CN113092777B - 孕早期进行重症子痫前期患者筛查的方法 - Google Patents

孕早期进行重症子痫前期患者筛查的方法 Download PDF

Info

Publication number
CN113092777B
CN113092777B CN202110326101.8A CN202110326101A CN113092777B CN 113092777 B CN113092777 B CN 113092777B CN 202110326101 A CN202110326101 A CN 202110326101A CN 113092777 B CN113092777 B CN 113092777B
Authority
CN
China
Prior art keywords
spe
plasma
pregnant
pregnant woman
pregnancy
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.)
Active
Application number
CN202110326101.8A
Other languages
English (en)
Other versions
CN113092777A (zh
Inventor
杨宁
邹晓译
李玉明
陈少伯
张芯
蔡伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TEDA INTERNATIONAL CARDIOVASCULAR HOSPITAL
Original Assignee
TEDA INTERNATIONAL CARDIOVASCULAR HOSPITAL
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 TEDA INTERNATIONAL CARDIOVASCULAR HOSPITAL filed Critical TEDA INTERNATIONAL CARDIOVASCULAR HOSPITAL
Priority to CN202110326101.8A priority Critical patent/CN113092777B/zh
Publication of CN113092777A publication Critical patent/CN113092777A/zh
Application granted granted Critical
Publication of CN113092777B publication Critical patent/CN113092777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N33/689—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 pregnancy or the gonads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/72—Mass spectrometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4716—Complement proteins, e.g. anaphylatoxin, C3a, C5a
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/78—Connective tissue peptides, e.g. collagen, elastin, laminin, fibronectin, vitronectin, cold insoluble globulin [CIG]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/36—Gynecology or obstetrics
    • G01N2800/368—Pregnancy complicated by disease or abnormalities of pregnancy, e.g. preeclampsia, preterm labour

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Gynecology & Obstetrics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Microbiology (AREA)
  • Reproductive Health (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Pregnancy & Childbirth (AREA)
  • Library & Information Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明涉及一种孕早期进行重症子痫前期患者筛查的方法，采用孕早期孕妇血浆纤连蛋白FN和补体4b作为预测sPE的孕早期血浆标记物，并建立预测或辅助预测孕妇是否会进展至sPE患者的预测模型，能够准确预测sPE。有益效果：本方法采用基于MS的蛋白质组学方法查找sPE孕妇孕早期的血浆生物学标志物，并通过市售ELISA试剂盒验证蛋白质组学分析得到的差异表达血浆标志物，通过蛋白质组学分析及ELISA验证，基于前瞻性队列中孕妇基线特征中的差异指标及孕妇血浆生物标志物中的差异指标，构建sPE的孕早期预测模型，提高sPE的预测准确率，以指导临床早期干预，尽可能降低PE的发病率，减少妊娠不良事件。

Description

孕早期进行重症子痫前期患者筛查的方法
技术领域
本发明属于临床医学技术领域，尤其涉及一种孕早期进行重症子痫前 期患者筛查的方法。
背景技术
子痫前期(preeclampsia,PE)作为是妊娠期高血压疾病 (hypertensivedisorder in pregnancy，HDP)的一种最重要的亚型， 是一种主要发生于妊娠20周后的多系统功能障碍疾病，主要表现为新发 的高血压及蛋白尿，严重者可进展至具有致命危险的重度子痫前期 (severe preeclampsia，sPE)或子痫(eclampsia)，是围生期发病率及 死亡率最高的危险因素之一，严重威胁母婴健康。多项流行病学调查研究 证实存在PE病史的妇女及其子代更易发生心血管事件，推测可能与PE和 心血管疾病(cardiovasculardisease，CVD)存在共同关键危险因素如 内皮功能紊乱、炎症反应和糖脂代谢异常等有关。PE提供了可以鉴别心血 管事件风险增加的妇女的机会，因此对PE的早期识别及干预，意味着将 CVD的预防窗口提前至妊娠期，降低母子两代的CVD风险，意义重大。
PE是孕妇在怀孕期间出现的全身性炎症和血管疾病，是女性随后发生 心血管事件的终生危险因素，目前尚无有效的防治策略，主要基于以下两 点：一、PE作为一种“理论上”的疾病，病理及病理生理机制不明，目前 最为有效地解决方案为结束妊娠，娩出胎盘，但这种方案考虑到了母体的 健康，但势必会造成过多的早产儿，影响胎儿健康，加重家庭和社会的负 担。如何尽早识别PE，针对不同类型的PE采取不同的策略(如加强监护、 小剂量阿司匹林及适时终止妊娠)对医务工作者来说是个极大的挑战。二、 PE孕妇孕早期乃至中期大多并无临床症状，至少至孕20周后才出现以高 血压及蛋白尿等为特征的临床症状，而待症状出现后方给予干预措施(如 降压药物)虽能改善孕妇临床症状，但对孕妇及胎儿预后作用有限。研究 发现如能在妊娠早期(妊娠16周之前)给予小剂量阿司匹林干预可显著 降低高危人群PE的发病率。那么如何在妊娠早期及时准确识别PE高危孕 妇，在PE高危孕妇出现临床症状前给予重点监测，及时给予药物干预， 降低围生期孕妇及胎儿发病率及死亡率，是一项十分有意义的研究方向。 目前在PE预测方面遇到的问题一方面单一预测指标准确率低，且研究结 论不甚一致，另外一方面如预测时点距离PE发病时间间隔过短，错过最 佳干预时机，则预测实际意义不大。目前关于PE孕妇孕早期预测的研究 虽数量众多，但仍未发现有效的孕早期预测标志物和简便准确适宜临床开 展的预测模型。
考虑到基因检查的预测方案因检查手段相对有创(羊水穿刺)，且研 究发现基因的水平与蛋白质的丰度相关性并不强，尤其是低丰度蛋白相关 性更差，而PE蛋白质标志物考虑为低丰度蛋白。蛋白质作为机体功能的 最终执行者，研究蛋白质的变化对深入理解PE发病机制及预防PE均存在 重大意义。考虑到蛋白质存在翻译后修饰、蛋白质与蛋白质之间的相互作 用等复杂机制，结合PE异质性及各项研究结果，目前研究者在PE预测方 向存在一致意见，即单一预测指标不能有效预测PE，需采用多种指标联合 以提高PE预测水平。
发明内容
本发明的目的在于克服上述技术的不足，而提供一种孕早期进行重症 子痫前期患者筛查的方法，能够解决孕早期准确预测sPE的临床技术问 题，以指导临床早期干预，尽可能降低PE的发病率，减少妊娠不良事件， 进而减低女性人群CVD暴露。
本发明为实现上述目的，采用以下技术方案：一种孕早期进行重症子 痫前期患者筛查的方法，采用孕早期孕妇血浆纤连蛋白FN和补体4b作为 预测sPE的孕早期血浆标记物，并建立预测或辅助预测孕妇是否会进展至 sPE患者的预测模型，能够准确预测sPE，具体步骤如下：
步骤一、标准孕妇的信息收集和整理：在社区医院招募单胎孕妇孕早 期入组，随访至妊娠结束后45天以HDP为主要切入点的队列研究，对入 组孕妇收集其基线特征，并进行相应的体格检查及血液标本的采集，同时 与妇幼信息系统及生产医院病历系统联网，记录孕妇产检及分娩时体重、 血压及诊断状态，确定其妊娠结局；
步骤二、在确定孕妇妊娠结局基础上，将最终进展为sPE的孕妇孕早 期血浆样本与年龄、入组孕周相匹配的正常分娩健康孕妇的孕早期血浆样 本进行蛋白质组学分析；
步骤三、蛋白质组学分析：采用液相色谱分离串联质谱的分析方法和 数据非依赖性获取的数据采集模式分析sPE孕妇和健康孕妇孕早期血浆, 使用Maxquant软件和Spectronaut软件分析质谱数据，生物信息分析以两 组蛋白表达量差异倍数变化≥1.2倍且Q值＜0.05的标准作为筛选差异表 达蛋白的依据，使用Blast2 GO软件、CytoScape软件和KASS、STRING 网站进行生物信息分析，并采用基因加权共表达网络分析(weighted geneco-expression network analysia，WGCNA从鉴定出的总蛋白中筛选出生物 标记物；
步骤四、通过上述的生物信息分析方法和WGCNA方法得到重叠蛋白 中的分泌性蛋白作为sPE的血浆生物学标志物，最终确定血浆纤连蛋白及 补体4b作为sPE孕早期血浆标记物；
步骤五、建立预测模型：
1)随机选取sPE孕妇信息及其孕早期的血浆样本及正常分娩的孕妇信 息和其孕早期的血浆样本，分别对上述血浆样本进行酶联免疫吸附试验检 测；
2)采用FN ELISA试剂盒和C4b ELISA试剂盒进行实验；
3)采用Curve Expert软件制作标准曲线，并根据样本OD值，得到血 浆FN和C4b的水平结果；
4)通过SPSS统计软件对孕妇入组时的基线特征及血浆中两组存在差 异的指标，并以sPE作为结局变量，进行单因素Logistic回归分析，对存 在统计学差异的变量指标经二分类Logistic回归模型，计算入组孕妇进展 至sPE的预测概率；
5)绘制受试者工作状态(Received Operation Characteristic，ROC)曲 线，并计算ROC曲线下面积，以孕妇入组时基线特征BMI和SBP、DBP 三项指标作为基础的指标，最终纳入sPE预测模型的四项指标分别为孕妇 孕早期BMI、SBP及血浆FN、C4b；
6)得到预测孕妇进展至sPE的风险的公式：
Logit(P)＝-15.703+0.130×BMI+0.074×SBP+0.007×FN+0.003×C4b；
其中：BMI、SBP为孕妇孕早期基线特征，
FN为血浆纤连蛋白，
C4b为补体，
步骤六、孕妇血浆生物学标志物中的FN和C4b水平和基线特征中的 BMI和SBP四项指标建立的(BMI+SBP+FN+C4b)sPE预测模型与孕妇 基线特征的预测模型(BMI+SBP)进行准确性的比较，即可准确预测sPE。
所述孕妇的基线特征包括年龄、民族、教育程度、职业、配偶情况、 家族史、既往疾病病史、孕产次、异常生育史、末次月经、孕前体重、妊 娠用药情况以及生活方式情况。
步骤五4)中所述基线特征存在的差异指标包括糖尿病家族史、体重、 BMI、SBP及舒张压(DBP)；血浆中存在差异指标包括血浆FN、C4b浓 度。
所述FN ELISA采用货号为ab108848的abcam公司产品，C4b ELISA 试剂盒采用货号为E09302h的cusabio公司产品。
有益效果：与现有技术相比，本方法采用基于MS的蛋白质组学方法查 找sPE孕妇孕早期的血浆生物学标志物，并通过市售ELISA试剂盒验证蛋 白质组学分析得到的差异表达血浆标志物，通过蛋白质组学分析及ELISA 验证，基于前瞻性队列中孕妇基线特征中的差异指标及孕妇血浆生物标志 物中的差异指标，构建sPE的孕早期预测模型，提高sPE的预测准确率， 以指导临床早期干预，尽可能降低PE的发病率，减少妊娠不良事件，进 而减低女性人群CVD暴露。
附图说明
图1是实施例1的差异表达蛋白聚类分析结果；
图2是实施例1中的WGCNA分析的蛋白模块与sPE相关性热图分析结果；
图3A是实施例2中正常孕妇及sPE孕妇孕早期血浆FN水平的比较；
图3B是实施例2中正常孕妇及sPE孕妇孕早期血浆C4b水平的比较；
图4A是实施例2中的BMI预测sPE的ROC曲线下面积图；
图4B是实施例2中的SBP预测sPE的ROC曲线下面积图；
图4C是实施例2中的DBP预测sPE的ROC曲线下面积图；
图4D是实施例2中的FN预测sPE的ROC曲线下面积图；
图4E是实施例2中的C4b预测sPE的ROC曲线下面积图；
图5A是实施例2中的BMI+SBP预测模型ROC曲线下面积的比较；
图5B是实施例2中的BMI+SBP+FN+C4b预测模型ROC曲线下面积的比较；
图5C是图5A与图5B两种预测模型ROC曲线下面积的比较。
具体实施方式
下面结合较佳实施例详细说明本发明的具体实施方式。
详见附图，本发明提供了一种孕早期进行重症子痫前期患者筛查的方 法，建立预测或辅助预测孕妇是否会进展至sPE患者的预测模型；以及采 用孕早期患者血浆纤连蛋白FN和补体4b作为预测sPE的孕早期血浆标记 物，能够准确预测sPE，具体步骤如下：
步骤一、标准孕妇的信息收集和整理：在社区医院招募单胎孕妇孕早 期入组，随访至妊娠结束后45天以HDP为主要切入点的队列研究，对入 组孕妇收集其基线特征，并进行相应的体格检查及血液标本的采集，同时 与妇幼信息系统及生产医院病历系统联网，记录孕妇产检及分娩时体重、 血压及诊断状态，确定其妊娠结局；
步骤二、在确定孕妇妊娠结局基础上，将最终进展为sPE的孕妇孕早 期血浆样本与年龄、入组孕周相匹配的正常分娩健康孕妇的孕早期血浆样 本进行蛋白质组学分析；
步骤三、蛋白质组学分析：采用液相色谱分离串联质谱的分析方法和 数据非依赖性获取的数据采集模式分析sPE孕妇和健康孕妇孕早期血浆, 使用Maxquant软件和Spectronaut软件分析质谱数据，生物信息分析方法 以两组蛋白表达量差异倍数变化≥1.2倍且Q值＜0.05的标准作为筛选差 异表达蛋白的依据，使用Blast2 GO软件、CytoScape软件和KASS (http://www.genome.jp/tools/kaas/)、STRING(http://string-db.org/)网站 进行生物信息分析，并采用基因加权共表达网络分析(weighted gene co-expressionnetwork analysia，WGCNA从鉴定出的总蛋白中筛选出生物 标记物；
步骤四、通过上述的生物信息分析方法和WGCNA方法得到重叠蛋白 中的分泌性蛋白作为sPE的血浆生物学标志物，最终确定纤连蛋白及补体 4b作为sPE孕早期血浆标记物；
步骤五、建立预测模型：
1)随机选取sPE孕妇信息及其孕早期的血浆样本及正常分娩的孕妇信 息和其孕早期的血浆样本，分别对上述血浆样本进行酶联免疫吸附试验检 测；
2)采用FN ELISA试剂盒和C4b ELISA试剂盒进行实验；
3)采用Curve Expert软件制作标准曲线，并根据样本OD值，得到血 浆FN和C4b的水平结果；
4)通过SPSS统计软件对孕妇入组时的基线特征及血浆中两组存在差 异的指标，并以sPE作为结局变量，进行单因素Logistic回归分析，对存 在统计学差异的变量指标经二分类Logistic回归模型，计算入组孕妇进展 至sPE的预测概率；
5)绘制受试者工作状态(Received Operation Characteristic，ROC)曲 线，并计算ROC曲线下面积，以孕妇入组时基线特征BMI和SBP、DBP 三项指标作为基础的指标，经统计学分析最终纳入sPE预测模型的四项指 标分别为孕妇孕早期BMI、SBP及血浆FN、C4b；
6)得到预测孕妇进展至sPE的风险的公式：
Logit(P)＝-15.703+0.130×BMI+0.074×SBP+0.007×FN+0.003×C4b；
其中：BMI、SBP为孕妇孕早期基线特征，
FN为血浆纤连蛋白，
C4b为补体C4b，
步骤六、孕妇血浆生物学标志物中的FN和C4b水平和基线特征中的 BMI和SBP四项指标建立的(BMI+SBP+FN+C4b)sPE预测模型与孕妇 基线特征的预测模型(BMI+SBP)进行准确性的比较，即可准确预测sPE。
所述孕妇的基线特征包括年龄、民族、教育程度、职业、配偶情况、 家族史、既往疾病病史、孕产次、异常生育史、末次月经、孕前体重、妊 娠用药情况以及生活方式情况。
步骤五4)中所述基线特征存在的差异指标包括糖尿病家族史、体重、 BMI、SBP及舒张压(DBP)；血浆中存在差异指标包括血浆FN、C4b浓 度。
本方法原理：
基于质谱(Mass Spectrometry，MS)技术的蛋白组学是针对一种细 胞乃至一个生物体表达的所有蛋白质特征进行研究，采用液相色谱分离串 联质谱(LiquidChromatography-tandem Mass Spectrometry，LC-MS/MS) 的分析方法，可以同时检测成百上千个不同分子，可对疾病的诊断和预测 提供更全面、无偏差的评估，适合作为筛选PE标志物的工具，且具备阐 明PE发病机理的潜在作用，目前质谱技术的迅速发展，为孕早期筛查sPE 的标志物提供了强有力的技术支持，而基于以HDP为切入点的单胎孕妇妊 娠早期社区入组并随访至妊娠结束后45天的大型前瞻性队列研究对孕早 期筛查sPE的标志物及预测sPE提供了临床人群基线特征指标及生物学标 本。采用基于MS的蛋白质组学方法查找PE孕妇孕早期的血浆生物学标志 物，并通过市售ELISA试剂盒验证蛋白质组学分析得到的差异表达血浆标 志物，通过蛋白质组学分析及ELISA验证，基于前瞻性队列中孕妇基线特 征中的差异指标及孕妇血浆生物标志物中的差异指标，构建sPE的孕早期 预测模型，提高sPE的预测准确率，以指导临床早期干预，尽可能降低PE 的发病率，减少妊娠不良事件，进而减低女性人群CVD暴露。
血浆纤连蛋白(Fibronectin,FN)是细胞外基质糖蛋白，FN作为整联 蛋白、纤维蛋白、胶原蛋白等的配体，广泛参与细胞黏附、迁徙、分化及 组织修复等过程，参与血小板的黏附、聚集，同时也是血管内皮功能障碍 的标志，FN在早期胚胎发育、滋养细胞浸润和血管重塑中起主要作用。补 体系统(complement system，CS)是一组存在于血液的可溶性蛋白及细 胞表明的膜结合蛋白和补体受体，CS在怀孕期间存在双重作用，正常的母 体和胎儿间免疫反应促进胚胎的生长，而补体过度激活或不适当的调节可 能导致不利的妊娠结局，上述蛋白在孕早期的异常表达可能与sPE的进展 有关，研究证实FN和C4b适宜作为孕早期预测sPE的理想生物学标志物。 基于前瞻性队列中孕妇基线特征中的差异指标：体重指数(body mass index,BMI)及收缩压(systolic blood pressure，SBP)及孕妇血浆生 物标志物中的差异指标：纤连蛋白(FN)和补体4b(C4b)构建sPE的孕 早期预测模型(BMI+SBP+FN+C4b)，研究发现该预测模型在孕妇孕早期可 有效预测sPE。
实施例
以下实施例中的定量试验，均设置二次重复实验，结果取平均值。
灵敏度即真阳性率：金标准确诊为有病的实验组内所检测出阳性病例 数的比率(％)灵敏度值越高，漏诊的机会就越少，理想灵敏度为100％。
特异度即真阴性率:金标准确诊为无病的实验组内所检测出阴性病例 数的比率(％)特异性值越高，发生误诊的机会就越少，理想特异度100％。
实施例1
孕早期血浆纤连蛋白(FN)和补体4b(C4b)可作为sPE孕早期血浆 标记物的发现过程，包括以下步骤：
1、自2016年11月开始在中国天津的19家社区医院开展了单胎孕妇 孕早期社区入组，随访至妊娠结束后45天的以HDP为主要切入点的前瞻 性队列研究，入组孕妇均签署了书面的知情同意书及调查问卷，问卷旨在 收集孕妇的基线特征，包括年龄、民族、教育程度、职业、配偶情况、家 族史、既往疾病病史、孕产次、异常生育史、末次月经、孕前体重、妊娠 用药情况、生活方式等情况，并进行相应的体格检查及血液标本的采集， 并经天津市妇幼信息系统及生产医院病历系统记录孕妇产检及分娩时体 重、血压及诊断，确定其妊娠结局，对符合纳入标准的孕妇的信息进行收 集和整理。
2、在此队列基础上，对10名最终进展为sPE的孕妇和与年龄、入组 孕周相匹配的10名正常分娩的健康孕妇的孕早期血浆样本进行蛋白质组 学分析。采用液相色谱分离串联质谱(LC-MS/MS)的分析方法,采用新的数 据非依赖性获取(DIA)的数据采集模式分析10例sPE孕妇和10例健康 孕妇孕早期血浆,使用Maxquant软件(Maxquant_1.5.3.17)和Spectronaut软件(Spectronaut Pulsar X_12.0.20491.4)分析质谱数据， 生物信息分析以两组蛋白表达量差异倍数变化≥1.2倍且Q值＜0.05的标 准作为筛选差异表达蛋白的依据，差异表达蛋白的聚类分析结果如图1所 示。对得出的差异表达蛋白使用Blast2 GO软件、CytoScape软件和KASS (http://www.genome.jp/tools/kaas/)、STRING(http://string-db.org/)网站 进行生物信息分析，并采用基因加权共表达网络分析(weightedgene co-expression network analysia，WGCNA)从鉴定出的总蛋白中筛选出 生物标记物，结果见图2，通过上述的生物信息分析方法和WGCNA方法得 到重叠蛋白中的分泌性蛋白作为sPE的血浆标志物结果，如表1所示，最 终确定纤连蛋白及补体4b作为sPE孕早期血浆标记物。
表1两种不同分析方法的重叠蛋白
注：P/N比值指sPE组和正常对照组血浆蛋白表达量比值
实施例2
sPE孕妇孕早期基线特征(BMI、SBP)及血浆FN、C4b对sPE的预测 价值及联合孕妇血浆生物学标志物中的FN和C4b水平和基线特征中的BMI 和SBP四项指标的sPE预测模型(BMI+SBP+FN+C4b)相对于孕妇基线特征 的预测模型(BMI+SBP)准确性的比较，包括如下步骤：
1、在上述队列基础上，随机选取29例sPE孕妇信息及其孕早期的血 浆样本及88例正常分娩的孕妇信息及其孕早期的血浆样本，分别对上述 血浆样本进行酶联免疫吸附试验(Enzyme Linked Immunosorbent Assay， ELISA)检测。人FN ELISA试剂盒为abcam公司产品，货号ab108848，人 C4b ELISA试剂盒为cusabio公司产品，货号E09302h，参照FN和C4b的 ELISA试剂说明书进行实验，采用Curve Expert软件制作标准曲线，并根 据样本OD值，得到血浆FN和C4b的水平结果见图3，支持孕早期血浆FN 和C4b作为早期预测sPE的血浆生物学标志物。
2、通过SPSS统计软件对孕妇入组时的基线特征中两组比较存在差异 (P＜0.10)的指标:糖尿病家族史、体重、BMI、SBP及舒张压(diastolic blood pressure，DBP)及血浆中存在差异的指标：血浆FN、C4b浓度共7 项，以sPE作为结局变量，进行单因素Logistic回归分析结果见表2，
表2孕妇入组时基线特征与血浆标志物的单因素logistic回归分析
注：OR：比值比；CI：置信区间；wald：检验的统计量；BMI：体重指数；SBP：收 缩压；DBP：舒张压；FN；纤连蛋白；C4b：补体4b；*P<0.05，**P<0.01；
结果显示孕妇的基线特征中的入组体重、BMI、SBP、DBP及血浆FN、 C4b浓度共6项指标的P值＜0.05，经多重共线分析除外与BMI存在多重 共线的指标入组体重，对剩余5项指标分别进行ROC曲线分析，上述项指 标预测sPE的ROC曲线下面积分别为0.6716，0.7112，0.65338，0.7399 和0.6536，P值均＜0.05，具体结果见图4。
3、对存在统计学差异(P<0.05)的变量指标经二分类Logistic回归 模型，计算入组孕妇进展至sPE的预测概率，构建sPE的预测模型，绘制 受试者工作状态(ReceivedOperation Characteristic，ROC)曲线，并 计算ROC曲线下面积。以孕妇入组时基线特征BMI和SBP、DBP三项指标 作为基础的指标，回归分析显示入组DBP的P值＝0.423，故未纳入模型中， 纳入基础模型(Model 1)的指标为孕妇入组BMI和SBP，该预测模型χ 2＝18.80，P＜0.001，能够正确分类78.6％的入组对象，敏感度24.1％，特 异性为96.6％，该预测模型ROC曲线下面积为0.7522，95％CI： 0.6502～0.8541，P＜0.0001，在此基础上加上血浆生物学指标FN和C4b 水平(Model 2)，该预测模型χ2＝33.072，P＜0.001，能够正确分类82.6％的入组对象，敏感度46.4％，特异性为94.3％，该预测模型ROC曲线下面 积为0.8342，95％CI：0.7396～0.9287，P＜0.0001，最终纳入sPE预测模 型的四项指标分别为孕妇孕早期BMI、SBP及血浆FN、C4b,孕妇基线特征 (BMI+SBP)对比孕妇基线特征(BMI+SBP)联合孕早期血浆FN和C4b水 平预测sPE的ROC曲线见图5，研究表明纳入了孕妇孕早期BMI、SDP和血 浆C4b、FN四个变量的预测模型能有效提高预测sPE的准确性，得到预测 孕妇进展至sPE的风险的公式：
Logit(P)＝-15.703+0.130*BMI+0.074*SBP+0.007*FN+0.003*C4b
实施例1和实施例2的结果说明，孕早期血浆纤连蛋白和补体4b可 作为预测sPE的孕早期血浆标记物，血浆FN和C4b水平能够提高孕妇基 线特征(BMI+SBP)预测sPE的准确性
上述参照实施例对该一种孕早期进行重症子痫前期患者筛查的方法 进行的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出 若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发 明的保护范围之内。

Claims (4)

1.一种孕早期进行重症子痫前期患者筛查的方法，采用孕早期孕妇血浆纤连蛋白FN和补体4b作为预测sPE的孕早期血浆标记物，并建立预测或辅助预测孕妇是否会进展至sPE患者的预测模型，能够准确预测sPE，具体步骤如下：
步骤一、标准孕妇的信息收集和整理：在社区医院招募单胎孕妇孕早期入组，随访至妊娠结束后45天以HDP为主要切入点的队列研究，对入组孕妇收集其基线特征，并进行相应的体格检查及血液标本的采集，同时与妇幼信息系统及生产医院病历系统联网，记录孕妇产检及分娩时体重、血压及诊断状态，确定其妊娠结局；
步骤二、在确定孕妇妊娠结局基础上，将最终进展为sPE的孕妇孕早期血浆样本与年龄、入组孕周相匹配的正常分娩健康孕妇的孕早期血浆样本进行蛋白质组学分析；
步骤三、蛋白质组学分析：采用液相色谱分离串联质谱的分析方法和数据非依赖性获取的数据采集模式分析sPE孕妇和健康孕妇孕早期血浆,使用Maxquant软件和Spectronaut软件分析质谱数据，生物信息分析方法以两组蛋白表达量差异倍数变化≥1.2倍且Q值＜0.05的标准作为筛选差异表达蛋白的依据，使用Blast2 GO软件、CytoScape软件和KASS、STRING网站进行生物信息分析，并采用基因加权共表达网络分析(weighted gene co-expression network analysia，WGCNA)从鉴定出的总蛋白中筛选出生物标记物；
步骤四、通过上述的生物信息分析方法和WGCNA方法得到重叠蛋白中的分泌性蛋白作为sPE的血浆生物学标志物，最终确定血浆纤连蛋白及补体4b作为sPE孕早期血浆标记物；
步骤五、建立预测模型：
1)随机选取sPE孕妇信息及其孕早期的血浆样本及正常分娩的孕妇信息和其孕早期的血浆样本，分别对上述血浆样本进行酶联免疫吸附试验检测；
2)采用FN ELISA试剂盒和C4b ELISA试剂盒进行实验；
3)采用Curve Expert软件制作标准曲线，并根据样本OD值，得到血浆FN和C4b的水平结果；
4)通过SPSS统计软件对孕妇入组时的基线特征及血浆中两组存在差异的指标，并以sPE作为结局变量，进行单因素Logistic回归分析，对存在统计学差异的变量指标经二分类Logistic回归模型，计算入组孕妇进展至sPE的预测概率；
5)绘制受试者工作状态(Received Operation Characteristic，ROC)曲线，并计算ROC曲线下面积，以孕妇入组时基线特征BMI和SBP、DBP三项指标作为基础的指标，经统计学分析最终纳入sPE预测模型的四项指标分别为孕妇孕早期BMI、SBP及血浆FN、C4b；
6)得到预测孕妇进展至sPE的风险的公式：
Logit(P)＝-15.703+0.130×BMI+0.074×SBP+0.007×FN+0.003×C4b；
其中：BMI、SBP为孕妇孕早期基线特征，
FN为纤连蛋白，
C4b为补体C4b，
步骤六、孕妇血浆生物学标志物中的FN和C4b水平和基线特征中的BMI和SBP四项指标建立的(BMI+SBP+FN+C4b)sPE预测模型与孕妇基线特征的预测模型(BMI+SBP)进行准确性的比较，即可准确预测sPE。
2.根据权利要求1所述的孕早期进行重症子痫前期患者筛查的方法，其特征是：所述孕妇的基线特征包括年龄、民族、教育程度、职业、配偶情况、家族史、既往疾病病史、孕产次、异常生育史、末次月经、孕前体重、妊娠用药情况以及生活方式情况。
3.根据权利要求1所述的孕早期进行重症子痫前期患者筛查的方法，其特征是：步骤五4)中所述基线特征存在的差异指标包括糖尿病家族史、体重、BMI、SBP及舒张压(DBP)；血浆中存在差异指标包括血浆FN、C4b浓度。
4.根据权利要求1所述的孕早期进行重症子痫前期患者筛查的方法，其特征是：所述FNELISA采用货号为ab108848的abcam公司产品，C4bELISA试剂盒采用货号为E09302h的cusabio公司产品。
CN202110326101.8A 2021-03-26 2021-03-26 孕早期进行重症子痫前期患者筛查的方法 Active CN113092777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110326101.8A CN113092777B (zh) 2021-03-26 2021-03-26 孕早期进行重症子痫前期患者筛查的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110326101.8A CN113092777B (zh) 2021-03-26 2021-03-26 孕早期进行重症子痫前期患者筛查的方法

Publications (2)

Publication Number Publication Date
CN113092777A CN113092777A (zh) 2021-07-09
CN113092777B true CN113092777B (zh) 2023-11-14

Family

ID=76670106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110326101.8A Active CN113092777B (zh) 2021-03-26 2021-03-26 孕早期进行重症子痫前期患者筛查的方法

Country Status (1)

Country Link
CN (1) CN113092777B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113791224B (zh) * 2021-09-18 2023-12-01 浙江大学 基于卵泡液蛋白表达作为不明原因复发性流产的预警方法
CN114324856A (zh) * 2022-01-08 2022-04-12 北京华诺奥美基因医学检验实验室有限公司 妊娠中期预测子痫前期发病风险的检测试剂盒及其检测方法
CN114574572A (zh) * 2022-03-10 2022-06-03 天津大学温州安全(应急)研究院 预测复发性流产人群孕期免疫功能异常的方法
CN114822682B (zh) * 2022-04-12 2023-07-21 苏州市立医院 与早发型重度子痫前期发生相关的基因组合及其应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102893156A (zh) * 2009-12-21 2013-01-23 爱尔兰国立科克大学 子痫前期风险的检测
CN106796241A (zh) * 2014-09-02 2017-05-31 沃拉克有限公司 确定先兆子痫风险的方法
CN107155350A (zh) * 2014-07-30 2017-09-12 马修·库珀 用于诊断、预后和确认先兆子痫的方法与组合物
CN107430134A (zh) * 2015-03-16 2017-12-01 A1M制药公司 子痫前期的生物标志物
CN110221076A (zh) * 2018-09-06 2019-09-10 南京市妇幼保健院 与妊娠期糖尿病辅助早期诊断相关的血清/血浆多肽标志物
CN112466460A (zh) * 2020-09-30 2021-03-09 杭州市妇产科医院 早孕期孕妇MAP、PlGF和PAPP-A联合构建模型预测妊娠期高血压疾病的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201702792D0 (en) * 2017-02-21 2017-04-05 Queens Univ Of Belfast A new biomarker for preeclampsia

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102893156A (zh) * 2009-12-21 2013-01-23 爱尔兰国立科克大学 子痫前期风险的检测
CN107155350A (zh) * 2014-07-30 2017-09-12 马修·库珀 用于诊断、预后和确认先兆子痫的方法与组合物
CN106796241A (zh) * 2014-09-02 2017-05-31 沃拉克有限公司 确定先兆子痫风险的方法
CN107430134A (zh) * 2015-03-16 2017-12-01 A1M制药公司 子痫前期的生物标志物
CN110221076A (zh) * 2018-09-06 2019-09-10 南京市妇幼保健院 与妊娠期糖尿病辅助早期诊断相关的血清/血浆多肽标志物
CN112466460A (zh) * 2020-09-30 2021-03-09 杭州市妇产科医院 早孕期孕妇MAP、PlGF和PAPP-A联合构建模型预测妊娠期高血压疾病的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
早中孕期有关血清筛查指标与子痫前期的相关性研究;张檀;程显;;浙江预防医学(12);1213-1216 *

Also Published As

Publication number Publication date
CN113092777A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113092777B (zh) 孕早期进行重症子痫前期患者筛查的方法
US20210041469A1 (en) Methods and compositions for diagnosis and prognosis of sepsis
US9733261B2 (en) Methods and compositions for diagnosis and prognosis of stroke or other cerebral injury
JP2022517163A (ja) 臨床的介入のための妊娠の進展および早期流産の評価方法およびその応用
CN103969455A (zh) 确定产前并发症风险的方法
Huhn et al. Maternal serum glycosylated fibronectin as a short-term predictor of preeclampsia: a prospective cohort study
CN110191963A (zh) 用于预测由于早产胎膜早破相对于特发性自然分娩所造成的早产的生物标志物
EP3189336B1 (en) Method for determining risk of pre-eclampsia
US20200264188A1 (en) Preeclampsia biomarkers and related systems and methods
CN116287220B (zh) 用于快速诊断川崎病的分子生物标志物和分析方法
Han et al. Potential biomarkers for late-onset and term preeclampsia: A scoping review
US20190079097A1 (en) Preeclampsia biomarkers and related systems and methods
CN113409945A (zh) 一种可预测脓毒症急性肾损伤的模型
WO2021113710A1 (en) Assessment of preeclampsia using assays for free and dissociated placental growth factor
US20160018413A1 (en) Methods of Prognosing Preeclampsia
CN105308455A (zh) 用于诊断先兆子痫的方法和组合物
JP2017516119A (ja) 初期胎盤インスリン様ペプチド（プロ（ｐｒｏ）−ＥＰＩＬ）
US20230296622A1 (en) Compositions and methods of predicting time to onset of labor
Zeng et al. Development of a scoring system for predicting the severity of ulcerative colitis
EP3311164B1 (en) Methods and compositions for diagnosis and prognosis of appendicitis and differentiation of causes of abdominal pain
Yousif et al. Uterine Artery Doppler and Prediction of Pre-eclampsia
Bhatti et al. The amniotic fluid proteome changes with term labor and informs biomarker discovery in maternal plasma
WO2014055849A1 (en) Methods for diagnosing and prognosing placental dysfunction and pre-eclampsia
Han Olivia J. Holland, o. holland@ griffith. edu. au SPECIALTY SECTION This article was submitted to Developmental Physiology
Linssen EDUW 2–SYSMEX–Monday 12 June, 14.30-15.30

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