CN114019061A - 用于帕金森病检测的生物标志物及其应用 - Google Patents

用于帕金森病检测的生物标志物及其应用 Download PDF

Info

Publication number
CN114019061A
CN114019061A CN202210002327.7A CN202210002327A CN114019061A CN 114019061 A CN114019061 A CN 114019061A CN 202210002327 A CN202210002327 A CN 202210002327A CN 114019061 A CN114019061 A CN 114019061A
Authority
CN
China
Prior art keywords
content
ceramide
taurine
parkinson
disease
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.)
Granted
Application number
CN202210002327.7A
Other languages
English (en)
Other versions
CN114019061B (zh
Inventor
陈显扬
宋王婷
常婷婷
张珂
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.)
Baofeng Biotech Beijing Co ltd
Original Assignee
Baofeng Biotech Beijing Co ltd
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 Baofeng Biotech Beijing Co ltd filed Critical Baofeng Biotech Beijing Co ltd
Priority to CN202210002327.7A priority Critical patent/CN114019061B/zh
Publication of CN114019061A publication Critical patent/CN114019061A/zh
Application granted granted Critical
Publication of CN114019061B publication Critical patent/CN114019061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • 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
    • 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
    • G01N30/8693—Models, e.g. prediction of retention times, method development and validation
    • 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
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N2030/042—Standards
    • 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
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G01N2030/062—Preparation extracting sample from raw material

Landscapes

  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Library & Information Science (AREA)
  • Engineering & Computer Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提供了生物标志物神经酰胺(d18:1/24:0)和牛磺酸在制备检测帕金森病的诊断试剂中的应用，通过生物标志物神经酰胺(d18:1/24:0)和牛磺酸结合神经酰胺(d18:0/24:1)、1‑a,24R,25‑三羟基维生素D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ‑谷氨酰丝氨酸、人参炔L或燕麦酸中的任一种，来判断患帕金森病的风险，可进行提前预防、防范帕金森病。

Description

用于帕金森病检测的生物标志物及其应用
技术领域
本发明属于生物检测技术领域，具体涉及一种用于帕金森病检测的生物标志物及其应用。
背景技术
帕金森病（Parkinson’s disease，PD）是一种中枢神经系统的神经退行性疾病，随着年龄的增长而高频率发展，65岁以上发病率为1.7%。预计与未来的人口老龄化相关联，PD患者的数量将显著增加。大多数人的PD进展缓慢，症状可能需要数年时间才发展，并且大多数人伴随这种疾病生活多年。其症状表现为起步缓慢、走路拖步、手抖、表情呆滞、说话吃力、腰痛、全身乏力、肌无力、流口水、颈椎痛等症状，严重者生活不能自理，甚至可能出现会威胁到生命的并发症。帕金森病由于发病隐匿，早期不易被发现，目前因帕金森病就诊率也低，即使确诊，但很多已经是中晚期了。同时，帕金森病是目前为数不多的经治疗症状可改善的神经变性疾病，越早诊断，越早治疗，症状改善效果越好，患者及家庭获益越多。因此，早期筛查是有效治疗帕金森病至关重要的手段。
临床上诊断帕金森病主要依赖患者的症状，尤其是运动症状，如静止性震颤、肌强直、运动迟缓以及姿势步态障碍等，但这类特征性表现也可出现在其他神经变性疾病中，所以会对帕金森病的诊断产生干扰。而常规血、脑脊液检查多为无异常，脑CT及磁共振成像（MRI）检查一般也无特征性改变。如何寻找一种用于检测帕金森病的生物标志物，来预测和诊断帕金森病是亟需解决的技术问题。
发明内容
为了解决上述技术问题，本发明提供生物标志物神经酰胺(d18:1/24:0)和牛磺酸在制备诊断帕金森病的检测试剂中的应用。
为实现上述目的，本发明采用以下的技术方案为：
生物标志物神经酰胺(d18:1/24:0)和牛磺酸在制备检测帕金森病的诊断试剂中的应用。
如上所述的生物标志物，优选地，还包括神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸中的任一种。
神经酰胺(d18:1/24:0)和牛磺酸在制备检测帕金森病的诊断试剂中的应用，其是将神经酰胺(d18:1/24:0)和牛磺酸结合神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸中的任一种来判断是否存在帕金森病的风险。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2， 牛磺酸的含量记为R4，神经酰胺(d18:0/24:1)的含量记为R5，根据公式TC= -8.906+8.222×10-5×R2+6.732×10-4×R4+9.885×10-6×R5计算TC值，若TC≥0.278，则判定为帕金森病；若TC＜0.278，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，1-a,24R,25-三羟基维生素 D2的含量记为R6，根据公式TC=-4.514+7.491×10-5×R2+6.341×10-4×R4-2.867×10-4×R6计算TC值，若TC≥0.376，则判定为帕金森病；若TC＜0.376，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，羊毛甾烯四醇C的含量记为R7，根据公式TC= -5.412+9.933×10-5×R2+6.352×10-4×R4-2.146×10-3×R7计算TC值，若TC≥0.272，则判定为帕金森病；若TC＜0.272，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，灵芝醇C的含量记为R8，根据公式TC=-3.089+9.146×10-5×R2+5.836×10-4×R4-4.563×10-4×R8计算TC值，若TC≥0.260，则判定为帕金森病；若TC＜0.260，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，油酰胺的含量记为R9，根据公式TC= -5.914+8.021×10-5×R2+5.357×10-4×R4-6.796×10-5×R9计算TC值，若TC≥0.233，则判定为帕金森病；若TC＜0.233，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，溶血磷脂酰胆碱(22:6)的含量记为R10，根据公式TC= -12.78+8.711×10-5×R2+6.036×10-4×R4+4.391×10-5×R10计算TC值，若TC≥0.342，则判定为帕金森病；若TC＜0.342，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，γ-谷氨酰丝氨酸的含量记为R11，根据公式TC= -8.309+8.264×10-5×R2+6.623×10-4×R4-6.075×10-6×R11计算TC值，若TC≥0.257，则判定为帕金森病；若TC＜0.257，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，人参炔L的含量记为R12，根据公式TC= -4.583+8.198×10-5×R2+6.125×10-4×R4-2.282×10-4×R12计算TC值，若TC≥0.237，则判定为帕金森病；若TC＜0.237，则为正常。
如上所述的应用，优选地，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，燕麦酸的含量记为R13，根据公式TC= -3.756+8.582×10-5×R2+5.706×10-4×R4-1.930×10-4×R13计算TC值，若TC≥0.274，则判定为帕金森病；若TC＜0.274，则为正常。
本发明的有益效果在于：
本发明提供了新型生物标志物神经酰胺(d18:1/24:0)和牛磺酸及判别帕金森病的检测模型，可用于早期发现，并用于在制备诊断和预测帕金森病的检测试剂盒中应用。
本发明提供的用于帕金森病检测的生物标志物为包括神经酰胺(d18:1/24:0)和牛磺酸与神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸中的任意一种结合，根据检测在血液中神经酰胺(d18:1/24:0)和牛磺酸的含量，并结合神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸中的任一种的含量，根据公式计算TC值来预测患帕金森病的风险，有助于诊断是否存在帕金森病的倾向，可用于提前预防。
附图说明
图1为正离子模式下VIP＞1的样本；
图2为负离子模式下VIP＞1的样本；
图3为正离子模式下(O)PLS-DA的得分图；
图4为负离子模式下(O)PLS-DA的得分图；
图5 为正离子模式下S-plot图；
图6 为负离子模式下S-plot图；
图7为基于逻辑回归模型的ROC曲线（变量为R2+R4+R5）；
图8 为基于逻辑回归模型的ROC曲线（变量为R2+R4+R6）；
图9 为基于逻辑回归模型的ROC曲线（变量为R2+R4+R7）；
图10为基于逻辑回归模型的ROC曲线（变量为R2+R4+R8）；
图11为基于逻辑回归模型的ROC曲线（变量为R2+R4+R9）；
图12为基于逻辑回归模型的ROC曲线（变量为R2+R4+R10）；
图13为基于逻辑回归模型的ROC曲线（变量为R2+R4+R11）；
图14为基于逻辑回归模型的ROC曲线（变量为R2+R4+R12）；
图15为基于逻辑回归模型的ROC曲线（变量为R2+R4+R13）。
具体实施方式
以下实施例用于进一步说明本发明，但不应理解为对本发明的限制。在不背离本发明精神和实质的前提下，对本发明所作的修饰或者替换，均属于本发明的范畴。
若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段，除另有规定，本发明中所用试剂均为分析纯或以上规格。
实施例1
1. 检测样本
患者人群50人：符合国际广泛应用的英国帕金森协会脑库临床诊断标准，确诊为帕金森综合征，男：女按1：1比例，年龄范围在45岁以上。
对照人群52人：符合国际广泛应用的英国帕金森协会脑库临床诊断标准，诊断无帕金森综合征，男：女按1：1比例，年龄范围在45岁以上。
2.所用试剂及实验仪器
(1)试剂：异丙醇、乙腈、甲酸、甲酸氨、亮氨酸脑啡肽、甲酸钠，厂家均为Fisher。
（2）冷冻离心机：型号D3024R，Scilogex公司，美国。
(3)漩涡振荡器：型号MX-S，Scilogex公司，美国。
(4)高分辨质谱仪：ESI-QTOF/MS，型号为Xevo G2-S Q-TOF，厂家：Waters，Manchester，UK。
(5)超高效液相色谱：UPLC，型号为ACQUITY UPLC I-Class系统；厂家：Waters，Manchester， UK。
3.实验方法
（1）样品处理
收集的上述人群的血清样本在冰上解冻，200μL的血清用600μL的预冷异丙醇萃取，用漩涡振荡器涡流1min，室温孵育10min，然后将萃取混合物在-20◦C下储存过夜，之后通过冷冻离心机在4000r离心20min后，将上清液转移到新的离心管，用体积比为2：1：1的异丙醇/乙腈/水的混合物稀释至1：10。样品在LC-MS分析前保存在-80℃冰箱中。此外，还将每个萃取混合物的10μL组合在一起制备混合血清样品。
（2）超高效液相色谱-质谱联用分析方法
样品用ACQUITY UPLC连接到带有ESI的Xevo-G2XS高分辨飞行时间 (QTOF)质谱仪进行分析。采用CQUITY UPLC BEH C18色谱柱(2.1×10 0 mm，1.7μm，Waters)，流动相中A相为10 mM甲酸铵-0.1%甲酸的乙腈溶液，其配置方法为称取甲酸铵0.63 g，甲酸10 g，用乙腈-水溶液（乙腈：水为60：40，v/v）溶解并定容至1000mL。B相为10 mM甲酸铵-0.1%甲酸-异丙醇-乙腈溶液，其配置方法为称取甲酸铵0.63 g，甲酸10 g，用异丙醇-乙腈溶液（异丙醇：乙腈为90：10，v/v）溶解并定容至1000mL。在大规模研究之前，进行了包括10分钟、15分钟和20分钟洗脱期的中试实验，以评估流动相组成和流速对脂质保留时间的潜在影响。在PIM中，丰富的脂质前体离子和碎片以相同的顺序分离，具有相似的峰形和离子强度。此外，具有10分钟洗脱期的混合QC样品，也表现出与测试样品相似的前体和碎片的基峰强度。流动相流速为0.4mL/min。该柱最初用40%B洗脱，然后在2分钟内线性梯度到43%B，然后在0.1min内将B的百分比增加到50%。在接下来的3.9分钟内，梯度进一步增加到54%B，然后B的量0.1分钟内增加到70%。在梯度的最后部分，B的量在1.9分钟内增加到99%。最后，溶液B在0.1分钟内返回到40%，并且在下一次进样之前将色谱柱平衡1.9分钟。每次进样量为5μL，用Xevo-G2XS型QTOF质谱仪检测正负两种模式下的脂质，采集范围为 m/z50~1200年，采集时间为0.2s/次。离子源温度为120℃，去溶温度为600℃，气体流量为1000L/h，以氮气为流动气体。毛细管电压为2.0kV(+)/锥体电压为1.5kV(-)，锥体电压为30V。以亮氨酸脑啡肽进行标准质量测定，用甲酸钠溶液进行校正。样品被随机排序。每10个样本注入一个QC样本并进行分析，以调查数据的重复性。
4. 结果分析
（1）利用多元统计学寻找血清差异物质
使用Progenesis QI将质谱数据转化为可供统计的数据形式，正交偏最小二乘判别分析（OPLS-DA）结合了正交信号矫正（OSC）和 PLS-DA（偏最小而成判别分析） 方法，通过去除不相关的差异来筛选差异变量。如图1 、图2分别为正离子和负离子模式下的VIP值，为PLS-DA第一主成分的变量重要性投影，通常以VIP>1为代谢组学常用评判标准，作为差异代谢物筛选的标准之一。图3、图4分别为正离子和负离子模式下的帕金森病组和对照组两个分组中的第一主成分和第二主成分通过降维的方式所得的得分图，横坐标表示组间差异，纵坐标表示组内差异，且两组结果分离较好。图5、图6分别为正离子和负离子模式下的S-plot图，横坐标表示主成分与代谢物的协相关系数，纵坐标表示主成分与代谢物的相关系数。同时在满足p<0.05，VIP>1的条件下，正离子模式有144个差异物，负离子模式有70个差异物。
（2）约登（youden）指数分析
为了进一步缩小范围，将VIP阈值提高到2，同时体现正常和患者之间的倍数差异在0.5倍以下，或者增加1.5倍以上，P值小于0.01，最终得到13个化合物，化合物具体见表1。
然后对他们进行约登指数计算，用来反映单个指标对整体的诊断和预测效果，单个代谢物预测帕金森病的曲线下面积（AUC）、特异性和敏感度结果如表1。
表1帕金森病相关代谢物的约登指数分析
编号 化合物名称 AUC值 敏感性 特异性
R1 灵芝酸X （Ganoderic acid X） 0.936 0.808 0.896
R2 神经酰胺(d18:1/24:0)（Ceramide (d18:1/24:0)） 0.682 0.612 0.885
R3 吡喃花青素A（Pyranocyanin A） 0.912 0.923 0.776
R4 牛磺酸（Taurine） 0.618 0.507 0.981
R5 神经酰胺(d18:0/24:1)（Cer(d18:0/24:1)） 0.876 0.939 0.731
R6 1-a，24R，25-三羟基维生素D2（1-a,24R,25-Trihydroxyvitamin D2） 0.776 0.731 0.755
R7 羊毛甾烯四醇C （Fasciculol C） 0.760 0.712 0.816
R8 灵芝醇C （Ganoderiol C） 0.868 0.788 0.836
R9 油酰胺（Oleamide） 0.785 0.538 0.910
R10 溶血磷脂酰胆碱(22:6)LysoPC(22:6) 0.598 0.418 0.885
R11 γ-谷氨酰丝氨酸（gamma-Glutamylserine） 0.765 0.808 0.627
R12 人参炔L (Ginsenoyne L) 0.834 0.654 0.866
R13 燕麦酸(Avenoleic acid) 0.799 0.904 0.582
5. 内部人群七折交叉验证结果
为提高种变量化合物的生物诊断效果，需要根据上述化合物，找出适合的模型进行下一步的分析。
将内部人群随机分为7份，选择1份为验证集，其他为训练集，如此反复七次，考察最佳的变量组合。将其次的结果，包括AUC，敏感度，特异性都取平均值，并进行统计学显著性计算，结果如下表2。
表2
组合 逻辑回归AUC 敏感性 特异性
R2+R4+R5 0.951 1 1
R2+R4+ R6 0.948 1 1
R2+R4+R7 0.951 1 1
R2+R4+R8 0.948 1 1
R2+R4+R9 0.946 1 1
R2+R4+R10 0.963 1 1
R2+R4+R11 0.954 1 1
R2+R4+R12 0.951 1 1
R2+R4+R13 0.936 1 1
其中，组合之间，AUC值并没有显著性p<0.05差异。
基于上述建立逻辑回归模型A、B、C、D、E、F、G、H如下：
"模型A" 变量为上述R2+R4+R5，按公式为TC= -8.906+8.222×10-5×R2+6.732×10-4×R4+9.885×10-6×R5，公式中R2为神经酰胺(d18:1/24:0) 的含量， R4为牛磺酸的含量，R5为神经酰胺(d18:0/24:1)的含量，根据计算获得的TC值预测帕金森病的风险：若TC≥0.278，则判定为帕金森病；若TC＜0.278，则为正常。
"模型B"变量为R2+R4+R6，按公式为TC= -4.514+7.491×10-5×R2+6.341×10-4×R4-2.867×10-4×R6计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R6为1-a,24R,25-三羟基维生素 D2的含量，根据TC值预测帕金森病的风险：若TC≥0.376，则判定为帕金森病；若TC＜0.376，则为正常。
"模型C"变量为R2+R4+R7，按公式TC= -5.412+9.933×10-5×R2+6.352×10-4×R4-2.146×10-3×R7来计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R7为羊毛甾烯四醇C的含量，根据TC值预测帕金森病的风险：若TC≥0.272，则判定为帕金森病；若TC＜0.272，则为正常。
"模型D" 变量为上述R2+R4+R8，按公式为TC= -3.089+9.146×10-5×R2+5.836×10-4×R4-4.563×10-4×R8，公式中R2为神经酰胺(d18:1/24:0) 的含量， R4为牛磺酸的含量，R8为灵芝醇C的含量，根据计算获得的TC值预测帕金森病的风险：若TC≥0.260，则判定为帕金森病；若TC＜0.260，则为正常。
"模型E"变量为R2+R4+R9，按公式为TC= -5.914+8.021×10-5×R2+5.357×10-4×R4-6.796×10-5×R9计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R9为油酰胺的含量，根据TC值预测帕金森病的风险：若TC≥0.233，则判定为帕金森病；若TC＜0.233，则为正常。
"模型F"变量为R2+R4+R10，按公式TC= -12.78+8.711×10-5×R2+6.036×10-4×R4+4.391×10-5×R10来计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R10为溶血磷脂酰胆碱(22:6)的含量，根据TC值预测帕金森病的风险：若TC≥0.342，则判定为帕金森病；若TC＜0.342，则为正常。
"模型G"变量为R2+R4+R11，按公式为TC= -8.309+8.264×10-5×R2+6.623×10-4×R4-6.075×10-6×R11计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R11为γ-谷氨酰丝氨酸的含量，根据TC值预测帕金森病的风险：若TC≥0.257，则判定为帕金森病；若TC＜0.257，则为正常。
"模型H"变量为R2+R4+R12，按公式TC= -4.583+8.198×10-5×R2+6.125×10-4×R4-2.282×10-4×R12来计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R12为人参炔L的含量，根据TC值预测帕金森病的风险：若TC≥0.237，则判定为帕金森病；若TC＜0.237，则为正常。
"模型I"变量为R2+R4+R13，按公式TC= -3.756+8.582×10-5×R2+5.706×10-4×R4-1.930×10-4×R13来计算TC值，公式中R2为神经酰胺(d18:1/24:0)的含量，R4为牛磺酸的含量，R13为灵芝醇C的含量，根据TC值预测帕金森病的风险：若TC≥0.274，则判定为帕金森病；若TC＜0.274，则为正常。
实施例2
采用外部人群对实施例1建立的逻辑回归模型进行验证，其中，患者人群48人，对照人群28人，选择标准同实施例1。
按实施例1中的方法测得神经酰胺(d18:1/24:0)、牛磺酸、神经酰胺(d18:0/24:1)、1-a，24R，25-三羟基维生素D2、羊毛甾烯四醇C 、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L 、燕麦酸的含量，以验证实施例1中模型结果的准确性，并绘制相应的ROC曲线图，结果如下：
"模型A" 变量为R2+R4+R5，ROC曲线图结果如图7所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy （准确度）=1。
"模型B" 变量为R2+R4+R6，ROC曲线图结果如图8所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型C" 变量为R2+R4+R7，ROC曲线图结果如图9所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型D" 变量为R2+R4+R8，ROC曲线图结果如图10所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型E" 变量为R2+R4+R9，ROC曲线图结果如图11所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy （准确度）=1。
"模型F" 变量为R2+R4+R10，ROC曲线图结果如图12所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型G" 变量为R2+R4+R11，ROC曲线图结果如图13所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型H" 变量为R2+R4+R12，ROC曲线图结果如图14所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
"模型I" 变量为R2+R4+R13，ROC曲线图结果如图15所示，Sensitivity （敏感性）=1，Specificity （特异性）=1，Accuracy（准确度） =1。
数据显示：神经酰胺(d18:1/24:0)与牛磺酸组合，并结合神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸，都表现出非常高的诊断能力，未来都能进行临床试剂盒的应用。
由此可见，采用上述方法处理患者血清样本并进行检测，所测得数据代入上述模型中，利用逻辑回归模型判断患帕金森病组的风险。

Claims (10)

1.生物标志物神经酰胺(d18:1/24:0)和牛磺酸在制备检测帕金森病的诊断试剂中的应用。
2.如权利要求1所述的应用，其特征在于，将神经酰胺(d18:1/24:0)和牛磺酸结合神经酰胺(d18:0/24:1)、1-a,24R,25-三羟基维生素 D2、羊毛甾烯四醇C、灵芝醇C、油酰胺、溶血磷脂酰胆碱(22:6)、γ-谷氨酰丝氨酸、人参炔L或燕麦酸中的任一种来判断是否存在帕金森病的风险。
3.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2， 牛磺酸的含量记为R4，神经酰胺(d18:0/24:1)的含量记为R5，根据公式TC= -8.906+8.222×10-5×R2+6.732×10-4×R4+9.885×10-6×R5计算TC值，若TC≥0.278，则判定为帕金森病；若TC＜0.278，则为正常。
4.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，1-a,24R,25-三羟基维生素 D2的含量记为R6，根据公式TC=-4.514+7.491×10-5×R2+6.341×10-4×R4-2.867×10-4×R6计算TC值，若TC≥0.376，则判定为帕金森病；若TC＜0.376，则为正常。
5.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，羊毛甾烯四醇C的含量记为R7，根据公式TC= -5.412+9.933×10-5×R2+6.352×10-4×R4-2.146×10-3×R7计算TC值，若TC≥0.272，则判定为帕金森病；若TC＜0.272，则为正常。
6.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，灵芝醇C的含量记为R8，根据公式TC=-3.089+9.146×10-5×R2+5.836×10-4×R4-4.563×10-4×R8计算TC值，若TC≥0.260，则判定为帕金森病；若TC＜0.260，则为正常。
7.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，油酰胺的含量记为R9，根据公式TC= -5.914+8.021×10-5×R2+5.357×10-4×R4-6.796×10-5×R9计算TC值，若TC≥0.233，则判定为帕金森病；若TC＜0.233，则为正常。
8.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，溶血磷脂酰胆碱(22:6)的含量记为R10，根据公式TC=-12.78+8.711×10-5×R2+6.036×10-4×R4+4.391×10-5×R10计算TC值，若TC≥0.342，则判定为帕金森病；若TC＜0.342，则为正常。
9.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，γ-谷氨酰丝氨酸的含量记为R11，根据公式TC= -8.309+8.264×10-5×R2+6.623×10-4×R4-6.075×10-6×R11计算TC值，若TC≥0.257，则判定为帕金森病；若TC＜0.257，则为正常。
10.如权利要求2所述的应用，其特征在于，神经酰胺(d18:1/24:0)的含量记为R2，牛磺酸的含量记为R4，人参炔L的含量记为R12，根据公式TC= -4.583+8.198×10-5×R2+6.125×10-4×R4-2.282×10-4×R12计算TC值，若TC≥0.237，则判定为帕金森病；若TC＜0.237，则为正常；
燕麦酸的含量记为R13，或根据公式TC= -3.756+8.582×10-5×R2+5.706×10-4×R4-1.930×10-4×R13计算TC值，若TC≥0.274，则判定为帕金森病；若TC＜0.274，则为正常。
CN202210002327.7A 2022-01-04 2022-01-04 用于帕金森病检测的生物标志物及其应用 Active CN114019061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210002327.7A CN114019061B (zh) 2022-01-04 2022-01-04 用于帕金森病检测的生物标志物及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210002327.7A CN114019061B (zh) 2022-01-04 2022-01-04 用于帕金森病检测的生物标志物及其应用

Publications (2)

Publication Number Publication Date
CN114019061A true CN114019061A (zh) 2022-02-08
CN114019061B CN114019061B (zh) 2022-03-25

Family

ID=80069148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210002327.7A Active CN114019061B (zh) 2022-01-04 2022-01-04 用于帕金森病检测的生物标志物及其应用

Country Status (1)

Country Link
CN (1) CN114019061B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116930388A (zh) * 2023-07-27 2023-10-24 苏州大学附属第二医院 基于代谢组学筛选帕金森模型小鼠脑组织标志物的方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140357525A1 (en) * 2013-03-26 2014-12-04 Duke University Markers for alzheimer's disease and mild cognitive impairment and methods of using the same
WO2016016459A1 (en) * 2014-07-31 2016-02-04 Servicio Andaluz De Salud Method for the differential diagnosis of parkinsonian syndromes
US20160209428A1 (en) * 2013-08-21 2016-07-21 The Regents Of The University Of California Diagnostic and predictive metabolite patterns for disorders affecting the brain and nervous system
US20160244833A1 (en) * 2015-02-25 2016-08-25 Rosalind Franklin University Of Medicine And Science Methods and kits for diagnosing, prognosing and monitoring parkinson's disease
CN111024843A (zh) * 2019-12-18 2020-04-17 大连医科大学附属第一医院 用于诊断帕金森病的联合标志物及检测试剂盒
US20200164047A1 (en) * 2017-05-19 2020-05-28 Università Degli Studi Di Milano Therapy and diagnosis of disease characterized by alterations in the dna damage response
WO2021024195A2 (en) * 2019-08-05 2021-02-11 Tata Consultancy Services Limited System and method for risk assessment of parkinsons disease
CN113049696A (zh) * 2021-03-04 2021-06-29 首都医科大学宣武医院 一种诊断受试者是否患阿尔茨海默病的代谢产物及其用途
WO2021154002A1 (ko) * 2020-01-31 2021-08-05 옙바이오 주식회사 파킨슨병 진단용 바이오마커 및 이를 이용한 파킨슨병 진단 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140357525A1 (en) * 2013-03-26 2014-12-04 Duke University Markers for alzheimer's disease and mild cognitive impairment and methods of using the same
US20160209428A1 (en) * 2013-08-21 2016-07-21 The Regents Of The University Of California Diagnostic and predictive metabolite patterns for disorders affecting the brain and nervous system
WO2016016459A1 (en) * 2014-07-31 2016-02-04 Servicio Andaluz De Salud Method for the differential diagnosis of parkinsonian syndromes
US20160244833A1 (en) * 2015-02-25 2016-08-25 Rosalind Franklin University Of Medicine And Science Methods and kits for diagnosing, prognosing and monitoring parkinson's disease
US20200164047A1 (en) * 2017-05-19 2020-05-28 Università Degli Studi Di Milano Therapy and diagnosis of disease characterized by alterations in the dna damage response
WO2021024195A2 (en) * 2019-08-05 2021-02-11 Tata Consultancy Services Limited System and method for risk assessment of parkinsons disease
CN111024843A (zh) * 2019-12-18 2020-04-17 大连医科大学附属第一医院 用于诊断帕金森病的联合标志物及检测试剂盒
WO2021154002A1 (ko) * 2020-01-31 2021-08-05 옙바이오 주식회사 파킨슨병 진단용 바이오마커 및 이를 이용한 파킨슨병 진단 방법
CN113049696A (zh) * 2021-03-04 2021-06-29 首都医科大学宣武医院 一种诊断受试者是否患阿尔茨海默病的代谢产物及其用途

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
COSIMA DAMIANA CALVANO 等: "Identification of neutral and acidic glycosphingolipids in the human dermal fibroblasts", 《ANALYTICAL BIOCHEMISTRY》 *
RUI WENG 等: "Metabolomics Approach Reveals Integrated Metabolic Network Associated with Serotonin Deficiency", 《NATURE》 *
YANYAN ZHOU 等: "Integrated proteomics and lipidomics investigation of the mechanism underlying the neuroprotective effect of N-benzylhexadecanamide", 《MOLECULES》 *
孙倩 等: "帕金森病早期诊断的生物学标志物", 《中国现代神经疾病杂志》 *
张利: "左旋多巴加重帕金森病患者血浆牛磺酸的下降", 《中华医学会第十七次全国神经病学学术会议论文汇编（下）》 *
王玮玮 等: "维生素Ｄ与帕金森病关系的研究进展", 《中西医结合心脑血管病杂志》 *
陈宁 等: "帕金森病早期SNCA基因Ala53Thr碱基替换对小鼠模型嗅球组织中内源性代谢产物表达的影响", 《中国现代神经疾病杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116930388A (zh) * 2023-07-27 2023-10-24 苏州大学附属第二医院 基于代谢组学筛选帕金森模型小鼠脑组织标志物的方法

Also Published As

Publication number Publication date
CN114019061B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN112834653B (zh) 用于诊断脑白质病变的生物标志物f3及其应用
CN112798727B (zh) 用于诊断脑白质病变的生物标志物f7及其应用
CN112798771B (zh) 用于诊断脑白质病变的生物标志物及其应用
CN113049715B (zh) 用于诊断脑白质病变的生物标志物及其应用
CN111679018B (zh) 用于诊断认知障碍的生物标记物及其应用
CN111929430B (zh) 用于诊断认知障碍的生物标记物及其应用
CN113447601B (zh) 用于诊断脑梗死及脑白质病变的生物标志物及其应用
CN113447599B (zh) 用于诊断脑白质病患者患脑梗死的生物标志物及其应用
CN113433254B (zh) 用于诊断脑白质病患者患脑梗死的生物标志物及其应用
CN114019061B (zh) 用于帕金森病检测的生物标志物及其应用
CN114236019B (zh) 脑白质病变的生物标志物的应用
CN113447600B (zh) 用于诊断脑白质病患者患脑梗死的生物标志物及其应用
CN114354952B (zh) 帕金森病代谢组学生物标志物及其应用
CN114019078B (zh) 用于帕金森病诊断的生物标志物的应用
CN114047281B (zh) 帕金森病的生物标志物的组合及其应用
CN114019079B (zh) 诊断帕金森病的生物标志物及其应用
CN114264756B (zh) 用于诊断帕金森病的生物标志物r1及其应用
CN114264757B (zh) 脑白质病变的生物标志物组合及其应用
CN114414819B (zh) 诊断尘肺病的生物标志物及其应用
CN114414818B (zh) 用于肺尘埃沉着病检测的生物标志物的应用
CN114414809B (zh) 用于诊断尘肺病的生物标志物的应用
EP4370931A1 (en) Biomarkers for alzheimer&#39;s disease
WO2024108604A1 (zh) 基于血液代谢物的神经退行性疾病标志物及其应用
CN114544982A (zh) 尘肺诊断的生物标志物及其应用

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