CN107064285A - 一种肺癌诊断模型的构建方法 - Google Patents
一种肺癌诊断模型的构建方法 Download PDFInfo
- Publication number
- CN107064285A CN107064285A CN201710389181.5A CN201710389181A CN107064285A CN 107064285 A CN107064285 A CN 107064285A CN 201710389181 A CN201710389181 A CN 201710389181A CN 107064285 A CN107064285 A CN 107064285A
- Authority
- CN
- China
- Prior art keywords
- tissue
- cancer
- diagnosis model
- lung
- lung cancer
- 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.)
- Pending
Links
- 208000020816 lung neoplasm Diseases 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 28
- 238000010276 construction Methods 0.000 title claims abstract description 7
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims abstract description 24
- 201000005202 lung cancer Diseases 0.000 claims abstract description 24
- 210000004072 lung Anatomy 0.000 claims abstract description 20
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 14
- 102000052116 epidermal growth factor receptor activity proteins Human genes 0.000 claims abstract description 14
- 108700015053 epidermal growth factor receptor activity proteins Proteins 0.000 claims abstract description 14
- YOHYSYJDKVYCJI-UHFFFAOYSA-N n-[3-[[6-[3-(trifluoromethyl)anilino]pyrimidin-4-yl]amino]phenyl]cyclopropanecarboxamide Chemical compound FC(F)(F)C1=CC=CC(NC=2N=CN=C(NC=3C=C(NC(=O)C4CC4)C=CC=3)C=2)=C1 YOHYSYJDKVYCJI-UHFFFAOYSA-N 0.000 claims abstract description 14
- 201000011510 cancer Diseases 0.000 claims abstract description 13
- 230000004060 metabolic process Effects 0.000 claims abstract description 7
- 206010041823 squamous cell carcinoma Diseases 0.000 claims abstract description 7
- 102000048850 Neoplasm Genes Human genes 0.000 claims abstract description 6
- 108700019961 Neoplasm Genes Proteins 0.000 claims abstract description 6
- 150000002632 lipids Chemical class 0.000 claims abstract description 6
- 230000035772 mutation Effects 0.000 claims abstract description 6
- 208000009956 adenocarcinoma Diseases 0.000 claims abstract description 4
- 208000000649 small cell carcinoma Diseases 0.000 claims abstract description 4
- 230000007170 pathology Effects 0.000 claims description 2
- 238000011275 oncology therapy Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 25
- 238000001819 mass spectrum Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 12
- 150000002500 ions Chemical class 0.000 description 11
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- KFZMGEQAYNKOFK-UHFFFAOYSA-N Isopropanol Chemical compound CC(C)O KFZMGEQAYNKOFK-UHFFFAOYSA-N 0.000 description 4
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 4
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000004907 gland Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 2
- 150000001768 cations Chemical class 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 235000019253 formic acid Nutrition 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000002207 metabolite Substances 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- HNSDLXPSAYFUHK-UHFFFAOYSA-N 1,4-bis(2-ethylhexyl) sulfosuccinate Chemical compound CCCCC(CC)COC(=O)CC(S(O)(=O)=O)C(=O)OCC(CC)CCCC HNSDLXPSAYFUHK-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000013276 bronchoscopy Methods 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000688 desorption electrospray ionisation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- -1 lipid Compound Chemical class 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013188 needle biopsy Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000001338 self-assembly Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2873—Cutting or cleaving
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开一种肺癌诊断模型的构建方法，包括以下步骤：(1)获取3组组织标本切片，(2)利用AFAI‑MS获得3组肺癌组织标本切片的代谢脂质分子分布图，寻找组内不同组织的脂质分子表达差异，建立快速区分癌与正常组织的肺癌快速诊断模型、肺癌分子病理诊断模型和肺癌基因诊断模型；其中，3组组织标本切片包括1)肺癌组织、正常组织、癌旁组织，2)腺癌组织、鳞癌组织、小细胞癌组织，3)EGFR基因突变与EGFR野生型肺癌组织。本发明肺癌诊断模型能够更快捷、更灵敏、更特异地筛查肺癌，进而更有效地指导肺癌治疗。
Description
技术领域
本发明涉及分子生物学分析及可视化仪器研制领域。更具体地，涉及一种肺癌诊断模型的构建方法。
背景技术
质谱成像是一种新的分子成像技术，它可获得分子在组织切片中的空间分布，相比现有技术，它不需要特异性的标记，通过一次成像扫描分析，可以获得上百种不同分子的分布图。通过多分析物分布图与组织病理或临床信息相互关联，使得质谱成像技术有望成为一种理想的组织病理检查方法。如MALDI-MSI成像技术可以对多肽、蛋白质、糖类、脂质等化合物进行检测，其检测限在atto摩尔水平的范围内。MALDI-MSI的质谱成像的空间分辨率通常约为50-200μm。虽然低至几个微米的分辨率的成像也可以实现，但质谱检测需要依赖更高灵敏度的质谱分析器。DESI-MSI是一种常压敞开式质谱成像技术，不需要在高真空和封闭条件下进行试验，样品前处理简单，因此在组织样本的成像分析研究中得到迅速发展。DESI更适用于研究小分子代谢物在生物组织中的空间分布，对于生物组织中脂类化合物的成像效果很好，但对于低丰度和低分子量的内源性代谢物的成像分析却鲜有报道。尽管近些年关于内源性代谢物的质谱成像研究日益受到重视，报道逐年增多，但在所能检测的分子种类的范围、检测灵敏度和成像质量等方面尚存在诸多问题需要解决。目前临床上用于肺癌诊断的检查手段主要有CT、PET-CT、支气管镜检查、脱落细胞学检查、组织穿刺活检等，但是存在费用较高，穿刺活检成功率不高，病情随访时间内必须接受多次大剂量射线辐射的劣势，诊断准确率和敏感性也有待提高，且不能判断肿瘤预后，因而探索与肺癌诊断、治疗效果随访、预后相关的标记物显得尤为必要。
发明内容
本发明的目的在于提供一种肺癌诊断模型的构建方法，能够更快捷、更灵敏、更特异地筛查肺癌，进而更有效地指导肺癌治疗。
为达到上述目的，本发明采用下述技术方案：
一种肺癌诊断模型的构建方法，包括以下步骤：(1)获取3组组织标本切片，(2)利用AFAI-MS获得3组肺癌组织标本切片的代谢脂质分子分布图，寻找组内不同组织的脂质分子表达差异，建立快速区分癌与正常组织的肺癌快速诊断模型、肺癌分子病理诊断模型和肺癌基因诊断模型；其中，3组组织标本切片包括1)肺癌组织、正常组织、癌旁组织，2)腺癌组织、鳞癌组织、小细胞癌组织，3)EGFR基因突变与EGFR野生型肺癌组织。
本发明的有益效果如下：
基于AFAI-MSI技术的构建肺癌诊断模型的方法具有以下优势：
1)无需特异性标记，能对已知目标和未知内源性代谢物进行成像分析；
2)灵敏度高，对各类代谢物的检测覆盖范围宽；
3)基于多代谢物相图的直观方式，可客观呈现组织的各种生理、病理状态和类型；
4)可提供丰富的生物化学信息，可为生物医药、分子生物学等方面的研究从代谢物水平提供新的视角；
5)成像速度快，1cm2的组织切片成像可在半小时内完成
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出AFAI-MSI生物组织成像分析原理。
图2示出AFAI生物组织成像分析步骤图。
图3示出代表性肺癌组织与正常组织提取的质谱峰。
图4示出肺癌快速诊断模型、肺癌分子病理诊断模型和肺癌基因诊断模型。
图5示出(A)肺正常组织和(B)肺癌组织的AFAI-MS图像。
图6示出(A)腺癌组织和(B)鳞癌组织的AFAI-MS图像。
图7示出EGFR(wild)和EGFR(mut)的AFAI-MS图像。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
1、样品及试剂
(1)组织样本：人体术后肺癌组织切片按临床规范及伦理要求收集。
(2)试剂：甲醇、乙腈、异丙醇(IPA)和甲酸(HPLC级，购自德国Merck公司)、纯净水(购于杭州娃哈哈集团有限公司)。
2、实验仪器与装置
(1)实验仪器
自制的AFAI-MSI成像系统平台；超高压液相色谱仪(DIONEX Ultimate 3000，ThermoFisher)配有高压二元梯度泵。Q-Orbitrap(QExactive，Thermofisher)质谱仪，配备自制的AFAI离子源。数据采集和分析采用Xcalibur 3.0数据系统和自制的质谱成像控制软件，成像数据分析采用自制的质谱成像数据处理软件。
(2)AFAI-MSI成像技术平台
自制的空气动力辅助离子化(AFAI)离子源，主要由以下部分组成：喷雾系统由电喷雾毛细管(OD 150μm，ID 100μm)、雾化气管路、喷雾液流路组成，并安装于多维手动精密调节装置上；不锈钢离子传输管(OD 4mm，ID3mm)、与商用质谱仪分析器的接口、真空泵管路和抽气泵(0～60L/min，本单位真空抽气系统或ME4NT，Vacuumbrand公司)。气体流量计采用玻璃转子流量计(0～45L/min，LZB-10WB，天津流量仪表有限公司)，接于抽气泵和AFAI离子源出口。两路高压电源(-10000～10000V可调，东文高压)分别施加在喷雾毛细管和离子传输管上。
质谱成像控制平台：自组装的3D(X、Y、Z)样品移动台，精度控制在微米量级，三维样品台分别由步进平移台SC100和步进电机控制器组装而成(北光世纪光学仪器厂,北京,中国)，XYZ三维电动平移台控制箱(MTS225,北光世纪光学仪器厂)、电喷雾喷嘴(OD150μm，ID100μm)、4D(X、Y、Z、旋转)精密手动喷雾系统调节装置。自制的AFAI与Q-Orbitrap质谱接口，自制的数据采集自动同步装置。
(3)AFAI-MSI平台相关参数及数据采集条件
实验过程中，设置好Q-Orbitrap质谱仪及AFAI离子源的基本参数，冷冻保存的组织切片经真空干燥后，直接进行质谱成像分析。组织切片的质谱成像数据的采集采用逐行扫描方式。采用自编的质谱成像数据处理软件(MassImager 1.0)进行质谱成像数据处理和分析，在“质谱图像生成参数”项下设置成像离子的质量数，精确到小数点第4位。“质荷比容差”设置为0.005Da，“强度归一化值”设置为“全局图像”或某一数值大小；“图像质量”设置为中，“预设色彩图”点选为“光谱”。在色彩图坐标上将0值设为黑色。在EIC通道前的复选框中选中某一离子，在图像窗口中显示该离子的成像图。
实施例1肺癌诊断模型的构建
1、获取组织标本切片
经手术切除新鲜冰冻的3组组织标本，包括：1)肺癌组织、正常组织、癌旁组织，2)腺癌组织、鳞癌组织、小细胞癌组织，3)EGFR基因突变与EGFR野生型肺癌组织。
制备3组组织标本的切片，使其厚度为8um，用H&E染色。
2、组织切片的AFAI-MSI(原理如图1所示)扫描及数据处理
在配备有定制的AFAI离子源的Q Exactive混合四极Orbitrap质谱仪(ThermoFisher Scientific，USA)上进行3组组织标本的切片的AFAI-MSI分析，在正离子和负离子模式中获得数据。在正离子扫描模式中，通过将甲醇和水(8:2，v/v)与0.1％甲酸混合，而甲醇：水(8：2，v/v)用作负离子扫描模式中的喷雾溶剂。溶剂流速为5μL/min，萃取流量为45L/min。所有数据采集都使用Xcalibur 2.3软件进行操作。质谱数据记录在m/z100-1000的质量范围内。喷射电压为±8.5kV，管电压为±3.0kV。毛细管温度设定在450℃。Orbitrap的分辨率设置为70000。
将样本分为训练和验证集进行统计分析，按2:1比例随机分配样本。对所有组织样品进行AFAI-MSI分析(具体步骤如图2所示)。基于肺癌组织相应H&E染色光学图像，分别多次多处提取感兴趣区域(ROI)中肺癌组织及相邻癌旁组织、腺癌及鳞癌、EGFR基因突变与EGFR野生型肺癌组织的质谱数据。然后将多个提取的ROI区域的矩阵数据文件导入MarkerView1.2.1软件(AB SCIEX)进行背景扣除，峰值采集和峰值对齐后，然后对处理后的数据导入SIMCA-P 12.0软件(Umetrics AB，Sweden)建立分类模型。这里使用的多元统计方法包括正交偏最小二乘判别分析(OPLS-DA)和偏最小二乘判别分析(PLS-DA)。其中OPLS-DA用于筛选有统计学意义的差异离子峰和基于差异离子峰建立肺癌快速诊断模型(图3给出了代表性肺癌组织与正常组织提取的质谱峰)、肺癌分子诊断模型、肺癌基因诊断模型。PLS-DA用于检验该模型的稳定性和有无拟合。分类后，通过S-plot和可变重要(variable importance，VIP)优先选择具有高协方差和高相关性的区别变量。候选生物标志物通过独立的t检验(Microsoft Office Excel 2010)进一步确认其是否具有明显的统计学差异，实验组之间潜在生物标志物水平的变化和比较以直方图(GraphPad Prism6.02)表示。受试者工作曲线(ROC)和曲线下面积(AUC)值用于评估所选变量的诊断效能(IBMSPSS Statistics 19.0.0)。自研的质谱成像软件(Mass Imager Pro)用于可视化每个候选生物标志物在生物组织中的分布及丰度。
通过以上方法获得能建立快速区分癌与正常组织的肺癌快速诊断模型、肺癌分子诊断模型和肺癌基因诊断模型(见图4)，其中癌与正常组织的肺癌快速诊断模型的差异的m/z为760.6、246.9和329.3(见图5)，腺癌和鳞癌的差异的m/z为282.1、276.1和637.6(见图6)，EGFR基因突变与EGFR野生型肺癌组织的差异的m/z为307.3、732.6和746.6(见图7)。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (1)
1.一种肺癌诊断模型的构建方法，其特征在于，包括以下步骤：(1)获取3组组织标本切片，(2)利用AFAI-MS获得3组肺癌组织标本切片的代谢脂质分子分布图，寻找组内不同组织的脂质分子表达差异，建立快速区分癌与正常组织的肺癌快速诊断模型、肺癌分子病理诊断模型和肺癌基因诊断模型；其中，3组组织标本切片包括1)肺癌组织、正常组织、癌旁组织，2)腺癌组织、鳞癌组织、小细胞癌组织，3)EGFR基因突变与EGFR野生型肺癌组织。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710389181.5A CN107064285A (zh) | 2017-05-27 | 2017-05-27 | 一种肺癌诊断模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710389181.5A CN107064285A (zh) | 2017-05-27 | 2017-05-27 | 一种肺癌诊断模型的构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107064285A true CN107064285A (zh) | 2017-08-18 |
Family
ID=59610887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710389181.5A Pending CN107064285A (zh) | 2017-05-27 | 2017-05-27 | 一种肺癌诊断模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107064285A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109725046A (zh) * | 2019-01-21 | 2019-05-07 | 沈阳药科大学 | 一种基于建模-预测策略的靶标脂质组学方法 |
| CN110044997A (zh) * | 2018-01-15 | 2019-07-23 | 中国医学科学院药物研究所 | 一种体内药物的离子强度虚拟校正和定量质谱成像分析方法 |
| CN114199980A (zh) * | 2021-11-08 | 2022-03-18 | 岛津企业管理（中国）有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
-
2017
- 2017-05-27 CN CN201710389181.5A patent/CN107064285A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110044997A (zh) * | 2018-01-15 | 2019-07-23 | 中国医学科学院药物研究所 | 一种体内药物的离子强度虚拟校正和定量质谱成像分析方法 |
| CN110044997B (zh) * | 2018-01-15 | 2023-08-04 | 中国医学科学院药物研究所 | 一种体内药物的离子强度虚拟校正和定量质谱成像分析方法 |
| CN109725046A (zh) * | 2019-01-21 | 2019-05-07 | 沈阳药科大学 | 一种基于建模-预测策略的靶标脂质组学方法 |
| CN109725046B (zh) * | 2019-01-21 | 2021-06-01 | 沈阳药科大学 | 一种基于建模-预测策略的靶标脂质组学方法 |
| CN114199980A (zh) * | 2021-11-08 | 2022-03-18 | 岛津企业管理（中国）有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
| CN114199980B (zh) * | 2021-11-08 | 2024-02-20 | 岛津企业管理（中国）有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11860172B2 (en) | Mass spectral tissue analysis | |
| Hsu et al. | Visualizing life with ambient mass spectrometry | |
| Schwamborn et al. | Identifying prostate carcinoma by MALDI-Imaging | |
| Boggio et al. | Recent advances in single-cell MALDI mass spectrometry imaging and potential clinical impact | |
| Gal et al. | The Complex Structure of the Cl 1604 Supercluster at z~ 0.9 | |
| CN101975818B (zh) | 特征物质的检测系统及方法 | |
| Prideaux et al. | Mass spectrometry imaging of levofloxacin distribution in TB-infected pulmonary lesions by MALDI-MSI and continuous liquid microjunction surface sampling | |
| CN104297355A (zh) | 一种基于液相色谱/质谱联用的拟靶标代谢组学分析方法 | |
| CN109596698B (zh) | 用于评价质谱成像制备质量的方法及其套件 | |
| CN107064285A (zh) | 一种肺癌诊断模型的构建方法 | |
| US20060063145A1 (en) | Mass spectrometric differentiation of tissue states | |
| Lin et al. | Precision biomarker discovery powered by microscopy image fusion-assisted high spatial resolution ambient ionization mass spectrometry imaging | |
| Oezdemir et al. | Proteomic tissue profiling for the improvement of grading of noninvasive papillary urothelial neoplasia | |
| Cole et al. | Mass spectrometry imaging for the proteomic study of clinical tissue | |
| CN105758769B (zh) | 一种联合定量测定矿石中金属氧化物和氢氧化物的方法 | |
| Bensussan et al. | Distinguishing non-small cell lung cancer subtypes in fine needle aspiration biopsies by desorption electrospray ionization mass spectrometry imaging | |
| CN109870536A (zh) | 一种基于液相色谱-质谱联用的高覆盖脂质组学分析方法 | |
| Liu et al. | Mass spectrometry imaging for biomedical applications | |
| CN105738526A (zh) | 筛选三阴性乳腺癌特异性血清代谢标志物的方法 | |
| Chung et al. | Next‐generation pathology practices with mass spectrometry imaging | |
| Lanekoff et al. | Quantitative mass spectrometry imaging of molecules in biological systems | |
| CN112863665A (zh) | 基于病理及活体组织临床诊断大数据的疾病类型判别方法 | |
| Meding et al. | MALDI imaging mass spectrometry for direct tissue analysis | |
| CN109557165A (zh) | 用于监控质谱成像制备工作流程的质量的方法 | |
| Banerjee et al. | Assessment of metabolic signature for cancer diagnosis using desorption electrospray ionization mass spectrometric imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170818 |