CN114813994A - 一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 - Google Patents
一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 Download PDFInfo
- Publication number
- CN114813994A CN114813994A CN202210278510.XA CN202210278510A CN114813994A CN 114813994 A CN114813994 A CN 114813994A CN 202210278510 A CN202210278510 A CN 202210278510A CN 114813994 A CN114813994 A CN 114813994A
- Authority
- CN
- China
- Prior art keywords
- serum
- metabolite
- seizure control
- control patients
- healthy
- 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
- 239000002207 metabolite Substances 0.000 title claims abstract description 78
- 210000002966 serum Anatomy 0.000 title claims abstract description 58
- 206010010904 Convulsion Diseases 0.000 title claims abstract description 40
- 239000003550 marker Substances 0.000 title claims abstract description 11
- 238000003745 diagnosis Methods 0.000 title abstract description 7
- 206010015037 epilepsy Diseases 0.000 claims abstract description 16
- 230000004069 differentiation Effects 0.000 claims abstract description 10
- 208000028329 epileptic seizure Diseases 0.000 claims abstract description 6
- GFYLSDSUCHVORB-IOSLPCCCSA-N 1-methyladenosine Chemical compound C1=NC=2C(=N)N(C)C=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O GFYLSDSUCHVORB-IOSLPCCCSA-N 0.000 claims abstract description 3
- 238000002790 cross-validation Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000002705 metabolomic analysis Methods 0.000 claims description 8
- 230000001431 metabolomic effect Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000001037 epileptic effect Effects 0.000 claims description 4
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 claims description 2
- 244000005700 microbiome Species 0.000 claims 1
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 abstract description 4
- BXLYSRPHVMCOPS-ACZMJKKPSA-N Ser-Ile Chemical compound CC[C@H](C)[C@@H](C(O)=O)NC(=O)[C@@H](N)CO BXLYSRPHVMCOPS-ACZMJKKPSA-N 0.000 abstract description 2
- 229940079593 drug Drugs 0.000 abstract description 2
- 239000003814 drug Substances 0.000 abstract description 2
- WGCNASOHLSPBMP-UHFFFAOYSA-N hydroxyacetaldehyde Natural products OCC=O WGCNASOHLSPBMP-UHFFFAOYSA-N 0.000 abstract description 2
- 239000006228 supernatant Substances 0.000 description 6
- 238000001946 ultra-performance liquid chromatography-mass spectrometry Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003068 pathway analysis Methods 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004885 tandem mass spectrometry Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- IABJARIUXBPDIK-MCDZGGTQSA-N (2r,3r,4s,5r)-2-(6-aminopurin-9-yl)-5-(hydroxymethyl)oxolane-3,4-diol;7h-purine Chemical compound C1=NC=C2NC=NC2=N1.C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O IABJARIUXBPDIK-MCDZGGTQSA-N 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 241000566145 Otus Species 0.000 description 1
- 208000008986 Pyridoxine-dependent epilepsy Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008499 blood brain barrier function Effects 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 210000001218 blood-brain barrier Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000036755 cellular response Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000001616 ion spectroscopy Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
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
- G01N30/62—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
- G01N30/8651—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
- 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
- G01N2030/022—Column chromatography characterised by the kind of separation mechanism
- G01N2030/027—Liquid chromatography
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明属于生物医药技术领域，具体涉及一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用。本发明提供了一种用于区别癫痫发作控制患者和健康人群的血清代谢物标志物(血清代谢物模型)，该血清代谢物组合由Serylisoleucine、1‑Methyladenosine、Heptaethylene glycol组成，所述代谢物在人体血清中富集。因此，本发明的代谢物区别模型在癫痫发作控制患者和健康对照者中实现了良好的区别能力。
Description
本发明属于生物医药技术领域，具体涉及一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用。
背景技术
癫痫是一种影响各个年龄人群的慢性非传染性疾病，全球每年大约有500万人被诊断为该神经系统疾病(WHO)。它的特征是具有产生癫痫发作的持久倾向，以及因此带来的神经生物学、认知、心理和社会后果。至此，癫痫没有容易获得的金标准，完整的病史和目击者的可靠叙述是诊断的关键。此外，癫痫的多态性以及各种因素也使得诊断更加复杂，从第一次未被识别的癫痫发作到出现癫痫发作的时间包含几周到几十年不等。不幸的是，癫痫的延迟就诊和误诊并不少见，并且具有潜在的破坏性。
代谢物是局部或全身细胞反应的结果，同时由于它可以穿过血脑屏障，因此可以代表中枢神经系统的生物现象的改变。Edward Beamer等人发现嘌呤腺苷及其分解产物的血液水平可以作为癫痫和癫痫发作的生物标志物。Udo Fh Engelke等人将代谢组学和红外离子光谱相结合，发现6-oxoPIP可作为诊断吡哆醇依赖性癫痫(PDE-ALDH7A1)的生物标志物。然而，大样本癫痫发作控制患者的代谢组学未被表征和研究。
基于以往的代谢组学的研究结果，我们试图通过大样本的血清代谢组学来进一步发现癫痫发作控制患者在微生态和代谢物方面的改变，并构建相关的生物标志物，为癫痫治疗提供广阔的理论基础。
发明内容
本发明提供了一种用于区别癫痫发作控制患者和健康人群的血清代谢物标志物(血清代谢物模型)，该血清代谢物组合由Serylisoleucine、1-Methyladenosine、Heptaethylene glycol组成，所述代谢物在人体血清中富集。
本发明还提供了血清代谢物标志物在制备癫痫发作控制患者与健康人群的区分检测试剂盒中的应用。
所述区分检测试剂盒适用于区别癫痫发作控制患者和健康人群。
所述血清代谢物标志物的检测方法为：对所述对象的血清进行检测，以便确定该样本是否包含所述的代谢物，是否可以建立区别癫痫发作控制患者和健康人群的代谢物模型。
通过收集入组对象的血清样本，得到血清提取物，完成非靶向代谢物组学，检测是否存在上述3种代谢物。
进一步的，通过收集入组对象的血清样本得到血清提取物，通过液相色谱质谱联用检测受试者的血清样本中所述血清代谢物组合的浓度水平；基于代谢物检测数据，在训练集中建立癫痫发作控制患者与健康人群的代谢物区别模型，建立癫痫患病率(probability of disease，POD)指数；POD指数在验证集中计算其区别能力，进行验证。
具体包括：
(1)收集入组对象的血清样本，入组对象包括22例癫痫发作控制患者和44例健康对照，用血清样本提取液处理来自受试者的血清样本，得到血清提取物，通过非靶向代谢组学技术检测血清代谢物浓度；
(2)基于非靶向代谢组学数据，在代谢物区别模型的训练集中，在22例癫痫发作控制患者和44例健康对照者之间，基于一个随机森林模型，通过一个五倍交叉验证的算法，鉴定了用于该模型的最佳的3个代谢物标志物；
(3)基于3个代谢物标志物，通过使用随机生成的决策树的比率来计算癫痫的患病率(Probability of disease,POD)指数；
(4)该代谢物区别模型在22例癫痫患者和44例健康对照者之间的区别能力达到100％，POD指数在癫痫患者中明显升高，两组之间有显著性差异(p＜0.0001)；
因此，本发明的血清代谢物区别模型在癫痫发作控制患者和健康对照人群中实现了良好的区别能力。
另外，还提供了一种用于区别癫痫发作控制患者和健康人群的血清代谢物模型的试剂盒。
本发明的具体操作步骤如下：
(1)按照前瞻性临床试验的设计原则，本发明的研究设计如图1所示。该研究方案得到了郑州大学第一附属医院伦理委员会的批准。所有入组的患者签署研究方案知情同意书和临床样本收集知情同意书。
(2)将使用普通血清管收集的每例全血在4℃下以10000rpm离心10分钟后收集上清液(200μL)，并储存在-80℃。
(3)去除上清液内蛋白沉淀及杂质后，在超高效液相色谱-质谱联UPLC-MS的正、负模式下分别上机检测采集信息，得到代谢物的MS和MS/MS信息。质量控制样品由随机挑选的20个样品的10μL上清液混合而成，用以评价UPLC-MS分析过程的重复性和稳定性。
(4)采用Progenesis QI(Waters Corporation，Milford,USA)软件进行数据预处理，并结合自建数据库、HMDB(http://www.hmdb.ca/)和Metlin(https://metlin.scripps.edu/)等数据库对代谢物注释，得到代谢物列表及数据矩阵。最终，结合T检验和VIP(由OPLS-DA得到)筛选出差异代谢物，进一步采用通路分析、关联分析、聚类分析等高级分析对差异代谢物的生物学信息进行可视化。
(5)在代谢物区别模型的训练集中，包括22例癫痫发作控制患者和44例健康对照。在一个随机森林模型(R软件3.4.1和随机森林软件包4.6–12)中采用五倍交叉验证的算法(除了设置“importance＝TRUE”之外，软件参数默认)进行代谢物标志物的筛选。采用五倍交叉验证的5次试验，获得了交叉验证错误曲线，其中最小的交叉验证错误点作为cut-off值使用。最小的交叉验证错误值加上对应值的标准差为cut-off值。筛选出小于cut-off值的错误率的OTUs标志物的集合，选择最小数目代谢物的集合作为最佳的代谢物标志物的集合，最终鉴定了用于该模型的最佳的3个代谢物标志物(图2)。
(6)通过使用随机生成的决策树的比率来计算患病率(Probability of disease,POD)指数。决策树预测样本为“E”，设置的参数预测为：proximity＝T,norm.votes＝T,predict.all＝TRUE。在LOO模式中构建的随机森林模型用于预测验证集中每一个样本的POD指数，最终计算每一个样本的平均预测的POD指数。
(7)使用R 3.3.0程序包中的pROC工具计算受试者工作曲线(ROC)，用来评估代谢物区别模型，曲线下面积(AUC)用于指定ROC的效应值。
(8)该微生物区别模型在22例癫痫发作控制患者和44例健康对照之间的区别能力达到99.4％(图4)，POD指数在癫痫发作控制患者中明显升高，两组之间有显著性差异(p＜0.0001)(图3)。
因此，本发明的代谢物区别模型在癫痫发作控制患者和健康对照者中实现了良好的区别能力。
附图说明
图1.一种用于区别癫痫发作控制患者和健康人群的血清代谢物模型的研究设计和临床应用；
图2.基于随机森林模型采用五倍交叉验证法鉴定的最佳的血清代谢物标志物；
图3.在22例癫痫发作控制患者和44例健康对照的训练集中，患病率(POD)指数在两组之间的表达差异；
图4.在22例癫痫发作控制患者和44例健康对照的训练集中，代谢物区别模型实现的区别效能；
具体实施方式
下面结合实施例对本发明作进一步的阐述，但本发明的保护内容不仅限于这些实施例。
下列实施例中所用方法如无特别说明，均为常规方法。下列实施例中所需要的材料或试剂，如无特殊说明均为公开商业途径获得。
本发明通过收集入组对象的血清代谢物样本，用血清样本提取液处理来自受试者的血清样本，得到血清提取物，通过非靶向代谢组学技术检测血清代谢物浓度。基于非靶向代谢组学数据，在训练集中建立癫痫发作控制患者和健康人群的代谢物区别模型，建立癫痫患病率(probability of disease，POD)指数；POD指数在验证集中计算其区别能力，进行验证。
其操作步骤如下：
(1)按照前瞻性临床试验的设计原则，本发明的研究设计如图1所示。该研究方案得到了郑州大学第一附属医院伦理委员会的批准。所有入组的患者签署研究方案知情同意书和临床样本收集知情同意书。
(2)将使用普通血清管收集的每例全血在4℃下以10000rpm离心10分钟后收集上清液(200μL)，并储存在-80℃。
(3)去除上清液内蛋白沉淀及杂质后，在超高效液相色谱-质谱联UPLC-MS的正、负模式下分别上机检测采集信息，得到代谢物的MS和MS/MS信息。质量控制样品由随机挑选的20个样品的10μL上清液混合而成，用以评价UPLC-MS分析过程的重复性和稳定性。
(4)采用Progenesis QI(Waters Corporation，Milford,USA)软件进行数据预处理，并结合自建数据库、HMDB(http://www.hmdb.ca/)和Metlin(https://metlin.scripps.edu/)等数据库对代谢物注释，得到代谢物列表及数据矩阵。最终，结合T检验和VIP(由OPLS-DA得到)筛选出差异代谢物，进一步采用通路分析、关联分析、聚类分析等高级分析对差异代谢物的生物学信息进行可视化。
(5)在代谢物区别模型的训练集中，包括22例癫痫发作控制患者和44例健康对照。在一个随机森林模型(R软件3.4.1和随机森林软件包4.6–12)中采用五倍交叉验证的算法(除了设置“importance＝TRUE”之外，软件参数默认)进行代谢物标志物的筛选。采用五倍交叉验证的5次试验，获得了交叉验证错误曲线，其中最小的交叉验证错误点作为cut-off值使用。最小的交叉验证错误值加上对应值的标准差为cut-off值。筛选出小于cut-off值的错误率的代谢物标志物的集合，选择最小数目代谢物的集合作为最佳的代谢物基因标志物的集合，最终鉴定了用于该模型的最佳的3个代谢物标志物(图2)。
(6)通过使用随机生成的决策树的比率来计算患病率(Probability of disease,POD)指数。决策树预测样本为“E”，设置的参数预测为：proximity＝T,norm.votes＝T,predict.all＝TRUE。在LOO模式中构建的随机森林模型用于预测验证集中每一个样本的POD指数，最终计算每一个样本的平均预测的POD指数。
(7)使用R 3.3.0程序包中的pROC工具计算受试者工作曲线(ROC)，用来评估代谢物区别模型，曲线下面积(AUC)用于指定ROC的效应值。
(8)该代谢物区别模型在22例癫痫发作控制患者和44例健康对照之间的区别能力达到100％(图4)，POD指数在癫痫发作控制患者中明显升高，两组之间有显著性差异(p＜0.0001)(图3)。
因此，本发明的血清代谢物区别模型在癫痫发作控制患者和健康人群中实现了良好的区别能力。
Claims (7)
1.一种用于区别癫痫发作控制患者和健康人群的血清代谢物标志物，由3种血清代谢物Serylisoleucine、1-Methyladenosine、Heptaethylene glycol组成，所述代谢物在血清中富集。
2.权利要求1所述血清代谢物标志物在制备癫痫发作控制患者与健康人群的区分检测试剂盒中的应用。
3.根据权利要求2所述的应用，其特征在于：所述试剂盒适用于区分癫痫发作控制患者与健康人群。
4.根据权利要求2所述的应用，其特征在于：所述血清代谢物标志物的检测方法为：对所述对象的血清进行检测，以便确定该样本是否包含所述的代谢物，是否可以建立区别癫痫发作控制患者与健康人群的血清代谢物模型。
5.根据权利要求4所述的应用，其特征在于：通过收集入组对象的血清样本，得到血清提取物，完成非靶向代谢物组学，检测是否存在权利要求1所述的3种代谢物。
6.根据权利要求5所述的应用，其特征在于：通过收集入组对象的血清样本，得到血清提取物，通过液相色谱质谱联用检测受试者的血清样本中所述血清代谢物组合的浓度水平；基于代谢物检测数据，在训练集中建立癫痫发作控制患者与健康人群的代谢物区别模型，建立癫痫患病率指数；POD指数在验证集中计算其区别能力，进行验证。
7.根据权利要求4所述的应用，其特征在于，具体包括：
(1)收集入组对象的血清样本，入组对象包括22例癫痫发作控制患者和44例健康对照，用血清样本提取液处理来自受试者的血清样本，得到血清提取物，通过非靶向代谢组学技术检测血清代谢物浓度；
(2)基于非靶向代谢组学数据，在代谢物区别模型的训练集中，在22例癫痫发作控制患者和44例健康对照者之间，基于一个随机森林模型，通过一个五倍交叉验证的算法，鉴定了用于该模型的最佳的3个代谢物标志物；
(3)基于3个代谢物标志物，通过使用随机生成的决策树的比率来计算癫痫的患病率指数；
(4)该微生物区别模型在22例癫痫发作控制患者和44例健康对照者之间的区别能力达到100％，POD指数在癫痫患者中明显升高，两组之间有显著性差异。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210278510.XA CN114813994B (zh) | 2022-03-16 | 2022-03-16 | 一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210278510.XA CN114813994B (zh) | 2022-03-16 | 2022-03-16 | 一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114813994A true CN114813994A (zh) | 2022-07-29 |
| CN114813994B CN114813994B (zh) | 2024-02-09 |
Family
ID=82531394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210278510.XA Active CN114813994B (zh) | 2022-03-16 | 2022-03-16 | 一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114813994B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115575646A (zh) * | 2022-11-21 | 2023-01-06 | 四川大学华西医院 | 一种代谢标志物组在制备预测癫痫发作的试剂盒中的用途 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013016700A1 (en) * | 2011-07-27 | 2013-01-31 | The Research Foundation Of State University Of New York | Methods for generating predictive models for epithelial ovarian cancer and methods for identifying eoc |
| CA2853202A1 (en) * | 2011-12-09 | 2013-06-13 | Metabolon, Inc. | Biomarkers for kidney cancer and methods using the same |
| CN103892454A (zh) * | 2014-03-18 | 2014-07-02 | 黄金珍 | 降压降脂电子烟雾化液及其制备方法 |
| CN104072562A (zh) * | 2014-07-15 | 2014-10-01 | 北京工商大学 | 一种乙氧基改性的含糖酰胺基的四硅氧烷及制法 |
| US20160305931A1 (en) * | 2015-04-17 | 2016-10-20 | Korea Institute Of Science And Technology | Multi-metabolites platform for diagnosis of acute coronary syndrome |
| CN109414109A (zh) * | 2016-06-29 | 2019-03-01 | 宝洁公司 | 用于取样齿龈代谢物的方法 |
| CN112834644A (zh) * | 2020-12-31 | 2021-05-25 | 郑州大学第一附属医院 | 膀胱癌相关的组合标志物和检测试剂盒 |
| CN112881547A (zh) * | 2021-01-12 | 2021-06-01 | 中国科学院大学宁波华美医院 | 一种肝硬化及肝炎人群早期肝癌诊断标志物的筛选方法 |
| CN112903851A (zh) * | 2021-01-22 | 2021-06-04 | 无锡市妇幼保健院 | 一种与妊娠期肝内胆汁淤积症辅助诊断相关的血清/血浆代谢分子标志物及其应用 |
-
2022
- 2022-03-16 CN CN202210278510.XA patent/CN114813994B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013016700A1 (en) * | 2011-07-27 | 2013-01-31 | The Research Foundation Of State University Of New York | Methods for generating predictive models for epithelial ovarian cancer and methods for identifying eoc |
| US20140156573A1 (en) * | 2011-07-27 | 2014-06-05 | The Research Foundation Of State University Of New York | Methods for generating predictive models for epithelial ovarian cancer and methods for identifying eoc |
| CA2853202A1 (en) * | 2011-12-09 | 2013-06-13 | Metabolon, Inc. | Biomarkers for kidney cancer and methods using the same |
| CN103892454A (zh) * | 2014-03-18 | 2014-07-02 | 黄金珍 | 降压降脂电子烟雾化液及其制备方法 |
| CN104072562A (zh) * | 2014-07-15 | 2014-10-01 | 北京工商大学 | 一种乙氧基改性的含糖酰胺基的四硅氧烷及制法 |
| US20160305931A1 (en) * | 2015-04-17 | 2016-10-20 | Korea Institute Of Science And Technology | Multi-metabolites platform for diagnosis of acute coronary syndrome |
| CN109414109A (zh) * | 2016-06-29 | 2019-03-01 | 宝洁公司 | 用于取样齿龈代谢物的方法 |
| CN112834644A (zh) * | 2020-12-31 | 2021-05-25 | 郑州大学第一附属医院 | 膀胱癌相关的组合标志物和检测试剂盒 |
| CN112881547A (zh) * | 2021-01-12 | 2021-06-01 | 中国科学院大学宁波华美医院 | 一种肝硬化及肝炎人群早期肝癌诊断标志物的筛选方法 |
| CN112903851A (zh) * | 2021-01-22 | 2021-06-04 | 无锡市妇幼保健院 | 一种与妊娠期肝内胆汁淤积症辅助诊断相关的血清/血浆代谢分子标志物及其应用 |
Non-Patent Citations (2)
| Title |
|---|
| 杨阳;王志鹏;高守红;张凤;李明明;仲人前;陈万生;: "代谢组学在结直肠癌肿瘤标志物发现中的研究进展", 药物分析杂志, no. 06 * |
| 邓竣;焦晓;尚丹清;倪婕;应元琳;肖波;周文斌;杨欢;李静;: "视神经脊髓炎谱系疾病非靶标代谢组学研究", 中国医师杂志, no. 11 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115575646A (zh) * | 2022-11-21 | 2023-01-06 | 四川大学华西医院 | 一种代谢标志物组在制备预测癫痫发作的试剂盒中的用途 |
| CN115575646B (zh) * | 2022-11-21 | 2023-04-28 | 四川大学华西医院 | 一种代谢标志物组在制备预测癫痫发作的试剂盒中的用途 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114813994B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lopez et al. | High-resolution serum proteomic profiling of Alzheimer disease samples reveals disease-specific, carrier-protein–bound mass signatures | |
| CN110057955B (zh) | 乙型肝炎特异性血清标志物的筛选方法 | |
| CN111430027B (zh) | 基于肠道微生物的双相情感障碍生物标志物及其筛选应用 | |
| CN110139702A (zh) | 利用基质辅助激光解吸/离子化飞行时间质谱仪进行分类数据操控 | |
| CN111020020A (zh) | 一种精神分裂症的生物标志物组合、其应用及metaphlan2筛选方法 | |
| CN111279193B (zh) | 白塞氏病诊断试剂盒及检测尿中代谢物差异的方法 | |
| CN114813994A (zh) | 一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用 | |
| CN114854859A (zh) | 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法 | |
| CN112798678A (zh) | 基于血清的新型冠状病毒感染快速检测方法 | |
| CN114965730A (zh) | 一种用于癫痫患者无创诊断的血清代谢物标志物及其应用 | |
| CN114822827B (zh) | 一种慢性阻塞性肺疾病急性加重预测系统和预测方法 | |
| CN115206420B (zh) | 一种精神分裂症异常基因-代谢调控网络的构建方法及应用 | |
| CN114791459B (zh) | 用于检测肺结核的血清代谢标志物及其试剂盒 | |
| CN114778656B (zh) | 用于检测耐药性肺结核的血清代谢标志物及其试剂盒 | |
| CN110568196A (zh) | 尿液中低级别胶质瘤相关的代谢标志物及其应用 | |
| CN115927588A (zh) | 一种用于新型冠状病毒感染患者无创诊断的口腔真菌微生物基因标志物及其应用 | |
| CN114428169A (zh) | 代谢标志物及在制备慢性肾病的风险预测试剂盒中的应用和试剂盒 | |
| EP3803410B1 (en) | Method of performing differential diagnosis of neurodegenerative diseases in a subject | |
| US20210293831A1 (en) | Method of Performing Differential Diagnosis of Neurodegenerative Diseases in a Subject | |
| CN108548883A (zh) | 用于早期发现与预警肝损伤的生物标志物、方法及应用 | |
| CN114250288B (zh) | Dna甲基化特征和前脉冲抑制特征在精神分裂症诊断中的应用 | |
| CN111613327B (zh) | 利用基于logistic回归的多发性骨髓瘤诊断模型开发的系统及其应用 | |
| CN118483437B (zh) | 区分普通高血压与难治性高血压的生物标志物及其应用 | |
| WO2023233310A1 (en) | Method for determining the prognostic score in patients with metastatic renal carcinoma | |
| CN117637160A (zh) | 一种肌萎缩侧索硬化症预测及预后评估系统 |
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 |