CN116577442A - 用于评价多种疫苗免疫效应的质谱模型及其构建方法 - Google Patents

用于评价多种疫苗免疫效应的质谱模型及其构建方法 Download PDF

Info

Publication number
CN116577442A
CN116577442A CN202211688773.4A CN202211688773A CN116577442A CN 116577442 A CN116577442 A CN 116577442A CN 202211688773 A CN202211688773 A CN 202211688773A CN 116577442 A CN116577442 A CN 116577442A
Authority
CN
China
Prior art keywords
vaccine
peaks
needle
characteristic
mass
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
Application number
CN202211688773.4A
Other languages
English (en)
Inventor
马庆伟
许彬
吕倩
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.)
Beijing Clin Bochuang Biotechnology Co Ltd
Original Assignee
Beijing Clin Bochuang Biotechnology 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 Beijing Clin Bochuang Biotechnology Co Ltd filed Critical Beijing Clin Bochuang Biotechnology Co Ltd
Publication of CN116577442A publication Critical patent/CN116577442A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • G01N27/64—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using wave or particle radiation to ionise a gas, e.g. in an ionisation chamber
    • 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
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8686—Fingerprinting, e.g. without prior knowledge of the sample components
    • 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
    • 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

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Toxicology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种用于评价多种疫苗免疫效应的质谱模型及其构建方法。通过MALDI‑TOF MS质谱技术检测人体接种疫苗前后的体液，可以分别获得由5～200个质谱峰组成的免疫反应指纹谱。基于未发生免疫反应和已发生免疫反应的指纹谱的变化，结合机器学习的方法建立模型分类器，分析待测人体血清样本中的分子的免疫变化，可判断该样本是否接种过疫苗和产生免疫保护效果，从而评价疫苗质量和/或疫苗保护效期。本发明可以同时检测体液中多种分子免疫反应的变化，同时监测多种免疫标志分子的方法突破了传统单一标志物如中和抗体的监测思路，在保证高特异性的基础上，有效地提高了检测的准确度和灵敏度，简化实验操作，缩短检测时间，降低检测成本。

Description

用于评价多种疫苗免疫效应的质谱模型及其构建方法
技术领域
本发明属于生物技术领域，涉及一种利用飞行时间质谱技术基于免疫反应指纹谱评价多种疫苗免疫效应的质谱模型及其构建方法，属于疫苗检测领域。
背景技术
免疫效果监测是指通过检测机体内相关抗体水平是否达到预防疾病所需的最低水平，从而判断个体的免疫保护力。成功有效的预防接种或者自然感染后体内均会产生IgG抗体。但每个机体内在情况、机体对疫苗的反应以及机体的代谢等状况是不同的，所以预防接种后不同机体产生的抗体水平、抗体在体内衰减的速度以及存留时间也有所不同，针对相应疾病的保护力也会有差异。
因此，及时对完成基础免疫的人群进行体内保护性抗体检测，提示感染风险或免疫补种，能帮助预防疾病。
评价免疫效果的传统技术，是针对检测机体相关抗体或关联的细胞因子、病原体水平，即需要检测体内的相关抗体或细胞因子是否达到一定水平，或病原体是否下降到预期水平。
例如，彭怡(《中国学校卫生》，2000年第21卷第1期)报道了结核免疫水平监测方法，该方法利用卡介苗纯蛋白衍生物(PPD)作为指标物，通过PPD试验阳转率的卡痕反应，来检测接种者结核免疫水平，取得良好的效果。
耿丽娜(《中国校医》，2017年第31卷第10期)报道了采用酶联免疫吸附试验检测血清中风疹抗体浓度，通过软件分析人群总体抗体水平、评价人群免疫力和年龄、疫苗接种对抗体水平的影响，也取得良好的效果。
然而，这种评价技术需要针对特定抗体或细胞因子及病原体来预先设计待检标志物，例如酶联免疫吸附检测是利用病毒的敏感性和特异性来获取检测结果，颗粒凝集检测法是通过培养病毒来观察病毒的变化过程，快速诊断试剂检测法是利用病毒与试剂之间发生的化学反应来取得实验结果，抗体确认实验检测法是利用放射免疫沉淀和免疫印迹使用来取得抗体检测结果。因此，传统疫苗效果的评价技术只能评价单一指标的免疫效果，不具备通用性。
随着技术的发展，现有出现了利用多肽指纹图谱技术来检测免疫后的抗体水平。然而，该技术仍然存在如上问题，即需要预先确定机体产生的相关抗体或其片段的特征多肽，并以此为标志物进行检测。
因此，目前需要一种评价疫苗效果的新方法，该方法不针对与抗体或其片段相关的特定标志物，而是监测多种疫苗免疫反应后体液中分子免疫变化的情况，具有很高的通用性。
发明内容
本发明第一原理在于，通常接种DNA或RNA病毒疫苗2-4周内，即可产生有效滴度的抗体。然而，发明人通过质谱试验发现，接种后机体所产生的免疫反应的所出现的特征蛋白片段或特征多肽片段，其中一些特征片段并不专属于机体产生的抗体或抗体片段。通过优化筛选所得到的评价体系，并根据DNA或RNA病毒类型的产生抗体的各个已知时点，筛选疫苗免疫效应相关的非抗体的特征多肽片段，并由此建立特征质谱模型，就可以建立起针对该疫苗的免疫效果的评价方法。由于该方法根据疫苗接种前后的体内特征多肽而非特征抗体片段的差异，因此能快速而精准地评价机体免疫反应的变化。
本发明第二原理在于，通过上述原理和方法，针对不同疫苗筛选得到的特征蛋白或多肽片段组合物，通过分析其蛋白序列，从而构建用于检测或评价该疫苗免疫效果的质谱模型。
因此本发明的第一个目的是提供用于评价多种疫苗免疫效应的质谱模型的构建方法，包括：
(1)在疫苗接种前后多个时间点采集多名志愿者的体液样本，进行低温冷冻备用，其中所述体液样本选自血清、唾液、血浆、全血、唾液、尿液、组织液、关节液、鼻咽拭子提取液或脑积液。
(2)对体液样本进行质谱预处理；
(3)对预处理过的体液样本进行飞行时间质谱检测读取，获得由5～200个特征多肽/蛋白峰的质荷比、分子质量、质谱峰面积、质谱峰强度或相对强度数据所组成的免疫指纹表征谱；
(4)对所有样本的免疫指纹表征谱进行标准化处理，包括选择分子质量区间、谱图归一化、谱图对齐、峰对齐、归一化、过滤低频峰，并导出数据；
(5)对所得数据进行质控处理，筛选出具有特定质荷比的特征多肽，并根据这些质荷比数据和质谱峰强度或相对强度数据，通过计算机软件进行汇总和整理，建立免疫反应的标准指纹谱模型；
在一个实施方案中，所述软件是发明人自行研究开发的BE-V 2.0软件；
其中，步骤(1)中，当所述疫苗需要接种1针时，时间点为接种前1天、接种后第3周；
当所述疫苗需要接种2针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，其中两针之间间隔至少21天；
当所述疫苗需要接种3针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，第三针接种后第1周、第三针接种后第3周，其中两针之间间隔至少21天；以及，
所述步骤(5)所述的质控处理，选取某一类体液样本(血清、唾液等)中固有的一组特征峰作为质控内标峰，其中所述内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z，并且谱图质量控制条件为：在单个样本的谱图中，质控内标峰出现数量不低于质控内标峰总数的70％且内标峰分子量偏移偏差小于0.002时或偏移范围不超过2‰视为质控合格。
在上述的实施方案中，所述需要接种1针的疫苗是腺病毒载体疫苗，接种2针的疫苗是灭活疫苗，接种3针的疫苗是重组蛋白疫苗。
在一个实施方案中，其中步骤(2)预处理的方法包括使用样本处理液(北京毅新博创生物科技有限公司)稀释稳定样品中的蛋白或多肽。
在一个实施方案中，其中所述步骤(2)采用免疫反应指纹谱试剂盒(北京毅新博创生物科技有限公司，货号：1010307)对体液样本中的蛋白或多肽进行稀释和读取，获得多肽指纹图谱。
在一个实施方案中，所述步骤(5)所述的质控处理，对于空白基质，用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格。
在一个实施方案中，所述飞行时间质谱法所用的检测仪器为MALDI-TOF MS。
在上述任一项实施方案中，所述需要接种1针的疫苗是腺病毒载体疫苗，接种2针的疫苗是灭活疫苗，接种3针的疫苗是重组蛋白疫苗。
在上述任一实施方案中，其中所述疫苗是针对DNA病毒疾病的疫苗或RNA病毒疾病的疫苗。
在一个具体实施方案中，所述DNA病毒包括乙肝病毒，疱疹病毒、风疹病毒、人乳头瘤病毒。
在另一具体实施方案中，所述RNA病毒包括艾滋病病毒/丙型肝炎病毒，乙型脑炎病毒/全部流感病毒、SARS病毒、MERS病毒、新型冠状病毒。
在上述任一实施方案中，所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：3198m/z、3213m/z、6609m/z。
在一个特别优选的实施方案中，其中所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z，并且所述多肽序列选自：
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z。
本发明的第二个发明目的在于通过上述方法，所构建的基于免疫反应指纹谱表征人体免疫变化的质谱模型。
在一个实施方案中，当所述疫苗需要接种1针时，时间点为接种前1天、接种后第3周；
当所述疫苗需要接种2针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，其中两针之间间隔至少21天；
当所述疫苗需要接种3针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，第三针接种后第1周、第三针接种后第3周，其中两针之间间隔至少21天；以及，
所述步骤(5)所述的质控处理，选取某一类体液样本(血清、唾液等)中固有的一组特征峰作为质控内标峰，其中所述内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z，并且谱图质量控制条件为：在单个样本的谱图中，质控内标峰出现数量不低于质控内标峰总数的70％且内标峰分子量偏移偏差小于0.002时或偏移范围不超过2‰视为质控合格。
在一个实施方案中，所述模型的检测方法为飞行时间质谱法，检测仪器为MALDI-TOFMS。
在具体的实施方案中，所述模型由免疫反应指纹图谱制备而成。该模型包括5～200个特征多肽/蛋白峰的质荷比、分子质量、质谱峰面积、质谱峰强度或相对强度数据。
在上述任一实施方案中，其中所述疫苗是针对DNA病毒疾病的疫苗或RNA病毒疾病的疫苗。
在一个具体实施方案中，所述DNA病毒包括乙肝病毒，疱疹病毒、风疹病毒、人乳头瘤病毒。
在另一具体实施方案中，所述RNA病毒包括艾滋病病毒/丙型肝炎病毒，乙型脑炎病毒/全部流感病毒、SARS病毒、MERS病毒、新型冠状病毒。
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：3198m/z、3213m/z、6609m/z。
在一个特别优选的实施方案中，其中所述特征多肽片段包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z，并且所述多肽序列选自：
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z，。
本发明第三个目的通过上述构建质谱模型的方法，所得到的用于评价疫苗免疫效应的特征多肽组合物。
在一个实施方案中，所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z。
在一个特别优选的实施方案中，其中所述特征多肽片段序列为：
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3484m/z；上调表达的特征峰为：3799m/z、3878m/z、4176m/z、4186m/z、4609m/z。
本发明第四个发明目的是提供一种用于评价免疫反应指纹谱的试剂盒，包括：
样本处理液；
内标峰特征片段：：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z；以及，
通过上述构建质谱模型的方法，所得到的用于评价疫苗免疫效应的特征多肽组合物。
在一个实施方案中，所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z。
在一个特别优选的实施方案中，其中所述特征多肽片段序列为：
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3484m/z；上调表达的特征峰为：3799m/z、3878m/z、4176m/z、4186m/z、4609m/z。
在另一个实施方案中，该试剂盒还包括保证质谱仪所测分子量准确的标准质谱样品管。该样品管既可以是含有单一特征多肽的多种样品管，也可以是含有多种特征多肽的一种样品管。所述标准样品管中的样品用于与待测样品进行质谱时进行平行质谱测试，以判断待测样品分子量信息是否准确可靠。
在另一个实施方案中，该试剂盒可含有上述免疫反应指纹图谱的标准数据库的软件或芯片。可用于待测样品进行质谱时提供标准数据或曲线的比对，以判断待测样品中特征多肽的表达状况。
本发明第五个目的是提供一种评价个体是否完成疫苗接种或接种人体免疫变化的的方法，所述方法包括：
(1)在疫苗接种前后多个时间点采集多名已知志愿者的体液样本，对体液样本进行质谱预处理，其中所述体液样本选自血清、唾液、血浆、全血、唾液、尿液、组织液、关节液或脑积液；
(2)对预处理过的体液样本进行飞行时间质谱检测读取，获得由5～200个特征多肽/蛋白峰的质荷比、分子质量、质谱峰面积、质谱峰强度或相对强度数据所组成的免疫指纹表征谱；
(3)对所有样本的免疫指纹表征谱进行标准化处理，包括选择分子质量区间、谱图均一化、谱图对齐、峰对齐、归一化、过滤低频峰，并导出数据；
(4)对所得数据进行质控处理，筛选出具有特定质荷比的特征多肽，并根据这些质荷比数据和质谱峰强度或相对强度数据，通过计算机软件进行汇总和整理，建立免疫反应的标准指纹谱模型；
(5)对待接种的患者，采用步骤(1)-(3)进行处理，而后对所得数据进行质控处理，筛选出具有特定质荷比的特征多肽；
(6)将步骤(5)所得到的具有特定质荷比的特征多肽，与步骤(4)所述的标准指纹谱模型，通过计算机软件来评价个体是否完成疫苗接种或个体化疫苗接种效果；
其中，步骤(1)中，当所述疫苗需要接种1针时，时间点为接种前1天、接种后第3周；
当所述疫苗需要接种2针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，其中两针之间间隔至少21天；
当所述疫苗需要接种3针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，第三针接种后第1周、第三针接种后第3周，其中两针之间间隔至少21天；以及，
所述步骤(4)、步骤(5)所述的质控处理，选取某一类体液样本(血清、唾液等)中固有的一组特征峰作为质控内标峰，其中所述内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z，并且谱图质量控制条件为：在单个样本的谱图中，质控内标峰出现数量不低于质控内标峰总数的70％且内标峰分子量偏移偏差小于0.002时或偏移范围不超过2‰视为质控合格。
在一个实施方案中，所述软件是发明人自行研究开发的BE-V 2.0软件。
在上述的实施方案中，所述需要接种1针的疫苗是腺病毒载体疫苗，接种2针的疫苗是灭活疫苗，接种3针的疫苗是重组蛋白疫苗。
在一个实施方案中，其中步骤(2)预处理的方法包括使用样本处理液(北京毅新博创生物科技有限公司)稀释稳定样品中的蛋白或多肽。
在一个实施方案中，其中所述步骤(2)采用免疫反应指纹谱试剂盒(北京毅新博创生物科技有限公司，货号：1010307)对体液样本中的蛋白或多肽进行稀释和读取，获得多肽指纹图谱。
在一个实施方案中，所述步骤(4)、步骤(5)所述的质控处理，对于空白基质，用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格。
在一个实施方案中，所述飞行时间质谱法所用的检测仪器为MALDI-TOF MS。
在上述任一项实施方案中，所述需要接种1针的疫苗是腺病毒载体疫苗，接种2针的疫苗是灭活疫苗，接种3针的疫苗是重组蛋白疫苗。
在上述任一实施方案中，其中所述疫苗是针对DNA病毒疾病的疫苗或RNA病毒疾病的疫苗。
在一个具体实施方案中，所述DNA病毒包括乙肝病毒，疱疹病毒、风疹病毒、人乳头瘤病毒。
在另一具体实施方案中，所述RNA病毒包括艾滋病病毒/丙型肝炎病毒，乙型脑炎病毒/全部流感病毒、SARS病毒、MERS病毒、新型冠状病毒。
在上述任一实施方案中，所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：3198m/z、3213m/z、6609m/z。
在一个特别优选的实施方案中，其中所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z，并且所述多肽序列选自：
在优选的实施方案中，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z。
技术效果
本发明突破了现有技术仅局限于现有抗体或细胞因子等单一指标评价疫苗免疫反应的技术局限。采用免疫反应指纹图谱法，实现多个特征峰共同监测，提高了免疫效果检测的准确率。
相比传统方法，免疫反应指纹谱法具有操作简单、成本低、速度快、通量高的技术优势。
本发明适用于不同体液的免疫反应指纹谱的表征，为疫苗免疫效果评价提供多条参考依据。
本发明表征疫苗接种人体的免疫变化情况，实时监测疫苗在不同时间序列的保护效果，为精准防疫提供有力证据。
本发明同样适用于动物体液的免疫反应指纹谱表征，可用于临床前的疫苗效果的评价，加快疫苗研发的步伐。
本发明更适用于对于个体疫苗免疫效果的评价，而不局限于对群体免疫反应的分析，可以实现精准防疫。
本发明可以对疫苗接种后不同时间点的免疫反应变化进行连续监测，持续分析疫苗接种后机体的免疫反应变化情况，以及评价个体是否完成疫苗接种或个体化疫苗接种效果。其中，评价标准可以在本发明所得到的指纹图谱对比结果的基础上，通过疫苗现有已知的方式来确定评价标准。
本发明的方法，可以用于分析疫苗保护效果时间序列或疫苗保护的效期，和/或，疫苗保护时间中的用途。其中，评价标准可以在本发明所得到的指纹图谱对比结果的基础上，通过疫苗现有已知的方式来确定评价标准。
附图说明
图1.不同组样本质谱谱图对比。其中，图a为疫苗接种前后免疫反应指纹谱全图；图b为主要特征峰局部放大图。图中横坐标代表各个特征峰的m/z信息，纵坐标代表归一化后的谱峰强度。其中13761m/z、13882m/z、13939m/z、14044m/z、14091m/z、14150m/z、28195m/z特征峰在疫苗接种前后出现显著变化。
图2.新冠疫苗接种相关各特征峰上下调情况。其中图中展示了13个特征峰在接种第0天(n＝95)、第21天(n＝95)、第28天(n＝95)和第42天(n＝95)样本间的相对强度比较。用Wilcoxon检验计算p值。星号表示组间具有统计学意义的差异情况(*P<0.05,**P<0.01,***P<0.001,****P<0.0001)。
图3.主成分分析(PCA图)。其中，
图a为接种新冠灭活疫苗前与接种第一针疫苗后3周免疫反应指纹谱主成分分析图；
图b为接种新冠灭活疫苗前与接种第二针疫苗后1周免疫反应指纹谱主成分分析图；
图c为接种新冠灭活疫苗前与接种第二针疫苗后3周免疫反应指纹谱主成分分析图；
图d为接种第一针疫苗后3周与接种第二针疫苗后1周免疫反应指纹谱主成分分析图；
图e为接种第一针疫苗后3周与接种第二针疫苗后3周免疫反应指纹谱主成分分析图；
图f为接种第二针疫苗后1周与接种第二针疫苗后3周免疫反应指纹谱主成分分析图。图4.中和抗体阳性样本和中和抗体阴性样本在免疫反应指纹谱模型中的偏最小二乘回归分析法(PLS-DA)图。图中“P”代表中和抗体阳性；“N”代表中和抗体阴性。
图5.中和抗体相关免疫反应指纹谱各特征峰上下调情况。图中展示了中和抗体阴性样本和阳性样本中7个特征峰的相对强度比较。p值由Mann-Whitney检验计算。星号表示组间具有统计学意义的差异(*P<0.05,**P<0.01,***P<0.001,****P<0.0001)。图中“N”代表中和抗体阴性；“P”代表中和抗体阳性。
图6.唾液多肽指纹图谱。其中，图中a曲线为未接种新冠灭活疫苗者唾液免疫多肽指纹表征谱；b曲线为已接种2针新冠灭活疫苗者唾液免疫多肽指纹表征谱。
图7.唾液免疫反应指纹谱各特征峰上下调情况。
图8.唾液免疫反应指纹谱模型主成分分析(PCA)图，图中绿色点代表已完成2针疫苗注射的样本，红色点代表未完成完整注射的样本。
图9.流感鼻拭子多肽指纹表征谱。其中，图中a曲线为未接种流感疫苗者鼻拭子多肽指纹表征谱；图中b曲线为已接种流感疫苗者鼻拭子多肽指纹表征谱。
图10.流感鼻拭子免疫反应指纹谱模型偏最小二乘判别(PLS-DA)分析图。其中，左侧区域(n)代表未接种流感疫苗者样本分布；右侧区域(p)代表已接种流感疫苗者样本分布。
图11.流感鼻拭子免疫反应指纹谱模型火山图。
图12.流感鼻拭子免疫反应指纹谱模型ROC曲线图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1.血清免疫反应指纹谱表征新冠灭活疫苗接种带来的免疫反应变化
试验目的：对未接种新冠灭活疫苗和已接种疫苗不同时间点的志愿者血清进行了免疫反应指纹谱分析。通过免疫反应指纹谱，希望能评价免疫过程中的血清变化，并评定疫苗的免疫效应。
(一)样本收集
95名新冠疫苗接种志愿者参与本次研究。
每名志愿者均在如下4个时间节点采集血清样本：
(1)第一针疫苗前(第1天)；
(2)第一针疫苗后3周(第22+n天)；
(3)第二针疫苗后1周(第29+n天)；
(4)第二针疫苗后3周(第50+n天)；
所有志愿者均为18～59岁健康受试者，且自愿接种新型冠状病毒灭活疫苗。志愿者为男性或非妊娠期、非哺乳期的女性。无重大疾病史、药物过敏史及疫苗接种过敏史。无新冠肺炎病史或感染史，并在采样时持有健康码“绿码”。由此，可以保证所有志愿者体内不会出现近期因疾病而引发的免疫反应。其中，将样本随机分为2份，分别用于模型的建立和验证。其中85例样本用于模型建立，10例样本用于模型验证，以测试质谱模型的灵敏度、特异度、准确率、精密度。
所有样本均由不含添加剂的真空血清采集管采集。采集并分离血清后将血清样本分装冷冻在-80℃低温冰箱中。
血清样品的质谱预处理：在进行质谱检测实验前，从低温冰箱取出分装好的血清样品，放于湿冰上。化冻60-90分钟。
(二)样品准备
将每份样本的5μl血清稀释在45μl样本处理液(北京毅新博创生物科技有限公司)中。然后取出10μl已稀释的血清，与10μl基质溶液(北京毅新博创生物科技有限公司)进行混合。
取出1μl混合液滴加至不锈钢靶板。室温干燥后，将样品进样MALDI-TOF MS质谱仪(Clin-TOF-II；北京毅新博创生物科技有限公司)。每个样品平行测试3次。
(三)质谱数据采集
应用Clin-TOF质谱仪(北京毅新博创生物科技有限公司)。设置合适的激光能量采集样品结晶点的某一个点。每个样品点选取50个激光轰击位置，每个位置轰击10次，即对每个样品结晶点进行500次激光轰击，收集谱图。激光频率：30Hz。数据收集范围：3～30KDa。在每次采集样品结晶点前用标准品进行外标校准，平均分子量偏差小于500ppm。
实验质控：
(1)用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格，需更换一支新的基质。
(2)用标准品进行外标校准时需保证不同校准品点的质量偏移不超过500ppm，5个校准品峰必须同时满足要求。
(3)用BE-V 2.0软件(北京毅新博创生物科技有限公司)生成峰列表，并统计出峰数量。若出峰数量低于20个，则需重新采集谱图。
(4)选取8个血清中故有的多肽峰作为内标质控内标峰。若有6～8个内标峰可以被检测到，且内标峰分子量偏移范围不超过2‰则认为谱图合格。否则需重新采集谱图。内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z。
(四)原始数据预处理
MALDI-TOF原始数据用BE-V 2.0软件(北京毅新博创生物科技有限公司)进行内标二次校准。所用内标峰m/z为：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z。然后BE-V 2.0软件(北京毅新博创生物科技有限公司)对谱图进行处理。谱图处理内容包括方差稳定化、平滑降噪、去基线、峰强度归一化、谱图平均、谱图对齐、谱峰识别、谱峰分箱等。保留组内出峰频率不低于25％的峰。最后，将得到的矩阵用于下面的分析。经log2变换后，将峰强度矩阵进行分位数归一化。在所有样本中，缺失值用最小值来填充。
(五)特征蛋白的选择
经过强度归一化和缺失值归一化后，训练组的峰值用如下三种机器学习方法进行分析：偏最小二乘回归分析法(PLS-DA)、火山图分析法(Volcano Plot)和配对t检验法。在偏最小二乘回归分析法中选取vip大于1.8的峰；在火山图分析法中设定Fc大于1.6且P等于0.05；在配对t检验法中，选取P值小于0.05且比例大于1.2的峰。通过对各组之间差异峰进行分析，选取共有差异峰作为特征峰建立模型。
共13个特征峰用于后续的模型分析。其中下调表达的特征峰为：3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：3198m/z、3213m/z、6609m/z。
不同组样本的免疫反应指纹谱对比图参见附图1，其中由下至上分别为未接种新冠疫苗的健康人血清图谱、接种过1针灭活疫苗后3周的志愿者血清图谱、接种过2针灭活疫苗后1周的志愿者血清图谱、接种过2针灭活疫苗后3周的志愿者血清图谱)。相比于未接种疫苗的血清，接种1～2针疫苗的血清在3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z处出现明显的峰强度下调；而在3198m/z、3213m/z、6609m/z处出现明显的峰强度上调。13个特征峰的上下调情况详见附图2。
(六)模型算法
尝试用4种机器学习方法用训练组数据的多肽指纹图谱特征峰建立模型，通过交叉验证准确率评估模型结果。分析的4中机器学习方法如下：逻辑回归(LR),支持向量机(SVM),随机森林(RF)和偏最小二乘判别分析(PLS-DA)。在比较了四种算法建立模型的预测准确度、灵敏度、特异度和精密度后发现，随机森林(RF)模型表现最好，其准确度、精密度和灵敏度均超过80％，是最适合的模型算法。因此选取RF模型(灵敏度＝85.7％，特异度＝66.7％，准确率＝80.0％，精密度＝85.7％)应用于对疫苗免疫反应的评价。
(七)新冠疫苗免疫反应的特征多肽的鉴定
选取特征峰强度较高的3个血清样本，对实施例1中所确定的特征峰进行二级质谱鉴定。样本经DTT还原后，用tricine-SDS-PAGE分离。各条带经胶内酶切后进行二级质谱鉴定。
采用nano-LC-MS/MS平台进行多肽序列鉴定，包括nanoflow HPLC(ThermoFisherScientific,USA)和Q-Exactive mass spectrometer(Thermo Fisher Scientific,USA)。离子模式为正离子模式，扫描范围为300-1400m/z。一级质谱分辨率为70000，二级质谱分辨率为17500。
液相分析柱：型号：Exsil Pure 120C18(Dr.Maisch GmbH,USA)；规格：360μm×12cm；内径：150μm；粒：1.9um。洗脱方式：流动相从7％B液(80％乙腈，0.1％甲酸)到45％B液，线性洗脱。流速：600nl/min；总时间38分钟。鉴定结果见下表1。
表1特征峰多肽鉴定结果
m/z 基因名称 蛋白名称
3025 CD99 CD99 antigen(75-105)
6609 CD93 Complement component C1q receptor(242-303)
13882 PPBP Platelet basic protein
14044 HBD Hemoglobin subunit delta(19-147)
14092 MBL2 Mannose-binding protein C(100-227)
14150 CD59 CD59 glycoprotein
15124 HBA1 Hemoglobin subunit alpha(2-142)
15868 HBB Hemoglobin subunit beta(2-147)
28195 LRG1 Leucine-rich alpha-2-glycoprotein(94-347)
由表1可知，所鉴定的特征多肽，均来自于已知的细胞因子片段或血红蛋白亚基片段等，均不是抗体或抗体片段。
(八)模型验证
将步骤(七)中验证的多肽指纹图谱，通过BE-V 2.0软件进行处理，构建新冠疫苗的免疫反应的标准质谱模型。
将验证组的10例样本用同样的方法进行免疫反应指纹谱采集，并通过BE-V 2.0软件与上述标准质谱模型进行比较，验证模型灵敏度、特异度、准确率、精密度结果详见下表。
表2.免疫反应指纹谱法模型验证结果
模型名称 灵敏度 特异度 准确率 精密度
RF 0.857 0.667 0.800 0.857
PLS-DA 0.714 0.667 0.700 0.833
Linear SVM 0.714 0.667 0.700 0.833
LR 0.571 0.667 0.600 0.800
(九)新冠免疫多肽指纹谱表征法时间序列分析
利用主成分分析(PCA)方法对接种前和接种后的三个采时间点采集得到的多肽指纹谱进行MALDI-TOF质谱的时间序列分析，结果如附图3所示。第0天的免疫多肽指纹谱可以与第21天、第28天和第42天很好地区分开。说明在第一次注射疫苗后，人血清中的蛋白和多肽即会发生显著的变化。
综上，根据上表所发现的特征多肽已经构建了标准的多肽指纹图谱，预示着可以表征新冠疫苗的免疫效应，以及用于评价疫苗质量，和/或，分析疫苗保护效果时间序列或疫苗保护的效期，和/或，疫苗保护时间。
实施例2.血清免疫反应指纹谱与新冠中和抗体关联性分析
试验目的：虽然接种疫苗后，通过人体产生的抗体(即结合抗体，或免疫球蛋白)的水平可以评价疫苗的免疫效应，但对于某些病毒性抗原进入人体之前或之中，如果体内就存在与病毒内部的颗粒结合的更小蛋白(即中和抗体)，那么可以阻止病毒感染细胞，从而破坏病毒颗粒。因此，临床试验中不仅要测总的抗体水平，更重要的是要单独测中和抗体水平。因此，检测抗体特别是中和抗体(NAbs)的产生对于大多数COVID-19疫苗引发人体对SARS-COV-2的保护机制具有重要意义。在本实施例中，使用实施例1相同的方法，将接种2针新冠灭活疫苗3周后的志愿者血清按是否产生中和抗体分为两组进行免疫反应指纹谱分析，试图证实免疫反应指纹谱(或指纹图谱)可以用于表征疫苗接种者是否会产生中和抗体。
(一)样本收集
51名新冠疫苗接种志愿者参与本次研究。每名志愿者均在第二针疫苗后3周(第50+n天)采集血清样本。
所有志愿者均为18～59岁健康受试者，且自愿接种新型冠状病毒灭活疫苗。志愿者为非妊娠期、非哺乳期的女性。无重大疾病史、药物过敏史及疫苗接种过敏史。无新冠肺炎病史或感染史，并在采样时持有健康码“绿码”。由此，可以保证所有志愿者体内不会出现近期因疾病而引发的免疫反应。
所有样本均由不含添加剂的真空血清采集管采集。采集并分离血清后将血清样本分装冷冻在-80℃低温冰箱中。
血清样品的质谱预处理：在进行质谱检测实验前，从低温冰箱取出分装好的血清样品，放于湿冰上。化冻60-90分钟。
(二)样品准备
将每份样本的5μl血清稀释在45μl样本处理液(北京毅新博创生物科技有限公司)中。然后取出10μl已稀释的血清，与10μl基质溶液(北京毅新博创生物科技有限公司)进行混合。
取出1μl混合液滴加至不锈钢靶板。室温干燥后，将样品进样MALDI-TOF MS质谱仪(Clin-TOF-II；北京毅新博创生物科技有限公司)。每个样品平行测试3次。
(三)质谱数据采集
应用Clin-TOF质谱仪(北京毅新博创生物科技有限公司)。设置合适的激光能量采集样品结晶点的某一个点。每个样品点选取50个激光轰击位置，每个位置轰击10次，即对每个样品结晶点进行500次激光轰击，收集谱图。激光频率：30Hz。数据收集范围：3～30KDa。在每次采集样品结晶点前用标准品进行外标校准，平均分子量偏差小于500ppm。
实验质控：
(1)用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格，需更换一支新的基质。
(2)用标准品进行外标校准时需保证不同校准品点的质量偏移不超过500ppm，5个校准品峰必须同时满足要求。
(3)用BE-V 2.0软件(北京毅新博创生物科技有限公司)生成峰列表，并统计出峰数量。若出峰数量低于20个，则需重新采集谱图。
(4)选取8个血清中故有的多肽峰作为内标质控内标峰。若有6～8个内标峰可以被检测到，且内标峰分子量偏移范围不超过2‰则认为谱图合格。否则需重新采集谱图。内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z。
(四)原始数据预处理
MALDI-TOF原始数据用BE-V 2.0软件(北京毅新博创生物科技有限公司)进行内标二次校准。所用内标峰m/z为：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z。然后BE-V 2.0软件(北京毅新博创生物科技有限公司)对谱图进行处理。谱图处理内容包括方差稳定化、平滑降噪、去基线、峰强度归一化、谱图平均、谱图对齐、谱峰识别、谱峰分箱等。保留组内出峰频率不低于25％的峰。最后，将得到的矩阵用于下面的分析。经log2变换后，将峰强度矩阵进行分位数归一化。在所有样本中，缺失值用最小值来填充。随机选择41例样本用于建立模型，剩余10例样本用于模型验证。
(五)特征蛋白的选择
经过强度归一化和缺失值归一化后，训练组的峰值用如下三种机器学习方法进行分析：偏最小二乘回归分析法(PLS-DA)、火山图分析法(Volcano Plot)和配对t检验法。在偏最小二乘回归分析法中选取vip大于2的峰；在火山图分析法中设定Fc大于1.6且P等于0.05；在配对t检验法中，选取P值小于0.05且比例大于1.2的峰。通过对各组之间差异峰进行分析，选取共有差异峰作为特征峰建立模型。模型偏最小二乘回归分析法(PLS-DA)图见附图4。相比于中和抗体阴性样本，中和抗体阳性血清在6609m/z、6980m/z、13929m/z、13939m/z、14083m/z处出现明显的峰强度下调；而在3496m/z、9928m/z处出现明显的峰强度上调。中和抗体相关特征峰上下调关系详见附图5。
(六)模型算法
尝试用4种机器学习方法用训练组数据的多肽指纹图谱特征峰建立模型，通过交叉验证准确率评估模型结果。分析的4中机器学习方法如下：逻辑回归(LR),支持向量机(SVM),随机森林(RF)和偏最小二乘判别分析(PLS-DA)。在比较了四种算法建立模型的预测准确度、灵敏度、特异度和精密度后发现，随机森林(RF)模型表现最好，其准确度、精密度和灵敏度均超过80％，是最适合的模型算法。因此选取RF模型(灵敏度＝85.7％，特异度＝66.7％，准确率＝80.0％，精密度＝85.7％)应用于对疫苗免疫反应的评价。
(七)新冠疫苗免疫反应的特征多肽的鉴定
选取特征峰强度较高的3个血清样本，对实施例2中所确定的特征峰进行二级质谱鉴定。样本经DTT还原后，用tricine-SDS-PAGE分离。各条带经胶内酶切后进行二级质谱鉴定。
采用nano-LC-MS/MS平台进行多肽序列鉴定，包括nanoflow HPLC(ThermoFisherScientific,USA)和Q-Exactive mass spectrometer(Thermo Fisher Scientific,USA)。离子模式为正离子模式，扫描范围为300-1400m/z。一级质谱分辨率为70000，二级质谱分辨率为17500。
液相分析柱：型号：Exsil Pure 120C18(Dr.Maisch GmbH,USA)；规格：360μm×12cm；内径：150μm；粒：1.9um。洗脱方式：流动相从7％B液(80％乙腈，0.1％甲酸)到45％B液，线性洗脱。流速：600nl/min；总时间38分钟。鉴定结果见下表3。
表3.特征峰多肽鉴定结果
m/z 基因名称 蛋白名称
6980 ITM2B Integral membrane protein 2B
6609 CD93 Complement component C1q receptor(242-303)
9928 PF4 Platelet factor 4
14083 MBL2 Mannose-binding protein C
实施例3.唾液免疫反应指纹谱表征新冠灭活疫苗接种带来的免疫反应变化
试验目的：
根据实施例1的方法，测试该方法对新冠疫苗接种者的唾液样本进行免疫反应指纹谱分析，以证实了本发明的免疫反应指纹图谱在其它体液样本中同样适用。
(一)唾液免疫反应指纹谱样本采集与处理
55名新冠疫苗接种志愿者参与本次研究。其中25人已完成2针新冠灭活疫苗接种，其余30人未完成完整接种(未接种新冠疫苗或仅接种1针新冠疫苗)。
所有志愿者均为18～59岁健康受试者，且自愿接种新型冠状病毒灭活疫苗。志愿者为男性或非妊娠期、非哺乳期的女性。无重大疾病史、药物过敏史及疫苗接种过敏史。无新冠肺炎病史或感染史，并在采样时持有健康码“绿码”。由此，可以保证所有志愿者体内不会出现近期因疾病而引发的免疫反应。
所有样本均为自然流出的唾液样本。采集后8小时内进行质谱检测。将样本随机分为2份，分别用于模型的建立和验证。其中33例样本用于模型建立，22例样本用于模型验证。
将每份样本的5μl唾液稀释在45μl样本处理液(北京毅新博创生物科技有限公司)。然后取出10μl已稀释的唾液，与10μl基质溶液(北京毅新博创生物科技有限公司)进行混合。
取出1μl混合液滴加至不锈钢靶板。室温干燥后，将样品进样MALDI-TOF MS质谱仪(Clin-TOF-II；北京毅新博创生物科技有限公司)。每个样品平行测试3次。
(三)质谱数据采集
应用Clin-TOF质谱仪。设置合适的激光能量采集样品结晶点的某一个点。每个样品点选取50个激光轰击位置，每个位置轰击10次，即对每个样品结晶点进行500次激光轰击，收集谱图。激光频率：30Hz。数据收集范围：3～30KDa。在每次采集样品结晶点前用标准品进行外标校准，平均分子量偏差小于500ppm。
实验质控：
(1)用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格，需更换一支新的基质。
(2)用标准品进行外标校准时需保证不同校准品点的质量偏移不超过500ppm，5个校准品峰必须同时满足要求。
(3)用BE-V 2.0软件(北京毅新博创生物科技有限公司)生成峰列表，并统计出峰数量。若出峰数量不低于20个，则认为谱图合格。否则需重新采集谱图。
得到的唾液多肽指纹图谱如附图6所示，其中，图中a曲线为未接种新冠灭活疫苗者唾液免疫多肽指纹表征谱；b曲线为已接种2针新冠灭活疫苗者唾液免疫多肽指纹表征谱。由图6所示，已接种2针新冠灭活疫苗者唾液免疫多肽指纹表征谱。应当指出的是，虽然图6b，在9000m/z附近出现明显的特征峰，同时在3484m/z以及11000m/z出现明显下降，然而，这仅是出现在个别样本中，不具有统计学意义，因此未被选中用于建立模型)。
(四)原始数据预处理
MALDI-TOF原始数据用BE1.0软件(北京毅新博创生物科技有限公司)对谱图进行处理。谱图处理内容包括方差稳定化、平滑降噪、去基线、峰强度归一化、谱图平均、谱图对齐、谱峰识别、谱峰分箱等。保留组内出峰频率不低于25％的峰。最后，将得到的矩阵用于下面的分析。经log2变换后，将峰强度矩阵进行分位数归一化。在所有样本中，缺失值用最小值来填充。
(五)特征蛋白的选择
经过强度归一化和缺失值归一化后，训练组的峰值用配对t检验法进行分析。选取P值小于0.01的峰作为特征峰建立模型。各个特征峰在2组样本中的均值-方差图详见图7。在均值-方差图中，不同组别的样品的强度均值和方差分别列出。左栏样本已完成2针疫苗接种；右栏样本为未接种疫苗或仅接种1针疫苗样本。横轴为组别名称，纵轴为峰强度。3条横线中，中间横线代表本组数据该特征峰的强度均值；上下两条横线代表本组样本该特征峰强度的离散程度。
结果：相比于未完成完整接种(2针疫苗接种)的样本，完整接种样本的唾液免疫反应指纹谱在3484m/z处出现明显的峰强度下调；而在3799m/z、3878m/z、4176m/z、4186m/z、4609m/z处出现明显的峰强度上调。各特征峰在两种中的表达情况详见附图7。
模型主成分分析(PCA)图见附图8。图中绿色点代表已完成2针疫苗注射的样本，红色点代表未完成完整注射的样本。图中展示了两组样本点在三维空间中的投影分布情况。两组样本点分布越分散，代表模型的区分潜力越大。
(六)模型算法
尝试用3种机器学习方法用训练组数据的多肽指纹图谱特征峰建立模型，通过准确率评估模型结果。分析的3中机器学习方法如下：Fishert线性分类判别,K临近算法(KNN),支持向量机(SVM)。在比较了三种算法建立模型的预测准确度后发现，K临近算法(KNN)模型表现最好，其灵敏度和特异度度均为100％，是最适合的模型算法。因此选取KNN模型应用于对疫苗免疫反应的评价。
(七)模型验证
将验证组的22例样本用同样的方法进行免疫反应指纹谱采集，并将结果导入KNN模型，模型验证结果详见下表。
表4.唾液免疫反应指纹谱模型验证结果
实施例4.鼻拭子免疫反应指纹谱表征流感疫苗接种带来的免疫反应变化
试验目的：对未接种流感疫苗和已接种流感疫苗的儿童鼻拭子样本进行免疫反应指纹谱分析。通过免疫反应指纹谱，评价免疫过程中鼻粘膜多肽的变化，并评定疫苗的免疫反应。
(一)样本收集
35名志愿者参与本次研究。其中16名志愿者在取样前1～3个月接种过流感疫苗；另外19名志愿者1年内未接种过流感疫苗。所有志愿者均为1～15岁儿童，性别不限。
所有志愿者均采集鼻拭子样本。采集后立即将鼻拭子放入1ml样本稀释液中混合均匀，使样本溶解于稀释液中。样本采集后于48h内进行质谱检测。
(二)样本检测
取出已溶解样本的稀释液10μl，与10μl基质溶液进行混合。
取出1μl混合液滴加至不锈钢靶板。室温干燥后，将样品进样MALDI-TOF MS质谱仪(Clin-TOF-II；北京毅新博创生物科技有限公司)。每个样品平行测试3次。
(三)质谱数据采集
应用Clin-TOF质谱仪(北京毅新博创生物科技有限公司)。设置合适的激光能量采集样品结晶点的某一个点。每个样品点选取50个激光轰击位置，每个位置轰击10次，即对每个样品结晶点进行500次激光轰击，收集谱图。激光频率：30Hz。数据收集范围：2～20KDa。在每次采集样品结晶点前用标准品进行外标校准，平均分子量偏差小于500ppm。
实验质控：
(1)用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格，需更换一支新的基质。
(2)用标准品进行外标校准时需保证不同校准品点的质量偏移不超过500ppm，5个校准品峰必须同时满足要求。
(3)用BE-V 2.0软件(北京毅新博创生物科技有限公司)生成峰列表，并统计出峰数量。若出峰数量低于20个，则需重新采集谱图。
(四)原始数据预处理
MALDI-TOF原始数据用BE-V 2.0软件(北京毅新博创生物科技有限公司)对谱图进行处理。谱图处理内容包括方差稳定化、平滑降噪、去基线、峰强度归一化、谱图平均、谱图对齐、谱峰识别、谱峰分箱等。保留组内出峰频率不低于25％的峰。最后，将得到的矩阵用于下面的分析。经log2变换后，将峰强度矩阵进行分位数归一化。在所有样本中，缺失值用最小值来填充。
(五)特征蛋白的选择
经过强度归一化和缺失值归一化后，训练组的峰值用如下两种机器学习方法进行分析：偏最小二乘回归分析法(PLS-DA)和火山图分析法(Volcano Plot)。在偏最小二乘回归分析法中选取vip大于1.5的峰(附图10)；在火山图分析法中设定Fc大于1.5且P等于0.05(附图11)。通过对各组之间差异峰进行分析，选取共有差异峰作为特征峰建立模型。
共26个特征峰用于后续的模型分析。特征峰m/z如下：2061m/z、2034m/z、2176m/z、2043m/z、2131m/z、2079m/z、2292m/z、2233m/z、2087m/z、5336m/z、2120m/z、2345m/z、3687m/z、2320m/z、2057m/z、2385m/z、4061m/z、4110m/z、4961m/z、3313m/z、2850m/z、2408m/z、3665m/z、2219m/z、5853m/z、2167m/z。
其中，特征峰2034m/z、2079m/z、2233m/z、2120m/z、2345m/z、2320m/z、2057m/z、2385m/z、4061m/z、4961m/z、2850m/z、2408m/z、5853m/z、2167m/z上调，同时2061m/z、2176m/z、2043m/z、2131m/z、2292m/z、2087m/z、5336m/z、3687m/z、4110m/z、3313m/z、3665m/z、2219m/z下调表示该受试者接种过流感疫苗。
(六)模型算法
尝试用4种机器学习方法用训练组数据的多肽指纹图谱特征峰建立模型，通过准确率评估模型结果。分析的4中机器学习方法如下：Fishert线性分类判别,K临近算法(KNN),支持向量机(SVM)，偏最小二乘回归分析法(PLS-DA)。在比较了4种算法建立模型的预测准确度后发现，偏最小二乘回归分析法(PLS-DA)模型表现最好，其模型准确度为83.3％，是最适合的模型算法。其ROC曲线下面积AUC为0.925(附图12)。因此选取PLS-DA模型应用于对流感疫苗免疫反应的评价。
(七)模型验证
将验证组的12例样本用同样的方法进行免疫反应指纹谱采集，并将结果导入PLS-DA模型，模型验证结果详见下表。
表5.鼻拭子免疫反应指纹谱流感免疫模型验证结果
实际分组 例数 预测为已接种 预测为未接种 预测准确率
已接种流感疫苗 6 4 2 67％
未接种流感疫苗 6 6 0 100％

Claims (10)

1.用于评价多种疫苗免疫效应的质谱模型的构建方法，包括：
(1)在疫苗接种前后多个时间点采集多名志愿者的体液样本，进行低温冷冻备用，其中所述体液样本选自血清、唾液、血浆、全血、唾液、尿液、组织液、关节液或脑积液。
(2)对体液样本进行质谱预处理；
(3)对预处理过的体液样本进行飞行时间质谱检测读取，获得由5～200个特征多肽/蛋白峰的质荷比、分子质量、质谱峰面积、质谱峰强度或相对强度数据所组成的免疫指纹表征谱；
(4)对所有样本的免疫指纹表征谱进行标准化处理，包括选择分子质量区间、谱图均一化、谱图对齐、峰对齐、归一化、过滤低频峰，并导出数据；
(5)对所得数据进行质控处理，筛选出具有特定质荷比的特征多肽，并根据这些质荷比数据和质谱峰强度或相对强度数据，通过计算机软件进行汇总和整理，建立免疫反应的标准指纹谱模型；
其中，步骤(1)中，当所述疫苗需要接种1针时，时间点为接种前1天、接种后第3周；
当所述疫苗需要接种2针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，其中两针之间间隔至少21天；
当所述疫苗需要接种3针时，时间点为第一针接种前1天、第一针接种后第3周、第二针接种后第1周、第二针接种后第3周，第三针接种后第1周、第三针接种后第3周，其中两针之间间隔至少21天；以及，
所述步骤(5)所述的质控处理，选取某一类体液样本(血清、唾液等)中固有的一组特征峰作为质控内标峰，其中所述内标峰m/z如下：6426m/z、6623m/z、8753m/z、8785m/z、8904m/z、9118m/z、9409m/z、9700m/z，并且谱图质量控制条件为：在单个样本的谱图中，质控内标峰出现数量不低于质控内标峰总数的70％且内标峰分子量偏移偏差小于0.002时或偏移范围不超过2‰视为质控合格。
2.根据权利要求1所述的方法，其中步骤(2)预处理的方法包括使用样本处理液(Bioyong Technologies Inc.)稀释稳定样品中的蛋白或多肽，并采用免疫反应指纹谱试剂盒(北京毅新博创生物科技有限公司，货号：1010307)对体液样本中的蛋白或多肽进行稀释和读取，获得多肽指纹图谱；所述软件是BE-V 2.0软件。
3.根据权利要求1或2所述的方法，其中所述步骤(4)、步骤(5)所述的质控处理，对于空白基质，用相同的质谱参数检测空白基质结晶点，若出现明显质谱峰则认为基质溶液质量不合格。
4.根据权利要求3所述的方法，其中所述需要接种1针的疫苗是腺病毒载体疫苗，接种2针的疫苗是灭活疫苗，接种3针的疫苗是重组蛋白疫苗。
5.根据权利要求4所述的方法，其中所述疫苗是针对DNA病毒疾病的疫苗或RNA病毒疾病的疫苗。
6.根据权利要求5所述的方法，其中所述DNA病毒包括乙肝病毒，疱疹病毒、风疹病毒、人乳头瘤病毒；所述RNA病毒包括艾滋病病毒/丙型肝炎病毒，乙型脑炎病毒/全部流感病毒、SARS病毒、MERS病毒、新型冠状病毒。
7.根据权利要求1-6任一项所述的方法，其中，所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人血清，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13761m/z、13882m/z、13939m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：3198m/z、3213m/z、6609m/z。
8.根据权利要求7所述的方法，其中所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z，并且所述多肽序列选自：
9.根据权利要求1-6任一项所述的方法，其中所述疫苗是针对新型冠状病毒疾病的疫苗，所述体液样本为人唾液，所述特定质荷比的特征多肽包括，下调表达的特征峰3025m/z、13882m/z、14044m/z、14092m/z、14150m/z、15124m/z、15868m/z、28195m/z；上调表达的特征峰为：6609m/z。
10.根据权利要求1-9任一项方法所制备的质谱模型，其中该质谱模型可以表征人体免疫变化的质谱模型。
CN202211688773.4A 2021-12-30 2022-12-27 用于评价多种疫苗免疫效应的质谱模型及其构建方法 Pending CN116577442A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2021116486039 2021-12-30
CN202111648603 2021-12-30

Publications (1)

Publication Number Publication Date
CN116577442A true CN116577442A (zh) 2023-08-11

Family

ID=87544102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211688773.4A Pending CN116577442A (zh) 2021-12-30 2022-12-27 用于评价多种疫苗免疫效应的质谱模型及其构建方法

Country Status (1)

Country Link
CN (1) CN116577442A (zh)

Similar Documents

Publication Publication Date Title
Kulbe et al. Current status of fluid biomarkers in mild traumatic brain injury
CN105524984A (zh) 预测新抗原表位的方法及设备
AU2015243926A1 (en) Protein biomarkers for acute, subacute and chronic traumatic injuries of the central nervous system
CN112903802B (zh) 用于诊断新冠病毒感染的质谱模型的构建方法
CN111279193B (zh) 白塞氏病诊断试剂盒及检测尿中代谢物差异的方法
CN111999403A (zh) 一种瓦斯爆炸肺损伤诊断系统、血清标志物筛选方法、肺损伤作用机制研究方法
CN109791158A (zh) 用于复杂样品的多属性监测的方法
Gao et al. Distinct myeloid population phenotypes dependent on TREM2 expression levels shape the pathology of traumatic versus demyelinating CNS disorders
CN110308227B (zh) 一种基于睡眠障碍出现原发性骨质疏松症患者血浆代谢组学分析方法
CN116577442A (zh) 用于评价多种疫苗免疫效应的质谱模型及其构建方法
CN116794320A (zh) 用于评价多种疫苗免疫效应的质谱试剂盒
Assis et al. Distinct SARS-CoV-2 Antibody Responses Elicited by Natural Infection and mRNA Vaccination
WO2023123175A1 (zh) 一种评价个体是否完成疫苗接种或个体免疫变化的方法
WO2023123164A1 (zh) 一种评价疫苗质量和疫苗保护效期的方法
CN114624449A (zh) 预测covid-19疫苗接种后不同免疫应答人群的蛋白标志物及应用
CN105241986A (zh) 区分儿童潜伏结核感染者和活动性结核病患者的蛋白特征谱
CN114839253A (zh) 血清或血浆中低分子量蛋白定量分析方法及应用
CN101201355A (zh) 免疫组质谱检测个体化肿瘤生物标志及疗效试剂盒和方法
CN108548883B (zh) 用于早期发现与预警肝损伤的生物标志物、方法及应用
CN112011605A (zh) 微生物菌群在疾病诊断中的应用
CN114858904A (zh) 包含用于诊断新冠肺炎的特征多肽的质谱模型
JP2015108515A (ja) 大腸癌の診断のための検査方法
CN111650287B (zh) 用于检测活动性肺结核的粪便中小肽及其检测系统
TW202037379A (zh) 醫藥等級的家塵蟎過敏原萃取物
WO2020024239A1 (zh) 一种逆转肿瘤多药耐药性药物的药效评价方法

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