CN111307926A - 基于血清的布鲁氏菌疫苗株感染快速检测方法 - Google Patents

基于血清的布鲁氏菌疫苗株感染快速检测方法 Download PDF

Info

Publication number
CN111307926A
CN111307926A CN202010156438.4A CN202010156438A CN111307926A CN 111307926 A CN111307926 A CN 111307926A CN 202010156438 A CN202010156438 A CN 202010156438A CN 111307926 A CN111307926 A CN 111307926A
Authority
CN
China
Prior art keywords
serum
vaccine strain
brucella
infected
model
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
CN202010156438.4A
Other languages
English (en)
Other versions
CN111307926B (zh
Inventor
姜海
肖迪
张慧芳
张炳华
王磊
杨文涛
李天一
赵飞
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 CN202010156438.4A priority Critical patent/CN111307926B/zh
Publication of CN111307926A publication Critical patent/CN111307926A/zh
Application granted granted Critical
Publication of CN111307926B publication Critical patent/CN111307926B/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
    • 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
    • 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
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change

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)
  • Chemical & Material Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Immunology (AREA)
  • Biotechnology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physiology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Optics & Photonics (AREA)
  • Microbiology (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)

Abstract

本发明提供了基于血清的布鲁氏菌疫苗株感染快速检测方法，涉及蛋白质指纹图谱检测技术领域。本发明提供了用于鉴别布鲁氏菌疫苗株感染血清的特征蛋白组合，利用这些特征蛋白组合通过ClinProTools软件的GA模型算法构建疫苗株感染布鲁氏菌病血清的标准检测模型，所构建模型的识别能力为100％，交叉验证值为99.56％。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。本发明方法适于布鲁氏菌疫苗株感染的高危人群的血清检测，准确度高、重复性好，通量高，4小时内可完成96个样本的检测，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快速检测方法
技术领域
本发明涉及蛋白质指纹图谱检测技术领域，具体地，涉及用于检测血清特征蛋白的质谱模型以及基于该质谱模型鉴别无症状者是否为布鲁氏菌疫苗株感染的方法。
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。给动物免疫接种的兽医、布病疫苗生产企业的职工等职业人群布病感染率较高，感染少剂量的疫苗株没有明显症状，并且疫苗株感染后血液中没有病原，无法用病原学细菌分离试验证实，只体现为血清抗体阳性。对于该类人群，只有长期或大剂量感染导致布病明显症状时，才进行就医诊断，存在严重的安全隐患。人感染低剂量没有明显症状，治疗后预后良好；但高剂量的疫苗株感染，治疗不及时可发生多器官受损，易转为难以治愈的慢性病人，严重影响生活质量和生命长度，疾病负担严重。
牧区兽医及布病疫苗生产企业疫苗生产从业人员是布病疫苗株感染的高危人群。目前没有单纯针对疫苗株感染的布病检测技术。常用的方法是采用试管凝集试验进行血清抗体检测，阳性即诊断为布病，若区分是自然野毒感染还是疫苗株感染，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。无论是试管凝集试验还是半胱氨酸凝集试验，均操作繁琐、通量低、耗时长，成本高难以达到快速确诊的需求；并且试管凝集试验血清抗体诊断方法有时会出现前滞现象和封闭现象，会有假阴性结果，半胱氨酸凝集试验敏感性较差，不适于大面积检疫检测与监测。因此，我国急需用于监测兽医、布病疫苗生产企业职工健康状态的快速、高通量的方法，为疫情监测、控制及处置提供可行的技术手段。
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。MALDI-TOF MS用于血培养布鲁氏菌的检测已有报道，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。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鉴定技术，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
本发明的目的是为了弥补目前缺乏用于监测兽医、布病疫苗生产企业职工是否感染布氏菌疫苗株的快速检测方法，而提供一种适于布鲁氏菌疫苗株感染的高危人群的血清的快速、高通量的检测方法。
本发明依据健康人(非布鲁氏菌感染者)与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GA模型算法构建感染布鲁氏菌疫苗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感染血清的特征蛋白组合，利用构建的标准检测模型，进行人血清的快速检测，甄别无症状的布病高危人群是否为布鲁氏菌疫苗株感染。
本发明首先提供一种检测感染布鲁氏菌(Brucella)疫苗株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：1327.78、1447.84、1543.74、1625.83、2140.4、2280.12、2990.83、4062.8、4430.36、5522.74、5904.2、6879.88、7764.03、7921.37、12112.13。
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GA模型算法进行构建得到的。
进一步，本发明提供一种检测感染布鲁氏菌(Brucella)疫苗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抗体为阴性的人血清样本、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15个特征蛋白，每个特征蛋白的质荷比m/z分别为：1327.78、1447.84、1543.74、1625.83、2140.4、2280.12、2990.83、4062.8、4430.36、5522.74、5904.2、6879.88、7764.03、7921.37、12112.13。
所述模型算法为遗传算法GA，算法参数选择：模型中的最大峰数目为25，最大迭代次数50-70，最邻近分类数选择1-7进行优化。
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、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GA模型，模型识别能力为100％，交叉验证能力为99.56％。
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检测系统中的应用。
本发明提供一种感染布鲁氏菌病疫苗株血清的检测系统，所述检测系统采用ClinProTools软件调用本发明所述标准检测模型，对待测血清样本的质谱数据进行检索分类，确定检测的血清样本是来源于健康人还是布鲁氏菌疫苗株感染者。
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病疫苗株血清的检测方法，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健康人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，离子源1电压,20kV,离子源2电压,18.5kV,透镜电压,8.45kV；延时提取,320ns；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。
本发明针对大量健康人血清与布鲁氏菌疫苗株感染后的人体血清中的蛋白进行质谱分析，通过ClinProTools软件的GA模型算法构建疫苗株感染布鲁氏菌病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的15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99.56％。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。
本发明方法适于布鲁氏菌疫苗株感染的高危人群的血清检测。利用本发明建立的检测方法检测了48例血清样本，其中18例为试管凝集试验阳性的血清样本，流行病学调查及临床诊断、实验室半胱氨酸凝集试验等多种方法联合确定这些样本为布鲁氏菌疫苗株感染，其余30例为健康人血清样本。采用本发明的方法，18例疫苗株感染样本均被正确识别；30例健康人样本正确识别29例，正确率为97.9％。并且本发明在4小时内可完成96个样本的检测，具有高通量、快速、经济的特性，适用于甄别无症状的布病高危人群疫苗株感染，为疾病监测、流行病学调查、公共卫生应急处置提供有力的技术支撑。
附图说明
图1为模型训练用样本的原始数据胶模式图，上图为健康人血清样本，下图为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，图中叉为健康人相关血清样本，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，上部浅色为健康人血清谱图，下部深色为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例健康人(布病抗体阴性)的血清样本、30例布鲁氏菌疫苗株感染的血清样本，布鲁氏菌病的疫苗株有S2和A19，所有疫苗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，离子源1电压,20kV,离子源2电压,18.5kV,透镜电压,8.45kV；延时提取,320ns；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ClinProTools软件对血清样本的原始数据按健康人及布鲁氏菌疫苗株感染分成两组进行峰值统计计算分析，确定用于组间差异峰，即两组样本所有的差异蛋白系列，共计100个(表1)。
表1峰统计计算分析疫苗株感染与健康人血清中的全部差异蛋白
质荷比 P值 质荷比 P值 质荷比 P值
1007.87 <0.000001 2990.83 <0.000001 6806.17 <0.000001
1037.87 <0.000001 3095.44 0.000148 6851.03 <0.000001
1057.1 <0.000001 3263.24 0.00491 6879.88 <0.000001
1327.78 <0.000001 3274.61 <0.000001 7009.3 <0.000001
1447.84 <0.000001 3425.75 <0.000001 7223.37 <0.000001
1463.9 <0.000001 3563.39 <0.000001 7396.01 0.00000164
1515.66 <0.000001 3691.65 <0.000001 7563.92 0.00000131
1521.06 <0.000001 3882.67 0.00000126 7764.03 <0.000001
1543.74 <0.000001 3971.16 0.00000525 7803.16 <0.000001
1566.8 0.00158 4062.8 0 7833.11 0.00000265
1598.84 <0.000001 4299.21 0.000494 7861.69 <0.000001
1615.33 <0.000001 4396.69 <0.000001 7879.32 <0.000001
1617.89 <0.000001 4430.36 <0.000001 7921.37 0
1625.83 <0.000001 4474.83 0.0283 8123.52 0
1658.24 <0.000001 4500.72 0 8138.48 <0.000001
1678.13 0.00143 4529 <0.000001 8597.9 0
1739.22 <0.000001 4570.17 <0.000001 8640.35 0
1777.97 0.0421 4615.16 <0.000001 8672.85 <0.000001
1816.09 <0.000001 4717.99 0.00000229 8858.76 <0.000001
1864.41 <0.000001 4741.84 <0.000001 8986.18 <0.000001
1943.58 <0.000001 5108.15 0.000358 9173.01 <0.000001
1966.8 <0.000001 5130.52 0.0363 9285.47 0.0468
2069.05 <0.000001 5160.38 0.000596 9327.79 0.000032
2081.11 <0.000001 5336.85 <0.000001 9576.87 <0.000001
2140.4 0.000031 5522.74 <0.000001 11087.37 <0.000001
2209.33 <0.000001 5576.14 <0.000001 11344.35 <0.000001
2280.12 0 5614.84 <0.000001 12112.13 <0.000001
2306.6 <0.000001 5800.5 <0.000001 12191.1 0.00004
2645.52 0.000132 5904.2 <0.000001 12450.1 0.00137
2660.03 <0.000001 5984.25 0.00133 12605.55 <0.000001
2668.35 0.0000151 6001.19 0.0000279 13289.09 0.000181
2883.37 <0.000001 6091.93 0.00123 13311.59 0.00047
2899.97 0.0000521 6225.68 <0.000001
2952.32 <0.000001 6630.55 0.015
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、健康人样本为组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。
遗传算法(GA)算法参数选择：模型中的最大峰数目为25，最大迭代次数50-70，最邻近分类数选择1-7进行优化，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15个(包含在100个组间差异蛋白中)(表2)：质荷比m/z：1327.78、1447.84、1543.74、1625.83、2140.4、2280.12、2990.83、4062.8、4430.36、5522.74、5904.2、6879.88、7764.03、7921.37、12112.13。两组数据的二维分布图显示较好的区分能力(图2)。
表2布鲁氏菌疫苗株感染与健康人血清特征差异系列蛋白
质荷比 P值 在疫苗株感染血清中
1327.78 <0.000001 上调
1447.84 <0.000001 不表达
1543.74 <0.000001 下调
1625.83 <0.000001 下调
2140.4 0.000031 下调
2280.12 0 上调
2990.83 <0.000001 上调
4062.8 0 上调
4430.36 <0.000001 上调
5522.74 <0.000001 下调
5904.2 <0.000001 上调
6879.88 <0.000001 上调
7764.03 <0.000001 上调
7921.37 0 上调
12112.13 <0.000001 上调
本发明通过优化和分析，获得的用于分辨健康人和布病疫苗株感染的最优标准检测模型为GA模型，模型识别能力为100％，交叉验证值为99.56％。SVM模型识别能力为100％，交叉验证值为97.05％；SNN模型识别能力100％，交叉验证值为98.43％；QC模型识别能力98.33％，交叉验证值96.8％。
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样本是疫苗株感染还是健康人。
实施例2模型分类能力检测
应用实施例1所构建的健康人与布鲁氏菌疫苗株感染标准检测模型，对48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。
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，离子源1电压,20kV,离子源2电压,18.5kV,透镜电压,8.45kV；延时提取,320ns；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。
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，利用其分类功能对全部48例样本(流行病学及临床确认18例为疫苗株感染、30例为抗体阴性的健康人)的96张谱图数据进行检索验证，验证样本谱图见图3。结果显示正确鉴定布鲁氏菌疫苗株感染18例(100％)、健康人29例(96.7％)(表3)，正确率为97.9％，48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5μL血清。
其他模型对48例样本的检测的准确度为：SNN疫苗株感染98％，健康人94.6％；QC模型疫苗株感染100％，健康人72.9％；SVM疫苗株感染83.3％，健康人94.6％。
表3模型实际应用检测分析结果
样本名称 分类结果 是否正确 样本名称 分类结果 是否正确
Q16 2 是 Q55 2 是
Q17 2 是 Q56 1 否
Q18 2 是 Q57 2 是
Q19 2 是 Q58 2 是
Q20 2 是 Q59 2 是
Q21 2 是 Q60 2 是
Q22 2 是 V100 1 是
Q23 2 是 V102 1 是
Q24 2 是 V104 1 是
Q25 2 是 V107 1 是
Q26 2 是 V111 1 是
Q27 2 是 V117 1 是
Q28 2 是 V118 1 是
Q29 2 是 V125 1 是
Q45 2 是 V133 1 是
Q46 2 是 V82 1 是
Q47 2 是 V83 1 是
Q48 2 是 V85 1 是
Q49 2 是 V86 1 是
Q50 2 是 V90 1 是
Q51 2 是 V91 1 是
Q52 2 是 V94 1 是
Q53 2 是 V95 1 是
Q54 2 是 V97 1 是
注：1表示鉴定为疫苗株感染，2表示鉴定为健康人
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与健康人血清。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高危人群筛查的新型技术，可准确判断待检测血清是否为布鲁氏菌疫苗株感染。
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 (10)

1.一种检测感染布鲁氏菌(Brucella)疫苗株血清的特征蛋白组合，其特征在于，所述特征蛋白组合中每个特征蛋白的质荷比m/z分别为：1327.78、1447.84、1543.74、1625.83、2140.4、2280.12、2990.83、4062.8、4430.36、5522.74、5904.2、6879.88、7764.03、7921.37、12112.13。
2.权利要求1所述的特征蛋白组合在构建检测布鲁氏菌(Brucella)疫苗株感染血清的试剂盒或检测模型中的应用。
3.根据权利要求2所述的应用，其特征在于，利用ClinProTools软件的GA模型算法进行构建。
4.一种检测感染布鲁氏菌(Brucella)疫苗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病抗体为阴性的人血清样本、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15个特征蛋白，每个特征蛋白的质荷比m/z分别为：1327.78、1447.84、1543.74、1625.83、2140.4、2280.12、2990.83、4062.8、4430.36、5522.74、5904.2、6879.88、7764.03、7921.37、12112.13。
5.根据权利要求4所述的标准检测模型，其特征在于，所述模型算法为遗传算法GA，算法参数选择：模型中的最大峰数目为25，最大迭代次数50-70，最邻近分类数选择1-7进行优化。
6.权利要求4或5所述的标准检测模型在构建布鲁氏菌疫苗株感染血清检测系统中的应用。
7.一种感染布鲁氏菌病疫苗株血清的检测方法，其特征在于，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4或5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健康人还是布鲁氏菌疫苗株感染者。
8.根据权利要求7所述的检测方法，其特征在于，步骤(3)中，采集的数据强度叠加至少为1.0×104。
9.根据权利要求7或8所述的检测方法，其特征在于，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，离子源1电压,20kV,离子源2电压,18.5kV,透镜电压,8.45kV；延时提取,320ns；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。
10.一种感染布鲁氏菌病疫苗株血清的检测系统，其特征在于，所述检测系统采用ClinProTools软件调用权利要求4或5所述标准检测模型，对待测血清样本的质谱数据进行检索分类，确定检测的血清样本是来源于健康人还是布鲁氏菌疫苗株感染者。
CN202010156438.4A 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染快速检测方法 Active CN111307926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010156438.4A CN111307926B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010156438.4A CN111307926B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染快速检测方法

Publications (2)

Publication Number Publication Date
CN111307926A true CN111307926A (zh) 2020-06-19
CN111307926B CN111307926B (zh) 2023-08-01

Family

ID=71149529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010156438.4A Active CN111307926B (zh) 2020-03-09 2020-03-09 基于血清的布鲁氏菌疫苗株感染快速检测方法

Country Status (1)

Country Link
CN (1) CN111307926B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112798678A (zh) * 2021-03-22 2021-05-14 中国疾病预防控制中心传染病预防控制所 基于血清的新型冠状病毒感染快速检测方法
WO2023125741A1 (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
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

Citations (4)

* 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
US20170211120A1 (en) * 2016-01-21 2017-07-27 University Of Maryland, Baltimore Pathogen Identification in Complex Biological Fluids
CN107273717A (zh) * 2017-05-27 2017-10-20 中国人民解放军第三0七医院 一种肺癌血清基因的检测模型及其构建方法和应用
CN109270138A (zh) * 2018-09-03 2019-01-25 喀什金慧通实业开发有限责任公司 检测布鲁氏菌病的电化学免疫传感器的制备方法及其应用

Patent Citations (4)

* 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
US20170211120A1 (en) * 2016-01-21 2017-07-27 University Of Maryland, Baltimore Pathogen Identification in Complex Biological Fluids
CN107273717A (zh) * 2017-05-27 2017-10-20 中国人民解放军第三0七医院 一种肺癌血清基因的检测模型及其构建方法和应用
CN109270138A (zh) * 2018-09-03 2019-01-25 喀什金慧通实业开发有限责任公司 检测布鲁氏菌病的电化学免疫传感器的制备方法及其应用

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
俞静等: "应用MALDI-TOF MS技术快速鉴定布鲁菌", 《国际检验医学杂志》 *
李广强等: "量子点标记免疫层析技术检测布鲁氏菌病的方法研究", 《中国人兽共患病学报》 *
汤旭: "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》 *
王娜娜等: "基于蛋白质谱技术建立胃癌诊断预测模型及其初步验证", 《国际检验医学杂志》 *
豆晓霞等: "布鲁氏菌不同菌株间差异蛋白的研究进展", 《新疆农垦科技》 *
邵宏业: "107份人血清布鲁氏菌病两种检测方法比较", 《中国卫生检验杂志》 *
马庆波等: "基于贝叶斯-神经网络筛选矽肺早期标志物及建立诊断模型", 《质谱学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112798678A (zh) * 2021-03-22 2021-05-14 中国疾病预防控制中心传染病预防控制所 基于血清的新型冠状病毒感染快速检测方法
WO2023125741A1 (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
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
WO2023125749A1 (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

Also Published As

Publication number Publication date
CN111307926B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN111307926B (zh) 基于血清的布鲁氏菌疫苗株感染快速检测方法
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
US10910205B2 (en) Categorization data manipulation using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer
CN108363908B (zh) 用于检测生物分子的智谱系统
CN112946053B (zh) 用于制备诊断新冠病毒感染检测产品的特征多肽组合物
CN111007139B (zh) 基于血清的布鲁氏菌感染快速检测方法
US20060064253A1 (en) Multiple high-resolution serum proteomic features for ovarian cancer detection
CN103308696A (zh) 基于质谱技术的布鲁氏菌快速检测试剂盒
WO2013016966A1 (zh) 检测肺癌蛋白的质谱模型及构建方法
WO2022166486A1 (zh) 用于诊断新冠肺炎的特征多肽组合物
WO2022166485A1 (zh) 用于诊断新冠肺炎的试剂盒
CN112798678A (zh) 基于血清的新型冠状病毒感染快速检测方法
WO2022166493A1 (zh) 包含用于诊断新冠肺炎的特征多肽的质谱模型
WO2022166494A1 (zh) 用于诊断新冠肺炎的质谱模型的构建方法
WO2022166487A1 (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
CN116337986B (zh) 一种基于maldi-tof ms的肯塔基沙门氏菌的快速鉴定方法
WO2009022173A1 (en) Novel diagnostic methods
CN114354946A (zh) 地域性人源病原菌多肽质量参考谱库的建立方法
Lee et al. Performance assessment of ASTA MicroIDSys, a new matrix assisted laser desorption ionization‐time of flight mass spectrometry system, for identification of viridans group streptococci
CN116087482A (zh) 用于新型冠状病毒感染患者病程严重程度分型的生物标志物
Sayour et al. BRUCELLA MOLECULAR RECOGNITION BY MATRIX-ASSISTED LASER DESORPTION IONIZATION TIME-OF-FLIGHT MASS SPECTROMETRY
CN117995272A (zh) 一种构建梅毒cfDNA高通量测序的机器学习模型方法
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

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