CN111007140B - 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法 - Google Patents

基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法 Download PDF

Info

Publication number
CN111007140B
CN111007140B CN202010156406.4A CN202010156406A CN111007140B CN 111007140 B CN111007140 B CN 111007140B CN 202010156406 A CN202010156406 A CN 202010156406A CN 111007140 B CN111007140 B CN 111007140B
Authority
CN
China
Prior art keywords
serum
infected
brucella
model
strain
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
Application number
CN202010156406.4A
Other languages
English (en)
Other versions
CN111007140A (zh
Inventor
肖迪
姜海
张炳华
张慧芳
王磊
杨文涛
赵飞
李天一
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.)
National Institute for Communicable Disease Control and Prevention of Chinese Center For Disease Control and Prevention
Original Assignee
National Institute for Communicable Disease Control and Prevention of Chinese Center For Disease Control and Prevention
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 National Institute for Communicable Disease Control and Prevention of Chinese Center For Disease Control and Prevention filed Critical National Institute for Communicable Disease Control and Prevention of Chinese Center For Disease Control and Prevention
Priority to CN202010156406.4A priority Critical patent/CN111007140B/zh
Publication of CN111007140A publication Critical patent/CN111007140A/zh
Application granted granted Critical
Publication of CN111007140B publication Critical patent/CN111007140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N33/6851—Methods of protein analysis involving laser desorption ionisation mass spectrometry
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/195—Assays involving biological materials from specific organisms or of a specific nature from bacteria
    • G01N2333/23—Assays involving biological materials from specific organisms or of a specific nature from bacteria from Brucella (G)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2469/00—Immunoassays for the detection of microorganisms
    • G01N2469/20—Detection of antibodies in sample from host which are directed against antigens from microorganisms

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biotechnology (AREA)
  • Urology & Nephrology (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Medicinal Chemistry (AREA)
  • Cell Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Microbiology (AREA)
  • Evolutionary Biology (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明提供了基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法。本发明根据布鲁氏菌疫苗株感染人血清和野毒株感染人血清的质谱数据，通过ClinProTools软件的监督神经网络算法（SNN）模型算法构建感染布鲁氏菌疫苗株、野毒株血清的标准检测模型，并获得了用于鉴别布鲁氏菌疫苗株、野毒株感染血清的特征蛋白组合，所构建模型的识别能力为100%，交叉验证值为95.13%。利用标准检测模型对待测血清的MALDI‑TOF MS质谱数据进行分类分析，可准确判断待检测血清是否为布鲁氏菌疫苗株感染或野毒株感染。本发明方法准确度高、重复性好，通量高，检测成本低廉，结果可靠，具有良好的应用前景。

Description

基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法
技术领域
本发明涉及蛋白质谱检测技术领域，具体地，涉及用于检测血清特征蛋白的标准检测模型以及基于该标准检测模型鉴别布鲁氏菌疫苗株和野毒株感染人血清的方法。
背景技术
布鲁氏菌病（Brucellosis，简称布病）是由布鲁氏菌属细菌侵入机体所引发的传染-变态反应性传染病。人感染主要是接触染疫的动物或食用被布鲁氏菌污染的食品。人患此病后，可发生多器官受损，很容易转为难以治愈的慢性病人，严重者可致残，严重影响生存质量。
动物免疫是预防和控制动物布病最经济的手段，但免疫后产生的抗体很难与自然感染产生的抗体进行鉴别诊断，在布病监测中一直都是技术瓶颈之一。现国内研究机构应用半胱氨酸凝集试验进行两者的甄别，此试验主要反映的是IgG抗体的凝集活性，故对感染和免疫有一定的鉴别诊断意义。该方法特异性较好，敏感性较差，不适于大面积检疫检测与监测；也因操作复杂、所需试剂多、成本高等确定无法更广泛地在全国应用。我国农牧民、兽医等职业人群为布病感染高危人群，尤其给动物免疫接种时更是处于布鲁氏菌暴露的危险环境，一旦感染目前无法快速鉴定是疫苗株感染还是自然野毒株感染。
全球范围内高端技术体系的发展为布鲁氏菌识别鉴定提供了有利的工具。基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）技术已经发展近10余年，在微生物识别鉴定领域的应用已趋于成熟，其快速、准确、易操作、廉价、高通量的特点已得到全世界范围的认同。迄今国内外尚无采用MALDI-TOF MS技术直接检测血清、确定布鲁氏菌感染的报道，更没有用于甄别布鲁氏菌疫苗株感染与自然野毒株感染的报道。本发明旨在开发我国自主知识产权的质谱布鲁氏菌疫苗株感染及野毒株感染鉴别技术，为解决当前布病防控领域中的重大科学问题提供关键技术支撑。
发明内容
本发明的目的是提供一种准确快速、高通量鉴别布鲁氏菌疫苗株感染和野毒株感染血清的方法。
本发明依据布鲁氏菌感染与布鲁氏菌疫苗株感染后人体血清中蛋白质谱数据的差异，通过ClinProTools软件的SNN模型算法构建感染布鲁氏菌血清的标准检测模型，并获得了用于鉴别布鲁氏菌感染血清的特征蛋白组合，利用构建的血清检测模型，进行人血清的快速检测。
本发明首先提供一种用于鉴别感染布鲁氏菌（Brucella）疫苗株人血清和野毒株人血清的特征蛋白组合，所述特征蛋白组合中每个特征蛋白的质荷比m/z分别为：2280.67、2306.97、2977.37、3426.41、4589.44、6852.24、7010.41、7922.91。
本发明提供了上述特征蛋白组合在构建检测布鲁氏菌（Brucella）疫苗株感染血清和野毒株感染血清的试剂盒或检测模型中的应用。
优选地，上述试剂盒或检测模型是利用ClinProTools软件的SNN模型算法进行构建得到的。
进一步，本发明提供一种鉴别感染布鲁氏菌（Brucella）疫苗株血清和野毒株血清的标准检测模型，通过以下方法构建得到：
（1）将具有统计学意义数量的布鲁氏菌野毒株感染的人血清样本、布鲁氏菌疫苗株感染的人血清样本经富集蛋白处理后，采集血清样本的MALDI-TOF MS质谱数据形成两组数据；
（2）利用ClinProTools软件，按软件使用要求编辑参数，将步骤（1）中获得的两组质谱数据调入，进行峰统计分析；
（3）选择模型算法，构建得到标准检测模型，并确定8个特征蛋白，每个特征蛋白的质荷比m/z分别为：2280.67、2306.97、2977.37、3426.41、4589.44、6852.24、7010.41、7922.91。
所述模型算法为遗传算法SNN，算法参数选择：模型中的最大峰数目为25，循环上线选择应用原型数自动检测。
本发明在研究过程中，对ClinProTools软件提供的诸多模型算法都进行了应用，所述模型算法为遗传算法(GA)模型、支持向量机（SVM）模型、监督神经网络（SNN）模型、快速分类（QC）模型，而后通过交叉验证确定最优检测模型，本发明获得的用于分辨健康人和布病疫苗株感染的最优模型为SNN模型，模型识别能力为100%，交叉验证能力为95.13%。
本发明提供了所述的标准检测模型或可调用该标准检测模型的ClinProTools软件在构建布鲁氏菌疫苗株感染血清和野毒株感染血清检测系统中的应用。
本发明提供了一种鉴别感染布鲁氏菌病疫苗株血清和野毒株血清的检测系统，所述检测系统的工作程序包括以下步骤：
（1）前处理待检测血清样本，以富集血清中的蛋白；
（2）前处理后的血清样本点到质谱仪样本靶上，自然干燥后在样本上覆盖基质饱和溶液；
（3）采用质谱仪采集数据，每个样本平行采集两张原始谱图数据；
（4）采用ClinProTools软件调用本发明所述标准检测模型，对步骤（3）获得的全部待测血清样本的原始数据进行检索分类，确定检测的血清样本是来源于布鲁氏菌野毒株感染者还是布鲁氏菌疫苗株感染者。
本发明的实施例的步骤（1）中，采用弱阳离子磁珠蛋白富集试剂盒对待测血清样本进行前处理，以富集血清中的蛋白。
步骤（2）中，所述基质饱和溶液为α-氢基-4-羟基肉桂酸在48.75%乙腈、48.75%超纯水、2%-3% 三氟乙酸中的饱和液。
步骤（3）中，采集的数据强度叠加至少为1.0×104。
步骤（3）中所述质谱仪为MALDI-TOF 质谱仪，氮激光器波长377nm, 质量采集范围1000至20000Da，源1电压, 20 kV, 源2电压, 18.5 kV, 透镜电压, 8.45 kV；延时提取,320 ns； 激光频率20Hz，调整总采集频次使谱图总强度大于10000；采用大肠杆菌ATCC8739质控校正仪器，使质量偏差小于300ppm。
本领域技术人员应当理解，由于感染布鲁氏菌病疫苗株并不意味着患布鲁氏菌病，很多时候不表现临床症状，因此对感染布鲁氏菌病疫苗株的血清的检测不意味着对布鲁氏菌病的检测，一定程度上，这种检测方法不属于疾病诊断方法。因此，本发明提供了一种感染布鲁氏菌疫苗株血清和感染布鲁氏菌野毒株血清的鉴别方法，包括以下步骤：
（1）前处理待检测血清样本，以富集血清中的蛋白；
（2）前处理后的血清样本点到质谱仪样本靶上，自然干燥后在样本上覆盖基质饱和溶液；
（3）采用质谱仪采集数据，每个样本平行采集两张原始谱图数据；
（4）采用ClinProTools软件调用本发明所述标准检测模型，对步骤（3）获得的全部待测血清样本的原始数据进行检索分类，确定检测的血清样本是来源于布鲁氏菌野毒株感染者还是布鲁氏菌疫苗株感染者。
本发明针对大量疫苗株感染的人血清与野毒株感染的人血清中的蛋白进行质谱分析，通过ClinProTools软件的SNN模型算法构建鉴别布鲁氏菌疫苗株感染与野毒株感染血清的标准检测模型，发现了用于鉴别布鲁氏菌疫苗株感染血清与野毒株感染血清的8个特征蛋白组合。所构建模型的识别能力为100%，交叉验证值为95.13%。利用标准检测模型对待测血清的MALDI-TOF MS质谱数据进行分类分析，可准确判断待检测血清是布鲁氏菌疫苗株感染还是野毒株感染。
利用本发明建立的检测方法检测了54例样本（流行病学及临床诊断、实验室半胱氨酸凝集试验确认18例疫苗株感染、36例自然野毒株感染）的108张数据进行检索验证，结果显示正确鉴定布鲁氏菌疫苗株感染18例、自然野毒株感染35例，正确率为98.15%，54例样本的质谱模型检测总时长为3小时，每个样本检测只需5ul血清。可见，本发明的方法是一种快速、方便的疫苗株感染与野毒株感染甄别的布病筛查技术，非常适用于布病疫情处理及流行病学调查，会为解决当前布病防控领域中的重大科学问题提供关键技术支撑。
附图说明
图1 为模型训练用样本的原始数据胶模式图，上图为布鲁氏菌野毒株感染血清样本，下图为布鲁氏菌疫苗株感染血清样本。
图2为模型训练用样本的分类二维图，图中叉为布鲁氏菌野毒株感染血清样本，圈为布病疫苗株感染相关血清样本。
图3为验证样本质谱图，上部浅色为布鲁氏菌野毒株感染血清谱图，下部深色为布鲁氏菌疫苗株感染血清谱图。
具体实施方式
以下实施例进一步说明本发明的内容，但不应理解为对本发明的限制。在不背离本发明精神和实质的情况下，对本发明方法、步骤或条件所作的修改或替换，均属于本发明的范围。
若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。实施例中所用的试剂为市售。
实施例1 特征蛋白的确定与标准检测模型的构建
1、建模训练样本选择
本发明采用30例布鲁氏菌野毒株感染患者的血清样本、30例布鲁氏菌疫苗株感染的血清样本，布鲁氏菌的疫苗株有S2和A19，所有布鲁氏菌疫苗株感染样本和布鲁氏菌野毒株感染样本经流行病学调查、半胱氨酸凝集试验确定。20%的样本量用于模型交叉验证。
2、血清蛋白样本富集
从4℃冰箱取出磁珠试剂盒（布鲁克公司MB-WCX kit），取出弱阳离子磁珠悬浮液一管，手动上下颠倒，完全混匀磁珠悬浮液1分钟；吸取60μL磁珠结合缓冲液（BB）加入200μL样品管中，再加入10μL磁珠至样品管中，用加样枪上下吸打混匀，避免起泡；将血清样本12000rpm离心10分钟；向样品管中加入5μL血清样品，用加样枪上下吸打混匀至少5次，避免起泡，室温静置5分钟；将样品管放入磁珠分离器上，使磁珠贴壁1分钟，磁珠和悬浮的液体分离，液体应清澈；用加样枪吸去悬浮的液体，枪头应避免接触到磁珠，避免吸走磁珠；将样品管放置于孔板上，加入100μL磁珠清洗缓冲液（WB）；在磁珠分离器前后相邻两孔间反复移动样品管10次，注意磁珠在管中的运动，每次静置7-8秒，以使磁珠贴壁；将样品管在磁珠分离器上静置2秒，磁珠贴壁，磁珠与悬浮的液体分离，液体应清澈；用加样枪吸去悬浮的液体，枪头应避免接触到磁珠，避免吸去磁珠；重复上述洗脱步骤两次，最后一次加样枪吸去悬浮的液体时，要保证悬浮液完全被吸走；将样品管放置于孔板上，加入5μL磁珠洗脱缓冲液（EB），反复吸打10次，使磁珠和EB混悬均匀，吹打过程应避免起泡；样品管放入磁珠分离器上，磁珠贴壁2分钟，磁珠与悬浮的液体充分分离后，将上清液移入干净的0.5mL样品管中，再加入5μL磁珠稳定缓冲液（SB），吸打混匀，即得到10μL血清蛋白样本。
3.质谱数据采集
将1μL制备的蛋白样本溶液点到质谱仪样本靶上，自然干燥后在样本上覆盖1μL基质饱和溶液，所述基质为α-氢基-4-羟基肉桂酸在48.75%乙腈、2.5% 三氟乙酸中的饱和液，干燥后采用MALDI-TOF质谱采集数据（图1），每个样本点采集2张原始谱图，谱图数据强度至少达到1.0×104。
质谱仪为MALDI-TOF 质谱仪，氮激光器波长377nm, 质量采集范围1000至20000Da，源1电压, 20 kV, 源2电压, 18.5 kV, 透镜电压, 8.45 kV；延时提取, 320 ns；激光频率20Hz，调整总采集频次使谱图总强度大于10000；每次数据采集前，采用大肠杆菌ATCC8739质控校正仪器，使分子量误差<300ppm。
4. 差异蛋白的获得
采用布鲁克公司的ClinProTools软件对血清样本的原始数据按布鲁氏菌野毒株感染及布鲁氏菌疫苗株感染分成两组进行峰值统计计算分析，确定组间差异峰，即两组样本所有的差异蛋白系列，共计92个（表1）。
Figure 746679DEST_PATH_IMAGE001
5. 检测模型的优化、构建及特征蛋白的确定
将前述选择的60例训练样本分为两组：疫苗株感染样本为组1、野毒株感染样本为组2。用两组数据（每个数据用两张谱图）进行数学模型构建，包括遗传算法（GA）、支持向量机（SVM）模型、监督神经网络（SNN）模型、快速分类（QC）模型，采用训练数据中的20%进行所有模型的内部交叉验证，确定最优检测模型。
SNN算法参数选择：模型中的最大峰数目为25，循环上线选择应用原型数自动检测，获得该最优模型使用的用于两组间区分的特征蛋白系列有8个（包含在92个组间差异蛋白中）（表2）：质荷比m/z： 2280.67、2306.97、2977.37、3426.41、4589.44、6852.24、7010.41、7922.91。两组数据的二维分布图显示较好的区分能力（图2）。
Figure 787228DEST_PATH_IMAGE002
本发明通过优化和分析，获得的用于分辨布鲁氏菌野毒株感染和布病疫苗株感染的最优标准检测模型为SNN模型，模型识别能力为100%，交叉验证值为95.13%。SVM模型识别能力为100%，交叉验证值为72.06%；GA模型识别能力98.5%，交叉验证值为88.9%；QC模型识别能力97.5%，交叉验证值98.72%。
使用时通过ClinProtools软件把本发明构建的标准检测模型调出来，用ClinProtools软件中的分类功能调入待分析的血清原始数据（调入的数据数量上不封顶），软件结合本发明构建的模型直接快速计算分类，给出报告告知待分析的血清样本是布鲁氏菌疫苗株感染还是布鲁氏菌野毒株感染。
实施例2 模型分类能力检测
应用实施例1所构建的布鲁氏菌野毒株感染血清与布鲁氏菌疫苗株感染血清标准检测模型，对54例临床采集的血清样本进行检测分析。布病血清抗体检测采用通用方法试管凝集试验，疫苗株感染检测采用流行病学调查、临床诊断及半胱氨酸凝集试验作为对照。
Figure 883491DEST_PATH_IMAGE003
注：1表示鉴定为疫苗株感染，2表示鉴定为野毒株感染
检测步骤为：用弱阳离子磁珠蛋白富集试剂制备待检测血清蛋白样本，将1μL制备的蛋白样本溶液点到质谱仪样本靶上，自然干燥后在样本上覆盖1μL基质饱和溶液，所述基质为α-氢基-4-羟基肉桂酸在48.75%乙腈、2.5% 三氟乙酸中的饱和液，干燥后采用MALDI-TOF质谱采集数据，每个样本平行采集两张原始数据。质谱仪为MALDI-TOF 质谱仪，氮激光器波长377nm, 质量采集范围1000至20000Da，源1电压, 20 kV, 源2电压, 18.5 kV, 透镜电压, 8.45 kV；延时提取, 320 ns；激光频率20Hz，调整总采集频次使谱图总强度大于10000；采用大肠杆菌ATCC8739质控校正仪器，使质量偏差小于300 ppm。
在ClinProTools软件中调用本发明实施例1构建的布鲁氏菌疫苗株感染与健康人血清标准检测模型，利用其分类功能对对全部54例样本（流行病学及临床确认18例疫苗株感染、36例自然野毒株感染）的108张数据进行检索验证，验证样本谱图见图3。结果显示正确鉴定布病疫苗株感染18例、自然野毒株感染35例，正确率为98.15%，见表3，54例样本的质谱模型检测总时长为3小时，每个样本检测只需5ul血清。
其他模型对54例样本的检测的准确度为：GA模型为92.5%；QC模型为94.4%；SVM模型为87.03%。
可见，在ClinProTools软件中调用本发明实施例1构建的检测模型能够准确鉴别布鲁氏菌疫苗株感染血清和野毒株感染血清。本发明的方法是一种使用简单快速、适用于布鲁氏菌疫苗株感染与野毒株感染血清检测技术，可准确判断待检测血清是否为布鲁氏菌疫苗株感染或野毒株感染。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (5)

1.一种用于鉴别感染布鲁氏菌（Brucella）疫苗株血清和野毒株血清的标准检测模型，其特征在于，通过以下方法构建得到：
（1）将具有统计学意义数量的布鲁氏菌野毒株感染的人血清样本、布鲁氏菌疫苗株感染的人血清样本经富集蛋白处理后，采集血清样本的MALDI-TOF MS质谱数据形成两组数据；
（2）利用ClinProTools软件，按软件使用要求编辑参数，将步骤（1）中获得的两组质谱数据调入，进行峰统计分析；
（3）选择模型算法，构建得到标准检测模型，并确定8个特征蛋白，每个特征蛋白的质荷比m/z分别为：2280.67、2306.97、2977.37、3426.41、4589.44、6852.24、7010.41、7922.91；
其中，质荷比m/z为2280.67、2306.97、3426.41、4589.44、7010.41、7922.91的6个特征蛋白是在疫苗株感染血清中相比野毒株感染血清中表达上调的蛋白；
质荷比m/z为2977.37的1个特征蛋白是在疫苗株感染血清中相比野毒株感染血清中表达下调的蛋白；
质荷比m/z为6852.24的1个特征蛋白仅在疫苗株感染血清中存在，在野毒株感染血清中不表达。
2.根据权利要求1所述的标准检测模型，其特征在于，所述模型算法为监督神经网络算法SNN，算法参数选择：模型中的最大峰数目为25，循环上线选择应用原型数自动检测。
3.权利要求1或2所述的标准检测模型在构建布鲁氏菌疫苗株感染血清和野毒株感染血清检测系统中的应用。
4.一种鉴别感染布鲁氏菌病疫苗株血清和野毒株血清的检测系统，其特征在于，所述检测系统的工作程序包括以下步骤：
（1）前处理待检测血清样本，以富集血清中的蛋白；
（2）前处理后的血清样本点到质谱仪样本靶上，自然干燥后在样本上覆盖基质饱和溶液；
（3）采用质谱仪采集数据，每个样本平行采集两张原始谱图数据；
（4）采用ClinProTools软件调用权利要求1或2所述标准检测模型对步骤（3）获得的全部待测血清样本的原始数据进行检索分类，确定检测的血清样本是来源于布鲁氏菌野毒株感染者还是布鲁氏菌疫苗株感染者。
5.根据权利要求4所述的检测系统，其特征在于，步骤（3）中，采集的数据强度叠加至少为1.0×104。
CN202010156406.4A 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法 Active CN111007140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010156406.4A CN111007140B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010156406.4A CN111007140B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法

Publications (2)

Publication Number Publication Date
CN111007140A CN111007140A (zh) 2020-04-14
CN111007140B true CN111007140B (zh) 2020-06-23

Family

ID=70120997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010156406.4A Active CN111007140B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法

Country Status (1)

Country Link
CN (1) CN111007140B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313257A (zh) * 2021-06-25 2021-08-27 广州市妇女儿童医疗中心 基于质谱分析数据的gbs菌株的克隆复合体分型系统及应用
WO2023123175A1 (zh) * 2021-12-30 2023-07-06 北京毅新博创生物科技有限公司 一种评价个体是否完成疫苗接种或个体免疫变化的方法
WO2023123164A1 (zh) * 2021-12-30 2023-07-06 北京毅新博创生物科技有限公司 一种评价疫苗质量和疫苗保护效期的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308696A (zh) * 2013-05-30 2013-09-18 中国疾病预防控制中心传染病预防控制所 基于质谱技术的布鲁氏菌快速检测试剂盒
CN103352257A (zh) * 2012-05-08 2013-10-16 向华 制备细菌核酸指纹特征谱库的方法
CN103361418A (zh) * 2012-05-08 2013-10-23 向华 基于16S rDNA的细菌核酸指纹特征谱的制备方法及其用途

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103352257A (zh) * 2012-05-08 2013-10-16 向华 制备细菌核酸指纹特征谱库的方法
CN103361418A (zh) * 2012-05-08 2013-10-23 向华 基于16S rDNA的细菌核酸指纹特征谱的制备方法及其用途
CN103308696A (zh) * 2013-05-30 2013-09-18 中国疾病预防控制中心传染病预防控制所 基于质谱技术的布鲁氏菌快速检测试剂盒

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ＭＡＬＤＩ－ＴＯＦ－ＭＳ鉴定布鲁氏菌方法建立和评价;汤旭 等;《中国人兽共患病学报》;20161231;第32卷(第9期);772-778 *
Ｓｔｕｄｙ ｏｎ ｔｈｅ ｔｙｐｉｎｇ ｏｆ Ｂｒｕｃｅｌｌａｅｐ－ＰＣＲ;Ｃｕｉ ＢＹ ET AL;《Ｄｉｓ Ｓｕｒｖｅｉｌｌ》;397-400;20051231;第20卷(第2期);397-400 *
五种革兰阴性菌血流感染小鼠血清多肽谱的研究;麻雅婷 等;《解放军医学杂志》;20181001;第43卷(第10期);872-876 *
汤旭 等.ＭＡＬＤＩ－ＴＯＦ－ＭＳ鉴定布鲁氏菌方法建立和评价.《中国人兽共患病学报》.2016,第32卷(第9期), *

Also Published As

Publication number Publication date
CN111007140A (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN111007140B (zh) 基于血清的布鲁氏菌疫苗株感染与野毒株感染快速鉴别方法
CN111007139B (zh) 基于血清的布鲁氏菌感染快速检测方法
CN111307926B (zh) 基于血清的布鲁氏菌疫苗株感染快速检测方法
CN108363908B (zh) 用于检测生物分子的智谱系统
US10910205B2 (en) Categorization data manipulation using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer
CN112858454B (zh) 用于诊断新冠肺炎的特征多肽组合物
CN101403740B (zh) 用于检测肝癌特征蛋白的质谱模型及制备方法
WO2023179263A1 (zh) 评估甲状腺结节恶性程度或概率的系统、模型及试剂盒
WO2013016966A1 (zh) 检测肺癌蛋白的质谱模型及构建方法
CN112798678A (zh) 基于血清的新型冠状病毒感染快速检测方法
WO2022166486A1 (zh) 用于诊断新冠肺炎的特征多肽组合物
EP2447717A9 (en) Rapid method for targeted cell (line) selection
WO2023185067A1 (zh) 用于检测肺结核的血清代谢标志物及其试剂盒
CN111337686A (zh) 免疫富集联合maldi-tof ms检测食品中金黄色葡萄球菌的方法及应用
WO2022166494A1 (zh) 用于诊断新冠肺炎的质谱模型的构建方法
WO2022166493A1 (zh) 包含用于诊断新冠肺炎的特征多肽的质谱模型
CN114822827A (zh) 一种慢性阻塞性肺疾病急性加重预测系统和预测方法
CN113552207A (zh) 微生物分析方法
CN114858905A (zh) 特征多肽组合物及质谱模型用于制备新冠肺炎检测产品的用途
EP2191277A1 (en) Novel diagnostic methods
CN116337986B (zh) 一种基于maldi-tof ms的肯塔基沙门氏菌的快速鉴定方法
CN111366726A (zh) 一种免疫富集联合maldi-tof ms检测食品中沙门氏菌的方法及应用
CN117686712A (zh) 一种基于舌苔微生物蛋白筛查胃癌的方法
CN113313257A (zh) 基于质谱分析数据的gbs菌株的克隆复合体分型系统及应用
CN117995272A (zh) 一种构建梅毒cfDNA高通量测序的机器学习模型方法

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