CN116678966A - 胰腺癌阳离子标志物的筛选方法及其应用 - Google Patents
胰腺癌阳离子标志物的筛选方法及其应用 Download PDFInfo
- Publication number
- CN116678966A CN116678966A CN202310534142.5A CN202310534142A CN116678966A CN 116678966 A CN116678966 A CN 116678966A CN 202310534142 A CN202310534142 A CN 202310534142A CN 116678966 A CN116678966 A CN 116678966A
- Authority
- CN
- China
- Prior art keywords
- pancreatic cancer
- screening
- cationic
- molecular
- blood
- 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
- 206010061902 Pancreatic neoplasm Diseases 0.000 title claims abstract description 95
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 title claims abstract description 95
- 201000002528 pancreatic cancer Diseases 0.000 title claims abstract description 95
- 208000008443 pancreatic carcinoma Diseases 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 44
- 150000001768 cations Chemical class 0.000 title claims abstract description 40
- 238000012216 screening Methods 0.000 title claims abstract description 34
- 239000003550 marker Substances 0.000 title claims description 9
- 239000008280 blood Substances 0.000 claims abstract description 62
- 210000004369 blood Anatomy 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 239000000047 product Substances 0.000 claims abstract description 30
- 125000002091 cationic group Chemical group 0.000 claims abstract description 19
- 238000004949 mass spectrometry Methods 0.000 claims abstract description 9
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 claims abstract description 7
- 239000000843 powder Substances 0.000 claims abstract description 6
- 238000010257 thawing Methods 0.000 claims abstract description 5
- 238000004108 freeze drying Methods 0.000 claims abstract description 4
- 239000006228 supernatant Substances 0.000 claims abstract description 4
- 238000002330 electrospray ionisation mass spectrometry Methods 0.000 claims abstract description 3
- 238000003260 vortexing Methods 0.000 claims abstract description 3
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 claims description 41
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 claims description 33
- 150000002500 ions Chemical class 0.000 claims description 29
- 238000007619 statistical method Methods 0.000 claims description 24
- 229940104302 cytosine Drugs 0.000 claims description 22
- RWQNBRDOKXIBIV-UHFFFAOYSA-N thymine Chemical compound CC1=CNC(=O)NC1=O RWQNBRDOKXIBIV-UHFFFAOYSA-N 0.000 claims description 15
- 150000001204 N-oxides Chemical class 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 13
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 9
- 238000001195 ultra high performance liquid chromatography Methods 0.000 claims description 9
- 238000001819 mass spectrum Methods 0.000 claims description 8
- 229940113082 thymine Drugs 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000011259 mixed solution Substances 0.000 claims description 6
- 150000003384 small molecules Chemical class 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000000119 electrospray ionisation mass spectrum Methods 0.000 claims description 4
- 238000010828 elution Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000002514 liquid chromatography mass spectrum Methods 0.000 claims description 4
- UYPYRKYUKCHHIB-UHFFFAOYSA-N trimethylamine N-oxide Chemical compound C[N+](C)(C)[O-] UYPYRKYUKCHHIB-UHFFFAOYSA-N 0.000 claims description 4
- USFZMSVCRYTOJT-UHFFFAOYSA-N Ammonium acetate Chemical compound N.CC(O)=O USFZMSVCRYTOJT-UHFFFAOYSA-N 0.000 claims description 3
- 239000005695 Ammonium acetate Substances 0.000 claims description 3
- 229940043376 ammonium acetate Drugs 0.000 claims description 3
- 235000019257 ammonium acetate Nutrition 0.000 claims description 3
- 239000007864 aqueous solution Substances 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims description 3
- 238000011534 incubation Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 claims description 2
- 235000011114 ammonium hydroxide Nutrition 0.000 claims description 2
- 239000003990 capacitor Substances 0.000 claims description 2
- 239000003153 chemical reaction reagent Substances 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000001035 drying Methods 0.000 claims description 2
- 230000007717 exclusion Effects 0.000 claims description 2
- 238000009007 Diagnostic Kit Methods 0.000 claims 3
- 229940079593 drug Drugs 0.000 claims 2
- 238000001228 spectrum Methods 0.000 abstract description 4
- 238000004811 liquid chromatography Methods 0.000 abstract description 2
- 238000004140 cleaning Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 28
- 238000003745 diagnosis Methods 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 22
- 238000000513 principal component analysis Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 9
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 9
- -1 N-oxide cations Chemical class 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000000132 electrospray ionisation Methods 0.000 description 6
- 238000003759 clinical diagnosis Methods 0.000 description 4
- 238000013211 curve analysis Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000004704 ultra performance liquid chromatography Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 238000002013 hydrophilic interaction chromatography Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- FSYKKLYZXJSNPZ-UHFFFAOYSA-N sarcosine Chemical compound C[NH2+]CC([O-])=O FSYKKLYZXJSNPZ-UHFFFAOYSA-N 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 208000020241 Neonatal disease Diseases 0.000 description 1
- 208000037129 Newborn Diseases Infant Diseases 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 108010077895 Sarcosine Proteins 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229940043230 sarcosine Drugs 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 239000000107 tumor biomarker Substances 0.000 description 1
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
- G01N30/26—Conditioning of the fluid carrier; Flow patterns
- G01N30/28—Control of physical parameters of the fluid carrier
- G01N30/34—Control of physical parameters of the fluid carrier of fluid composition, e.g. gradient
-
- 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
- G01N30/7233—Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
- G01N30/724—Nebulising, aerosol formation or ionisation
- G01N30/7266—Nebulising, aerosol formation or ionisation by electric field, e.g. electrospray
-
- 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
-
- 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
- G01N30/8603—Signal analysis with integration or differentiation
- G01N30/8606—Integration
-
- 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
-
- 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
- G01N30/8603—Signal analysis with integration or differentiation
- G01N2030/862—Other mathematical operations for data preprocessing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及胰腺癌领域，尤其是涉及一种胰腺癌阳离子标志物的筛选方法及其应用。一种胰腺癌阳离子标志物的筛选方法，包括如下步骤：取出血液样本并解冻，清洗，匀浆，涡旋，超声破碎，孵育，离心，将上清冷冻干燥、备用；将上述冻干粉复溶后采用液相色谱分离，再用电喷雾电离质谱检测；通过质谱仪鉴定分子产物并采集样本的一级谱图和二级谱图；采用OPLS‑DA模型初筛，然后，再次筛选出具有显著性差异的分子。本发明采用LC‑MS/MS质谱分析方法检测，通过液相色谱串联质谱分析后，在阳离子检测中筛选出具有显著性差异的分子产物。具有显著性差异的分子产物阳离子可以作为检测胰腺癌的新的标志物。
Description
技术领域
本发明涉及胰腺癌领域，尤其是涉及一种胰腺癌阳离子标志物的筛选方法及其应用。
背景技术
胰腺癌（pancreatic cancer，PC）是一种毁灭性疾病，由于缺乏早期诊断和对常规治疗方案无反应，导致生存率仍然低，死亡率接近100%。迄今为止，手术切除是唯一可能治愈的方法。随着胰腺癌的全球发病率和流行率持续上升，迫切需要高度重视其预防及早期诊断。吸烟是最常见的烟草消费方式，烟草也是最常见的吸食物质。根治性手术切除是目前治疗胰腺癌最有效的方法，但低于20%的胰腺癌患者才拥有手术机会且预后较差。因此，寻找新型有效的辅助诊断措施对改善胰腺癌的发生、发展及预后尤为重要。
目前，越来越多的人已经认识到整合不同水平的数据是诊断早期胰腺癌生物标志物的重要方法。利用代谢组学技术可以对生物体内所有代谢物进行定量分析。近年来，代谢组学作为系统生物学的重要组成部分，结合模式识别方法，可用于判断生物体的病理生理状态，因此被广泛运用于疾病研究中。液相色谱-质谱串联技术是代谢组学的主要研究手段，前列腺癌的诊断标志物肌氨酸的检测、新生儿疾病筛查时的多种氨基酸检测等均是代谢小分子在疾病诊断中应用的已有成功案例。因此，寻找新的可以诊断胰腺癌的代谢标志物具有十分重要的意义。
发明内容
本发明目的之一在于提供一种胰腺癌阳离子标志物的筛选方法，即采用质谱分析的方法检测小分子阳离子含量；该方法简单，实用，且通过多种小分子的检测可以更好地提高检测方法的灵敏度与特异性。
为实现上述目的，本发明胰腺癌阳离子标志物的筛选方法采取下述技术方案：
一种胰腺癌阳离子标志物的筛选方法，包括如下步骤：
（1）样本预处理，取出-80°C下保存的血液样本并解冻，采用4°C预冷的PBS清洗，加入ddH2O后进行匀浆，涡旋，再加入体积之比为1：1的甲醇和乙腈混合溶液，涡旋，超声破碎，再放置-20°C下孵育后，4°C下离心，将上清真空冷冻干燥，将冻干粉置于-80°C下备用；
（2）LC-MS/MS质谱分析，将步骤（1）中的冻干粉采用体积之比为1：1的乙腈和水混合溶液复溶后采用超高效液相色谱进行分离，然后采用电喷雾电离质谱进行检测得到质谱数据；
（3）分子产物鉴定，待步骤（2）中检测完毕后，通过质谱仪鉴定分子产物，同时，采集样本的一级谱图和二级谱图，经ProteoWizard将质谱数据转换成.mzXML格式，然后采用lc-ms spectra annotation软件进行峰对齐、保留时间校正以及峰面积的提取；采用精确质量数匹配<25 ppm和二级谱图匹配的方式对小分子的结构进行鉴定；
（4）显著性差异的阳离子筛选，采用OPLS-DA模型对步骤（3）中的分子产物进行初筛，以VIP>1为筛选标准，初步筛选出各分组之间的差异分子，然后，对初筛得到的差异分子再次筛选，筛选出具有显著性差异的分子即为胰腺癌阳离子标志物。
优选地，步骤（2）中，所述复溶采用的溶液为乙腈和水的混合物，所述乙腈和水的体积之比为1：1。
进一步优选地，步骤（2）中，所述超高效液相色谱的参数设置为：柱温为25°C，流速为0.3 mL/min，上样量为2 μL；流动相由流动相A和流动相B组成，其中，流动相A为含有25mM乙酸铵和25 mM氨水的水溶液，流动相B为纯乙腈；样品采用梯度洗脱的方式进行洗脱，洗脱程序为，0～0.5 min，95% B；0.5～7min，95%B～65%B；7～8 min，65%B～50%B；8～9 min，50%B；9～9.1 min，50%B～95%B；9.1～12 min，95%B。
优选地，步骤（2）中，所述电喷雾电离质谱在正离子模式下进行检测，电喷雾电离质谱的参数设置为：干燥气体流速为16 L/min，气体温度为250°C；鞘气温度为500°C，鞘气流速为12 L/min，喷雾器为20 psig，升压电容正极为3000 V，Nozzle电压为175 V，相对分子质量范围为50～1200 Da，数据采速率为4 HZ，每个循环的时间为50ms。
优选地，步骤（3）中，所述质谱仪的参数设置为：离子源气体1为50，离子源气体2为80，离子源温度为650°C，气帘气为30，离子喷雾电压±5000 V，正离子模式；二级质谱采用高灵敏度模式进行采集，分布势能为±60 V，正离子模式，碰撞能量为35±15 eV；IDA的排除同位素参数设置为4Da，每个周期要监测的候选离子为10；采集数据按照质核比范围进行分段，其中，质核比范围分别为50～300m/z，290～600 m/z，590～900 m/z，890～1200 m/z。
优选地，步骤（4）中，再次筛选的依据为：选择同时具有多维统计分析VIP>1、Foldchange>2或<0.5认为胰腺癌血液和正常胰腺血液之间分子含量存在显著倍数差异，并且单维度T检验统计分析P value < 0.05的分子，作为具有显著性差异的分子阳离子。
优选地，步骤（4）中，所述显著性差异的分子为Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine。
本发明目的之二在于提供一种胰腺癌阳离子标志物的应用。
为实现上述目的，本发明胰腺癌阳离子标志物的应用采取下述技术方案：
一种胰腺癌阳离子标志物在制备胰腺癌诊断试剂盒或诊断药物中的应用，所述胰腺癌阳离子标志物为Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine。
优选地，所述试剂盒中包括特异性检测Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine的试剂。
采用SPSS分别绘制Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine的ROC曲线，其中，所述Trimethylamine N-oxide含量的分界点为36193.8725，所述Cytosine含量的分界点为11034.6325，所述Sphingomyelin含量的分界点为10272.1589，所述Thymine含量的分界点为18474.0571。
有益效果
本发明采用LC-MS/MS质谱分析方法检测待测样本，通过大量的临床样本进行液相色谱串联质谱分析后，在阳离子检测中筛选出几个有代表性的分子产物。通过胰腺癌血液与正常胰腺血液相应分子产物含量的差异倍数（大于2或小于0.5）可以确定上述4个分子具有良好的检验效益。因此，上述4个分子产物阳离子（Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine）可以作为检测胰腺癌的新的标志物。
附图说明
图1为Trimethylamine N-oxide阳离子诊断胰腺癌的ROC曲线；
图2为胰腺癌患者血液和正常人血液中Trimethylamine N-oxide含量统计；
图3为胰腺癌患者血液和正常人血液中Trimethylamine N-oxide含量统计；
图4为Cytosine阳离子诊断胰腺癌的ROC曲线；
图5为胰腺癌患者血液和正常人血液中Cytosine含量统计；
图6为胰腺癌患者血液和正常人血液中Cytosine含量统计；
图7为Sphingomyelin阳离子诊断胰腺癌的ROC曲线；
图8为胰腺癌患者血液和正常人血液中Sphingomyelin含量统计；
图9为胰腺癌患者血液和正常人血液中Sphingomyelin含量统计；
图10为Thymine阳离子诊断胰腺癌的ROC曲线；
图11为胰腺癌患者血液和正常人血液中Thymine含量统计；
图12为胰腺癌患者血液和正常人血液中Thymine含量统计。
实施方式
下面将对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
质控样本（QC）的制备：抽取等量获得的样品充分混合以制备QC样本。制备QC样本的目的为平衡液相色谱-质谱系统、检测样品进样前整个仪器的状态、评价实验的整个过程仪器及实验操作系统的稳定性。
样本：分别为取自胰腺癌患者血液的样本A和取自正常胰腺血液样本B各50个。
取出保存在-80°C冰箱的血液样本，放置冰上解冻。解冻完全后，采用4°C预冷的PBS清洗30mg血液样本2次。清洗干净后，每个样本加入200 μL ddH2O后用MP生物样品台式匀浆仪进行匀浆。涡旋60s，加入800 μL甲醇：乙腈溶液（1：1，v/v）。涡旋60s，4°C下进行2次超声破碎，每次30min。放置-20°C冰箱孵育1h后，15000 rcf，4°C离心20min。取出离心管中的上清，置于真空低温冷冻干燥仪中冷冻干燥。将冻干粉放置于-80°C保存。
3.1 色谱条件
利用安捷伦1290 Infinity LC超高效液相色谱系统（UHPLC）并联合HILIC色谱柱（Waters Acquity UPLC BEH Amide 1.7 μm. 2.1*100mm）进行分离样品。
液相色谱系统的参数设置如下：柱温为25°C、流速为0.3 mL/min、上样量为2 μL。流动相由两相组成：流动相A为含有25 mM乙酸铵和25 mM氨水的水溶液，流动相B为纯乙腈。样品采用梯度洗脱的方式进行洗脱，洗脱程序为：0～0.5 min，95% B；0.5～7min，95%B～65%B；7～8 min，65%B～50%B；8～9 min，50%B；9～9.1 min，50%B～95%B；9.1～12 min，95%B。整个实验过程中所有实验样品均置于4°C。冷冻干燥仪干燥的样品利用200 μL的乙腈：水（1：1，V/V）溶液进行复溶。通过随机顺序进行样本连续分析的方法进行采样，以避免检测信号波动对样本检测造成影响。
3.2 Q-TOF质谱条件
检测样本在电喷雾电离（Electro-spray Ionization，ESI）正离子模式下进行检测。样品经UHPLC分离后用安捷伦6550质谱仪进行检测分析。ESI源设置参数为：干燥气体流速：16 L/min，气体温度：250°C，鞘气温度：500°C，鞘气流速：12 L/min，喷雾器：20 psig，Vcap（升压电容正极为）：3000 V，Nozzle电压：175 V，相对分子质量范围：50～1200 Da，数据采速率：4 HZ，每个循环的时间：50ms。
样本检测完毕后，通过AB Triple TOF 6600质谱仪鉴定分子。同时采集QC样品的一级谱图和二级谱图。ESI源设置参数：离子源气体1：50，离子源气体2：80，离子源温度：650°C，气帘气：30，离子喷雾电压±5000 V（正离子模式）；二级质谱informationdependent acquisition（IDA）获得，并且采用高灵敏度模式进行采集，分布势能：±60 V（正离子模式），碰撞能量：35±15 eV，IDA的参数设置如下：Exclude isotopes within 4道尔顿，Candidate ions to monitor per cycle：10。采集数据的模式按照质核比范围进行分段，50～300m/z，290～600 m/z，590～900 m/z，890～1200 m/z，以达到扩大二级谱图采集率的目的。同时使用本实验室建立的MetDDA方法和LipDDA方法对采集获得的数据进行分子结构的鉴定。
经ProteoWizard将原始数据转换成.mzXML格式，然后采用lc-ms spectraannotation（XCMS）软件进行峰对齐、保留时间校正以及峰面积的提取。采用精确质量数匹配（<25 ppm）和二级谱图匹配的方式对小分子的结构进行鉴定。
多维统计分析评估经Pareto-scaling预处理后的数据。多维统计分析方法主要包括无监督主成分分析（PCA）分析，有监督偏最小二乘法判别分析（PLS-DA）和正交偏最小二乘法判别分析（OPLS-DA）。同时也采用单维统计分析方法分析经Pareto-scaling预处理后的数据。单维统计分析方法主要采用Student’s t-test和变异倍数分析，单维统计分析后利用R软件进行火山图的绘制。
5.1 数据预处理
在合理的实验设计和准确的实验数据基础上，首先检查实验数据是否完整，若实验数据缺失，则对其删除或补充，另一方面检查实验数据是否有极值的出现，若存在则对其删除，最后对数据进行分子物之间以及样本之间的归一化处理，用以确保数据的可比性。
对数据进行总峰面积归一化，对数据进行Pareto-scaling处理。
5.2 单维度统计分析
单维度统计分析是最简单常用的实验数据分析方法。目前最常用的单维度统计分析方法包括差异倍数分析（Fold Change Analysis，FC Analysis）、Student’s t-test以及综合前两种分析方法的火山图（Volcano Plot）制作。在进行两组样本间的差异分子产物分析时，利用单维度统计分析可以直观地显示两组样本间分子物变化的显著性，从而筛选出潜在的标志分子产物。单维度统计分析差异分子物筛选的原则为FC > 1.5同时P value <0.05。
5.3主成分分析（PCA）
主成分分析（PCA）是一种非监督的数据分析方法，一方面，它将鉴定到的所有分子物的原始数据进行重新线性阳离子，进而形成一组新的综合变量。另一方面，PCA分析根据分析问题的分类从中选取几个综合变量，使分析得到的新的综合变量尽可能多地反映原有变量的信息，以实现降低数据维度的目的。同时，分子小分子的PCA分析也能很好地从整体角度反映样本组内和组间的变异度。
5.4 偏最小二乘判别分析（PLS-DA）
与主成分分析（PCA）方法不同，偏最小二乘判别分析方法（PLS-DA）是一种有监督的判别分析统计方法。该方法利用偏最小二乘回归分析建立样品组别和分子物含量间的关系模型，以达到实现对样品类别预测的目的；模型分析的同时计算变量投影重要度（Variable Importance for the Projection，VIP）用以衡量各分子产物的表达模式对各组样本分类判别的解释能力和影响强度，用来辅助差异分子物的筛选（通常用VIP评分大于1.0作为筛选标准）。
5.5 正交偏最小二乘判别分析（OPLS-DA）
与主成分分析（PCA）方法不同，正交偏最小二乘判别分析（OPLS-DA）同偏最小二乘判别分析方法（PLS-DA）一样，是一种有监督的判别分析统计方法。此分析方法采用偏最小二乘回归建立分子产物的表达量与样品组别之间的关系模型，以达到对样品组别预测的目的。该方法是基于PLS-DA分析方法的基础上进行修正得来，该方法滤除了与分类信息无关的噪音，显著提高了模型的有效性和解析能力。在OPLS-DA评分图上，有两种主成分（预测主成分和正交主成分），一般预测主成分只有1个，即t1，而正交主成分可以同时有多个。OPLS-DA分析可以将组间的差异最大程度地反映在t1上，因此根据t1可以直接区分组间的变异，而正交主成分则可以很好地反映组内的变异。
示例组OPLS-DA模型的建立：经过7-fold cross-validation（7次循环交互验证）得到模型评价参数（R2Y，Q2），将评价参数列于OPLS-DA模型的评价参数表上（A：表示主成分数；R2X：表示模型对X变量的解释率；R2Y：表示模型对Y变量的解释率；Q2：表示模型预测能力），R2Y和Q2越接近1表明模型的稳定性和可靠性越好，一般Q2大于0.5就可说明模型具有很好的稳定性和可靠性，0.3<Q2≤0.5模型具有较好的稳定性和可靠性，Q2<0.3模型的稳定性和可靠性较低。
通过随机改变分类变量Y的排列顺序进行置换检验，通过建立200次OPLS-DA模型用以获取随机模型的R2和Q2值，纵坐标表示R2或Q2的值，横坐标表示置换检验的置换保留度，所有的Q2点从左到右均低于最右侧原始的Q2点，说明模型稳健可靠未发生过拟合。
根据OPLS-DA模型得到的变量权重值（VVIP）来衡量各分子产物的表达模式对各组别样本分类判别的解释能力和影响强度，用以挖掘具有生物学意义的差异分子产物。以VIP>1为筛选标准，初步筛选出各分组之间的差异分子。
根据筛选到的差异分子，进一步采用单维度统计分析方法，验证差异分子是否真的具有显著统计学意义。选择同时具有多维统计分析VIP>1、Fold change>2或<0.5认为胰腺癌血液和正常胰腺血液之间分子含量存在显著倍数差异，并且单维度T检验统计分析Pvalue < 0.05的分子，作为具有显著性差异的分子阳离子。然后利用SPSS软件绘制阳离子的差异分子阳离子的ROC曲线，并计算曲线下面积（AUC），用以判断差异分子阳离子的诊断价值。具体判断方法为AUC线下面积大于0.7，且P<0.05。采用灵敏度和特异性之和最大时的阈值标准作为判断胰腺癌与否的阈值标准（cut off值，倍数大于2认为大于阈值为胰腺癌检测阳性，倍数小于2者认定小于阈值者为胰腺癌检测阳性），从而得到合适的约登指数。
经质谱数据分析和将胰腺癌血液与正常胰腺血液的分子阳离子进行统计分析比较，从而得到几个分子阳离子，可以作为与胰腺癌诊断相关的联合阳离子标志物，具体如下：
Trimethylamine N-oxide阳离子作为诊断方式，检测到在胰腺癌血液与正常胰腺血液中存在显著统计学差异。若检测Trimethylamine N-oxide含量大于36193.8725则判断为胰腺癌患者，否则判断为正常。
采用ROC曲线分析，AUC为ROC曲线下的面积，是最常用的评价ROC曲线特征的参数，是重要的试验准确度指标。若AUC在0.7以下，则表示诊断的准确率较低；AUC在0.7以上，则可以满足临床诊断的要求。
由图1可知，ROC分析显示阳离子诊断的AUC为0.835>0.7，说明具有较好的诊断效果，即上述离子的阳离子诊断具有良好的诊断效果。在cut off值为36193.8725时，灵敏度为76%，特异度为76%。当进行个体检测时，Trimethylamine N-oxide含量大于36193.8725时，被判为胰腺癌患者，否则判断为正常胰腺患者（假阳性率为24%）。
由图2可知，胰腺癌患者血液样本主要分布在检测阈值（图中实线）以上，正常人血液主要分布在检测阈值以下，说明胰腺癌患者血液和正常人血液的Trimethylamine N-oxide含量相差甚大，该检测阈值检测效果良好。
由图3可知，胰腺癌患者血液中的Trimethylamine N-oxide含量显著高于正常组。
综上所述，Trimethylamine N-oxide阳离子可以作为胰腺癌的诊断方式。
2. Cytosine阳离子作为诊断方式，检测到在胰腺癌血液与正常胰腺血液中存在显著统计学差异。若检测Cytosine含量大于11034.6325则判断为胰腺癌患者，否则判断为正常。
采用ROC曲线分析，AUC为ROC曲线下的面积，是最常用的评价ROC曲线特征的参数，是重要的试验准确度指标。若AUC在0.7以下，则表示诊断的准确率较低；AUC在0.7以上，则可以满足临床诊断的要求。
由图4可知，ROC分析显示阳离子诊断的AUC为0.850>0.7，说明具有较好的诊断效果，即上述离子的阳离子诊断具有良好的诊断效果。在cut off值为11034.6325时，灵敏度为92%，特异度为68%。当进行个体检测时，Cytosine含量大于36193.8725时，被判为胰腺癌患者，否则判断为正常胰腺患者（假阳性率为32%）。
由图5可知，胰腺癌患者血液样本主要分布在检测阈值（图中实线）以上，正常人血液主要分布在检测阈值以下，说明胰腺癌患者血液和正常人血液的Cytosine含量相差甚大，该检测阈值检测效果良好。图6可知，胰腺癌患者血液中的Cytosine含量显著高于正常组。
综上所述，Cytosine阳离子可以作为胰腺癌的诊断方式。
3. Sphingomyelin阳离子作为诊断方式，检测到在胰腺癌血液与正常胰腺血液中存在显著统计学差异。若检测Sphingomyelin含量大于10272.1588则判断为胰腺癌患者，否则判断为正常。
采用ROC曲线分析，AUC为ROC曲线下的面积，是最常用的评价ROC曲线特征的参数，是重要的试验准确度指标。若AUC在0.7以下，则表示诊断的准确率较低；AUC在0.7以上，则可以满足临床诊断的要求。
由图7可知，ROC分析显示阳离子诊断的AUC为0.903>0.7，说明具有较好的诊断效果，即上述离子的阳离子诊断具有良好的诊断效果。在cut off值为10272.1588时，灵敏度为76%，特异度为90%。当进行个体检测时，Sphingomyelin含量大于10272.1588，被判为胰腺癌患者，否则判断为正常胰腺患者（假阳性率为10%）。
由图8可知，胰腺癌患者血液样本主要分布在检测阈值（图中实线）以上，正常人血液主要分布在检测阈值以下，说明胰腺癌患者血液和正常人血液的Sphingomyelin含量相差甚大，该检测阈值检测效果良好。
由图9可知，胰腺癌患者血液中的Sphingomyeline含量显著高于正常组。
综上，Sphingomyelin阳离子可以作为胰腺癌的诊断方式。
4. Thymine阳离子作为诊断方式，检测到在胰腺癌血液与正常胰腺血液中存在显著统计学差异。若检测Thymine含量大于18474.0570则判断为胰腺癌患者，否则判断为正常。
采用ROC曲线分析，AUC为ROC曲线下的面积，是最常用的评价ROC曲线特征的参数，是重要的试验准确度指标。若AUC在0.7以下，则表示诊断的准确率较低；AUC在0.7以上，则可以满足临床诊断的要求。
由图10可知，ROC分析显示阳离子诊断的AUC为0.824>0.7，说明具有较好的诊断效果，即上述离子的阳离子诊断具有良好的诊断效果。在cut off值为18474.0570时，灵敏度为64%，特异度为86%。当进行个体检测时，Thymine含量大于18474.0570，被判为胰腺癌患者，否则判断为正常胰腺患者（假阳性率为14%）。
由图11可知，胰腺癌患者血液样本主要分布在检测阈值（图中实线）以上，正常人血液主要分布在检测阈值以下，说明胰腺癌患者血液和正常人血液的Thymine含量相差甚大，该检测阈值检测效果良好。由图12可知，胰腺癌患者血液中的Thymine含量显著高于正常组。
综上，Thymine阳离子可以作为胰腺癌的诊断方式。
实施例
一种胰腺癌阳离子标志物的筛选方法的技术方案，包括如下步骤：
（1）样本的制备：提取相应标本的分子产物。
（2）LC-MS/MS质谱分析方法检测：利用安捷伦1290 Infinity LC超高效液相色谱系统（UHPLC）并联合HILIC色谱柱（Waters Acquity UPLC BEH Amide 1.7 μm. 2.1*100mm）进行分离样品，随后采用电喷雾电离（Electro-spray Ionization，ESI）正离子模式进行检测。样品经UHPLC分离后用安捷伦6550 质谱仪进行质谱分析。采集质谱数据并分析结果。
（3）数据处理：样本检测完毕后，通过AB Triple TOF 6600质谱仪鉴定分子产物。同时采集QC样品的一级谱图和二级谱图。经ProteoWizard将原始数据转换成.mzXML格式，然后采用lc-ms spectra annotation（XCMS）软件进行峰对齐、保留时间校正以及峰面积的提取。采用精确质量数匹配（<25 ppm）和二级谱图匹配的方式对小分子的结构进行鉴定。
（4）统计学分析
根据OPLS-DA模型得到的变量权重值（Variable Importance for theProjection， VIP）衡量各分子产物的表达模式对样本分类判别的解释能力和影响强度，用以挖掘具有生物学意义的差异分子产物。以VIP>1作为筛选标准，初步筛选出各组间的差异分子产物。
根据筛选到的差异分子产物，进一步采用单维度统计分析方法，验证差异分子产物是否真的具有显著统计学意义。选择同时具有多维统计分析VIP>1、Fold change>2或<0.5认为胰腺癌血液和正常胰腺血液之间分子产物含量存在显著倍数差异，并且单维度T检验统计分析P value < 0.05的分子产物，作为具有显著性差异的分子产物阳离子。并通过SPSS 4种阳离子诊断的ROC曲线，并计算曲线下面积（AUC），用以判断差异分子产物阳离子的诊断价值。具体判断方法为AUC线下面积大于0.7，且P<0.05。采用灵敏度和特异性之和最大时的阈值标准作为判断胰腺癌与否的阈值标准（倍数大于2者认为大于阈值为胰腺癌检测阳性，倍数小于2者认定小于阈值者为胰腺癌检测阳性），从而得到合适的约登指数。
具体筛选出的阳离子如下：
阳离子1，Trimethylamine N-oxide。
阳离子2，Cytosine。
阳离子3，Sphingomyelin。
阳离子4，Thymine。
通过对上述阳离子标志物进行检测，可以实现对胰腺癌症的诊断。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (9)
1.一种胰腺癌阳离子标志物的筛选方法，其特征在于，包括如下步骤：
（1）样本预处理，取出-80°C下保存的血液样本并解冻，采用4°C预冷的PBS清洗，加入ddH2O后进行匀浆，涡旋，再加入体积之比为1：1的甲醇和乙腈混合溶液，涡旋，超声破碎，再放置-20°C下孵育后，4°C下离心，将上清真空冷冻干燥，将冻干粉置于-80°C下备用；
（2）LC-MS/MS质谱分析，将步骤（1）中的冻干粉采用体积之比为1：1的乙腈和水混合溶液复溶后采用超高效液相色谱进行分离，然后采用电喷雾电离质谱进行检测得到质谱数据；
（3）分子产物鉴定，待步骤（2）中检测完毕后，通过质谱仪鉴定分子产物，同时，采集样本的一级谱图和二级谱图，经ProteoWizard将质谱数据转换成.mzXML格式，然后采用lc-msspectra annotation软件进行峰对齐、保留时间校正以及峰面积的提取；采用精确质量数匹配<25 ppm和二级谱图匹配的方式对小分子的结构进行鉴定；
（4）显著性差异的阳离子筛选，采用OPLS-DA模型对步骤（3）中的分子产物进行初筛，以VIP>1为筛选标准，初步筛选出各分组之间的差异分子，然后，对初筛得到的差异分子再次筛选，筛选出具有显著性差异的分子即为胰腺癌阳离子标志物。
2. 根据权利要求1所述的胰腺癌阳离子标志物的筛选方法，其特征在于，步骤（2）中，所述超高效液相色谱的参数设置为：柱温为25°C，流速为0.3 mL/min，上样量为2 μL；流动相由流动相A和流动相B组成，其中，流动相A为含有25 mM乙酸铵和25 mM氨水的水溶液，流动相B为纯乙腈；样品采用梯度洗脱的方式进行洗脱，洗脱程序为，0～0.5 min，95% B；0.5～7min，95%B～65%B；7～8 min，65%B～50%B；8～9 min，50%B；9～9.1 min，50%B～95%B；9.1～12 min，95%B。
3. 根据权利要求1所述的胰腺癌阳离子标志物的筛选方法，其特征在于，步骤（2）中，所述电喷雾电离质谱在正离子模式下进行检测，电喷雾电离质谱的参数设置为：干燥气体流速为16 L/min，气体温度为250°C；鞘气温度为500°C，鞘气流速为12 L/min，喷雾器为20psig，升压电容正极为3000 V，Nozzle电压为175 V，相对分子质量范围为50～1200 Da，数据采速率为4 HZ，每个循环的时间为50ms。
4. 根据权利要求1所述的胰腺癌阳离子标志物的筛选方法，其特征在于，步骤（3）中，所述质谱仪的参数设置为：离子源气体1为50，离子源气体2为80，离子源温度为650°C，气帘气为30，离子喷雾电压±5000 V，正离子模式；二级质谱采用高灵敏度模式进行采集，分布势能为±60 V，正离子模式，碰撞能量为35±15 eV；IDA的排除同位素参数设置为4Da，每个周期要监测的候选离子为10；采集数据按照质核比范围进行分段，其中，质核比范围分别为50～300m/z，290～600 m/z，590～900 m/z，890～1200 m/z。
5. 根据权利要求1所述的胰腺癌阳离子标志物的筛选方法，其特征在于，步骤（4）中，再次筛选的依据为：选择同时具有多维统计分析VIP>1、Fold change>2或<0.5认为胰腺癌血液和正常胰腺血液之间分子含量存在显著倍数差异，并且单维度T检验统计分析P value< 0.05的分子，作为具有显著性差异的分子阳离子。
6. 根据权利要求1所述的胰腺癌阳离子标志物的筛选方法，其特征在于，步骤（4）中，所述显著性差异的分子为Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine。
7. 一种如权利要求1～6任一项所述的胰腺癌阳离子标志物在制备胰腺癌诊断试剂盒中的应用，所述胰腺癌阳离子标志物为Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine。
8. 根据权利要求7所述的胰腺癌阳离子标志物在制备胰腺癌诊断试剂盒或诊断药物中的应用，其特征在于，所述试剂盒中包括特异性检测Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine的试剂。
9.根据权利要求7所述的胰腺癌阳离子标志物在制备胰腺癌诊断试剂盒或诊断药物中的应用，其特征在于，采用SPSS分别绘制Trimethylamine N-oxide、Cytosine、Sphingomyelin和Thymine的ROC曲线，其中，所述Trimethylamine N-oxide含量的分界点为36193.8725，所述Cytosine含量的分界点为11034.6325，所述Sphingomyelin含量的分界点为10272.1588，所述Thymine含量的分界点为18474.0571。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310534142.5A CN116678966A (zh) | 2023-05-12 | 2023-05-12 | 胰腺癌阳离子标志物的筛选方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310534142.5A CN116678966A (zh) | 2023-05-12 | 2023-05-12 | 胰腺癌阳离子标志物的筛选方法及其应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116678966A true CN116678966A (zh) | 2023-09-01 |
Family
ID=87779994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310534142.5A Pending CN116678966A (zh) | 2023-05-12 | 2023-05-12 | 胰腺癌阳离子标志物的筛选方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116678966A (zh) |
-
2023
- 2023-05-12 CN CN202310534142.5A patent/CN116678966A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023082820A1 (zh) | 用于肺腺癌诊断的标志物及其应用 | |
| CN108414660B (zh) | 一组与肺癌早期诊断相关的血浆代谢小分子标志物的应用 | |
| WO2023082821A1 (zh) | 用于肺部良恶性结节诊断的血清代谢标志物及其应用 | |
| CN108680745B (zh) | 血清脂质生物标志物在nsclc早期诊断中的应用方法 | |
| US20150126403A1 (en) | Method of identifying proteins in human serum indicative of pathologies of human lung tissues | |
| Liang et al. | Serum metabolomics uncovering specific metabolite signatures of intra-and extrahepatic cholangiocarcinoma | |
| CN114924073A (zh) | 结直肠进展期肿瘤诊断标志物组合及其应用 | |
| CN114740135A (zh) | 一种适用于早期发现、早期预测或早期诊断重度慢阻肺的生物标志物及其应用和筛选方法 | |
| CN110850074B (zh) | 肝硬化阴离子标志物的筛选方法和应用 | |
| CN110850073B (zh) | 肝硬化阳离子标志物的筛选方法和应用 | |
| CN112986441A (zh) | 一种从组织代谢轮廓筛选的肿瘤标志物及其应用和辅助诊断方法 | |
| Xiao et al. | Discovery of laryngeal carcinoma by serum proteomic pattern analysis | |
| CN111273023B (zh) | 一种肺腺癌肿瘤标记物蛋白及其应用 | |
| CN110850075B (zh) | 肝癌阳离子标志物的筛选方法和应用 | |
| CN116678966A (zh) | 胰腺癌阳离子标志物的筛选方法及其应用 | |
| CN113484518B (zh) | 一种区分肺部疾病的诊断生物标志物 | |
| CN116699010A (zh) | 胰腺癌生物标志物的筛选方法及其应用 | |
| CN117110474A (zh) | 肝血管肉瘤标志物的筛选方法及其在制备肝血管肉瘤诊断试剂盒中的应用 | |
| CN117169372A (zh) | 肝衰竭生物标志物的筛选方法及其应用 | |
| CN117110473A (zh) | 骨肉瘤蛋白质标志物的筛选方法及其应用 | |
| EP3203227A1 (en) | Chronic heart disease patient specific biomarker composition and use thereof | |
| CN117288854A (zh) | 肝内胆管细胞癌蛋白质标志物的筛选方法及其应用 | |
| CN112834652B (zh) | 急性主动脉夹层患者特异性生物标志组合物及其用途 | |
| 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 | |
| EP3203228B1 (en) | Chronic heart disease patient specific biomarker composition and use thereof |
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 |