CN112461915A - 一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 - Google Patents
一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 Download PDFInfo
- Publication number
- CN112461915A CN112461915A CN202011422815.0A CN202011422815A CN112461915A CN 112461915 A CN112461915 A CN 112461915A CN 202011422815 A CN202011422815 A CN 202011422815A CN 112461915 A CN112461915 A CN 112461915A
- Authority
- CN
- China
- Prior art keywords
- mass spectrum
- cells
- cell
- drug
- peak
- 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
Links
- 239000003814 drug Substances 0.000 title claims abstract description 147
- 229940079593 drug Drugs 0.000 title claims abstract description 125
- 230000035945 sensitivity Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012216 screening Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title description 29
- 238000001819 mass spectrum Methods 0.000 claims abstract description 94
- 150000002632 lipids Chemical class 0.000 claims abstract description 60
- 230000004083 survival effect Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000003795 desorption Methods 0.000 claims abstract description 20
- 238000004113 cell culture Methods 0.000 claims abstract description 17
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000000338 in vitro Methods 0.000 claims abstract description 5
- 238000011534 incubation Methods 0.000 claims description 39
- 101100321670 Fagopyrum esculentum FA18 gene Proteins 0.000 claims description 34
- 230000000875 corresponding effect Effects 0.000 claims description 32
- 238000009499 grossing Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 13
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 12
- 239000000194 fatty acid Substances 0.000 claims description 12
- 229930195729 fatty acid Natural products 0.000 claims description 12
- 150000004665 fatty acids Chemical class 0.000 claims description 11
- 239000002246 antineoplastic agent Substances 0.000 claims description 10
- 229940041181 antineoplastic drug Drugs 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000004949 mass spectrometry Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002209 hydrophobic effect Effects 0.000 claims description 6
- 150000003904 phospholipids Chemical class 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 230000002459 sustained effect Effects 0.000 claims description 6
- 230000035899 viability Effects 0.000 claims description 6
- 230000002503 metabolic effect Effects 0.000 claims description 4
- 238000007747 plating Methods 0.000 claims description 4
- 108010004034 stable plasma protein solution Proteins 0.000 claims description 4
- 230000001464 adherent effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012258 culturing Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 165
- 239000000523 sample Substances 0.000 description 30
- 201000007270 liver cancer Diseases 0.000 description 19
- 208000014018 liver neoplasm Diseases 0.000 description 19
- 230000009471 action Effects 0.000 description 15
- MLDQJTXFUGDVEO-UHFFFAOYSA-N BAY-43-9006 Chemical compound C1=NC(C(=O)NC)=CC(OC=2C=CC(NC(=O)NC=3C=C(C(Cl)=CC=3)C(F)(F)F)=CC=2)=C1 MLDQJTXFUGDVEO-UHFFFAOYSA-N 0.000 description 14
- 239000005511 L01XE05 - Sorafenib Substances 0.000 description 14
- 229960003787 sorafenib Drugs 0.000 description 14
- 101000600434 Homo sapiens Putative uncharacterized protein encoded by MIR7-3HG Proteins 0.000 description 10
- 102100037401 Putative uncharacterized protein encoded by MIR7-3HG Human genes 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 10
- 238000000513 principal component analysis Methods 0.000 description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 7
- 239000002070 nanowire Substances 0.000 description 7
- 229910052710 silicon Inorganic materials 0.000 description 7
- 239000010703 silicon Substances 0.000 description 7
- MWWSFMDVAYGXBV-RUELKSSGSA-N Doxorubicin hydrochloride Chemical compound Cl.O([C@H]1C[C@@](O)(CC=2C(O)=C3C(=O)C=4C=CC=C(C=4C(=O)C3=C(O)C=21)OC)C(=O)CO)[C@H]1C[C@H](N)[C@H](O)[C@H](C)O1 MWWSFMDVAYGXBV-RUELKSSGSA-N 0.000 description 5
- 229960004316 cisplatin Drugs 0.000 description 5
- DQLATGHUWYMOKM-UHFFFAOYSA-L cisplatin Chemical compound N[Pt](N)(Cl)Cl DQLATGHUWYMOKM-UHFFFAOYSA-L 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000002207 metabolite Substances 0.000 description 5
- 238000000134 MTT assay Methods 0.000 description 4
- 231100000002 MTT assay Toxicity 0.000 description 4
- 239000006285 cell suspension Substances 0.000 description 4
- 229960002918 doxorubicin hydrochloride Drugs 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 210000004881 tumor cell Anatomy 0.000 description 4
- YMWUJEATGCHHMB-UHFFFAOYSA-N Dichloromethane Chemical compound ClCCl YMWUJEATGCHHMB-UHFFFAOYSA-N 0.000 description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 239000004205 dimethyl polysiloxane Substances 0.000 description 3
- 235000013870 dimethyl polysiloxane Nutrition 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 description 3
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 description 3
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 108010019160 Pancreatin Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 2
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000012074 organic phase Substances 0.000 description 2
- 229940055695 pancreatin Drugs 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 102100028914 Catenin beta-1 Human genes 0.000 description 1
- 206010059866 Drug resistance Diseases 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 101000916173 Homo sapiens Catenin beta-1 Proteins 0.000 description 1
- 208000022639 SchC6pf-Schulz-Passarge syndrome Diseases 0.000 description 1
- 208000001364 Schopf-Schulz-Passarge syndrome Diseases 0.000 description 1
- 102100021669 Stromal cell-derived factor 1 Human genes 0.000 description 1
- 101710088580 Stromal cell-derived factor 1 Proteins 0.000 description 1
- 108010078814 Tumor Suppressor Protein p53 Proteins 0.000 description 1
- 102000015098 Tumor Suppressor Protein p53 Human genes 0.000 description 1
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 description 1
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 description 1
- 230000006907 apoptotic process Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000022131 cell cycle Effects 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000003486 chemical etching Methods 0.000 description 1
- 238000007385 chemical modification Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- WGLUMOCWFMKWIL-UHFFFAOYSA-N dichloromethane;methanol Chemical compound OC.ClCCl WGLUMOCWFMKWIL-UHFFFAOYSA-N 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 125000005313 fatty acid group Chemical group 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 238000002795 fluorescence method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005661 hydrophobic surface Effects 0.000 description 1
- 230000002147 killing effect Effects 0.000 description 1
- 238000001698 laser desorption ionisation Methods 0.000 description 1
- 230000004130 lipolysis Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000009832 plasma treatment Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 238000010301 surface-oxidation reaction Methods 0.000 description 1
- 239000000107 tumor biomarker Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01N27/626—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 using heat to ionise a gas
- G01N27/628—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 using heat to ionise a gas and a beam of energy, e.g. laser enhanced ionisation
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法，特征分子筛选方法包括如下步骤：步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；步骤二，计算各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr；步骤三，将Rr值与细胞的存活率相对应进行相关性分析；药敏程度检测的方法在特征分子筛选的基础上用Rr判断细胞药物敏感性，细胞亚型检测的方法在检测质谱信号后进行PCA和LDA分析；本发明通过细胞脂质谱进行细胞亚型区分的同时，可以通过质谱对峰判断不同细胞对药物的敏感性，可作为细胞体外药敏分子诊断的替代方案。
Description
技术领域
本发明涉及医药检测领域，特别是一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法。
背景技术
肝癌是全球发病率和致死率最高的恶性癌症之一。肝癌的预后效果非常差，晚期肝癌病人的5年生存期低于20％。肝癌肿瘤组织的高度异质性是造成患者的有效药物治疗的重要阻碍之一，异质性的肝癌细胞对抗癌药物呈现不同的敏感性和耐药性，造成抗癌药物的疗效在肝癌患者群体中呈现明显的差异性。结合临床上肝癌病人的病理信息，目前通过检测一些特征性基因(TP53，CTNNB1等)或者特异性蛋白(VEGF，SDF-1等)可以作为辅助肝癌病人预后的潜在指标，但它们对肝癌病人诊断和亚群区分的灵敏度和特异性有待提高，同时更多的新的肝癌生物标志等待发掘出来以提高肝癌病人的精准用药效率。目前，对肝癌细胞药敏和相关标志物的研究主要集中在基因组学和蛋白组学中，而对代谢组学中相关标志物的挖掘程度远不及前两者，随着质谱等可以高覆盖高灵敏检测代谢物的技术的发展，从更接近人体表型特征的代谢组中挖掘出异质性的肝癌细胞药敏相关的代谢标志物的可能性大大提高。
现有的肿瘤细胞药物敏感检测方法主要有MTT法、ATP荧光检测法和细胞流式仪检测法等。采用的生物模型包括平板培养的细胞阵列以及小鼠PDX模型。其中，MTT法和ATP荧光法均针对细胞内的单一特定分子进行检测，无法提供细胞的种类信息和其它与药物作用相关的特征分子信息。而细胞流式仪通过荧光标记的方法检测细胞周期和凋亡情况，同时也可以鉴别细胞的种类，但受限于荧光标记试剂的种类较少，也无法提供较多的细胞分子信息。而小鼠PDX模型试验周期长，成本高。正是因为筛选方法的瓶颈，严重制约了药物敏感特异性分子的大规模、高通量的挖掘和发现。因此，有必要建立快速、精确和高覆盖的肿瘤细胞药敏特诊分子的筛选和检测方法，挖掘更多的药敏特征分子，从而推动癌症病人的精准用药体系的发展，本发明解决这样的问题。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法，本发明的方法可以同时实现肿瘤细胞的亚型鉴定和药物敏感性鉴定，并且能够筛选出潜在的药敏特征分子，具有可靠性和普适性。
为了实现上述目标，本发明采用如下的技术方案：
一种与药物敏感相关的特征分子筛选的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，在不添加内标的情况下，采用具有各个不饱和度的分子对峰强度比值作为数据基础，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时，视为两个变量之间高度相关；若0.5≤|r|<0.8时，视为中度相关；若0.3≤|r|<0.5 时，视为低度相关；若|r|<0.3时，视为不相关；
以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对。
前述的一种与药物敏感相关的特征分子筛选的方法，
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
1，将各个细胞进行体外铺板培养，加入各个浓度梯度和种类的抗癌药物共孵育，孵育完成后收集细胞进行脂质提取；
2，将提取的细胞脂质样品点样到疏水修饰的阵列化质谱芯片上，通过激光解吸/电离质谱检测脂质分子的质谱信号。
前述的一种基于高通量质谱芯片与药物敏感相关的特征分子筛选的方法，
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
1，将各个细胞培养在以阵列化质谱芯片为基底的细胞培养槽中，加入各个浓度梯度和种类的药物共孵育；
2，孵育完成后进行培养液的清洗，揭去培养槽上部，使得细胞贴壁停留在质谱芯片表面；通过激光解吸/电离质谱直接检测质谱芯片上细胞的代谢分子的质谱信号。
一种药敏程度检测的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，对各个浓度用药后的同一细胞系的脂质对峰数据进行变化趋势分析，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时,视为两个变量之间高度相关；0.5≤|r|<0.8时，视为中度相关；0.3≤|r|<0.5时，视为低度相关；|r|<0.3时，说明两个变量之间的相关程度极弱,视为不相关；以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对；
步骤四，用Rr判断细胞药物敏感性：
首先根据筛选出的特征分子对的Rr值与细胞存活率之间的对应关系赋予其变化方向的特征性；
如果特征分子的Rr的值与细胞的存活率是正相关，则：
Rr持续波动或上升-细胞在固定的共孵育时间内对该药物不敏感；
Rr先上升后下降-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显下降-细胞在固定的共孵育时间内对该药物敏感性高；
如果特征分子的Rr的值与细胞的存活率是负相关，则：
Rr持续波动或下降-细胞在固定的共孵育时间内对该药物不敏感；
Rr先下降后上升-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显上升-细胞在固定的共孵育时间内对该药物敏感性高。
前述的一种药敏程度检测的方法，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算。
前述的一种药敏程度检测的方法，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后，对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算；通过特征脂肪酸对峰指示细胞活性特性。
前述的一种药敏程度检测的方法，特征脂肪酸对峰的峰强度比值包括：FA16:1/FA16:0， FA18:1/FA18:0，FA18:2/FA18:1。
前述的一种药敏程度检测的方法，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算；通过特征磷脂对峰指示细胞活性特性。
前述的一种药敏程度检测的方法，特征磷脂对峰的峰强度比值包括：PC 34:1/PC34:0，PE 36:1/PE 36:0，PA 34:2/PA 34:1。
一种细胞亚型检测的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，使用软件MATLAB/SPPS/SIMCA进行PCA和LDA分析。
本发明的有益之处在于：
本发明通过细胞脂质谱进行细胞亚型区分的同时，可以通过质谱对峰判断不同细胞对药物的敏感性，可作为细胞体外药敏分子诊断的替代方案；
本发明的方法具有比MTT更高的灵敏度变化，具有更灵敏的细胞存活状态指示作用；
本发明通过特征脂肪酸对峰和磷脂对峰指示细胞活性特性；脂质对的峰比值是简单有效的指示剂，因为它不需要其他内标，并且可以有效解决LDI-MS检测中遇到的绝对定量问题。
附图说明
图1是本发明实验一的MTT检测结果(a为48小时的MTT检测结果)，(b为24小时的MTT 检测结果)；
图2是本发明实验一的脂质谱图结果图(a为LM3细胞分别经过不同浓度索拉非尼、盐酸阿霉素和顺氯氨铂共孵育24小时后脂质谱数据的主成分分析结果)，(b为经过表一药物与浓度共孵育24小时后LM3、Hep G2和Huh7的脂质谱图数据线性判别分析结果)；
图3是本发明实验一在LM3、Hep G2和Huh7经过表1中所示浓度的药物作用24小时后检测到的FA16:1/FA16:0对峰强度、FA18:1/FA18:0对峰强度比值变化；
图4是本发明实验一在所有药物作用后细胞样本中检测到的FA16:1/FA16:0对峰强度、 FA18:1/FA18:0对峰强度与MTT法检测到的细胞存活率对应数据点的分布图；
图5是本发明实验二中直接检测芯片上附着的Hep G2细胞中FA16:1与FA16:0在谱图中的峰强度变化与索拉菲尼作用浓度之间的关系图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
以上方法中描述的高通量质谱芯片为阵列化质谱芯片，其具体的制备方法及应用方法在申请人已公开专利中已详细描述。申请号为：CN201910947984.7，专利名称为：一种硅纳米线阵列芯片检测细胞代谢物、脂质的方法。
一种与药物敏感相关的特征分子筛选的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，在不添加内标的情况下，采用具有各个不饱和度的分子对峰强度比值作为数据基础，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时，视为两个变量之间高度相关；若0.5≤|r|<0.8时，视为中度相关；若0.3≤|r|<0.5 时，视为低度相关；若|r|<0.3时，视为不相关；
以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对。
一种药敏程度检测的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，对各个浓度用药后的同一细胞系的脂质对峰数据进行变化趋势分析，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算；作为一种优选，可以通过特征脂肪酸或特征磷脂对峰指示细胞活性特性。
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时,视为两个变量之间高度相关；0.5≤|r|<0.8时，视为中度相关；0.3≤|r|<0.5时，视为低度相关；|r|<0.3时，说明两个变量之间的相关程度极弱,视为不相关；以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对；
步骤四，用Rr判断细胞药物敏感性：
首先根据筛选出的特征分子对的Rr值与细胞存活率之间的对应关系赋予其变化方向的特征性；
如果特征分子的Rr的值与细胞的存活率是正相关，则：
Rr持续波动或上升-细胞在固定的共孵育时间内对该药物不敏感；
Rr先上升后下降-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显下降-细胞在固定的共孵育时间内对该药物敏感性高；
如果特征分子的Rr的值与细胞的存活率是负相关，则：
Rr持续波动或下降-细胞在固定的共孵育时间内对该药物不敏感；
Rr先下降后上升-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显上升-细胞在固定的共孵育时间内对该药物敏感性高。
一种细胞亚型检测的方法，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，使用软件MATLAB/SPPS/SIMCA进行PCA和LDA分析。
PCA是不考虑样本类别输出的无监督降维技术，结果显示同种细胞经过不同抗癌药物作用后，脂质谱图整体产生不同趋势的变化，具体表现为经过不同药物作用的细胞样本数据点分散在图中的不同区域并具有一定的方向趋势，说明药物对细胞的脂质表达产生影响。LDA是一种监督学习的降维技术，在LDA分析中将未经过药物作用的细胞谱图数据加上标签(如未经过药物处理的LM3标记为种类1，Hep G2标记为种类2，Huh7标记为种类3)，其它经过药物处理的细胞样本在不做标签处理的情况下导入LDA分析中，输出结果显示对这些未标签样本的分类结果。需要说明的是：这两个分析技术在MATLAB/SSPS/SIMCA中都具有这样的功能，已经是成熟的分析技术。
△以上三个方法的步骤一的质谱检测质谱信号的前处理可以有两种方案：
作为一种实施例，方案一：
1，将各个细胞进行体外铺板培养，加入各个浓度梯度和种类的抗癌药物共孵育，孵育完成后收集细胞进行脂质提取；
2，将提取的细胞脂质样品点样到疏水修饰的阵列化质谱芯片上，通过激光解吸/电离质谱检测脂质分子的质谱信号。
作为另一种实施例，免细胞提取的快速检测方法的方案二：
1，将各个细胞培养在以阵列化质谱芯片为基底的细胞培养槽中，加入各个浓度梯度和种类的药物共孵育；
2，孵育完成后进行培养液的清洗，揭去培养槽上部，使得细胞贴壁停留在质谱芯片表面；通过激光解吸/电离质谱直接检测质谱芯片上细胞的代谢分子的质谱信号。
实验一，本发明的方法与MTT方法的效果比较试验：
用本发明的方法以3种肝癌细胞LM3,Hep G2和Huh7和三种抗癌药物索拉非尼、盐酸阿霉素和顺氯氨铂为例，对药物作用后的细胞代谢物进行简单提取并进行质谱检测分析，结果与 MTT法进行对照比较。
实验过程如下：
步骤一，将肝癌细胞LM3,Hep G2和Huh7进行铺板培养过夜，按照表一中所示药物种类和浓度梯度对每种细胞进行加药并共孵育24h。孵育完成后使用胰酶将细胞消化脱壁，收集并使用PBS洗涤离心3次。最终将所有细胞样本使用PBS稀释成浓度为1～5ⅹ106个每毫升的细胞悬浮液。在96孔板中以5000～10000个/孔的细胞密度，采用相同的方法和药物使用情况，共孵育24小时后通过MTT法对这3种肝癌细胞进行细胞存活率检测。
步骤二，采用二氯甲烷-甲醇体系对细胞中脂质进行提取。具体的溶液配比为二氯甲烷：甲醇＝2:1，将20微升细胞悬浮液加入提取液中震荡数分钟后离心分离下层有机相，有机相经过氮气吹干后加入适量甲醇进行重溶，即制得细胞的代谢物/脂质提取样本。
步骤三，将经过提取的各个药物作用后的细胞脂质样本取1-3微升滴加于疏水的阵列式质谱芯片上，干燥后将芯片送入MALDI质谱仪的样本室进行正/负离子模式下的质谱检测，每个样本共有9个谱图，将所有S/N大于5的峰进行二级质谱检测，鉴定分子的结构信息。
疏水的阵列式质谱芯片的制备步骤：单晶硅片经过表面清洗后，经过表面化学修饰得到疏水性表面。经历光刻阵列图案化-暴露表面氧化除去疏水层-金属辅助化学刻蚀的步骤得到具有多个位点的硅纳米线阵列芯片，该芯片检测位点外为高疏水性，位点中为亲水性，这种亲疏水性差异可有效将样品溶液限制在位点中；具体的内容见申请号为：CN201910947984.7，专利名称为：一种硅纳米线阵列芯片检测细胞代谢物、脂质的方法的专利中有详述。
步骤四，将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入自编的MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算，如脂肪酸中的FA16:1/FA16:0，FA18:1/FA18:0，FA18:2/FA18:1 等，磷脂中的PC 34:1/PC34:0，PE 36:1/PE 36:0，PA 34:2/PA 34:1等。
自编的MATLAB程序的挑峰程序即对已经鉴定得到的分子进行挑峰的具体方法包括：
1，所有检测到的谱图进行基线平滑处理后导出为文本模式，第一、二列分别为质荷比(m/z) 和与其对应的信号强度；
2，将所有文本导入自编的MATLAB程序中，根据已经鉴定得到的分子的质荷比(m/z) 匹配导入MATLAB中的数据的m/z，从而读取相应位置的最高信号强度(m/z容差范围为 1～50ppm,根据质谱仪器的检测精度而定)，即为该谱图中该分子的信号强度。
步骤五，对不同浓度用药后的同一细胞系的脂质对峰数据(由4中获得)进行变化趋势分析，不同药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度。“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度。将对峰的系列Rr值与细胞的存活率相对应进行相关性分析(皮尔逊相关系数r、斯皮尔曼相关系数r等的计算，|r|≥0.8时, 可视为两个变量之间高度相关；0.5≤|r|<0.8时，可视为中度相关；0.3≤|r|<0.5时，视为低度相关；|r|<0.3时，说明两个变量之间的相关程度极弱,可视为不相关)，以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对。
表1抗癌药物种类及使用的梯度。
| 浓度1(μM) | 浓度2(μM) | 浓度3(μM) | 浓度4(μM) | 浓度5(μM) | |
| 索拉非尼 | 0 | 0.31 | 0.63 | 1.25 | 2.50 |
| 盐酸阿霉素 | 0 | 2.5 | 5 | 10 | 20 |
| 顺氯氨铂 | 0 | 20 | 40 | 80 | 160 |
实验结果：
在MTT细胞存活率检测实验中，LM3、Hep G2和Huh 7细胞经过各5种浓度的索拉非尼、盐酸阿霉素和顺氯氨铂共孵育48小时后，药物对细胞产生明显的杀伤效果，细胞死亡率均低至40％以下。当共孵育时间缩短至24小时后，3种细胞的死亡率均明显降低，其中LM3在3种细胞中对抗癌药物的敏感性最低，在相同药物作用条件下LM3细胞的存活率明显高于Hep G2 和Huh7细胞，且LM3经过索拉非尼作用24小时后细胞存活率呈现略微上升，敏感性最低(图1)。
对经过3种药物的不同浓度作用24小时后的LM3、Hep G2和Huh 7细胞脂质出峰数据进行主成分分析(PCA)和线性判别分析(LDA)(可使用软件MATLAB/SPPS/SIMCA进行PCA和LDA分析)。PCA是不考虑样本类别输出的无监督降维技术，结果显示同种细胞经过不同抗癌药物作用后，脂质谱图整体产生不同趋势的变化，具体表现为经过不同药物作用的细胞样本数据点分散在图中的不同区域并具有一定的方向趋势，说明药物对细胞的脂质表达产生影响 (图2a)。LDA是一种监督学习的降维技术，在LDA分析中将未经过药物作用的细胞谱图数据加上标签(如未经过药物处理的LM3标记为种类1，Hep G2标记为种类2，Huh7标记为种类3)，其它经过药物处理的细胞样本在不做标签处理的情况下导入LDA分析中，输出结果显示对这些未标签样本的分类结果。结果LDA可以将这3种细胞系进行良好的鉴别和区分，在LDA图中各细胞系的区分效率为100％，无错判样本，不受到药物作用后细胞脂质谱图发生的轻微变化的干扰(图2b)。以上结果同时也说明谱图检测的可重复性和稳定性都比较好。
在不同药物浓度作用下，细胞呈现出不同的死亡程度。而在检测到的LM3、Hep G2和Huh 7细胞分别经过5中浓度的索拉非尼、盐酸阿霉素和顺氯氨铂作用24小时后的脂质谱图中，两对脂肪酸FA16:1/FA16:0和FA18:1/FA18:0的Rr值明显呈现出与所有药物作用后的细胞存活率相关的下降趋势变化(图3)。将所有药物作用后细胞的存活率与该细胞样本对应检测到的 Rr(FA16:1/FA16:0)和Rr(FA18:1/FA18:0)做对应的分布图(图4)，发现两对脂肪酸的比值对应细胞的存活率均分布在一个较为狭窄的区域内(r值分别为0.85和0.52)，以上结果均证明细胞中的两对脂肪酸FA16:1/FA16:0和FA18:1/FA18:0的峰强度比值可以作为细胞经过药物作用后的存活率检测指标。Rr(FA16:1/FA16:0)和Rr(FA18:1/FA18:0)用于细胞药物敏感性判断的标准： Rr(FA16:1/FA16:0)和Rr(FA18:1/FA18:0)持续波动上升-细胞在固定的共孵育时间内对该药物不敏感；Rr(FA16:1/FA16:0)和Rr(FA18:1/FA18:0)先上升后下降-细胞在固定的共孵育时间内对该药物低敏感；Rr(FA16:1/FA16:0)和Rr(FA18:1/FA18:0)持续下降-细胞在固定的共孵育时间内对该药物敏感性较高。
这种方法具有比MTT更高的灵敏度变化，比如在Hep G2细胞经过0.63μM索拉非尼作用24 小时后，MTT检测到细胞存活率降低至90％，而FA16:1/FA16:0和FA18:1/FA18:0的值分别降低至75％和65％；当索拉菲尼浓度为最高的2.5μM时，MTT检测的细胞存活率为74％，而 FA16:1/FA16:0和FA18:1/FA18:0的值分别降低至56％和58％，具有更灵敏的细胞存活状态指示作用。
脂质对的峰比值是简单有效的指示剂，因为它不需要其他内标，并且可以有效解决 LDI-MS检测中遇到的绝对定量问题。另外，相邻脂质的比例可以追溯到调节脂质组学途径的酶和基因表达的活性。部分与特定亚型细胞或者药物种类作用和的细胞存活率相关的磷脂对也被筛选出作为潜在指示特定种类肝癌细胞对药物的敏感性指标，或者肝癌细胞对特定种类药物敏感性的指标。比如PA 34:2/PA 34:1的Rr值变化与LM3细胞经过各种药物作用后的存活率呈现高度线性相关(r2＝0.89～0.98)；PC 36:4/PC 36:3的Rr值变化与HepG2细胞经过各种药物作用后的存活率呈现高度线性相关(r2＝0.87～0.92)；PE 37:6/PE37:4的Rr值变化与CDDP作用于各种肝癌细胞后的细胞存活率呈现高度相关(r2＝0.94～0.97)，说明通过这种方法可以挖掘出与特定药物种类或者细胞亚型相关的药敏分子。
结论：
以上结果说明通过质谱检测和比例峰值分析的方法，可以同时实现肿瘤细胞的亚型鉴定和药物敏感性鉴定，并且能够筛选出潜在的药敏特征分子，具有可靠性和普适性。
实验二，免细胞提取检测的验证实验：
免提取直接检测Hep G2细胞经过不同浓度索拉非尼作用24小时后的脂质谱图变化，验证脂肪酸对峰指示细胞活性的变化
1、将硅纳米线阵列芯片和对应打孔的PDMS薄膜经过氧等离子体处理后相互贴合，得到以硅纳米线阵列作为孔底部、PDMS作为孔壁的多孔细胞孵育芯片；
2、将Hep G2细胞转移入细胞孵育芯片的孔中孵育贴底，分别与3种浓度的索拉非尼
(0,0.63μM，2.5μM)共孵育24小时后，使用PBS对每孔中的细胞进行清洗，揭去硅纳米线阵列芯片表面的PDMS孔道膜，阵列表面粘附细胞的硅纳米线阵列芯片完全干燥后将芯片送入MALDI质谱仪的样本室进行正/负离子模式下的质谱检测。
作为另一种实施例：也可以将Hep G2细胞分别与3种浓度的索拉非尼(0,0.63μM，2.5μM) 共孵育24小时后，经过胰酶消化、PBS离心洗涤3次，稀释为细胞密度为1～5ⅹ106个细胞每毫升的细胞悬浮液。取1～3微升细胞悬浮液滴于阵列式质谱芯片的样品点上，待干燥后直接进入进行激光解吸电离质谱检测
计算得出不同药物浓度下细胞的FA 16:1/FA 16:0相对非用药组的变化程度Rr,Rr由以下公式计算得出：
I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度。“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度。
结果：
未经过任何样品提取步骤和样品前处理，直接对贴壁生长在芯片样品点上的HepG2细胞进行脂质质谱检测，可以直接检测到细胞的脂肪酸信号峰，其中FA16:1/FA16:0的峰Rr值跟细胞经过不同浓度的索拉非尼作用后细胞的死亡率呈现正比，虽然未经提取步骤的Hep G2 细胞检测到的FA16:1和FA16:0的绝对强度分布与经过提取检测的略有不同，但相对无用药的对照组，0.63μM和2.5μM索拉非尼用药24小时的Hep G2细胞的Rr(FA16:1/FA16:0)值分别降低至88％和71％(图5)，这结果与MTT检测的细胞存活率结果十分相近，说明采用对峰形式进行细胞存活率的间接测量具有一定的可靠性和重复性，且制样形式简单多样化。
由以上实验可知，本发明的方法可以同时实现肿瘤细胞的亚型鉴定和药物敏感性鉴定，并且能够筛选出潜在的药敏特征分子，具有可靠性和普适性。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (10)
1.一种与药物敏感相关的特征分子筛选的方法，其特征在于，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，在不添加内标的情况下，采用具有各个不饱和度的分子对峰强度比值作为数据基础，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时，视为两个变量之间高度相关；若0.5≤|r|<0.8时，视为中度相关；若0.3≤|r|<0.5时，视为低度相关；若|r|<0.3时，视为不相关；
以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对。
2.根据权利要求1所述的一种与药物敏感相关的特征分子筛选的方法，其特征在于，
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
1，将各个细胞进行体外铺板培养，加入各个浓度梯度和种类的抗癌药物共孵育，孵育完成后收集细胞进行脂质提取；
2，将提取的细胞脂质样品点样到疏水修饰的阵列化质谱芯片上，通过激光解吸/电离质谱检测脂质分子的质谱信号。
3.根据权利要求1所述的一种基于高通量质谱芯片与药物敏感相关的特征分子筛选的方法，其特征在于，
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
1，将各个细胞培养在以阵列化质谱芯片为基底的细胞培养槽中，加入各个浓度梯度和种类的药物共孵育；
2，孵育完成后进行培养液的清洗，揭去培养槽上部，使得细胞贴壁停留在质谱芯片表面；通过激光解吸/电离质谱直接检测质谱芯片上细胞的代谢分子的质谱信号。
4.一种药敏程度检测的方法，其特征在于，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，对检测的一系列细胞样本的质谱信号进行基线平滑和挑峰处理，对各个浓度用药后的同一细胞系的脂质对峰数据进行变化趋势分析，各个药物浓度下细胞的脂质对峰强度相对非用药组的变化程度Rr由以下公式计算得出：
其中，“I”代表括号中相应脂质分子的质谱信号强度，下标“n”代表细胞样本中对应使用的药物浓度，“I0”即为未用药细胞样本中相应脂质分子的质谱信号强度；
步骤三，将对峰的系列Rr值与细胞的存活率相对应进行相关性分析；
计算皮尔逊相关系数r，斯皮尔曼相关系数r，
若|r|≥0.8时,视为两个变量之间高度相关；0.5≤|r|<0.8时，视为中度相关；0.3≤|r|<0.5时，视为低度相关；|r|<0.3时，说明两个变量之间的相关程度极弱,视为不相关；以|r|>0.5为标准寻找与细胞对药物敏感相关的特征分子对；
步骤四，用Rr判断细胞药物敏感性：
首先根据筛选出的特征分子对的Rr值与细胞存活率之间的对应关系赋予其变化方向的特征性；
如果特征分子的Rr的值与细胞的存活率是正相关，则：
Rr持续波动或上升-细胞在固定的共孵育时间内对该药物不敏感；
Rr先上升后下降-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显下降-细胞在固定的共孵育时间内对该药物敏感性高；
如果特征分子的Rr的值与细胞的存活率是负相关，则：
Rr持续波动或下降-细胞在固定的共孵育时间内对该药物不敏感；
Rr先下降后上升-细胞在固定的共孵育时间内对该药物低敏感；
Rr持续明显上升-细胞在固定的共孵育时间内对该药物敏感性高。
5.根据权利要求4所述的一种药敏程度检测的方法，其特征在于，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算。
6.根据权利要求5所述的一种药敏程度检测的方法，其特征在于，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后，对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算；通过特征脂肪酸对峰指示细胞活性特性。
7.根据权利要求6所述的一种药敏程度检测的方法，其特征在于，所述特征脂肪酸对峰的峰强度比值包括：FA16:1/FA16:0，FA18:1/FA18:0，FA18:2/FA18:1。
8.根据权利要求5所述的一种药敏程度检测的方法，其特征在于，基线平滑和挑峰处理的方法为：将所有检测到的谱图进行基线平滑处理后导出为文本模式，将所有文本导入MATLAB程序中对已经鉴定得到的分子进行挑峰，将分子种类和碳链长度相同的一类分子分对进行峰强度的比值计算；通过特征磷脂对峰指示细胞活性特性。
9.根据权利要求8所述的一种药敏程度检测的方法，其特征在于，所述特征磷脂对峰的峰强度比值包括：PC 34:1/PC34:0，PE 36:1/PE 36:0，PA 34:2/PA 34:1。
10.一种细胞亚型检测的方法，其特征在于，包括如下步骤：
步骤一，细胞培养，将细胞与阵列化质谱芯片结合，通过激光解吸/电离质谱检测质谱信号；
步骤二，使用软件MATLAB/SPPS/SIMCA进行PCA和LDA分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011422815.0A CN112461915B (zh) | 2020-12-08 | 2020-12-08 | 一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011422815.0A CN112461915B (zh) | 2020-12-08 | 2020-12-08 | 一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112461915A true CN112461915A (zh) | 2021-03-09 |
| CN112461915B CN112461915B (zh) | 2024-07-12 |
Family
ID=74800161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011422815.0A Active CN112461915B (zh) | 2020-12-08 | 2020-12-08 | 一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112461915B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008027912A2 (en) * | 2006-08-28 | 2008-03-06 | Dan Theodorescu | Prediction of an agent's or agents' activity across different cells and tissue types |
| US20090065687A1 (en) * | 2007-07-18 | 2009-03-12 | Gross Richard W | Multiplexing matrix-analyte stereo electronic interactions for high throughput shotgun metabolomics |
| US20160033511A1 (en) * | 2013-03-13 | 2016-02-04 | Creatics Llc | Methods and compositions for detecting pancreatic cancer |
| JP2018013453A (ja) * | 2016-07-22 | 2018-01-25 | イノコ株式会社 | 抗がん剤感受性測定方法及び、抗がん剤感受性測定装置 |
| CN110530965A (zh) * | 2019-10-08 | 2019-12-03 | 浙江大学 | 一种硅纳米线阵列芯片检测细胞代谢物、脂质的方法 |
-
2020
- 2020-12-08 CN CN202011422815.0A patent/CN112461915B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008027912A2 (en) * | 2006-08-28 | 2008-03-06 | Dan Theodorescu | Prediction of an agent's or agents' activity across different cells and tissue types |
| US20090065687A1 (en) * | 2007-07-18 | 2009-03-12 | Gross Richard W | Multiplexing matrix-analyte stereo electronic interactions for high throughput shotgun metabolomics |
| US20160033511A1 (en) * | 2013-03-13 | 2016-02-04 | Creatics Llc | Methods and compositions for detecting pancreatic cancer |
| JP2018013453A (ja) * | 2016-07-22 | 2018-01-25 | イノコ株式会社 | 抗がん剤感受性測定方法及び、抗がん剤感受性測定装置 |
| CN110530965A (zh) * | 2019-10-08 | 2019-12-03 | 浙江大学 | 一种硅纳米线阵列芯片检测细胞代谢物、脂质的方法 |
Non-Patent Citations (3)
| Title |
|---|
| JIAN FENG QIU ET.AL.: "Abnormalities in Plasma Phospholipid Fatty Acid Profiles of Patients with Hepatocellular Carcinoma", 《LIPIDS》, vol. 50, no. 10, pages 977 - 985, XP035536045, DOI: 10.1007/s11745-015-4060-6 * |
| TAO WANG ET.AL.: "High throughput lipid profiling for subtype classification of hepatocellular carcinoma cell lines and tumor tissues", 《ANALYTICA CHIMICA ACTA》, vol. 1107, pages 92 - 100, XP086099899, DOI: 10.1016/j.aca.2020.02.019 * |
| 周朋 等: "MTT法体外检测脑胶质瘤细胞对化疗药物的敏感性", 《哈尔滨医科大学学报》, vol. 44, no. 6, pages 579 - 582 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112461915B (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Danzi et al. | To metabolomics and beyond: a technological portfolio to investigate cancer metabolism | |
| Kotz et al. | Clinical microfluidics for neutrophil genomics and proteomics | |
| Liu et al. | Single cell metabolomics using mass spectrometry: Techniques and data analysis | |
| EP1991694B1 (en) | Element-tagged oligonucleotide gene expression analysis | |
| CN107064508A (zh) | 辅助结直肠癌早期诊断及预后监测的分子标志物及其应用 | |
| CN108414660B (zh) | 一组与肺癌早期诊断相关的血浆代谢小分子标志物的应用 | |
| CN110530965B (zh) | 一种硅纳米线阵列芯片检测细胞代谢物、脂质的方法 | |
| EP2191272A2 (en) | Set of tumour-markers | |
| CN105044361A (zh) | 一种适合于食管鳞状细胞癌早期诊断的诊断标记物及其筛选方法 | |
| CN1865959A (zh) | 一种电极阵列微芯片传感器、其制备方法及应用 | |
| Fu et al. | Liquid biopsy technologies for hematological diseases | |
| CN110322930B (zh) | 基于水平关系的代谢组学网络标志物识别方法 | |
| WO2008122241A1 (en) | Rapid protein analyses and the device thereof | |
| US20020127604A1 (en) | Method to measure the activation state of signaling pathways in cells | |
| Liu et al. | A carbon-based polymer dot sensor for breast cancer detection using peripheral blood immunocytes | |
| Li et al. | Label-free DNA hybridization detection and single base-mismatch discrimination using CE-ICP-MS assay | |
| Alessandro et al. | Proteomic approaches in colon cancer: promising tools for new cancer markers and drug target discovery | |
| EP1647912A2 (en) | Methods and systems for ontological integration of disparate biological data | |
| Wang et al. | High throughput lipid profiling for subtype classification of hepatocellular carcinoma cell lines and tumor tissues | |
| CN114540491A (zh) | 一种基于岩藻糖基化细胞外囊泡中差异化表达miRNA的肝癌预测模型建立及应用 | |
| Jin et al. | Advances in spatial transcriptomics and its applications in cancer research | |
| CN112461915B (zh) | 一种与药物敏感相关的特征分子筛选、药敏程度检测、细胞亚型检测的方法 | |
| CN203732494U (zh) | 一种石墨烯场效应晶体管生物传感器 | |
| CN101914542B (zh) | 用于不同亚型非小细胞肺癌分型的一种核酸适体及其筛选方法 | |
| CN106018572A (zh) | 一种同时测定10种核苷类物质的hplc-tof-ms/ms方法及应用 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220629 Address after: 310051 Room 901, 9 storeys, 3 blocks, 475 Changhe Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: HANGZHOU WELL-HEALTHCARE TECHNOLOGIES Co.,Ltd. Address before: 310051 Room 901, 9 storeys, 3 blocks, 475 Changhe Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU WELL-HEALTHCARE TECHNOLOGIES Co.,Ltd. Applicant before: Zhejiang University |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |