CN115754260A - 一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 - Google Patents
一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 Download PDFInfo
- Publication number
- CN115754260A CN115754260A CN202111024844.6A CN202111024844A CN115754260A CN 115754260 A CN115754260 A CN 115754260A CN 202111024844 A CN202111024844 A CN 202111024844A CN 115754260 A CN115754260 A CN 115754260A
- Authority
- CN
- China
- Prior art keywords
- disease
- alzheimer
- model
- fecal
- analysis
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供了一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用,所述阿尔兹海默症粪便代谢标志物包括牛磺酸和/或胆酸。检测待测粪便样本和正常粪便样本的所述牛磺酸和/或胆酸的含量,并通过数据转换、校正及模型分析,得到差异对比分析结果,以预测个体发生阿尔兹海默症的风险。本发明以牛磺酸和/或胆酸两种代谢物作为标志物,用于阿尔兹海默症的症状辅助判断,具有检测精确度高、灵敏性好、方便快捷以及安全无创的优点,对阿尔兹海默症相关指标的辅助诊断具有重要的临床指导意义。
Description
技术领域
本发明属于生物技术领域,涉及一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用。
背景技术
阿尔兹海默症(Alzheimer disease,AD),又称老年痴呆症,是一种发生于老年期的进行性发展的中枢神经系统退行性变性疾病,以渐进性记忆障碍及认知功能下降和日常生活能力丧失为特征,伴随人格改变等神经精神症状,严重影响社交与生活功能,已成为影响全球的重大公共健康问题。痴呆症大多于65岁后发病,然而随着社会发展,人们生活节奏加快、工作压力大且饮食与作息不规律,导致AD的患病人群日趋年轻化,发病最低年龄已降至40岁。由于阿尔兹海默症发病机制尚未完全明确,加上其早期症状比较隐秘,阿尔兹海默症患者容易被漏诊或错诊。因此寻找高灵敏度、高准确性的生物标志物,对于阿尔兹海默症的早期诊断和药物干预具有重要的现实意义。
最近研究发现多种神经类疾病如帕金森、抑郁症、自闭症等与肠道菌群失衡有关,并且80%以上AD患者存在肠道菌群失衡的现象,提示肠道菌群稳态与AD等神经退行性疾病的发病进程密切相关。
CN110333310A公开了一组用于诊断受试者中的AD或确定受试者中发生AD的风险的生物标志物,包括胆酸、鹅脱氧胆酸、别胆酸、吲哚-3-乳酸及色氨酸,通过血浆样本收集→血浆样本预处理→超高效液相色谱质谱分析的方法,对AD患者的血浆指纹图谱分析,来检测上述五种诊断标志物的含量,从而应用于AD的诊断,具有准确度高、检测速度快的优点。但该研究中并没有探究肠道菌群失衡与AD发病的联系。
CN112708686A公开了一种神经损伤检测试剂盒,包括:检测铜绿假单胞菌、韦荣球菌和消化链球菌丰度试剂中的任意一种,通过检测特定菌群的变化,可以实现神经损伤的诊断,对寻找可用来进行神经损伤早期诊断的微生物标志物具有重要的意义。但该研究中并未通过特定菌群的变化特异性诊断或预防AD。
CN108441551A公开了一种精神障碍的生物标志物,包括A lzhemed抗淀粉样蛋白、C-氨基丁酸衍生物、兴奋性氨基酸受体拮抗剂、胆碱酯酶抑制酶、单胺氧化酶抑制酶、单胺能受体激动剂、麦角生物碱和盐酸司来吉兰,通过检测肠道微生物的生物标志物用于对精神障碍类易感或高发人群进行筛查,为心理疾患的早期诊断提供了重要的生物学检测指标。但该研究中并没有公开所述生物标志物在AD诊断中的应用。
基于以上报道,AD患者的肠道菌群失衡可能与机体外周代谢紊乱的发生有重要关联,而机体外周代谢的紊乱又可能通过血液循环进一步导致中枢神经系统代谢紊乱。随着衰老及年龄增长,肠黏膜屏障的通透性增加会导致一些机会致病菌和其代谢产物穿过屏障入侵内部组织器官,从而诱发慢性肠道及全身炎症。但以上报道并没有针对AD诊断与菌群稳态之间的关系做出具体的说明。
因此,研究肠道菌群代谢稳态与AD发病的关系,基于粪便代谢物所筛选出的AD早期诊断生物标志物,预期可以提高AD诊断的准确性,有助于疾病的早期预警、病理分型以及发展阶段的预测评估。
发明内容
针对现有技术的不足,本发明提供一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用,能够用于阿尔兹海默症的症状辅助判断。
为达到此发明目的,本发明采用以下技术方案:
第一方面,本发明提供一种阿尔兹海默症粪便代谢标志物,所述阿尔兹海默症粪便代谢标志物包括牛磺酸(Taurine)和/或胆酸(Cholic acid)。
牛磺酸和胆酸同属于脂质代谢途径中的初级胆汁生物合成途径。在肝细胞内,以胆固醇为原料直接合成初级胆汁酸,包括胆酸和鹅脱氧胆酸。初级胆汁酸可以与甘氨酸或牛磺酸结合,生成结合型初级胆汁酸,包括甘氨胆酸、甘氨鹅脱氧胆酸,牛磺胆酸及牛磺鹅脱氧胆酸。初级胆汁酸在肠道中受细菌作用,进行7-ɑ脱羟作用生成次级胆汁酸,包括脱氧胆酸和石胆酸。肠道中的各种胆汁酸平均有95%被肠壁重吸收,其余的随粪便排出。
本发明采用牛磺酸和/或胆酸作为AD粪便代谢标志物,通过进行待测粪便样本与正常粪便样本中两种代谢物定性定量的对比分析,当待测粪便样本中两种代谢物的水平显著高于正常样本时,表明待测粪便样本体内代谢出现异常,因此,将所述粪便代谢标志物用于判断或辅助判断个体阿尔兹海默症患病情况,不仅简单快速,安全无创,且准确度高,对AD临床的早期筛查和诊断具有重要意义。
其中,根据现有的实验数据,选择牛磺酸和胆酸的组合作为阿尔兹海默症粪便代谢标志物,当待测粪便样本与正常粪便样本中所述牛磺酸的含量比值大于等于8.51,胆酸比值大于等于3.96,则判定所述个体(所述个体为提供样本的个体,可以是人、小鼠或其他模型动物等)患有阿尔兹海默症。
优选地,选择牛磺酸作为阿尔兹海默症粪便代谢标志物,当待测粪便样本与正常粪便样本中所述牛磺酸的含量比值大于等于8.51,则判定所述个体患有阿尔兹海默症。
优选地,选择胆酸作为阿尔兹海默症粪便代谢标志物,当待测粪便样本与正常粪便样本中所述胆酸的含量比值大于等于3.96,则判定所述个体患有阿尔兹海默症。
需要说明的是,此处用于判断的比值是发明人基于现有的检测数据得到的结论,若是有更加丰富的样本数据,该比值可以根据实际的情况进行修正。
第二方面,本发明提供一种如第一方面所述的阿尔兹海默症粪便代谢标志物的筛选方法,所述筛选方法包括:
检测来自患有阿尔茨海默病个体与正常个体的粪便样本中代谢物的含量,筛选与阿尔兹海默症疾病进展呈正相关的代谢物,所得代谢物即为阿尔兹海默症粪便代谢标志物;
优选地,所述筛选与阿尔兹海默症疾病进展呈正相关的代谢物的步骤中,以代谢物的变量权重值和p值进行筛选。
VIP值能够用于衡量各代谢物的表达模式对各组样本分类判别的影响强度和解释能力,挖掘具有生物学意义的差异脂质分子。通常VIP>1的代谢物被认为在模型解释中具有显著贡献。
P值作为判定假设检验结果的参数,以P<0.05判定差异具有统计学意义。本发明分别采集9月龄的APP/PS1转基因模型小鼠的粪便样本以及9月龄的WT模型小鼠的粪便样本,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的粪便样本作为实验组,WT模型小鼠的粪便样本作为对照组,并且实验组和对照组中的样本数量n均可以为10或其他数量。对实验组和对照组代谢物进行定性定量分析。组间差异对比分析结果显示实验组牛磺酸和胆酸的VIP值均大于10,且p值均小于0.05,表明牛磺酸和胆酸两种代谢物对于AD疾病的区分具有重要作用。综合考虑检测的经济成本和时间成本,本发明采用牛磺酸和/或胆酸代谢物作为检测指标用于构建预测AD测阿尔兹海默症患病风险的模型。
第三方面,本发明提供一种如第一方面或第二方面所述的阿尔兹海默症粪便代谢标志物的应用,其特征在于,包括如下任意一种或至少两种应用方式的组合:
应用于构建预测阿尔兹海默症患病风险的模型;
应用于治疗或预防阿尔兹海默症的药物;
应用于阿尔兹海默症的诊断试剂盒。
第四方面,本发明提供一种预测阿尔兹海默症患病风险的模型,所述模型的输入变量为待测粪便样本中的如第一方面所述阿尔兹海默症粪便代谢标志物的含量,所述模型的输出变量为阿尔兹海默症患病风险的评估结果。
本发明中,以第一方面所述阿尔兹海默症粪便代谢标志物的含量为输入变量,通过模型的运算,输出阿尔兹海默症患病风险的评估结果。通常情况下,本领域技术人员通过提高输入变量的数量提高模型的检测灵敏度,耗时耗力,而本发明通过选择牛磺酸和胆酸两种特定代谢物作为标志物,既可以保证检测灵敏度,同时可以兼容多种检测手段,多数科研院所或医院均可进行操作,辅助临床诊断及预后。
优选地,所述阿尔兹海默症粪便代谢标志物的含量测定方法包括采用超高效液相色谱-串联飞行时间质谱联用仪进行检测。
第五方面,本发明提供一种如第四方面所述的预测阿尔兹海默症患病风险的模型的构建方法,包括如下步骤:
(1)分别检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量;
(2)将步骤(1)得到的数据进行转换分析,得到所述预测阿尔兹海默症患病风险的模型。
优选地,所述转换分析的步骤包括:将步骤(1)中所述阿尔兹海默症粪便代谢标志物的含量作为输入变量,输入转化模型、校正模型和分析模型,构建得到所述预测阿尔兹海默症患病风险的模型。
优选地,所述分析模型采用的分析方法包括单变量统计分析、多维统计分析、差异代谢物筛选、差异代谢物相关性分析或KEGG通路分析中的任意一种或至少两种的组合。
优选地,所述分析模型包括OPLS-DA模型。
本发明中,优选OPLS-DA回归模型,训练模型的方法为本领域常用的技术手段,无需特殊限定,通过训练模型得到预测效果最佳的模型,存储后可直接用于待测样本的预测分析。
第六方面,本发明提供一种鉴定患有或有风险发生阿尔兹海默症的个体的装置,所述装置包括:
检测单元,用于检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量;
分析和评估单元,包括如第四方面所述的预测阿尔兹海默症患病风险的模型,所述分析和评估单元将所述检测单元的检测结果作为输入变量,并进行分析,最后输出分析结果,根据所述分析结果判断个体的阿尔兹海默症患病风险。
优选地,所述分析结果包括如权利要求2所述待测粪便样本和所述正常粪便样本的阿尔兹海默症粪便代谢标志物含量的比值。
优选地,所述判断个体的阿尔兹海默症患病风险的标准为:待测粪便样本与正常粪便样本的牛磺酸比值大于等于8.51,胆酸比值大于等于3.96。
第七方面,本发明提供一种阿尔兹海默症诊断试剂盒,所述阿尔兹海默症诊断试剂盒包括检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量的试剂。
相对于现有技术,本发明具有以下有益效果:
(1)本发明提供一种阿尔兹海默症粪便代谢标志物,所述代谢标志物为牛磺酸和/或胆酸,能够用于阿尔兹海默症的症状辅助判断;
(2)本发明提供一种阿尔兹海默症粪便代谢标志物的筛选方法,通过对比分析,能够得到特定的、有区分作用的代谢标志物,指导肠道菌群环境的调整;
(3)本发明提供一种鉴定患有或有风险发生阿尔兹海默症的个体的装置,通过检测阿尔兹海默症粪便代谢标志物的含量,配合分析和评估单元,协助阿尔兹海默症早期筛查,指导肠道菌群环境的调整,简单快速,安全无创,具有重要的临床指导意义。
附图说明
图1是本申请实施例中AD组小鼠(FTG-1-1至FTG-1-10)与WT组小鼠(FWT-1-1至FWT-1-10)牛磺酸代谢物的质谱图。
图2是本申请实施例中AD组小鼠(FTG-1-1至FTG-1-10)与WT组小鼠(FWT-1-1至FWT-1-10)胆酸代谢物的质谱图。
图3是本申请实施例中AD组小鼠(CTG-1-1至FTG-1-10)与WT组小鼠(CWT-1-1至FWT-1-10)甘氨酸代谢物的质谱图。
具体实施方式
下面通过具体实施方式来进一步说明本发明的技术方案。本领域技术人员应该明了,所述实施例仅仅是帮助理解本发明,不应视为对本发明的具体限制。
实验材料:
APP/PS1转基因模型小鼠(其中,APP为myloid beta(A4)precursor protein的缩写,是位于21号染色体的基因;PS1为Presenilin-1的缩写,是位于内质网和高尔基体上的基因),WT模型小鼠(其中,WT为Wide type的缩写,指野生模型)均购自本领域常规生产厂商。
实验仪器:
以下实施例中,所用液相色谱系统为Agilent 1290 Infinity LC超高效液相色谱系统(UHPLC),所用色谱柱为HILIC色谱柱;
所用质谱系统为AB Triple TOF 6600质谱仪。
以下实施例中采用的材料不限于上述列举,可用其他同类材料替代,仪器未注明具体条件的,按照常规条件,或按照制造厂商所建议的条件,本领域技术人员应当掌握使用常规材料及仪器的相关知识。
实施例1
本实施例中分别采集9月龄APP/PS1转基因模型小鼠的粪便样本以及9月龄的WT模型小鼠的粪便样本,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的粪便样本作为实验组,WT模型小鼠的粪便样本作为对照组,并且实验组和对照组中的样本数量n均可以为10或其他数量。对实验组和对照组代谢物进行定性定量分析。
具体操作步骤如下:
可以将实验组和对照组中的粪便样本均进行如下的处理。
粪便样本采集后放干冰上速冻,然后放于-80℃冰箱保存。
然后,将粪便样本在4℃环境下缓慢解冻后,取适量粪便样本加入预冷甲醇/乙腈/水溶液(2:2:1,v/v),涡旋混合,低温超声30min,-20℃静置10min,14000g4℃下,离心20min,取上清真空干燥,质谱分析时加入100μL乙腈水溶液(乙腈:水=1:1,v/v)复溶,涡旋,14000g 4℃下,离心15min,取上清液作为待测样品进样分析。
色谱条件:将上述待测样品采用Agilent 1290 Infinity LC超高效液相色谱系统(UHPLC)HILIC色谱柱进行分离;柱温25℃;流速0.5mL/min;进样量2μL;流动相组成A:水+25mM乙酸铵+25mM氨水,B:乙腈;梯度洗脱程序如下:0-0.5min,95%B;0.5-7min,B从95%线性变化至65%;7-8min,B从65%线性变化至40%;8-9min,B维持在40%;9-9.1min,B从40%线性变化至95%;9.1-12min,B维持在95%;整个分析过程中样品置于4℃自动进样器中。为避免仪器检测信号波动而造成的影响,采用随机顺序进行待测样品的连续分析。待测样品队列中插入QC样品,用于监测和评价系统的稳定性及实验数据的可靠性。
Q-TOF质谱条件:采用AB Triple TOF 6600质谱仪进行样本一级、二级谱图的采集。HILIC色谱分离后的ESI源条件如下:离子源气体(离子源气体1:60,离子源气体2:60),幕气:30,源温度:600℃,离子空间电压浮动±5500V(正负两种模式);飞行时间质谱扫描m/z范围:60-1000Da,产品离子扫描m/z范围:25-1000Da,飞行时间质谱扫描累积时间:0.20s/spectra,产品离子扫描累积时间:0.05s/spectra;二级质谱采用信息依赖获取,并且采用高灵敏度模式,去簇电压:±60V(正负两种模式),碰撞能量:35±15eV,信息依赖获取设置如下:排除4Da范围内的同位素4Da,每个周期监测的候选离子:10。
将采集到的Wiff格式的原始数据经ProteoWizard转换成mzXML格式,然后采用XCMS软件进行峰对齐、保留时间校正和提取峰面积。
对XCMS提取得到的数据首先进行代谢物结构鉴定、数据预处理,然后进行实验数据质量评价,最后再进行数据分析。
数据分析内容包括:单变量统计分析、多维统计分析、差异代谢物筛选、差异代谢物相关性分析和KEGG通路分析。
所得组间差异对比分析结果如图1和图2所示(其中FWT-1-1至FWT-1-10表示对照组中WT模型小鼠的编号,FTG-1-1至FTG-1-10表示实验组中APP/PS1转基因模型小鼠的编号),实验组的牛磺酸和胆酸两种代谢物的水平显著高于对照组,表明这两种粪便代谢物与阿尔兹海默症的发展进程息息相关。其中,实验组与对照组的粪便代谢物比较结果如表1所示:
表1
实验组的牛磺酸和胆酸两种粪便代谢物的VIP值都较大,均大于10,且p值均小于0.05,表明这两种粪便代谢物对模型的区分具有重要作用。
实施例2
本实施例中,为了研究肠道菌群代谢物水平变化与AD大脑代谢变化的关联,分别采集9月龄APP/PS1转基因模型小鼠的大脑皮层样品以及9月龄的WT模型小鼠的大脑皮层样品,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的大脑皮层样品作为实验组,WT模型小鼠的大脑皮层样品作为对照组,并且实验组和对照组中的样品数量n均可以为10或其他数量,对实验组和对照组代谢物进行定性定量分析。
具体操作步骤如下:
可以将实验组和对照组中的大脑皮层样品均进行如下的处理。
大脑皮层样品采集后放干冰上速冻,然后放于-80℃冰箱保存。
然后,将大脑皮层样品在4℃环境下缓慢解冻后,取适量大脑皮层样品加入预冷甲醇/乙腈/水溶液(2:2:1,v/v),涡旋混合,低温超声30min,-20℃静置10min,14000g 4℃下,离心20min,取上清真空干燥,质谱分析时加入100μL乙腈水溶液(乙腈:水=1:1,v/v)复溶,涡旋,14000g 4℃下,离心15min,取上清液作为待测样品进样分析。
色谱条件:将上述待测样品采用Agilent 1290 Infinity LC超高效液相色谱系统(UHPLC)HILIC色谱柱进行分离;柱温25℃;流速0.5mL/min;进样量2μL;流动相组成A:水+25mM乙酸铵+25mM氨水,B:乙腈;梯度洗脱程序如下:0-0.5min,95%B;0.5-7min,B从95%线性变化至65%;7-8min,B从65%线性变化至40%;8-9min,B维持在40%;9-9.1min,B从40%线性变化至95%;9.1-12min,B维持在95%;整个分析过程中样品置于4℃自动进样器中。为避免仪器检测信号波动而造成的影响,采用随机顺序进行待测样品的连续分析。待测样品队列中插入QC样品,用于监测和评价系统的稳定性及实验数据的可靠性。
Q-TOF质谱条件:采用AB Triple TOF 6600质谱仪进行样本一级、二级谱图的采集。HILIC色谱分离后的ESI源条件如下:离子源气体(离子源气体1:60,离子源气体2:60),幕气:30,源温度:600℃,离子空间电压浮动±5500V(正负两种模式);飞行时间质谱扫描m/z范围:60-1000Da,产品离子扫描m/z范围:25-1000Da,飞行时间质谱扫描累积时间:0.20s/spectra,产品离子扫描累积时间:0.05s/spectra 0.05s/spectra;二级质谱采用信息依赖获取获得,并且采用高灵敏度模式,去簇电压:±60V(正负两种模式),碰撞能量:35±15eV,信息依赖获取设置如下排除4Da范围内的同位素4Da,每个周期监测的候选离子:10。
将采集到的Wiff格式的原始数据经ProteoWizard转换成mzXML格式,然后采用XCMS软件进行峰对齐、保留时间校正和提取峰面积。
对XCMS提取得到的数据首先进行代谢物结构鉴定、数据预处理,然后进行实验数据质量评价,最后再进行数据分析。
数据分析内容包括:单变量统计分析、多维统计分析、差异代谢物筛选、差异代谢物相关性分析、KEGG通路分析。
所得组间差异对比分析结果如图3所示(其中CWT1-1至CWT1-10表示对照组中WT模型小鼠的编号,CTG-1-1至CTG-1-10表示实验组中APP/PS1转基因模型小鼠的编号),实验组的大脑皮层样品的甘氨酸(Glycine)代谢物水平显著高于对照组,表明与牛磺酸和胆酸同属于初级胆汁酸生物合成途径中的甘氨酸代谢物水平会受到牛磺酸和胆酸两种粪便代谢物的水平变化的影响。其中,实验组与对照组的甘氨酸代谢物比较结果如表1所示:
表2
实验组中甘氨酸代谢物的VIP值大于1,且p值小于0.05,表明牛磺酸和胆酸两种粪便代谢物水平变化会影响AD大脑皮层样品中甘氨酸代谢物的水平,从而反映AD脑中相关代谢通路的异常,对临床早期诊断具有重要意义。
实施例3
本实施例中选择牛磺酸和胆酸作为粪便代谢标志物,构建阿尔兹海默症患病风险评估模型。
选择牛磺酸和胆酸作为粪便代谢标志物,采集APP/PS1转基因模型小鼠与WT模型小鼠的粪便样本,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的粪便样本作为实验组,WT模型小鼠的粪便样本作为对照组,采用超高效液相色谱-串联飞行时间质谱联用仪(UHPLC-Q-TOF MS)检测实验组和对照组中的代谢物;
将检测得到的代谢物含量作为输入变量,并依次进行数据转换和校正,利用OPLS-DA模型进行数据分析,对阿尔兹海默症的发病风险进行预测,训练得到最佳评估模型;
由所得评估模型可知,当APP/PS1转基因模型小鼠的粪便样本和WT模型小鼠的粪便样本中牛磺酸含量的比值≥8.51,胆酸含量的比值≥3.96时,用于检测的APP/PS1转基因模型小鼠则被认为患有阿尔兹海默症;
需要注意,当APP/PS1转基因模型小鼠的粪便样本和WT模型小鼠的粪便样本中牛磺酸含量的比值没有同时大于1时,APP/PS1转基因模型小鼠的粪便样本需要进行重新检测或采用更加精确的检测手段,以获得更准确的分析结果。
实施例4
本实施例中选择牛磺酸作为粪便代谢标志物,构建阿尔兹海默症患病风险评估模型。
选择牛磺酸作为粪便代谢标志物,采集APP/PS1转基因模型小鼠与WT模型小鼠的粪便样本,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的粪便样本作为实验组,WT模型小鼠的粪便样本作为对照组,采用超高效液相色谱-串联飞行时间质谱联用仪(UHPLC-Q-TOF MS)实验组和对照组中的代谢物;
将检测得到的代谢物含量作为输入变量,并依次进行数据转换和校正,利用OPLS-DA模型进行数据分析,对阿尔兹海默症的发病风险进行预测,训练得到最佳评估模型;
由所得评估模型可知,当APP/PS1转基因模型小鼠的粪便样本和WT模型小鼠的粪便样本中牛磺酸含量的比值≥8.51时,用于检测的APP/PS1转基因模型小鼠则被认为患有阿尔兹海默症。
实施例5
本实施例中选择胆酸作为粪便代谢标志物,构建阿尔兹海默症患病风险评估模型。
选择胆酸作为粪便代谢标志物,采集APP/PS1转基因模型小鼠与WT模型小鼠的粪便样本,其中,APP/PS1转基因模型小鼠为AD模型小鼠,WT模型小鼠为正常的小鼠。因此将APP/PS1转基因模型小鼠的粪便样本作为实验组,WT模型小鼠的粪便样本作为对照组,采用超高效液相色谱-串联飞行时间质谱联用仪(UHPLC-Q-TOF MS)检测实验组和对照组中的代谢物;
将检测得到的代谢物含量作为输入变量,并依次进行数据转换和校正,利用OPLS-DA模型进行数据分析,对阿尔兹海默症的发病风险进行预测,训练得到最佳评估模型;
由所得评估模型可知,当APP/PS1转基因模型小鼠的粪便样本和WT模型小鼠的粪便样本中胆酸含量的比值≥3.96时,用于检测的APP/PS1转基因模型小鼠则被认为患有阿尔兹海默症。
本发明中,采用牛磺酸和胆酸作为粪便代谢标志物构建得到的阿尔兹海默症患病风险评估模型,与单独采用牛磺酸或胆酸构建得到的AD患病风险评估模型相比,由于采用了两种标志物同时进行评估,其模型预测分析结果更为精准。
综上所述,建议采用牛磺酸和胆酸的组合作为粪便代谢标志物,构建阿尔兹海默症患病风险评估模型,以更好的进行阿尔兹海默症的早期筛查,以及协助诊断阿尔兹海默症。
申请人声明,以上所述仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,所属技术领域的技术人员应该明了,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,均落在本发明的保护范围和公开范围之内。
Claims (10)
1.一种阿尔兹海默症粪便代谢标志物,其特征在于,所述阿尔兹海默症粪便代谢标志物包括牛磺酸和/或胆酸。
2.根据权利要求1所述的阿尔兹海默症粪便代谢标志物,其特征在于,待测粪便样本与正常粪便样本中所述牛磺酸和/或胆酸的含量比值,用于判断或辅助判断所述待测粪便样本所对应个体阿尔兹海默症的患病情况。
3.一种如权利要求1或2所述的阿尔兹海默症粪便代谢标志物的筛选方法,其特征在于,所述筛选方法包括:
检测患有阿尔茨海默病个体与正常个体的粪便样本中粪便代谢物的含量,以筛选出与阿尔兹海默症疾病进展呈正或负相关的粪便代谢物,并将所筛选得到的粪便代谢物作为阿尔兹海默症粪便代谢标志物;
优选地,所述筛选与阿尔兹海默症疾病进展呈正相关的代谢物的步骤中,以所述代谢物的变量权重值和p值进行筛选。
4.一种如权利要求1或2所述的阿尔兹海默症粪便代谢标志物的应用,其特征在于,包括如下任意一种或至少两种应用方式的组合:
应用于构建预测阿尔兹海默症患病风险的模型;
应用于治疗或预防阿尔兹海默症的药物;
应用于阿尔兹海默症的诊断试剂盒。
5.一种预测阿尔兹海默症患病风险的模型,其特征在于,所述模型的输入变量为如权利要求1或2所述阿尔兹海默症粪便代谢标志物的含量,所述模型的输出变量为阿尔兹海默症患病风险的评估结果。
6.一种如权利要求5所述的预测阿尔兹海默症患病风险的模型的构建方法,其特征在于,所述构建方法包括如下步骤:
(1)分别检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量;
(2)将步骤(1)得到的数据进行转换分析,得到所述预测阿尔兹海默症患病风险的模型;
优选地,步骤(2)所述转换分析的步骤包括:将步骤(1)中所述阿尔兹海默症粪便代谢标志物的含量作为输入变量,输入转化模型、校正模型和分析模型,构建得到所述预测阿尔兹海默症患病风险的模型。
7.根据权利要求6所述的构建方法,其特征在于,所述预测阿尔兹海默症患病风险的模型采用的分析方法包括单变量统计分析、多维统计分析、差异代谢物筛选、差异代谢物相关性分析或KEGG通路分析中的任意一种或至少两种的组合;
优选地,所述分析模型包括OPLS-DA模型。
8.一种鉴定患有或有风险发生阿尔兹海默症的个体的装置,其特征在于,所述装置包括:
检测单元,分别检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量;
分析和评估单元,包括如权利要求5所述的预测阿尔兹海默症患病风险的模型,所述分析和评估单元将所述检测单元的检测结果作为输入变量,并进行分析,最后输出分析结果,根据所述分析结果判断个体的阿尔兹海默症患病风险。
9.根据权利要求8所述的装置,其特征在于,所述分析结果包括如权利要求2所述待测粪便样本和所述正常粪便样本的阿尔兹海默症粪便代谢标志物含量的比值;
优选地,所述判断个体的阿尔兹海默症患病风险的标准为:待测粪便样本与正常粪便样本的牛磺酸比值大于等于8.51,胆酸比值大于等于3.96。
10.一种阿尔兹海默症诊断试剂盒,其特征在于,所述阿尔兹海默症诊断试剂盒包括检测如权利要求2所述待测粪便样本中阿尔兹海默症粪便代谢标志物的含量的试剂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111024844.6A CN115754260A (zh) | 2021-09-02 | 2021-09-02 | 一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111024844.6A CN115754260A (zh) | 2021-09-02 | 2021-09-02 | 一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115754260A true CN115754260A (zh) | 2023-03-07 |
Family
ID=85332323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111024844.6A Pending CN115754260A (zh) | 2021-09-02 | 2021-09-02 | 一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115754260A (zh) |
-
2021
- 2021-09-02 CN CN202111024844.6A patent/CN115754260A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016204969B2 (en) | Metabolic biomarkers of autism | |
LeWitt et al. | 3‐hydroxykynurenine and other Parkinson's disease biomarkers discovered by metabolomic analysis | |
US20050101023A1 (en) | Methods for diagnosing urinary tract and prostatic disorders | |
CN111289736A (zh) | 基于代谢组学的慢阻肺早期诊断标志物及其应用 | |
KR20140043782A (ko) | 알츠하이머병의 증가된 위험도를 진단하는 방법 | |
WO2022206264A1 (zh) | 用于诊断和治疗脑白质病变的方法及其应用 | |
JP2020517935A (ja) | 代謝物分析を利用したベーチェット病の診断方法 | |
Barco et al. | Plasma free metanephrines for diagnosis of neuroblastoma patients | |
Liang et al. | High-throughput metabolic profiling for discovering metabolic biomarkers of sepsis-induced acute lung injury | |
Cui et al. | Specific sweat metabolite profile in ocular Behcet’s disease | |
CN111279193B (zh) | 白塞氏病诊断试剂盒及检测尿中代谢物差异的方法 | |
Liang et al. | Novel liquid chromatography-mass spectrometry for metabolite biomarkers of acute lung injury disease | |
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 | |
KR101504000B1 (ko) | 퇴행성 신경질환 진단용 마커 및 그 용도 | |
CN115754260A (zh) | 一种阿尔兹海默症粪便代谢标志物及其筛选方法和应用 | |
CN115389771A (zh) | 一种用于难治性抑郁症诊断的标志物及其应用 | |
Julià et al. | Metabolomics in rheumatic diseases | |
US20210249131A1 (en) | Method of Performing Differential Diagnosis of Neurodegenerative Diseases in a Subject | |
CN113552228A (zh) | 一组用于诊断儿童毛细支气管炎的联合标志物及其应用和检测试剂盒 | |
WO2007139777A2 (en) | Methods for the diagnosis and prognosis of alzheimer's disease using csf protein profiling | |
WO2009026153A1 (en) | Biomarkers for alzheimer's disease and methods using the same | |
CN110632231B (zh) | 尿液中胶质母细胞瘤的代谢标志物及其在早期诊断中的用途 | |
CN114264756B (zh) | 用于诊断帕金森病的生物标志物r1及其应用 | |
WO2023035300A1 (zh) | 一种阿尔兹海默症生物标志物及其筛选方法和应用 | |
Liu et al. | Study on metabolic pathway of mild cognitive impairment in type 2 diabetes patients |
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 |