CN113219173A - Sh2b1在肺癌诊断中的应用 - Google Patents
Sh2b1在肺癌诊断中的应用 Download PDFInfo
- Publication number
- CN113219173A CN113219173A CN202110512549.9A CN202110512549A CN113219173A CN 113219173 A CN113219173 A CN 113219173A CN 202110512549 A CN202110512549 A CN 202110512549A CN 113219173 A CN113219173 A CN 113219173A
- Authority
- CN
- China
- Prior art keywords
- sh2b1
- lung cancer
- serum
- concentration
- history
- 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
- 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
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57423—Specifically defined cancers of lung
-
- 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
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
- G01N33/57488—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving compounds identifable in body fluids
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- 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
- G01N2333/4703—Regulators; Modulating activity
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Microbiology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Probability & Statistics with Applications (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种SH2B1在肺癌诊断中的应用。本发明确定了血清中SH2B1蛋白表达与肺癌之间的关系:在肺癌患者的血清中,SH2B1蛋白表达明显升高,可作为肺癌辅助诊断标志物的用途。本发明以血清中SH2B1蛋白表达浓度、中性粒细胞、血红蛋白水平、白蛋白水平及慢性肺部疾病史作为变量,建立Logsitic回归模型,并绘制Nomogram预测图,具有很好的敏感性和特异性,可用于肺部结节或占位性病变的的鉴别诊断。因此,SH2B1作为肿瘤标志物,应用于肺癌诊断和肺癌风险预测模型的建立,为肺癌诊断和风险预测提供了新的诊断途径。
Description
技术领域
本发明属于检验医学和医疗信息技术领域,特别涉及一种SH2B1(SH2B衔接蛋白1)在肺癌诊断中的应用,具体是SH2B1在肺癌诊断肿瘤标志物及肺癌风险预测模型建立中的应用。
背景技术
肺癌是目前发病率和死亡率第一的恶性肿瘤。据统计,2018年全球范围内有1810万癌症新发病例和960万癌症死亡病例,其中肺癌发病人数约209万(11.6%),肺癌死亡176万(18.4%)【1】。由于肺癌被发现时一般分期均较晚,肺癌患者的整体生存率较低。Ia期肺癌患者的5年生存率高达80%以上,对于原位癌和微浸润癌患者的5年生存率几乎接近100%,因此早诊早治是提高肺癌患者整体生存率的有效措施。随着人们健康意识的提高和低剂量CT筛查的应用,越来越多的肺部结节或占位性病变被发现,鉴别和诊断这些病变的良恶性,对后续的治疗具有重要的指导意义。
目前,肺部结节或占位性病变的诊断主要依靠胸部影像,对于体积较大的占位性病变,可通过穿刺活检明确诊断,对于体积较小或位置隐蔽的肺部病变,一般难以通过穿刺活检明确诊断。胸部影像诊断具有明显的主观性,不同诊断水平的医生对病变性质的诊断存在不同的观点,存在一定的误诊几率。
肿瘤标志物用于肺癌的辅助诊断及肺癌风险预测模型的建立,对于肺部结节或占位的患者具有一定的客观诊断价值。肿瘤标志物是指相对特异性的存在于恶性肿瘤细胞、或由恶性肿瘤细胞产生的物质,或是宿主对肿瘤细胞的刺激反应而产生的物质。肿瘤标志物能够反映肿瘤的发生、发展,监测肿瘤对治疗反应的一类物质。目前,常见的肺癌标志物包括:癌胚抗原(CEA)、胃泌素释放肽前体(Pro-GRP)、神经元特异性烯醇化酶(NSE)及鳞状细胞癌抗原(SCC-Ag)等。虽然血清肿瘤标志物已经成为恶性肿瘤诊断的手段之一,但各项肿瘤标志物指标的敏感性与特异性均有限【2】。
SH2B1是SH2B家族的成员,SH2B是一类含有SH2和PH结构域的信号接头蛋白,在生长发育、代谢平衡和免疫调节等诸多方面发挥着重要的调控作用,存在于大量的组织和细胞中,包括下丘脑、肝脏、肌肉、脂肪组织、心脏、胰脏等【3,4】。最近研究表明,SH2B1可能是肿瘤的促进因子【5】。
【参考文献】:
1、Bray F,Ferlay J,Soerjomataram I,Siegel RL,Torre LA,Jemal A.Globalcancer statistics 2018:GLOBOCAN estimates of incidence and mortalityworldwide for 36cancers in 185countries.CA Cancer J Clin.2018Nov;68(6):394-424.doi:10.3322/caac.21492.Epub 2018Sep 12.Erratum in:CA CancerJClin.2020Jul;70(4):313.PMID:30207593.
2、龚珂,屈佳肴,刘香婷,罗迪贤。肺癌相关肿瘤标志物研究进展【J】.医学理论与实践,2020,33(5):713-714,720.
3、Li Y,et al.Cloning and characterization ofhuman Lnk,an adaptorprotein with pleckstrin homology and Src homology 2domains that can inhibit Tcell activation.J Immunol(2000).164(10):5199-5206.
4、Takaki S,et al.Control of B cell production by the adaptor proteinlnk.Definition of a conserved family of signal-modulatingproteins.Immunity.13(5):599–609.
5、Yuanda Cheng,Chaojun Duan,Chunfang Zhang.New perspective on SH2B1:An accelerator of cancer progression.Biomed Pharmacother.2020Jan;121:109651.doi:10.1016/j.biopha.2019.109651。
发明内容
为解决目前技术存在的缺陷和不足,针对目前肺癌肿瘤标志物特异性和灵敏度较低的问题,本发明的目的在于确定血清中SH2B1(SH2B衔接蛋白1)表达水平与肺癌之间的关系,并提供以SH2B1在肺癌诊断中的应用,具体是SH2B1作为肿瘤标志物在肺癌诊断和肺癌风险预测模型建立中的应用。
本发明的目的通过下述技术方案实现:
本发明的实施例通过试验确定血清中SH2B1蛋白表达与肺癌之间的关系:
1、在肺癌患者的血清中,SH2B1蛋白表达明显升高:
本发明选用正常的健康人群作为对照,分别抽取肺癌患者和健康人群的外周血,采用ELISA检测肺癌患者和健康人群血清中SH2B1蛋白的表达水平。结果显示,肺癌患者的血清中SH2B1表达水平明显高于正常人群的血清中SH2B1表达水平(图1)。
2、本发明通过对所选肺癌患者与健康人群的临床指标比较,选取肺癌风险预测模型的差异性临床指标:
本发明通过对性别(男或女)、年龄、身体质量指数(body mass index,BMI)、吸烟史(无或有)、饮酒史(无或有)、高血压病史(无或有)、糖尿病史(无或有)、慢性肺部疾病史(无或有)、心血管病史(无或有)、消化性溃疡病史(无或有)、肺癌家族史(无或有)、白细胞计数、中性粒细胞计数、淋巴细胞计数、中性粒细胞淋巴细胞比值(Neutrophil-to-Lymphocyte-Ratio,NLR)、血红蛋白水平、白蛋白水平、甘油三酯浓度、总胆固醇浓度、空腹血糖浓度等临床指标进行差异性分析。结果表明,多因素二元Logistic回归分析结果提示慢性肺部疾病史、NLR、血红蛋白水平、白蛋白水平、血清中SH2B1蛋白表达浓度都具有显著的统计学意义。
3、本发明通过对血清中SH2B1蛋白浓度、慢性肺部疾病史、NLR、血红蛋白水平及白蛋白水平5个变量指标进行Logistic回归分析,根据回归系数建立回归方程:LogitP=-1.211+2.118X1+2.053X2-2.276X3-2.514X4+4.518X5(X1:慢性肺部疾病史,X2:NLR,X3:血红蛋白水平,X4:白蛋白水平,X5:血清中SH2B1蛋白表达浓度),从而建立肺癌风险预测模型。
首先,对上述回归方程进行Hosmer and Lemeshow检验并绘制校准曲线,结果提示:χ2=1.300,P=0.996,说明模型预测值与实际值之间差异无统计学意义,提示回归方程的拟合度较好(图2)。
其次,对纳入肺癌风险预测模型的5个变量进行共线性诊断,结果提示:慢性肺部疾病史的Tolerance=0.862,VIF=1.160;NLR的Tolerance=0.941,VIF=1.063;血红蛋白水平的Tolerance=0.800,VIF=1.250;白蛋白水平的Tolerance=0.741,VIF=1.350;血清SH2B1浓度的Tolerance=0.883,VIF=1.132,说明5个变量之间不存在多重共线性问题,提示由5个变量为自变量所构建的模型较为稳定。
最后,绘制ROC曲线,计算曲线下面积,结果提示:C-statistics=0.965,95%CI:0.944-0.985,说明模型区分度较好,提示所构建的Logsitic回归模型具有良好的预测价值(图3)。
根据上述所构建的Logsitic回归模型来绘制Nomogram预测图(图4),其原理是把Logistic回归方程中有意义的指标的最大回归系数βmax设定为100分,然后将该方程中其余有意义的指标的回归系数βx依次除以βmax同时再扩大100倍,其结果为某指标相应的得分,最后把各指标的得分累计相加求出总分进行概率预测。在本研究中,血清SH2B1浓度<615.28pg/mL得0分、血清SH2B1浓度≥615.28pg/mL得100分;无慢性肺部疾病史得0分、有慢性肺部疾病史得44.88分;NLR<2.07得0分、NLR≥2.07得45.44分;血红蛋白水平≥136.56g/L得0分;血红蛋白水平<136.56g/L得50.37分;白蛋白水平≥42.59g/L得0分、白蛋白水平<42.59g/L得55.65分(见图4)。例如,某志愿者血清SH2B1浓度≥615.28pg/mL,得100分;既往无慢性肺部疾病史,得0分;NLR≥2.07,得45.44分;血红蛋白水平≥136.56g/L,得0分;白蛋白水平<42.59g/L,得55.65分。最终该患者总分为201.09分,故该志愿者罹患NSCLC的可能性为95%。
4、本发明通过所选肺癌患者血清中SH2B1蛋白表达浓度与肺癌临床病例的特征分析,结果发现肺癌患者血清中SH2B1蛋白表达浓度与肺癌的分期、和病理类型之间无明显差异(p>0.05)。
针对SH2B1的上述功能,提供SH2B1作为肿瘤标志物在肺癌诊断中的应用。
针对SH2B1的上述功能,提供SH2B1作为肿瘤标志物在肺癌风险预测模型建立中的应用。
可选的,所述SH2B1作为肿瘤标志物,表现为肺癌患者的血清中SH2B1蛋白表达浓度比健康人群的所述血清中SH2B1蛋白表达浓度高。
可选的,所述SH2B1作为肿瘤标志物在肺癌风险预测模型建立中的应用,通过如下方法进行:以所述血清中SH2B1蛋白浓度、中性粒细胞、血红蛋白水平、白蛋白水平及慢性肺部疾病史作为变量,建立Logsitic回归模型,并绘制Nomogram预测图。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明首次发现了肺癌患者的血清中SH2B1蛋白表达浓度明显高于正常健康人群的血清中SH2B1蛋白表达浓度。
(2)基于血清中SH2B1蛋白表达浓度联合临床指标建立的肺癌风险预测模型,对肺癌预测具有良好的预测价值。
(3)肺癌患者的血清中SH2B1蛋白表达水平不随肺癌分期发生明显变化,表明SH2B1在不同肺癌分期阶段均具有诊断价值。
(4)肺癌患者的血清中SH2B1蛋白表达水平在鳞癌和腺癌不同病理类型之间无明显差异,表明SH2B1对肺鳞癌和肺腺癌均具有诊断价值。
附图说明
图1为本发明实施例的肺癌患者(NSCLC组)的血清中SH2B1表达与正常人群(健康组)的血清中SH2B1表达情况;
图2是本发明实施例以SH2B1为基础的肺癌风险预测模型的校准曲线;
图3为本发明实施例的肺癌风险预测模型的ROC曲线;
图4为本发明实施例的肺癌风险预测模型的Nomogram图。
具体实施方式
下面结合实施例对本发明作进一步详细的描述,但本发明的实施方式不限于此。
本发明首次发现,与正常人相比,肺癌患者血清中的SH2B1表达浓度比正常健康人血清中的SH2B1表达浓度明显升高,较常规肿瘤标志物有更高的诊断效率,通过血清中SH2B1蛋白表达浓度与临床指标的联合构建肺癌风险预测模型,具有良好的预测价值。
本发明首先通过试验确定血清中SH2B1蛋白表达与肺癌之间的关系:
1、在肺癌患者的血清中,SH2B1蛋白表达明显升高:
本发明选用正常的健康人群作为对照,分别抽取肺癌患者(103例)和健康人群(108例)的外周血,采用ELISA检测肺癌患者和健康人群血清中SH2B1蛋白的表达水平。结果显示,肺癌患者的血清中SH2B1表达水平明显高于正常人群的血清中SH2B1表达水平(图1)。从图1中可以看到,两组之间的SH2B1表达差异具有明显统计学差异。其中ELISA检测相关信息如下:
1)ELISA实验试剂
2)ELISA实验方法及步骤
本研究采用ELISA测定NSCLC患者和健康志愿者血清标本中SH2B1浓度水平。实验步骤如下:
(1)标准品的稀释:
(2)加样:分别设置空白孔、标准孔和待测样本孔。在酶标包被板上标准品准确加样50μl,待测样本孔中先加样品稀释液40μl,然后再加待测样品10μl(样品最终稀释度为5倍)。将样本加于酶标包被板底部,尽量不触及孔壁,轻轻晃动混匀。
(3)温育:用封板膜封板后置37℃温育30分钟。
(4)配液:将30倍浓缩洗涤液用蒸馏水30倍稀释后备用。
(5)洗涤:小心揭掉封板膜,弃去液体,甩干,每孔加满洗涤液,静置30秒后弃去,如此重复5次,拍干。
(6)加酶:每孔加入酶标试剂50μl,空白孔除外。
(7)温育:用封板膜封板后置37℃温育30分钟。
(8)洗涤:小心揭掉封板膜,弃去液体,甩干,每孔加满洗涤液,静置30秒后弃去,如此重复5次,拍干。
(9)显色:每孔先加入显色剂A 50μl,再加入显色剂B 50ul,轻轻震荡混匀,37℃避光显色10分钟。
(10)终止:每孔加入终止液50μl,完成终止反应(此时蓝色立转黄色)。
(11)测定:以空白孔调零,450nm波长依次测量各孔的吸光度(OD值)。
(12)计算:用标准物的浓度和OD值计算出标准曲线的直线回归方程式,将样本的OD值带入方程式,计算出样品浓度,再乘以稀释倍数,即为样品的实际浓度。
2、本发明通过对所选肺癌患者与健康人群的临床指标比较,选取肺癌风险预测模型的差异性临床指标:
本发明通过对性别(男或女)、年龄、身体质量指数(body mass index,BMI)、高血压病史(无或有)、糖尿病史(无或有)、慢性肺部疾病史(无或有)、心血管病史(无或有)、消化性溃疡病史(无或有)、肺癌家族史(无或有)、白细胞计数、中性粒细胞计数、淋巴细胞计数、中性粒细胞淋巴细胞比值(Neutrophil-to-Lymphocyte-Ratio,NLR)、血红蛋白水平、白蛋白水平、甘油三酯浓度、总胆固醇浓度、空腹血糖浓度、血清SH2B1表达浓度等临床指标进行单因素差异性分析。
具体分析结果如下:
(1)NSCLC组男性有71人(68.9%),女性有32人(31.1%);健康组男性有67人(62.0%),女性有41人(38.0%),P=0.293。
(2)NSCLC组年龄的中位数为64.00岁(IQR:56.00-67.00岁);健康组年龄的中位数为59.00岁(IQR:49.25-64.00岁),P=0.011。
(3)NSCLC组BMI的平均数为22.53Kg/m2,标准差为2.84;健康组年龄的平均数为23.98Kg/m2,标准差为2.91,P<0.001,提示BMI在两组之间具有显著的统计学差异,NSCLC组的BMI明显低于健康组。
(4)NSCLC组有高血压史25人(24.3%),无高血压史78人(75.7%);健康组有高血压史19人(17.6%),无高血压史89人(82.4%),P=0.233。
(5)NSCLC组有糖尿病史8人(7.8%),无糖尿病史95人(92.2%);健康组有糖尿病史4人(3.7%),无糖尿病史104人(96.3%),P=0.203。
(6)NSCLC组有慢性肺部疾病史38人(36.9%),无慢性肺部疾病史65人(63.1%);健康组有慢性肺部疾病史8人(7.4%),无慢性肺部疾病史100人(92.6%),P<0.001,提示慢性肺部疾病史在两组之间具有显著的统计学差异,NSCLC组合并慢性肺部疾病的比例明显高于健康组。
(7)NSCLC组有心血管病史4人(3.9%),无心血管病史99人(96.1%);健康组有心血管病史5人(4.6%),无心血管病糖尿病史103人(95.4%),P=1.000。
(8)NSCLC组有消化性溃疡病史5人(4.9%),无消化性溃疡病史98人(95.1%);健康组有消化性溃疡病史2人(1.9%),无消化性溃疡病史106人(98.1%),P=0.271。
(9)NSCLC组白细胞数目的中位数为5.90×109/L(IQR:4.80-7.40×109/L);健康组白细胞数目的中位数为5.80×109/L(IQR:5.03-6.80×109/L),P=0.525。
(10)NSCLC组中性粒细胞数目的中位数为3.70×109/L(IQR:2.80-4.80×109/L);健康组中性粒细胞数目的中位数为3.40×109/L(IQR:2.70-4.00×109/L),P=0.038,提示中性粒细胞数目在两组之间具有显著的统计学差异,NSCLC组的中性粒细胞数目明显高于健康组。
(11)NSCLC组淋巴细胞数目的中位数为1.50×109/L(IQR:1.30-1.90×109/L);健康组淋巴细胞数目的中位数为1.75×109/L(IQR:1.43-2.20×109/L),P=0.038,提示淋巴细胞数目在两组之间具有显著的统计学差异,NSCLC组的淋巴细胞数目明显低于健康组。
(12)NSCLC组NLR的中位数为2.43(IQR:1.30-1.90);健康组NLR的中位数为1.84(IQR:1.45-2.27),P<0.001,提示NLR在两组之间具有显著的统计学差异,NSCLC组的NLR明显高于健康组。
(13)NSCLC组血红蛋白水平的平均数为127.51g/L,标准差为15.71;健康组血红蛋白水平的平均数为145.19g/L,标准差为13.09,P<0.001,提示血红蛋白水平在两组之间具有显著的统计学差异,NSCLC组的血红蛋白水平明显低于健康组。
(14)NSCLC组白蛋白水平的平均数为40.14g/L,标准差为3.41;健康组白蛋白水平的平均数为44.92g/L,标准差为2.89,P<0.001,提示白蛋白水平在两组之间具有显著的统计学差异,NSCLC组的白蛋白水平明显低于健康组。
(15)NSCLC组甘油三酯浓度的中位数为1.31mmol/L(IQR:0.99-2.03mmol/L);健康组甘油三酯浓度的中位数为1.44mmol/L(IQR:1.04-2.25mmol/L),P=0.106。
(16)NSCLC组总胆固醇浓度的平均数为4.78mmol/L,标准差为0.89;健康组总胆固醇浓度的平均数为5.30mmol/L,标准差为0.84,P<0.001,提示总胆固醇浓度在两组之间具有显著的统计学差异,NSCLC组的总胆固醇浓度明显低于健康组。
(17)NSCLC组空腹血糖浓度的中位数为5.09mmol/L(IQR:4.78-5.59mmol/L);健康组空腹血糖浓度的中位数为5.47mmol/L(IQR:5.17-6.09mmol/L),P<0.001,提示空腹血糖浓度在两组之间具有显著的统计学差异,NSCLC组的空腹血糖浓度明显低于健康组。
(18)组血清SH2B1浓度水平的中位数为728.84pg/mL(IQR:648.99-868.25pg/mL);健康组血清SH2B1浓度水平的中位数为506.99pg/mL(IQR:426.90-596.07pg/mL),P<0.001,提示血清SH2B1浓度水平在两组之间具有显著的统计学差异,NSCLC组的血清SH2B1浓度水平明显高于健康组。
根据单因素二元Logistic回归分析结果,将有意义的指标全部纳入多因素Logistic回归分析,建立疾病预测模型。
统计结果显示:
1)BMI≥23.27Kg/m2的OR=0.643,95%CI:0.195-2.121,P=0.468,不具有显著的统计学差异。
2)有慢性肺部疾病史的OR=7.535,95%CI:1.483-38.297,P=0.015,提示与无慢性肺部疾病史相比,有慢性肺部疾病史患NSCLC的风险增加了7.535倍。
3)淋巴细胞数目≥1.7×109/L的OR=0.646,95%CI:0.201-2.079,P=0.463,不具有显著的统计学差异。
4)NLR≥2.07的OR=6.222,95%CI:1.803-21.464,P=0.004,提示与NLR<2.07相比,NLR≥2.07患NSCLC的风险增加了6.222倍。
5)血红蛋白水平≥136.56g/L的OR=0.102,95%CI:0.030-0.346,P<0.001,提示与血红蛋白水平<136.56g/L相比,血红蛋白水平≥136.56g/L患NSCLC的风险下降了0.102倍。
6)白蛋白水平≥42.59g/L的OR=0.086,95%CI:0.024-0.311,P<0.001,提示与白蛋白水平<42.59g/L相比,白蛋白水平≥42.59g/L患NSCLC的风险下降了0.086倍。
7)总胆固醇浓度≥5.05mmol/L的OR=0.404,95%CI:0.130-1.255,P=0.117,不具有显著的统计学差异。
8)空腹血糖浓度≥5.34mmol/L的OR=0.640,95%CI:0.192-2.130,P=0.467,不具有显著的统计学差异。
9)血清SH2B1浓度≥615.28pg/mL的OR=101.075,95%CI:23.419-436.232,P<0.001,提示与血清SH2B1浓度<615.28pg/mL相比,血清SH2B1浓度≥615.28pg/mL患NSCLC的风险增加了。
结果表明,多因素二元Logistic回归分析结果提示慢性肺部疾病史、NLR、血红蛋白水平、白蛋白水平、血清中SH2B1蛋白表达浓度都具有显著的统计学意义。
3、本发明通过对血清中SH2B1蛋白浓度、慢性肺部疾病史、NLR、血红蛋白水平及白蛋白水平5个变量指标进行Logistic回归分析,根据回归系数建立回归方程:LogitP=-1.211+2.118X1+2.053X2-2.276X3-2.514X4+4.518X5(X1:慢性肺部疾病史,X2:NLR,X3:血红蛋白水平,X4:白蛋白水平,X5:血清中SH2B1蛋白表达浓度),从而建立肺癌风险预测模型。
首先,对上述回归方程进行Hosmer and Lemeshow检验并绘制校准曲线,结果提示:χ2=1.300,P=0.996,说明模型预测值与实际值之间差异无统计学意义,提示回归方程的拟合度较好(图2)。图2是以SH2B1为基础的肺癌风险预测模型的校准曲线,结果提示:χ2=1.300,P=0.996,说明肺癌风险预测模型的预测值与实际值之间差异无统计学意义,提示回归方程的拟合度较好。
其次,对纳入肺癌风险预测模型的5个变量进行共线性诊断,结果提示:慢性肺部疾病史的Tolerance=0.862,VIF=1.160;NLR的Tolerance=0.941,VIF=1.063;血红蛋白水平的Tolerance=0.800,VIF=1.250;白蛋白水平的Tolerance=0.741,VIF=1.350;血清SH2B1浓度的Tolerance=0.883,VIF=1.132,说明5个变量之间不存在多重共线性问题,提示由5个变量为自变量所构建的模型较为稳定。
最后,绘制ROC曲线,计算曲线下面积,结果提示:C-statistics=0.965,95%CI:0.944-0.985,说明模型区分度较好,提示所构建的Logsitic回归模型具有良好的预测价值(图3)。图3为肺癌风险预测模型的ROC曲线,结果提示:C-statistics=0.965,95%CI:0.944-0.985,说明肺癌风险预测模型的区分度较好,提示所构建的Logsitic回归模型具有良好的预测价值。
根据上述所构建的Logsitic回归模型来绘制Nomogram预测图(图4),其原理是把Logistic回归方程中有意义的指标的最大回归系数βmax设定为100分,然后将该方程中其余有意义的指标的回归系数βx依次除以βmax同时再扩大100倍,其结果为某指标相应的得分,最后把各指标的得分累计相加求出总分进行概率预测。在本研究中,血清SH2B1浓度<615.28pg/mL得0分、血清SH2B1浓度≥615.28pg/mL得100分;无慢性肺部疾病史得0分、有慢性肺部疾病史得44.88分;NLR<2.07得0分、NLR≥2.07得45.44分;血红蛋白水平≥136.56g/L得0分;血红蛋白水平<136.56g/L得50.37分;白蛋白水平≥42.59g/L得0分、白蛋白水平<42.59g/L得55.65分(见图4)。例如,某志愿者血清SH2B1浓度≥615.28pg/mL,得100分;既往无慢性肺部疾病史,得0分;NLR≥2.07,得45.44分;血红蛋白水平≥136.56g/L,得0分;白蛋白水平<42.59g/L,得55.65分。最终该患者总分为201.09分,故该志愿者罹患NSCLC的可能性为95%。
4、本发明通过所选肺癌患者血清中SH2B1蛋白表达浓度与肺癌临床病例的特征分析,结果发现肺癌患者血清中SH2B1蛋白表达浓度与肺癌的分期之间无明显差异。
具体血清SH2B1浓度与NSCLC病理分期之间的关系如表1所示;
表1血清SH2B1浓度与NSCLC病理分期之间的关系
5、本发明通过所选肺癌患者血清中SH2B1蛋白表达浓度与不同肺癌病理类型之间的特征分析,结果发现肺癌患者血清中SH2B1蛋白表达浓度与肺癌病理类型之间无明显差异,如表2所示。
表2血清SH2B1浓度与NSCLC病理类型的关系
SH2B1的上述功能,提供SH2B1作为肿瘤标志物在肺癌诊断中的应用。
针对SH2B1的上述功能,提供SH2B1作为肿瘤标志物在肺癌风险预测模型建立中的应用。
所述SH2B1作为肿瘤标志物,表现为肺癌患者的血清中SH2B1蛋白表达浓度比健康人群的所述血清中SH2B1蛋白表达浓度高。
可选的,所述SH2B1作为肿瘤标志物在肺癌风险预测模型建立中的应用,通过如下方法进行:以所述血清中SH2B1蛋白表达浓度、中性粒细胞、血红蛋白水平、白蛋白水平及慢性肺部疾病史作为变量,建立Logsitic回归模型,并绘制Nomogram预测图。
本发明首次发现了肺癌患者的血清中SH2B1蛋白表达浓度明显高于正常健康人群的血清中SH2B1蛋白表达浓度。基于血清中SH2B1蛋白表达浓度联合临床指标建立的肺癌风险预测模型,对肺癌预测具有良好的预测价值。肺癌患者的血清中SH2B1蛋白表达水平不随肺癌分期发生明显变化,表明SH2B1在不同肺癌分期阶段均具有诊断价值。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.SH2B1作为肿瘤标志物,在肺癌诊断中的应用。
2.SH2B1作为肿瘤标志物,在肺癌风险预测模型建立中的应用。
3.根据权利要求1或2所述的应用,其特征在于,所述SH2B1作为肿瘤标志物,表现为肺癌患者的血清中SH2B1蛋白表达浓度比健康人群的所述血清中SH2B1蛋白表达浓度高。
4.根据权利要求2所述的应用,其特征在于,SH2B1作为肿瘤标志物在肺癌风险预测模型建立中的应用,通过如下方法进行:以血清中SH2B1蛋白浓度、中性粒细胞、血红蛋白水平、白蛋白水平及慢性肺部疾病史作为变量,建立Logsitic回归模型,并绘制Nomogram预测图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512549.9A CN113219173A (zh) | 2021-05-11 | 2021-05-11 | Sh2b1在肺癌诊断中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512549.9A CN113219173A (zh) | 2021-05-11 | 2021-05-11 | Sh2b1在肺癌诊断中的应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113219173A true CN113219173A (zh) | 2021-08-06 |
Family
ID=77094809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110512549.9A Pending CN113219173A (zh) | 2021-05-11 | 2021-05-11 | Sh2b1在肺癌诊断中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219173A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100285507A1 (en) * | 2007-03-21 | 2010-11-11 | Je-Yeol Cho | Plasma kallikrein fragments as diagnostic biomarkers for lung cancers |
CN103384827A (zh) * | 2010-11-24 | 2013-11-06 | 伊玛提克斯生物技术有限公司 | 用于预测癌症免疫治疗效果的生物标记 |
CN110363662A (zh) * | 2019-08-19 | 2019-10-22 | 上海理工大学 | 一种个人信用评分系统 |
-
2021
- 2021-05-11 CN CN202110512549.9A patent/CN113219173A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100285507A1 (en) * | 2007-03-21 | 2010-11-11 | Je-Yeol Cho | Plasma kallikrein fragments as diagnostic biomarkers for lung cancers |
CN103384827A (zh) * | 2010-11-24 | 2013-11-06 | 伊玛提克斯生物技术有限公司 | 用于预测癌症免疫治疗效果的生物标记 |
CN110363662A (zh) * | 2019-08-19 | 2019-10-22 | 上海理工大学 | 一种个人信用评分系统 |
Non-Patent Citations (2)
Title |
---|
杜发茂等: "SH2B1在非小细胞肺癌中的表达水平及与临床病理参数和预后的关系", 《热带医学杂志》 * |
林小华等: "晚期肺癌患者合并肺部感染的特点及相关因素分析", 《中国老年保健医学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106405104B (zh) | 一种新的肝硬化或肝纤维化标志物 | |
CN109557311B (zh) | 结直肠癌诊断标志物及结直肠癌的检测产品及其应用 | |
CN109342727B (zh) | 食管鳞状细胞癌自身抗体分子标志物模型及其应用 | |
CN111172279B (zh) | 外周血甲基化基因及idh1联合检测诊断肺癌模型 | |
WO2018157831A1 (zh) | 一种肺癌监测试剂盒及其使用方法 | |
Ma et al. | Clinical evaluation of tumor markers for diagnosis in patients with non-small cell lung cancer in China | |
CN108949997A (zh) | 一种肺癌检测标志物及诊断试剂盒 | |
RU2015119512A (ru) | Метилглиоксаль в качестве маркера злокачественной опухоли | |
CN103163293A (zh) | 辅助诊断非小细胞肺癌患者的试剂盒 | |
CN110187111A (zh) | 一种用于早期贲门癌筛查elisa试剂盒 | |
Wang et al. | S100A2: A potential biomarker to differentiate malignant from tuberculous pleural effusion | |
CN113219173A (zh) | Sh2b1在肺癌诊断中的应用 | |
Klein et al. | Lavage and nipple aspiration of breast ductal fluids: a source of biomarkers for environmental mutagenesis | |
Tsui et al. | Comparisons of voided urine cytology, nuclear matrix protein‐22 and bladder tumor associated antigen tests for bladder cancer of geriatric male patients in Taiwan, China | |
CN114578060A (zh) | 一种基于samhd1蛋白作为ii期结直肠癌疗效预测标志物的方法 | |
Ni et al. | Apelin is a novel circulating biomarker for the diagnosis of lung cancer | |
CN109722480B (zh) | 一种非小细胞肺癌检测试剂盒及其应用 | |
CN108152496B (zh) | Mest蛋白在制备肺癌辅助诊断和/或预后判断的试剂盒中的应用 | |
Zhang et al. | Thick tongue coating: diagnostic markers for metastatic colorectal cancer | |
CN115372604B (zh) | 一种用于预测肿瘤患者免疫治疗疗效的标志物及其应用 | |
Chisholm et al. | The role of a questionnaire and four biochemical markers to detect cancer risk in a symptomatic population | |
CN111690730B (zh) | Il-8阳性初始t细胞作为诊断胸腺占位性疾病的靶点的应用 | |
CN116479131B (zh) | 一种诊断乳腺癌的生物标志物及其应用 | |
Wang et al. | P23. 05 Chromosome 3p22. 1 and 10q22. 3 Amplification in Different Subtypes of Lung Adenocarcinoma | |
Abdel-Azeem et al. | The Role of Serum Midkine and Secretory Leucocyte Protease Inhibitor in Diagnosis of Thyroid Cancer |
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 |
Application publication date: 20210806 |
|
RJ01 | Rejection of invention patent application after publication |