CN112505228A - 用于评估受试者心血管疾病风险的代谢标志物组合及其应用 - Google Patents

用于评估受试者心血管疾病风险的代谢标志物组合及其应用 Download PDF

Info

Publication number
CN112505228A
CN112505228A CN202110000655.9A CN202110000655A CN112505228A CN 112505228 A CN112505228 A CN 112505228A CN 202110000655 A CN202110000655 A CN 202110000655A CN 112505228 A CN112505228 A CN 112505228A
Authority
CN
China
Prior art keywords
subject
cardiovascular
risk
metabolic
metabolic marker
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
CN202110000655.9A
Other languages
English (en)
Other versions
CN112505228B (zh
Inventor
贾伟
谢国祥
林志龙
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.)
Shenzhen Huiyun Biological Technology Co ltd
Original Assignee
Shenzhen Huiyun Biological 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 Shenzhen Huiyun Biological Technology Co ltd filed Critical Shenzhen Huiyun Biological Technology Co ltd
Priority to CN202211178138.1A priority Critical patent/CN117147751A/zh
Priority to CN202110000655.9A priority patent/CN112505228B/zh
Publication of CN112505228A publication Critical patent/CN112505228A/zh
Priority to PCT/CN2022/070155 priority patent/WO2022144028A1/zh
Application granted granted Critical
Publication of CN112505228B publication Critical patent/CN112505228B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/88Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/88Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G01N2030/8809Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
    • G01N2030/8813Integrated 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/88Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G01N2030/8809Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
    • G01N2030/884Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample organic compounds

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开一种用于评估受试者心脑血管疾病风险的代谢标志物组合,包括神经酰胺Cer d18:1/16:0、神经酰胺Cer d18:1/18:0、神经酰胺Cer d18:1/24:0、苯乙酰谷氨酰胺、三甲胺、甜菜碱和胆碱;所述心脑血管疾病选自冠心病、动脉粥样硬化、房颤、心衰。本发明代谢标志物组合在评估或预测心脑血管疾病患病风险方面具有灵敏度高、特异性好、可定量和检测通量高等优点。

Description

用于评估受试者心血管疾病风险的代谢标志物组合及其应用
技术领域
本发明涉及心脑血管领域,具体涉及一种用于评估受试者心脑血管疾病风险的代谢标志物及其应用。
背景技术
心脑血管疾病是心脏血管和脑血管疾病的统称, 泛指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等所导致的心脏、大脑及全身组织发生的缺血性或出血性疾病,包括高血压(血压升高)、冠心病(心脏病发作)、脑血管疾病(中风)、周围血管疾病、心力衰竭、风湿性心脏病、先天性心脏病和心肌病等。
心脑血管疾病发病率和死亡率高,发病机制复杂。而目前用于心脑血管疾病诊断的标志物,大多由于缺乏灵敏度和特异性而不能为临床医生提供更多的参考价值。因此,寻找高效、灵敏、准确的生物标志物,用于心脑血管疾病的诊断和/或患病风险的预测,成为临床诊断和治疗亟需解决的问题。
同时,目前传统的生物标志物检测方法有薄层色谱法、液相色谱法、免疫化学方法、气相色谱法等,这些传统方法难以满足医疗行业,尤其是精准医疗行业对特异性、精准性、适用范围和动态范围的高标准。现有基于质谱技术的心脑血管疾病研究检测方法主要以非靶向相对定量或半定量的方式,或者以单一类型化合物的绝对定量方式进行疾病诊断或评估检测,导致其检测结果的准确性和全面性存在一定的局限性,离真正有效的临床质谱检测和风险评估还有一定距离。
因此,基于新开发的生物标志物,建立满足医疗尤其是精准医疗的高标准生物标志物检测方法及系统,同样具有重要意义。
发明内容
本发明提供用于评估受试者心脑血管疾病风险的代谢标志物组合、及其在制备诊断心脑血管疾病或评价心脑血管药物的产品中的用途、试剂盒、定量检测方法和计算机系统,在评估或预测心脑血管疾病患病风险方面具有灵敏度高、特异性好、可定量和/或检测通量高等优点。
为实现上述发明目的,本发明特提供以下技术方案:
在第一方面,本发明公开用于评估受试者心脑血管疾病风险的代谢标志物组合,所述代谢标志物组合包括神经酰胺Cer d18:1/16:0、神经酰胺Cer d18:1/18:0、神经酰胺Cer d18:1/24:0、苯乙酰谷氨酰胺、三甲胺、甜菜碱和胆碱;所述心脑血管疾病选自高血压、冠心病、动脉粥样硬化、房颤、心衰、中风、周围血管疾病、心力衰竭、风湿性心脏病、先天性心脏病或心肌病。
在一些具体的实施方式中,所述代谢标志物组合还包括以下代谢标志物的一种或多种:神经酰胺Cer d18:1/24:1、神经酰胺GlcCer d18:1/12:0、三已糖神经酰胺d18:1/24:0、1-磷酸鞘氨醇、氧化三甲胺、肉碱或肌酸酐。
在一些具体的实施方式中,所述代谢标志物组合还包括以下代谢标志物的一种或多种:天冬氨酸、N-乙酰丙氨酸、甘氨酸、N-乙酰天冬氨酸、N-乙酰苏氨酸、N-乙酰-1-甲基组氨酸、吲哚乙酸、皮质醇、柠檬酸、亮氨酸、异亮氨酸、缬氨酸、嘧啶、琥珀酸、乙酰辅酶、谷氨酸、草酰乙酸或α-酮戊二酸。
在一些具体的实施方式中,所述受试者为人类。
在一些具体的实施方式中,所述代谢标志物通过检测受试者的生物样本而获得,所述生物样本选自血浆或血清。
在第二方面,本发明还公开前述的代谢标志物组合在制备诊断心脑血管疾病或评价心脑血管药物的产品中的用途,所述产品以前述的代谢标志物组合的表达水平作为评估指标。
在一些具体的实施方式中,所述产品选自试剂盒、诊断装置和计算机系统。
在第三方面,本发明还公开一种检测前述的代谢标志物组合的试剂盒,所述试剂盒包括代谢标志物的标准品和代谢标志物提取剂,所述代谢标志物提取剂选自有机溶剂和水的混合物,有机溶剂选自异丙醇、甲醇、乙腈之一种或多种。
在第四方面,本发明还公开一种前述代谢标志物组合的定量检测方法,所述方法包括对受试者的生物样本进行处理后,以液相色谱串联质谱联用(LC-MS/MS)方法对生物样本中的代谢标志物组合进行定量检测。
在一些具体的实施方式中,所述液相色谱包括高效液相色谱(HPLC)、超高效液相色谱(UPLC)和纳升液相色谱(Nano-LC),所述串联质谱包括四级杆质谱(Quadrupole, Q)、飞行时间质谱(Time of Flight, TOF)、离子肼质谱(Ion Trap)和高分辨轨道肼质谱(Orbitrap)。
在一些具体的实施方式中,所述液相色谱的分离条件包括:流动相A为含添加剂的甲醇溶液,添加剂选自甲酸铵、乙酸铵、三氯乙酸中任一种,流动相B选自异丙醇、甲醇、乙腈、乙醇、丙二醇中一种或几种的组合;色谱柱选自C8和C18硅胶填料柱,柱温设置为25-45℃,流速为0.2-0.6毫升/分;所述质谱的检测条件包括:采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。
作为示例性的具体的实施方式,所述液相色谱的分离条件可包括:进样5微升,流动相A为60%甲醇+10毫摩尔甲酸铵,流动相B为90%异丙醇+10%甲醇+10毫摩尔甲酸铵,色谱柱为100毫摩尔的C18柱,柱温设置为40℃,流速为0.3mL/分钟,0-0.5分钟维持50%B,0.5-1.8分钟从50%B线性变化至75%B,1.8-3.0分钟从75%B线性变化至80%B,3.0-3.4分钟从80%B线性变化至98%B,3.4-4.3分钟维持98%B,4.3-4.5分钟从98%B线性变化至50%B,4.5-6分钟维持50%B;
在一些具体的实施方式中,所述质谱选自四级杆质谱、飞行时间质谱、离子肼质谱和高分辨轨道肼质谱;所述质谱的条件和设定质谱定性定量检测模式包括:选择电喷离子源(ESI),根据检测目标化合物的响应选择离子扫描模式;采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。
在一些具体的实施方式中,对生物样本进行处理,包括将生物样本加到沉淀剂中,所述沉淀剂选自异丙醇和甲醇的混合溶剂;在一些具体的实施方式中,所述沉淀剂为异丙醇和甲醇的混合溶剂;其体积比可以为1:1-1:10,作为优选方式,体积比可以为1:3-1:5。
在第五方面,本发明还公开一种用于评估受试者心脑血管疾病风险的计算机系统,所述系统包括信息获取模块和心脑血管疾病风险评估模块;
其中,所述信息获取模块至少用于执行以下操作:获取受试者样品中的代谢标志物组合检测信息,所述代谢标志物组合选自前所述的代谢标志物组合;
所述心脑血管疾病风险评估模块至少用于执行以下操作:根据所述信息获取模块获取的代谢标志物组水平,评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险;所述心脑血管疾病选自高血压、冠心病、动脉粥样硬化、房颤、心衰、中风、周围血管疾病、心力衰竭、风湿性心脏病、先天性心脏病或心肌病。
在一些具体的实施方式中,所述心脑血管疾病风险评估模块至少用于执行以下操作:将所述信息获取模块获取的代谢标志物组的水平输入诊断模型,根据诊断模型评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险。
在一些具体的实施方式中,所述诊断模型如下所示:
P = C1 * 0.9414 + C2* 5.6311 + C3 * 0.5817 + C4* 0.09151 – C5 *0.03620 +C6 * 0.05425 + C7 * 0.02096 + 2.2141;
其中,所述C1为样品中神经酰胺Cer d18:1/16:0按μM的浓度单位表示时所取的浓度值,所述C2为样品中神经酰胺Cer d18:1/18:0按μM的浓度单位表示时所取的浓度值,所述C3为样品中神经酰胺Cer d18:1/24:0按μM的浓度单位表示时所取的浓度值,所述C4为样本中苯乙酰谷氨酰胺按μM的浓度单位表示时所取的浓度值,所述C5为样本中三甲胺按μM的浓度单位表示时所取的浓度值,所述C6为样本中甜菜碱按μM的浓度单位表示时所取的浓度值,所述C7为样本中胆碱按μM的浓度单位表示时所取的浓度值;
如果所述受试者的P值在一定的阈值范围,则评估所述受试者患有所述心脑血管疾病或者具有心脑血管疾病患病风险,其中
所述阈值选自0.4~0.5,优选0.4243时,预测所述受试者具有冠心病风险;
所述阈值选自1.0~1.2,优选1.019时,预测所述受试者具有心衰风险;
所述阈值选自1.4~1.42,优选1.412时,预测所述受试者具有房颤风险;
所述阈值选自0.3~0.31,优选0.303时,预测所述受试者具有动脉粥样硬化风险。
在一些具体的实施方式中,所述系统还包括样品检测模块,至少用于执行检测样品中所述标志物水平的操作。
在一些具体的实施方式中,所述系统至少用于执行检测生物标志物的液相色谱串联质谱联用(LC-MS/MS)操作;所述液相色谱可选自高效液相色谱(HPLC)、超高效液相色谱(UPLC)和纳升液相色谱(Nano-LC),所述串联质谱可选自四级杆质谱(Quadrupole, Q)、飞行时间质谱(Time of Flight, TOF)、离子肼质谱(Ion Trap)和高分辨轨道肼质谱(Orbitrap)。
在一些具体的实施方式中,所述液相色谱的分离条件包括:流动相A为含添加剂的甲醇溶液,添加剂选自甲酸铵、乙酸铵、三氯乙酸中任一种,流动相B选自异丙醇、甲醇、乙腈、乙醇、丙二醇中一种或几种的组合;色谱柱选自C8和C18硅胶填料柱,柱温设置为25-45℃,流速为0.2-0.6毫升/分;所述质谱的检测条件包括:采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。
作为示例性的具体的实施方式,所述液相色谱的分离条件可包括:进样5微升,流动相A为60%甲醇+10毫摩尔甲酸铵,流动相B为90%异丙醇+10%甲醇+10毫摩尔甲酸铵,色谱柱为100毫摩尔的C18柱,柱温设置为40℃,流速为0.3mL/分钟,0-0.5分钟维持50%B,0.5-1.8分钟从50%B线性变化至75%B,1.8-3.0分钟从75%B线性变化至80%B,3.0-3.4分钟从80%B线性变化至98%B,3.4-4.3分钟维持98%B,4.3-4.5分钟从98%B线性变化至50%B,4.5-6分钟维持50%B;
在一些具体的实施方式中,所述质谱选自四级杆质谱、飞行时间质谱、离子肼质谱和高分辨轨道肼质谱;所述质谱的条件和设定质谱定性定量检测模式包括:选择电喷离子源(ESI),根据检测目标化合物的响应选择离子扫描模式;采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。
在一些具体的实施方式中,所述系统还包括样品前处理模块,所述样品前处理模块至少用于执行蛋白沉淀和标志物组提取的操作;所述操作包括对所述受试者样本用异丙醇和甲醇混合溶剂进行提取,离心后取上清液用于检测,其体积比可以为1:1-1:10,作为优选方式,体积比可以为1:3-1:5。
有益效果
(1)本发明首次在心脑血管疾病受试者样本中发现并验证了相对正常受试者的32种差异代谢物,其中7种差异代谢物尤为重要。基于上述发现,本发明提供一种全新的代谢标志物组合及其应用,建立相应的代谢物标志物组合定量检测方法和计算机评估系统,有助于提高心脑血管疾病诊断的灵敏度和特异性。
(2)本发明基于7种尤为重要的心脑血管疾病差异代谢物,建立预测模型,该模型在用于区分147个冠心病患者时,AUC=0.897,灵敏度为85.0%,特异度为89.4%,准确性为86.7%。本发明所述计算机系统运用该模型评估受试者的心脑血管疾病风险时,具有灵敏度和特异性高、准确性好的优点。本发明发现的差异代谢物和预测模型还可用于受试者心衰、房颤和动脉粥样硬化等心血管疾病的风险评估。
(3)本发明在优选方案中采用高效液相色谱串联质谱联用的方式检测样品中的标志物水平,并进一步优化其检测条件,实现了多种生物标志物的同时靶向定量检测,解决心脑血管疾病标志物的检测特异性、精准性和多样性问题,同时具有样本检测量小,通量高的优点。
附图说明
图1是本发明代谢标志物在血液中的液相色谱质谱代表型离子色谱图;
图2中在5%BSA中的神经酰胺分子Cerd18:1/16:0的校准曲线;
图3是在5%BSA中的神经酰胺分子Cer d18:1/18:0的校准曲线;
图4是在5%BSA中的苯乙酰谷氨酰胺的校准曲线;图5是在5%BSA中的神经酰胺分子Cer d18:1/24:0的校准曲线;
图6是在5%BSA中的神经酰胺分子Cer d18:1/24:1的校准曲线;
图7是在5%BSA中的左旋肉碱的校准曲线;
图8是在5%BSA中的三已糖神经酰胺的校准曲线;
图9是在5%BSA中的氧化三甲胺的校准曲线;
图10是在5%BSA中的肌酐的校准曲线;
图11是在5%BSA中的三甲胺的校准曲线;
图12是在5%BSA中的甜菜碱的校准曲线;
图13是在5%BSA中的胆碱的校准曲线;
图14是冠心病患者和健康组受试者工作特征曲线(ROC);
图15是心衰患者和对照组受试者工作特征曲线(ROC);
图16是房颤患者和对照组受试者工作特征曲线(ROC);
图17是动脉粥样硬化患者和对照组受试者工作特征曲线(ROC)。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。实施例中未注明具体条件者,按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者,均为可以通过市购获得的常规产品。
实施例一、血液样本采集
采用临床 EDTA 抗凝的真空采血管,对冠心病患者和健康对照正常人进行静脉采集 3-5ml 空腹静脉血。采集后1小时内 1500g×15分钟分离血浆。 等量(150微升)分装于200微升离心管中,快速置于-80℃保存备用并做好信息登记。其中包括:(1)训练集:冠心病患者临床血浆样本183例,健康人对照血浆样本94例;(2)验证集:冠心病患者临床血浆样本147例,健康人对照血浆样本94例。
实施例二、校准品(标准品)曲线工作液、内校准品以及质控品的制备
将待测标志物标准品分别用异丙醇:乙腈为9:1的溶剂溶解成0.1mM的储备液。然后进一步用50mg/mL的牛血清白蛋白(BSA,阿拉丁)溶液稀释成混合校准品(标准品)曲线工作液。
示例性地,可在混合校准品工作液中加入神经酰胺Cer d18:1/16:0、神经酰胺Cerd18:1/18:0 、神经酰胺GlcCer d18:1/12:0 和1-磷酸鞘氨醇,其浓度点分别为2μM、1μM、0.4μM、0.2μM、0.08μM和0.04μM;还可在混合校准品工作液中加入神经酰胺Cer d18:1/24:0、神经酰胺Cerd18:1/24:1、三己糖神经酰胺 d18:1/24:)和苯基乙酰基谷氨酰胺的各浓度点为10μM、5μM、2μM、1μM、0.4μMμM和0.2μM;还可在混合校准品工作液中加入氧化三甲胺、三甲胺、胆碱、左旋肉碱、甜菜碱、肌酸酐,其浓度点为100μM、50μM、20μM、10μM、4μM和2μM。注意,本实施例仅为示例性地描述混合校准样品工作液中的代谢标志物,而非穷举。
内校准品神经酰胺分子Cerd18:1/17:0、氘代氧化三甲胺和氘代色氨酸分别溶解成0.1mM的储备液,然后用异丙醇:甲醇为8:2的溶剂稀释成300nM的混合内标工作液。
根据样本中各标记组合物的浓度范围,制备相对浓度高、中、低的三个质控样品。
实施例三、血浆样本的前处理及诊断标记组合物提取
上述共518例血浆样本和校准品(标准品)曲线工作液以及质控品分别取10微升至V底96孔板中,然后再加入190微升内校准品工作液,贴上铝制封口膜,650 rpm震荡混匀20分钟。然后4000×g离心20分钟,取100微升上清液待高效液相色谱-质谱检测。
实施例四、诊断标记组合物的高效液相色谱-质谱检测
液相色谱分离条件和参数主要为:进样5微升,流动相A为60%甲醇+10mM甲酸铵,流动相B为90%异丙醇+10%甲醇+10mM甲酸铵,色谱柱为100mM的C18反相柱(Waters AcquityBEH C18),柱温设置为40℃,流速为0.3mL/分钟。洗脱梯度:0-0.5分钟维持50%B,0.5-1.8分钟从50%B线性变化至75%B,1.8-3.0分钟从75%B线性变化至80%B,3.0-3.4分钟从80%B线性变化至98%B,3.4-4.3分钟维持98%B,4.3-4.5分钟从98%B线性变化至50%B,4.5-6分钟维持50%B。
质谱检测参数主要为:采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,离子谱图参见附图1。
实施例五、标准曲线
建立各代谢标志物的校正标准曲线,示例性地,如图2-13所示,其中横坐标代表相应检测物质的浓度(μM),纵坐标代表质谱信号峰面积。本实施例得到的校正标准曲线可以用于查询受试者血清样本中相应待测物质的浓度。
实施例六、质量控制
将测试项目的冠心病样本和健康对照样本取等量混合成QC样本,然后与标准品一起检测,进行标准曲线线性、定量LOQ、加标和非加标对比的定量回收率测试,同时非加标的QC样本穿插在项目样本中进行间隔的定量重复性测试 ,确保样本的检测符合质量控制,示例性地,表1示出部分代谢物的相关结果。
表1质量控制检测结果
Figure DEST_PATH_IMAGE002
实施例七、标志物诊断模型建立
通过多维OPLS-DA模型提供的变量权重VIP值(VIP> 1)及Mann-Whitney U检验所提供的P值(P <0.05)的选择标准,从训练集样本中得到用于区分冠心病及正常对照的32种差异性代谢物,包括:神经酰胺Cer d18:1/16:0、神经酰胺Cer d18:1/18:0、神经酰胺Cerd18:1/24:0、神经酰胺Cer d18:1/24:1、神经酰胺GlcCer d18:1/12:0、三已糖神经酰胺d18:1/24:0、1-磷酸鞘氨、苯乙酰谷氨酰胺、氧化三甲胺、三甲胺、胆碱、左旋肉碱、甜菜碱、肌酸酐,天冬氨酸、N-乙酰丙氨酸、甘氨酸、N-乙酰天冬氨酸、N-乙酰苏氨酸、N-乙酰-1-甲基组氨酸、吲哚乙酸、皮质醇、柠檬酸、亮氨酸、异亮氨酸、缬氨酸、嘧啶、琥珀酸、乙酰辅酶、谷氨酸、草酰乙酸和alpha-酮戊二酸。
利用逻辑回归模型进行验证,发现其中的7个代谢物(分别是:神经酰胺分子Cerd18:1/16:0, 神经酰胺分子Cer d18:1/18:0 ,神经酰胺分子Cer d18:1/24:0,苯乙酰谷氨酰胺,三甲胺,甜菜碱,胆碱)作为冠心病标志物的作用尤为重要。随后应用临床诊断性能曲线(ROC曲线)对标志物在冠心病血浆/血清样本进行评价。
根据各诊断标志物在冠心病和正常对照组之间的差异倍数大小、显著性大小及其浓度值大小范围等综合因素,通过逻辑回归模型建立优于单一标志物指标的得分诊断模型:
模型得分P = C1 * 0.9414 + C2* 5.6311 + C3 * 0.5817 + C4 * 0.09151 –C5 * 0.03620 + C6 * 0.05425 + C7 * 0.02096 + 2.2141。
其中,所述C1为样品中神经酰胺Cer d18:1/16:0按μM的浓度单位表示时所取的浓度值;如果浓度值用mM表述,需先换算为μM后,再取其浓度值作为可带入至模型,示例性地,如果样品中神经酰胺Cer d18:1/16:0的检测浓度为0.02mM,则需将其换算为20μM,取20作为C1值带入模型进行计算,下述C2~C7均采用同样方式处理;
所述C2为样品中神经酰胺Cer d18:1/18:0按μM的浓度单位表示时所取的浓度值;所述C3为样品中神经酰胺Cer d18:1/24:0按μM的浓度单位表示时所取的浓度值;所述C4为样本中苯乙酰谷氨酰胺按μM的浓度单位表示时所取的浓度值;所述C5为样本中三甲胺按μM的浓度单位表示时所取的浓度值;所述C6为样本中甜菜碱按μM的浓度单位表示时所取的浓度值;所述C7为样本中胆碱按μM的浓度单位表示时所取的浓度值。
通过受试者工作特征曲线(ROC)曲线分析得到最佳诊断阈值0.4243(参见说明书附图14)。后续通过每个样本的诊断标志物检测其浓度值,再根据诊断模型计算得分值,通过与诊断阈值的比较评估受试者是否患病或具有患病风险。
实施例八、标志物诊断模型的验证
将建立的标志物诊断模型应用于另外147例冠心病患者以及94例对照样本,计算每个样本的得分值,然后统计得到验证的诊断特异性、灵敏度、准确率,如下表2格所示,结果表明该预测模型具有较好的冠心病预测结果。7个代谢物组用于区分147个冠心病患者时AUC=0.871,灵敏度为85.0%,特异度为89.4% ,准确性为86.7%(表2)。
表2 实施例7所述预测模型的诊断冠心病效果评估
Figure DEST_PATH_IMAGE004
实施例九标志物诊断模型的验证
将建立的标志物诊断模型应用于121例心衰患者以及89例对照样本,计算每个样本的得分值,然后统计得到验证的诊断特异性、灵敏度、准确率,结果表明该预测模型具有较好的心衰预测结果。7个代谢物组用于区分121个心衰患者时AUC=0.905,灵敏度为88.4%,特异度为83.1%,准确度86.2%,阈值1.019,见表3和附图15。
表3 实施例7所述预测模型的诊断心衰效果评估
Figure DEST_PATH_IMAGE006
实施例十标志物诊断模型的验证
将建立的标志物诊断模型应用于134例房颤患者以及111例对照样本,计算每个样本的得分值,然后统计得到验证的诊断特异性、灵敏度、准确率,结果表明该预测模型具有较好的房颤预测结果。7个代谢物组用于区分134个房颤患者时AUC=0.836,灵敏度为82.8%,特异度为82.9% ,准确性82.9,阈值1.412,见表4和附图16。
表4 实施例7所述预测模型的诊断房颤效果评估
Figure DEST_PATH_IMAGE008
实施例十一标志物诊断模型的验证
将建立的标志物诊断模型应用于123例动脉粥样硬化患者以及98例对照样本,计算每个样本的得分值,然后统计得到验证的诊断特异性、灵敏度、准确率,结果表明该预测模型具有较好的动脉粥样硬化预测结果。7个代谢物组用于区分123个动脉粥样硬化患者时AUC=0.838,灵敏度为81.3%,特异度为79.6%,准确性80.5%,阈值0.303,见表5和附图17。
表5 实施例7所述预测模型的诊断动脉粥样硬化效果评估
Figure DEST_PATH_IMAGE010
实施例十二检测心脑血管疾病的计算机系统的建立
根据实施例1-11,本实施例建立一种用于评估受试者心脑血管疾病风险的计算机系统,包括信息获取模块、心脑血管疾病风险评估模块、样品检测模块和样品前处理模块。
其中,所述信息获取模块至少用于执行以下操作:获取受试者样品中的代谢标志物组合检测信息,所述代谢标志物组合选自前所述的代谢标志物组合。
所述心脑血管疾病风险评估模块至少用于执行以下操作:根据所述信息获取模块获取的代谢标志物组水平,评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险;所述心脑血管疾病选自高血压、冠心病、动脉粥样硬化、房颤、心衰、中风、周围血管疾病、心力衰竭、风湿性心脏病、先天性心脏病或心肌病;具体包括将所述信息获取模块获取的代谢标志物组的水平输入诊断模型,根据诊断模型评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险;所述诊断模型如下所示:
P = C1 * 0.9414 + C2* 5.6311 + C3 * 0.5817 + C4* 0.09151 – C5 *0.03620 +C6 * 0.05425 + C7 * 0.02096 + 2.2141;
其中,所述C1为样品中神经酰胺Cer d18:1/16:0按μM的浓度单位表示时所取的浓度值,所述C2为样品中神经酰胺Cer d18:1/18:0按μM的浓度单位表示时所取的浓度值,所述C3为样品中神经酰胺Cer d18:1/24:0按μM的浓度单位表示时所取的浓度值,所述C4为样本中苯乙酰谷氨酰胺按μM的浓度单位表示时所取的浓度值,所述C5为样本中三甲胺按μM的浓度单位表示时所取的浓度值,所述C6为样本中甜菜碱按μM的浓度单位表示时所取的浓度值,所述C7为样本中胆碱按μM的浓度单位表示时所取的浓度值;
如果所述受试者的P值对应于不同阈值范围,则评估所述受试者患有所述心脑血管疾病或者具有心脑血管疾病患病风险,其中:
所述阈值选自0.4~0.5,优选0.4243时,预测所述受试者具有冠心病风险;
所述阈值选自1.0~1.2,优选1.019时,预测所述受试者具有心衰风险;
所述阈值选自1.4~1.42,优选1.412时,预测所述受试者具有房颤风险;
所述阈值选自0.3~0.31,优选0.303时,预测所述受试者具有动脉粥样硬化风险。
所述样品检测模块,至少用于执行检测样品中所述标志物水平的操作;具体包括至少用于执行检测生物标志物的液相色谱串联质谱联用(LC-MS/MS)操作;所述液相色谱可选自高效液相色谱(HPLC)、超高效液相色谱(UPLC)和纳升液相色谱(Nano-LC),所述串联质谱可选自四级杆质谱(Quadrupole, Q)、飞行时间质谱(Time of Flight, TOF)、离子肼质谱(Ion Trap)和高分辨轨道肼质谱(Orbitrap);
所述液相色谱的分离条件包括:进样5微升,流动相A为60%甲醇+10毫摩尔甲酸铵,流动相B为90%异丙醇+10%甲醇+10毫摩尔甲酸铵,色谱柱为100毫摩尔的C18柱,柱温设置为40℃,流速为0.3mL/分钟,0-0.5分钟维持50%B,0.5-1.8分钟从50%B线性变化至75%B,1.8-3.0分钟从75%B线性变化至80%B,3.0-3.4分钟从80%B线性变化至98%B,3.4-4.3分钟维持98%B,4.3-4.5分钟从98%B线性变化至50%B,4.5-6分钟维持50%B;
所述质谱的检测条件包括:采用三重四级杆质谱多反应监测(MRM)模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。所述样品前处理模块,所述样品前处理模块至少用于执行蛋白沉淀和标志物组提取的操作;所述操作包括对所述受试者样本用异丙醇:甲醇进行提取,离心后取上清液用于检测。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,但本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (15)

1.用于评估受试者心脑血管疾病风险的代谢标志物组合,其特征在于,所述代谢标志物组合包括神经酰胺Cer d18:1/16:0、神经酰胺Cer d18:1/18:0、神经酰胺Cer d18:1/24:0、苯乙酰谷氨酰胺、三甲胺、甜菜碱和胆碱;所述心脑血管疾病选自冠心病、动脉粥样硬化、房颤、心衰。
2.如权利要求1所述的代谢标志物组合,其特征在于,所述代谢标志物组合还包括以下代谢标志物的一种或多种:神经酰胺Cer d18:1/24:1、神经酰胺Glc Cer d18:1/12:0、三已糖神经酰胺d18:1/24:0、1-磷酸鞘氨醇、氧化三甲胺、肉碱或肌酸酐。
3.如权利要求2所述的代谢标志物组合,其特征在于,所述代谢标志物组合还包括以下代谢标志物的一种或多种:天冬氨酸、N-乙酰丙氨酸、甘氨酸、N-乙酰天冬氨酸、N-乙酰苏氨酸、N-乙酰-1-甲基组氨酸、吲哚乙酸、皮质醇、柠檬酸、亮氨酸、异亮氨酸、缬氨酸、嘧啶、琥珀酸、乙酰辅酶、谷氨酸、草酰乙酸或α-酮戊二酸。
4.如权利要求1至3任一所述的代谢标志物组合,其特征在于,所述受试者为人类;所述代谢标志物通过检测受试者的生物样本而获得,所述生物样本选自血浆或血清。
5.权利要求1至3任一所述的代谢标志物组合在制备诊断心脑血管疾病或评价心脑血管药物的诊断产品中的用途,所述产品以权利要求1至3任一所述的代谢标志物组合的表达水平作为评估指标。
6.如权利要求5所述的用途,其特征在于,所述诊断产品选自试剂盒、诊断装置和计算机系统。
7.一种检测如权利要求1至3任一所述的代谢标志物组合的试剂盒,其特征在于,所述试剂盒包括代谢标志物的标准品和代谢标志物提取剂,所述代谢标志物提取剂选自有机溶剂和水的混合物,有机溶剂选自异丙醇、甲醇、乙腈之一种或多种。
8.一种用于评估受试者心脑血管疾病风险的计算机系统,其特征在于,所述系统包括信息获取模块和心脑血管疾病风险评估模块;
其中,所述信息获取模块至少用于执行以下操作:获取受试者样品中的代谢标志物组合检测信息,所述代谢标志物组合选自权利要求1至3任一项所述的代谢标志物组合;
所述心脑血管疾病风险评估模块至少用于执行以下操作:根据所述信息获取模块获取的代谢标志物组水平,评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险;所述心脑血管疾病选自冠心病、动脉粥样硬化、房颤、心衰。
9.根据权利要求8所述的系统,其特征在于,所述心脑血管疾病风险评估模块至少用于执行以下操作:将所述信息获取模块获取的代谢标志物组的水平输入诊断模型,根据诊断模型评估所述受试者是否患有心脑血管疾病或具有心脑血管疾病的患病风险。
10.根据权利要求9所述的系统,其特征在于,所述诊断模型如下所示:
P = C1 * 0.9414 + C2* 5.6311 + C3 * 0.5817 + C4* 0.09151 – C5 * 0.03620 +C6 * 0.05425 + C7 * 0.02096 + 2.2141;
其中,所述C1为样品中神经酰胺Cer d18:1/16:0按μM的浓度单位表示时所取的浓度值,所述C2为样品中神经酰胺Cer d18:1/18:0按μM的浓度单位表示时所取的浓度值,所述C3为样品中神经酰胺Cer d18:1/24:0按μM的浓度单位表示时所取的浓度值,所述C4为样本中苯乙酰谷氨酰胺按μM的浓度单位表示时所取的浓度值,所述C5为样本中三甲胺按μM的浓度单位表示时所取的浓度值,所述C6为样本中甜菜碱按μM的浓度单位表示时所取的浓度值,所述C7为样本中胆碱按μM的浓度单位表示时所取的浓度值;
如果所述受试者的P值对应不同阈值范围时,则评估所述受试者患有所述心脑血管疾病或者具有心脑血管疾病患病风险,其中:所述阈值选自0.4~0.5,预测所述受试者具有冠心病风险;所述阈值选自1.0~1.2,预测所述受试者具有心衰风险;所述阈值选自1.4~1.42,预测所述受试者具有房颤风险;所述阈值选自0.3~0.31,预测所述受试者具有动脉粥样硬化风险。
11.根据权利要求10所述的系统,其特征在于,所述阈值选自0.4243时,预测所述受试者具有冠心病风险;所述阈值选自1.019时,预测所述受试者具有心衰风险;所述阈值选自1.412时,预测所述受试者具有房颤风险;所述阈值选自0.303时,预测所述受试者具有动脉粥样硬化风险。
12.根据权利要求10所述的系统,其特征在于,所述系统还包括样品检测模块,至少用于执行检测样品中所述标志物水平的操作。
13.根据权利要求12所述的系统,其特征在于,所述样品检测模块至少用于执行检测生物标志物的液相色谱串联质谱联用操作;所述液相色谱可选自高效液相色谱、超高效液相色谱和纳升液相色谱,所述串联质谱可选自四级杆质谱、飞行时间质谱、离子肼质谱和高分辨轨道肼质谱。
14.根据权利要求13所述的系统,其特征在于,所述液相色谱的流动相A为含添加剂的甲醇溶液,添加剂选自甲酸铵、乙酸铵、三氯乙酸中任一种,流动相B选自异丙醇、甲醇、乙腈、乙醇、丙二醇中一种或几种的组合;色谱柱选自C8和C18硅胶填料柱,柱温设置为25-45℃,流速为0.2-0.6毫升/分;所述质谱的检测条件包括:采用三重四级杆质谱多反应监测模式进行数据采集,选择代谢标志物的特征离子对信息,并采用标准品进行信息确认和检测方法建立,同时采用内标准品进行定量校正,得到生物样本中各代谢标志物的精准浓度值及相关比例值。
15.根据权利要求10所述的系统,其特征在于,所述系统还包括样品前处理模块,所述样品前处理模块至少用于执行蛋白沉淀和标志物组提取的操作;所述操作包括对所述受试者样本用异丙醇和甲醇混合溶剂进行提取,离心后取上清液用于检测。
CN202110000655.9A 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用 Active CN112505228B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202211178138.1A CN117147751A (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
CN202110000655.9A CN112505228B (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
PCT/CN2022/070155 WO2022144028A1 (zh) 2021-01-04 2022-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110000655.9A CN112505228B (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202211178138.1A Division CN117147751A (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Publications (2)

Publication Number Publication Date
CN112505228A true CN112505228A (zh) 2021-03-16
CN112505228B CN112505228B (zh) 2022-10-21

Family

ID=74952123

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110000655.9A Active CN112505228B (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
CN202211178138.1A Pending CN117147751A (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202211178138.1A Pending CN117147751A (zh) 2021-01-04 2021-01-04 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Country Status (2)

Country Link
CN (2) CN112505228B (zh)
WO (1) WO2022144028A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113176364A (zh) * 2021-04-19 2021-07-27 中国医学科学院北京协和医院 一种同时检测氧化三甲胺和苯乙酰谷氨酰胺的方法及其检测试剂盒和应用
CN113533754A (zh) * 2021-07-12 2021-10-22 北京市心肺血管疾病研究所 神经酰胺在制备用于评估高血压患者发生不良事件风险的试剂盒中的应用
CN114113573A (zh) * 2021-11-08 2022-03-01 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
WO2022144028A1 (zh) * 2021-01-04 2022-07-07 深圳市绘云生物科技有限公司 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
CN114813986A (zh) * 2022-01-26 2022-07-29 北京市心肺血管疾病研究所 一组用于预测高危型扩张型心肌病的脂质代谢物组
CN115047087A (zh) * 2022-03-30 2022-09-13 武汉迈特维尔生物科技有限公司 一种同时检测血清样本中氧化三甲胺类物质的方法
CN115112776A (zh) * 2021-03-18 2022-09-27 中国科学院大连化学物理研究所 联合标志物及在诊断心房颤动中应用及诊断试剂或试剂盒
CN115181799A (zh) * 2022-09-13 2022-10-14 中国中医科学院医学实验中心 用于预测、预防或治疗心力衰竭的标志物、方法及系统
CN115267214A (zh) * 2022-08-10 2022-11-01 南方医科大学珠江医院 一种脂质代谢标志物、其筛选方法及其在颅内动脉瘤中的应用
CN115389756A (zh) * 2022-10-24 2022-11-25 首都医科大学附属北京安贞医院 一种预测房颤发生风险的检测试剂盒及其应用
WO2023072261A1 (zh) * 2021-10-29 2023-05-04 上海市第一人民医院 糖尿病视网膜病变眼底硬性渗出相关的血清脂质标志物及其应用
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115901987A (zh) * 2022-10-18 2023-04-04 华中科技大学同济医学院附属同济医院 一种蛋白沉淀剂、检测心衰及冠心病标志物的试剂盒和方法
CN117233367B (zh) * 2023-11-16 2024-02-09 哈尔滨脉图精准技术有限公司 妊娠期高血压风险评估的代谢标志物
CN118150738A (zh) * 2024-05-09 2024-06-07 中国医学科学院阜外医院 一种慢性不可预知应激模型的生物标志物及其应用

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105486773A (zh) * 2015-12-25 2016-04-13 齐炼文 用于诊断冠心病的代谢标志物
CN105628809A (zh) * 2015-12-25 2016-06-01 中国药科大学 用于诊断区分冠状动脉粥样硬化和冠心病的代谢标志物
US20170285049A1 (en) * 2014-09-01 2017-10-05 Metanomics Gmbh Means and Methods for Diagnosing Heart Failure in a Subject
US20190310269A1 (en) * 2018-04-04 2019-10-10 Human Longevity, Inc. Systems and methods for measuring obesity using metabolome analysis
CN111830142A (zh) * 2019-04-23 2020-10-27 北京市心肺血管疾病研究所 神经酰胺在制备用于评估心力衰竭患者发生不良事件风险的试剂盒中的应用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160209428A1 (en) * 2013-08-21 2016-07-21 The Regents Of The University Of California Diagnostic and predictive metabolite patterns for disorders affecting the brain and nervous system
CN112505228B (zh) * 2021-01-04 2022-10-21 深圳市绘云生物科技有限公司 用于评估受试者心血管疾病风险的代谢标志物组合及其应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170285049A1 (en) * 2014-09-01 2017-10-05 Metanomics Gmbh Means and Methods for Diagnosing Heart Failure in a Subject
CN105486773A (zh) * 2015-12-25 2016-04-13 齐炼文 用于诊断冠心病的代谢标志物
CN105628809A (zh) * 2015-12-25 2016-06-01 中国药科大学 用于诊断区分冠状动脉粥样硬化和冠心病的代谢标志物
US20190310269A1 (en) * 2018-04-04 2019-10-10 Human Longevity, Inc. Systems and methods for measuring obesity using metabolome analysis
CN111830142A (zh) * 2019-04-23 2020-10-27 北京市心肺血管疾病研究所 神经酰胺在制备用于评估心力衰竭患者发生不良事件风险的试剂盒中的应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫超 等: "肠道微生物及其代谢产物与心力衰竭相关性研究进展", 《中国动脉硬化杂志》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022144028A1 (zh) * 2021-01-04 2022-07-07 深圳市绘云生物科技有限公司 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
CN115112776A (zh) * 2021-03-18 2022-09-27 中国科学院大连化学物理研究所 联合标志物及在诊断心房颤动中应用及诊断试剂或试剂盒
CN115112776B (zh) * 2021-03-18 2023-07-04 中国科学院大连化学物理研究所 联合标志物及在诊断心房颤动中应用及诊断试剂或试剂盒
CN113176364A (zh) * 2021-04-19 2021-07-27 中国医学科学院北京协和医院 一种同时检测氧化三甲胺和苯乙酰谷氨酰胺的方法及其检测试剂盒和应用
CN113533754A (zh) * 2021-07-12 2021-10-22 北京市心肺血管疾病研究所 神经酰胺在制备用于评估高血压患者发生不良事件风险的试剂盒中的应用
WO2023072261A1 (zh) * 2021-10-29 2023-05-04 上海市第一人民医院 糖尿病视网膜病变眼底硬性渗出相关的血清脂质标志物及其应用
CN114113573A (zh) * 2021-11-08 2022-03-01 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
CN116087485A (zh) * 2021-11-08 2023-05-09 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
CN116087485B (zh) * 2021-11-08 2023-10-20 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
CN116087488A (zh) * 2021-11-08 2023-05-09 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
CN116087489A (zh) * 2021-11-08 2023-05-09 中国医学科学院阜外医院 糖尿病患者早期预测心血管疾病(cvd)的生物标志物及其用途
CN114813986A (zh) * 2022-01-26 2022-07-29 北京市心肺血管疾病研究所 一组用于预测高危型扩张型心肌病的脂质代谢物组
CN114813986B (zh) * 2022-01-26 2024-04-16 北京市心肺血管疾病研究所 一组用于预测高危型扩张型心肌病的脂质代谢物组
CN115047087A (zh) * 2022-03-30 2022-09-13 武汉迈特维尔生物科技有限公司 一种同时检测血清样本中氧化三甲胺类物质的方法
CN115267214A (zh) * 2022-08-10 2022-11-01 南方医科大学珠江医院 一种脂质代谢标志物、其筛选方法及其在颅内动脉瘤中的应用
CN115976241A (zh) * 2022-09-13 2023-04-18 中国中医科学院医学实验中心 用于预测、预防或治疗心力衰竭的标志物、方法及系统
CN115181799A (zh) * 2022-09-13 2022-10-14 中国中医科学院医学实验中心 用于预测、预防或治疗心力衰竭的标志物、方法及系统
CN115389756B (zh) * 2022-10-24 2023-02-17 首都医科大学附属北京安贞医院 一种预测房颤发生风险的检测试剂盒及其应用
CN115389756A (zh) * 2022-10-24 2022-11-25 首都医科大学附属北京安贞医院 一种预测房颤发生风险的检测试剂盒及其应用
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质
CN116228205B (zh) * 2023-03-29 2023-11-21 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质

Also Published As

Publication number Publication date
WO2022144028A1 (zh) 2022-07-07
CN117147751A (zh) 2023-12-01
CN112505228B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN112505228B (zh) 用于评估受试者心血管疾病风险的代谢标志物组合及其应用
Hermann et al. Identification and characterization of post-translational modifications: Clinical implications
Percy et al. Advances in multiplexed MRM-based protein biomarker quantitation toward clinical utility
Lu et al. LC–MS-based metabonomics analysis
US11181530B2 (en) Mass spectrometry method for detection and quantitation of metabolites
Pereira et al. Development and validation of a UPLC/MS method for a nutritional metabolomic study of human plasma
Bohnstedt et al. Determination of isoprostanes in urine samples from Alzheimer patients using porous graphitic carbon liquid chromatography–tandem mass spectrometry
US10768183B2 (en) Metabolite panel for improved screening and diagnostic testing of cystic fibrosis
WO2023082820A1 (zh) 用于肺腺癌诊断的标志物及其应用
Wijeyesekera et al. Quantitative UPLC-MS/MS analysis of the gut microbial co-metabolites phenylacetylglutamine, 4-cresyl sulphate and hippurate in human urine: INTERMAP Study
CN112630311B (zh) 用于检测情感障碍的代谢标记物和试剂盒及使用方法
WO2022166006A1 (zh) 一种用于评估空腹血糖受损和2型糖尿病患病风险的整合生物标志物体系
CN112305121B (zh) 代谢标志物在动脉粥样硬化性脑梗死中的应用
Mirnaghi et al. Challenges of analyzing different classes of metabolites by a single analytical method
Chen et al. Targeting amine-and phenol-containing metabolites in urine by dansylation isotope labeling and liquid chromatography mass spectrometry for evaluation of bladder cancer biomarkers
CN112599239B (zh) 代谢物标志物及其在脑梗死诊断中的应用
Bird et al. Structural characterization of plasma metabolites detected via LC-electrochemical coulometric array using LC-UV fractionation, MS, and NMR
Shanmuganathan et al. New Advances for newborn screening of inborn errors of metabolism by capillary electrophoresis-mass spectrometry (CE-MS)
Kim et al. Urine proteomics and biomarkers in renal disease
Yu et al. Nanoconfined liquid phase nanoextraction combined with in-fiber derivatization for simultaneous quantification of seventy amino-containing metabolites in plasma by LC-MS/MS: Exploration of lung cancer screening model
Yue et al. Development, validation, and clinical application of an FIA‐MS/MS method for the quantification of lysophosphatidylcholines in dried blood spots
Creech et al. Mass spectrometry-based approaches for clinical biomarker discovery in traumatic brain injury
CN114689754B (zh) 一种与肺结核相关的血清代谢标志物及其应用
Zhang et al. Mass Spectrometry Analysis for Clinical Applications: A Review
CN116754772A (zh) 老年痴呆早期诊断外周血蛋白标志物、应用及辅助诊断系统

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