CN111961716A - 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用 - Google Patents

一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用 Download PDF

Info

Publication number
CN111961716A
CN111961716A CN202010827820.3A CN202010827820A CN111961716A CN 111961716 A CN111961716 A CN 111961716A CN 202010827820 A CN202010827820 A CN 202010827820A CN 111961716 A CN111961716 A CN 111961716A
Authority
CN
China
Prior art keywords
hsa
mir
acute pancreatitis
marker
prediction 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
CN202010827820.3A
Other languages
English (en)
Other versions
CN111961716B (zh
Inventor
杜奕奇
孔祥毓
李兆申
李磊
孔凡扬
吴守信
程雅文
楼敬伟
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.)
Shanghai Biotecan Biology Medicine Technology Co ltd
Shanghai Biotecan Medical Diagnostics Co ltd
First Affiliated Hospital of Naval Military Medical University of PLA
Original Assignee
Shanghai Biotecan Medical Diagnostics Co ltd
Shanghai Zhangjiang Medical Innovation Research Institute
Shanghai Biotecan Biology Medicine Technology Co ltd
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 Shanghai Biotecan Medical Diagnostics Co ltd, Shanghai Zhangjiang Medical Innovation Research Institute, Shanghai Biotecan Biology Medicine Technology Co ltd filed Critical Shanghai Biotecan Medical Diagnostics Co ltd
Priority to CN202010827820.3A priority Critical patent/CN111961716B/zh
Publication of CN111961716A publication Critical patent/CN111961716A/zh
Application granted granted Critical
Publication of CN111961716B publication Critical patent/CN111961716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • 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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • 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
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/136—Screening for pharmacological compounds
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/178—Oligonucleotides characterized by their use miRNA, siRNA or ncRNA

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Zoology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Wood Science & Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Bioethics (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用，所述标志物包括hsa‑miR‑4265、hsa‑miR‑1208、hsa‑miR‑516a或hsa‑miR‑3127中的任意一种或至少两种的组合。本发明的hsa‑miR‑4265、hsa‑miR‑1208、hsa‑miR‑516a和hsa‑miR‑3127与发生持续性器官衰竭的急性胰腺炎具有显著的相关性，根据上述标志物的相对表达量有助于构建急性胰腺炎预后预测模型，个体化预测急性胰腺炎患者是否发生持续性器官衰竭，为急性胰腺炎患者提供准确、有用的预后信息。

Description

一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其 应用
技术领域
本发明涉及生物技术领域，涉及基因诊断技术领域，涉及一种疾病预后标志物、疾病预后预测模型及其应用，具体涉及一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其在预测持续性器官衰竭状态中的应用。
背景技术
急性胰腺炎(AP)是常见的胃肠道疾病，在全世界范围内发病率呈逐年递增的趋势，给当前的医疗保健系统带来了沉重的负担。大多数AP患者的临床病程较轻，可以治愈且没有后遗症。尽管如此，10％～20％的AP患者发生有持续性器官衰竭(POF)，被认为是不良预后的主要决定因素，死亡率高达30％。早期预测AP患者在预后过程中是否发生POF具有非常重要的临床意义，有利于医生在早期即可预测急性胰腺炎的转归情况，显著改善AP患者的预后。
目前，部分临床实践指南中建议使用评分系统预测AP发病的严重程度，例如Ranson评分系统、急性生理和慢性健康检测(APACHE)系统II、以及AP严重程度的床旁指数(BISAP)。但是，这些评分系统存在许多不足，包括准确性差、效率较低、耗时较长、操作复杂等。尽管人们也在关注血尿素氮(BUN)和肌酐作为参数在预测急性胰腺炎严重程度和预后中的作用，但是目前仍然缺乏有效的早期预测分子标志物。
微小RNA(hsa-miRNA)是一类内源性非编码RNA，可以在转录后调控基因的表达。研究发现，hsa-miR-216a在AP患者的血浆中显著升高，并且可以作为标志物诊断具有高度特异性的AP。但是，目前尚未有研究探索循环hsa-miRNA在预测AP患者是否发生POF方面的潜能。外泌体是直径为30～150nm的细胞外囊泡，体液中的外泌体是疾病生物标志物的稳定来源。
CN101827941A公开了用于区分胰腺癌与正常胰腺功能和/或慢性胰腺炎的方法，所述方法包括检测hsa-miR基因产物在组织样品中的表达水平，所述hsa-miR基因包括hsa-miR-21、hsa-miR-221、hsa-miR-222、hsa-miR-181a、hsa-miR-181b、hsa-miR-181d和hsa-miR-155及其组合，但是上述hsa-miR基因不是AP预后标志物，不能用于预测AP患者在预后过程中是否发生POF。
CN109777874A公开了一种适用于胰腺导管腺癌诊断及预后判断的血浆外泌体hsa-miRNA标志物及应用，对胰腺导管腺癌具有较高诊断及鉴别诊断价值的生物标志物包括血浆外泌体hsa-miRNA-95-3p、hsa-miRNA-26b-5p、hsa-miRNA-335-5p；通过血浆外泌体hsa-miRNA标志物和诊断试剂盒的研制和应用，为胰腺导管腺癌做出更精确的诊断，尤其是辅助临床医生将胰腺导管腺癌与慢性胰腺炎进行鉴别诊断，同时对患者的预后进行评估，为临床医生准确掌握患者病情，提高临床治疗效果奠定基础。但是上述hsa-miRNA同样不是AP预后标志物，不能用于预测AP患者在预后过程中是否发生POF。
因此，目前的发生POF的AP疾病尚无典型的诊断标志物，提供针对发生POF的AP疾病的特异性标志物，用于临床AP患者的预后评价和早期筛查，有利于为患者提供更加精确的预诊和诊断信息，具有重要意义。
发明内容
针对现有技术的不足和实际需求，本发明提供了一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用，通过分析发生或未发生持续性器官衰竭的急性胰腺炎患者中血清外泌体hsa-miRNA的表达水平，获得的外泌体hsa-miRNA标志物与急性胰腺炎预后显著相关，由此构建的胰腺炎预后预测模型可以在早期预测急性胰腺炎患者是否发生持续性器官衰竭，有利于指导医生制定适宜的救助策略，改善急性胰腺炎患者的预后。
为达此目的，本发明采用以下技术方案：
第一方面，本发明提供了一种急性胰腺炎预后标志物，所述标志物包括hsa-miR-4265、hsa-miR-1208、hsa-miR-516a或hsa-miR-3127中的任意一种或至少两种的组合。本发明中，hsa-miR-4265、hsa-miR-1208、hsa-miR-516a和hsa-miR-3127与发生持续性器官衰竭(POF)的急性胰腺炎具有显著的相关性，根据上述标志物的相对表达量有助于构建急性胰腺炎预后预测模型，个体化预测急性胰腺炎患者是否发生持续性器官衰竭，为急性胰腺炎患者提供准确、有用的预后信息。
本发明中，hsa-miR-4265相较于hsa-miR-1208、hsa-miR-516a或hsa-miR-3127对急性胰腺炎发生持续性器官衰竭的预测能力更强，与急性胰腺炎不良预后显著相关，预测能力较现有的多因素评分系统APACHE II、BISAP和生化检验指标血尿素氮(BUN)、肌酐(Cr)得到显著提高。
优选地，所述标志物包括外泌体hsa-miR-3127、hsa-miR-4265、hsa-miR-1208或hsa-miR-516a中的任意一种或至少两种的组合。
根据本发明，外泌体中富含hsa-miRNA，外泌体hsa-miRNA与非外泌体hsa-miRNA相比，灵敏度更高，在临床诊断中具有更高的预测价值。
优选地，所述标志物包括血清外泌体hsa-miR-3127、hsa-miR-4265、hsa-miR-1208或hsa-miR-516a中的任意一种或至少两种的组合。
第二方面，本发明提供了一种急性胰腺炎预后预测模型，所述预测模型采用第一方面所述的标志物进行预后预测。
优选地，所述预测模型采用第一方面所述的标志物进行急性胰腺炎持续性器官衰竭状态的预测。
优选地，所述预测模型的输入变量为第一方面所述的标志物的相对表达量。
本发明中，第一方面所述的标志物的相对表达量采用定量PCR和/或高通量测序方法进行检测。
优选地，所述预测模型的输入变量为hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量。
优选地，所述预测模型的方程式为：
Cmi＝6.043+0.244×hsa-miR-3127+0.511×hsa-miR-4265+0.309×hsa-miR-1208。
本发明中，以hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量作为输入变量构建的预测模型Cmi，与发生持续性器官衰竭的急性胰腺炎具有显著的相关性，对急性胰腺炎中持续性器官衰竭状态具有预测能力，与急性胰腺炎不良预后显著相关，预测能力较现有的多因素评分系统APACHE II、BISAP和生化检验指标血尿素氮(BUN)、肌酐(Cr)得到显著提高。
第三方面，本发明提供了一种第二方面所述的预测模型的构建方法，所述构建方法包括以下步骤：
(1)在已知持续性器官衰竭状态的急性胰腺炎样本中，进行hsa-miRNA表达谱分析，得到与持续性器官衰竭状态显著相关的hsa-miRNA；
(2)对所述与持续性器官衰竭状态显著相关的hsa-miRNA进行二项逻辑回归建模，构建得到所述预测模型。
优选地，步骤(1)所述样本包括血液、尿液、腹水、唾液或组织中的任意一种或至少两种的组合，优选为血液，进一步优选为血清外泌体。
优选地，步骤(1)所述与持续性器官衰竭状态显著相关的hsa-miRNA包括hsa-miR-4265、hsa-miR-1208、hsa-miR-516a、hsa-miR-3127、hsa-miR-631、hsa-miR-3180、hsa-miR-5194、hsa-miR-4294、hsa-miR-4513、hsa-miR-4685、hsa-miR-4776和hsa-miR-6083。
第四方面，本发明提供了一种预测急性胰腺炎预后的系统，所述系统采用第一方面所述的标志物进行预后预测。
优选地，所述系统采用第一方面所述的标志物进行急性胰腺炎持续性器官衰竭状态的预测。
优选地，所述系统的输入变量为第一方面所述的标志物的相对表达量。
优选地，所述系统的输入变量为hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量。
优选地，所述系统的方程式为：
Cmi＝6.043+0.244×hsa-miR-3127+0.511×hsa-miR-4265+0.309×hsa-miR-1208。
第五方面，本发明提供了一种预测急性胰腺炎预后的装置，所述装置包括检测单元和分析单元。
优选地，所述检测单元检测样本中第一方面所述的标志物的相对表达量。
优选地，所述检测方法为定量PCR。
优选地，所述分析单元将第一方面所述的标志物的相对表达量作为输入变量，输入第二方面所述的预测模型和/或第四方面所述的系统，分析持续性器官衰竭状态。
第六方面，本方面提供了一种第一方面所述的标志物、第二方面所述的预测模型、第四方面所述的系统或第五方面所述的装置在制备急性胰腺炎预后诊断试剂和/或急性胰腺炎预后治疗药物中的应用。
与现有技术相比，本发明具有如下有益效果：
(1)本发明的标志物hsa-miR-3127、hsa-miR-1208、hsa-miR-516a和hsa-miR-4265与急性胰腺炎预后具有显著的相关性，是判断急性胰腺炎是否发生持续性器官衰竭最为灵敏和特异的、先于临床病理学特征的标志物；
(2)本发明以hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量作为输入变量构建的预测模型Cmi，与发生持续性器官衰竭的急性胰腺炎具有显著的相关性，可以准确预测胰腺炎预后是否发生持续性器官衰竭(POF)，有助于个体化预测胰腺炎患者的预后情况，对临床医生进行急性胰腺炎患者管理具有指导作用。
附图说明
图1(A)为外泌体的电子显微镜图，图1(B)为外泌体的纳米粒子跟踪分析图；
图2(A)为hsa-miR-4265在训练集中的箱型图，图2(B)为hsa-miR-1208在训练集中的箱型图，图2(C)为hsa-miR-516a在训练集中的箱型图，图2(D)为Cmi模型在训练集中的箱型图；
图3(A)为hsa-miR-4265在第一验证集中的箱型图，图3(B)为hsa-miR-1208在第一验证集中的箱型图，图3(C)为hsa-miR-516a在第一验证集中的箱型图，图3(D)为Cmi模型在第一验证集中的箱型图；
图4(A)为hsa-miR-4265在第二验证集中的箱型图，图4(B)为hsa-miR-1208在第二验证集中的箱型图，图4(C)为hsa-miR-516a在第二验证集中的箱型图，图4(D)为Cmi模型在第二验证集中的箱型图；
图5(A)为hsa-miR-4265在合并的V1+V2中的箱型图，图5(B)为hsa-miR-1208在合并的V1+V2中的箱型图，图5(C)为hsa-miR-516a在合并的V1+V2中的箱型图，图5(D)为Cmi模型在合并的V1+V2中的箱型图；
图6(A)为hsa-miRNA-4265与AP患者的不良预后显著相关，图6(B)为Cmi模型与AP患者的不良预后显著相关；
图7(A)为训练集中hsa-miRNA-4265和Cmi模型与现有方法的POF预测能力比较，图7(B)为第一验证集中hsa-miRNA-4265和Cmi模型与现有方法的POF预测能力比较，图7(C)为第二验证集中hsa-miRNA-4265和Cmi模型与现有方法的POF预测能力比较，图7(D)为合并的V1+V2中hsa-miRNA-4265和Cmi模型与现有方法的POF预测能力比较。
具体实施方式
为进一步阐述本发明所采取的技术手段及其效果，以下结合实施例和附图对本发明作进一步地说明。可以理解的是，此处所描述的具体实施方式仅仅用于解释本发明，而非对本发明的限定。
实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件，或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可通过正规渠道商购获得的常规产品。
实施例1外泌体的提取和鉴定
本实施例从急性胰腺炎患者的血清样本中分离、筛选得到血清外泌体，电子显微镜结果如图1(A)所示，外泌体为存在双层膜结构的圆形颗粒，纳米粒子跟踪分析实验结果如图1(B)所示，大多数粒子的直径在30～150nm范围内，符合外泌体鉴定标准，说明从血清样本中成功提取得到血清外泌体。
实施例2样本的hsa-miRNA表达谱
本发明的研究样本包括790例急性胰腺炎(AP)患者的血清样本，分为训练集和两个验证集，其中，发生持续性器官衰竭(POF)的AP患者与非POF的AP患者相比，预后差，采用APACHE或BISAP系统进行评分后获得的分数高，血尿素氮(BUN)和肌酐参数高。
在发现阶段，采用微阵列对5例发生POF的AP样本和5例非POF的AP样本进行分析，鉴定得到90种差异表达的外泌体hsa-miRNA；对这90种外泌体hsa-miRNA表达谱进行聚类分析，可以实现上述10例样本的绝对分离，说明血清外泌体hsa-miRNA对于发生POF的AP具有潜在的预测能力。为了最大程度减少假阳性结果，从90种外泌体hsa-miRNA中排除了其中的55种。
实施例3预测模型的建立
在包含41例POF的AP样本和186例非POF的AP样本的训练集中，采用定量PCR对剩余的35种外泌体hsa-miRNA进行验证，根据检出率小于75％，排除了其中的17种hsa-miRNA；
在剩余的18种hsa-miRNA中，有12种hsa-miRNA(hsa-miR-4265、1208、516a、3127、631、3180、5194、4294、4513、4685、4776和6083)与POF状态显著相关(p<0.001)；对这12种hsa-miRNA进行二项逻辑回归建模，构建得到基于3种hsa-miRNA(hsa-miR-4265、1208、3127)的预测AP患者是否发生POF的数学模型，并确定了模型的方程式：
Cmi＝6.043+0.244×hsa-miR-3127+0.511×hsa-miR-4265+0.309×hsa-miR-1208
本实施例同时选择了hsa-miR-4265、1208和516a作为单独的候选标志物进行POF预测分析。
hsa-miR-4265、1208、516a和Cmi模型在训练集中的箱型图如图2(A)、图2(B)、图2(C)和图2(D)所示，可以看出，hsa-miR-4265、1208、516a和Cmi与POF具有显著的相关性，AUROC分别为：hsa-miR-4265：0.89(95％CI，0.84-0.95，P<0.0001)，hsa-miR-1208：0.86(95％CI，0.79-0.93，P<0.0001)，hsa-miR-516a：0.85(95％CI，0.78-0.91，P<0.0001)，Cmi：0.90(95％CI，0.85-0.96，P<0.0001)。
实施例4验证hsa-miRNA-4265和Cmi模型对POF状态的预测价值
在两个独立的验证集中，hsa-miR-4265、3127、1208和516a在发生POF的AP样本中持续升高。
在第一验证集V1中，如图3(A)、图3(B)、图3(C)和图3(D)所示，hsa-miR-4265的AUC为0.91(95％CI，0.86-0.95)，hsa-miR-1208的AUC为0.85(95％CI，0.78-0.91)，hsa-miR-516a的AUC为0.78(95％CI，0.70-0.86)，Cmi模型的AUC为0.89(95％CI，0.84-0.94)；
在第二验证集V2中，如图4(A)、图4(B)、图4(C)和图4(D)所示，hsa-miR-4265的AUC为0.89(95％CI，0.83-0.94)，hsa-miR-1208的AUC为0.80(95％CI，0.71-0.89)，hsa-miR-516a的AUC为0.76(95％CI，0.67-0.85)，Cmi模型的AUC为0.86(95％CI，0.80-0.92)；
在合并的V1+V2中，如图5(A)、图5(B)、图5(C)和图5(D)所示，hsa-miR-4265的AUC为0.89(95％CI，0.86-0.93)，hsa-miR-1208的AUC为0.83(95％CI，0.77-0.88)，hsa-miR-516a的AUC为0.77(95％CI，0.71-0.83)，Cmi模型的AUC为0.88(95％CI，0.84-0.91)；
可以看出，在验证集中，hsa-miR-4265、1208、516a和Cmi与POF同样具有显著的相关性，与hsa-miR-1208和516a相比，hsa-miR-4265和Cmi的预测能力更强，可能作为预测POF的标志物。
实施例5hsa-miRNA-4265和Cmi模型与临床结果的相关性
鉴于POF是AP严重程度的关键决定因素，与AP不良预后密切相关，本实施例检测了hsa-miRNA-4265和Cmi模型与临床结果的相关性。
如图6(A)和图6(B)所示，hsa-miRNA-4265和Cmi模型与AP患者的不良预后显著相关。
实施例6比较hsa-miRNA-4265和Cmi模型与现有方法的POF预测能力
本实施例比较了hsa-miRNA-4265和Cmi模型与多因素评分系统APACHE II、BISAP和生化检验指标血尿素氮(BUN)、肌酐(Cr)的POF预测能力。
如图7(A)所示，在训练集(Training Cohort)中，与现有的评分系统APACHE II、BISAP和评价参数血尿素氮(BUN)、肌酐(Cr)相比，外泌体hsa-miRNA-4265和Cmi模型具有最优的POF预测能力；
如图7(B)、图7(C)和图7(D)所示，在第一验证集(Validation cohort1)、第二验证集(Validation cohort 2)和合并的V1+V2(Validation cohort 1+2)中，外泌体hsa-miRNA-4265比APACHE II、BISAP、BUN和Cr具有更优的POF预测能力，Cmi模型比BUN和Cr具有更优的POF预测能力，但在第一验证集和第二验证集中，Cmi模型的预测能力稍弱于APACHEII和BISAP。
综上所述，本发明通过血清外泌体hsa-miRNA检测和数学建模，为急性胰腺炎患者不良预后的预测提供了高灵敏度和高特异性的分子标志物组合，有利于临床医生更加精准地进行急性胰腺炎患者管理，并显著改善急性胰腺炎患者的预后。
申请人声明，本发明通过上述实施例来说明本发明的详细方法，但本发明并不局限于上述详细方法，即不意味着本发明必须依赖上述详细方法才能实施。所属技术领域的技术人员应该明了，对本发明的任何改进，对本发明产品各原料的等效替换及辅助成分的添加、具体方式的选择等，均落在本发明的保护范围和公开范围之内。

Claims (10)

1.一种急性胰腺炎预后标志物，其特征在于，所述标志物包括hsa-miR-4265、hsa-miR-1208、hsa-miR-516a或hsa-miR-3127中的任意一种或至少两种的组合。
2.根据权利要求1所述的标志物，其特征在于，所述标志物包括外泌体hsa-miR-3127、hsa-miR-4265、hsa-miR-1208或hsa-miR-516a中的任意一种或至少两种的组合；
优选地，所述标志物包括血清外泌体hsa-miR-3127、hsa-miR-4265、hsa-miR-1208或hsa-miR-516a中的任意一种或至少两种的组合。
3.一种急性胰腺炎预后预测模型，其特征在于，所述预测模型采用权利要求1或2所述的标志物进行预后预测；
优选地，所述预测模型采用权利要求1或2所述的标志物进行急性胰腺炎持续性器官衰竭状态的预测。
4.根据权利要求3所述的预测模型，其特征在于，所述预测模型的输入变量为权利要求1或2所述的标志物的相对表达量；
优选地，所述预测模型的输入变量为hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量；
优选地，所述预测模型的方程式为：
Cmi＝6.043+0.244×hsa-miR-3127+0.511×hsa-miR-4265+0.309×hsa-miR-1208。
5.一种权利要求3或4所述的预测模型的构建方法，其特征在于，所述构建方法包括以下步骤：
(1)在已知持续性器官衰竭状态的急性胰腺炎样本中，进行miRNA表达谱分析，得到与持续性器官衰竭状态显著相关的miRNA；
(2)对所述与持续性器官衰竭状态显著相关的miRNA进行二项逻辑回归建模，构建得到所述预测模型。
6.根据权利要求5所述的构建方法，其特征在于，步骤(1)所述样本包括血液、尿液、腹水、唾液或组织中的任意一种或至少两种的组合，优选为血液，进一步优选为血清外泌体；
优选地，步骤(1)所述与持续性器官衰竭状态显著相关的hsa-miRNA包括hsa-miR-4265、hsa-miR-1208、hsa-miR-516a、hsa-miR-3127、hsa-miR-631、hsa-miR-3180、hsa-miR-5194、hsa-miR-4294、hsa-miR-4513、hsa-miR-4685、hsa-miR-4776和hsa-miR-6083。
7.一种预测急性胰腺炎预后的系统，其特征在于，所述系统采用权利要求1或2所述的标志物进行预后预测；
优选地，所述系统采用权利要求1或2所述的标志物进行急性胰腺炎持续性器官衰竭状态的预测。
8.根据权利要求7所述的系统，其特征在于，所述系统的输入变量为权利要求1或2所述的标志物的相对表达量；
优选地，所述系统的输入变量为hsa-miR-4265、hsa-miR-1208和hsa-miR-3127的相对表达量；
优选地，所述系统的方程式为：
Cmi＝6.043+0.244×hsa-miR-3127+0.511×hsa-miR-4265+0.309×hsa-miR-1208。
9.一种预测急性胰腺炎预后的装置，其特征在于，所述装置包括检测单元和分析单元；
优选地，所述检测单元检测样本中权利要求1或2所述的标志物的相对表达量；
优选地，所述检测方法为定量PCR；
优选地，所述分析单元将权利要求1或2所述的标志物的相对表达量作为输入变量，输入权利要求3或4所述的预测模型和/或权利要求7或8所述的系统，分析持续性器官衰竭状态。
10.一种权利要求1或2所述的标志物、权利要求3或4所述的预测模型、权利要求7或8所述的系统或权利要求9所述的装置在制备急性胰腺炎预后诊断试剂和/或急性胰腺炎预后治疗药物中的应用。
CN202010827820.3A 2020-08-17 2020-08-17 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用 Active CN111961716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010827820.3A CN111961716B (zh) 2020-08-17 2020-08-17 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010827820.3A CN111961716B (zh) 2020-08-17 2020-08-17 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用

Publications (2)

Publication Number Publication Date
CN111961716A true CN111961716A (zh) 2020-11-20
CN111961716B CN111961716B (zh) 2021-07-06

Family

ID=73389138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010827820.3A Active CN111961716B (zh) 2020-08-17 2020-08-17 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用

Country Status (1)

Country Link
CN (1) CN111961716B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114196748A (zh) * 2021-11-09 2022-03-18 安徽医科大学 一种急性胰腺炎早期预测生物标志物、预测模型及其构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101827941A (zh) * 2007-04-30 2010-09-08 俄亥俄州立大学研究基金会 用于区分胰腺癌与正常胰腺功能和/或慢性胰腺炎的方法
CN105647923A (zh) * 2016-02-29 2016-06-08 中山大学附属肿瘤医院 与肝癌预后相关的血清miRNA标志物及其检测试剂盒的应用
CN109777874A (zh) * 2019-01-29 2019-05-21 上海长海医院 一种适用于胰腺导管腺癌诊断及预后判断的血浆外泌体miRNA标志物及应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101827941A (zh) * 2007-04-30 2010-09-08 俄亥俄州立大学研究基金会 用于区分胰腺癌与正常胰腺功能和/或慢性胰腺炎的方法
CN105647923A (zh) * 2016-02-29 2016-06-08 中山大学附属肿瘤医院 与肝癌预后相关的血清miRNA标志物及其检测试剂盒的应用
CN109777874A (zh) * 2019-01-29 2019-05-21 上海长海医院 一种适用于胰腺导管腺癌诊断及预后判断的血浆外泌体miRNA标志物及应用

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
SHISHUAI MENG等: "Screening and validation of differentially expressed extracellular miRNAs in acute pancreatitis", 《MOLECULAR MEDICINE REPORTS》 *
孙涛: "急性胰腺炎血浆 miRNAs 表达及 miR-494调节胰腺腺泡细胞凋亡的机制研究", 《中国博士学位论文全文数据库》 *
林康: "肺腺癌预后相关microRNA风险模型的构建及miR-101-3p抑癌机制的初步研究", 《中国优秀硕士学位论文全文数库》 *
蒋秀梅: "一、MicroRNAs在膀胱癌临床分期中的价值及功能研究 二、血清microRNAs对胃癌淋巴结转移的预测及预后监测价值研究", 《中国博士学位论文全文数据库》 *
邢芳芳等: "重症急性胰腺炎患者预后多指标风险评分模型建立", 《中国中西医结合消化杂志》 *
韩冰: "急性胰腺炎临床特征分析及预后模型的建立", 《中国博士学位论文全文数据库》 *
高磊等: "microRNA 在急性胰腺炎中的研究进展", 《中国普外基础与临床杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114196748A (zh) * 2021-11-09 2022-03-18 安徽医科大学 一种急性胰腺炎早期预测生物标志物、预测模型及其构建方法
CN114196748B (zh) * 2021-11-09 2024-01-30 安徽医科大学 一种急性胰腺炎早期预测生物标志物、预测模型及其构建方法

Also Published As

Publication number Publication date
CN111961716B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
US12051509B2 (en) Methods and machine learning systems for predicting the likelihood or risk of having cancer
US20210256323A1 (en) Methods and compositions for aiding in distinguishing between benign and maligannt radiographically apparent pulmonary nodules
Díez-Planelles et al. Circulating microRNAs in Huntington’s disease: Emerging mediators in metabolic impairment
JP2021103177A (ja) 自閉症スペクトラム障害のリスクを決定するための方法およびシステム
JP7634714B2 (ja) 人工知能基盤の無細胞ＤＮＡの腫瘍由来変異の検出方法及びこれを用いたがんの早期診断方法｛Ｍｅｔｈｏｄ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｔｕｍｏｒ ｄｅｒｉｖｅｄ ｍｕｔａｔｉｏｎ ｆｒｏｍ ｃｅｌｌ－ｆｒｅｅ ＤＮＡ ｂａｓｅｄ ｏｎ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ ｅａｒｌｙ ｄｉａｇｎｏｓｉｓ ｏｆ ｃａｎｃｅｒ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ｝
US9790557B2 (en) Methods and systems for determining a likelihood of adverse prostate cancer pathology
WO2022103287A1 (en) Panel of mirna biomarkers for diagnosis of ovarian cancer, method for in vitro diagnosis of ovarian cancer, uses of panel of mirna biomarkers for in vitro diagnosis of ovarian cancer and test for in vitro diagnosis of ovarian cancer
Sun et al. Identification of clinical heterogeneity and construction of a novel subtype predictive model in patients with ankylosing spondylitis: An unsupervised machine learning study
CN112391468A (zh) 脑癌检测
CN111961716B (zh) 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用
Linke et al. Quantification of mitochondrial cfDNA reveals new perspectives for early diagnosis of colorectal cancer
US20170233828A1 (en) Glycosyltransferase gene expression profile to identify multiple cancer types and subtypes
CN117079723B (zh) 一种与肌萎缩侧索硬化症相关的生物标志物、诊断模型及其应用
Campbell et al. Applying gene expression microarrays to pulmonary disease
Tan et al. A model to predict the probability of acute inflammatory demyelinating polyneuropathy
CN117316278A (zh) 一种基于cfDNA片段长度分布特征的癌症无创早筛方法及系统
Mgbole Advanced neural network systems for analysis of blood-based biomarkers in metastatic disease detection
CN118888009B (zh) 一种肝癌检测系统、试剂盒及其应用
CN116344027B (zh) 基于外周血循环微核糖核酸及蛋白的肠腺瘤腺癌诊断方法
Suchkov et al. Personalized and Precision Medicine (Ppm) Through the View of Biomarker-Driven Applications to Support Their Global Im-pact in the Upgraded Healthcare-Related Services
Li et al. Non-invasive diagnosis of pulmonary nodules by circulating tumor DNA methylation: A prospective multicenter study
Zhang et al. Integration of multi-omics and crowdsourcing assessment of placenta-brain axis biomarkers for predicting neurodevelopmental disorders
O’Connor et al. Data Mining of Microarray Datasets in Translational Neuroscience. Brain Sci. 2023, 13, 1318
Sah Prognostic biomarkers: predicting disease outcomes
Wang Mixture Model Approaches To Integrative Analysis Of Multi-Omics Data And Spatially Correlated Genomic Data

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
TR01 Transfer of patent right

Effective date of registration: 20230406

Address after: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Patentee after: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Patentee after: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

Address before: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Patentee before: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Patentee before: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

Patentee before: Shanghai Zhangjiang Medical Innovation Research Institute

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240729

Address after: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Patentee after: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Country or region after: China

Patentee after: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

Patentee after: The First Affiliated Hospital of Navy Military Medical University of PLA

Address before: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Patentee before: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Country or region before: China

Patentee before: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

TR01 Transfer of patent right