CN113917154B - 尿蛋白标志物在制备糖尿病肾病临床早期检测的试剂盒中的应用 - Google Patents

Abstract

本发明提供了一种尿蛋白标志物在制备糖尿病肾病临床早期检测的试剂盒中的应用。尿蛋白标志物为尿液中如下一个或多个蛋白：TF、CP、VPS4A及SERPINA5，临床早期为3期之前。通过利用质谱技术检测了糖尿病尿蛋白健康患者与糖尿病肾病临床3期的患者尿液中的大量蛋白质，并发现了TF、CP、VPS4A及SERPINA5四个蛋白质在两类人群之间存在显著差异。因而这四种蛋白中的任意一种或多种均具有作为检测糖尿病肾病临床3期之前的标志物，从而便于尽早发现糖尿病肾病，尽早干预。

Description

尿蛋白标志物在制备糖尿病肾病临床早期检测的试剂盒中的 应用

技术领域

本发明涉及糖尿病肾病领域，具体而言，涉及一种尿蛋白标志物在制备糖尿病肾病临床早期检测的试剂盒中的应用。

背景技术

2019年全世界超过4.63亿人患糖尿病，占全球成年人(20-79岁)的9.3％。在这些人群中，20％-40％将发展为糖尿病肾病(DKD)，DKD是2型糖尿病(T2D)患者发病和死亡的主要原因。DKD患者发展为终末期肾病(ESRD)和心血管疾病的风险很高。根据国际公认的Mogensen分期，DKD分为五个阶段，且1-3期尚处于可逆转期(见下表)。因此，及早发现、预防和治疗非常重要。临床上DKD诊断的金标准是肾活检技术，然而其具有强烈的侵入性和危险性，同时评估过程也可能因主观有所偏差。

表1：

尿液是临床检验中除血液外最常用的体液样本，尿液是一种真正的非侵入性样本，质谱技术可以检测到尿液中成百上千的微量蛋白质，人类尿蛋白质组包含大量个体内及个体间差异、人体生理和病理状态的信息，世界各国科学家一直在利用蛋白质组学技术试图从尿液中找到新的用于疾病诊断、预后分析、疗效检测的蛋白标志物。尿蛋白质组不仅可以反映性别、年龄、民族等生理信息，可以反映人体的病理状态，目前已经有研究人员通过尿液蛋白质组寻找到一些疾病标志物，包括慢性肾病、肺癌、神经系统疾病等。

按照Mogensen分期，1-3期尚处于可逆转期，因此，如何准确有效地在临床早期(3期之前)将疾病诊断出来，对控制病情进展具有重要意义。

发明内容

本发明的主要目的在于提供一种尿蛋白标志物在制备糖尿病肾病临床早期检测的试剂盒中的应用，以提供一种糖尿病肾病的临床早期检测方案。

为了实现上述目的，根据本发明的一个方面，提供了一种尿蛋白标志物在制备糖尿病肾病临床早期检测试剂盒中的应用，尿蛋白标志物为尿液中如下一个或多个蛋白：TF、CP、VPS4A及SERPINA5，临床早期为3期之前。

为了实现上述目的，根据本发明的一个方面，提供了一种糖尿病肾病临床早期检测试剂盒，试剂盒包括尿蛋白标志物抗体，尿蛋白标志物抗体为TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的抗体，临床早期为3期之前。

进一步地，尿蛋白标志物抗体设置在固相载体上；优选地，固相载体选自酶标板、膜载体或微球，进一步优选地，膜载体选自硝酸纤维素膜、玻璃纤维素膜或尼龙膜；优选地，尿蛋白标志物抗体为单克隆抗体或多克隆抗体；优选地，试剂盒为ELISA试剂盒、免疫荧光试剂盒或免疫胶体金试剂盒。

为了实现上述目的，根据本发明的一个方面，提供了一种糖尿病肾病临床早期检测模型，模型包括糖尿病肾病临床分期标志物蛋白，糖尿病肾病临床分期标志物蛋白为尿蛋白标志物，尿蛋白标志物为尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个，临床早期为3期之前。

进一步地，模型为逻辑回归模型。

为了实现上述目的，根据本发明的一个方面，提供了一种糖尿病肾病临床早期检测装置，其特征在于，装置内置有上述糖尿病肾病临床早期检测模型。

为了实现上述目的，根据本发明的一个方面，提供了一种糖尿病肾病临床早期检测模型的构建方法，构建方法包括：质谱检测来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质中的差异蛋白；将部分健康人群和部分糖尿病肾病临床3期的人群作为发现集，并利用发现集中的差异蛋白进行逻辑回归模型训练，确定模型训练所用蛋白的最佳数量；根据最佳数量的差异蛋白的不同组合再次进行逻辑回归模型训练，确定最佳标志物蛋白组合；将最佳标志物蛋白组合训练得到的逻辑回归模型作为糖尿病肾病的检测模型，将剩余部分健康人群和剩余部分糖尿病肾病临床3期的人群作为验证集，利用验证集验证糖尿病肾病的检测模型；其中，最佳标志物蛋白为TF、CP、VPS4A及SERPINA。

进一步地，质谱检测来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质中的差异蛋白包括：质谱分离来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质，获得尿蛋白质组数据；对尿蛋白质组数据中各个蛋白质的丰度进行测量，得到测量结果；从测量结果中查找蛋白质丰度在糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群中存在显著差异的蛋白质作为差异蛋白；其中，采用基于强度的相对定量方法对同一批次内的蛋白质的丰度进行测量，并采用基于强度的总分数的方法对不同批次间的蛋白质丰度进行归一化处理。

为了实现上述目的，根据本发明的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述糖尿病肾病临床早期检测的检测模型的构建方法。

为了实现上述目的，根据本发明的一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述糖尿病肾病临床早期检测的检测模型的构建方法。

应用本发明的技术方案，通过利用质谱技术检测了糖尿病尿蛋白健康患者与糖尿病肾病临床3期的患者尿液中的大量蛋白质，并发现了TF、CP、VPS4A及SERPINA5四个蛋白质在两类人群之间存在显著差异。因而这四种蛋白中的任意一种或多种均具有作为检测糖尿病肾病临床3期之前的标志物，从而便于尽早发现糖尿病肾病。

在优选的实施例中，通过对尿液中这四种蛋白进行定量检测，并根据四者的丰度建立了糖尿病肾病临床早期(3期)的检测模型，经过临床数据验证，该检测模型的准确性比较高，因而适合用于快速、高效、客观地检测和发现早期糖尿病肾病，以便尽早干预。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明的优选的实施例中模型检测的ROC曲线图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。

术语解释：

尿蛋白标志物：本申请是指从尿液中分离到的标志物蛋白，其能够特异性标志某种疾病、某种疾病的发展进程或阶段。

蛋白质：在本申请中蛋白与蛋白质的涵义相同，可以互换使用。

临床分期：本申请中的临床分期是指按照国际公认的Mogensen分期进行的各进展阶段的分期。

临床早期：本申请指Mogensen分期的3期以及3期之前。

基于背景技术部分所提到的目前存在对糖尿病肾病进行临床早期诊断的需求，本申请通过利用质谱技术检测了糖尿病尿蛋白健康患者与糖尿病肾病临床3期的患者尿液中的大量蛋白质，并发现了TF、CP、VPS4A及SERPINA5四个蛋白质在两类人群之间存在显著差异。通过对尿液中这四种蛋白进行定量检测，并根据四者的丰度建立了糖尿病肾病临床早期(3期)的检测模型，经过临床数据验证，该检测模型的准确性比较高，因而适合用于快速、高效、客观地发现早期糖尿病肾病，尽早干预。

在该研究结果的基础上，申请人提出了本申请的技术方案。在一种典型的实施例中，提供了一种尿蛋白标志物在制备检测糖尿病肾病早期的试剂盒中的应用，尿蛋白标志物为尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个，临床早期指临床3期以及3期之前。用于在临床早期发现糖尿病肾病。本申请新发现的尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个蛋白在糖尿病患者与糖尿病肾病早期患者之间有显著的相关性，因而可以作为区分糖尿病与糖尿病肾病早期的标志物。

通过将TF、CP、VPS4A及SERPINA5中的一个或多个蛋白质作为检测糖尿病肾病临床早期检测或诊断的标志物，根据现有试剂盒的制备原则，可以制备出针对这四种蛋白质标志物的检测试剂盒。

在第二种典型的实施例中，提供了一种检测糖尿病肾病临床早期的试剂盒，试剂盒包括尿蛋白标志物抗体，尿蛋白标志物抗体为TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的抗体，临床早期指临床3期及3期之前。采用试剂盒进行检测的方法方便简单快速。

在一种优选的实施例中，尿蛋白标志物抗体设置在固相载体上；优选地，固相载体选自酶标板、膜载体或微球，进一步优选地，膜载体选自硝酸纤维素膜、玻璃纤维素膜或尼龙膜；优选地，尿蛋白标志物抗体为单克隆抗体或多克隆抗体；优选地，试剂盒为ELISA试剂盒、免疫荧光试剂盒或免疫胶体金试剂盒。

根据具体需要，可以制备成多种不同类型的检测试剂盒，具体试剂盒的形式不限，比如可以是ELISA试剂盒，也可以是免疫荧光试剂盒或免疫胶体金试剂盒等。从方便检测及便于判断检测结果的角度考虑，试剂盒中的TF、CP、VPS4A及SERPINA5蛋白的抗体优选设置为预包被的形式。优选地，预包被抗体包被于固相载体上；具体的固相载体根据需要合理设计。更优选，固相载体包括酶标板(多为聚苯乙烯材料的)、膜载体或微球；进一步优选地，膜载体包括硝酸纤维素膜(使用最广泛)、玻璃纤维素膜或尼龙膜，更进一步优选地，膜载体上还包被有阳性对照物，多肽-载体蛋白偶联物和阳性对照物按检测顺序在硝酸纤维素膜上依次设置。

根据试剂盒的具体检测方法的不同，试剂盒中具体的配套试剂也相应有所不同，但均可以根据已知试剂盒的配制方式进行组合配套试剂。优选地，上述试剂盒中还包括以下至少之一：(1)酶标二抗，更优选酶标二抗为HRP标记的二抗(对应于ELISA检测试剂盒)；(2)胶体金结合垫，胶体金结合垫上包被有胶体金标记的抗体和阳性对照物的特异性结合物(对应于免疫胶体金检测试剂盒)；(3)标记垫，标记垫上包被有荧光标记的微球，微球上负载有阳性对照物的特异性结合物(对应于免疫荧光检测试剂盒)。

上述免疫胶体金检测试剂盒和免疫荧光检测试剂盒检测相对更方便，只需要建立阳性对照的C线和检测样本的T线即可。阳性对照的C线处预包被的阳性对照物，只要是能够随着待测样本的尿液层析过程携带过来的带有检测标记的特异性结合物结合即可，对具体的阳性对照物的抗体并无特殊限定。优选地，上述阳性对照物选自鼠免疫球蛋白、人免疫球蛋白、羊免疫球蛋白或兔免疫球蛋白，相应地，阳性对照物的特异性结合物选自抗鼠免疫球蛋白、抗人免疫球蛋白、抗羊免疫球蛋白或抗兔免疫球蛋白。

上述抗鼠免疫球蛋白根据免疫的对象的不同，可以是羊抗鼠的免疫球蛋白或兔抗鼠的免疫球蛋白，或者是其他可免疫的动物抗鼠的免疫球蛋白。同样地，抗人免疫球蛋白、抗羊免疫球蛋白或抗兔免疫球蛋白也可以根据免疫动物的不同，是不同物种来源的抗免疫球蛋白。上述免疫球蛋白可以是IgM、IgG、IgA、IgD或IgE中的任意一种。这些抗免疫球蛋白抗体可以是单克隆抗体或多克隆抗体。

上述试剂盒中，根据所需要检测的样本数量的多少，所使用的酶标板的规格也有所不同，可以在12～384孔酶标板中合理选择。

上述不同形式的试剂盒，均能实现对蛋白质的定量，即也能实现对尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的定量。以采用ELASA试剂盒测定为例，尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个蛋白与固相载体表面的相应抗体反应。再加入酶标记的抗体，也通过反应而结合在固相载体上。此时固相上的酶量与尿液中TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的量呈一定的比例。加入酶反应的底物后，底物被酶催化成为有色产物，有色产物的量与尿液中TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的量直接相关，故可根据呈色的深浅进行定性或定量分析。由于酶的催化效率很高，间接地放大了免疫反应的结果，使测定方法达到很高的敏感度。

在第三种典型的实施例中，提供了一种糖尿病肾病临床早期的检测模型，该检测模型包括糖尿病肾病临床早期标志物蛋白，糖尿病肾病临床分期标志物蛋白为尿蛋白标志物，尿蛋白标志物为尿液中的TF、CP、VPS4A及SERPINA5中的一个或多个。

在一种优选的实施例中，该检测模型为逻辑回归模型。

在第四种典型的实施例中，提供了一种糖尿病肾病临床早期的检测装置，该检测装置内置有上述糖尿病肾病临床早期的检测模型。

在第五种典型的实施例中，提供了一种糖尿病肾病临床早期的检测模型的构建方法，该构建方法包括：质谱检测来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质中的差异蛋白；将部分健康人群和部分糖尿病肾病临床3期的人群作为发现集，并利用发现集(用于发现标志物蛋白的样本集)中的差异蛋白进行逻辑回归模型训练，确定模型训练所用蛋白的最佳数量；根据最佳数量的差异蛋白的不同组合再次进行逻辑回归模型训练，确定最佳标志物蛋白组合；将最佳标志物蛋白组合训练得到的逻辑回归模型作为糖尿病肾病的检测模型，将剩余部分健康人群和剩余部分糖尿病肾病临床3期的人群作为验证集，利用验证集(用于验证模型的样本集)验证糖尿病肾病的检测模型；其中，最佳标志物蛋白为TF、CP、VPS4A及SERPINA。

为了防止模型过拟合，对差异蛋白中潜在的标志物蛋白进行降维。具体操作为：

首先在差异蛋白中只选取一个蛋白作为特征训练模型，计算其准确性、特异性、AUC，选取最优结果保留；然后在差异蛋白中任选两个蛋白组合作为特征训练模型，同样计算其准确性、特异性、AUC，保留最优结果；依次类推，在差异蛋白中任选三个、四个、五个或更多个蛋白组合作为特征训练模型，同样计算其准确性、特异性、AUC，保留最优结果，直至最终模型选用四个蛋白组合作为特征时，准确性、特异性、AUC趋于稳定，因此选用四个蛋白最终作为特征训练模型。随后进行逻辑回归模型构建，用发现集的数据(即发现集中的样本中的TF、CP、VPS4A及SERPINA四个蛋白的表达量数据)训练逻辑回归分类模型，然后用验证集的数据(即验证集中的样本中的TF、CP、VPS4A及SERPINA四个蛋白的表达量数据)对模型进行验证，计算准确性、特异性、AUC作为评估模型的指标。

需要说明的是，本申请在选择逻辑回归进行训练建模之前，也曾尝试其他的建模方法，包括但不限于线性回归、随机森林等，但拟合效果相对较差，经比较之后确定了逻辑回归建模的方法。

在一种优选的实施例中，该质谱检测来源于糖尿病人群与糖尿病肾病临床3期之前的人群的尿液蛋白质中的差异蛋白包括：质谱分离来源于糖尿病人群与糖尿病肾病临床3期之前的人群的尿液蛋白质，获得尿蛋白质组数据；对尿蛋白质组数据中各个蛋白质的丰度进行测量，得到测量结果；从测量结果中查找蛋白质丰度在两类人群中存在显著差异的蛋白质作为差异蛋白，其中，采用基于强度的相对定量方法对同一批次内的蛋白质的丰度进行测量，并采用基于强度的总分数的方法对不同批次间的蛋白质丰度进行归一化处理。

如前述，本申请的尿蛋白标志物是通过以下方法发现的：通过之前开发的一套提取尿液中蛋白质的方法(参见公开号为CN 108333263 A的专利申请)，针对性的改进了质谱条件及参数设置，筛选了临床上已知的糖尿病尿蛋白健康人群与糖尿病肾病3期人群的尿蛋白表达量存在显著差异的差异蛋白，进而发现了TF、CP、VPS4A及SERPINA5中的一个或多个蛋白在糖尿病人群与糖尿病肾病临床3期人群之间的强相关性。同时，通过质谱优化条件能够快速完成对尿液中TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的定量检测，并根据各蛋白的丰度建立了糖尿病肾病临床早期的检测模型，通过该检测模型，只需将待测的尿蛋白样本中TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的丰度输入该检测模型即可直接输出是否为糖尿病肾病临床早期样本。

上述质谱分析过程，可以采用现有的相关仪器和分析软件来进行。在本申请一种具体的实施例中，消化后样品在装有C18颗粒的自制毛细管柱上分离胰蛋白酶肽，并通过与在线Easy-nLC 1000纳米-HPLC系统(Thermo Fisher Scientific)联用的Thermo FisherOrbitrap质谱仪进行分析。在FIRMIANA分析平台中处理LC-MS/MS数据，并在Mascot搜索引擎上进行蛋白搜索。

在对蛋白质的丰度进行定量时，本申请的优选实施例中，根据数据来源与同一批次内还是不同批次间，采用了不同的定量方法。对于同一批次内的蛋白质的丰度进行测量时，采用iBAQ(基于强度的相对定量)，即无标记定量算法。而对于批次间的蛋白质丰度进行比较时，通过将iBAQ转换成iFOT(基于强度的总分数)，表示在LC-MS/MS分析中鉴定的蛋白质的归一化强度，通过该指标考虑了批次间差异对检测结果的影响，进而使得定量结果更准确和客观。

此外，在本申请一些优选的实施例中，为了可视化目的，将iFOT的数量乘以10⁵。

为进一步提高质谱分析结果的准确性，在本申请优选的实施例中，采用293T细胞的胰蛋白酶消化物作为QC(质量控制)样品，通过LC-MS/MS常规评估以保证仪器的重现性。

上述优选实施例中，检测模型的构建方法采用了大数据人工智能算法，针对大量的表达量存在差异的蛋白，利用逻辑回归的建模方法来构建模型，能够使得该模型的预测准确性比较高。

具体地，通过从21例糖尿病患者和3例糖尿病肾病3期患者的尿蛋白中筛选到82个差异蛋白，进一步通过降维处理找到TF、CP、VPS4A、SERPINA5四个蛋白，利用这四个蛋白建立了逻辑回归模型；利用该逻辑回归模型，能够将独立验证集中糖尿病患者(113人)和糖尿病肾病3期患者(38人)分开，且AUC高达0.952。由此表明利用TF、CP、VPS4A、SERPINA5四个蛋白建立的逻辑回归模型能够有效地区分糖尿病和糖尿病肾病临床3期，因而能够作为早期糖尿病肾病的生物标志物。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的检测仪器等硬件设备的方式来实现。基于这样的理解，本申请的技术方案中数据处理的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分的方法。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

显然，本领域的技术人员应该明白，上述的本申请的部分模块或步骤可以在通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

在一种优选的实施例中，提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述糖尿病肾病临床分期的检测模型的构建方法。

在一种优选的实施例中，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述糖尿病肾病临床分期的检测模型的构建方法。

下面将结合具体的实施例来进一步说明本申请的有益效果。

实施例1

第一部分：尿液蛋白质样本制备

尿液蛋白在样本的制备步骤中，采用公开日期为2018年07月27日公开的名为“一种尿蛋白制备方法及尿蛋白质组的检测方法”公开号为CN 108333263 A的发明专利申请中的实施例1的制备方法进行制备。

第二部分：质谱检测

消化后样品在装有C18颗粒的自制毛细管柱上分离胰蛋白酶肽，并通过与在线Easy-nLC 1000纳米-HPLC系统(Thermo Fisher Scientific)联用的Thermo FisherOrbitrap质谱仪进行分析。在FIRMIANA分析平台中处理LC-MS/MS数据，并在Mascot搜索引擎上进行蛋白搜索。

将蛋白质丰度测量为iBAQ(基于强度的相对定量)-无标记定量算法。对于批次间比较，将iBAQ转换成iFOT(基于强度的总分数)，表示在LC-MS/MS分析中鉴定的蛋白质的归一化强度(Liu等人，2013)。为了可视化目的，iFOT的数量乘以10⁵。作为QC(质量控制)样品的293T细胞的胰蛋白酶消化物，通过LC-MS/MS常规评估以保证仪器的重现性。

第三部分：定量算法+逻辑回归模型

寻找糖尿病(21人)和糖尿病肾病3期(3人)人群的差异蛋白共82个，进行降维和逻辑回归模型建立，寻找到TF、CP、VPS4A、SERPINA5四个蛋白，利用这四个蛋白可以将独立验证集中糖尿病人群(113人)和糖尿病肾病3期患者(38人)人群分开，且AUC高达0.952(如图1所示)。可见，利用TF、CP、VPS4A、SERPINA5四个蛋白建立的逻辑回归模型能够有效地区分糖尿病和糖尿病肾病临床3期，因而能够用于糖尿病肾病的早期检测。

从以上的描述中，可以看出，本发明上述的实施例实现了如下技术效果：通过利用质谱技术检测了人尿液中的大量蛋白质，并发现了TF、CP、VPS4A、SERPINA5四个蛋白质在糖尿病患者与糖尿病肾病临床3期患者之间存在显著差异。通过对尿液中TF、CP、VPS4A及SERPINA5中的一个或多个蛋白的定量检测，并根据四者的丰度建立了糖尿病肾病临床早期人群检测模型，经过临床数据验证，该检测模型的准确性比较高，因而适合用于快速、高效、客观地发现早期糖尿病肾病，尽早干预。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种尿蛋白标志物组合物在制备糖尿病肾病临床早期检测试剂盒中的应用，其特征在于，所述尿蛋白标志物组合物为：TF、CP、VPS4A及SERPINA5，所述临床早期为3期之前。

2.一种糖尿病肾病临床早期检测试剂盒，其特征在于，所述试剂盒包括尿蛋白标志物组合物的抗体，所述尿蛋白标志物组合物的抗体为TF抗体、CP抗体、VPS4A抗体及SERPINA5抗体，所述临床早期为3期之前。

3.根据权利要求2所述的试剂盒，其特征在于，所述尿蛋白标志物组合物的抗体设置在固相载体上。

4.根据权利要求3所述的试剂盒，其特征在于，所述固相载体选自酶标板、膜载体或微球。

5.根据权利要求4所述的试剂盒，其特征在于，所述膜载体选自硝酸纤维素膜、玻璃纤维素膜或尼龙膜。

6.根据权利要求2所述的试剂盒，其特征在于，所述尿蛋白标志物组合物的抗体为单克隆抗体或多克隆抗体。

7.根据权利要求2所述的试剂盒，其特征在于，所述试剂盒为ELISA试剂盒、免疫荧光试剂盒或免疫胶体金试剂盒。

8.一种糖尿病肾病临床早期检测模型的构建方法，其特征在于，所述构建方法包括：

质谱检测来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质中的差异蛋白；

将部分所述健康人群和部分所述糖尿病肾病临床3期的人群作为发现集，并利用所述发现集中的所述差异蛋白进行逻辑回归模型训练，确定模型训练所用蛋白的最佳数量；

根据最佳数量的所述差异蛋白的不同组合再次进行逻辑回归模型训练，确定最佳标志物蛋白组合；

将所述最佳标志物蛋白组合训练得到的逻辑回归模型作为糖尿病肾病的检测模型，将剩余部分的所述健康人群和剩余部分的所述糖尿病肾病临床3期的人群作为验证集，利用所述验证集验证所述糖尿病肾病的检测模型；

其中，所述最佳标志物蛋白组合为TF、CP、VPS4A及SERPINA。

9.根据权利要求8的构建方法，其特征在于，质谱检测来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质中的差异蛋白包括：

质谱分离来源于糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群的尿液蛋白质，获得尿蛋白质组数据；

对所述尿蛋白质组数据中各个蛋白质的丰度进行测量，得到测量结果；

从测量结果中查找所述蛋白质丰度在糖尿病尿蛋白健康人群及糖尿病肾病临床3期的人群中存在显著差异的蛋白质作为所述差异蛋白；

其中，采用基于强度的相对定量方法对同一批次内的蛋白质的丰度进行测量，并采用基于强度的总分数的方法对不同批次间的蛋白质丰度进行归一化处理。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求8或9所述的糖尿病肾病临床早期检测的检测模型的构建方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求8或9所述的糖尿病肾病临床早期检测的检测模型的构建方法。