CN112912720A - 用于与特定疾病相关的患者分类的蛋白质的功能特性的方法 - Google Patents
用于与特定疾病相关的患者分类的蛋白质的功能特性的方法 Download PDFInfo
- Publication number
- CN112912720A CN112912720A CN202080005774.7A CN202080005774A CN112912720A CN 112912720 A CN112912720 A CN 112912720A CN 202080005774 A CN202080005774 A CN 202080005774A CN 112912720 A CN112912720 A CN 112912720A
- Authority
- CN
- China
- Prior art keywords
- spin probe
- combination
- spin
- linear combination
- probe
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/10—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using electron paramagnetic resonance
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/60—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using electron paramagnetic resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/08—Hepato-biliairy disorders other than hepatitis
- G01N2800/085—Liver diseases, e.g. portal hypertension, fibrosis, cirrhosis, bilirubin
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明描述了一种用于蛋白质的功能特性的方法,该方法用于通过将生物物理参数作为输入值应用于标记物线性组合,在计算装置中进行对与特定疾病相关的患者的分类,其中,所述标记物线性组合包括至少两个生物物理参数的预定组合,使用所述标记物线性组合来确定与一种或多种所述预定疾病相关的输入参数,并根据所述标记物线性组合输出结果,其中,所述标记物线性组合包括至少一个生物物理参数:自旋探针的结合常数,自旋探针周围的极性,自旋探针的序参数,自旋探针的旋转相关时间,来自游离自旋探针的光谱分量,血清脂质组分上自旋探针的光谱分量或几何因数。
Description
本发明涉及用于样品分类的方法。特别是,借助于所述方法,可以将样品分类为与预定疾病相关。
实施方式总体上涉及分析包含载体蛋白(例如血清白蛋白)的细胞外液的方法,并且更具体地,可以涉及用于分析载体蛋白以检测不同肝病指标的方法和相关装置。在实施方式中,使用电子自旋共振光谱法(ESR)进行这种分析。电子自旋共振(ESR)也称为电子顺磁共振(EPR)。
肝脏具有多种功能,包括血液排毒、调节葡萄糖代谢、蛋白质生产以及激素和胆汁的生产。其中,肝脏产生白蛋白。白蛋白是一种参与脂肪酸运输的载体蛋白。白蛋白是血液运输系统中的主要成分,能够将脂肪酸、色氨酸、胆红素、钙、类固醇激素和其他功能上重要的活性物质运输到靶细胞,并参与多种毒素(包括内源性毒素)的结合和分布。白蛋白是一种多肽(分子量66.500Da),由585个氨基酸组成,对外源性(药物)和内源性物质具有很高的结合能力。脂肪酸是白蛋白的主要生理配体。已经报道了白蛋白结合和运输药物的能力。白蛋白可以具有抗氧化活性。
不同的肝脏疾病(也称为肝病)是众所周知的。特定的肝病需要特定的相关治疗。因此,不仅肝病的早期检测对于有效治疗是重要的,而且对特定肝病进行区分也很重要,诸如,例如慢性肝衰竭的急性发作(ACLF),无急性代偿失调的肝硬化(CC)或有急性代偿失调的肝硬化(AD)。在特定情况下,AD演变为ACLF。
在临床实践中,特定指标的丰度(或浓度)和/或所谓的诊断评分值用于肝病的诊断。指标和/或诊断评分还可以提供有关疾病恶化风险的预后信息。在本申请的上下文中,评分是指标或诊断评分。
指标可以是例如胆红素浓度、丙氨酸转氨酶(ALT)的浓度、天冬氨酸转氨酶(AST)的浓度或白蛋白的浓度。
诊断评分的实例包括CLIF-C-AD(慢性肝衰竭合并急性失代偿)评分,Child-Pugh评分(Child-Turcotte-Pugh评分),MELD(终末期肝病模型)评分和MELD-Na评分。评分可以包括至少一个指标。
MELD评分包含有关肌酐丰度,胆红素丰度和国际标准化比率(INR)的信息,国际标准化比率是衡量凝血的指标。MELD评分特别用于预估肝硬化末期患者的死亡率。
MELD-Na评分还包括有关钠(Na)丰度的信息。像MELD评分一样,MELD Na评分也特别用于评估肝硬化末期患者的死亡率。
Child-Pugh评分包含有关胆红素丰度,白蛋白丰度(尤其是血清白蛋白丰度)和INR的信息。另外,Child-Pugh评分中包括有关腹水存在和脑病存在的信息。该评分特别用于预估患者肝硬化的阶段和/或预估疾病的进程。
CLIF-C-AD评分包括有关患者年龄,白细胞数量,肌酐丰度,INR和钠(Na)丰度的信息。CLIF-C-AD评分特别用于预估AD向ACLF的发展和/或给出有关AD患者死亡率的预估。
一项研究表明,白蛋白的功能特性可用于对与特定肝病相关的样品进行分类(Jalan,R.等(2009),“Alterations in the Functional Capacity of Albumin inPatients with Decompensated Cirrhosis is Associated with IncreasedMortality”,Hepatology,50,555-564)。特别是,白蛋白的结合系数及其解毒效率可以提供信息,以区分与无肝病患者相关的样品,与具有ACLF的人相关的样品和/或与无器官功能障碍的具有肝硬化的人相关的样品。
通过指标和/或诊断评分,可以将样品分类为与特定疾病相关。特定方法的质量,即评分是否将样品正确分类,确定了方法的性能。换句话说,这意味着性能是方法质量的度量。性能取决于方法的灵敏度以及方法的特异性,尤其取决于将健康人分类为健康的并将患病人分类为患病的方法的质量。
灵敏度,也称为真实阳性率,给出与某种特定疾病相关的样品数量被分类为与该特定疾病相关的数量。例如,这意味着灵敏度可以使那些已被正确识别出疾病的病人部分。正确分类的样品(人)越多,灵敏度越高。灵敏度尤其取决于真实阳性的数目。
特异性,也称为真实阴性率,确定了正确分类的样品部分未显示出特定疾病(即与健康人有关)。例如,这意味着将健康人分类为健康的(即未显示特定疾病)。特异性取决于真实阴性的数目。另一个衡量标准是假阳性率(FPR),其计算方法为1-特异性(或100%-特异性)。FPR取决于误报的数量。它确定分类为阳性的阴性样品部分。例如,它给出了被归类为疾病的健康人的比例。
取决于特定的医学问题,具有高灵敏度可能很重要,这样(几乎)所有患者都可以通过该方法进行检测。在不同的情况下,具有较高的特异性可能更为重要,而灵敏度则不那么重要。
既要考虑灵敏度又要考虑特异性的措施是接收器工作特性(ROC)曲线,尤其是ROC曲线下的面积(AUROC)。总的来说,认为AUROC越接近一,性能就越好。
可以以简单且可靠的方式对与特定的肝病,肝病的阶段和/或预定的肝功能相关的样品(尤其是血液样品)进行分类的方法是令人感兴趣的。需要基于当前样品可以提供关于疾病进程的概率,特别是关于疾病恶化的风险的预后信息,特别是关于肝病恶化的风险,即肝病的阶段和/或预定义的肝功能的预后信息的方法。这包括可能从一种疾病阶段转移到另一种疾病阶段,即从AD到ACLF的转变。它还包括给出特定疗法是否成功的概率。特别是,需要一种具有良好性能的方法。
换句话说,这意味着令人感兴趣的方法是:可以提供一种容易获得且可靠的诊断信息的方法。特别是,令人感兴趣的方法是:提供关于肝病的容易获得且可靠的诊断信息的方法。令人感兴趣的方法是:提供关于肝衰竭分类的信息。
这由权利要求1所述的方法提供。本发明的实施方式在相应的从属权利要求中陈述,并在下面进行描述。
在计算装置中执行的第一方面方法,该方法包括以下步骤:
在计算装置处接收多个光谱,所述多个光谱获取自包含生物生理学载体蛋白的相应多个等分试样,其中,生物生理学载体是白蛋白,特别是血清白蛋白,其中,自旋探针的浓度和极性试剂的浓度中的至少一个在等分试样之间变化;
其中,极性试剂是醇或DMSO,
基于接收到的光谱由计算装置确定生物物理参数;
由所述计算装置将所述生物物理参数作为输入值,应用于标记物线性组合,其中,所述标记物线性组合包括至少两个生物物理参数的预定义组合,
计算装置使用标记物线性组合来确定与一种或多种所述预定疾病有关的输入参数,以及
根据标记物线性组合输出结果。
所述标记物线性组合包括以下生物物理参数中的至少一个:
-自旋探针的结合常数(KB),
-自旋探针周围的极性(H),
-自旋探针的序参数(S),
-自旋探针的旋转相关时间(T),
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),或
-几何因数(α)。
多个光谱可以是多个ESR光谱。ESR光谱仪可用于测量ESR光谱,特别是多个ESR光谱。
生物生理载体蛋白是白蛋白,特别是血清白蛋白。在本申请的上下文中,为了方便起见,血清白蛋白也称为白蛋白。
白蛋白在肝脏中产生。如果发生肝病,白蛋白浓度会降低。此外,如果发生肝病,白蛋白可能具有异常功能。例如,结合特定配体(例如激素、脂肪酸和/或药物)的能力可发送改变。
白蛋白结合配体的性质可以通过ESR光谱,特别是通过多个ESR光谱来确定。可以使用特定的ESR光谱和/或从ESR光谱导出的特征生物物理参数。
这意味着,借助于多个ESR光谱,可以确定白蛋白的结合性质,其可以指示特定的肝病。
多个等分试样可以包括三个等分试样。
在一个实施方式中,极性试剂是醇,特别是C1-C6醇。C1-C6醇是具有烃链长度的醇,其包含1、2、3、4、5或6个碳原子。根据一个实施方式,极性试剂是乙醇。在另一个实施方式中,极性试剂是DMSO。极性试剂可以充当自旋探针的溶剂,并可以用于改变混合物的极性。
在一个实施方式中,多个等分试样的每个等分试样中的乙醇浓度是不同的。
对于多个等分试样中的每个等分试样,测量多个ESR光谱中的各个ESR光谱。
在一个实施方式中,自旋探针可以是具有未配对电子的有机分子。自旋探针可以具有与另一个分子结合的能力。在一个实施方式中,自旋探针是16-氮氧自由基硬脂酸。16-氮氧自由基硬脂酸具有以下结构:
在一个替代的实施方式中,自旋探针是替代的自旋标记的脂肪酸。自旋探针可以是5-,7-,12-或16-氮氧自由基硬脂酸或16-氮氧自由基硬脂酸酯。根据一个实施方式,自旋探针是氮氧自由基月桂酸,特别是7-氮氧自由基月桂酸。在本申请的上下文中,自旋探针也称为自旋标记。
在不同等分试样中,自旋标记的浓度可以不同。
在本申请的上下文中,具有最低浓度的极性试剂和/或最低浓度的自旋探针的溶液称为溶液A。具有中等浓度的极性试剂和/或中等浓度的自旋标记的溶液称为溶液B。最有最高浓度的极性试剂和/或具有最高浓度的自旋标记的溶液称为溶液C。
在本申请的上下文中,第一自旋标记(第一自旋探针)也称为自旋标记1(自旋探针1),其反映了结合在高亲和力结合位点的自旋探针分子。在本申请的上下文中,第二自旋标记(第二自旋探针)也称为自旋标记2(自旋探针2),其反映结合在低亲和力结合位点的自旋探针分子。
每个生物物理参数可以与白蛋白的特定生物学特性相关,例如白蛋白的结合效率。白蛋白的特定状态可以通过生物物理参数来表征。至少两个生物物理参数的组合可以有利地比单个生物物理参数更准确地表征白蛋白的实际状态。因此,包含至少两个生物物理参数的标记物线性组合可以用于区分正常(健康)状态和异常(疾病)状态。它也可以用于将样品分类为不同的疾病状态。
生物物理参数可以是光谱分量。ESR(EPR)光谱由多个子光谱组成。在本申请的上下文中,子光谱也称为光谱分量。光谱分量可以是自旋探针以高结合亲和力结合白蛋白的光谱分量、自旋探针以低结合亲和力结合白蛋白的光谱分量、游离游离自旋探针分子的光谱分量、胶束中的游离自旋探针的光谱分量、或自旋探针对血清脂质分量的影响的光谱分量。
也可以基于所测量的光谱,尤其是所测量的EPR光谱来确定其他生物物理参数。这些包括:
-第一/高亲和力光谱分量C1和第二/低亲和力光谱分量C2的自旋标记周围的极性(亲水性),
-自旋探针排序,
-自旋探针有效相关时间,
-强度,或
-几何因数α
第一/高亲和力光谱分量C1和第二/低亲和力光谱分量C2的自旋标记周围的极性(亲水性)可以称为H1(对于C1分量)和H2(对于C2分量),分别是,在某些来源中称为“P”。P定义为:
其中A⊥,II-是分别适用于C1和C2的与外部磁场轴垂直或平行的超精细分裂常数(高和低亲和力结合位点具有与之相关的不同超精细分裂常数),AH是自旋探针在疏水性介质中的超精细分裂常数,AW是自旋探针在亲水性介质中的超精细分裂常数(参见Muravsky,V.,Gurachevskaya,T.,Berezenko,S.,Schnurr,K.,Gurachevsky,A.(2009):Fatty acidbinding sites of human and bovine albumins:differences observed by spin probeESR.,Spectrochim Acta A Mol Biomol Spectrosc,74,42-47)。
自旋探针排序与第一和第二分量的自旋标记轴旋进的角度相关,S1(对于分量C1)和S2(对于分量C2),分别为:
自旋探针有效相关时间,T1(对于分量C1)和T2(对于分量C2)。T也可以称为“τ”):
几何因数α计算为ESR光谱最左侧光谱分量的幅度与ESR光谱右侧最后一个光谱分量的幅度之比。这两个峰以它们的g因子相关。α是未结合的16-氮氧自由基硬脂酸自旋标记的高场线处的强度与在具有高亲和力的白蛋白结合位点中的结合的16-DSA的低场线处的光谱强度的比值。α取决于原始数据,并且不取决于用于模拟ESR光谱的模型的特定假设和/或简化。
T1Freed是第一个运动分量的相关时间,计算方法如下:
其中Azz=33,6G是第一分量在Z轴上的超精细分裂投影的常数。
T2Podolka是第二运动分量的相关时间,计算方法如下:
其中I-1、I0和I+1是ESR光谱的C2分量的对应峰-峰值高场、中场和低场强度。
TGlobFreed是白蛋白小球的相关时间,计算为T1Freed/(S1)2,其中,S1是第一运动分量C1的排序因子。
AppDissConst是自旋标记与白蛋白解离的表观常数,由以下公式确定:
其中R是白蛋白的浓度,L是自旋探针的浓度,RL是两种试剂的复合物的浓度。R0是白蛋白与自旋探针的预估的总结合能力,通过将血液样品中测得的白蛋白浓度乘以7(白蛋白上脂肪酸结合位点的数量)来确定,f是游离(未结合)自旋探针的浓度(通过将C3乘以自旋探针的浓度来确定(分别为A,B和C的三倍)),而b是结合的自旋探针的浓度(通过将C1和C2相加并乘以自旋探针的浓度来确定(再次,分别为A,B和C的三倍))。
结合常数KB是表观结合常数。它是表观解离常数的倒数。结合常数KB描述了在特定流行条件下白蛋白的整体结合能力。这意味着它描述了白蛋白对极性试剂实际浓度的整体结合能力。它可以特别描述白蛋白对实际白蛋白浓度的整体结合能力。因此,本申请的KB不同于专利说明书EP 1 269 213B1中公开的结合常数,其通过不同结合位点内自旋标记分子的相对量与极性试剂浓度之间的比率的回归来确定。它也不同于Jalan及其同事在出版物(Jalan,R.等(2009),“Alterations in the Functional Capacity of Albumin inPatients with Decompensated Cirrhosis is Associated with IncreasedMortality”,Hepatology,50,555-564)中讨论的结合常数KB1和KB2,其分别描述了高亲和力位点和低亲和力位点的结合系数。两者均通过高亲和力或低亲和力结合位点内自旋标记分子的相对量与极性试剂的浓度之间的比率的回归来确定。
根据以下公式计算白蛋白球旋转的相关时间τ1和自旋探针运动相对于球的相关时间τ2(轴旋进在角度θ之内):
从以下三种不同乙醇浓度的结合常数方程式计算白蛋白的转运参数(结合效率BE和解毒效率DTE):
上面讨论的可从ESR光谱得出的相关时间提供了有关附着在各个结合位点的自旋探针的迁移率以及蛋白质对自旋探针的亲和力的信息。另外,还可以测量与蛋白质的不同部分结合的自旋探针之间的偶极相互作用。自旋探针的迁移率和结合亲和力的变化,以及自旋探针在白蛋白分子上的分布,可以评估蛋白质的功能和结构特性。将正常健康个体中白蛋白上的自旋探针的迁移率,结合亲和力和分布发生的变化与在疾病状态患者中观察到的那些变化进行比较,可以揭示出独特的改变。该信息在疾病的诊断和监测中可能是有价值的。生物物理参数可以提供信息以对与特定肝脏疾病相关的样品进行分类。
在一个实施方式中,自旋探针的旋转相关时间(T)和自旋探针的序参数(S)彼此相关。这被称为比率TG。比率TG1由τ1/(S1)2确定,其中S1是第一运动分量C1的排序因子,而TG2由τ2/(S2)2确定,其中S2是第二运动分量C2的排序因子。
线性组合(lc)可以具有以下形式
其中,ki是系数,vi是生物物理参数。根据一个实施方式,n≥2。这意味着线性组合可以包括至少两个生物物理参数。在一个实施方式中,线性组合可以包括至少两个生物物理参数和评分的组合。评分可以是指标或诊断评分。指标可以是特定蛋白质(如胆红素、丙氨酸转氨酶(ALT)、天冬氨酸转氨酶(AST)或白蛋白)的浓度或由其衍生的或与之相关量。诊断评分可以是CLIF-C-AD评分、Child-Pugh评分、MELD评分和MELD-Na评分。
所述标记物线性组合包括以下中的至少一个生物物理参数:
-自旋探针的结合常数(KB),
-自旋探针周围的极性(H),
-自旋探针的序参数(S),
-自旋探针的旋转相关时间(T),
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),或
-几何因数(α)。
自旋探针周围的极性可以是围绕自旋探针的极性。
血清脂质组分上自旋探针的光谱分量可以是在血清脂质组分中的自旋探针的光谱分量。
根据一个实施方式,所述标记物线性组合是用于对与预定疾病相关的样品进行分类的标记物线性组合。
标记物线性组合包括至少一个生物物理参数。每个生物物理参数可以与白蛋白的特定生物学特性有关。白蛋白的特定状态可以通过生物物理参数来表征。
特别是,至少两个生物物理参数的组合可以有利地比单个生物物理参数更准确地表征白蛋白的实际状态。包含至少两个生物物理参数的标记物线性组合可用于区分正常(健康)状态和异常(疾病)状态。它也可以用于将样品分类为不同的疾病状态。
将正常健康个体中白蛋白上的自旋探针的迁移率、结合亲和力和分布发生的变化与在疾病状态患者中观察到的那些变化进行比较,可以揭示出独特的改变。该信息在疾病的诊断和监测中可能是有价值的。生物物理参数可以提供信息以对与特定肝病相关的样品进行分类。
根据一个实施方式,标记物线性组合包括自旋探针的结合常数(KB)。作为另一种选择,标记物线性组合可以包含自旋探针周围的极性(H)。在一个实施方式中,标记物线性组合包括自旋探针的序参数(S)。在另一个实施方式中,标记物线性组合包括自旋探针的旋转相关时间(T)。在其他实施方式中,标记物线性组合包括游离自旋探针分子的光谱分量(C3)。根据一个实施方式,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)。在一个实施方式中,标记物线性组合包括几何因数(α)。
根据一个实施方式,自旋探针的结合常数是溶液A中的结合常数(KBA)。自旋探针的结合常数可以是溶液B中的结合常数(KBB)。根据本发明,自旋探针的结合常数可以是溶液C中的结合常数(KBC)。
根据一个实施方式,游离自旋探针分子的光谱分量(C3)是溶液A中的相应光谱分量(C3A)。游离自旋探针分子的光谱分量可以是溶液B中的游离自旋探针分子的光谱分量(C3B)。根据本发明,游离自旋探针分子的光谱分量可以是溶液C中的游离自旋探针分子的光谱分量(C3C)。
根据一个实施方式,血清脂质组分上自旋探针的光谱分量(C5)是溶液A中的相应光谱分量(C5A)。血清脂质组分上自旋探针的光谱分量可以是溶液B中的血清脂质组分上自旋探针的光谱分量(C5B)。根据本发明,血清脂质组分上自旋探针的光谱分量可以是溶液C中的血清脂质组分上自旋探针的光谱分量(C5C)。
自旋探针周围的极性可以是自旋探针1周围的极性(H1)。作为另一种选择,自旋探针周围的极性可以是自旋探针2周围的极性(H2)。自旋探针周围的极性可以是溶液A、溶液B或溶液C中的自旋探针1周围的极性(分别是H1A,H1B或H1C)。自旋探针周围的极性可以是溶液A、溶液B或溶液C中的自旋探针2周围的极性(分别是H2A,H2B或H2C)。
自旋探针的序参数可以是自旋探针1的序参数(S1)。作为另一种选择,自旋探针的序参数可以是自旋探针2的序参数(S2)。自旋探针的序参数可以是溶液A、溶液B或溶液C中的自旋探针1的序参数(分别是S1A,S1B或S1C)。自旋探针的序参数可以是溶液A、溶液B或溶液C中的自旋探针2的序参数(分别是S2A,S2B或S2C)。
自旋探针的旋转相关时间可以是相应自旋探针1的旋转相关时间(T1)。作为另一种选择,自旋探针的旋转相关时间可以是探针2的旋转相关时间(T2)。自旋探针的旋转相关时间可以是溶液A、溶液B或溶液C中自旋探针1的旋转相关时间(分别是T1A,T1B或T1C)。自旋探针的旋转相关时间可以是溶液A、溶液B或溶液C中相应自旋探针2的旋转相关时间(分别是T2A,T2B或T2C)。
根据一个实施方式,考虑比率TG。比率可以是根据自旋探针1的相应比率(TG1)。作为另一种选择,比率可以是根据自旋探针2的相应比率(TG2)。比率可以是溶液A、溶液B或溶液C中的自旋探针1的比率(分别是TG1A,TG1B或TG1C)。比率可以是溶液A、溶液B或溶液C中的自旋探针2的相应比率(分别是TG2A,TG2B或TG2C)。
这些生物物理参数中的每一个都可以有助于与预定疾病相关的样品的分类。
每个生物物理参数可以与白蛋白的特定生物学特性相关。
根据本发明,表征白蛋白特性的生物物理参数的线性组合被认为是将与预定疾病,特别是肝病相关的样品进行分类。根据本发明,表征白蛋白特性的生物物理参数的线性组合被认为将样品与预定疾病,特别是肝病相关联。
根据本发明的特定标记物线性组合可优于单个生物物理参数的性能,以使样品与预定疾病,特别是肝病相关联。
在一个替代实施方式中,所述标记物线性组合包括以下生物物理参数中的至少一个:
-自旋探针的结合常数(KB),
-自旋探针周围的极性(H),
-自旋探针的序参数(S),
-自旋探针的旋转相关时间(T),
-游离自旋探针分子的光谱分量(C3),或
-血清脂质组分上自旋探针的光谱分量(C5)。
根据一个实施方式,所述标记物线性组合包括以下中的至少一个:
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),
-自旋探针的旋转相关时间(T),
-自旋探针的序参数(S),或
-自旋探针周围的极性(H)。
根据一个实施方式,所述标记物线性组合包括:
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),或
-自旋探针周围的极性(H)。
在一个实施方式中,所述标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合,
-自旋探针的序参数(S),或
-自旋探针周围的极性(H)。
根据一个实施方式,用于对与预定疾病相关的样品进行分类的标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,或
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合。
在一个实施方式中,所述标记物线性组合包括以下生物物理参数中的至少一个:
-自旋探针的序参数(S)或
-自旋探针周围的极性(H)。
在一个实施方式中,所述方法的特征在于,标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合,
-自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
在一个实施方式中,所述标记物线性组合包括以下中的至少一个:
-自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
所述标记物线性组合可以包含两个生物物理参数的组合。
在一个实施方式中,标记物线性组合包括自旋探对血清脂质组分的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合。在一个实施方式中,标记物线性组合包括溶液B中血清脂质组分上自旋探针的光谱分量(C5B)与溶液A和/或溶液B中的游离自旋探针分子的光谱分量(C3A)和/或(C3B)的组合。
在一个实施方式中,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合。在一个实施方式中,标记物线性组合包括溶液B中的血清脂质组分上自旋探针的光谱分量(C5B)和几何因数(α)的组合。
在一个实施方式中,标记物线性组合包括游离自旋探针分子的光谱分量(C3)和几何因数(α)。在一个实施方式中,标记物线性组合包括溶液A和/或溶液B中游离自旋探针分子的光谱分量(C3A)和/或(C3B)、和几何因数(α)。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合。在一个实施方式中,标记物线性组合包括溶液B中的自旋探针周围的极性1(H1B)和溶液A中的自旋探针的旋转相关时间2(T2A)的组合。在一个实施方式中,标记物线性组合包括溶液B中的自旋探针周围的极性1(H1B)和溶液A中的自旋探针的比率2(TG2A)的组合。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的序参数(S)的组合。在一个实施方式中,标记物线性组合包括溶液A中的自旋探针周围的极性1(H1A)和溶液B中的自旋探针的序参数1(S1B)的组合。在一个实施方式中,标记物线性组合包括溶液A中的自旋探针周围的极性1(H1A)和溶液B中的自旋探针的序参数2(S2B)的组合。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合。在一个实施方式中,标记物线性组合包括溶液A中的自旋探针1周围的极性(H1A)和溶液B和/或溶液C中的自旋探针的结合常数(KBB)和/或(KBC)的组合。在一个实施方式中,标记物线性组合包括溶液A中的自旋探针1周围的极性(H1A)和溶液A中的自旋探针的结合常数(KBA)的组合。
在一个实施方式中,标记物线性组合包括自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。在一个实施方式中,标记物线性组合包括溶液B中自旋探针1的序参数(S1B)和溶液B和/或溶液C中自旋探针的结合常数(KBB)和/或(KBC)的组合。
生物物理参数的组合可以改善所述方法的性能。包括生物物理参数的特定组合的标记物线性组合可以通过根据本发明的方法改善分类的特异性。在一个实施方式中,包括生物物理参数的特定组合的标记物线性组合可以通过根据本发明的方法提高分类的灵敏度。
通过将两个特定生物物理参数的特定组合并入标记物线性组合中,有利地改善了所述方法的性能。
换句话说,这意味着至少两个生物物理参数的组合可以比单个生物物理参数更有利地更准确地表征白蛋白的实际状态。包含至少两个生物物理参数的标记物线性组合可用于区分正常(健康)状态和异常(疾病)状态。它也可以用于将样品分类为不同的疾病状态。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,特别是自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B),及自旋探针的旋转相关时间(T),特别是溶液A中的第二自旋探针的旋转相关时间(TG2A)的组合。
根据一个实施方式,用于分类与肝疾病的阶段相关的样品的标记物线性组合包括自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合。特别是,包含自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合的标记物线性组合可以与关于疾病恶化的风险的预后信息相关。在一个实施方式中,包含自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合的标记物线性组合用于预估AD向ACLF的发展。在一个实施方式中,包含自旋探针周围的极性(H)和比率(TG)的组合的标记物线性组合可以与关于疾病恶化的风险的预后信息相关,特别是用于预估AD向ACLF的发展。包含H1B和TG2A的标记物线性组合可以与关于疾病恶化风险的预后信息相关联,特别是可以用于预估AD向ACLF的发展。
在一个实施方式中,所述标记物线性组合包括:
-自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B),及自旋探针的旋转相关时间,特别是包含溶液A中第二自旋探针的旋转相关时间的比率(TG2A)的组合。
因此,为了预测疾病的进程,特别是,标记物线性组合中包括第一自旋探针周围的极性和第二自旋探针的旋转相关时间。特别是,溶液B中第一自旋探针周围的极性是重要的。关于第二自旋探针,包括其在溶液A中的旋转相关时间(TG2A)。
因此,为了预测疾病的发展,特别是AD的发展,取决于在不同环境(溶液A和溶液B)中两种不同自旋标记(自旋标记1和自旋标记2)的特性。
在一个实施方式中,标记物线性组合为:
k31*H1B+k32*TG2A (式1)。
在一个实施方式中,k31=18.7,k32=-1.06。
根据一个实施方式,对于预测AD向ACLF的发展,两个生物物理参数H和T的组合优于单个生物物理参数T的性能。特别是,与H和T的组合相关的AUROC大于与T相关的AUROC。
在一个实施方式中,对于预测AD的发展,两个生物物理参数H和TG的组合优于单个生物物理参数TG的性能。特别是,与H和TG的组合相关的AUROC大于与TG相关的AUROC。在一个实施方式中,两个生物物理参数H和TG的组合优于单个生物物理参数H的性能。它优于式1中不包括的单个生物物理参数如KB或DTE的性能。
在一个实施方式中,对于预测AD的发展,生物物理参数H1B和TG2A的组合优于TG2A的性能。特别是,与H1B和TG2A的组合相关的AUROC大于与TG2A相关的AUROC。在一个实施方式中,生物物理参数H1B和TG2A的组合优于单个生物物理参数H1B的性能。在一个实施方式中,生物物理参数H1B和TG2A的组合由于不包括在式1中的各个生物物理参数如KB或DTE的性能。
根据式1的标记物线性组合(包括生物物理参数H1B和TG2A)可用于对样品进行分类。根据式1的标记物线性组合(包括生物物理参数H1B和TG2A)可用于预测AD的发展。根据式1的标记物线性组合(包括生物物理参数H1B和TG2A)可用于预测AD向ACLF的发展。
在其他实施方式中,所述标记物线性组合包括:
-自旋探针周围的极性(H1)和自旋探针的旋转相关时间(T)的组合,和
-评分,特别是CLIF-C-AD评分。
根据一个实施方式,确定评分。评分可以包含在标记物线性组合中。标记物线性组合可以包括至少两个生物物理参数和评分的组合。
评分可以是CLIF-C-AD评分。在一个实施方式中,评分可以是以下各项之一:MELD评分、Child-Pugh评分、MELD Na评分、指标,如胆红素浓度、丙氨酸转氨酶(ALT)浓度、天门冬氨酸转氨酶(AST)浓度或白蛋白浓度。
在一个实施方式中,疾病进程的预测,特别是AD发展为ACLF的预估基于CLIF-C-AD评分和包含自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合的标记物线性组合。
根据一个实施方式,疾病过程的预测,特别是AD发展为ACLF的预估基于CLIF-C-AD评分和包含自旋探针周围的极性(H)和比率(TG)的标记物线性组合。
通过组合CLIF-C-AD评分和包含自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合的标记物线性组合,该方法的性能显著改善。在一个实施方式中,当组合CLIF-C-AD评分和包含自旋探针周围的极性(H)和包含自旋探针的旋转相关时间的比率(TG)的组合的标记物线性组合时,该方法的性能显著改善。
在一个实施方式中,所述方法的特征在于,所述标记物线性组合包括自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B),及自旋探针的旋转相关时间,特别是溶液A中第二自旋探针的旋转相关时间(TG2A)的组合,和CLIF-C-AD评分。
在一个实施方式中,所述方法的特征在于,所述标记物线性组合包括自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B),及包含自旋探针的旋转相关时间的比率,特别是包含溶液A中第二自旋探针的旋转相关时间的比率(TG2A)的组合,和CLIF-C-AD评分。
生物物理参数H1B和TG2A与CLIF-C-AD(CLIF)评分的组合可以提高预估AD向ACLF的发展的性能。在一个实施方式中,与单独的CLIF-C-AD评分的性能相比,生物物理参数和CLIF-C-AD评分的组合改善了预估AD向ACLF的发展的性能。在一个实施方式中,与单独的TG2A的性能相比,生物物理参数H1B和TG2A与CLIF-C-AD评分的组合改善了预估AD向ACLF发展的性能。在一个实施方式中,与H1B和TG2A的组合的性能相比,两个生物物理参数和CLIF-C-AD评分的组合改善了预估AD向ACLF发展的性能。
包含H1B、TG2A和CLIF-C-AD评分的标记物线性组合可以改善有关AD发展的预后信息。与仅考虑CLIF-C-AD评分的常见医学实践相比,CLIF-C-AD评分和从ESR光谱(特别是H和T)确定的生物物理参数的线性组合可以提高预测AD发展的性能。
在一个实施方式中,标记物线性组合为:
k31*H1B-k32*TG2A+k33*CLIF (式2)。
在一个实施方式中,k31=17.8,k32=-0.944,k33=0.0842。
根据另一实施方式,所述标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,或
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合。
在一个实施方式中,用于分类与预定疾病(特别是患有代偿性肝硬化(CC)的患者与患有急性代偿失调(AD)的肝硬化的患者的区分)相关的样品的标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,或
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合。
在一个实施方式中,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合。在一个实施方式中,标记物线性组合包括溶液B中血清脂质组分上自旋探针的光谱分量(C5B)和溶液A和/或溶液B中游离自旋探针分子的光谱分量(C3A)和/或(C3B)的组合。
在一个实施方式中,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合。在一个实施方式中,标记物线性组合包括溶液B中血清脂质组分上自旋探针的光谱分量(C5B)和几何因数(α)的组合。
在一个实施方式中,标记物线性组合包括游离自旋探针分子的光谱分量(C3)和几何因数(α)。在一个实施方式中,标记物线性组合包括溶液A和/或溶液B中游离自旋探针分子的光谱分量(C3A)和/或(C3B)和几何因数(α)的组合。
在一个实施方式中,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)、游离自旋探针分子的光谱分量(C3)、和几何因数(α)的组合。在另一个实施方式中,标记物线性组合包括血清脂质组分上自旋探针的光谱分量(C5)游离自旋探针分子的光谱分量(C3)、几何因数(α)和自旋探针的结合效率(BE)的组合。
根据一个实施方式,标记物线性组合包括至少三个生物物理参数。包含C5、C3和α的标记物线性组合可以优于包含C5和α的标记物线性组合的性能,来对样品进行分类,特别是在AD和CC样品之间进行区分。包含C5、C3和α的标记物线性组合的性能可优于包含C3和α的标记物线性组合的性能。包含C5、C3和α标记物线性组合可优于每个单独的生物物理参数,特别是C3、C5或α的性能。特别是,包含C5、C3和α的标记物线性组合可优于每个单独的生物物理参数,特别是C3、C5或α的性能,以区分与AD患者相关的样品和与CC患者相关的样品。
根据一个实施方式,包含C5、C3、BE和α的标记物线性组合可优于每个单独的生物物理参数,特别是C3、C5、BE或α的性能,来区分与AD患者相关的样品和与CC患者相关的样品。
根据一个实施方式,标记物线性组合包括以下的组合:自旋探针的结合效率(BE)、几何因数(α)、来自游离自旋探针分子的光谱分量,特别是溶液A中游离自旋探针分子的光谱分量(C3A)和溶液B中游离自旋探针分子的光谱分量(C3B),和血清脂质组分上自旋探针的光谱分量,特别是溶液B中血清脂质组分上自旋探针的光谱分量(C5B)。
根据一个实施方式,标记物线性组合包括以下的组合:几何因数(α)、来自游离自旋探针分子的光谱分量,特别是溶液B中游离自旋探针分子的光谱分量(C3B),和血清脂质组分上自旋探针的光谱分量,特别是溶液B中血清脂质组分上自旋探针的光谱分量(C5B)。
根据一个实施方式,标记物线性组合为:
k22*α+k24*C3B+k25*C5B (式3)
在一个实施方式中,k22=6.29;k24=-256,k25=-206。
根据一个实施方式,标记物线性组合为:
k21*BE+k22*α+k23*C3A+k24*C3B+k25*C5B (式4)
在一个实施方式中,k21=-5.84;k22=9.63;k23=-775;k24=-230,k25=-135。
组合C3和C5,C3和α,以及C5和α中的每一个都可优于单个生物物理参数C3,C5,α的性能,特别是在对与AD或CC相关的样品进行分类方面。特别是,对于C3和C5,C3和α,或C5和α的每种组合,与各个组合有关的AUROC可以大于与个体生物物理参数有关的AUROC,特别是大于与α,C3或C5有关的AUROC。此外,C3和C5,C3和α,或C5和α的每种组合都可优于与α,C3和C5不同的单个生物物理参数的性能。在一个实施方式中,C3和C5,C3和α,或C5和α的组合优于两个不同于C3和C5,C3和α,或C5和α的生物物理参数的组合的性能。因此,通过考虑两个生物物理参数,特别是C3和C5,C3和α,和/或C5和α的组合,有利地改善了该方法的性能。特别是,通过考虑两个生物物理参数,特别是C3B和C5B,C3B和α,和/或C5B和α的组合,有利地改善了该方法的性能。
根据式4的标记物线性组合可优于单个生物物理参数的性能,以对与AD或CC相关的样品进行分类。
在一个实施方式中,包含BE,α,C3A,C3B和C5B的标记物线性组合优于C3和C5,C3和α,和C5和α的组合的性能,来对与AD或CC相关的样品进行分类。
根据式3的标记物线性组合可以改善与CC或AD相关的样品的分类。根据式3的标记物线性组合可优于单个生物物理参数的性能,来对与AD或CC相关的样品进行分类。
在一个实施方式中,包含α,C3B和C5B的标记物线性组合的性能优于C3和C5,C3和α,和C5和α的组合的性能,来对与AD或CC相关的样品进行分类。
在一个实施方式中,所述标记物线性组合包括以下中的至少一个:
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
在一个实施方式中,用于对与预定疾病相关的样品进行分类,特别是对具有急性失代偿(AD)的肝硬化患者和患有慢性肝衰竭(ACLF)的急性患者进行区分的标记物线性组合包括以下中的至少一个:
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的序参数(S)的组合。在一个实施方式中,标记物线性组合包括溶液A中自旋探针1周围的极性(H1A)和溶液B中自旋探针1的序参数(S1B)的组合。在一个实施方式中,标记物线性组合包括溶液A中自旋探针1周围的极性(H1A)和溶液B中自旋探针2的序参数(S2B)的组合。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合。在一个实施方式中,标记物线性组合包括溶液A中自旋探针1周围的极性(H1A)和溶液B和/或溶液C中自旋探针的结合常数(KBB)和/或(KBC)的组合。在一个实施方式中,标记物线性组合包括溶液A中自旋探针1周围的极性(H1A)和溶液A中自旋探针的结合常数(KBA)的组合。
在一个实施方式中,标记物线性组合包括自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。在一个实施方式中,标记物线性组合包括溶液B中自旋探针1的序参数(S1B)和溶液B和/或溶液C中自旋探针的结合常数(KBB)和/或(KBC)的组合。在一个实施方式中,标记物线性组合包括溶液B中自旋探针2的序参数(S2B)和溶液A中自旋探针的结合常数(KBA)的组合。
包含H1A,KBB和KBC的标记物线性组合的性能优于单个各生物物理参数的性能。标记物线性组合的性能优于标记物线性组合的各个体生物物理参数(如H1A)的性能,特别是在对于与AD或ACLF相关的样品进行分类方面。
在一个实施方式中,包含H1A和KBA的标记物线性组合优于单个个体生物物理参数的性能。标记物线性组合的性能优于标记物线性组合的各个生物物理参数(如H1A)的性能,特别是在对于与AD或ACLF相关的样品进行分类方面。
一个实施方式的特征在于,标记物线性组合包括自旋探针周围的极性(H)和自旋探针的序参数(S),和自旋探针的结合常数(KB)的组合。
在一个实施方式中,标记物线性组合包括溶液A中的自旋探针1周围的极性(H1A),溶液B中自旋探针2的序参数(S2B),和溶液A中自旋探针的结合常数(KBA)的组合。
包含H1A,S2B和KBA的标记物线性组合的性能优于包含H1A和KBA的标记物线性组合的性能。特别是,包含H1A,S2B和KBA的标记物线性组合优于包含H1A和KBA的标记物线性组合的性能,来对与AD或ACLF相关的样品进行分类。
在一个实施方式中,标记物线性组合为:
k11*KBA+k12*H1A+k13*S2B (式5)。
在一个实施方式中,k11=-0.00816,k12=19.2,k13=28.6。
在一个实施方式中,包含KBA,H1A和S2B的标记物线性组合可优于包含在标记物线性组合中的单个生物物理参数的性能,来对与AD或ACLF相关的样品进行分类。
包含KBA,H1A和S2B的组合可以显示出对正确分类AD和ACLF患者的改善的性能。当使用根据式5的标记物线性组合时,更多的患者会得到正确的诊断(考虑相同的灵敏性)。根据式5的标记物线性组合可用于区分AD和ACLF患者。
在一个实施方式中,标记物线性组合包括溶液A中自旋探针1周围的极性(H1A),溶液B中自旋探针1的序参数(S1B),和溶液B和/或溶液C中自旋探针的结合常数(KBB)和/或(KBC)的组合。
包含H1A,S1B,KBB和KBC的标记物线性组合的性能优于包含H1A,KBB和KBC的标记物线性组合的性能。特别是,包含H1A,S1B,KBB和KBC的标记物线性组合的性能优于包含H1A,KBB和KBC的标记物线性组合的性能,来对与AD或ACLF相关的样品进行分类。
在一个实施方式中,所述标记物线性组合包括:
-自旋探针周围的极性(H),自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合,
及以下中的至少一个:
-自旋探针的结合效率(BE),
-排毒效率(DTE),
-血清脂质组分上自旋探针的光谱分量(C5),或
-自旋探针的旋转相关时间(T)。
在一个实施方式中,所述标记物线性组合包括:
-自旋探针周围的极性(H),自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合,
以及以下中的至少一个:
-自旋探针的结合效率(BE),
-排毒效率(DTE),
-血清脂质组分上自旋探针的光谱分量(C5),或
-包含自旋探针的旋转相关时间的比率(TG)。
根据一个实施方式,标记物线性组合包括H,KB,S和自旋探针的结合效率(BE)。
在其他实施方式中,标记物线性组合包括H,KB,S和排毒效率(DTE)。
在一个实施方式中,标记物线性组合包括H,KB,S和血清脂质组分上自旋探针的光谱分量(C5)。
在一个实施方式中,标记物线性组合包括H,KB,S和自旋探针的旋转相关时间(T)。
在一个实施方式中,标记物线性组合包括H,KB,S和包含自旋探针的旋转相关时间的比率(TG)。
根据另一实施方式,所述标记物线性组合包括:
-以下的组合:自旋探针的结合效率(BE),排毒效率(DTE),自旋探针的结合常数,特别是溶液B中自旋探针的结合常数(KBB)和溶液C中自旋探针的结合常数(KBC),血清脂质组分上自旋探针的光谱分量,特别是溶液B中血清脂质组分上自旋探针的光谱分量(C5B),自旋探针周围的极性,特别是溶液A中第一自旋探针周围的极性(H1A),自旋探针的序参数,特别是溶液B中第一自旋探针的序参数(S1B),及自旋探针的旋转相关时间,特别是溶液A中第二自旋探针的旋转相关时间(TG2A)。
在一个实施方式中,标记物线性组合为:
k11*BE+k12*DTE+k13*KBB+k14*KBC+k15*C5B+k16*H1A+k17*S1B+k18*TG2A (式6)。
在一个实施方式中,k11=25.4,k12=-27.9,k13=0.215,k14=-0.386,k15=-89.2,k16=14.7,k17=-147,k18=-0.524。
在一个实施方式中,包含BE,DTE,KBB,KBC,C5B,H1A,S1B和TG2A的标记物线性组合优于包含H1A,KBB和KBC的标记物线性组合的性能。特别是,包含BE,DTE,KBB,KBC,C5B,H1A,S1B和TG2A的标记物线性组合优于包含H1A,KBB和KBC的标记物线性组合的性能,来将与AD或ACLF相关的样品分类。包含BE,DTE,KBB,KBC,C5B,H1A,S1B和TG2A的标记物线性组合可优于包含在标记物线性组合中的各个生物物理参数的性能,来对与AD或ACLF相关的样品进行分类。
根据一个实施方式,标记物线性组合包括自旋探针周围的极性(H)和血清脂质组分上自旋探针的光谱分量(C5)的组合。
在一个实施方式中,标记物线性组合包括自旋探针周围的极性,特别是溶液A中第一自旋探针周围的极性(H1A),和溶液B中血清脂质组分上自旋探针的光谱分量(C5B)的组合。
在一个实施方式中,标记物线性组合为:
k41*H1A+k42*C5B (式7)。
在一个实施方式中,k41=2.61,k42=-14.4。
在一个实施方式中,标记物线性组合用于预测患有预定疾病的患者的一年死亡率。特别是,通过标记物线性组合,可以预测患有急性失代偿期(AD)的肝硬化患者或患有慢性肝衰竭急性发作(ACLF)的患者的一年死亡率。
所述方法提供了一种容易且可靠的方法来预测一年死亡率,特别是患有肝病的患者,特别是患有AD的患者的一年死亡率。所述方法提供了一种容易且可靠的方法来预测一年死亡率,特别是患有肝病的患者,特别是患有AD的患者的一年死亡率。所述方法提供了一种容易且可靠的方法来预测一年死亡率,特别是肝病患者,特别是ACLF患者的一年死亡率。
标记物线性组合可优于单个参数H1A和C5B预测一年的死亡率的性能。根据本发明的方法可优于单个参数BE预测一年死亡率,特别是关于肝病的一年死亡率的性能。
在一个实施方式中,预定疾病是肝病。在一个实施方式中,预定疾病是肝病的阶段。根据一个实施方式,预定疾病是预定的肝功能,特别是异常的肝功能。特别是,预定疾病是以下之一:代偿性肝硬化(CC),急性代偿失调性肝硬化(AD),慢性肝衰竭急性发作(ACLF),对治疗不敏感,关于在一定时间范围内死亡的风险或疾病恶化的风险的预后信息。
在本申请的上下文中,肝病也称为肝衰竭。
例如,对于AD向ACLF的发展,疾病恶化的风险是重要的。除了发展为ACLF的可能性外,发展的时间范围也具有诊断意义,特别是对于建议最佳治疗而言。
在特定时间范围内死亡的风险可能是一年死亡率。
不同的肝病需要与特定疾病相匹配的治疗方法。因此,不仅肝功能衰竭的分类很重要,而且特定疾病的分类也很重要,以提供特定的治疗方法。
在一个实施方式中,所述方法被配置为在早期阶段检测疾病。结果是,可以在非常早期可以提供该疾病的治疗。这可以增加有效治疗该疾病的可能性。
在一个实施方式中,设置与标记物线性组合有关的截止值,其中设置截止值以使得当与标记物线性组合有关的值等于或大于截止值时,相关样品分类为与肝病,肝病的阶段和/或预定的肝功能相关。
可以根据预定义的(选择的)特异性选择截止值。在一个实施方式中,根据预定义的灵敏度选择截止值。可以根据所讨论的特定医学问题选择截止值。
在一个实施方式中,输出的结果提供诊断信息。在一个实施方式中,该结果提供关于肝病的诊断信息。
在一个实施方式中,输出的结果提供了区分两种疾病的信息。在一个实施方式中,该结果提供关于疾病特别是肝病的进展的信息。
在一个实施方式中,输出的结果提供关于人的肝功能的信息。在一个实施方式中,输出的结果提供关于肝衰竭分类的信息。
本发明的另一方面涉及一种用于对多元数据的逻辑回归模型或线性模型进行初始训练的方法。所述方法包括以下步骤:
-提供从包含生物生理学载体蛋白的相应多个等分试样中获取的第一多个光谱,其中,自旋探针的浓度和极性试剂的浓度中的至少一个在所述等分试样之间有所变化,其中,第一多个光谱与第一样品相关,
-提供从包含生物生理学载体蛋白的相应多个等分试样中获取的第二多个光谱,其中,自旋探针的浓度和极性试剂的浓度中的至少一个在这些等分试样之间有所变化,其中,第二多个光谱与第二样品相关,
其中,第一样品和第二样品在预定疾病方面不同,
-确定第一组生物物理参数,其中,第一组生物物理参数与第一多个光谱相关,
-确定第二组生物物理参数,其中,第二组生物物理参数与第二多个光谱相关,和
-向多变量数据的逻辑回归模型或线性模型提供第一组生物物理参数的至少一个子集和第二组生物物理参数的至少一个子集,以确定在第一样品和第二样品之间表现出最大变化的标记物线性组合。
多个光谱可以包括多个ESR光谱。
第一样品可以与健康患者相关。在其他实施方式中,第一样品与最初的肝衰竭有关。最初的肝衰竭可以是CC,AD或ACLF。
第二样品可以与第二肝衰竭相关。第二肝衰竭可以是CC,AD或ACLF。
第一样品和第二样品在肝病,肝病的阶段或预定的肝功能中的至少一个方面不同。
多元数据的线性模型可以是主成分分析(PCA)。
在一个实施方式中,在确定第一组生物物理参数并确定第二组生物物理参数之后,将第一组生物物理参数和第二组生物物理参数进行比较,选择第一组生物物理参数和第二组生物物理参数之间不同的一组选定的生物物理参数,并将该组选定的生物物理参数提供给多变量数据的逻辑回归模型或线性模型,以确定在第一样品和第二样品之间表现出最大变化的标记物线性组合。
在这种方法中,最有用的生物物理参数是在用于模型训练之前预先选择的。这加快了对多元数据进行逻辑回归模型或线性模型的训练。
本发明的另一方面涉及一种非暂时性存储介质,其存储由处理器执行的程序指令,该程序指令被配置为当由处理器执行时使处理器执行根据本发明的方法。
本发明的另一方面涉及一种包括处理器的分析系统。所述分析系统包括存储器,该存储器存储适合于由所述处理器执行的程序指令,以及用于多元数据的训练后的逻辑回归模型或线性模型,用于多元数据的逻辑后回归模型或线性模型,其经训练以确定与多种预定疾病中的一种或多种相关的应用输入参数的概率。所述分析系统还包括用于接收光谱数据的输入接口;用于输出计算结果的输出接口。程序指令被配置为在由处理器执行时导致处理器:
接收从包含生物生理学载体蛋白的等分试样中获得的多个光谱,其中,在所述等分试样之间,自旋探针的浓度和极性试剂的浓度中的至少一种变化;
根据接收到的光谱确定生物物理参数;
由计算装置将生物物理参数作为标记物线性组合的输入,其中,标记物线性组合由至少两个生物物理参数的预定组合确定;
使用标记物线性组合来确定与一种或多种所述预定疾病有关的输入参数,以及
根据标记物线性组合输出结果。
在下文中,参考附图说明本发明的其他特征、优点和实施方式,其中,
图1显示了用于一个实施方式中的人血清白蛋白的结构示意图,
图2显示了人血清白蛋白的9.45GHz ESR光谱,
图3显示了图4中所示光谱的五个子光谱,即五个光谱分量,
图4显示了获取的ESR光谱的实例,说明了ESR光谱与几何因数α之间的关系,
图5显示了包括ESR光谱仪和计算装置的实施方式的系统,
图6显示了对照、CC(稳定)、AD和ACLF样品的白蛋白浓度(A)和排毒效率(DTE)(B),
图7以点图(A,C)和框图(B)显示了对照、CC(稳定)、AD和ACLF样品的结合效率(BE),
图8显示了对于CC(稳定)样品和AD样品,根据式(3)的标记物线性组合的值,
图9显示了对于CC(稳定)样品和AD样品,根据式(4)的标记物线性组合的值,
图10显示了根据BE,DTE和根据式3的标记物线性组合的ROC曲线(A)和AUROC的比较(B),
图11显示了根据BE,DTE和根据式4的标记物线性组合的ROC曲线(A)和AUROC的比较(B),
图12显示了根据BE,DTE和根据式5的标记物线性组合的ROC曲线(A)和AUROC的比较(B),
图13显示了根据BE,DTE和根据式6的标记物线性组合的ROC曲线(A)和AUROC的比较(B),
图14显示了根据BE,DTE,CLIF-C-AD评分和根据式1和2的标记物线性组合的ROC曲线(A,B)和AUROC的比较(C),
图15显示了根据BE(A)和式7(B)的AD和ACLF患者的Kaplan-Meier生存曲线,
图16显示了与KBA,S2B,H和KB的组合以及根据式5的标记物线性组合相关的ROC曲线,
图17显示了与H、H和KB的组合,H、KB和S的组合以及根据式6的标记物线性组合相关的ROC曲线,
图18显示了与α,C3B,C5B,α和C5的组合,α和C3的组合,及根据式3的标记物线性组合相关的ROC曲线(A),和与C5,α和C5的组合,及根据式3的标记物线性组合相关的ROC曲线(B),
图19显示了与α,α和C5的组合,α、C5和C3的组合,及根据式4的标记物线性组合相关的ROC曲线(A)和与C5,α和C5的组合,及α、C5和C3的组合相关的ROC曲线(B),
图20显示了对于细菌感染患者,与α,α和C5的组合,α、C5和C3的组合,及根据式4的标记物线性组合相关的ROC曲线,和
图21显示了与T,CLIF-C-AD,H和T的组合,H、T的组合及CLIF-C-AD评分相关的ROC曲线。
图1是用于一个实施方式的人血清白蛋白(HSA)1的结构的示意图。HSA 1的结构包含三个折叠成心形白蛋白分子1的同源域10、20、30。HSA的X射线晶体学分析确定了至少七个不同的脂肪酸结合位点(FA1-FA7),它们位于蛋白质的各个部分中(Bhattacharya等JMol Biol.2000Nov 10;303(5):721-32)并且显示出对脂肪酸的相对亲和力(Simard等JMol Biol.2006Aug 11;361(2):336-51)。FA结合位点具有某些共同特征:在每种情况下,脂肪酸的烃链都位于一个长而窄的疏水孔中,而羧基部分位于碱性或极性残基附近(Curry等Nat Struct Biol.1998Sep;5(9):827-35)。这些FA结合位点(FA1-FA7)代表HSA中脂肪酸的特定(一级)疏水结合位点。此外,已经确定了血清白蛋白上脂肪酸的非特异性(二级)疏水结合位点。据信这些非特异性疏水结合位点位于白蛋白结构域10、20、30之间的疏水区域40中(Gurachevsky等Biochem Biophys Res Commun.2007Sep 7;360(4):852-6)。据信,在HSA的疏水区40中的非特异性结合位点与特异性FA结合位点(FA1-FA7)之间存在脂肪酸的迁移,反之亦然,该过程对于白蛋白的转运性质很重要。
白蛋白在肝脏中产生。在肝病的情况下,白蛋白浓度降低。此外,在肝病的情况下,白蛋白可以具有异常的功能,例如,其结合特定配体的能力可以改变。
白蛋白结合配体的特性可以借助于多个ESR光谱来确定,特别是借助于从多个ESR光谱中得出的至少一个特征生物物理参数来确定。这意味着借助于多个ESR光谱,可以确定白蛋白的结合特性,所述结合特性可以指示特定的肝病。
在国际专利申请WO 01/65270中也描述了通过ESR光谱法评估白蛋白的方法,该申请的全部内容通过引用并入本文,并包括以下步骤:
第一步,将含有白蛋白的样品等分试样放入容器中。在一个实施方式中,样品是血清样品。在一个实施方式中,样品是血液样品或包含白蛋白的药物或产品。例如,在一个实施方式中,样品是包含人或牛白蛋白制剂的商业溶液。在一个实施方式中,使用三个样品等分试样。然而,在一个替代实施方式中,使用了更少或更多的样品等分试样;例如,1、2、4、5、6、7或8。在一个实施方式中,在步骤(1)之前,进行分析前阶段是为了保留白蛋白的原始(天然)构象状态,因为它包含在要评估的样品中。优选地,考虑以下一项或多项。
优选使用血清和EDTA血浆样品。优选避免使用具有可结合白蛋白并改变其天然构象状态的防腐剂或抗凝剂(如肝素)的制剂。在样品是全血的实施方式中,优选避免溶血过程。在一个实施方式中,为了减少溶血,在室温下采样一小时内进行全血离心以进行血清采样。在一个实施方式中,以1000至1500g离心10分钟。在一个实施方式中,在全血采样期间避免了真空采样系统,因为据信这会随着时间影响某些全血和血清样品的稳定性。优选的是避免在血清取样之前冻结全血样品,因为据信这会干扰全血成分的天然构象状态。在一个实施方式中,全血在离心之前被储存或运输冷却最多24小时。在一个实施方式中,在分析之前将分离的血清或EDTA血浆以不高于-28℃的温度在冷冻状态下存储(由于认为即使在冷冻血清中也会发生持续的生化预先产生)。优选的是,只冻结一次样品,并且要在程序使用前不久。在一个实施方式中,在将样品解冻与在ESR光谱仪中的测量之间的最大时间是40分钟。在样品是含有白蛋白的制剂(如市售白蛋白溶液或对照样品)的实施方式中,考虑了制造商关于对照样品的制备的建议,特别是冻干白蛋白的稀释液。优选的是,每个样品具有足够的材料,以至少一次控制重复地进行测量。此外,优选的是,排除属于某些类别的来自供体的样品。在一个实施方式中,这些类别包括在定义的侵入性程序的手术后少于21天的患者,如在NCI词典中定义的(https://www.cancer.gov/publications/dictionaries/cancer-terms/def/invasive-procedure)。
其次,将每个等分试样与自旋探针在极性试剂中混合。自旋探针(也称为自旋标记)是一种有机分子,具有不成对的电子并具有与另一个分子结合的能力。在本实施方式中,自旋探针是16-氮氧自由基硬脂酸。在一个替代实施方式中,自旋探针是替代的自旋标记的脂肪酸,优选为氮氧自由基硬脂酸,并且是5-,7-,12-或16-氮氧自由基硬脂酸或16-氮氧自由基硬脂酸酯(钠)中的一种。在一个实施方式中,其为氮氧自由基月桂酸,优选为7-氮氧自由基月桂酸。在一个实施方式中,可以与白蛋白发生特异性结合的任何自旋标记的化合物(包括其他的自旋标记的脂肪酸,类固醇激素或杂环烃)用作自旋探针。在一个实施方式中使用了带有硝氧基自由基标记的疏水化合物。在本实施方式中,极性试剂是乙醇。在一个替代实施方式中,使用替代的醇或DMSO。优选使用C1-C6醇。在本实施方式中,极性试剂用作自旋探针的溶剂并用于改变混合物的极性。如将在下面进一步详细描述的,在本实施方式中,三个样品等分试样的白蛋白和自旋探针的浓度不同。另外,白蛋白-自旋探针混合物中疏水相互作用的强度通过使用不同量的极性试剂而变化。在替代的实施方式中,使用少于或多于三种的不同浓度的白蛋白,自旋探针和/或极性试剂;例如,1、2、4、5、6、7或8。改变添加到白蛋白中的自旋标记的浓度并改变自旋标记混合物的离子强度,可以在不同条件下生成ESR光谱。合适的自旋探针和极性试剂是已知的,并且在WO 01/65270中公开了某些合适的自旋探针和极性试剂,将其全部内容通过引用并入本文。
在一个实施方式中,将3.5、5.8和7.5mmol/l三种不同浓度的自旋探针分别与50μl的血清样品等分试样以10、12和14μl的体积混合。在一个实施方式中,自旋探针浓度与白蛋白浓度之比的平均值为2.5±0.5,并且从该平均值开始,选择至少两个另外的浓度,其与该平均值的偏差不小于1.0。选择待添加的极性试剂的浓度,使得等分试样中极性试剂最终浓度的平均值为(0.6±0.25)xCp,其中,Cp表示极性试剂的临界浓度,超过该临界浓度结果导致白蛋白变性,并且从该平均值开始,至少选择了另外两个浓度的极性试剂,其与该平均值的偏差至少为15%。关于自旋探针,白蛋白和极性试剂的比例的进一步细节US 2003/170912 A1/US专利号7,166,474中描述,将其全部内容通过引用并入本文。不希望受理论的束缚,据信通过改变自旋探针的浓度和极性试剂的浓度,可以产生多种浓度的组合,这使得能够在不同的阶段检测白蛋白的转运特性,即,疏水性化合物(如脂肪酸)结合过程中的生理状态(低浓度的自旋探针和低浓度的极性试剂),疏水化合物在血管系统中运输期间的生理状态(高浓度的自旋探针和低浓度的极性试剂),以及疏水化合物向靶细胞的递送(释放)过程中的生理状态(高浓度的自旋探针和高浓度的极性试剂)。
在示例性程序的第三步中,将样品、自旋探针和极性试剂的混合物进行温育。在本实施方式中,在37℃,血液的生理pH下,温育时间为10分钟。在一个替代实施方式中,温育时间小于或大于10分钟;例如7至15分钟。在一个替代实施方式中,使用样品在15℃至45℃之间的两个以上不同的温度值,和/或血清样品在7.5至3.5之间的两个以上不同的pH值。在接下来的步骤中,混合物可以被毛细管吸收。在随后的步骤中,可以使用ESR光谱仪测量每个毛细管的ESR光谱。在随后的步骤中,可以分析ESR光谱并可以计算结果。
为了进行ESR光谱分析,可以将毛细管插入ESR光谱仪中。合适的ESR光谱仪可从MedInnovation GmbH(德国柏林)获得,例如型号EPR 01-08,MS-400和Espire-5000。ESR光谱学是已知技术,在本公开中不需要详细讨论。然而,简而言之,ESR光谱是通过将样品暴露于强静磁场中而获得的。施加静磁场会导致自由电子分离为两个自旋状态。以正确的频率施加微波能量会导致自旋在状态之间转变。在此过渡过程中吸收的微波能量是可测量的。在监视正在吸收的微波能量的数量的同时,可以保持微波频率恒定并改变静磁场的强度,或者在监视某个范围的扫频频率的同时监视能量吸收,同时保持静磁场不变。提供自旋所需的正确能量以在自旋状态之间转变的确切静磁场强度/微波频率组合取决于自旋的化学环境。应当理解的是,给定的自旋探针因此需要不同量的能量来完成该转变,这取决于自旋探针是否与白蛋白结合以及实际上取决于其与白蛋白结合的方式。因此,基于ESR的方法可以区分未结合和结合的自旋探针。此外,ESR能够区分位于白蛋白复合物上不同结合位点的自旋探针或处于不同未结合条件下的不同自旋探针。因此,在实施方式中在血清白蛋白上,这样的ESR是用于评估在分子上发现的结合条件的有力工具。
可以通过跟踪在静磁场强度在预定范围内上升或下降时吸收的微波能量的量以及形成跟踪的吸收谱的一阶导数来生成EPR谱。随着静磁场强度的变化,自由电子的两个自旋状态之间的间隔也随之变化。这两种自旋状态之间的间隔不仅取决于所施加的静磁场强度,还取决于自旋所处的化学环境。通过观察在每个给定的静磁场强度下吸收的能量的量,可以得出关于在结合态下产生能量分离的自旋探针的量的结论。
在实施方式中,也可以使用其他X波段EPR光谱仪(在约9-10 GHz的微波频率运行)。在测量过程中,样品可以保持在37℃以模仿生理条件。在白蛋白上产生可检测到的所有谱图的ESR谱图。对这些谱图的分析可以确定与各种结合位点结合的自旋探针的量。这就是说,ESR谱图是由不同的结合位点对相互重叠的自旋探针产生的影响而形成的,这并不罕见。
图2示出了人血清白蛋白的9.45 GHz ESR光谱。该光谱由许多重叠的子光谱组成。例如,可以将图2中所示的测量光谱分解为五个子光谱,如图3所示。表1中描述的图3中提及的光谱分量,其涉及分别以高亲和力和低亲和力结合至白蛋白的自旋探针,或以表中提及的状态存在于血清中的自旋探针(表1)。
表1:光谱分量
C1 | 具有高亲和力的低运动白蛋白结合组分 |
C2 | 具有低亲和力的低运动白蛋白结合组分 |
C3 | 游离自旋探针(16-氮氧自由基硬脂酸)分子 |
C4 | 胶束中的游离自旋探针(16-氮氧自由基硬脂酸) |
C5 | 结合在血清脂质组分上的自旋探针(16-氮氧自由基硬脂酸) |
C1代表与白蛋白中特定结合位点结合的脂肪酸自旋探针的比例(即在FA结合位点FA2、FA4和FA5处)。C2代表结合到非特异性结合位点,在白蛋白的疏水区域中的结合位点1、3、6和7的脂肪酸自旋探针的比例。C3至C5代表未结合的自旋探针分子(即未结合白蛋白的自旋探针)。更具体而言,C3代表未结合并在样品中自由存在的自旋探针分子的比例;C4代表聚集成脂肪酸胶束簇的自旋探针分子的比例;C5代表与血清样品中脂蛋白相关或结合的自旋探针分子的比例。可以通过模拟各个光谱分量,然后将模拟分量拟合到测得的光谱,调整各个光谱分量的幅度和相位,直到满足拟合标准,来确定各个光谱分量对测量光谱的贡献。该标准例如可以是所测光谱与由上述相位和幅度项加权的各个模拟频谱分量之和之间的均方根误差的最小值。在拟合之后光谱成分具有的幅度和相位指示了表1中列出的各种结合状态下自旋探针的浓度。在一个实施方式中,光谱分量通过以下描述的方式来模拟:Andrey Gurachevsky,Ekaterina Shimanovitch,Tatjana Gurachevskaya,VladimirMuravsky(2007)Intra-albumin migration of bound fatty acid probed by spinlabel ESR.Biochemical and Biophysical Research Communications 360(2007)852–856,将其全部内容通过引用并入本文。在本公开中不需要详细讨论模拟光谱分量的方法的细节。在一个实施方式中,使用最小二乘拟合将模拟的谱线拟合到测量的ESR光谱。作为另一种选择,可以使用最大似然预估。根据表1中定义的五个模拟组分C1至C5的拟合,测定上述三个等分试样中的每一个的组分C1至C5的相对浓度(以下也简称为A、B、C)。这可以以WO2000/004387A3中描述的方式完成,将其全部内容通过引用并入本文。
图4示出了ESR光谱和几何因数α之间的关系。图4显示了ESR光谱A、B或C。几何因数α是ESR光谱最左侧光谱分量的幅度与ESR光谱右侧最后一个光谱分量的幅度的比率。这两个峰通过它们的g因子相关联。α是未结合的16-氮氧自由基硬脂酸自旋标记的高场线处的强度与具有高亲和力的白蛋白结合位点中结合的16-DSA的低场线处的光谱强度的比率。图4示出了几何因数由原始光谱确定,使得其不依赖于用于EPR光谱模拟的模型的特定假设和/或简化。
图5描绘了包括ESR光谱仪10和计算装置12的系统。ESR光谱仪包括实验部分,其中以上述方式从进入样品室的样品中获取光谱。所获得的光谱通过ESR光谱仪的输出接口16和计算装置12的输入接口18输出到计算装置12。计算装置12包括处理器20和存储器22。存储器22存储通过处理器20执行的程序指令。当由处理器20执行时,该程序指令使处理器20执行本文所述的方法。计算装置12还包括输出装置24。输出装置24可以是用于向用户显示确定结果的显示器,或者可以是允许将结果发送到其他装置的电子输出接口。可以使用无线或有线方式进行任何此类传输。
通过所述方法的实施方式分析与健康患者(对照)、CC(稳定;特别是稳定的肝硬化)、AD(具有急性代偿失调的肝硬化)和ACLF(慢性肝衰竭的急性发作)患者相关的数据。考虑10个对照样品,18个稳定样品(门诊患者,CC),241个AD样品和78个ACLF样品的数据。表2提供了有关CC(门诊患者,稳定),AD和ACLF患者的更多信息,包括人口统计、生化和临床特征。
表2:患者的人口统计、生化和临床特征。人口统计数据包括年龄和性别。肝硬化的病因学以病毒性、酒精性、NASH(非酒精性脂肪性肝炎)、混合病因或其他原因为特征。生化和预后数据包括白细胞数目、血小板数目、Na浓度、胆红素浓度、肌酐浓度、INR、MELD评分和Child-Pugh评分。数据报告为中值和四分位间距(IQR),绝对数量和频率。P值表示显著性。重要的p值以粗体显示。
门诊病人 | AD | ACLF | p | |
N | 18 | 241 | 78 | |
人口统计数据 | ||||
年龄(岁) | 59(53-77) | 63(51-75) | 62(56-74) | 0.800 |
男性 | 15(83) | 144(60) | 51(65) | 0.112 |
肝硬化的病因 | ||||
病毒性 | 8(44) | 118(49) | 28(36) | 0.131 |
酒精性 | 5(28) | 41(17) | 17(22) | 0.383 |
NASH | 0(0) | 17(7) | 7(9) | 0.409 |
混合病因 | 0(0) | 35(15) | 10(13) | 0.215 |
其他 | 5(28) | 30(12) | 16(21) | 0.069 |
生化和预后数据 | ||||
白细胞(10<sup>9</sup>/L) | 5.0(3.8-6.7) | 5.5(3.6-8.5) | 7.5(5.1-9.6) | 0.006 |
血小板(10<sup>9</sup>/L) | 139(101-159) | 95(59-158) | 86(55-144) | 0.102 |
Na(mmol/L) | 141(138-142) | 137(134-139) | 136(132-139) | 0.001 |
胆红素(mg/dL) | 0.9(0.5-1.4) | 2.2(1.1-3.7) | 6.8(2.1-14.5) | <0.001 |
肌酐(mg/dL) | 0.8(0.7-0.9) | 0.9(0.7-1.2) | 1.9(1.4-2.5) | <0.001 |
INR | 1.1(1.1-1.3) | 1.4(1.2-1.5) | 1.6(1.3-2.2) | <0.001 |
MELD | 13(10-17) | 14(10-17) | 26(22-30) | <0.001 |
Child-Pugh评分 | 6(5-6) | 8(7-10) | 11(10-12) | <0.001 |
图6A以框线图的形式给出了与健康患者(对照)、CC(稳定)、AD和ACLF患者样品相关的白蛋白浓度。在框线图中,中间框代表从下四分位数到上四分位数(25%到75%)的值。因此,所述框代表IQR。中线代表中值。水平线从最小值到最大值延伸,不包括外侧和外侧的值,这些值显示为单独的点。在对照样品中白蛋白浓度中值最高,而在ACLF患者中白蛋白浓度中值最低。AD样品中的白蛋白浓度中值与对照样品的白蛋白中值浓度以及CC患者的样品白蛋白中值浓度显著不同。然而,AD患者的白蛋白中值浓度与ACLF样品相关的白蛋白中值浓度没有显著差异。与AD样品有关的IQR和与ACLF样品有关的IQR重叠。总之,基于白蛋白浓度,不可能区分AD和ACLF样品。
图6B以框线图的形式给出了与健康患者(对照)、CC(稳定)、AD和ACLF患者样品相关的排毒效率(DTE)。给出了以对照的%表示的DTE。对照样品中的DTE最高,ACLF中的DTE最低。AD样品的DTE与对照,CC(稳定)和ACLF的DTE显著不同。与AD样品有关的IQR和与ACLF样品有关的IQR重叠。
图7以点图(A)和框线图(B)给出了与健康患者(对照)、CC(稳定)、AD和ACLF患者样品有关的结合效率(BE)。给出了以对照的%表示的BE。对照样品中的BE最高,ACLF中的BE最低。AD样品的BE与对照,CC(稳定)和ACLF的BE显著不同。与AD样品有关的IQR和与ACLF样品有关的IQR重叠。
在图7C中,与AD和CC(稳定)患者有关的数据以点图示出,其中另外示出了截止(直线)。设置截止值,以使灵敏度设置为约92%。灵敏度为91.7%时,特异性达到61.1%。
在图8A中,将与AD和CC(稳定)患者有关的根据式3的标记物线性组合显示为点图。中值以线表示。在图8B中,呈现了图8A中所示的数据,并且设定了截止值,使得灵敏度设定为约92%。在92.5%的灵敏度下,特异性达到77.8%。将根据BE(图7C)的特异性与约92%的根据式3的标记物线性组合(图8B)进行比较,根据式3的标记物线性组合的特异性显著提高。与与BE相关的特异性相比,根据式3的标记物线性组合的特异性增加了约16.7%。这意味着约有17%以上的患者被正确分类为CC患者。
图8C例示了特异性为100%的截止集。在100%的特异性下,根据式3的标记物线性组合的灵敏度为72.2%。100%的特异性意味着所有CC患者均被正确分类为CC患者。
为了进一步研究,计算并分析了ROC曲线。特别是,确定并比较各个AUROC。
在图9A中,将与AD和CC(稳定)患者有关的根据式4的标记物线性组合显示为点图。中值以线表示。在图9B中,呈现了图9A中所示的数据,并且设定了截止值,使得设定截止值使得设定了约92%的灵敏度。在92.4%的灵敏度下,特异性达到83.3%。将根据BE(图7C)的特异性与约92%的根据式4的标记物线性组合(图9B)进行比较,根据式4的标记物线性组合的特异性显著提高。与与BE相关的特异性相比,根据式4的标记物线性组合的特异性增加了约22.2%。这意味着大约有22%以上的患者被正确分类为CC患者。
图9C例示了特异性为100%的截止集。在100%的特异性下,根据式4的标记物线性组合具有68.1%的灵敏度。100%的特异性意味着将所有CC(稳定)患者正确分类为CC(稳定)患者。
为了进一步研究,计算并分析了ROC曲线。特别是,确定并比较各个AUROC。
为了比较CC和AD患者,与BE、DTE和根据式3的标记物线性组合相关的ROC曲线如图10A所示。在图10B中,给出了各个AUROC值,特别是中值。括号中提供了95%的置信区间。此外,给出了p值。p值是显著性的度量。通常,在p值小于0.05的情况下,显著性可以接受。AUROC相互距离越近,性能越好。
与根据式3的标记物线性组合相关的AUROC为0.94(0.9–0.96),而与BE相关的AUROC为0.87(0.82–0.91),与DTE相关的AUROC为0.85(0.8–0.89)。因此,与根据式3的标记物线性组合有关的AUROC大于与BE有关的AUROC并且大于与DTE有关的AUROC。改善是显著的(p=0.01)。这意味着与单独使用BE或单独使用DTE的性能相比,根据式3的标记物线性组合的性能(以区分AD和CC样品)有所提高。
为了比较CC和AD患者,与BE、DTE和根据式4的标记物线性组合相关的ROC曲线(“组合1”)显示在图11A中。在图11B中,给出了相应AUROC值,特别是中值。括号中提供了95%的置信区间。此外,给出了p值。p值是显著性的度量。通常,p值小于0.05,显著性可以接受。AUROC之间距离越近,性能越好。
与根据式4的标记物线性组合相关的AUROC为0.94(0.9–0.96),而与BE相关的AUROC为0.87(0.82–0.91),与DTE相关的AUROC为0.85(0.8–0.89)。因此,与根据式4的标记物线性组合有关的AUROC大于与BE有关的AUROC并且大于与DTE有关的AUROC。改善是显著的(p=0.01)。这意味着与单独使用BE或单独使用DTE的性能相比,根据式4的标记物线性组合的性能(以区分AD和CC样品)有所提高。
为了比较AD患者和ACLF患者,与BE、DTE和根据式5的标记物线性组合相关的ROC曲线在图12A中示出。在图12B中,给出了各个AUROC值以及p值。
与根据式5的标记物线性组合相关的AUROC为0.71(0.65–0.76),与BE相关的AUROC为0.64(0.59–0.7),与DTE相关的AUROC为0.66(0.6–0.71)。因此,与根据式5的标记物线性组合相关的中值AUROC大于与BE相关的中值AUROC并且大于与DTE相关的中值AUROC。增长是显著的。与单独的BE或单独的DTE的性能相比,根据式5的标记物线性组合的性能得到提高。
为了比较AD患者和ACLF患者,与BE、DTE和根据式6的标记物线性组合(“组合2”)相关的ROC曲线示于图13A中。在图13B中,给出了各个AUROC值以及p值。
与根据式6的标记物线性组合相关的AUROC为0.72(0.67–0.77),而与BE相关的AUROC为0.64(0.59–0.7),而与DTE相关的AUROC为0.66(0.6–0.71)。因此,与根据式6的标记物线性组合相关的中值AUROC大于与BE有关的中值AUROC并且大于与DTE有关的中值AUROC。增长是部分显著的。与单独的BE或单独的DTE的性能相比,根据式6的标记物线性组合的性能得到提高。
为了获得有关AD发展的预后信息,特别是对于入院后30天内发展为ACLF的AD患者的特征,在图14A和图14B中示出了与BE、DTE、CLIF-C-AD评分、包括H和T(特别是H和TG)的线性组合、根据式1的标记物线性组合(“组合3”)和根据式2的标记物线性组合(“组合4”)相关的ROC曲线。在图14C中,给出了各个AUROC值以及p值。
与CLIF-C-AD评分相关的AUROC为0.73(0.67–0.79)。与根据式1(包含H和T)的线性组合相关的AUROC为0.76(0.7–0.81)。CLIF-C-AD评分和根据式1的线性组合显示出相似的性能。与根据式2的标记物线性组合相关的AUROC为0.81(0.76-0.86)。因此,与CLIF-C-AD评分以及与根据式1的线性组合(包含H和T)相比,根据式2的标记物线性组合的性能得到改善。这表明,与仅考虑CLIF-C-AD评分的常见医疗实践相比,诊断评分(如CLIF-C-AD评分)和由ESR光谱确定的生物物理参数的组合可以提高性能。特别是,与仅考虑CLIF-C-AD评分的常见医疗实践相比,诊断评分(如CLIF-C-AD评分)和由ESR光谱确定的生物物理参数的组合可以改善预测AD发展的性能。
在图15中,显示了Kaplan-Meier生存分析。它表明结合效率(A)在预测AD患者和/或ACLF患者的生存中具有预后潜力。在图15B中,关于在AD患者和/或ACLF患者中的存活率,与BE相比,根据式7的标记物线性组合显示改善的预后信息。将式7的中值用作预测生存的指标,与将BE视为预测生存的指标相比,在两个子群体之间(大于/小于中值)显示出更好的区分。一年后(入院后365天),BE高于中值的组中存活的患者多了16%,但根据式7的参数组合为32%。
图16涉及与AD或ACLF相关的样品的分类。图16显示了ROC曲线,所述ROC曲线与KB,特别是KBA,S,特别是S2B相关,并且与包括H(特别是H1A)和KB,特别是KBA的线性组合相关。还显示了与式5相关的标记物线性组合有关的其他ROC曲线。表3中提供了各自的特性值。
表3:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。KH:包含H1A和KBA的线性组合;组合式5:与式5相关的标记物线性组合。
AUROC | 95%CI | p | 灵敏度 | 特异性 | |
KBA | 0.675 | 0.620至0.726 | 80% | 38% | |
S2B | 0.614 | 0.558至0.667 | 0.16 | 80% | 32% |
KH | 0.694 | 0.641至0.744 | 0.22 | 80% | 38% |
组合式5 | 0.706 | 0.653至0.755 | 0.15 | 80% | 49% |
先前的分析表明,KBA是具有最高AUROC的生物物理参数。这意味着,就单个生物物理参数而言,KBA可提供最佳性能来区分AD样品和ACLF样品。示例性地示出了与S2B有关的AUROC低于与KBA有关的AUROC。
至少两个生物物理参数的组合可以增加AUROC。这意味着生物物理参数的组合可以提高性能。
数据表明,与单独的KBA和S2B相比,组合KH的性能得到了改善。与KH相关的AUROC大于与KBA相关的AUROC。与KH相关的AUROC也大于与S2B相关的AUROC。
与KBA相关的AUROC相比,与式5相关的标记物线性组合相关的AUROC有所增加。与涉及S2B和组合KH的AUROC相比,与式5相关的标记物线性组合相关的AUROC也增加了。在与式5相关的标记物线性组合的情况下,其显著性高于与KH相关的显著性(KH;p=0.22;与式5相关的标记物线性组合:p=0.15)。
数据表明,在灵敏度为80%时,在将样品分类为与ACLF或AD相关的方面,与式5相关的标记物线性组合的特异性大于与KBA相关的特异性。特别是,特异性提高了11%。这意味着在灵敏度为80%时,将有11%以上的患者得到正确的诊断。这意味着有11%以上的患者被正确分类。因此,图16和相关的表3说明了对于将样品分类为与ACLF关联或AD关联的方面,在考虑与式5相关的标记物线性组合而不是KBA、S2B或组合KH时,性能得到提高。
总之,包含疏水性,特别是高亲和力结合位点的疏水性,结合常数和序参数的组合可以显示出改善的性能,可以正确地对AD和ACLF患者进行分类。特别是,根据式5的标记物线性组合可以用于区分AD和ACLF患者。
图17涉及与AD或ACLF相关的样品的分类。图17显示了ROC曲线,所述ROC曲线相关于H,特别是H1A,C5,特别是C5B,并且涉及包括H(特别是H1A)和KB,特别是KBB和KBC的线性组合。显示了与包含H(特别是H1A)和KB,特别是KBB和KBC,以及S,特别是S1B的线性组合相关的其他ROC曲线,以及与涉及式6的标记物线性组合相关的ROC(“ACLF gg AD n”)。表4中提供了各个特征值。
表4:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。KH:包含H1A、KBB和KBC的线性组合;KHS:包括H1A、KBB、KBC和S1B的线性组合;组合式6:与式6相关的标记物线性组合。
AUROC | 95%CI | p | 灵敏度 | 特异性 | |
H1A | 0.657 | 0.602至0.709 | 80% | 34% | |
C5B | 0.637 | 0.582至0.690 | 0.69 | 80% | 36% |
KH | 0.694 | 0.641至0.744 | 0.29 | 80% | 38% |
KHS | 0.706 | 0.653至0.755 | 0.14 | 80% | 49% |
组合式6 | 0.723 | 0.671至0.772 | 0.07 | 80% | 46% |
先前的分析表明,H1A是具有最高AUROC的生物物理参数。这意味着就单个生物物理参数而言,H1A提供了区分AD样品和ACLF样品的最佳性能。示例性地示出了与C5B有关的AUROC低于与H1A有关的AUROC。
至少两个生物物理参数的组合可以增加AUROC。这意味着生物物理参数的组合可以提高性能。
数据表明,与单独的H1A和C5B相比,组合KH的性能得到了改善。与KH相关的AUROC大于与H1A相关的AUROC。与KH相关的AUROC也大于与C5B相关的AUROC。
数据进一步显示,在将样品分类为与ACLF相关或与AD相关时,与H1A、C5B或组合KH相比,组合KHS显示出性能的提高。
与H1A相关的AUROC相比,与式6相关的标记物线性组合相关的AUROC有所增加。与C5B,组合KH和组合KHS相关的AUROC相比,与式6相关的标记物线性组合相关的AUROC也增加了。在与式6相关的标记物线性组合的情况下,其显著性高于与KHS相关的显著性(KHS:p=0.14;与式6相关的标记物线性组合:p=0.07)。
数据显示,在灵敏度为80%时,在将样品分类为与ACLF相关或与AD相关的方面,与式6相关的标记物线性组合的特异性大于与H1A相关的特异性。特别是,特异性提高了12%。这意味着在灵敏度为80%时,将有12%以上的患者得到正确的诊断。这意味着有12%以上的患者被正确分类。因此,图17和相关的表4说明了对于与ACLF相关或AD相关的样品进行分类的方面,考虑与式6相关的标记物线性组合而不是H1A、C5B或组合KH,性能的提高。
总之,包含疏水性,特别是高亲和力结合位点的疏水性,结合常数和序参数的组合可以显示出改善的性能,可以正确地对AD和ACLF患者进行分类。特别是,根据式6的标记物线性组合可以用于区分AD和ACLF患者。
图18与CC和AD样品的分类相关。图18A示出了与α,C3B,C5B,包含α和C5(特别是C5B)的组合,包含α和C3(特别是C3B)的组合,以及与式3相关的标记物线性组合的ROC曲线。表5中提供了各自的特征值。
表5:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。HS:H1A和S2B的线性组合;AC3:包含α和C3B的线性组合;AC5:包含α和C5B的线性组合;组合式3:与式3相关的标记物线性组合。
AUROC | 95%CI | p | 灵敏度 | 特异性 | |
α | 0.882 | 0.836至0.918 | 75% | 83% | |
C3B | 0.872 | 0.825至0.910 | 0.30 | 77% | 83% |
C5B | 0.871 | 0.824至0.909 | 0.24 | 91% | 83% |
HS | 0.708 | 0.649至0.763 | 0.00 | 48% | 83% |
AC3 | 0.889 | 0.844至0.925 | 0.38 | 76% | 83% |
AC5 | 0.907 | 0.865至0.939 | 0.24 | 91% | 83% |
组合式3 | 0.938 | 0.902至0.964 | 0.02 | 90% | 83% |
先前的分析表明,α是具有最高AUROC的生物物理参数。这意味着就单个生物物理参数而言,α提供了区分AD样品和CC样品的最佳性能。示例性地示出了与C3B和C5B相关的AUROC低于与α有关的AUROC。
至少两个生物物理参数的组合可以增加AUROC。这意味着生物物理参数的组合可以提高性能。例如,与AC5组合相关的AUROC(0.907(0.865–0.939))大于与单个生物物理参数(例如C5B、C3B或α)相关的AUROC。与AC3组合相关的AUROC(0.889(0.844–0.925))也大于与单个生物物理参数(如C5B、C3B或α)相关的AUROC。
数据进一步表明,并非至少两个生物物理参数的每种组合都会增加AUROC。这意味着并非至少两个参数的每种组合都可以提供将样品分类为特定疾病的增强性能,特别是可以对与AD或CC相关的样品进行分类的增强性能。示例性地,给出了H1A和S2B的组合的AUROC(HS)。它低于单独的α的AUROC。因此,组合HS的性能比α的性能差(将样品分类为与AD或CC相关联)。
根据式3的标记物线性组合显示的AUROC为0.938(0.902–0.964),远大于与α相关的AUROC。
数据示例性地显示,在83%的特异性下,根据式3的标记物线性组合的灵敏度为90%,因此比与单独α有关的灵敏度高15%。根据式3的标记物线性组合可以改善与CC或AD有关的样品的分类。
图18B所示的ROC曲线进一步示出了与C5B相关的ROC曲线是锯齿状的。相反,与式3相关的ROC曲线是弯曲的。弯曲的ROC曲线比锯齿状的ROC曲线要健壮得多。
图19与CC和AD样品的分类相关。图19A和图19B示出与α,C5B,包含α和C5(特别是C5B)的组合相关,与包含α和C5(特别是C5B)的线性组合相关,以及C3(特别是C3A和C3B)的线性组合相关的ROC曲线。此外,显示了与式4相关的标记物线性组合相关的ROC曲线(“AD_vs_CC”)。表6中提供了各自的特性值。表6提供了有关与C3A,C3B,BE以及α和C3(特别是α,C3A和C3B)的组合相关的ROC曲线的其他信息。
表6:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。AC5:包含α和C5B的线性组合;AC3:包括α,C3A和C3B的线性组合;AC5C3:包含α,C5B,C3A和C3B的线性组合;组合式4:与式4相关的标记物线性组合。
AUROC | 95%CI | p | 灵敏度 | 特异性 | |
α | 0.865 | 0.809至0.910 | 72% | 83% | |
C3B | 0.856 | 0.799至0.902 | 0.40 | 75% | 83% |
C5B | 0.863 | 0.806至0.908 | 0.94 | 89% | 83% |
BE | 0.853 | 0.796至0.900 | 0.04 | 68% | 83% |
C3A | 0.853 | 0.795至0.899 | 0.03 | 68% | 83% |
BE_DTE | 0.862 | 0.805至0.907 | 0.83 | 76% | 83% |
BE_C5B | 0.876 | 0.821至0.919 | 0.71 | 88% | 83% |
C3B_C5B | 0.880 | 0.826至0.922 | 0.62 | 89% | 83% |
AC5 | 0.893 | 0.841至0.933 | 0.24 | 89% | 83% |
AC3 | 0.870 | 0.815至0.914 | 0.56 | 72% | 83% |
AC3C5 | 0.925 | 0.878至0.958 | 0.02 | 88% | 83% |
组合式4 | 0.923 | 0.877至0.957 | 0.03 | 91% | 83% |
先前的分析表明,α是具有最高AUROC的生物物理参数。这意味着就单个生物物理参数而言,α提供了区分AD样品和CC样品的最佳性能。示例性地示出了与C5B,C3A,C3B或BE相关的AUROC低于与α有关的AUROC。
至少两个生物物理参数的组合可以增加AUROC。这意味着生物物理参数的组合可以提高性能。例如,与组合AC5相关的AUROC(0.893(0.841–0.933))大于与单个生物物理参数(如C3A,BE,C5B,C3B或α)相关的AUROC。与AC3组合相关的AUROC(0.87(0.815–0.914))也大于与单个生物物理参数(例如C3A,BE,C5B,C3B或α)相关的AUROC。
数据进一步表明,并非至少两个生物物理参数的每种组合都会增加AUROC。这意味着并非至少两个参数的每种组合都可以提供将样品分类为特定疾病的增强性能,特别是可以对与AD或CC相关的样品进行分类的增强性能。示例性地,给出BE(结合效率)和DTE(解毒效率)的组合的AUROC(BE_DTE)。它低于单独的α的AUROC。因此,组合BE_DTE的性能要比α的性能差(用于分类要与AD或CC关联的样品)。包含来自游离自旋探针分子的光谱分量(C3),血清脂质组分上自旋探针的光谱分量(C5),或几何因数(α)之一的组合可提高性能。特别是,组合BE_C5B的AUROC大于α的AUROC。组合BE_C5B的AUROC也大于组合BE_DTE的AUROC。包含来自游离自旋探针分子的光谱分量(C3),血清脂质组分上自旋探针的光谱分量(C5),或几何因数(α)中的多个的组合进一步提高了AUROC。这意味着包含来自游离自旋探针分子的光谱分量(C3),血清脂质组分上自旋探针的光谱分量(C5),或几何因数(α)中的多个的组合可进一步提高性能,特别是区分与AD关联的样品和与CC关联的样品的性能。
与α相关的AUROC(0.865(0.809-0.91))相比,包含α、C3和C5的线性组合会显著提高AUROC(0.925(0.878–0.958))。根据式4的标记物线性组合显示的AUROC为0.923(0.877–0.957),部分显著大于与α相关的AUROC。
数据示例性地显示,根据式4的标记物线性组合的灵敏度为91%,因此比与单独的α相关的83%的灵敏度高19%。根据式4的标记物线性组合可以改善与CC或AD有关的样品的分类。
图19B所示的ROC曲线进一步说明了与C5B有关的ROC曲线是锯齿状的。相反,与组合AC5C3相关的ROC曲线是弯曲的。弯曲的ROC曲线比锯齿状的ROC曲线要健壮得多。
图20和相关的表7示出了ROC曲线和数据,以在某些患者中AD伴随细菌感染的情况下区分CC患者和AD患者。
表7:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。AC5:包含α和C5B的线性组合;AC5C3:包括α,C5B,C3A和C3B的线性组合;组合
式4:与式4相关的标记物线性组合。
AUROC | 95%CI | P | 灵敏度 | 特异性 | |
α | 0.882 | 0.836至0.918 | 75% | 83% | |
AC5 | 0.907 | 0.865至0.939 | 0.24 | 91% | 83% |
AC5C3 | 0.938 | 0.902至0.964 | 0.02 | 90% | 83% |
组合式4 | 0.936 | 0.900至0.963 | 0.02 | 93% | 83% |
同样在细菌感染的情况下,与单个参数(如α)的性能相比,生物物理参数的组合可以改善性能(以区分AD和CC)。AC5C3组合以及根据式4的标记物线性组合可大大提高AUROC。
特异性为83%时,与单独α的灵敏度(75%)相比,根据式4的标记物线性组合的灵敏度(93%)显著增加。另外,与α的灵敏度相比,组合AC5的灵敏度(91%)以及组合AC5C3的灵敏度(90%)增加。
因此,在细菌感染的情况下以及在没有伴随细菌感染的情况下,根据式4的标记物线性组合可以用于区分AD和CC患者。
根据该方法的一个实施方式,它可以用于预估疾病的发展,特别是预测AD的发展,特别是预测AD向ACLF的发展。
在图21中,示出了与T(特别是TG,特别是TG2A),CLIF-C-AD评分,包含H(特别是H1B)和T(特别是TG2A)的组合相关的ROC曲线。此外,示出了与根据式2的标记物线性组合相关的ROC曲线。在表8中,提供了相关的特征。
表8:给出了AUROC值,95%置信区间(95%CI),p值,灵敏度以及特异性。HT:包含H1B和TG2A的线性组合;组合式2:与式2相关的标记物线性组合。
AUROC | 95%CI | p | 灵敏度 | 特异性 | |
TG2A | 0.733 | 0.673至0.788 | 81% | 57% | |
CLIF-C-AD | 0.733 | 0.672至0.787 | 0.99 | 81% | 55% |
HT | 0.761 | 0.703至0.814 | 0.34 | 81% | 60% |
组合式2 | 0.813 | 0.758至0.860 | 0.01 | 81% | 76% |
生物物理参数TG2A的性能与CLIF-C-AD评分的性能一样好,尤其可以预测AD的发展。两者均显示相同的AUROC和灵敏度为81%时相当的特异性。两个适当的生物物理参数的组合可以提高性能。特别是,与TG2A(0.733(0.673–0.788))以及CLIF-C-AD评分(0.733(0.672–0.787))相比,HT组合具有更高的AUROC(0.761(0.703–0.814)。因此,与用于临床实践中的诊断和预后的CLIF-C-AD评分相比,组合HT的性能,特别是预测AD发展的性能得到了改善。
根据式2的标记物线性组合进一步提高了AUROC(0.813(0.758–0.86))。与TG2A的AUROC相比,增加显著。
灵敏度为81%时,TG2A的特异性为57%。灵敏度为81%时,根据CLIF-C-AD评分的特异性为55%。根据式2的标记物线性组合显示出76%的特异性(灵敏度为81%)。因此,与TG2A相比,考虑根据式2的标记物线性组合时,特异性提高了19%。与CLIF-C-AD评分相比,当考虑根据式2的标记物线性组合时,特异性提高了21%。
特别是,根据式2的标记物线性组合可以用于预测AD的发展。
Claims (15)
1.一种在计算装置中执行的方法,该方法包括以下步骤:
在所述计算装置处接收多个光谱,所述多个光谱获取自包含生物生理学载体蛋白的相应的多个等分试样,其中,所述生物生理学载体蛋白是白蛋白,特别是血清白蛋白,其中,自旋探针的浓度和极性试剂的浓度中的至少一个在等分试样之间变化;
其中,极性试剂是醇或DMSO,
基于所接收的光谱由计算装置确定生物物理参数;
由计算装置将所述生物物理参数作为输入值,应用于标记物线性组合,其中,所述标记物线性组合包括至少两个生物物理参数的预定义组合,
所述计算装置使用所述标记物线性组合来确定与一种或多种所述预定疾病相关的输入参数,以及
根据标记物线性组合输出结果,
其特征在于,所述标记物线性组合包括以下生物物理参数中的至少一个:
-自旋探针的结合常数(KB),
-自旋探针周围的极性(H),
-自旋探针的序参数(S),
-自旋探针的旋转相关时间(T),
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),或
-几何因数(α)。
2.如权利要求1所述的方法,其特征在于,所述标记物线性组合包括以下生物物理参数中的至少一个:
-自旋探针的结合常数(KB),
-自旋探针周围的极性(H),
-自旋探针的序参数(S),
-自旋探针的旋转相关时间(T),
-游离自旋探针分子的光谱分量(C3),或
-血清脂质组分上自旋探针的光谱分量(C5)。
3.如权利要求1或2中任一项所述的方法,其特征在于,所述标记物线性组合包括以下生物物理参数中的至少一个:
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),
-自旋探针的旋转相关时间(T),
-自旋探针的序参数(S),
或
-自旋探针周围的极性(H),
特别是
-游离自旋探针分子的光谱分量(C3),
-血清脂质组分上自旋探针的光谱分量(C5),
或
-自旋探针周围的极性(H)。
4.如权利要求1至3中任一项所述的方法,其特征在于,所述标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合,
-自旋探针的序参数(S),
或
-自旋探针周围的极性(H)。
5.如权利要求1至4中任一项所述的方法,其特征在于,所述标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合,
-自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
6.如权利要求1至5中任一项所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,特别是自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B)和自旋探针的旋转相关时间(T),特别是溶液A中第二自旋探针的旋转相关时间(TG2A)的组合。
7.如权利要求6所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针周围的极性(H)和自旋探针的旋转相关时间(T)的组合,和
-评分,特别是CLIF-C-AD-评分,
特别是自旋探针周围的极性,特别是溶液B中第一自旋探针周围的极性(H1B)和自旋探针的旋转相关时间,特别是溶液A中第二自旋探针的旋转相关时间(TG2A)的组合和CLIF-C-AD评分。
8.如权利要求1至5中任一项所述的方法,其特征在于,所述标记物线性组合包括以下中的至少一个:
-血清脂质组分上自旋探针的光谱分量(C5)和游离自旋探针分子的光谱分量(C3)的组合,
-血清脂质组分上自旋探针的光谱分量(C5)和几何因数(α)的组合,或
-游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合。
9.如权利要求8所述的方法,其特征在于,所述标记物线性组合包括:
血清脂质组分上自旋探针的光谱分量(C5)、游离自旋探针分子的光谱分量(C3)和几何因数(α)的组合,或者血清脂质组分上自旋探针的光谱分量(C5)、游离自旋探针分子的光谱分量(C3)、几何因数(α)和自旋探针的结合效率(BE)的组合。
10.如权利要求1至5中任一项所述的方法,其特征在于,所述标记物线性组合包括以下中的至少一个:
-自旋探针周围的极性(H)和自旋探针的序参数(S)的组合,
-自旋探针周围的极性(H)和自旋探针的结合常数(KB)的组合,或
-自旋探针的序参数(S)和自旋探针的结合常数(KB)的组合。
11.如权利要求10所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针周围的极性(H)和自旋探针的序参数(S),和自旋探针的结合常数(KB)的组合。
12.如权利要求10或11中任一项所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针的结合常数,特别是溶液A中自旋探针的结合常数(KBA),自旋探针周围的极性,特别是溶液A中第一自旋探针周围的极性(H1A),及自旋探针的序参数,特别是溶液B中第二自旋探针的序参数(S2B)的组合。
13.如权利要求1至5中任一项所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针周围的极性(H)和血清脂质组分上自旋探针的光谱分量(C5)的组合。
14.如权利要求13所述的方法,其特征在于,所述标记物线性组合包括:
-自旋探针周围的极性,特别是溶液A中第一自旋探针周围的极性(H1A),及溶液B中血清脂质组分上自旋探针的光谱分量(C5B)的组合。
15.如权利要求1至14中任一项所述的方法,其特征在于,所述预定疾病是肝病、肝病的阶段和/或预定义的肝功能,特别是异常的肝功能,特别是以下之一:代偿性肝硬化、急性代偿失调性肝硬化、慢性肝衰竭急性发作、对治疗不敏感、有关在一定时间范围内死亡的风险或疾病恶化的风险的预后信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19194752.2 | 2019-08-30 | ||
EP19194752.2A EP3786642A1 (en) | 2019-08-30 | 2019-08-30 | Method for functional characteristics of proteins for classification of patients to be associated to a specific disease |
PCT/EP2020/074066 WO2021038032A1 (en) | 2019-08-30 | 2020-08-28 | Method for functional characteristics of proteins for classification of patients to be associated to a specific disease |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112912720A true CN112912720A (zh) | 2021-06-04 |
Family
ID=67810546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080005774.7A Pending CN112912720A (zh) | 2019-08-30 | 2020-08-28 | 用于与特定疾病相关的患者分类的蛋白质的功能特性的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210396768A1 (zh) |
EP (2) | EP3786642A1 (zh) |
CN (1) | CN112912720A (zh) |
WO (1) | WO2021038032A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0973043A1 (en) | 1998-07-13 | 2000-01-19 | Newpharm & Trading SA | Method of diagnosing malignant neoplasms based on ESR spectroscopy |
DE10011163A1 (de) | 2000-02-28 | 2001-09-13 | Ew Handels & Consulting Gmbh | Verfahren zur Diagnose und/oder Überwachung physiologischer oder pathologischer Veränderungen im menschlichen oder tierischen Körper und ESR-Spektrometer zur Durchführung des Verfahrens |
GB0621452D0 (en) * | 2006-10-27 | 2006-12-06 | Ucl Business Plc | Therapy for liver disease |
-
2019
- 2019-08-30 EP EP19194752.2A patent/EP3786642A1/en not_active Withdrawn
-
2020
- 2020-08-28 WO PCT/EP2020/074066 patent/WO2021038032A1/en unknown
- 2020-08-28 EP EP20761585.7A patent/EP4022314A1/en active Pending
- 2020-08-28 CN CN202080005774.7A patent/CN112912720A/zh active Pending
-
2021
- 2021-09-01 US US17/463,666 patent/US20210396768A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210396768A1 (en) | 2021-12-23 |
EP4022314A1 (en) | 2022-07-06 |
WO2021038032A1 (en) | 2021-03-04 |
EP3786642A1 (en) | 2021-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101542037B1 (ko) | 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체 | |
JP5470848B2 (ja) | 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置 | |
Fernandes et al. | Enhanced liver fibrosis panel as a predictor of liver fibrosis in chronic hepatitis C patients | |
JP5976987B2 (ja) | 胃癌の評価方法、ならびに胃癌評価装置、胃癌評価方法、胃癌評価システム、胃癌評価プログラム、記録媒体および情報通信端末装置 | |
US9599618B2 (en) | Method, apparatus, system, program, and computer-readable recording medium for evaluating colorectal cancer | |
JP6269577B2 (ja) | 取得方法、女性生殖器癌評価装置、女性生殖器癌評価プログラム及び女性生殖器癌評価システム | |
Riva et al. | Faecal cytokine profiling as a marker of intestinal inflammation in acutely decompensated cirrhosis | |
US9459255B2 (en) | Method of evaluating breast cancer, breast cancer-evaluating apparatus, breast cancer-evaluating method, breast cancer-evaluating system, breast cancer-evaluating program and recording medium | |
JP2021081439A (ja) | 取得方法、評価装置、評価プログラムおよび評価システム | |
US20210287802A1 (en) | Method for evaluating pancreatic cancer, pancreatic cancer evaluating apparatus, pancreatic cancer evaluating method, pancreatic cancer evaluating program product, pancreatic cancer evaluating system and information communication terminal apparatus | |
US20190228844A1 (en) | Evaluating method, evaluating apparatus, evaluating program product, evaluating system, and terminal apparatus for colorectal cancer | |
Pregenzer-Wenzler et al. | Utility of biomarkers in cardiac amyloidosis | |
KR20150140363A (ko) | 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램 제품, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치 | |
Bish et al. | Myostatin is elevated in congenital heart disease and after mechanical unloading | |
Sasaki et al. | Metabolomics with severity of radiographic knee osteoarthritis and early phase synovitis in middle-aged women from the Iwaki Health Promotion Project: a cross-sectional study | |
WO2013154998A1 (en) | Serum biomarkers and pulmonary nodule size for the early detection of lung cancer | |
Jiang et al. | Comparison of four models for end-stage liver disease in evaluating the prognosis of cirrhosis | |
Paraskevas et al. | Presepsin in the diagnosis of sepsis | |
Rossi et al. | Muscle mass loss after neoadjuvant chemotherapy in breast cancer: estimation on breast magnetic resonance imaging using pectoralis muscle area | |
US20220044814A1 (en) | Device and method for localising or identifying malignancies | |
St‐Jean et al. | Use of peripheral plasma aldosterone concentration and response to ACTH during simultaneous bilateral adrenal veins sampling to predict the source of aldosterone secretion in primary aldosteronism | |
CN112912720A (zh) | 用于与特定疾病相关的患者分类的蛋白质的功能特性的方法 | |
JP7506646B2 (ja) | 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、及び評価システム | |
JP2010175452A (ja) | 膵臓癌の検出法 | |
Ozkan et al. | Evaluation of the Blood Urea Nitrogen-to-Left Ventricular Ejection Fraction Ratio in Predicting Mortality in Patients Presenting to the Emergency Department with Heart Failure Symptoms |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40046677 Country of ref document: HK |