CN112798678A - 基于血清的新型冠状病毒感染快速检测方法 - Google Patents

基于血清的新型冠状病毒感染快速检测方法 Download PDF

Info

Publication number
CN112798678A
CN112798678A CN202110299880.7A CN202110299880A CN112798678A CN 112798678 A CN112798678 A CN 112798678A CN 202110299880 A CN202110299880 A CN 202110299880A CN 112798678 A CN112798678 A CN 112798678A
Authority
CN
China
Prior art keywords
serum
model
detection
cov
sars
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.)
Pending
Application number
CN202110299880.7A
Other languages
English (en)
Inventor
肖迪
卢金星
秦天
张炳华
张慧芳
李天一
侯学新
王磊
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 CN202110299880.7A priority Critical patent/CN112798678A/zh
Publication of CN112798678A publication Critical patent/CN112798678A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biophysics (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明提供了基于血清的新型冠状病毒感染快速检测方法，涉及蛋白质谱检测技术领域。本发明根据新型冠状病毒感染血清和非新型冠状病毒感染人血清的质谱数据，通过ClinProTools软件的模型算法构建感染新型冠状病毒血清的标准检测模型，并获得了用于鉴别新型冠状病毒感染血清的特征蛋白组合，所构建模型的识别能力为100%，交叉验证值为99.37%。利用标准检测模型对待测血清的MALDI‑TOF MS数据进行分类分析，可准确判断待检测血清是否来自新型冠状病毒感染人群。本发明方法适于新型冠状病毒感染人群的血清检测，准确度高、重复性好，通量高，检测成本低廉，结果可靠，具有良好的应用前景。

Description

基于血清的新型冠状病毒感染快速检测方法
技术领域
本发明涉及蛋白质谱检测技术领域，具体地，涉及用于检测血清特征蛋白的标准检测模型以及基于该标准检测模型鉴别新型冠状病毒（SARS-CoV-2）感染的血清检测方法。
背景技术
目前，SARS-CoV-2感染筛查、监测和诊断的主要方法和标准为核酸检测（RT-PCR）技术，临床确诊也会结合CT影像及血清抗体检测。RT-PCR检测的敏感性大约为66-80%，与新冠患者密接的无症状个体检测阳性率大约为50%。在感染早期，在高暴露人群中，用鼻咽拭子检测单次阴性不能排除SARS-CoV-2感染，要获得确切的检测结果，需重复检测，检测方法不简便，增加了检测成本。面对大量的待筛查人群，核酸检测的时效性、准确性都受到了挑战，难以满足全球范围内的检测需求。因此，急需SARS-CoV-2感染快速诊断技术和方法的面世，助力全球同心对抗SARS-CoV-2感染。
全球的科研工作者竞相开展针对SARS-CoV-2感染、诊断相关科研及检测方法研究，基于质谱的蛋白质组学技术即为具有应用前景的技术之一，尤其是基于基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）的多肽组学技术，在SARS-CoV-2感染快速检测中具有巨大潜力。MALDI-TOF MS 因其简单灵敏、高通量，以及与多种蛋白质分离方法兼容的特点，已成为许多实验室中蛋白分析的首选方法，此类新方法的开发可以对PCR诊断和抗体诊断的结果进行有力的补充。
血液是临床检测中最常用的样本。在SARS-CoV-2感染诊断中血清抗体检测也是主要的感染确认技术。国内外尚无采用MALDI-TOF MS技术直接检测血清，确定SARS-CoV-2感染的报道。因此，开发我国自主知识产权的质谱SARS-CoV-2感染血清快速检测技术，实现成本低廉、稳定性好、通量高、快速的SARS-CoV-2感染诊断，是全球公共卫生领域的急切需求，具有具大的社会效益。
发明内容
本发明的目的是提供一种快速、灵敏、准确、高通量的基于血清的SARS-CoV-2感染的快速检测方法。
本发明依据非SARS-CoV-2感染者与SARS-CoV-2感染后人体血清多肽指纹谱的差异，通过ClinProTools软件的遗传算法（GA）模型构建感染SARS-CoV-2血清的标准检测模型，并获得了用于鉴别SARS-CoV-2感染血清的特征蛋白组合，利用构建的血清检测模型，进行人血清的快速检测，甄别待测血清是否来自SARS-CoV-2感染人群。
本发明首先提供一种检测感染SARS-CoV-2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：1327.99, 1464.31, 1625.67，1815.67，2270.9,2660.45, 3066.5, 3315.96, 3508.05, 4153.49，4715.84, 5372.56,6376.41, 7467.44,7802.91, 8124.75, 8762.42, 12606.62, 18584.82。
本发明提供了上述特征蛋白组合在构建检测SARS-CoV-2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SARS-CoV-2血清的标准检测模型，通过以下方法构建得到：
（1）得到具有统计学意义数量的SARS-CoV-2感染确诊病人的血清样本、非SARS-CoV-2感染的人群血清样本，采用MALDI-TOF MS采集血清多肽指纹谱，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10个特征蛋白，每个特征蛋白的质荷比m/z分别为：1327.99, 1464.31, 1625.67，1815.67，2270.9, 2660.45, 3066.5,3315.96, 3508.05, 4153.49，4715.84, 5372.56,6376.41, 7467.44, 7802.91,8124.75, 8762.42, 12606.62, 18584.82。
所述模型算法为所述模型算法为GA模型，算法参数选择：模型中峰数目设为在5-25范围内自动选择，最大迭代次数50-70，最邻近分类数选择1、3、5、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）模型、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SARS-CoV-2感染和非感染的最优模型为GA模型，模型识别能力为100%，交叉验证能力为99.37%。
另一方面，本发明提供了一种检测感染SARS-CoV-2血清的标准检测模型的构建方法，包括以下步骤：
（1）得到具有统计学意义数量的SARS-CoV-2感染确诊病人的血清样本、非SARS-CoV-2感染的人群血清样本，采用MALDI-TOF MS采集血清多肽指纹谱，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GA模型算法，算法参数选择：模型中峰数目设为在5-25范围内自动选择，最大迭代次数50-70，最邻近分类数选择1、3、5、7进行优化，构建得到标准检测模型，并确定标准检测模型中的19个特征蛋白，每个特征蛋白的质荷比m/z分别为：1327.99, 1464.31,1625.67，1815.67，2270.9, 2660.45, 3066.5, 3315.96, 3508.05, 4153.49，4715.84,5372.56,6376.41, 7467.44, 7802.91,8124.75,8762.42,12606.62,18584.82。
本发明提供了所述的标准检测模型或调用该标准检测模型的ClinProTools软件在构建SARS-CoV-2感染血清检测系统中的应用。
本发明提供了一种感染SARS-CoV-2人血清的检测系统，该检测系统的工作程序包括以下步骤：
（1）将待测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；
（2）采用质谱仪采集血清肽质量指纹谱；
（3）采用ClinProTools软件调用本发明所述标准检测模型，对步骤（2）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SARS-CoV-2感染者或非感染者。
本发明的上述检测系统中，步骤（1）前，还包括前处理待检测血清样本，以富集血清中的蛋白。
本发明实施例中，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（1）中，所述基质饱和溶液为α-氢基-4-羟基肉桂酸在48.75%乙腈水溶液、2%-3% 三氟乙酸中的饱和液。
步骤（2）中，采集的数据强度叠加至少为1.0×104。
步骤（2）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，源1电压, 20 kV, 源2电压, 18.5 kV, 透镜电压, 6.03 kV；延时提取,100 ns； 激光频率60Hz，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200 ppm。
本发明针对大量SARS-CoV-2感染与非SARS-CoV-2感染的人体血清中的蛋白进行质谱分析，通过ClinProTools软件的GA模型算法构建感染SARS-CoV-2人血清的标准检测模型，发现了用于鉴定SARS-CoV-2感染血清的19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99.37%。利用标准检测模型对待测血清的MALDI-TOF MS数据进行分类分析，可准确判断待检测血清是否为SARS-CoV-2感染。
本发明方法适于SARS-CoV-2感染人群的血清检测。利用本发明构建的检测系统检测了487例血清样本，这些样本均已采用核酸、抗体、临床症状综合检测的方法确定是否为SARS-CoV-2感染，验证结果显示487例血清样本中148例SARS-CoV-2感染的样本被全部准确检出，326例非新型冠状病毒感染人被准确检出，检测准确率为98%（SARS-CoV-2感染阳性100%，阴性96%）。与SARS-CoV-2感染的其它检测方法比较，采用MALDI-TOF质谱仪本发明在4小时内可完成96个血清样本的检测，每个血清样本使用量仅为2.5微升，符合高通量、快速、经济的理想病原检测标准，适用于临床确诊、疾病监测、流行病学调查、公共卫生应急处理，具有十分重要的现实意义。
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SARS-CoV-2感染阴性血清样本，下图为SARS-CoV-2感染阳性血清样本。
图2为模型训练用样本的分类二维图，A为建模样本二维分布图， B为建模样本PCA图，深色为SARS-CoV-2感染阳性样本，浅色为SARS-CoV-2感染阴性样本。
图3为采用本发明的标准检测模型对SARS-CoV-2感染检测流程图。
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80例非SARS-CoV-2感染的人血清样本、80例SARS-CoV-2感染确诊病例的人血清样本的血清样本，所有感染样本经核酸、抗体、临床症状综合检测后确定。20%的样本量用于模型交叉验证。
2、血清蛋白样本富集
从4℃冰箱取出弱阳离子磁珠蛋白富集试剂盒，处理血清样本，富集血清中蛋白，制备带检测血清蛋白样本。
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、2-3%% 三氟乙酸中的饱和液，干燥后采用MALDI-TOF质谱采集数据（见图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，源1电压, 20 kV, 源2电压, 18.5 kV, 透镜电压, 6.03 kV；延时提取, 100 ns；激光频率60Hz，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200 ppm。
4、差异蛋白的获得
采用布鲁克公司的ClinProTools软件对血清样本的原始数据按SARS-CoV-2感染阴性及SARS-CoV-2感染阳性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143个（见表1）。
Figure 29583DEST_PATH_IMAGE001
Figure 680839DEST_PATH_IMAGE002
5. 检测模型的优化、构建及特征蛋白的确定
将前述选择的160例训练样本分为两组：SARS-CoV-2感染阴性血清样本为组1、SARS-CoV-2感染阳性血清样本为组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。
用两组数据320张谱图（每组各80例样本，每个数据用两张谱图）进行数学模型构建，评价识别能力及交叉验证能力，通过构建、优化获得用于SARS-CoV-2感染与非感染检测的最优甄别模型GA模型，该模型识别能力为100%，交叉验证值为99.37%。而SVM模型识别能力为98.69%，交叉验证值为97.85%；SNN模型识别能力98.75%，交叉验证值为96.29%；QC模型识别能力88.44%，交叉验证值88.99%。
该模型算法参数选择：模型中峰数目设为在5-25范围内自动选择，最大迭代次数50-70，最邻近分类数选择1、3、5、7、9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19个（包含在143个组间差异蛋白中） （表2）：质荷比m/z： 1327.99,1464.31, 1625.67，1815.67，2270.9, 2660.45, 3066.5, 3315.96, 3508.05, 4153.49，4715.84, 5372.56,6376.41, 7467.44, 7802.91, 8124.75, 8762.42, 12606.62,18584.82。两组数据的二维分布图及PCA显示较好的区分能力（见图2）。
Figure 847509DEST_PATH_IMAGE003
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血清样本是否来自SARS-CoV-2感染人群。
实施例2 模型分类能力检测
应用实施例1所构建的SARS-CoV-2感染标准检测模型，对487例临床采集的血清样本进行检测分析。其中阳性样本为核酸检测、抗体检测及临床症状综合确认病例血清样本。
检测流程见图3，具体检测如下：
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1ul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1ul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、2-3% 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，源1电压, 20.6 kV, 源2电压, 18.4 kV, 透镜电压, 6.03 kV；延时提取,100 ns； 激光频率60Hz，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200 ppm。
采用ClinProTools软件所构建的SARS-CoV-2感染血清标准检测模型的分类功能对全部487例样本的质谱数据进行检索验证，结果显示SARS-CoV-2感染阳性血清148例，阴性血清326例。
本发明采用实施例1构建的标准检测模型建立的质谱SARS-CoV-2感染血清检测方法与目前核酸、抗体、临床症状综合检测结果（阳性148，阴性339）的符合率为98% (阳性样本正确率100%，阴性样本96%)。 487例样本在样本富集后，一台设备数据采集时长约为4小时、血清样本使用量仅为2.5ul，具有快速、高通量的检测能力。本发明的方法是一种快速的SARS-CoV-2感染筛查诊断技术，非常适用于SARS-CoV-2感染监测、诊断、疫情处理及流行病学调查。
其他模型对487例样本的检测的准确度为：SVM模型为97.1%（阳性99.7%，阴性94.5%）；QC模型为89.3%（阳性93.6%，阴性85%）；SNN模型为93.1%（阳性95.6%，阴性90.6%）。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SARS-CoV-2感染血清与非SARS-CoV-2感染人血清。本发明的方法是一种使用简单快速、适用于SARS-CoV-2感染人群筛查的新型技术，可准确判断待检测血清是否为SARS-CoV-2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 (7)

1.一种检测感染新型冠状病毒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）得到具有统计学意义数量的新型冠状病毒确诊病人的血清样本、非新型冠状病毒感染的人群血清样本，并采用MALDI-TOF MS采集血清肽质量指纹谱，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19个特征蛋白，每个特征蛋白的质荷比m/z分别为：1327.99,1464.31, 1625.67，1815.67，2270.9，2660.45, 3066.5,3315.96, 3508.05, 4153.49，4715.84, 5372.56，6376.41,7467.44, 7802.91, 8124.75,8762.42, 12606.62, 18584.82。
2.根据权利要求1所述的标准检测模型，其特征在于，所述模型算法为GA模型，算法参数选择：模型中峰数目设为在5-25范围内自动选择，最大迭代次数为50-70，最邻近分类数选择1、3、5、7进行优化。
3.权利要求1或2所述的标准检测模型在构建新型冠状病毒感染血清检测系统中的应用。
4.一种新型冠状病毒感染的血清检测系统，其特征在于，所述检测系统的工作程序包括以下步骤：
（1）血清蛋白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；
（2）采用质谱仪采集数据，获得原始肽质量指纹谱；
（3）采用ClinProTools软件调用权利要求1或2所述标准检测模型，对步骤（2）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非新型冠状病毒感染者还是新型冠状病毒感染者。
5.根据权利要求4所述的血清检测系统，其特征在于，步骤（1）前，还包括前处理待检测的血清样本，以富集血清中的蛋白。
6.根据权利要求4所述的血清检测系统，其特征在于，步骤（2）中，采集的数据强度叠加至少为1.0×104。
7.根据权利要求4-6任一所述的血清检测系统，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，源1电压, 20 kV, 源2电压,18.5 kV, 透镜电压, 6.03 kV；延时提取, 100 ns； 激光频率60Hz，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200 ppm。
CN202110299880.7A 2021-03-22 2021-03-22 基于血清的新型冠状病毒感染快速检测方法 Pending CN112798678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110299880.7A CN112798678A (zh) 2021-03-22 2021-03-22 基于血清的新型冠状病毒感染快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110299880.7A CN112798678A (zh) 2021-03-22 2021-03-22 基于血清的新型冠状病毒感染快速检测方法

Publications (1)

Publication Number Publication Date
CN112798678A true CN112798678A (zh) 2021-05-14

Family

ID=75817292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110299880.7A Pending CN112798678A (zh) 2021-03-22 2021-03-22 基于血清的新型冠状病毒感染快速检测方法

Country Status (1)

Country Link
CN (1) CN112798678A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624965A (zh) * 2021-08-05 2021-11-09 中国人民解放军军事科学院军事医学研究院 N蛋白特异性IgG4在甄别新型冠状病毒感染者和疫苗接种者中的应用
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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111307926A (zh) * 2020-03-09 2020-06-19 中国疾病预防控制中心传染病预防控制所 基于血清的布鲁氏菌疫苗株感染快速检测方法
CN111378788A (zh) * 2020-04-08 2020-07-07 广州微远基因科技有限公司 辅助covid-19诊断的菌种标志物及其应用
CN111499692A (zh) * 2020-06-16 2020-08-07 国家纳米科学中心 靶向新型冠状病毒covid-19的多肽及其应用
CN111830120A (zh) * 2020-06-10 2020-10-27 北京东西分析仪器有限公司 应用质谱系统鉴定新冠病毒的试剂盒及其使用方法
US20200386766A1 (en) * 2016-12-22 2020-12-10 Metabolomycs, Inc. Metabolic signatures associated with diagnosis, disease progression, and immunological response to treatment of patients with covid-19
CN112225782A (zh) * 2020-09-29 2021-01-15 中国食品药品检定研究院 测定covid-19疫苗中结构蛋白含量的特异性肽段及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200386766A1 (en) * 2016-12-22 2020-12-10 Metabolomycs, Inc. Metabolic signatures associated with diagnosis, disease progression, and immunological response to treatment of patients with covid-19
CN111307926A (zh) * 2020-03-09 2020-06-19 中国疾病预防控制中心传染病预防控制所 基于血清的布鲁氏菌疫苗株感染快速检测方法
CN111378788A (zh) * 2020-04-08 2020-07-07 广州微远基因科技有限公司 辅助covid-19诊断的菌种标志物及其应用
CN111830120A (zh) * 2020-06-10 2020-10-27 北京东西分析仪器有限公司 应用质谱系统鉴定新冠病毒的试剂盒及其使用方法
CN111499692A (zh) * 2020-06-16 2020-08-07 国家纳米科学中心 靶向新型冠状病毒covid-19的多肽及其应用
CN112225782A (zh) * 2020-09-29 2021-01-15 中国食品药品检定研究院 测定covid-19疫苗中结构蛋白含量的特异性肽段及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624965A (zh) * 2021-08-05 2021-11-09 中国人民解放军军事科学院军事医学研究院 N蛋白特异性IgG4在甄别新型冠状病毒感染者和疫苗接种者中的应用
CN113624965B (zh) * 2021-08-05 2024-02-09 中国人民解放军军事科学院军事医学研究院 N蛋白特异性IgG4在甄别新型冠状病毒感染者和疫苗接种者中的应用
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

Similar Documents

Publication Publication Date Title
CN110057955B (zh) 乙型肝炎特异性血清标志物的筛选方法
Petricoin et al. SELDI-TOF-based serum proteomic pattern diagnostics for early detection of cancer
CN110838340B (zh) 一种不依赖数据库搜索的蛋白质生物标志物鉴定方法
CN111007139B (zh) 基于血清的布鲁氏菌感染快速检测方法
US10910205B2 (en) Categorization data manipulation using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer
CN112798678A (zh) 基于血清的新型冠状病毒感染快速检测方法
CN110057954B (zh) 血浆代谢标志物在诊断或监测hbv的应用
CN111307926B (zh) 基于血清的布鲁氏菌疫苗株感染快速检测方法
WO2024082581A1 (zh) 一种m蛋白检测的方法
CN101210929A (zh) 检测子宫内膜异位症血浆标志蛋白质的方法
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
CN112161913A (zh) 一种用于流式荧光分析系统的分析方法及设备
CN111652095A (zh) 一种基于人工智能的ctc图像识别方法和系统
CN113393902A (zh) 基于免疫表征技术对样本分类的方法、装置及存储介质
CN110349621B (zh) 肽段-谱图匹配可信度检验方法、系统、存储介质及装置
CN111537659A (zh) 一种筛选生物标志的方法
CN109870533A (zh) 一种基于分子地图的生物样本快速智能识别方法
CN117686712A (zh) 一种基于舌苔微生物蛋白筛查胃癌的方法
CN114791459B (zh) 用于检测肺结核的血清代谢标志物及其试剂盒
CN113514530A (zh) 一种基于敞开式离子源的甲状腺恶性肿瘤诊断系统
CN114171189B (zh) 一种基于外周血免疫细胞图谱的肝细胞癌早期筛查系统
CN111739583B (zh) 基于优化数据库（Sub-Lib）的数据非依赖性质谱检测方法
CN109190713A (zh) 基于血清质谱自适应稀疏特征选择的卵巢癌微创快检技术
CN116337986B (zh) 一种基于maldi-tof ms的肯塔基沙门氏菌的快速鉴定方法
Zeng A Machine-Learning-Based Algorithm for Peptide Feature Detection from Protein Mass Spectrometry 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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210514