl 上清液移至另一个PCR管中;④装有5μl上清液的PCR管中加入5μl的CHCA (基质)饱和溶液,充分混匀(混合到样品颜色发灰,而没有明显的沉淀并及时上样),取2μl混合溶液(1μl唾液样品+1μl基质)加样到Au/Steel芯片上,待干后放入仪器读取。
4.5芯片检测、数据采集和参数设置
采用蛋白指纹图谱仪I型(湖州赛尔迪生物医药科技有限公司)质谱仪读取芯片信息。设置激光强度为190,灵敏度为5,收集数据的质荷比(m/z) 范围为2000~25000m/z,优化范围为2000~15000m/z,信号收集位置40~60,平均每点收集20次,收集总点为100次。数据采集前用已知多肽标准芯片 (all-in-one)校正仪器,激光离子流0.5。用CiphergenProteinchip Software 3.2.1软件自动采集数据,纵坐标为峰强度(蛋白相对含量),横坐标为蛋白质质荷比(m/z)。
4.6数据分析
对位于2000~25000m/z峰值,用Biomarker Wizard软件过滤噪音。设置初始的噪音过滤值为5,二次信噪比为2,以10%为最小阈值进行聚类,经上述数据预处理后,采用t检验比较2组唾液蛋白质质谱数据(由Biomarker Wizard软件完成),找出2组之间具有统计学意义的差异表达蛋白质峰。用 Biomarker Pattern Software 5.0.2采用决策树算法计算出多个变量(m/z蛋白质质谱峰)变化对两样本的判别价值(诊断贡献度),确定最优化的诊断模型。
5结果
5.1胃癌脾虚证组与正常对照组对比
两组共85份唾液标本,经过标准化后,在相对分子质量为2000~25000Da 范围内共检测到375个蛋白质峰,两组间比较,符合m/z强度平均值的比值>2(胃癌脾虚证组/正常对照组>2,或者正常对照组/胃癌脾虚证组>2)的条件,共有106个差异表达蛋白质峰有统计学意义(P<0.05),其中有101 个差异表达蛋白质峰差异具有非常显著性意义(P<0.01)(胃癌脾虚证组与正常对照组之间ratio>4差异有统计学意义的蛋白质峰,见表1),(胃癌脾虚证组及正常对照组典型图谱,图1)。其中,26个差异表达蛋白质峰在胃癌脾虚证组表达下调,80个差异表达蛋白质峰在胃癌脾虚证组表达上调。
表1胃癌与正常对照组之间差异有统计学意义的蛋白质峰(ratio>4)
图1为胃癌脾虚证组与正常对照组典型图谱,上第1、2幅图为胃癌脾虚证组,下第3、4幅图为正常对照组。胃癌脾虚证组质峰范围主要在 1000-4500Da,正常对照组质峰范围主要在1000-5000Da。纵坐标为峰强度(蛋白相对含量),横坐标为蛋白质质荷比(m/z)。
图3为胃癌脾虚证组与正常对照组MALDI质谱峰图(m/z=3255),纵坐标为峰强度(蛋白相对含量),横坐标为蛋白质质荷比(m/z)。上第1、 2幅图为胃癌脾虚证组,下第3、4幅图为正常对照组。与正常对照组对比,胃癌脾虚证组表达下调。
5.2胃癌脾虚证组与胃癌非脾虚证组对比
两组共57份唾液标本,经过标准化后,在相对分子质量为2000~25000m/z 范围内共检测到375个蛋白质峰,蛋白质峰多集中在0~15000m/z之间(胃癌脾虚证及胃癌非脾虚证典型图谱,图2)。满足P<0.05,且两组m/z强度平均值得比值>2(胃癌脾虚证组/胃癌非脾虚证组>2,或者胃癌非脾虚证组 /胃癌脾虚证组>2)的条件,两组间比较,共有6个差异表达蛋白质峰 (3225.359、2493.291、5380.163、5306.461、5355.632、5439.673)有统计学意义(P<0.05),共有2个蛋白质峰(5380.163、5439.673)(图3、图4) 差异具有非常显著性意义(P<0.01)(表2)。其中,3225.359、2493.291 两个质谱峰在胃癌脾虚证组表达下调,而5380.163、5306.461、5355.632、 5439.673在胃癌脾虚证组表达上调。
表2胃癌脾虚证组与胃癌非脾虚证组之间差异有统计学意义的蛋白质峰(ratio>2)
图2为胃癌脾虚证组与胃癌非脾虚证组典型图谱,上第1、2幅图为胃癌脾虚证组,下第3、4幅图为正常对照组。胃癌脾虚证组蛋白质峰范围主要在0-40000Da,正常对照组蛋白质峰范围主要在0-30000Da。纵坐标为峰强度(蛋白相对含量),横坐标为蛋白质质荷比(m/z)。
图4为胃癌脾虚证组与正常对照组MALDI质谱峰图(m/z=5439)上第 1、2幅图为胃癌脾虚证组,下第3、4幅图为正常对照组。与正常对照组对比,胃癌脾虚证组表达上调。纵坐标为峰强度(蛋白相对含量),横坐标为蛋白质质荷比(m/z)。
5.3胃癌脾虚证分子诊断模型建立
用Biomarker Pattern Software 5.0.2采用决策树算法计算出多个变量(m/z 蛋白质质谱峰)变化对两组样本的判别价值(诊断贡献度),最终选定m/z 为5439.67、2411.67、3619.18建立胃癌脾虚证唾液无创分子诊断模型(图5),经临床回代检验,该模型的灵敏度和特异度分别为100%(40/40)和93% (42/45)(见表3)。
表3所建诊断模型对胃癌脾虚证的诊断效率(临床回代检验结果)
图5为m/z=5439.67、2411.67和3619.183,3个显著差异表达蛋白质峰组成的胃癌脾虚证诊断模型。当5439.67m/z>1.72,或者5439.67m/z≤1.72 且2411.67m/z>4.15,或者5439.67m/z≤1.72且2411.67m/z≤4.15且 3619.18m/z>9.02提示为早期胃癌脾虚证患者;当5439.67m/z≤1.72且 2411.67m/z≤4.15且3619.18m/z≤9.02提示为正常。M:质谱峰相对强度。
5.4诊断模型十字交叉验证
对所建立的胃癌脾虚证诊断模型采用十字交叉法进行验证,结果该模型的灵敏度和特异度分别87%(35/40)和89%(40/45)(表4)。
表4所建诊断模型对胃癌脾虚证的诊断效率(十字交叉验证结果)
组别 | 例数 | 正确诊断(例) | 错误诊断(例) | 正确率(%) |
A组 | 40 | 35 | 5 | 87 |
N组 | 45 | 40 | 5 | 89 |
图6为诊断模型十字交叉验证的ROC曲线,轴坐标为假阳性率(1-特异度),纵坐标为真阳性率(灵敏度)。ROC曲线下面积越大,其诊断价值越高。图6中ROC曲线下面积为0.976,进一步地验证所建立模型的诊断价值。
病证结合已经成为现代中西医结合临床的主要模式。鉴于不同疾病的特征性病理实质不同,开展病证结合的证候诊断客观化研究是十分必要的。脾虚是中医临床最常见的基本证候之一,也是胃癌的重要病机和常见证候。本发明运用WCX与MALDI-TOF-MS蛋白质组学技术,基于唾液蛋白质组开展胃癌脾虚证病证结合分子诊断研究,发现胃癌脾虚证与非脾虚证比较,有 6个差异表达蛋白质峰具有统计学意义(P<0.05),,其中有2个差异表达蛋白质峰(m/z分别为5439.67、5380.16)具有非常显著意义(P<0.01)。经BiomarkerPatterns 5.0.2诊断模型软件筛选出m/z为5439.67、2411.67、 3619.18等3个差异表达蛋白质峰建立胃癌脾虚证与正常对照组的诊断判别模型。经临床回代检验,该模型的灵敏度和特异度分别达100%(40/40)和 93%(42/45);通过交叉验证法进一步验证诊断模型的可靠性,结果该模型的灵敏度和特异度分别为87%(35/40)和89%(40/45)。说明该模型对胃癌脾虚证的诊断效率优良,灵敏度高、特异性强。
如在说明书及权利要求当中使用了某些词汇来指称特定成分或方法。本领域技术人员应可理解,不同地区可能会用不同名词来称呼同一个成分。本说明书及权利要求并不以名称的差异来作为区分成分的方式。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明本发明的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,包括以下步骤:
(1)样品收集,分别收集胃癌脾虚证组和正常对照组的唾液样品;
(2)纳米磁珠预处理;
(3)样品预处理:取出冷冻保存的唾液样品,冰上解冻,所有唾液样品均1次冻融,取5μl所述唾液样品加入10μl的U9裂解液,混合孵育30min后,加入185μl的Wash Buffer稀释;
(4)唾液样品洗脱上样:③向每个装有纳米磁珠的PCR管中分别加入100μl预处理后的所述唾液样品,混匀,置于室温孵育30min,将所述PCR管置于磁铁上孵育1min,去除上清液;④每管加入100μl的Wash Buffer洗脱5min,然后将所述PCR管置于磁铁上孵育1min,去除上清液;再重复步骤④操作一次;⑤在所述PCR管中加入10μl的Elution Buffer洗脱5min,将所述PCR管置于磁铁上孵育1min,取5μl上清液移至另一个PCR管中;⑥将装有5μl上清液的PCR管中加入5μl的CHCA饱和溶液,充分混匀,至样品颜色发灰,而没有明显的沉淀时,取2μl混合溶液,加样到Au/Steel芯片上,晾干后放入仪器读取;
(5)质谱分析:采用质谱仪读取所述Au/Steel芯片信息,设置激光强度为190,灵敏度为5;
(6)数据采集;
(7)数据分析,找出所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰;设置P<0.01,所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰有101个,其中所述胃癌脾虚证组与所述正常对照组唾液蛋白质质谱数据比值>4的有17个差异表达蛋白质峰,其中,有4个差异表达蛋白质峰在所述胃癌脾虚证组表达下调,13个差异表达蛋白质峰在所述胃癌脾虚证组表达上调,所述17个差异表达蛋白质峰具体如下:
(8)建立诊断模型:用Biomarker Pattern Software 5.0.2采用决策树算法计算出多个变量变化对两样本的判别价值,确定最佳的诊断模型。
2.如权利要求1所述的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,所述步骤(1)样品收集的方法为:胃癌脾虚证组和正常对照组在取材前一天晚上临睡前清水漱口,之后不再进食任何食物和药物,于第二天晨起后漱口前采用非刺激性唾液采集方式空腹取材,前5min内的唾液自然吞下后开始收集,收集到的唾液置于冰浴中的15ml唾液离心管内,4℃下静置1h后,3000r/min、4℃下离心10min,冰浴上分装在1ml的EP管中,每管200μl,于-80℃冰箱冷冻保存备用。
3.如权利要求2所述的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,所述步骤(2)纳米磁珠预处理的方法为:①取WCX纳米磁珠50μl加入到200μl的PCR管中,置于磁铁上孵育1min,去除上清液;②再加入100μl的Wash Buffer洗脱5min,在磁铁上孵育1min,去除上清液;再重复步骤②操作一次。
4.如权利要求3所述的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,所述步骤(6)数据采集的方法为:用Ciphergen Proteinchip Software 3.2.1软件采集数据,纵坐标为峰强度,横坐标为蛋白质质荷比,收集数据的质荷比范围为2000~25000m/z,信号收集位置40~60,平均每点收集20次,收集总点为100次,数据采集前用多肽标准芯片校正,激光离子流0.5。
5.如权利要求4所述的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,所述步骤(7)数据分析的方法为:对位于2000~25000m/z峰值,用Biomarker Wizard软件过滤噪音;设置初始的噪音过滤值为5,二次信噪比为2,以10%为最小阈值进行聚类,经上述数据预处理后,采用t检验比较所述胃癌脾虚证组和所述正常对照组唾液蛋白质质谱数据,找出所述胃癌脾虚证组和所述正常对照组之间具有统计学意义的差异表达蛋白质峰。
6.如权利要求4所述的胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法,其特征在于,步骤(6)所述质荷比范围为2000~15000m/z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610168131.XA CN105842327B (zh) | 2016-03-23 | 2016-03-23 | 胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610168131.XA CN105842327B (zh) | 2016-03-23 | 2016-03-23 | 胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105842327A CN105842327A (zh) | 2016-08-10 |
CN105842327B true CN105842327B (zh) | 2018-11-06 |
Family
ID=56583060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610168131.XA Active CN105842327B (zh) | 2016-03-23 | 2016-03-23 | 胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105842327B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495151A (zh) * | 2020-03-20 | 2021-10-12 | 中山大学附属第一医院 | 一种胃癌湿热证的唾液蛋白标志物及其筛选方法和应用 |
CN112716505A (zh) * | 2020-12-08 | 2021-04-30 | 河北工程大学 | 一种快速的疲劳检测方法 |
CN113466465A (zh) * | 2021-01-20 | 2021-10-01 | 浙江大学滨海产业技术研究院 | 一种基于蛋白质组学的唾液检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007169A (zh) * | 2014-05-29 | 2014-08-27 | 深圳市第二人民医院 | 一种胃癌的唾液蛋白诊断模型及其建立方法 |
CN104007166A (zh) * | 2014-05-29 | 2014-08-27 | 深圳市第二人民医院 | 一种慢性胃炎诊断的唾液蛋白诊断模型及其构建方法 |
CN104515797A (zh) * | 2014-05-29 | 2015-04-15 | 深圳市第二人民医院 | 乳腺癌早期诊断的唾液蛋白指纹图谱模型及其构建方法 |
-
2016
- 2016-03-23 CN CN201610168131.XA patent/CN105842327B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007169A (zh) * | 2014-05-29 | 2014-08-27 | 深圳市第二人民医院 | 一种胃癌的唾液蛋白诊断模型及其建立方法 |
CN104007166A (zh) * | 2014-05-29 | 2014-08-27 | 深圳市第二人民医院 | 一种慢性胃炎诊断的唾液蛋白诊断模型及其构建方法 |
CN104515797A (zh) * | 2014-05-29 | 2015-04-15 | 深圳市第二人民医院 | 乳腺癌早期诊断的唾液蛋白指纹图谱模型及其构建方法 |
Non-Patent Citations (2)
Title |
---|
唾液检测的应用进展;谢梦洲等;《湖南中医药大学学报》;20160229;第36卷(第2期);76-80 * |
基于唾液蛋白质组学的2型糖尿病病证结合分子诊断模型研究;杨长青;《万方数据》;20151229;摘要,论文第6-13页1.1-3.7节、4.2节,图5-1 * |
Also Published As
Publication number | Publication date |
---|---|
CN105842327A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tsukuma et al. | Prospective study of “early” gastric cancer | |
Roland et al. | Low ileocecal valve pressure is significantly associated with small intestinal bacterial overgrowth (SIBO) | |
Zhao et al. | Accuracy of endoscopic diagnosis of Helicobacter pylori based on the Kyoto classification of gastritis: a multicenter study | |
Bielanski et al. | New approach to 13C-urea breath test: capsule-based modification with low-dose of 13C-urea in the diagnosis of Helicobacter pylori infection | |
CN105603101B (zh) | 检测8个miRNA表达量的系统在制备诊断或辅助诊断肝细胞癌产品中的应用 | |
CN105842327B (zh) | 胃癌脾虚证唾液蛋白指纹图谱分子诊断模型建立方法 | |
CN105699473B (zh) | 胃癌唾液蛋白指纹图谱分子诊断模型建立方法 | |
CN107904286A (zh) | 一种结直肠癌微生物标志物及其应用 | |
CN107024586A (zh) | 基于人工神经网络肿瘤标志联合检测辅助诊断肝癌的方法 | |
CN117292814A (zh) | 基于舌苔微生物的肿瘤预测方法 | |
Turudic et al. | Calcium oxalate urolithiasis in children: urinary promoters/inhibitors and role of their ratios | |
Kurbanovna | Retrospective analysis of gastritis associated with chronic atrophic H. pylori in patients with nocardial gastric cancer in bukhara city and prevention of atrophic processes of gastric mucosa | |
Laupland et al. | Bloodstream infection and colorectal cancer risk in Queensland Australia, 2000-2019 | |
CN117169320A (zh) | 一组用于结直肠癌诊断的血液多金属离子组合及其应用 | |
Wu et al. | Comparison of a new office-based stool immunoassay and 13C-UBT in the diagnosis of current Helicobacter pylori infection | |
CN105628784B (zh) | 大肠癌唾液蛋白指纹图谱分子诊断模型建立方法 | |
CN109975548A (zh) | IgG4检测试剂在制备结直肠癌诊断剂方面的应用 | |
CN117316278A (zh) | 一种基于cfDNA片段长度分布特征的癌症无创早筛方法及系统 | |
Huang et al. | A retrospective study from a single center to identify hematological factors that distinguish between patients with colorectal carcinoma and colorectal adenoma | |
CN108070656A (zh) | 肺癌标志物及其应用 | |
Kim et al. | Endoscopic characteristics of rugal hyperplasia and related acid condition in Helicobacter pylori-infected stomach | |
CN105699663A (zh) | 2型糖尿病唾液蛋白指纹图谱分子诊断模型建立方法 | |
Ayeni et al. | A comparison of tube leukocyte adherence inhibition assay and standard physical methods for diagnosing colorectal cancer | |
RU2803008C1 (ru) | Способ прогнозирования риска развития синдрома раздраженного кишечника у больных после перенесенной острой диареи бактериальной этиологии и выбора тактики лечения | |
RU2827968C1 (ru) | Способ выявления рака легкого, рака предстательной железы, рака жкт у мужчин |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |