CN108333362A - 一种人体疲劳测定方法 - Google Patents

一种人体疲劳测定方法 Download PDF

Info

Publication number
CN108333362A
CN108333362A CN201711393715.8A CN201711393715A CN108333362A CN 108333362 A CN108333362 A CN 108333362A CN 201711393715 A CN201711393715 A CN 201711393715A CN 108333362 A CN108333362 A CN 108333362A
Authority
CN
China
Prior art keywords
endurance ratio
fatigue
endurance
tired
ratio
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.)
Granted
Application number
CN201711393715.8A
Other languages
English (en)
Other versions
CN108333362B (zh
Inventor
许岩丽
刘志军
张建中
席爱萍
宫雅楠
赵朝贤
丁敏
苏现辉
李焰
王健
刘凤丽
熊南燕
王雪玲
刘晓霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei University of Engineering
Original Assignee
Hebei University of Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei University of Engineering filed Critical Hebei University of Engineering
Priority to CN201711393715.8A priority Critical patent/CN108333362B/zh
Publication of CN108333362A publication Critical patent/CN108333362A/zh
Application granted granted Critical
Publication of CN108333362B publication Critical patent/CN108333362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N33/6854—Immunoglobulins
    • 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种人体疲劳测定方法，属于人体疲劳检测领域，通过测定疲劳蛋白标志物确定是否疲劳及疲劳程度。本发明是一种非侵入式的疲劳标志物的检测方法，利用在人体呈现疲劳状态时具有良好稳定性和特异性的疲劳蛋白标志物，建立疲劳程度‑相关蛋白标志物评价模型，能够准确、简单、快捷地测定人体疲劳程度，且不会破坏人体组织，具有无创、无痛、快速的优点，具有重要社会意义和应用前景。

Description

一种人体疲劳测定方法
技术领域
本发明涉及人体疲劳检测领域，涉及一种以唾液中出现的蛋白质为疲劳标志物判定疲劳的检测方法。
背景技术
疲劳又称疲乏，是主观上一种疲乏无力的不适感觉，客观上会失去其完成原来所从事的正常活动或工作的能力，按照形成的原因和发生机制可分为紧张性疲劳、运动性疲劳、情绪性疲劳、癌性疲劳及特定器官的疲劳，如肌肉疲劳、听觉疲劳、视觉疲劳等。疲劳的发生机制比较复杂，多数认为与多种感染，应激等引起的神经-内分泌-免疫网络功能紊乱的结果，另外近期研究进一步发现遗传、代谢等方面的因素也可能参与其中。
精神和躯体疲劳会导致操作人员由适任状态衰退成亚适任和不适任状态，类似醉酒后失去正常活动或工作的能力，对人的警觉、机敏、动作的协调、信息处理和决策都会产生负面影响，大量证据显示疲劳所致判断、决策和操作水平降低，导致了大量的职业伤害，比如：交通事故及医源性伤害。疲劳伤害是各国面临的重大公共卫生问题之一。虽然有些国家对于疲劳作业已经立法如：《欧洲工作时间法》，但因没有方便快捷的检测方法，立法执行困难。全球每年因疲劳导致的伤害占职业性伤害的21.7％，所致死亡占交通死亡的57％；我国每年因疲劳意外死亡约60万人；但迄今未建立类似酒驾检测的无创、便捷的疲劳检测技术。
发明内容
本发明需要解决的技术问题是提供一种非侵入式的人体疲劳检测的方法，确定在人体呈现疲劳状态时具有良好稳定性和特异性的疲劳蛋白标志物，利用疲劳程度-相关蛋白标志物评价模型准确、简单、快捷、无创、无痛地测定人体疲劳程度。
为解决上述技术问题，本发明所采用的技术方案是：
一种人体疲劳测定方法，通过测定疲劳蛋白标志物确定是否疲劳及疲劳程度；
所述疲劳蛋白标志物为免疫球蛋白KV-I、生长因子受体结合蛋白2、ADP-核糖基化酶、载脂蛋白-1、线粒体苹果酸脱氢酶、热休克同源71kDa蛋白、免疫球蛋白kV-302、高尔基体膜蛋白1、半胱氨酸蛋白酶抑制剂、黏液素、热休克蛋白β1、免疫球蛋白G3、丝氨酸蛋白酶抑制蛋白、Rho GDP解离抑制因子β、膜联蛋白A1、白蛋白、蛋白质二硫化物异构酶、免疫球蛋白kV-312、跨膜丝氨酸蛋白酶、核苷二磷酸激酶、杀菌通透性增加蛋白、泛素样修饰激活酶、巨噬细胞加帽蛋白、髓源生长因子、胰腺α-淀粉酶、L-乳酸脱氢酶B链、过氧化物酶-5、Prominin-1蛋白、角蛋白和唾液酸性富含脯氨酸蛋白中的任一种或几种的组合。
本发明技术方案的进一步改进在于：所述疲劳蛋白标志物来自于体液，疲劳蛋白标志物的分子量在2000～15000Da范围内。
本发明技术方案的进一步改进在于：所述体液为唾液。
本发明技术方案的进一步改进在于：唾液收集时要先用生理盐水漱口三次，再用清水漱口三次，然后收集唾液0.5～2.5毫升，唾液收集后在装有干冰的保温盒中运输，在-80～-70℃下储藏。
本发明技术方案的进一步改进在于：所述疲劳蛋白标志物为载脂蛋白-1、热休克同源71kDa蛋白、免疫球蛋白kV-302、免疫球蛋白G3、膜联蛋白A1、免疫球蛋白kV-312、过氧化物酶-5中的任一种。
本发明技术方案的进一步改进在于：测定唾液中疲劳蛋白标志物的含量，并通过Bayes判别方程计算得到的疲劳值和非疲劳值来判定疲劳程度。
本发明技术方案的进一步改进在于：当疲劳值小于或等于非疲劳值判定为非疲劳，当疲劳值大于非疲劳值时判定为疲劳，当疲劳值为非疲劳值的2倍以上时为重度疲劳。
本发明技术方案的进一步改进在于：所述Bayes判别方程为非疲劳值＝∑(疲劳蛋白标志物含量×非疲劳系数)+6.180，疲劳值＝∑(疲劳蛋白标志物含量×疲劳系数)+14.741。
本发明技术方案的进一步改进在于：疲劳系数和非疲劳系数是通过将疲劳蛋白标志物引入Fisher判别分析得到的。
本发明技术方案的进一步改进在于：免疫球蛋白KV-I的非疲劳系数为-0.972，疲劳系数为-3.833；生长因子受体结合蛋白2的非疲劳系数为2.313，疲劳系数为18.42；ADP-核糖基化酶的非疲劳系数为-21.550，疲劳系数为-27.31；载脂蛋白-1的非疲劳系数为-4.315，疲劳系数为-9.979；线粒体苹果酸脱氢酶的非疲劳系数为-20.009，疲劳系数为-16.01；热休克同源71kDa蛋白的非疲劳系数为8.721，疲劳系数为5.804；免疫球蛋白kV-302的非疲劳系数为-23.350，疲劳系数为-21.12；高尔基体膜蛋白1的非疲劳系数为1.971，疲劳系数为-3.363；半胱氨酸蛋白酶抑制剂的非疲劳系数为20.165，疲劳系数为25.31；黏液素的非疲劳系数为4.629，疲劳系数为1.479；热休克蛋白β1的非疲劳系数为9.640，疲劳系数为13.05；免疫球蛋白G3的非疲劳系数为22.552，疲劳系数为39.32；丝氨酸蛋白酶抑制蛋白的非疲劳系数为-8.255，疲劳系数为3.158；Rho GDP解离抑制因子β的非疲劳系数为-1.195，疲劳系数为-14.71；膜联蛋白A1的非疲劳系数为3.444，疲劳系数为8.329；白蛋白的非疲劳系数为5.674，疲劳系数为2.730；蛋白质二硫化物异构酶的非疲劳系数为-4.240，疲劳系数为-3.769；免疫球蛋白kV-312的非疲劳系数为0.001，疲劳系数为3.022；跨膜丝氨酸蛋白酶的非疲劳系数为-15.930，疲劳系数为-31.31；核苷二磷酸激酶的非疲劳系数为1.026，疲劳系数为21.34；杀菌通透性增加蛋白的非疲劳系数为34.242，疲劳系数为33.21；泛素样修饰激活酶的非疲劳系数为7.223，疲劳系数为-26.40；巨噬细胞加帽蛋白的非疲劳系数为-0.746，疲劳系数为12.96；髓源生长因子的非疲劳系数为-1.435，疲劳系数为6.548；胰腺α-淀粉酶的非疲劳系数为62.069，疲劳系数为18.672；L-乳酸脱氢酶B链的非疲劳系数为62.069，疲劳系数为18.67；过氧化物酶-5的非疲劳系数为-143.047，疲劳系数为-121.731；Prominin-1蛋白的非疲劳系数为1.212，疲劳系数为4.061；角蛋白的非疲劳系数为2.124，疲劳系数为2.567；唾液酸性富含脯氨酸蛋白的非疲劳系数为2.191，疲劳系数为3.634。
由于采用了上述技术方案，本发明取得的技术进步是：
本发明是利用在人体呈现疲劳状态时具有良好稳定性和特异性的疲劳蛋白标志物，建立疲劳程度-相关蛋白标志物评价模型进行疲劳检测，能够准确、简单、快捷地测定人体疲劳程度，而且是一种非侵入式的疲劳标志物的检测方法，不会破坏人体组织，具有无创、无痛、快速的优点。唾液作为体液之一，随时都可以方便地收集到，无创、无痛，其适用于人体，也可以延伸到动物体等，，具有广泛的应用前景。
将唾液中的蛋白作为临床标志物进行检测，可以用来协助疲劳诊断，甚至其他疾病的诊断。未来还可以如检测人体酒精含量(测酒驾)一样建立疲劳快速识别方法，对有效预防和减少因疲劳导致的生命和安全隐患意义重大。
本发明利用了人体的唾液等体液成分，在2000～15000Da范围内可以获得良好的肽谱识别，并且多肽的检出与疲劳间呈现一定规律性。虽然小分子激素类或代谢产物类物质的变化虽可能与疲劳有一定关联性，但易受到饮食和其他健康状况的影响；同时这些小分子标志物往往不具有良好的抗原性，不易将精密仪器分析发现的生物标示物改用免疫学或生物传感器等简便方法测定。本发明建立了唾液生物标志物疲劳判别模型，为快速测定疲劳提供了理论依据；同时，本发明所利用唾液和其中疲劳时产生的疲劳蛋白标志物，具有易得性和易检测性，便于对疲劳进行测定。
本发明的方法可以利用非侵入的方式获得唾液中的疲劳蛋白标志物，唾液收集时要先用生理盐水漱口三次，再用清水漱口三次，然后才可收集唾液，这样可以大幅度减少唾液中其他杂质的对检测结果的干扰，此收集方法优于刷牙等其它收集方式。收集唾液后可将唾液样品用丙酮沉淀方法处理，再利用BCA试剂盒测定其中疲劳蛋白标志物的浓度，作为检测人体疲劳判定依据。检测过程中体液收集量小，方便取得、储存和保藏，唾液收集后在装有干冰的保温盒中运输，在-80～-70℃下储藏即可完好有效地保存唾液中疲劳标志蛋白的活性，不会使唾液中的蛋白质的含量发生变化，避免蛋白发生降解，影响判定结果的准确性。
本发明中针对的疲劳蛋白标志物具有成分稳定、特异性好、体内干扰因素少和检测体系易于转换和普及的特点，能够对人体疲劳程度定性或定量判定提供准确可靠的依据。其中，载脂蛋白-1、热休克同源71kDa蛋白、免疫球蛋白kV-302、免疫球蛋白G3、膜联蛋白A1、免疫球蛋白kV-312、过氧化物酶-5这几种疲劳蛋白标志物还可以单独作为疲劳诊断指标，以上任一种蛋白的含量与疲劳程度都呈现显著的相关关系，而不依赖于其他蛋白含量水平(无需通过代入Bayes判别方程判定)，其单独诊断效能可达到63～75％的水平。
在对结果进行验证性试验中，可以对志愿者们的唾液样本进行疲劳检测分析之前，都对每位志愿者进行脑电图采集(脑电图是目前国际公认的疲劳金标准)，检测是否出现疲劳波(慢波增加即delta波和theta波，快波降低alpha波和beta波)，并用它来验证本发明的疲劳测定效果。将志愿者唾液中疲劳蛋白标志物的含量代入Bayes判别方程后，计算得到的疲劳值和非疲劳值，当疲劳值小于或等于非疲劳值判定为非疲劳，当疲劳值大于非疲劳值时判定为疲劳，当疲劳值为非疲劳值的2倍以上时为重度疲劳，以此判定的疲劳程度与脑电图出现的疲劳波具有良好的一致性。
具体实施方式
下面对本发明做进一步详细说明：
本发明通过测定疲劳蛋白标志物确定是否疲劳及疲劳程度。体液包括汗液、尿液、血液、泪液、组织液等，疲劳蛋白标志物的分子量在2000～15000Da范围内。本发明以唾液为代表，通过分析唾液中的蛋白质成分，发现当人体疲劳时，在唾液中会含有疲劳蛋白标志物，唾液的提取更加便捷，唾液中的疲劳蛋白标志物也人体疲劳具有高度的相关关系，可以通过检测唾液中疲劳蛋白标志物含量确定是否疲劳及疲劳程度。
疲劳蛋白标志物为免疫球蛋白KV-I、生长因子受体结合蛋白2、ADP-核糖基化酶、载脂蛋白-1、线粒体苹果酸脱氢酶、热休克同源71kDa蛋白、免疫球蛋白kV-302、高尔基体膜蛋白1、半胱氨酸蛋白酶抑制剂、黏液素、热休克蛋白β1、免疫球蛋白G3、丝氨酸蛋白酶抑制蛋白、Rho GDP解离抑制因子β、膜联蛋白A1、白蛋白、蛋白质二硫化物异构酶、免疫球蛋白kV-312、跨膜丝氨酸蛋白酶、核苷二磷酸激酶、杀菌通透性增加蛋白、泛素样修饰激活酶、巨噬细胞加帽蛋白、髓源生长因子、胰腺α-淀粉酶、L-乳酸脱氢酶B链、过氧化物酶-5、Prominin-1蛋白、角蛋白和唾液酸性富含脯氨酸蛋白中的任一种或几种的组合。
其中某些疲劳蛋白标志物可以单独作为疲劳程度的判定指标，但有些疲劳蛋白标志物则需要与其他标志物得到含量共同确定疲劳程度时结果更为准确。比如唾液中的载脂蛋白-1、热休克同源71kDa蛋白、免疫球蛋白kV-302、免疫球蛋白G3、膜联蛋白A1、免疫球蛋白kV-312、过氧化物酶-5中的任一种的含量均与人体疲劳程度成显著的相关关系，可以单独作为疲劳程度的判定指标。
对人体唾液进行收集时要先用生理盐水漱口三次，再用清水漱口三次，消除口中残余物(30ml NS 1min)，漱口三次结束后，静坐5min后，保持垂直坐位，头稍向前倾并保持眼睛张开状态，然后做咀嚼运动，刺激唾液的分泌，当有一定量的唾液积聚在下颌部后，舌抵上颚，张口，舌头自然翘起，下嘴唇唑成一个V型，使唾液自然流入事先准备好的唾液收集管中，收集0.5～2.5毫升唾液，唾液收集后在装有干冰的保温盒中运输，在-80～-70℃下储藏。然后通过唾液飞行质谱法测定唾液中疲劳蛋白标志物的含量，唾液样品用丙酮沉淀方法处理，蛋白浓度测定利用BCA试剂盒。
通过Bayes判别方程计算得到的疲劳值和非疲劳值来判定疲劳程度。测定唾液中疲劳蛋白标志物的含量，并通过Bayes判别方程计算得到的疲劳值和非疲劳值来判定疲劳程度。Bayes判别方程为非疲劳值＝∑(疲劳蛋白标志物含量×非疲劳系数)+6.180，疲劳值＝∑(疲劳蛋白标志物含量×疲劳系数)+14.741，其中的疲劳系数和非疲劳系数是通过将疲劳蛋白标志物引入Fisher判别分析得到。当疲劳值小于或等于非疲劳值判定为非疲劳，当疲劳值大于非疲劳值时判定为疲劳，当疲劳值为非疲劳值的2倍以上时为重度疲劳，以此判定的疲劳程度与脑电图出现的疲劳波具有良好的一致性。
疲劳蛋白标志物的疲劳系数和非疲劳系数如下：免疫球蛋白KV-I的非疲劳系数为-0.972，疲劳系数为-3.833；生长因子受体结合蛋白2的非疲劳系数为2.313，疲劳系数为18.42；ADP-核糖基化酶的非疲劳系数为-21.550，疲劳系数为-27.31；载脂蛋白-1的非疲劳系数为-4.315，疲劳系数为-9.979；线粒体苹果酸脱氢酶的非疲劳系数为-20.009，疲劳系数为-16.01；热休克同源71kDa蛋白的非疲劳系数为8.721，疲劳系数为5.804；免疫球蛋白kV-302的非疲劳系数为-23.350，疲劳系数为-21.12；高尔基体膜蛋白1的非疲劳系数为1.971，疲劳系数为-3.363；半胱氨酸蛋白酶抑制剂的非疲劳系数为20.165，疲劳系数为25.31；黏液素的非疲劳系数为4.629，疲劳系数为1.479；热休克蛋白β1的非疲劳系数为9.640，疲劳系数为13.05；免疫球蛋白G3的非疲劳系数为22.552，疲劳系数为39.32；丝氨酸蛋白酶抑制蛋白的非疲劳系数为-8.255，疲劳系数为3.158；Rho GDP解离抑制因子β的非疲劳系数为-1.195，疲劳系数为-14.71；膜联蛋白A1的非疲劳系数为3.444，疲劳系数为8.329；白蛋白的非疲劳系数为5.674，疲劳系数为2.730；蛋白质二硫化物异构酶的非疲劳系数为-4.240，疲劳系数为-3.769；免疫球蛋白kV-312的非疲劳系数为0.001，疲劳系数为3.022；跨膜丝氨酸蛋白酶的非疲劳系数为-15.930，疲劳系数为-31.31；核苷二磷酸激酶的非疲劳系数为1.026，疲劳系数为21.34；杀菌通透性增加蛋白的非疲劳系数为34.242，疲劳系数为33.21；泛素样修饰激活酶的非疲劳系数为7.223，疲劳系数为-26.40；巨噬细胞加帽蛋白的非疲劳系数为-0.746，疲劳系数为12.96；髓源生长因子的非疲劳系数为-1.435，疲劳系数为6.548；胰腺α-淀粉酶的非疲劳系数为62.069，疲劳系数为18.672；L-乳酸脱氢酶B链的非疲劳系数为62.069，疲劳系数为18.67；过氧化物酶-5的非疲劳系数为-143.047，疲劳系数为-121.731；Prominin-1蛋白的非疲劳系数为1.212，疲劳系数为4.061；角蛋白的非疲劳系数为2.124，疲劳系数为2.567；唾液酸性富含脯氨酸蛋白的非疲劳系数为2.191，疲劳系数为3.634。
为了验证唾液中检测疲劳蛋白标志物与疲劳的对应关系，并为了方便研究，发明人邀请了24位志愿者参与研究，选取的志愿者身体健康，无器质性疾病和慢性疲劳症状；并排除持续或反复发作的疲劳持续6个月以上、咽喉疼痛、颈部或腋下淋巴结肿痛、肌肉疼痛、多发性非关节炎性疼痛、头疼、睡眠障碍、劳累后不适持续24小时以上的睡眠不足人群队列。
在采集志愿者常规状态下和持续工作后的两种唾液标本，将常规状态下采集的样本标记为“前”，将持续工作后采集的唾液样本标记为“后”。在采集常规状态下和持续工作后的唾液样本时，都通过脑电图方式检测该志愿者是否出现疲劳，以脑电图是否出现慢波增加，快波降低，即delta波和theta波增加alpha波和beta波数量降低为判断疲劳与否的标准，并将此脑电图编号与采集的唾液样品对应保存。
在对采集的唾液样品中的疲劳蛋白标志物含量进行检测后，再与该志愿者当时的脑电图进行对比。以下数据是通过本发明方法得到的疲劳程度检测结果和脑电图结果对比。脑电图结果中无疲劳波表示不疲劳，疲劳波较少表示轻度疲劳，疲劳波较多表示重度疲劳。
从以上数据可以看出，疲劳值与非疲劳值的差值小于0或等于0时，脑电图的结果是没有疲劳波出现，即人体不疲劳；当疲劳值与非疲劳值的差值大于0时且疲劳值小于等于非疲劳值的2倍时，脑电图出现疲劳波，但其密度不大，为轻度疲劳范围；当疲劳值与非疲劳值的差值大于0时且疲劳值大于非疲劳值的2倍时，脑电图疲劳波明显增加，密度较大，为重度疲劳。由此可见，通过Bayes判别方程计算得到的疲劳值与非疲劳值的差值大小与志愿者脑电图的疲劳波是否出现及出现的密度保存高度一致。利用本发明的方法判定的结果和脑电图检测疲劳时，测得出现疲劳波的结果是一致的，可以作为检测人体疲劳程度的指标。

Claims (10)

1.一种人体疲劳测定方法，其特征在于：通过测定疲劳蛋白标志物确定是否疲劳及疲劳程度；
所述疲劳蛋白标志物为免疫球蛋白KV-I、生长因子受体结合蛋白2、ADP-核糖基化酶、载脂蛋白-1、线粒体苹果酸脱氢酶、热休克同源71kDa蛋白、免疫球蛋白kV-302、高尔基体膜蛋白1、半胱氨酸蛋白酶抑制剂、黏液素、热休克蛋白β1、免疫球蛋白G3、丝氨酸蛋白酶抑制蛋白、Rho GDP解离抑制因子β、膜联蛋白A1、白蛋白、蛋白质二硫化物异构酶、免疫球蛋白kV-312、跨膜丝氨酸蛋白酶、核苷二磷酸激酶、杀菌通透性增加蛋白、泛素样修饰激活酶、巨噬细胞加帽蛋白、髓源生长因子、胰腺α-淀粉酶、L-乳酸脱氢酶B链、过氧化物酶-5、Prominin-1蛋白、角蛋白和唾液酸性富含脯氨酸蛋白中的任一种或几种的组合。
2.根据权利要求1所述的人体疲劳测定方法，其特征在于：所述疲劳蛋白标志物来自于体液，疲劳蛋白标志物的分子量在2000～15000Da范围内。
3.根据权利要求2所述的人体疲劳测定方法，其特征在于：所述体液为唾液。
4.根据权利要求3所述的人体疲劳测定方法，其特征在于：唾液收集时要先用生理盐水漱口三次，再用清水漱口三次，然后收集唾液0.5～2.5毫升，唾液收集后在装有干冰的保温盒中运输，在-80～-70℃下储藏。
5.根据权利要求1所述的人体疲劳测定方法，其特征在于：所述疲劳蛋白标志物为载脂蛋白-1、热休克同源71kDa蛋白、免疫球蛋白kV-302、免疫球蛋白G3、膜联蛋白A1、免疫球蛋白kV-312、过氧化物酶-5中的任一种。
6.根据权利要求1所述的人体疲劳测定方法，其特征在于：测定唾液中疲劳蛋白标志物的含量，并通过Bayes判别方程计算得到的疲劳值和非疲劳值来判定疲劳程度。
7.根据权利要求6所述的人体疲劳测定方法，其特征在于：当疲劳值小于或等于非疲劳值判定为非疲劳，当疲劳值大于非疲劳值时判定为疲劳，当疲劳值为非疲劳值2倍及2倍以下时为轻度度疲劳，当疲劳值为非疲劳值的2倍以上时为重度疲劳。
8.根据权利要求6所述的人体疲劳测定方法，其特征在于：所述Bayes判别方程为非疲劳值＝∑(疲劳蛋白标志物含量×非疲劳系数)+6.180，疲劳值＝∑(疲劳蛋白标志物含量×疲劳系数)+14.741。
9.根据权利要求8所述的人体疲劳测定方法，其特征在于：疲劳系数和非疲劳系数是通过将疲劳蛋白标志物引入Fisher判别分析得到的。
10.根据权利要求8所述的人体疲劳测定方法，其特征在于：免疫球蛋白KV-I的非疲劳系数为-0.972，疲劳系数为-3.833；生长因子受体结合蛋白2的非疲劳系数为2.313，疲劳系数为18.42；ADP-核糖基化酶的非疲劳系数为-21.550，疲劳系数为-27.31；载脂蛋白-1的非疲劳系数为-4.315，疲劳系数为-9.979；线粒体苹果酸脱氢酶的非疲劳系数为-20.009，疲劳系数为-16.01；热休克同源71kDa蛋白的非疲劳系数为8.721，疲劳系数为5.804；免疫球蛋白kV-302的非疲劳系数为-23.350，疲劳系数为-21.12；高尔基体膜蛋白1的非疲劳系数为1.971，疲劳系数为-3.363；半胱氨酸蛋白酶抑制剂的非疲劳系数为20.165，疲劳系数为25.31；黏液素的非疲劳系数为4.629，疲劳系数为1.479；热休克蛋白β1的非疲劳系数为9.640，疲劳系数为13.05；免疫球蛋白G3的非疲劳系数为22.552，疲劳系数为39.32；丝氨酸蛋白酶抑制蛋白的非疲劳系数为-8.255，疲劳系数为3.158；Rho GDP解离抑制因子β的非疲劳系数为-1.195，疲劳系数为-14.71；膜联蛋白A1的非疲劳系数为3.444，疲劳系数为8.329；白蛋白的非疲劳系数为5.674，疲劳系数为2.730；蛋白质二硫化物异构酶的非疲劳系数为-4.240，疲劳系数为-3.769；免疫球蛋白kV-312的非疲劳系数为0.001，疲劳系数为3.022；跨膜丝氨酸蛋白酶的非疲劳系数为-15.930，疲劳系数为-31.31；核苷二磷酸激酶的非疲劳系数为1.026，疲劳系数为21.34；杀菌通透性增加蛋白的非疲劳系数为34.242，疲劳系数为33.21；泛素样修饰激活酶的非疲劳系数为7.223，疲劳系数为-26.40；巨噬细胞加帽蛋白的非疲劳系数为-0.746，疲劳系数为12.96；髓源生长因子的非疲劳系数为-1.435，疲劳系数为6.548；胰腺α-淀粉酶的非疲劳系数为62.069，疲劳系数为18.672；L-乳酸脱氢酶B链的非疲劳系数为62.069，疲劳系数为18.67；过氧化物酶-5的非疲劳系数为-143.047，疲劳系数为-121.731；Prominin-1蛋白的非疲劳系数为1.212，疲劳系数为4.061；角蛋白的非疲劳系数为2.124，疲劳系数为2.567；唾液酸性富含脯氨酸蛋白的非疲劳系数为2.191，疲劳系数为3.634。
CN201711393715.8A 2017-12-21 2017-12-21 一种人体疲劳测定方法 Active CN108333362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711393715.8A CN108333362B (zh) 2017-12-21 2017-12-21 一种人体疲劳测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711393715.8A CN108333362B (zh) 2017-12-21 2017-12-21 一种人体疲劳测定方法

Publications (2)

Publication Number Publication Date
CN108333362A true CN108333362A (zh) 2018-07-27
CN108333362B CN108333362B (zh) 2021-04-02

Family

ID=62923130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711393715.8A Active CN108333362B (zh) 2017-12-21 2017-12-21 一种人体疲劳测定方法

Country Status (1)

Country Link
CN (1) CN108333362B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730270A (zh) * 2020-12-08 2021-04-30 河北工程大学 一种利用唾液中的蛋白组合物快速检测人体疲劳的方法
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
CN113180595A (zh) * 2021-03-25 2021-07-30 河北工程大学 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101273267A (zh) * 2005-07-27 2008-09-24 味之素株式会社 样品溶液中白蛋白的分析方法
CN101454669A (zh) * 2006-02-17 2009-06-10 关山敦生 生物负荷指示剂和生物负荷的测定方法
JP2014202715A (ja) * 2013-04-09 2014-10-27 独立行政法人産業技術総合研究所 脂質酸化生成物の測定によるストレス、疲労の客観的評価方法
CN106706929A (zh) * 2017-01-22 2017-05-24 河北工程大学 一种利用唾液检测人体疲劳的方法
CN106814145A (zh) * 2016-12-20 2017-06-09 河北工程大学 一种人体疲劳测定方法
CN206756851U (zh) * 2017-06-07 2017-12-15 河北工程大学 一种人体疲劳状态检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101273267A (zh) * 2005-07-27 2008-09-24 味之素株式会社 样品溶液中白蛋白的分析方法
CN101454669A (zh) * 2006-02-17 2009-06-10 关山敦生 生物负荷指示剂和生物负荷的测定方法
JP2014202715A (ja) * 2013-04-09 2014-10-27 独立行政法人産業技術総合研究所 脂質酸化生成物の測定によるストレス、疲労の客観的評価方法
CN106814145A (zh) * 2016-12-20 2017-06-09 河北工程大学 一种人体疲劳测定方法
CN106706929A (zh) * 2017-01-22 2017-05-24 河北工程大学 一种利用唾液检测人体疲劳的方法
CN206756851U (zh) * 2017-06-07 2017-12-15 河北工程大学 一种人体疲劳状态检测装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730270A (zh) * 2020-12-08 2021-04-30 河北工程大学 一种利用唾液中的蛋白组合物快速检测人体疲劳的方法
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
CN113180595A (zh) * 2021-03-25 2021-07-30 河北工程大学 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统

Also Published As

Publication number Publication date
CN108333362B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
Prathibha et al. Evaluation of salivary profile among adult type 2 diabetes mellitus patients in South India
Kafa et al. Alterations in the brain electrical activity in a rat model of sepsis-associated encephalopathy
CN106814145B (zh) 一种人体疲劳测定方法
CN108333362A (zh) 一种人体疲劳测定方法
CN107345970B (zh) 一种可用于首发精神分裂症诊断的外周血生物标志物
Alder et al. Behçet’s syndrome patients have high levels of functional disability, fatigue and pain as measured by a Multi-dimensional Health Assessment Questionnaire (MDHAQ)
US20100112620A1 (en) Biorhythm information acquisition method
Pelclová et al. Leukotrienes B4, C4, D4 and E4 in the exhaled breath condensate (EBC), blood and urine in patients with pneumoconiosis
Bates et al. Immediate, quantitative estimation of blood alcohol concentration from saliva.
CN105734070A (zh) Corin基因变异体及其用途
Bo et al. Prevalence of undiagnosed metabolic syndrome in a population of adult asymptomatic subjects
Forsman et al. Glucose metabolism in completed suicide: a forensic-pathological pilot study
US20100184109A1 (en) Acquisition Method for Biological Rhythm Information
Bhaskar et al. Analysis of salivary components as non-invasive biomarkers for monitoring chronic kidney disease
Pfeiffer et al. Serum creatine kinase B concentrations in acute cerebrovascular diseases
JP7270912B2 (ja) アドレノメデュリン濃度変動による予後予測の情報提供方法及びその試薬
Haggag et al. Immunoblotting technique versus skin prick test for detection of allergen specific immunoglobulin E in allergic conjunctivitis
RU2619871C1 (ru) Способ определения функционального состояния организма взрослого человека
Altinbas et al. Causative agents distribution of isolated from dermatomycoses in Eskisehir city hospital
RU2766732C1 (ru) Способ определения предрасположенности к развитию вегетососудистой дистонии по гипертоническому типу у мужчин, реализуемой избыточной контаминацией гексаном
RU2766728C1 (ru) Способ определения предрасположенности к нарушению функции вегетативной нервной системы у женщин, ассоциированной с избыточной контаминацией гексаном
RU2768598C1 (ru) Способ оценки эффективности химиотерапии рака печени
RU2619259C1 (ru) Способ экспресс-диагностики хронического алкоголизма при тяжелых сочетанных травмах
US20210375394A1 (en) Gene to transcriptome association platform for drug target identification
RU2279077C1 (ru) Способ дифференциальной диагностики форм десквамативного глоссита

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant