CN111060607B - 一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 - Google Patents
一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 Download PDFInfo
- Publication number
- CN111060607B CN111060607B CN201911095273.8A CN201911095273A CN111060607B CN 111060607 B CN111060607 B CN 111060607B CN 201911095273 A CN201911095273 A CN 201911095273A CN 111060607 B CN111060607 B CN 111060607B
- Authority
- CN
- China
- Prior art keywords
- acid
- mobile phase
- screening
- kidney
- sample
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/26—Conditioning of the fluid carrier; Flow patterns
- G01N30/28—Control of physical parameters of the fluid carrier
- G01N30/34—Control of physical parameters of the fluid carrier of fluid composition, e.g. gradient
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/26—Conditioning of the fluid carrier; Flow patterns
- G01N30/28—Control of physical parameters of the fluid carrier
- G01N30/36—Control of physical parameters of the fluid carrier in high pressure liquid systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
- G01N30/7233—Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
- G01N30/724—Nebulising, aerosol formation or ionisation
- G01N30/7266—Nebulising, aerosol formation or ionisation by electric field, e.g. electrospray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/60—In silico combinatorial chemistry
- G16C20/64—Screening of libraries
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N2030/022—Column chromatography characterised by the kind of separation mechanism
- G01N2030/027—Liquid chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
- G01N2030/8813—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials
- G01N2030/8822—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials involving blood
Landscapes
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物,由抗坏血酸、二氨基庚二酸、肉桂酸、脲基异丁酸、雄烯二酮、3‑氧代辛酸和尿卟啉7种代谢物中的一种或一种以上组成。本发明还公开了一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物的筛选方法,本发明筛选的得到的代谢组合物中,抗坏血酸、二氨基庚二酸的结合指示率为0.823,肉桂酸、脲基异丁酸、雄烯二酮、3‑氧代辛酸、尿卟啉的结合指示率为0.98。
Description
技术领域
本发明属于分析技术领域,具体涉及一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物及筛选方法。
背景技术
移植肾延迟复功(delayed graft function,DGF)是肾移植术后一周内无法恢复生理功能,需要透析过渡的临床现象,是影响移植肾存活的独立危险因素[P.N.C.D.S.M.etal.,Delayed graft function in kidney transplantation.Lancet,2004.364(9447)]。近年来,随着公民心脏死亡后捐献(donation after cardiac death,DCD)的推广,DGF的发生率显著增高。一方面,DCD肾脏的获取需供体心脏功能停止后方可进行,因此供肾会经历比活体供肾更长的热缺血时间,肾微血管血流应变力改变和肾小管损伤增加;另一方面,为解决器官短缺危机,越来越多的扩大标准的器官捐献者(expanded criteria donor,ECD)被纳入DCD肾移植供体名单,使得DGF发生率进一步增加,且预后的肾功能完整性不明。在一些医疗中心DCD肾脏DGF发生率甚至可高达30-50%[S.G.Yarlagadda,S.G.C.,A.X.Garg,M.Doshi,E.Poggio,R.J.Marcus,et al.,Marked variation in the definition anddiagnosis of delayed graft function:a systematic review.Nephrol DialTransplant,2008.23:p.2995-3003],极大加剧患者医疗负担,也分流了诸多医疗资源来应对DGF处置。
代谢组学是后基因时代出现的一门新兴技术研究领域,是关于定量描述生物内源性代谢物质的整体及其对内因和外因变化应答规律的科学。它利用高通量、高灵敏度与高精确度的现代分析技术,对生命活动终端的小分子代谢物进行动态跟踪分析,并借助多元统计分析方法、模式识别技术等信息处理手段,从分子层面上观察机体对疾病等内外界因素干扰的响应规律,可用于揭示疾病的病理机制,或疾病的早期筛查。肾脏作为处理代谢产物的重要器官,几乎每个细胞都布满对各类代谢物质的感受器,用于对体液状态做出精确实时的感知,同时还储备着丰富的线粒体和内质网用于及时有效的调控,因此肾脏既对所处的代谢环境敏感又对其有重大的反作用。目前基于代谢组学技术的肾移植延迟复功事件分析均来自于受体术后的样本,对供体术前的差异性分析尚未见报道。
发明内容
针对上述情况,为克服现有技术的缺陷,本发明提供一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物及筛选方法。利用本发明的筛选方法得到的代谢组合物可以方便、高效地对移植肾延迟复功进行术前初步筛查。
为了实现上述目的,本发明提供以下技术方案:
一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物,由抗坏血酸、二氨基庚二酸、肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸和尿卟啉7种代谢物中的一种或一种以上组成。
一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物的筛选方法,该方法用于筛选以上所述的代谢组合物,包括以下步骤:
(1)在获取供体的肾脏前,收集血液样品,进行预处理;
(2)应用超高效液相色谱系统UHPLC对预处理后的样品进行分离;
(3)对经步骤(2)分离后的样品进行质谱分析;
(4)对步骤(3)得到的原始数据进行处理,每个样品生成包含核质比、保留时间、峰面积三维信息的CSV数据;
(5)从数据库中搜索,根据匹配因子推测识别代谢物,得到可识别的代谢物;
(6)选择每个样品中均测到的代谢物做进一步分析,先进行归一化处理,再进行单变量统计分析,根据student t检验p值<0.05为筛选标准,进行筛选;
(7)应用MetaboAnalyst网站进行多维统计分析,构建统计分析模型,多维统计学分析包括主成分分析PCA和正交偏最小二乘判别分析OPLS-DA;在PCA的得分图中,双DGF供体(Double-DGF)组与无DGF(None-DGF)供体对照组的代谢物信息分别位于模型的不同位置,分类趋势明显,记对照样品组的坐落区域为阴性区域,DGF样品组的坐落区域为阳性区域。
(8)根据OPLS-DA模型得到变量权重值VIP,以VIP>1为标准筛选,得到初筛代谢物;
(9)采用HMDB数据库对初筛代谢物进行检索比对,得到用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物。
进一步地,步骤(1)具体为:在获取供体的肾脏前取全血3~5mL,置于不加抗凝剂的EP管中,0~5℃下6000~12000rpm离心5~12min,取上清液,经液氮速冻后,置于-85~-75℃保存待用;
预处理方法:样品于4℃环境下解冻后,与预冷甲醇按照1:3体积比混合均匀,静置30s,振荡30s,13500rpm离心20min,取上清,作为分析样品。
进一步地,步骤(2)中采用HILIC色谱柱,柱温45℃,进样量5μL,流动相组成:流动相A为水+体积分数为0.1%甲酸,流动相B为甲醇+体积分数为0.1%甲酸;整个分析过程中将样品置于10℃自动进样器中。
进一步地,步骤(3)中分别采用电喷雾电离ESI正离子和负离子模式进行检测。
进一步地,步骤(4)中,处理步骤:a)进行谱峰对齐,以降低谱峰漂移的影响;b)移除残余水峰和基线区域,并按谱峰对谱数据进行分段积分,降低数据的维数;c)利用概率商归一化(PQN)方法进行数据归一化,减小稀释效应的影响;最后得到每行为分析样品,每列为代谢物谱峰信息的二维CSV数据矩阵。
进一步地,步骤(5)中,设定匹配因子在80%之上的化合物为可识别。
本发明的有益效果是:
(1)本发明首次利用代谢组学方法筛选供体术前血清中预警移植肾延迟复功的代谢物组合。本发明对发生延迟复功的供体和肾功能正常的供体血清进行检测得到相应的代谢轮廓图谱,构建OPLS-DA模型,这些模型能辨别血清的代谢物情况,其代谢轮廓能够初步判断移植肾是否具有发生延迟复功的风险。利用本发明方法可以对肾移植供体进行术前筛查,对延迟复功的高危供体进行代谢配型,尽可能减少延迟复功的发生概率。
(2)本发明筛选得到的代谢物组合中,负离子模式下:抗坏血酸、二氨基庚二酸构成的组合预测延迟复功的ROC曲线下面积为0.823,公式为Score=X(抗坏血酸)*-44.862+X(二氨基庚二酸)*-36.539-37.343,当得分≤-38.92时模型敏感性为80.00%,特异性为71.43%;正离子模式下:肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉构成的组合预测延迟复功的ROC曲线下面积为0.98,公式为Score=X(肉桂酸)*0.142+X(脲基异丁酸)*0.013+X(雄烯二酮)*-0.038+X(3-氧代辛酸)*0.347+X(尿卟啉)*-0.048-14.475,当得分≥-12.67时模型敏感性为90.00%,特异性为100.00%。在供体延迟复功组和对照组水平存在显著差异,代谢物的单独指示率为0.51~0.83。
(3)利用本发明的方法可对病例样本进行全代谢组检测,获取一系列鉴别高危供体、受体、以及供/受体匹配组合相关的差异性标志物,为后续研发代谢干预方案构建一套DCD肾移植管理、预警、干预的临床处置决策系统,推动移植医学朝更精准化、更个性化方向发展。
附图说明
图1是Double-DGF(DD)组和None-DGF(ND)组血清样本的正负离子模式下分析结果。
图2是Double-DGF(DD)组和None-DGF(ND)组血清样本的正负离子模式下OPLS-DA分析结果图。
图3是正负离子模式下的代谢组合物对延迟复功的单独指示率和结合指示率。
具体实施方式
以下结合附图对本发明的技术方案做进一步详细说明,应当指出的是,具体实施方式只是对本发明的详细说明,不应视为对本发明的限定。
实施例1
肾移植术后DGF是常见的临床不良事件,以术后1周内尿量偏少,需要透析过渡为诊断标准。来源于同一供体的两个肾脏在不同受体内会出现功能恢复的差异,根据受体双方术后肾功能恢复的情况,对DCD肾移植供体进行分组:术后受体双方均发生DGF的供体为Double-DGF组,受体双方肾功能均恢复稳定的供体为None-DGF组,从以上2组中获取血液样本。
肾功能恢复稳定的定义为术后血肌酐稳定在基线值20%波动范围内,术后未出现急性排异、淋巴漏、尿瘘、肾周血肿、多瘤病毒感染等并发症。急性排异的诊断由科室移植病理医生根据Banff 2017标准作诊断。
样品收集
对于符合入选标准且已提供知情同意的供体,在获取器官前取全血3~5mL,置于不加抗凝剂的EP管中,0~5℃下6000~12000rpm离心5~12min,取上清液1ml于2mleppendorf管,分装成两份,经液氮速冻后,置于-85~-75℃超低温冰箱保存待用。样品储存和运输置于干冰环境。
样品预处理
样本于4℃环境下缓慢解冻后,与-20℃的预冷甲醇按照1:3体积比涡旋混合均匀,-20℃静置30s,振荡30s,13500rpm离心20min,取上清作为分析样品。
样品检测
(1)仪器:样品应用Dionex UltiMate 3000UHPLC-Bruker ImpactⅡQ-TOF进行分离。柱温45℃,进样量5μL;HILIC色谱柱的流动相组成:流动相A:0.1%甲酸/水(v/v),流动相B:0.1%甲酸/甲醇(v/v);梯度洗脱程序如下:0~5min为5%流动相B;5~10min流动相B从5%线性变化到60%;10~20min流动相B从60%线性变化到98%;20~20.5min流动相B维持在98%;20.5~22.5min流动相B从98%线性变化到100%;22.5~23min流动相B维持在100%,23~30min流动相B从100%线性变化到5%,以上所述的百分数均为体积分数。整个分析过程中将样品置于10℃自动进样器中。
(2)为避免仪器检测信号波动而造成的影响,采用随机顺序进行样本的连续分析。样本队列中随机插入质控(Quality Control,QC)样品,用于监测和评价系统的稳定性及实验数据的可行性。QC样品的预处理流程与样品相同。
(3)质谱条件:分别采用电喷雾电离(ESI)正离子和负离子模式进行检测。质谱参数:Mass Range:50-1000m/z,Spectra Rate:2.00Hz,Capillary:Positive mode 4500V,Negative mode 3500V,End Plate Offset:500V,Nebulizer:2.0Bar,Dry Gas:8.0L/min,Dry Temperature:200℃,Funnel 1RF:200Vpp,Funnel 2RF:200Vpp,Quadrupole IonEnergy:5.0Ev,Pre Pulse Storage:5.0μs,Collision Energy:for MS 5.0eV,for MS/MS20-50eV,Circle Time:1.0s。
数据处理
将原始数据按质量数生成离子流提取数据,经Proteo Wizard转换成.mzML格式,采用XCMS进行峰匹配,去噪音,去卷积等操作,生成MHD数据;将MHD数据导入工具包,每个样品生成包含核质比、保留时间、峰面积三维信息的CSV数据。然后从实验室自建数据库中搜索,根据匹配因子推测识别代谢物,设定匹配因子在80%之上的化合物为可识别,这样可以排除非内源性代谢物(药物、试剂的代谢物)的影响,提高准确率。CSV数据经取对数,总体信号值做归一化处理。
为尽量减少缺失值的误差,筛选每个样本中均测到的化合物做进一步分析。对潜在代谢物先进行归一化处理,再进行单变量统计分析,根据student t检验p值<0.1(经FDR校正)的原则筛选具有统计学意义的差异性代谢物。单变量统计分析方法包括t检验和变异倍数分析,以及综合以上两种方法的利用R软件绘制散点图。然后应用MetaboAnalyst网站(www.metaboanalyst.ca)进行多维统计分析,构建统计分析模型。多维统计分析包括无监督的主成分分析(PCA)和有监督的正交偏最小二乘判别分析(OPLS-DA)。根据不同模型(OPLS-DA)中的S载荷图获得对分类有贡献的特征性变量及其贡献大小,并通过S载荷图和变量在投影中的重要性(Variable Importance in the Projection,VIP>1)找到潜在生物标记物(即潜在代谢物)。对经过单变量统计分析、多维统计分析筛选后的初筛代谢物采用HMDB数据库(www.hmdb.ca)检索比对。
统计学方法
临床资料分析:所有连续变量用均数±标准差(X±SD)表示,计数资料以频数及百分数表示。非匹配计量资料的比较,若符合正态分布,采用t检验;如不符合正态分布,进行对数变换并进行正态性检验。对数变换后如符合正态分布,采用t检验,如仍不符合正态分布,则采用Mann-Whitney分析。所有数据用SPSS11.5统计软件分析,假设检验中,P<0.05表示差异有统计学意义。
代谢特征分析:代谢物信号值与外标信号值相比去除系统误差,用t检验分析组间代谢物含量的统计学差异,利用VB 6.0自编程序对数据进行降维和特征提取,进行正交偏最小二乘法(OPLS)统计分析;利用留一法(leave-one-out)建立预测模型,对鉴定出的差异性代谢物的预测敏感性和特异性进行验证。
结果
对Double-DGF组和None-DGF组血清样本数据分别进行正、负离子模式代谢产物分析。将Double-DGF组和None-DGF组所得的数据经归一化处理后,呈正态分布,在此基础上进行t检验。图1A为归一化前后的对比图,图1A中纵坐标为相对信号强度,横坐标为Double-DGF组和None-DGF组的组内样本,由图1A可知,归一化之后,呈正态分布。图1B为两组相比较时,Double-DGF组相对于Non-DGF组的变化倍数,FC表示Fold change,图中虚线为变化小于2(Log2)的临界线,黑色圆点表示变化大于等于2(Log2)的化合物,灰色圆点表示变化小于2(Log2)的化合物;Double-DGF(DD)组和None-DGF(ND)组血清样本中倍数改变大于2(Log2)的化合物进行下一步筛选;图1C为Double-DGF组相对Non-DGF组的t检验图,其中,横坐标为化合物的编号,黑色圆点为差异显著性的化合物,经t检验后,满足p<0.05(FDR修正)的化合物被筛选出来如图1C所示。
OPLS-DA模式下不同化合物指标组合以及综合Double-DGF(DD)组和None-DGF(ND)组血清样本样本分布图,显示通过所选择的化合物作为分组标准后,Double-DGF组和None-DGF组显著分为两个群落如图2A所示,图2A为二维OPLS-DA scores plot图,其中,横坐标为特征系数,纵坐标为每个维度中解释的Y变化量;预测率具有较高准确率和解释率,分别用Accuracy和R2表示,如图2B所示,两者越接近1表示解释率和预测率越高;图2B中,Q2为问题预测可变度,横坐标为代谢物组合物中代谢物的个数,代谢物是随机选取的,由图2B可知,代谢物个数为4时,具有较高的准确率和解释率。
根据OPLS-DA模型得到的变量权重值(Variable Importance for theProjection,VIP)来衡量各代谢物的表达模式对各组样本分类判别的影响强度和解释能力,挖掘具有生物学意义的差异代谢物。
本方法以VIP>1且单变量统计分析(包括t检验和变异系数分析)p值<0.1为筛选标准,分别获得Double-DGF和None-DGF组差异代谢物组合,最终筛选出抗坏血酸、二氨基庚二酸、肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸和尿卟啉7种代谢物,如表2所示。7种代谢物中的一种或一种以上组成的组合可以预警移植肾延迟复功的发生。每种代谢物在Double-DGF组的含量相比于None-DGF组用Fold Change(FC)表示。FC>1表示该代谢物在延迟复功供体中的含量增高,且含量越高FC值越大;同理,FC<1表示该代谢物在延迟复功供体中的含量降低,且含量越低FC值越小。其中抗坏血酸、二氨基庚二酸构成的代谢组合评分Score=X(抗坏血酸)*-44.862+X(二氨基庚二酸)*-36.539-37.343,其中,X为括号内物质的质谱峰面积检测值,当评分Score≤-38.92时预测延迟复功的敏感性为80.00%,特异性为71.43%;肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉构成的代谢物组合评分Score=X(肉桂酸)*0.142+X(脲基异丁酸)*0.013+X(雄烯二酮)*-0.038+X(3-氧代辛酸)*0.347+X(尿卟啉)*-0.048-14.475,其中,X为括号内物质的质谱峰面积检测值,当评分Score≥-12.67时预测延迟复功的敏感性为90.00%,特异性为100.00%。
表2筛选后的预警DGF代谢物组合
正离子模式下:肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉构成的组合预测延迟复功的ROC曲线下面积为0.98,当得分Score≥-12.67时模型敏感性(即纵坐标)为90.00%,特异性(即横坐标)为100.00%如图3F所示,图3F为肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉构成的代谢物组合预测延迟复功的ROC曲线;负离子模式下:抗坏血酸、二氨基庚二酸构成的代谢组合物预测延迟复功的ROC曲线下面积为0.823,当得分Score≤-38.92时模型敏感性(即纵坐标)为80.00%,特异性(即横坐标)为71.43%如图3I所示,图3I为抗坏血酸、二氨基庚二酸构成的代谢组合物预测延迟复功的ROC曲线。ROC曲线指的是受试者工作特征曲线,ROC曲线是反映敏感性和特异性连续变量的综合指标。
DCD肾移植供体术前血清中由抗坏血酸、二氨基庚二酸、肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸和尿卟啉构成的代谢物组合可用于预警受体术后发生移植肾延迟复功的风险。其中抗坏血酸、二氨基庚二酸的结合指示率为0.823,肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉的结合指示率为0.98。7种代谢物对DGF的单独指示率如图3所示,具体地,代谢物的单独指示率范围为0.51~0.83。
显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
Claims (6)
1.一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物,
其特征是,由抗坏血酸-2-硫酸盐、二氨基庚二酸组成或者由肉桂酸、脲基异丁酸、雄烯二酮、3-氧代辛酸、尿卟啉组成。
2.一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢组合物的
筛选方法,其特征是,该方法用于筛选权利要求1 所述的代谢组合物,包括以下
步骤:
(1)在获取供体的肾脏前,收集血液样品,进行预处理;
(2)应用超高效液相色谱系统UHPLC 对预处理后的样品进行分离;采用
HILIC 色谱柱,流动相组成:流动相A:0.1%甲酸/水(v/v),流动相B:0.1%甲
酸/甲醇(v/v);梯度洗脱程序如下:0~5min 为5%流动相B;5~10min 流动相B
从5%线性变化到60%;10~20min 流动相B 从60%线性变化到98%;20~20.5 min
流动相B 维持在98%;20.5~22.5min 流动相B 从98%线性变化到100%;
22.5~23min 流动相B维持在100%,23~30min 流动相B从100%线性变化到5%,
以上百分数均为体积分数;
(3)对经步骤(2)分离后的样品进行质谱分析;
(4)对步骤(3)得到的原始数据进行处理,每个样品生成包含核质比、保
留时间、峰面积三维信息的CSV 数据;
(5)从数据库中搜索,根据匹配因子推测识别代谢物,得到可识别的代谢
物;
(6)选择每个样品中均测到的代谢物做进一步分析,先进行归一化处理,
再进行单变量统计分析,根据student t 检验p 值<0.05 为筛选标准,进行筛选;
(7)应用MetaboAnalyst 网站进行多维统计分析,构建统计分析模型,多
维统计学分析包括主成分分析PCA 和正交偏最小二乘判别分析OPLS-DA;
(8)根据OPLS-DA 模型得到变量权重值VIP,以VIP>1 为标准筛选,得
到初筛代谢物;
(9)采用HMDB 数据库对初筛代谢物进行检索比对,得到用于术前预警移
植肾延迟复功的代谢组合物。
3.根据权利要求2 所述的一种用于心脏死亡后捐献供体术前预警移植肾延
迟复功的代谢组合物的筛选方法,其特征是,步骤(1)具体为:在获取供体的
肾脏前取全血3~5mL,置于不加抗凝剂的EP 管中,0~5℃下6000~12000rpm
离心5~12min,取上清液,经液氮速冻后,置于-85~-75℃保存待用;
预处理方法:样品于4℃环境下解冻后,与预冷甲醇按照1:3 体积比混合
均匀,静置30s,振荡30s,13500 rpm 离心20min,取上清,作为分析样品。
4.根据权利要求2 所述的一种用于心脏死亡后捐献供体术前预警移植肾延
迟复功的代谢组合物的筛选方法,其特征是,步骤(2)中采用HILIC 色谱柱,
柱温45℃,进样量5μL,流动相组成:流动相A 为水+体积分数为0.1%甲酸,
流动相B 为甲醇+体积分数为0.1%甲酸;整个分析过程中将样品置于10℃自动
进样器中。
5.根据权利要求2 所述的一种用于心脏死亡后捐献供体术前预警移植肾延
迟复功的代谢组合物的筛选方法,其特征是,步骤(3)中分别采用电喷雾电离
ESI 正离子和负离子模式进行检测。
6.根据权利要求2 所述的一种用于心脏死亡后捐献供体术前预警移植肾延
迟复功的代谢组合物的筛选方法,其特征是,步骤(5)中,设定匹配因子在80%
之上的化合物为可识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095273.8A CN111060607B (zh) | 2019-11-11 | 2019-11-11 | 一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095273.8A CN111060607B (zh) | 2019-11-11 | 2019-11-11 | 一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060607A CN111060607A (zh) | 2020-04-24 |
CN111060607B true CN111060607B (zh) | 2021-08-31 |
Family
ID=70297776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911095273.8A Active CN111060607B (zh) | 2019-11-11 | 2019-11-11 | 一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060607B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341023B (zh) * | 2021-06-30 | 2022-12-23 | 大连医科大学附属第一医院 | 一种基于液质联用的血清二氨基庚二酸的检测试剂盒及检测方法与应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101361038B1 (ko) * | 2013-02-21 | 2014-02-12 | 경북대학교 산학협력단 | 신장 이식 후 환자의 뇨 시료로부터 사구체여과율을 예측하는 방법 |
CN105675881A (zh) * | 2009-02-06 | 2016-06-15 | 阿斯图特医药公司 | 肾损伤和肾衰竭的诊断及预后 |
CN109187814A (zh) * | 2018-11-01 | 2019-01-11 | 青岛大学附属医院 | 一种鉴定肾移植预后生物标记物的方法及其检测试剂盒 |
CN110057955A (zh) * | 2019-04-30 | 2019-07-26 | 中国医学科学院病原生物学研究所 | 乙型肝炎特异性血清标志物的筛选方法 |
CN110346458A (zh) * | 2018-04-04 | 2019-10-18 | 青岛大学附属医院 | 用于早期检测肾移植术后发生免疫排斥反应的血液中生物标记物及其用途 |
WO2019204283A1 (en) * | 2018-04-16 | 2019-10-24 | Kantum Diagnostics, Inc. | Methods of monitoring, treating, and preventing renal inflammation associated with kidney transplantation |
-
2019
- 2019-11-11 CN CN201911095273.8A patent/CN111060607B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105675881A (zh) * | 2009-02-06 | 2016-06-15 | 阿斯图特医药公司 | 肾损伤和肾衰竭的诊断及预后 |
KR101361038B1 (ko) * | 2013-02-21 | 2014-02-12 | 경북대학교 산학협력단 | 신장 이식 후 환자의 뇨 시료로부터 사구체여과율을 예측하는 방법 |
CN110346458A (zh) * | 2018-04-04 | 2019-10-18 | 青岛大学附属医院 | 用于早期检测肾移植术后发生免疫排斥反应的血液中生物标记物及其用途 |
WO2019204283A1 (en) * | 2018-04-16 | 2019-10-24 | Kantum Diagnostics, Inc. | Methods of monitoring, treating, and preventing renal inflammation associated with kidney transplantation |
CN109187814A (zh) * | 2018-11-01 | 2019-01-11 | 青岛大学附属医院 | 一种鉴定肾移植预后生物标记物的方法及其检测试剂盒 |
CN110057955A (zh) * | 2019-04-30 | 2019-07-26 | 中国医学科学院病原生物学研究所 | 乙型肝炎特异性血清标志物的筛选方法 |
Non-Patent Citations (6)
Title |
---|
A pilot study of GC/MS-based serum metabolic profiling of acute rejection in renal transplantation;You-ying Mao 等;《Transplant Immunology》;20080430;第19卷(第1期);第74-80页 * |
DCD供体移植肾功能延迟恢复的危险因素及预后分析;邵明杰;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20150315(第3期);第E067-123页 * |
Predictive Score Model for Delayed Graft Function Based on Easily Available Variables before Kidney Donation after Cardiac Death;Chen‑Guang Ding 等;《Chinese Medical Journal》;20171020;第130卷(第20期);第2429-2434页 * |
Urinary metabolites predict prolonged duration of delayed graft function in DCD kidney transplant recipients;S.Kostidis 等;《American Journal of Transplantation》;20180522;第19卷(第1期);第110-122页 * |
心脏死亡器官捐献供肾术前病理改变对肾移植预后的影响;赵贺 等;《肾脏病与透析肾移植杂志》;20181031;第27卷(第5期);第430-434页 * |
胃良恶性疾病血液一氧化氮内皮素过氧化脂质抗坏血酸含量变化的研究;陈智 等;《贵州医药》;19981031;第22卷(第5期);第342-344页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111060607A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sigdel et al. | Mining the human urine proteome for monitoring renal transplant injury | |
US20160290989A1 (en) | Marker detection for characterizing the risk of cardiovascular disease or complications thereof | |
Sigdel et al. | Shotgun proteomics identifies proteins specific for acute renal transplant rejection | |
Warkentin et al. | Serotonin‐release assay‐negative heparin‐induced thrombocytopenia | |
Huang et al. | Lower mean corpuscular hemoglobin concentration is associated with poorer outcomes in intensive care unit admitted patients with acute myocardial infarction | |
CN108711451B (zh) | 建立急性主动脉夹层诊断标准的方法 | |
Cui et al. | The neutrophil percentage to albumin ratio as a new predictor of in-hospital mortality in patients with ST-segment elevation myocardial infarction | |
CN112881547A (zh) | 一种肝硬化及肝炎人群早期肝癌诊断标志物的筛选方法 | |
Yu et al. | Alpha-hydroxybutyrate dehydrogenase as a biomarker for predicting systemic lupus erythematosus with liver injury | |
Vogiatzis et al. | The mean platelet volume in the prognosis of coronary artery disease severity and risk stratification of acute coronary syndromes | |
CN111060607B (zh) | 一种用于心脏死亡后捐献供体术前预警移植肾延迟复功的代谢物组合及其筛选方法 | |
Cao et al. | Evaluation of Agonal Cardiac Function for Sudden Cardiac Death in Forensic Medicine with Postmortem Brain Natriuretic Peptide (BNP) and NT‐proBNP: A Meta‐analysis | |
CN111208223B (zh) | 心脏死亡后捐献受体术前预警移植肾延迟复功的代谢物 | |
Rocchiccioli et al. | Correlation between vitamin D binding protein expression and angiographic-proven coronary artery disease | |
Breidthardt et al. | B-type natriuretic peptide in patients undergoing orthopaedic surgery: a prospective cohort study | |
Berton et al. | Comparison of C‐reactive protein and albumin excretion as prognostic markers for 10‐year mortality after myocardial infarction | |
Donati et al. | Detection of homologous blood transfusion in sport doping by flow cytofluorimetry: state of the art and new approaches to reduce the risk of false-negative results | |
Wei et al. | A nomogram for predicting patients with severe heatstroke | |
Luo et al. | Machine learning–based risk model for predicting early mortality after surgery for infective endocarditis | |
Cao et al. | Untargeted metabolomic profiling of sepsis-induced cardiac dysfunction | |
Horne et al. | Extreme erythrocyte macrocytic and microcytic percentages are highly predictive of morbidity and mortality | |
EP3911951A1 (en) | Urine metabolomics based method of detecting renal allograft injury | |
Papachristou et al. | Serum proteomic patterns as a predictor of severity in acute pancreatitis | |
Zubair et al. | Contribution of proteomics in transplantation: identification of injury and rejection markers | |
Thompson et al. | A pilot study to investigate the potential of mass spectrometry profiling in the discovery of novel serum markers in chronic renal disease |
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 |