CN115825262A - 一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用 - Google Patents
一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用 Download PDFInfo
- Publication number
- CN115825262A CN115825262A CN202211365957.7A CN202211365957A CN115825262A CN 115825262 A CN115825262 A CN 115825262A CN 202211365957 A CN202211365957 A CN 202211365957A CN 115825262 A CN115825262 A CN 115825262A
- Authority
- CN
- China
- Prior art keywords
- metabolites
- nasopharyngeal carcinoma
- differential
- model
- small molecule
- 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
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,其中,所述差异小分子代谢产物为α‑酮戊二酸、胆碱、γ‑谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸。本发明选取AUC>0.8及涉及关键通路的代谢物:α‑酮戊二酸、胆碱、γ‑谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸建立了联合NPC诊断模型,其AUC可达0.968。
Description
技术领域
本发明涉及检测试剂技术领域,特别涉及一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用。
背景技术
代谢组学(Metabonomics)通过考察生物样本中内源性代谢产物反映基体细胞内环境的变化,为疾病诊断、进展及机制研究提供了方向。随着先进分析技术的发展,代谢组学已经广泛应用于医学领域的多个方向,尤其是代谢组学在肿瘤生物学发生机制、诊断及鉴别诊断、临床治疗及预后评价均发挥了巨大的潜力。代谢组学通过整体的代谢轮廓系统全面地研究生物体的代谢特征,涉及的研究方法主要包括样本的制备与采集、信息获得与处理、统计学分析及生物学意义阐释。以往鼻咽癌代谢组学主要集中血清、血浆、组织及细胞研究,采用的检测手段主要依赖GC-MS及NMR。通过GC-MS主要描绘了鼻咽癌患者小分子代谢产物的轮廓,筛选的代谢产物以小分子糖类、有机酸、氨基酸以及短链脂肪酸为主,LC-MS在鼻咽癌中研究报道较少。广泛研究显示,脂质参与了肿瘤进展,通过肿瘤微环境(脂质、蛋白质和核酸)参与了肿瘤细胞能力及营养物质代谢;脂质代谢调控中能量存储和代谢,对维持细胞稳态不可或缺;肿瘤细胞利用脂质代谢维持其快速增殖、迁移、侵袭及移等。脂质通常分子量大,支链多,基于GC-MS的组学技术可能造成脂质代谢产物的漏检,LC-MS代谢组学可全面分析肿瘤进展的代谢轮廓包括脂质组学。然而,现有技术缺少用于检测鼻咽癌的生物标志物。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,旨在解决技术缺少用于检测鼻咽癌的生物标志物的问题。
本发明的技术方案如下:
一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,其中,所述差异小分子代谢产物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸。
所述的应用,其中,所述差异小分子代谢产物的获取包括步骤:
获取鼻咽癌患者与健康对照组血清样本;
基于LC-HRMS/MS联合多元统计分析的代谢组学对鼻咽癌患者与健康对照组血清样本中内源性代谢物进行差异分析及结构鉴定,筛选得到所述差异小分子代谢产物。
有益效果:本发明基于LC-HRMS/MS联合多元统计分析的代谢组学分析鼻咽癌患者血清中内源性代谢物变化,进行差异分析及结构鉴定。采用OPLS-DA模型第一主成分的VIP值(阈值>1)结合单维检验的p值(阈值<0.05)寻找差异性表达代谢物,通过代谢谱库化合物鉴定,筛选出54个下调代谢物物质7上调代谢物。本发明鼻咽癌血清代谢物中存在大量大分子脂质化合物,以溶血磷脂胆碱(LysoPC)和溶血磷脂酰乙醇胺(LysoPE)为主。进一步差异代谢物相关性分析,胆碱Cho、甘油磷脂GPC与多种溶血磷脂胆碱LysoPC、溶血磷脂酰乙醇胺LysoPE、磷脂酰胆碱PC等呈正相关,而氨基酸类γ-Glutamyltyrosine、γ-Glutamylleucine与glutaminate、2-oxoglutarate、citruline、arginine等呈正相关;而牛磺酸Taurine与氨基酸、脂肪酸呈负相关。代谢通路富集以谷氨酰胺-谷氨酸代谢、精氨酸合成及甘油磷脂代谢为主。选取AUC>0.8及涉及上述关键通路的代谢物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸建立了联合NPC诊断模型,AUC可达0.968。
附图说明
图1为正离子源模式下健康组和疾病组的代表性总离子流色谱图。
图2为负离子源模式下健康组和疾病组的代表性总离子流色谱图。
图3为主成分分析、偏最小二乘方-判别分析及正交偏最小二乘方-判别分析得分图(横坐标表示第1主成分即PC1,用t[1]表示;纵坐标表示第2主成分即PC2,用t[2]表示)。
图4为正/负离子模型验证鲁棒图。
图5为鼻咽癌与健康对照组差异代谢物热图。
图6为鼻咽癌与健康对照组差异代谢物之间相关性矩阵图。
图7为差异代谢物互作网络关系图。
图8为鼻咽癌细胞差异代谢物与临床样本差异代谢物通路富集图。
图9为鼻咽癌氨基酸代谢途径变化图。
图10为鼻咽癌甘油磷脂代谢途径变化图。
图11为鼻咽癌诊断标志物在疾病组与健康组的水平比较图。
图12为鼻咽癌诊断标志物ROC曲线图。
具体实施方式
本发明提供一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,其中,所述差异小分子代谢产物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸。
在本发明中,所述差异小分子代谢产物通过以下步骤获得:获取鼻咽癌患者与健康对照组血清样本;基于LC-HRMS/MS联合多元统计分析的代谢组学对鼻咽癌患者与健康对照组血清样本中内源性代谢物进行差异分析及结构鉴定,筛选得到所述差异小分子代谢产物。
下面通过具体实施例对本发明做进一步的解释说明:
入组样本获取:
选择2019年8月至2020年2月中山大学附属第一医院就诊的鼻咽癌(NPC)患者30例和体检科健康对照30例。鼻咽癌组包括男21例,女7例;年龄37~51岁,中位数46岁;健康对照组包括男21例,女7例;年龄38~54岁,中位数48岁。两组年龄无显著性差异(P>0.05)。纳入标准:(1)采用直接鼻咽镜检查和组织活检诊断;(2)首次确诊为鼻咽癌患者。排除标准:(1)合并其他癌种;(2)术后复发鼻咽癌;(3)已经开展鼻咽癌放化疗等治疗干预。
样本制备:
临床样本:收集静脉血置于分离胶促凝管,静置30min,3000rpm离心5min,分离血清立即放入-80℃冰箱冷冻保存。检测前,室温解冻、震荡混匀、移取70μL血清样本,加280μL乙腈(含12.5ng/mL利多卡因、350ng/mL色氨酸-13C11和熊去氧胆酸-D4),涡旋1min,-20℃静置30min。于4℃和16000g离心15min;取280μL上清液于氮气下挥干溶剂;干燥残渣复溶于100μL25%(v/v)甲醇水溶液。
细胞株:鼻咽癌细胞株SUNE1和永生化正常鼻咽上皮细胞N2Bmi-1,由中山大学肿瘤防治中心曾木圣教授课题组馈赠。在10%胎牛血清的Gibco RPMI 1640培养液中,于37℃,5%CO2的培养箱中培养2天,待细胞铺满培养皿底部时,收集细胞,两株细胞各收集6管,-80℃冰箱冷冻保存。样本制备方法同血清样本。
QC样本制备方法:将所有血清样本取相同体积样本混合,按血清相同方法制备和分析QC样本。
非靶向代谢组学仪器检测:
采用赛默飞世尔公司Vanquish系列超高效液相色谱系统和沃特世公司HSS T3色谱柱(2.1mm×100mm,1.8μm)对样本进行色谱分离,柱温45℃。进样量1μL。流速0.4mL/min。流动相为0.06%乙酸水溶液(A)和0.06%乙酸的乙腈溶液。采用线性梯度模式对代谢物进行洗脱分离,梯度如下:起始1%B并维持0.5min,至2min线性升到30%B,至8min线性升到100%B并维持4min,12.1min返回起始梯度并平衡到14min。
采用Q Exactive plus四极杆-轨道场质谱仪(QE plus,Thermo)对代谢物进行离子化和质谱数据采集。采用加热电喷雾(HESI)离子源对代谢物分别进行正离子模式(HESI+)和负离子模式(HESI-)离子化。离子源主要参数设置如下:喷雾电压为3200V(HESI+)和3000V(HESI-),毛细管温度和喷针加热器温度分别是320℃和350℃。鞘气流速为50(任意单位),辅助气流速为15(任意单位)。S-Lens RF设为50(任意单位)。一级质谱扫描范围为质荷比60-900,分辨率为70000(质荷比200),GC阈值1×106。同时,采用数据依赖识别(DDA)模式对每个扫描循环的最多10个母离子的二级质谱碎片信息进行采集,HCD碰撞能量分别为15、30和45eV,质谱分辨率为17500,AGC阈值为5×105。
原始质谱数据预处理
先用ProteoWizard软件将原始质谱数据转化为mzXML格式,然后在R软件平台下采用XCMS和CAMERA软件包处理数据。对于XCMS软件包,主要参数设置为:挑峰参数(method=centWave,ppm=5,peakwidth=c(5,20),snthresh=10),峰对齐参数(第1和2次bw分别为6和3),保留时间校正方式为obiwarp。对于CAMERA软件包,采用默认参数对同位素峰、加合离子峰和碎片进行注释分析。最终输出为一个峰表文件,包含观察量(Sample No.)、变量(RT_m/z)和峰面积。在进行单维和多维统计分析前,针对每个样本的总峰面积进行归一化处理。
统计分析和差异性变量(代谢物)筛选
将以上得到的数据文件导入到瑞典Umetrics AB公司SIMCA软件(版本14.1)进行多维统计分析如主成分分析(PCA)、偏最小二乘方-判别分析(PLS-DA)和正交过滤偏最小二乘方-判别分析(OPLS-DA)。单维统计分析,P值计算来自R平台(3.3.0版本,muma软件包),当变量数据呈正态分布时p值来自于Welch’s t test(参数检验),当变量数据呈非正态分布时p值来自于Wilcoxon Mann-Whitney test(非参数检验)。结合OPLS-DA模型的VIP值(Variable importance in the projection,变量投影重要性)大于1和单维统计分析的p值小于0.05相结合的方法筛选差异性代谢物。倍数变化(Log2FC)计算方法为组1和组2两组数据均值之比的对数(以2为底),正值表示该物质在组1中的水平高于组2,负值则相反。
差异性代谢物筛选、结构鉴定及代谢通路分析
代谢物结构鉴定方法采用母离子(一级质谱)和子离子(二级质谱)信息精确匹配在线数据库如mzCloud数据库、Metlin、HMDB、MassBank数据库,脂质组理论库LipidBlast和自建数据库。对筛选的差异代谢物通过MetaboAnalyst5.0在线分析软件进行富集分析和通路分析。
鼻咽癌血清代谢轮廓分析
典型的总离子流色谱图见图1和图2所示,相比较对照组,鼻咽癌患者血清代谢指纹峰主要为6~12min之间的代谢产物,以中等极性~弱极性化学物居多,疾病组具有更丰富的代谢指纹特征。
判别模型分析
主成分分析(PCA)模型可真实反映各组间差异,判定模型质量好坏的主要参数为R2X,该参数表示当前模型是否适合于表征组间差异。利用临床样本分别在ESI+和ESI-模式下建立含7个和9个有效主成分的PCA模型,模型累积解释率R2X分别为0.534和0.5,一般R2X值大于0.5表示该模型可靠。PCA得分图(Scores plot)见图3中A和B,QC样本聚集于中间区域(蓝色三角形),表明方法重现性好。Control组和NPC组之间具有分离趋势,表明两组在PCA得分图上具有一定的代谢差异。但由于代谢组较基因组、转录组和蛋白质组过于灵敏,因此受到遗传背景和环境干扰的影响比基因组、转录组和蛋白质组大得多,环境的干扰通常导致组间无差异,模型难于建立。为了消除这种影响,通常采用监督性模型PLS-DA模型,用于可视化观察两组或多组间的空间分布与异同程度。
PLS-DA和OPLS-DA模型是两种监督性的多维统计模型,其中PLS-DA采用亚变量作为分组变量,监督性分类较温和,常用于剔除实验等导致的系统变异而后观察两组(或多组)之间的差异。由SIMCA-P(14.1版本)自动进行模型构建,当模型过拟合时,不再计算新主成分,此时的所有主成分就是有效的主成分,建立的模型即为有效模型(非过拟合的)。在分析前首先对数据进行默认的平均中心化(mean-centered)和UV(unit variance)格式化处理,然后自动计算最优主成分数和建立最优模型。为了避免模型过拟合,采用SIMCA软件默认的7-循环交叉验证(7-round cross-validation)计算主成分的最优数。为了消除背景噪音的影响,本节采用PLS-DA这种监督性的多维统计分析方法对这两组样本进行模型分析。该分析主要是过滤组内背景噪音,从而凸显组间的差异。正离子模式下,建立含2个有效主成分的PLS-DA模型,R2X=0.243,R2Y=0.849,Q2=0.648;负离子模式下,建立含3个有效主成分的PLS-DA模型,R2X=0.272,R2Y=0.907,Q2=0.648。当R2Y大于0.5时,表示当前模型适合于解释两组间的差异;当Q2的值大于0.5时表示当前模型适合于预测。当前模型质量参数值(看R2Y值和Q2值)表明当前模型可靠。PLS-DA得分图如图3中C和D所示,显示Control组和NPC组分布于两个不同区域,说明两组样本经PLS-DA建模后显示了代谢差异。
OPLS-DA模型本质上是一种区分模型,只要能建立有效的模型且二者在得分图上能分开,那么就说该模型能对这两组进行区分。该模型是获得可靠的差异性物质的一种手段。正离子模式下,建立含1个主成分和4个正交成分的OPLS-DA模型,模型主要质量参数为R2X=0.463,R2Y=0.988,Q2=0.811;负离子模式下建立含1个主成分和4个正交成分的OPLS-DA模型,模型主要质量参数为R2X=0.344,R2Y=0.99,Q2=0.638。模型得分图见3中E和F所示,表明当前模型可对Control组和NPC组两组样本进行有效区分。
模型稳健性验证
组别差异模型质量评价可通过置换检验(Permutation test),主要用于表征有监督模型是否过拟合,参数Q2值可对数据方差进行预测的比例,即预测率,表明当前模型的预测能力,用于评价模式识别模型鲁棒性。验证结果见图4中A和B所示,判断模型是否过拟合的方法为Q2斜线与Y轴切割点的值小于0或Q2最右侧的点小于左侧所有的点。当前模型Q2最右侧的点大于左侧所有的点,表示当前模型非过拟合,因此PLS-DA模型质量可靠,该模型CV-ANOVA的p值为8.81452e-012和2.63373e-009。p值小于0.05表示当前模型质量可靠,其值越小表示模型差异越好,表明两组之间具有显著的代谢差异。统计学分析结果表明当前的PLS-DA模型不存在过拟合现象
差异性代谢物筛选
采用OPLS-DA模型第一主成分的VIP值(阈值>1)结合单维检验的p值(阈值<0.05)寻找差异性表达代谢物。差异性代谢物的定性方法为:搜索自建的标准物质数据库,包括色谱保留时间和质谱。该项目整合正负离子两种模式的差异性代谢物,共筛选并定性到61个差异性物质,其中54个物质下降,7个物质上升,差异性代谢物数据见表1,其中脂类占38%、氨基酸31%、有机酸20%,其他11%,LC-MS不仅可检出GC-MS常检出的有机酸类代谢物,鼻咽癌血清代谢物中还存在大量大分子脂质化合物,以溶血磷脂胆碱(LysoPC)和溶血磷脂酰乙醇胺(LysoPE)为主,根据Log2FC值及热图分析(如图5所示)可以看出NPC组相比较Control组脂质和氨基酸都是呈下降趋势的。以往研究表明相比对照组,鼻咽癌血清脂质代谢轮廓中缩醛磷脂水平显著下调;消化道癌、肝癌等中也报道磷脂酰胆碱类、溶血磷脂酰胆碱类相比健康对照组明显下调。
表1鼻咽癌和健康对照组的差异性代谢物
注:VIP,即变量投影重要性,从OPLS-DA模型获得。
P值,当变量数据呈正态分布时p值来自于Welch’s t test(参数检验),当变量数据呈非正态分布时p值来自于Wilcoxon Mann-Whitney test(非参数检验)。
Log 2FC,倍数变化值,NPC组和Control组归一化的峰面积均值之比的对数值(以2为底),正号表示该物质在NPC组中的平均信号响应值或浓度值大于Control组,负号则表示该物质在NPC组中的平均信号响应值或浓度值小于Control组。
差异代谢物相关性分析
为了表征各差异性代谢物之间水平相关性,对这些物质的定量信息进行皮尔森相关性(Pearson Correlation)分析(基于R平台,版本3.3.0),见图6。图中每一行和每一列都表示差异性代谢物,相关性系数度量值不同色带所示。图中圆圈大小和颜色深浅跟差异性代谢物之间的相关性有关。红色表示差异性代谢物之间呈正相关,绿色表示差异性代谢物之间呈负相关。颜色越深,圆圈越大,相关性越大。同一代谢途径中两个物质之间呈显著负相关,那么预示着这两个物质之间代谢通路上某个(些)代谢节点的基因表达或酶活性被显著抑制;如果两个或多个代谢之间呈现显著正相关,则该物质之间具有一致的表达趋势,可选择其中一个或少数几个作为候选Biomarker进行后续验证实验或作为候选诊断标志物。
根据差异代谢物相关性矩阵(如图7所示),胆碱Cho、甘油磷脂GPC与多种溶血磷脂胆碱LysoPC、溶血磷脂酰乙醇胺LysoPE、磷脂酰胆碱PC等呈正相关;氨基酸类γ-Glutamyltyrosine、γ-Glutamylleucine与glutaminate、2-oxoglutarate、citruline、arginine等呈正相关;而牛磺酸Taurine与氨基酸、脂肪酸呈负相关。上述差异代谢物可能成为潜在的诊断标志物。此外分析代谢物互作网络关系(Metaboanalyst 5.0)见图7可知,筛选的差异代谢物中氮代谢途径、谷氨酰胺-谷氨酸、精氨酸合成通路存在密切关联;苯丙氨酸、酪氨酸、色氨酸合成通路与苯丙氨酸代谢通路相关,可能成为潜在诊断标志物主要研究对象。
代谢通路分析
采用在线软件MetaboAnalyst 5.0对细胞差异性代谢物与临床样本的差异代谢物进行pathway analysis,见图8所示。鼻咽癌细胞差异代谢通路见图9和10所示,主要包括精氨酸合成、甘氨酸、丝氨酸、苏氨酸代谢、谷氨酰胺-谷氨酸及甘油酯代谢;鼻咽癌临床样本中涉及的代谢通路以谷氨酰胺-谷氨酸代谢、精氨酸合成及甘油磷脂代谢等为主。结合代谢物相关性分析结果,谷氨酰胺-谷氨酸和精氨酸合成通路中瓜氨酸、精氨酸、谷氨酸、谷氨酰胺及α-酮戊二酸均出现下调,可能与NPC细胞代谢旺盛有关。研究报道显示,精氨酸琥珀酸合酶(ASS1)能催化瓜氨酸和天冬氨酸形成精氨琥珀酸,进一步裂解生成精氨酸,也可在鸟氨酸转氨酶作用下重新生成瓜氨酸。ASS1是生成精氨酸、尿素和NO的关键限速酶,下调ASS1可抑制鸟氨酸循环并促进肿瘤细胞增殖。本研究谷氨酸水平下调要大于谷氨酰胺,可能与谷氨酰胺合成酶GLS上调有关,GLS催化谷氨酸与氨转化为谷氨酰胺,提供能量并清除氨,谷氨酰胺合成酶基因GLS在抗辐射的癌细胞中高度表达,促进恶性细胞从G2/M阻滞中恢复,可能参与NPC细胞对放疗产生抗性。研究显示,EBV感染的NPC细胞中,GLS1编码的谷氨酰胺酶K(KGA)和谷氨酰胺酶C(GAC)的表达增加,促进谷氨酰胺分解产生的谷氨酸、α-酮戊二酸和天冬氨酸,介导肿瘤细胞的代谢、表观遗传、核苷酸合成和氧化还原平衡,而NPC细胞中谷氨酸脱氢酶1(GLUD1)和谷氨酸脱氢酶2(GLUD2)的表达上调,催化谷氨酸转化为α-酮戊二酸。本研究甘油磷脂代谢通路代谢物均出现下调,磷脂酰胆碱PC组成生物膜的主要磷脂,但与细胞膜对蛋白质的识别和信号转导;PC,甘油磷脂胆碱GPC常作为癌症异常代谢标志物;已在透镜鳞状细胞癌HNSCC中验证PLA2催化磷脂sn-2位酰基水解的酶超家族,是内源性花生四烯酸、溶血卵磷脂等炎性介质形成限速酶,广泛参与细胞增殖、存活、凋亡、细胞骨架构建、炎症反应和癌变癌变。
研究筛选的61个差异代谢物中,根据代谢物相互作用及富集的关键代谢通路中涉及的31个显著代谢物(p<0.05),计算各个诊断指标ROC曲线的AUC,见表2-2。选取AUC>0.8及涉及上述关键通路的代谢物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸(水平差异见图11所示)联合组成的NPC诊断模型,AUC=0.968(95%CI,0.928~1.000)建立联合诊断模型见图12所示。
综上所述,本申请基于LC-HRMS/MS联合多元统计分析的代谢组学分析鼻咽癌患者血清中内源性代谢物变化,进行差异分析及结构鉴定。采用OPLS-DA分析显著区分出疾病组与健康组,通过置换检验验证组别差异模型稳健。采用OPLS-DA模型第一主成分的VIP值(阈值>1)结合单维检验的p值(阈值<0.05)寻找差异性表达代谢物,通过代谢谱库化合物鉴定,筛选出54个下调代谢物物质7上调代谢物。本研究鼻咽癌血清代谢物中存在大量大分子脂质化合物,以溶血磷脂胆碱(LysoPC)和溶血磷脂酰乙醇胺(LysoPE)为主。进一步差异代谢物相关性分析,胆碱Cho、甘油磷脂GPC与多种溶血磷脂胆碱LysoPC、溶血磷脂酰乙醇胺LysoPE、磷脂酰胆碱PC等呈正相关,而氨基酸类γ-Glutamyltyrosine、γ-Glutamylleucine与glutaminate、2-oxoglutarate、citruline、arginine等呈正相关;而牛磺酸Taurine与氨基酸、脂肪酸呈负相关。代谢通路富集以谷氨酰胺-谷氨酸代谢、精氨酸合成及甘油磷脂代谢为主。选取AUC>0.8及涉及上述关键通路的代谢物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸建立了联合NPC诊断模型,AUC可达0.968。代谢通路分析,GLS、PLA2、ASS1等可能参与细胞增殖、存活、凋亡、细胞骨架构建、炎症反应和癌变影响代谢物水平变化促进鼻咽癌的病变与进展。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (2)
1.一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用,其特征在于,所述差异小分子代谢产物为α-酮戊二酸、胆碱、γ-谷氨酰基谷氨酰胺、溶血磷脂酰胆碱、甘油磷脂酰胆碱及牛磺酸。
2.根据权利要求1所述的应用,其特征在于,所述差异小分子代谢产物的获取包括步骤:
获取鼻咽癌患者与健康对照组血清样本;
基于LC-HRMS/MS联合多元统计分析的代谢组学对鼻咽癌患者与健康对照组血清样本中内源性代谢物进行差异分析及结构鉴定,筛选得到所述差异小分子代谢产物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365957.7A CN115825262A (zh) | 2022-10-31 | 2022-10-31 | 一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365957.7A CN115825262A (zh) | 2022-10-31 | 2022-10-31 | 一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115825262A true CN115825262A (zh) | 2023-03-21 |
Family
ID=85526358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211365957.7A Pending CN115825262A (zh) | 2022-10-31 | 2022-10-31 | 一组差异小分子代谢产物在制备用于检测鼻咽癌的试剂中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115825262A (zh) |
-
2022
- 2022-10-31 CN CN202211365957.7A patent/CN115825262A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Current and future perspectives of functional metabolomics in disease studies–A review | |
Lee et al. | A large-scale analysis of targeted metabolomics data from heterogeneous biological samples provides insights into metabolite dynamics | |
Yoshida et al. | Diagnosis of gastroenterological diseases by metabolome analysis using gas chromatography–mass spectrometry | |
Sarvin et al. | Fast and sensitive flow-injection mass spectrometry metabolomics by analyzing sample-specific ion distributions | |
Ressom et al. | Utilization of metabolomics to identify serum biomarkers for hepatocellular carcinoma in patients with liver cirrhosis | |
Monteiro et al. | Metabolomics analysis for biomarker discovery: advances and challenges | |
Lyutvinskiy et al. | In silico instrumental response correction improves precision of label-free proteomics and accuracy of proteomics-based predictive models | |
Liu et al. | High-resolution metabolomics assessment of military personnel: evaluating analytical strategies for chemical detection | |
Fang et al. | Differential label-free quantitative proteomic analysis of Shewanella oneidensis cultured under aerobic and suboxic conditions by accurate mass and time tag approach | |
Li et al. | A robust, single-injection method for targeted, broad-spectrum plasma metabolomics | |
Navarro-Reig et al. | Metabolomic analysis of the effects of cadmium and copper treatment in Oryza sativa L. using untargeted liquid chromatography coupled to high resolution mass spectrometry and all-ion fragmentation | |
Zang et al. | Mass spectrometry-based non-targeted metabolic profiling for disease detection: recent developments | |
Matsuda et al. | Assessment of metabolome annotation quality: a method for evaluating the false discovery rate of elemental composition searches | |
US20140148349A1 (en) | Metabolite Biomarkers for the Detection of Esophageal Cancer Using NMR | |
Hyötyläinen | Novel methodologies in metabolic profiling with a focus on molecular diagnostic applications | |
Manzi et al. | Improving diagnosis of genitourinary cancers: Biomarker discovery strategies through mass spectrometry-based metabolomics | |
Liang et al. | Serum metabolomics uncovering specific metabolite signatures of intra-and extrahepatic cholangiocarcinoma | |
CN113030357A (zh) | 一种口腔鳞癌诊断模型及其构建方法 | |
Qiu et al. | Gas chromatography in metabolomics study | |
Islam et al. | Lipidomic analysis of cancer cell and tumor tissues | |
Cao et al. | Database-assisted global metabolomics profiling of pleural effusion induced by tuberculosis and malignancy | |
CN113406226B (zh) | 一种基于非靶向代谢组学检测gist患者血浆中伊马替尼代谢物的方法 | |
Yang et al. | Big cohort metabolomic profiling of serum for oral squamous cell carcinoma screening and diagnosis | |
Fang et al. | Evaluating kinase ATP uptake and tyrosine phosphorylation using multiplexed quantification of chemically labeled and post-translationally modified peptides | |
Parker et al. | Quantitative analysis of SILAC data sets using spectral counting |
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 |