CN114236019A - 脑白质病变的生物标志物及其应用 - Google Patents
脑白质病变的生物标志物及其应用 Download PDFInfo
- Publication number
- CN114236019A CN114236019A CN202210173953.2A CN202210173953A CN114236019A CN 114236019 A CN114236019 A CN 114236019A CN 202210173953 A CN202210173953 A CN 202210173953A CN 114236019 A CN114236019 A CN 114236019A
- Authority
- CN
- China
- Prior art keywords
- represented
- ceramide
- phosphatidylcholine
- normal
- leukoencephalopathy
- 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
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
- G01N30/8651—Recording, data aquisition, archiving and storage
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了脑白质病变的生物标志物及其应用,具体为生物标志物神经酰胺(d18:0/24:1(15Z))在制备诊断脑白质病变的检测试剂中的应用,通过生物标志物脂神经酰胺(d18:0/24:1(15Z))结合PEIPC、磷脂酰胆碱(P‑18:1(9Z)/0:0)、磷脂酰胆碱(O‑18:0/0:0)或半乳糖神经酰胺(d18:0/16:0)中的一种或两种来判断脑白质病变的风险,可进行提前预防脑白质病变。
Description
技术领域
本发明属于生物检测技术领域,具体涉及脑白质病变的生物标志物及其应用。
背景技术
脑白质是中枢神经系统的重要组成部分,是神经纤维聚集的地方,脑白质中的中枢神经细胞的髓鞘损害,则会引起脑白质病变。脑白质病变主要引起患者认知障碍、言语障碍、精神行为异常、步态障碍、排尿障碍等症状,严重影响患者健康生活质量。它与中风和痴呆风险的增加密切相关。而高血压、糖尿病、血脂异常、代谢紊乱等因素也与脑白质病变的发病和进展密切相关,而这些代谢性疾病也主要发生在在高龄人群中。一般情况下,多数脑白质病变患者的病情是可逆的,所以对于脑白质病变患者采取适当的预防措施,其症状可明显改善,其中早期检测是至关重要的手段。
脑白质病变的诊断包括精神状态检查和影像学检查,其中,初步精神状态检查包括评价注意力不集中的试验、鉴定记忆力障碍的三词延迟回忆试验、评价视觉功能障碍的时钟绘画和评价脑功能的交替运动序列等操作。而脑白质病变在早期临床上可无症状。并且测试过程涉及到需要提问和回答,消耗非常大的医学资源,耗时耗力。随着影像学技术的不断发展,目前常用的颅脑检查手段包括CT及MRI。但是所用的检测设备昂贵,且花费较大。如何能通过广谱的检测手段就能实现检测脑白质病变的目的是亟需解决的技术问题。
发明内容
为了解决上述技术问题,本发明提供脑白质病变的生物标志物在制备检测脑白质病变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(d18:0/24:1(15Z))在制备诊断脑白质病变的检测试剂中的应用。
如上所述的生物标志物,优选地,还包括PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)或半乳糖神经酰胺(d18:0/16:0)。
神经酰胺(d18:0/24:1(15Z))在制备诊断脑白质病变的试剂中的应用,其是将神经酰胺(d18:0/24:1(15Z))结合PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)或半乳糖神经酰胺(d18:0/16:0) 制备用于诊断脑白质病变的检测试剂;通过检测上述生物标志物在血液中的含量结合临床指标来判断脑白质病变的风险。
如上所述的应用,优选地,将神经酰胺(d18:0/24:1(15Z))记为R1,PEIPC记为R14,磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,磷脂酰胆碱(O-18:0/0:0)记为R28,半乳糖神经酰胺(d18:0/16:0记为R30,空腹血糖记为K9,同型半胱氨酸记为K10,糖化血红蛋白记为K11,胆固醇记为K6,体重 (kg) 记为K1。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,将空腹血糖记为K9,根据TC=-1.834-1.404×R1-4.428×R20+2.123×K9计算TC值,若TC≥0.802,则判定为脑白质病变;若TC<0.802,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述PEIPC记为R14,收缩压 (mmHg)记为K3,空腹血糖记为K9,根据TC=-16.00644-2.20301×R1+5.06431×R14+0.04004×K3+2.00592×K9计算TC值,若TC≥0.663,则判定为脑白质病变;若TC<0.663,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,空腹血糖记为K9,同型半胱氨酸记为K10,根据TC=-3.070-1.188×R1-4.729×R20+2.069×K9+0.147×K10计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,空腹血糖记为K9,同型半胱氨酸记为K10,根据TC= -5.41652-1.62579×R1-1.67018×R28+0.02844×K3+1.41959×K9计算TC值,若TC≥0.640,则判定为脑白质病变;若TC<0.640,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,空腹血糖记为K9,根据TC=0.4965-4.9304×R1-6.4293×R28+3.6355×R30+1.9941×K9计算TC值,若TC≥0.405,则判定为脑白质病变;若TC<0.405,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,糖化血红蛋白记为K11,根据TC= -0.1057-3.2092×R1-5.5831×R28+2.5853×R30+1.4270×K11计算TC值,若TC≥0.637,则判定为脑白质病变;若TC<0.637,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,胆固醇记为K6,根据TC=11.3785-2.8977×R1-4.9734×R28+2.0910×R30-0.7996×K6计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
如上所述的应用,优选地,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,体重按单位kg记为K1,空腹血糖记为K9,根据TC=-1.18416-1.41017×R1-4.29276×R20-0.01849×K1+2.19298×K9计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
本发明的有益效果在于:
本发明提供了生物标志物神经酰胺(d18:0/24:1(15Z))及判别脑白质病变的模型,可用于早期发现、诊断和预测脑白质病变风险的检测试剂盒应用。
本发明提供的用于诊断脑白质病的生物标志物包括神经酰胺(d18:0/24:1(15Z))和PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)或半乳糖神经酰胺(d18:0/16:0)中任一种或两种,根据检测该生物标志物神经酰胺(d18:0/24:1(15Z))结合PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)或半乳糖神经酰胺(d18:0/16:0)中一种或两种在血液中的含量及空腹血糖、同型半胱氨酸、糖化血红蛋白、胆固醇和体重中的任一项或两项临床指标计算TC值,预测脑白质病变的风险,有助于诊断是否存在脑白质病变的倾向,可用于提前预防。本发明提供的检测试剂盒,使得检测脑白质病变的成本大大降低,容易实现检测目的,通过生物标志的检测结合临床指标使的检测结果更准确、可靠。
附图说明
图1为变量重要性投影VIP>1的样本数;
图2为(O)PLS-DA的得分图,其中,Disease:表示脑白质病变组;Control:表示对照组;
图3为S-plot图;
图4为基于逻辑回归模型的ROC曲线(变量为R1+R20+K9);
图5为基于逻辑回归模型的ROC曲线(变量为R1+R14+K3+K9);
图6为基于逻辑回归模型的ROC曲线(变量为R1+R20+K9+K10);
图7为基于逻辑回归模型的ROC曲线(变量为R1+R28+K3+K9);
图8为基于逻辑回归模型的ROC曲线(变量为R1+R28+R30+K9);
图9为基于逻辑回归模型的ROC曲线(变量为R1+R28+R30+K11);
图10为基于逻辑回归模型的ROC曲线(变量为R1+R28+R30+K6);
图11为基于逻辑回归模型的ROC曲线(变量为R1+R20+K1+K9)。
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,本发明所用试剂均为分析纯或以上规格。
实施例1
(一)患者人群标准
模型建立样本群78人对照人群:为MRI核磁检测无异常,年龄范围为45以上,共29人。
患者人群:为MRI核磁检测显示脑白质出现梗死灶,年龄范围为45以上,共49人。
(二)模型的建立
1.样品前处理
收集上述人群的临床信息和血清样本,200μL的血清用600μL的预冷异丙醇萃取,用漩涡振荡器(MX-S,Scilogex公司,美国)涡流1min,室温孵育10min,然后将萃取混合物在-20℃下储存过夜,在冷冻离心机(D3024R,Scilogex公司,美国)4000r离心20min后,将上清液转移到新的离心管,用异丙醇/乙腈/水(2:1:1,v:v:v)稀释至1:10。样品在LC-MS分析前保存在-80℃。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。
其中本发明中所用的试剂:异丙醇、乙腈,甲酸,甲酸铵,亮氨酸脑啡肽,甲酸钠,厂家均为Fisher。
2. 脂质组学的超高效液相色谱-质谱联用方法
样品用超高效液相色谱UPLC(ACQUITY UPLC I-Class系统,Waters,Manchester,UK)连接到带有ESI的Xevo-G2XS高分辨飞行时间 (QTOF)质谱仪(ESI-QTOF/MS;型号:XevoG2-S Q-TOF;Waters,Manchester,UK)进行分析。采用CQUITY UPLC BEH C18色谱柱(2.1×10 0 mm,1.7μm,Waters),流动相为10 mM甲酸铵-0.1%甲酸-乙腈(A)和10 mM甲酸铵-0.1%甲酸-异丙醇-乙腈(B),其中,10 mM甲酸铵-0.1%甲酸-乙腈的配置方法为称取甲酸铵0.63g,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;10 mM甲酸铵-0.1%甲酸-异丙醇-乙腈(B)的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%的B洗脱,然后在2分钟内线性梯度到43%的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%的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,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。
采用数据采集软件(MassLynx4.1;厂家:Waters)进行数据采集,结果分析:
1. 受试者的临床特征,见表1。
表1 受试者的临床信息表(平均值±标准差)
2. 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。如附图所示:图1为 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2为脑白质病变组(Disease表示)和空白对照组(Control表示)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,说明此方案可以使用。图3为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,同时满足p<0.05,VIP>1的条件下,有161个差异物。
3. 约登指数分析
为了进一步缩小范围,筛选了信号强度大于3000的有30个差异化合物。然后对他们进行youden 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,选择AUC值大于0.65的,共5个差异化合物,这5个代谢物预测脑白质病变的曲线下面积(AUC)、特异性和敏感度结果如下表2。
表2脑白质病相关脂质的约登指数分析
4. 内部人群十折交叉验证结果
为提高种变量化合物的生物诊断效果,需要根据上述生物标志物结合临床信息指标找出适合的模型进行行下一步的分析。考虑到之后实用性和检测试剂盒的落地,尽量采用能购买的到标准品结合临床检测指标金进行建模,这样有利于能实现检测目的的广谱性。
将内部人群随机分为10份,选择1份为验证集,其他为训练集,如此反复十次,考察最佳的变量组合。将十次的结果,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3:
表3
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,具体如下:
"模型A"变量为R1+R20+K9,根据公式TC=-1.834-1.404×R1-4.428×R20+2.123×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R20为磷脂酰胆碱(P-18:1(9Z)/0:0),K9为空腹血糖,根据TC值预测脑白质病变的风险:若TC≥0.802,则判定为脑白质病变;若TC<0.802,则为正常。
"模型B"变量为R1+R14+K3+K9,根据公式TC= -16.00644-2.20301×R1+5.06431×R14+0.04004×K3+2.00592×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R14为PEIPC,K3为收缩压,K9为空腹血糖,根据TC值预测脑白质病变:若TC≥0.663,则判定为脑白质病变;若TC<0.663,则为正常。
"模型C"变量为R1+R20+K9+K10,根据公式TC=-3.070-1.188×R1-4.729×R20+2.069×K9+0.147×K10计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R20为磷脂酰胆碱(P-18:1(9Z)/0:0), K9为空腹血糖,K10为同型半胱氨酸,根据TC值预测脑白质病变:若TC≥0.663,则判定为脑白质病变;若TC<0.663,则为正常。
"模型D"变量为R1+R28+K3+K9,根据公式TC= -5.41652-1.62579×R1-1.67018×R28+0.02844×K3+1.41959×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R28为磷脂酰胆碱(O-18:0/0:0),K3为收缩压,K9为空腹血糖,根据TC值预测脑白质病变:若TC≥0.640,则判定为脑白质病变;若TC<0.640,则为正常。
"模型E"变量为R1+R28+R30+K9,根据公式TC= 0.4965-4.9304×R1-6.4293×R28+3.6355×R30+1.9941×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R28为磷脂酰胆碱(O-18:0/0:0),R30为半乳糖神经酰胺(d18:0/16:0),K9为空腹血糖,根据TC值预测脑白质病变:若TC≥0.405,则判定为脑白质病变;若TC<0.405,则为正常。
"模型F"变量为R1+R28+R30+K11,根据公式TC=11.3785-2.8977×R1-4.9734×R28+2.0910×R30-0.7996×K6计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R28为磷脂酰胆碱(O-18:0/0:0),R30为半乳糖神经酰胺(d18:0/16:0),K11为糖化血红蛋白,根据TC值预测脑白质病变:若TC≥0.637,则判定为脑白质病变;若TC<0.637,则为正常。
"模型G"变量为R1+R28+R30+K6,根据公式TC= 0.4965-4.9304×R1-6.4293×R28+3.6355×R30+1.9941×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R28为磷脂酰胆碱(O-18:0/0:0),R30为半乳糖神经酰胺(d18:0/16:0),K6为胆固醇,根据TC值预测脑白质病变:若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
"模型H"变量为R1+R20+K1+K9,根据公式TC= -1.18416-1.41017×R1-4.29276×R20-0.01849×K1+2.19298×K9计算TC值,公式中R1为神经酰胺(d18:0/24:1(15Z)),R20为磷脂酰胆碱(P-18:1(9Z)/0:0),K1为体重,K9为空腹血糖,根据TC值预测脑白质病变:若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
实施例2
采用外部数据集对实施例1中建立的逻辑回归模型进行验证,模型验证样本群体130人,取样标准同实施例1中,患者人群85人,正常对照45人。采用实施例1中方法进行超高效液相色谱-质谱联用方法对血清中上述5种生物标志物进行检测并结合空腹血糖、同型半胱氨酸、糖化血红蛋白、胆固醇和体重中的任一项项或两项指标,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,结果如下所示:
"模型A"变量为R1+R20+K9,ROC曲线图结果结果如图4,Sensitivity (敏感性)=1,Specificity (特异性)=1,Accuracy (准确度)=1。
"模型B"变量为R1+R14+K3+K9,ROC曲线图结果结果如图5所示,Sensitivity (敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型C"变量为R1+R20+K9+K10,ROC曲线图结果结果如图6所示,Sensitivity (敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型D"变量为R1+R28+K3+K9,ROC曲线图结果结果如图7所示,Sensitivity (敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型E"变量为R1+R28+R30+K9,ROC曲线图结果结果如图8所示,Sensitivity (敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型F"变量为R1+R28+R30+K11,ROC曲线图结果结果如图9所示,Sensitivity(敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型G"变量为R1+R28+R30+K9,ROC曲线图结果结果如图10所示,Sensitivity(敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
"模型H"变量为R1+ R20+K1+K9,ROC曲线图结果结果如图11所示,Sensitivity(敏感性)=1,Specificity (特异性)=1,Accuracy(准确度) =1。
数据显示:检测血清中神经酰胺(d18:0/24:1(15Z))结合其他四种生物标记物PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)、半乳糖神经酰胺(d18:0/16:0)中的一种或两种结合11种临床指标中的一种或两种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,所测得数据及临床指标代入上述模型中,利用逻辑回归模型判断是否存在脑白质病变的风险。
Claims (9)
1.生物标志物神经酰胺(d18:0/24:1(15Z))在制备诊断脑白质病变的检测试剂中的应用,其特征在于,将神经酰胺(d18:0/24:1(15Z)) 结合PEIPC、磷脂酰胆碱(P-18:1(9Z)/0:0)、磷脂酰胆碱(O-18:0/0:0)或半乳糖神经酰胺(d18:0/16:0)制备用于诊断脑白质病变的检测试剂。
2.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,将空腹血糖记为K9,根据TC=-1.834-1.404×R1-4.428×R20+2.123×K9计算TC值,若TC≥0.802,则判定为脑白质病变;若TC<0.802,则为正常。
3.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述PEIPC记为R14,收缩压按mmHg记为K3,空腹血糖记为K9,根据TC= -16.00644-2.20301×R1+5.06431×R14+0.04004×K3+2.00592×K9计算TC值,若TC≥0.663,则判定为脑白质病变;若TC<0.663,则为正常。
4.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,空腹血糖记为K9,同型半胱氨酸记为K10,根据TC=-3.070-1.188×R1-4.729×R20+2.069×K9+0.147×K10计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
5.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,空腹血糖记为K9,同型半胱氨酸记为K10,根据TC=-5.41652-1.62579×R1-1.67018×R28+0.02844×K3+1.41959×K9计算TC值,若TC≥0.640,则判定为脑白质病变;若TC<0.640,则为正常。
6.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,空腹血糖记为K9,根据TC=0.4965-4.9304×R1-6.4293×R28+3.6355×R30+1.9941×K9计算TC值,若TC≥0.405,则判定为脑白质病变;若TC<0.405,则为正常。
7.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,糖化血红蛋白记为K11,根据TC= -0.1057-3.2092×R1-5.5831×R28+2.5853×R30+1.4270×K11计算TC值,若TC≥0.637,则判定为脑白质病变;若TC<0.637,则为正常。
8.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(O-18:0/0:0)记为R28,所述半乳糖神经酰胺(d18:0/16:0)记为R30,胆固醇记为K6,根据TC=11.3785-2.8977×R1-4.9734×R28+2.0910×R30-0.7996×K6计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
9.如权利要求1所述的应用,其特征在于,将所述神经酰胺(d18:0/24:1(15Z))记为R1,所述磷脂酰胆碱(P-18:1(9Z)/0:0)记为R20,体重按单位kg记为K1,空腹血糖记为K9,根据TC=-1.18416-1.41017×R1-4.29276×R20-0.01849×K1+2.19298×K9计算TC值,若TC≥0.727,则判定为脑白质病变;若TC<0.727,则为正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173953.2A CN114236019B (zh) | 2022-02-24 | 2022-02-24 | 脑白质病变的生物标志物的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173953.2A CN114236019B (zh) | 2022-02-24 | 2022-02-24 | 脑白质病变的生物标志物的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114236019A true CN114236019A (zh) | 2022-03-25 |
CN114236019B CN114236019B (zh) | 2022-05-06 |
Family
ID=80748122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210173953.2A Active CN114236019B (zh) | 2022-02-24 | 2022-02-24 | 脑白质病变的生物标志物的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114236019B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049715A (zh) * | 2021-03-31 | 2021-06-29 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006016311A (ja) * | 2004-06-30 | 2006-01-19 | Kao Corp | 高ホモシステイン血症改善剤 |
US20170056363A1 (en) * | 2007-02-08 | 2017-03-02 | Phenomenome Discoveries Inc. | Method of lowering cholesterol |
CN112798771A (zh) * | 2021-03-31 | 2021-05-14 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
CN112798727A (zh) * | 2021-04-09 | 2021-05-14 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物f7及其应用 |
CN112834653A (zh) * | 2021-04-09 | 2021-05-25 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物f3及其应用 |
CN113049715A (zh) * | 2021-03-31 | 2021-06-29 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
CN113433254A (zh) * | 2021-08-27 | 2021-09-24 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113447599A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113447601A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑梗死及脑白质病变的生物标志物及其应用 |
CN113447600A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113495161A (zh) * | 2021-09-07 | 2021-10-12 | 宝枫生物科技(北京)有限公司 | 用于诊断缺血缺氧性脑病补充神经酸起效的生物标志物及其应用 |
CN113495160A (zh) * | 2021-09-07 | 2021-10-12 | 宝枫生物科技(北京)有限公司 | 用于诊断高原环境下的缺血缺氧性脑病补充神经酸起效的分子标志物及其应用 |
-
2022
- 2022-02-24 CN CN202210173953.2A patent/CN114236019B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006016311A (ja) * | 2004-06-30 | 2006-01-19 | Kao Corp | 高ホモシステイン血症改善剤 |
US20170056363A1 (en) * | 2007-02-08 | 2017-03-02 | Phenomenome Discoveries Inc. | Method of lowering cholesterol |
CN112798771A (zh) * | 2021-03-31 | 2021-05-14 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
CN113049715A (zh) * | 2021-03-31 | 2021-06-29 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
CN112798727A (zh) * | 2021-04-09 | 2021-05-14 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物f7及其应用 |
CN112834653A (zh) * | 2021-04-09 | 2021-05-25 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物f3及其应用 |
CN113433254A (zh) * | 2021-08-27 | 2021-09-24 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113447599A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113447601A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑梗死及脑白质病变的生物标志物及其应用 |
CN113447600A (zh) * | 2021-08-27 | 2021-09-28 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病患者患脑梗死的生物标志物及其应用 |
CN113495161A (zh) * | 2021-09-07 | 2021-10-12 | 宝枫生物科技(北京)有限公司 | 用于诊断缺血缺氧性脑病补充神经酸起效的生物标志物及其应用 |
CN113495160A (zh) * | 2021-09-07 | 2021-10-12 | 宝枫生物科技(北京)有限公司 | 用于诊断高原环境下的缺血缺氧性脑病补充神经酸起效的分子标志物及其应用 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049715A (zh) * | 2021-03-31 | 2021-06-29 | 宝枫生物科技(北京)有限公司 | 用于诊断脑白质病变的生物标志物及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN114236019B (zh) | 2022-05-06 |
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 | |
CN113049715B (zh) | 用于诊断脑白质病变的生物标志物及其应用 | |
CN112798771B (zh) | 用于诊断脑白质病变的生物标志物及其应用 | |
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 | |
KR20140043782A (ko) | 알츠하이머병의 증가된 위험도를 진단하는 방법 | |
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 | |
CN114236019B (zh) | 脑白质病变的生物标志物的应用 | |
CN110178035B (zh) | 2型糖尿病标志物及其用途 | |
CN114019061B (zh) | 用于帕金森病检测的生物标志物及其应用 | |
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 | |
CN114264757B (zh) | 脑白质病变的生物标志物组合及其应用 | |
CN114264756B (zh) | 用于诊断帕金森病的生物标志物r1及其应用 | |
CN114019079B (zh) | 诊断帕金森病的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 | |
CN114414818B (zh) | 用于肺尘埃沉着病检测的生物标志物的应用 | |
WO2023285462A1 (en) | Biomarkers for alzheimer's disease | |
WO2024108603A1 (zh) | 基于粪便代谢物的神经退行性疾病标志物及其应用 | |
CN114047263A (zh) | 代谢标志物在制备用于诊断ais的检测试剂或检测物的用途及试剂盒 | |
CN118090930A (zh) | 基于血液代谢物的阿尔茨海默症标志物及其应用 |
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 |