CN117191963A - 预测会否进展为aclf或者aclf患者会否死亡的生物标志物、系统及其应用 - Google Patents
预测会否进展为aclf或者aclf患者会否死亡的生物标志物、系统及其应用 Download PDFInfo
- Publication number
- CN117191963A CN117191963A CN202310519559.4A CN202310519559A CN117191963A CN 117191963 A CN117191963 A CN 117191963A CN 202310519559 A CN202310519559 A CN 202310519559A CN 117191963 A CN117191963 A CN 117191963A
- Authority
- CN
- China
- Prior art keywords
- acid
- cehc
- aclf
- colonic
- carnitine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000090 biomarker Substances 0.000 title claims abstract description 348
- 230000034994 death Effects 0.000 claims abstract description 59
- 239000002253 acid Substances 0.000 claims description 504
- 230000000112 colonic effect Effects 0.000 claims description 309
- JSJWCHRYRHKBBW-UHFFFAOYSA-N N-carbamoyl-beta-alanine Chemical compound NC(=O)NCCC(O)=O JSJWCHRYRHKBBW-UHFFFAOYSA-N 0.000 claims description 282
- -1 3-hydroxy butyl Chemical group 0.000 claims description 254
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 claims description 226
- 229960004203 carnitine Drugs 0.000 claims description 207
- JKKFKPJIXZFSSB-CBZIJGRNSA-N estrone 3-sulfate Chemical compound OS(=O)(=O)OC1=CC=C2[C@H]3CC[C@](C)(C(CC4)=O)[C@@H]4[C@@H]3CCC2=C1 JKKFKPJIXZFSSB-CBZIJGRNSA-N 0.000 claims description 201
- VMJQLPNCUPGMNQ-UHFFFAOYSA-N gamma-CEHC Chemical compound C1CC(C)(CCC(O)=O)OC2=C(C)C(C)=C(O)C=C21 VMJQLPNCUPGMNQ-UHFFFAOYSA-N 0.000 claims description 194
- 229940034208 thyroxine Drugs 0.000 claims description 184
- JKKFKPJIXZFSSB-UHFFFAOYSA-N 1,3,5(10)-estratrien-17-one 3-sulfate Natural products OS(=O)(=O)OC1=CC=C2C3CCC(C)(C(CC4)=O)C4C3CCC2=C1 JKKFKPJIXZFSSB-UHFFFAOYSA-N 0.000 claims description 182
- XUIIKFGFIJCVMT-GFCCVEGCSA-N D-thyroxine Chemical compound IC1=CC(C[C@@H](N)C(O)=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-GFCCVEGCSA-N 0.000 claims description 181
- 125000000291 glutamic acid group Chemical group N[C@@H](CCC(O)=O)C(=O)* 0.000 claims description 181
- XUIIKFGFIJCVMT-UHFFFAOYSA-N thyroxine-binding globulin Natural products IC1=CC(CC([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-UHFFFAOYSA-N 0.000 claims description 181
- 108010016626 Dipeptides Proteins 0.000 claims description 180
- HGWHOHGOLUXKQT-BYPYZUCNSA-N (2s)-2-(2-methylhydrazinyl)pentanedioic acid Chemical compound CNN[C@H](C(O)=O)CCC(O)=O HGWHOHGOLUXKQT-BYPYZUCNSA-N 0.000 claims description 173
- PMMYEEVYMWASQN-UHFFFAOYSA-N dl-hydroxyproline Natural products OC1C[NH2+]C(C([O-])=O)C1 PMMYEEVYMWASQN-UHFFFAOYSA-N 0.000 claims description 157
- 229960002591 hydroxyproline Drugs 0.000 claims description 155
- PMMYEEVYMWASQN-DMTCNVIQSA-N Hydroxyproline Chemical compound O[C@H]1CN[C@H](C(O)=O)C1 PMMYEEVYMWASQN-DMTCNVIQSA-N 0.000 claims description 154
- FGMPLJWBKKVCDB-UHFFFAOYSA-N trans-L-hydroxy-proline Natural products ON1CCCC1C(O)=O FGMPLJWBKKVCDB-UHFFFAOYSA-N 0.000 claims description 154
- QMMFVYPAHWMCMS-UHFFFAOYSA-N Dimethyl sulfide Chemical compound CSC QMMFVYPAHWMCMS-UHFFFAOYSA-N 0.000 claims description 151
- QQHJDPROMQRDLA-UHFFFAOYSA-N hexadecanedioic acid Chemical compound OC(=O)CCCCCCCCCCCCCCC(O)=O QQHJDPROMQRDLA-UHFFFAOYSA-N 0.000 claims description 134
- GJAWHXHKYYXBSV-UHFFFAOYSA-N quinolinic acid Chemical compound OC(=O)C1=CC=CN=C1C(O)=O GJAWHXHKYYXBSV-UHFFFAOYSA-N 0.000 claims description 109
- 238000001514 detection method Methods 0.000 claims description 85
- 238000007477 logistic regression Methods 0.000 claims description 60
- 238000012549 training Methods 0.000 claims description 54
- 208000019425 cirrhosis of liver Diseases 0.000 claims description 36
- 210000002966 serum Anatomy 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 34
- WTGHQIKMADLFAH-UHFFFAOYSA-N γ-cehc Chemical compound C1CC(C)(CCC(O)=O)OC2=C(C)C(C)=CC=C21 WTGHQIKMADLFAH-UHFFFAOYSA-N 0.000 claims description 33
- 239000003153 chemical reaction reagent Substances 0.000 claims description 28
- 230000007882 cirrhosis Effects 0.000 claims description 27
- 206010016654 Fibrosis Diseases 0.000 claims description 24
- 239000011734 sodium Substances 0.000 claims description 22
- 229950008385 estrone sulphate Drugs 0.000 claims description 21
- 238000007405 data analysis Methods 0.000 claims description 20
- WHBMMWSBFZVSSR-UHFFFAOYSA-N 3-hydroxybutyric acid Chemical compound CC(O)CC(O)=O WHBMMWSBFZVSSR-UHFFFAOYSA-N 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 239000008280 blood Substances 0.000 claims description 19
- 230000004083 survival effect Effects 0.000 claims description 19
- 108010088751 Albumins Proteins 0.000 claims description 16
- 102000009027 Albumins Human genes 0.000 claims description 16
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 claims description 16
- LOTUQOZXADVRRI-YFKPBYRVSA-N 2-acetohydrazidopentanedioic acid Chemical compound CC(=O)NN[C@@H](CCC(O)=O)C(O)=O LOTUQOZXADVRRI-YFKPBYRVSA-N 0.000 claims description 15
- PHIQHXFUZVPYII-ZCFIWIBFSA-O (R)-carnitinium Chemical compound C[N+](C)(C)C[C@H](O)CC(O)=O PHIQHXFUZVPYII-ZCFIWIBFSA-O 0.000 claims description 14
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 12
- 210000004698 lymphocyte Anatomy 0.000 claims description 12
- 229910052708 sodium Inorganic materials 0.000 claims description 12
- 229960000401 tranexamic acid Drugs 0.000 claims description 11
- 210000002381 plasma Anatomy 0.000 claims description 10
- 229960003624 creatine Drugs 0.000 claims description 8
- 239000006046 creatine Substances 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 8
- 208000007386 hepatic encephalopathy Diseases 0.000 claims description 8
- 210000000440 neutrophil Anatomy 0.000 claims description 7
- GYDJEQRTZSCIOI-LJGSYFOKSA-N tranexamic acid Chemical compound NC[C@H]1CC[C@H](C(O)=O)CC1 GYDJEQRTZSCIOI-LJGSYFOKSA-N 0.000 claims description 6
- 125000001951 carbamoylamino group Chemical group C(N)(=O)N* 0.000 claims description 4
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 claims description 4
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 210000001072 colon Anatomy 0.000 claims description 2
- OPVPGKGADVGKTG-BQBZGAKWSA-N Ac-Asp-Glu Chemical compound CC(=O)N[C@@H](CC(O)=O)C(=O)N[C@H](C(O)=O)CCC(O)=O OPVPGKGADVGKTG-BQBZGAKWSA-N 0.000 claims 46
- 238000013058 risk prediction model Methods 0.000 abstract description 6
- 208000007788 Acute Liver Failure Diseases 0.000 description 569
- 206010000804 Acute hepatic failure Diseases 0.000 description 569
- 231100000836 acute liver failure Toxicity 0.000 description 569
- 239000002207 metabolite Substances 0.000 description 268
- 238000010200 validation analysis Methods 0.000 description 57
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 32
- 201000010099 disease Diseases 0.000 description 28
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 28
- 230000008859 change Effects 0.000 description 24
- 239000000523 sample Substances 0.000 description 22
- 210000004185 liver Anatomy 0.000 description 18
- 208000019423 liver disease Diseases 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 230000002503 metabolic effect Effects 0.000 description 17
- 239000003550 marker Substances 0.000 description 16
- 238000012216 screening Methods 0.000 description 16
- 238000012360 testing method Methods 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 10
- 238000007637 random forest analysis Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 10
- 230000001684 chronic effect Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 9
- 230000008685 targeting Effects 0.000 description 8
- 206010061218 Inflammation Diseases 0.000 description 7
- 206010053159 Organ failure Diseases 0.000 description 7
- 238000003556 assay Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 235000014113 dietary fatty acids Nutrition 0.000 description 7
- 229930195729 fatty acid Natural products 0.000 description 7
- 239000000194 fatty acid Substances 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 230000004054 inflammatory process Effects 0.000 description 7
- 230000004060 metabolic process Effects 0.000 description 7
- 230000037361 pathway Effects 0.000 description 7
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 6
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 6
- 150000004665 fatty acids Chemical class 0.000 description 6
- 150000002632 lipids Chemical class 0.000 description 6
- 238000007254 oxidation reaction Methods 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 238000004393 prognosis Methods 0.000 description 6
- 230000001154 acute effect Effects 0.000 description 5
- 235000001014 amino acid Nutrition 0.000 description 5
- 150000001413 amino acids Chemical class 0.000 description 5
- 239000003613 bile acid Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 5
- 230000036542 oxidative stress Effects 0.000 description 5
- 230000002250 progressing effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 108010074051 C-Reactive Protein Proteins 0.000 description 4
- 102100032752 C-reactive protein Human genes 0.000 description 4
- 206010019663 Hepatic failure Diseases 0.000 description 4
- 210000003714 granulocyte Anatomy 0.000 description 4
- 230000000968 intestinal effect Effects 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 230000005976 liver dysfunction Effects 0.000 description 4
- 208000007903 liver failure Diseases 0.000 description 4
- 231100000835 liver failure Toxicity 0.000 description 4
- 210000005228 liver tissue Anatomy 0.000 description 4
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000012353 t test Methods 0.000 description 4
- BJBUEDPLEOHJGE-UHFFFAOYSA-N (2R,3S)-3-Hydroxy-2-pyrolidinecarboxylic acid Natural products OC1CCNC1C(O)=O BJBUEDPLEOHJGE-UHFFFAOYSA-N 0.000 description 3
- HSINOMROUCMIEA-FGVHQWLLSA-N (2s,4r)-4-[(3r,5s,6r,7r,8s,9s,10s,13r,14s,17r)-6-ethyl-3,7-dihydroxy-10,13-dimethyl-2,3,4,5,6,7,8,9,11,12,14,15,16,17-tetradecahydro-1h-cyclopenta[a]phenanthren-17-yl]-2-methylpentanoic acid Chemical compound C([C@@]12C)C[C@@H](O)C[C@H]1[C@@H](CC)[C@@H](O)[C@@H]1[C@@H]2CC[C@]2(C)[C@@H]([C@H](C)C[C@H](C)C(O)=O)CC[C@H]21 HSINOMROUCMIEA-FGVHQWLLSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 102000004895 Lipoproteins Human genes 0.000 description 3
- 108090001030 Lipoproteins Proteins 0.000 description 3
- 239000000091 biomarker candidate Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229940109239 creatinine Drugs 0.000 description 3
- RWSXRVCMGQZWBV-WDSKDSINSA-N glutathione Chemical compound OC(=O)[C@@H](N)CCC(=O)N[C@@H](CS)C(=O)NCC(O)=O RWSXRVCMGQZWBV-WDSKDSINSA-N 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000037821 progressive disease Diseases 0.000 description 3
- 239000003270 steroid hormone Substances 0.000 description 3
- 230000009885 systemic effect Effects 0.000 description 3
- BJBUEDPLEOHJGE-IMJSIDKUSA-N trans-3-hydroxy-L-proline Chemical compound O[C@H]1CC[NH2+][C@@H]1C([O-])=O BJBUEDPLEOHJGE-IMJSIDKUSA-N 0.000 description 3
- 238000002054 transplantation Methods 0.000 description 3
- GVJHHUAWPYXKBD-UHFFFAOYSA-N (±)-α-Tocopherol Chemical compound OC1=C(C)C(C)=C2OC(CCCC(C)CCCC(C)CCCC(C)C)(C)CCC2=C1C GVJHHUAWPYXKBD-UHFFFAOYSA-N 0.000 description 2
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 208000010334 End Stage Liver Disease Diseases 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 2
- 206010062016 Immunosuppression Diseases 0.000 description 2
- 238000000585 Mann–Whitney U test Methods 0.000 description 2
- 206010040047 Sepsis Diseases 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 2
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 2
- 238000010811 Ultra-Performance Liquid Chromatography-Tandem Mass Spectrometry Methods 0.000 description 2
- 208000036142 Viral infection Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000009798 acute exacerbation Effects 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 230000008238 biochemical pathway Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 230000023555 blood coagulation Effects 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005251 capillar electrophoresis Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 208000011444 chronic liver failure Diseases 0.000 description 2
- 239000013068 control sample Substances 0.000 description 2
- 230000037149 energy metabolism Effects 0.000 description 2
- 238000010201 enrichment analysis Methods 0.000 description 2
- 230000005713 exacerbation Effects 0.000 description 2
- 235000019253 formic acid Nutrition 0.000 description 2
- WIGCFUFOHFEKBI-UHFFFAOYSA-N gamma-tocopherol Natural products CC(C)CCCC(C)CCCC(C)CCCC1CCC2C(C)C(O)C(C)C(C)C2O1 WIGCFUFOHFEKBI-UHFFFAOYSA-N 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000003969 glutathione Nutrition 0.000 description 2
- 229960003180 glutathione Drugs 0.000 description 2
- RQFCJASXJCIDSX-UUOKFMHZSA-N guanosine 5'-monophosphate Chemical compound C1=2NC(N)=NC(=O)C=2N=CN1[C@@H]1O[C@H](COP(O)(O)=O)[C@@H](O)[C@H]1O RQFCJASXJCIDSX-UUOKFMHZSA-N 0.000 description 2
- 235000013928 guanylic acid Nutrition 0.000 description 2
- 239000004226 guanylic acid Substances 0.000 description 2
- 208000006454 hepatitis Diseases 0.000 description 2
- 231100000283 hepatitis Toxicity 0.000 description 2
- 230000009001 hormonal pathway Effects 0.000 description 2
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 2
- 208000026278 immune system disease Diseases 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000001506 immunosuppresive effect Effects 0.000 description 2
- 230000000155 isotopic effect Effects 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000007310 pathophysiology Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- UYPYRKYUKCHHIB-UHFFFAOYSA-N trimethylamine N-oxide Chemical compound C[N+](C)(C)[O-] UYPYRKYUKCHHIB-UHFFFAOYSA-N 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- GVJHHUAWPYXKBD-IEOSBIPESA-N α-tocopherol Chemical compound OC1=C(C)C(C)=C2O[C@@](CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1C GVJHHUAWPYXKBD-IEOSBIPESA-N 0.000 description 2
- WGVKWNUPNGFDFJ-DQCZWYHMSA-N β-tocopherol Chemical compound OC1=CC(C)=C2O[C@@](CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1C WGVKWNUPNGFDFJ-DQCZWYHMSA-N 0.000 description 2
- SMBRZDVGVHNORI-WOYAITHZSA-N (2s)-2-acetamidobutanedioic acid;(2s)-2-aminopentanedioic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O.CC(=O)N[C@H](C(O)=O)CC(O)=O SMBRZDVGVHNORI-WOYAITHZSA-N 0.000 description 1
- LRYZPFWEZHSTHD-HEFFAWAOSA-O 2-[[(e,2s,3r)-2-formamido-3-hydroxyoctadec-4-enoxy]-hydroxyphosphoryl]oxyethyl-trimethylazanium Chemical class CCCCCCCCCCCCC\C=C\[C@@H](O)[C@@H](NC=O)COP(O)(=O)OCC[N+](C)(C)C LRYZPFWEZHSTHD-HEFFAWAOSA-O 0.000 description 1
- WHBMMWSBFZVSSR-UHFFFAOYSA-M 3-hydroxybutyrate Chemical compound CC(O)CC([O-])=O WHBMMWSBFZVSSR-UHFFFAOYSA-M 0.000 description 1
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 1
- 108010082126 Alanine transaminase Proteins 0.000 description 1
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 1
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 1
- GWZYPXHJIZCRAJ-UHFFFAOYSA-N Biliverdin Natural products CC1=C(C=C)C(=C/C2=NC(=Cc3[nH]c(C=C/4NC(=O)C(=C4C)C=C)c(C)c3CCC(=O)O)C(=C2C)CCC(=O)O)NC1=O GWZYPXHJIZCRAJ-UHFFFAOYSA-N 0.000 description 1
- RCNSAJSGRJSBKK-NSQVQWHSSA-N Biliverdin IX Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(\C=C/2C(=C(C)C(=C/C=3C(=C(C=C)C(=O)N=3)C)/N\2)CCC(O)=O)N1 RCNSAJSGRJSBKK-NSQVQWHSSA-N 0.000 description 1
- 206010057573 Chronic hepatic failure Diseases 0.000 description 1
- 206010009208 Cirrhosis alcoholic Diseases 0.000 description 1
- 208000032862 Clinical Deterioration Diseases 0.000 description 1
- OMFXVFTZEKFJBZ-UHFFFAOYSA-N Corticosterone Natural products O=C1CCC2(C)C3C(O)CC(C)(C(CC4)C(=O)CO)C4C3CCC2=C1 OMFXVFTZEKFJBZ-UHFFFAOYSA-N 0.000 description 1
- 102000004127 Cytokines Human genes 0.000 description 1
- 108090000695 Cytokines Proteins 0.000 description 1
- 206010014935 Enzyme abnormality Diseases 0.000 description 1
- 240000008168 Ficus benjamina Species 0.000 description 1
- 108010024636 Glutathione Proteins 0.000 description 1
- 108010007979 Glycocholic Acid Proteins 0.000 description 1
- 102000015779 HDL Lipoproteins Human genes 0.000 description 1
- 108010010234 HDL Lipoproteins Proteins 0.000 description 1
- 241000700721 Hepatitis B virus Species 0.000 description 1
- QEFRNWWLZKMPFJ-ZXPFJRLXSA-N L-methionine (R)-S-oxide Chemical compound C[S@@](=O)CC[C@H]([NH3+])C([O-])=O QEFRNWWLZKMPFJ-ZXPFJRLXSA-N 0.000 description 1
- QEFRNWWLZKMPFJ-UHFFFAOYSA-N L-methionine sulphoxide Natural products CS(=O)CCC(N)C(O)=O QEFRNWWLZKMPFJ-UHFFFAOYSA-N 0.000 description 1
- HXEACLLIILLPRG-YFKPBYRVSA-N L-pipecolic acid Chemical compound [O-]C(=O)[C@@H]1CCCC[NH2+]1 HXEACLLIILLPRG-YFKPBYRVSA-N 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 description 1
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- 206010067125 Liver injury Diseases 0.000 description 1
- OFOBLEOULBTSOW-UHFFFAOYSA-N Malonic acid Chemical compound OC(=O)CC(O)=O OFOBLEOULBTSOW-UHFFFAOYSA-N 0.000 description 1
- XRSBTDBLFNPGOE-UHFFFAOYSA-M O[Cr] Chemical compound O[Cr] XRSBTDBLFNPGOE-UHFFFAOYSA-M 0.000 description 1
- 241000242678 Schistosoma Species 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 229930003427 Vitamin E Natural products 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001476 alcoholic effect Effects 0.000 description 1
- 208000010002 alcoholic liver cirrhosis Diseases 0.000 description 1
- 229940087168 alpha tocopherol Drugs 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000012415 analytical development Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 239000003098 androgen Substances 0.000 description 1
- 229940030486 androgens Drugs 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 235000006708 antioxidants Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229940066595 beta tocopherol Drugs 0.000 description 1
- QBUVFDKTZJNUPP-UHFFFAOYSA-N biliverdin-IXalpha Natural products N1C(=O)C(C)=C(C=C)C1=CC1=C(C)C(CCC(O)=O)=C(C=C2C(=C(C)C(C=C3C(=C(C=C)C(=O)N3)C)=N2)CCC(O)=O)N1 QBUVFDKTZJNUPP-UHFFFAOYSA-N 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 210000002390 cell membrane structure Anatomy 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000009693 chronic damage Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- OMFXVFTZEKFJBZ-HJTSIMOOSA-N corticosterone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@H](CC4)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OMFXVFTZEKFJBZ-HJTSIMOOSA-N 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- BNVXCCQXUZCRSR-UHFFFAOYSA-N delta-CEHC Chemical compound C1CC(C)(CCC(O)=O)OC2=C1C=C(O)C=C2C BNVXCCQXUZCRSR-UHFFFAOYSA-N 0.000 description 1
- 229960003964 deoxycholic acid Drugs 0.000 description 1
- KXGVEGMKQFWNSR-LLQZFEROSA-N deoxycholic acid Chemical compound C([C@H]1CC2)[C@H](O)CC[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@H]([C@@H](CCC(O)=O)C)[C@@]2(C)[C@@H](O)C1 KXGVEGMKQFWNSR-LLQZFEROSA-N 0.000 description 1
- KXGVEGMKQFWNSR-UHFFFAOYSA-N deoxycholic acid Natural products C1CC2CC(O)CCC2(C)C2C1C1CCC(C(CCC(O)=O)C)C1(C)C(O)C2 KXGVEGMKQFWNSR-UHFFFAOYSA-N 0.000 description 1
- 150000001991 dicarboxylic acids Chemical class 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 239000000539 dimer Substances 0.000 description 1
- 231100000676 disease causative agent Toxicity 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000019439 energy homeostasis Effects 0.000 description 1
- 230000001076 estrogenic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000021588 free fatty acids Nutrition 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 235000010382 gamma-tocopherol Nutrition 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000023611 glucuronidation Effects 0.000 description 1
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 description 1
- RFDAIACWWDREDC-FRVQLJSFSA-N glycocholic acid Chemical compound C([C@H]1C[C@H]2O)[C@H](O)CC[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@H]([C@@H](CCC(=O)NCC(O)=O)C)[C@@]2(C)[C@@H](O)C1 RFDAIACWWDREDC-FRVQLJSFSA-N 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 231100000753 hepatic injury Toxicity 0.000 description 1
- 210000003494 hepatocyte Anatomy 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 229960000890 hydrocortisone Drugs 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036046 immunoreaction Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004190 ion pair chromatography Methods 0.000 description 1
- HXEACLLIILLPRG-RXMQYKEDSA-N l-pipecolic acid Natural products OC(=O)[C@H]1CCCCN1 HXEACLLIILLPRG-RXMQYKEDSA-N 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000037356 lipid metabolism Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007102 metabolic function Effects 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000001431 metabolomic effect Effects 0.000 description 1
- 230000004065 mitochondrial dysfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 239000000101 novel biomarker Substances 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 230000004108 pentose phosphate pathway Effects 0.000 description 1
- 150000003904 phospholipids Chemical class 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 229920000768 polyamine Polymers 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000770 proinflammatory effect Effects 0.000 description 1
- 230000006920 protein precipitation Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004366 reverse phase liquid chromatography Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 239000012086 standard solution Substances 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000004885 tandem mass spectrometry Methods 0.000 description 1
- WBWWGRHZICKQGZ-HZAMXZRMSA-N taurocholic acid Chemical compound C([C@H]1C[C@H]2O)[C@H](O)CC[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@H]([C@@H](CCC(=O)NCCS(O)(=O)=O)C)[C@@]2(C)[C@@H](O)C1 WBWWGRHZICKQGZ-HZAMXZRMSA-N 0.000 description 1
- AWDRATDZQPNJFN-VAYUFCLWSA-N taurodeoxycholic acid Chemical compound C([C@H]1CC2)[C@H](O)CC[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@H]([C@@H](CCC(=O)NCCS(O)(=O)=O)C)[C@@]2(C)[C@@H](O)C1 AWDRATDZQPNJFN-VAYUFCLWSA-N 0.000 description 1
- 229960000984 tocofersolan Drugs 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 description 1
- 230000004143 urea cycle Effects 0.000 description 1
- 235000019165 vitamin E Nutrition 0.000 description 1
- 239000011709 vitamin E Substances 0.000 description 1
- 229940046009 vitamin E Drugs 0.000 description 1
- 150000003712 vitamin E derivatives Chemical class 0.000 description 1
- 239000002076 α-tocopherol Substances 0.000 description 1
- 235000004835 α-tocopherol Nutrition 0.000 description 1
- 239000011590 β-tocopherol Substances 0.000 description 1
- 235000007680 β-tocopherol Nutrition 0.000 description 1
- 239000002478 γ-tocopherol Substances 0.000 description 1
- QUEDXNHFTDJVIY-DQCZWYHMSA-N γ-tocopherol Chemical compound OC1=C(C)C(C)=C2O[C@@](CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1 QUEDXNHFTDJVIY-DQCZWYHMSA-N 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种预测会否进展为ACLF或者ACLF患者会否死亡的生物标志物、系统及其应用，通过非靶向代谢组学分析ACLF相关样本，找到系列能预测ACLF患者短期内死亡风险和非ACLF患者短期内进展为ACLF风险的生物标志物，并从中进一步筛选出生物标志物组合，构建了ACLF患者短期内后死亡风险预测模型和非ACLF患者短期内进展为ACLF风险预测模型，实现便捷、高效地预测，为高风险人群把握干预的黄金窗口期，为低风险患者减轻经济负担，满足临床所需。
Description
本申请主张中国在先申请，申请号：2023103293484，申请日2023年3月30日的优先权；主张中国在先申请，申请号：2023103293785，申请日2023年3月30日的优先权；其所有的内容作为本发明的一部分。
技术领域
本发明涉及生物技术领域，具体而言，涉及一种预测会否进展为ACLF或者ACLF患者会否死亡的生物标志物、系统及其应用。
背景技术
慢加急性肝衰竭(ACLF)是一种临床恶化迅速、死亡率高的快速进展性疾病，表现为慢性肝病或肝硬化患者的急性肝功能障碍，以器官衰竭和高短期死亡率为特征，超过25％的住院肝硬化患者都会出现这种情况。已知ACLF与酒精、病毒感染、肝外器官衰竭和全身炎症等急性损伤有关，其病理生理学与持续性炎症，与最初免疫广泛激活的免疫失调，系统性炎症反应综合征的状态以及随后由于免疫抑制引起的败血症有关。根据亚太地区标准，ACLF的患病率为每年每1000人中有5.7例，根据欧洲标准为每年20.1例。目前尚无有效的ACLF治疗方法，已有的治疗方案主要是治疗突发状况、器官支持和肝移植，尽管有重症监护，但ACLF的预后很差，90天内的短期死亡率约为50％。同时，最初诊断为非ACLF(ACLF前患者)，在3个月内，多达20％的患者可能会发展成ACLF，早期识别ACLF前患者进行积极的疾病治疗和监测，可以显著改善其临床结果。可见，提高ACLF生存率的关键是实现早期诊断和疾病管理的准确预后。
肝硬化的传统评分系统，包括终末期肝病模型(MELD)评分、MELD钠(MELD-Na)评分和Child-Turcotte-Pugh(CTP)评分，对ACLF预后的准确性有限。在过去十年中，开发更准确的ACLF预后测试一直是一个深入研究的主题。基于临床和实验室测试，欧洲慢性肝衰竭研究基金会(CLIF)的CANONIC研究提出了CLIF-C ACLF评分，与传统评分系统相比，该评分显著提高了短期死亡率预测的准确性。最新的生物标志物发现方法包括深奥的临床测试，如血清氨、炎症标志物、D-二聚体、蛋白质组学和代谢组学。然而发现和验证过程往往依赖于相对较小的临床队列，还需要进一步验证。因此还需找到更准确和有效的ACLF预后测试来满足临床需求。
中国慢加急性肝衰竭联盟发现，在因慢性肝病急性加重住院的患者中有两群患者具有黄金窗口干预期，一群是入院当天为非ACLF患者但入院28天内发展至器官衰竭甚至ACLF的患者(即入院当天为pre-ACLF的患者)，在患者发展至ACLF前的这一阶段是一个很好的积极干预时间窗；另一群是入院当天为ACLF患者但是在入院29～90天内死亡的患者，这群患者入院后4周是药物干预的黄金窗口期。
因此，亟需找到ACLF患者短期内死亡风险和非ACLF患者短期内进展为ACLF的风险评估方法，发现具有短期内死亡风险或短期内进展为ACLF风险的患者时，需及时进行强化治疗或早期肝移植，实现精准筛选、快速积极进行临床干预以期提高患者的存活率，同时对于低风险的患者还可以节约医疗资源，减轻经济负担。
发明内容
针对现有技术中存在的问题，本发明提供了一种预测会否进展为ACLF或者ACLF患者会否死亡的生物标志物、系统及其应用，通过非靶向代谢组学分析ACLF相关样本，找到系列能预测ACLF患者短期内是否具有死亡风险和/或非ACLF患者短期内是否进展为ACLF风险的生物标志物。并，从这些新的标记物进行有效的组合，从中进一步筛选出生物标志物组合，构建了ACLF患者短期内死亡风险预测模型和非ACLF患者短期内进展为ACLF风险预测模型，实现便捷、高效地预测，为高风险人群把握干预的黄金窗口期，为低风险患者减轻经济负担，满足临床所需。
慢加急性肝衰竭(ACLF)一种临床恶化迅速、死亡率高的快速进展性疾病，表现为慢性肝病或肝硬化患者的急性肝功能障碍，以器官衰竭和高短期死亡率为特征，超过25％的住院肝硬化患者都会出现这种情况。
可以理解，这里的“非ACLF短期内进展为ALCF”或“ACLF患者短期内死亡风险”中的短期内并不是一个绝对的不变的时间节点，虽然临床上常用的有“ACLF组90天内死亡率和非ACLF组28天内进展为ACLF”相关等等一个常用的时间点，但这个只是当前根据临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，例如是90天之内或者100天之内，或者是一年内，360天内，或者半年内，180天内，或者80天之内，或者是20天内，4周内，3周内，2周内，1周内等等都有可能从非ACLF进展为ALCF，或者从ACLF发展为死亡。
现有的ACLF相关评分系统往往依赖于相对较小的临床队列，难以获得更好的验证。一个更准确和有效的ACLF预后测试仍然是一个未满足的临床需求。本发明对1300份(包括420份ACLF和880份非ACLF)慢性肝病患者入院时急性加重的血清样本进行了代谢组学分析。样本被随机分成相等的两半，作为发现集和验证集，在发现集中使用统计分析和随机森林分析，确定了与ACLF组90天内死亡率和非ACLF组28天内进展为ACLF相关的代谢产物，开发了预测模型，并在验证集中得到很好的验证。
研究证明，ACLF与非ALCF显著改变了血清代谢组，尤其是膜脂代谢、类固醇激素代谢、氧化应激途径和能量代谢。在ACLF组和/或非ACLF组中，许多代谢产物与ACLF组90天内死亡率、非ACLF组28天内进展为ACLF风险都显著相关。本发明训练并验证了用于预测ACLF90天内死亡率(曲线下面积，AUC:0.80)和非ACLF28天内进展为ACLF(AUC:0.85)的机器学习算法。本发明使用液相色谱-质谱法(LCMS)对所选代谢产物进行针对性分析，构建的模型可实现临床应用。
一方面，本发明提供了一种生物标志物用于制备预测ACLF患者是否具有死亡风险或幸存概率的试剂的用途，所述生物标志物包括如下的一种或多种：2-羟基二丙酸(2-hydroxydadipic.acid)、十六烷二酸(hexadecanedioic.acid)、羟脯氨酸(hydroxyproline)、甲硫醚(methionine.sulfoxide)、3-羟基丁基肉碱(3-OH.butyrylcarnitine)、管结肠酸(pipecolic.acid)、硫酸雌酮(estrone.sulfate)、N-乙酰氨基-谷氨酸(NAAG)、喹啉酸(quinolinic.acid)、脲基丙酸(ureidopropionic.acid)、γ-CEHC(3-(6-羟基-2,7,8-三甲基-3,4-二氢-2H-苯并吡喃-2-基)丙酸)、甲状腺素(thyroxine)、甲氨基谷氨酸(formiminoglutamic.acid)、γ-3谷氨酰二肽(gamma-glu-phe)、胆红素(Bilirubin)。
进一步地，所述预测ACLF患者是否具有死亡风险是指预测ACLF患者短期内是否具有死亡风险。
这里的“短期”可以是ACLF患者90天内，或180天，或360天等等期限内是否具有死亡的风险，当然也可以是小于90天内的，例如80天内，70天内，60天内或者更短的时间，也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
本发明通过非靶向代谢组学研究，收集ACLF患者入院时的血清样本，根据短期内是否幸存，分为幸存组和非幸存组(死亡)，用UPLC-MS/MS超高效液相色谱-串联质谱联用方法分析幸存组和非幸存组入院时的血清样本，找到系列能预测ACLF患者短期内死亡风险的一系列生物标志物，使用机器学习、统计分析和通路富集分析(包括随机森林、FDR检验、t检验)来确定发现集中的候选生物标志物并确定其优先级，筛选显著差异代谢物，最终得到15个生物标志物，可用于高效预测ACLF患者短期内死亡风险。
在一些方式中，所述预测ACLF患者是否具有死亡风险或幸存概率的生物标志物的试剂，是以该生物标志物为检测目标制备的检测试剂，例如样品前处理试剂、抗原或抗体等适用于所述生物标志物检测的生物试剂及试剂盒；也可以开发成适用于所述生物标志物LC-UV或LC-MS检测的标准化试剂或试剂盒等。
进一步地，所述生物标志物包括管结肠酸、NAAG和脲基丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
进一步地，所述生物标志物包括如下的一种或多种：管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸。
进一步地，所述生物标志物包括如下的一种或多种：管结肠酸、NAAG、脲基丙酸。
通过考察生物标志物在幸存组和非幸存组入院时血清样本中的浓度差异、AUC值排名、显著性排名，从15个生物标志物中进一步选出能显著区分幸存组和非幸存组的个生物标志物，可用于更有效地预测ACLF患者短期内是否具有死亡风险，或用于构建预测ACLF患者短期内死亡风险的诊断模型。
进一步地，所述试剂用于检测ACLF患者血液、血清、血浆或全血样本中的生物标志物。
进一步地，所述试剂用于检测样本中的生物标志物的有无或相对丰度或相对浓度，或者标志物的含量或者数量的变化程度或者幅度。这里的标志物的有无或者含量的高低，是一个相对的概念，例如对于ACLF死亡与幸存患者相比，这些特异的标志物的含量是相对于ACLF死亡或幸存患者作为基准进行比较的。可能是某一些标志物，ALCF死亡或者高概率死亡的患者中含量相对ACLF幸存患者中要高，这种高具有统计上的差异，比如显著或者极显著的升高。当在进行非ALCF是否进展、发展为ACLF的时候，这些特异的标志物的含量是相对于非ALCF或者ACLF患者之一都可以作为比较的标准。所以，这些标志物在进行判断的时候，如果是一个单个标志物，如果该标志物在某种风险发生的概率升高，该标志物的含量有所变化，这里的变化可能是相对的升高，也可以能是相对的降低，这种相对的升高或者相对的减低的差异具有显著差异，当然也可以是极显著差异。所以，无论是什么样的手段进行检测，都可以预先规定的一个值作为标准(cut-off值)，高于该值的就认为含量发生了变化，具有这样的结果，都是可以作为预测或者诊断的价值。
所以，在一些方面，本发明所述的标志物，可以是通过现有已经知道的任何方法检测样本中的标志物含量来获得，所述方法如液相色谱、气相色谱、质谱、LC-MS、GC-MS、CC-MS、LC-MS-MS、NMR、免疫层析试纸、免疫反应芯片、毛细管电泳、红外光谱等等，只要能用于检测样本中的标志物含量，都可以用于预测ACLF患者短期内是否具有死亡风险。只要样本中含量能够检测，就能够被用于预测或者诊断某种疾病发生的概率。可以理解，这里的检测是对于个体的样本进行检测，然后与预先设定的标准进行比较，比较的结果来进行判断或者预测疾病的发生状态，例如可以用来预测ACLF是否会发生死亡或者死亡的概率，也可以预测ACLF是否幸存或者幸存的概率，也可以预测非ACLF是否会进展为ACLF。这种预测或者诊断都是在某一个时间内是否发生，当然这样检测可以是连续的检测，随着某些物质的含量的变化从而推测疾病发生的进程。
在一些方式中，所述相对丰度为高效液相色谱-串联质谱获得的检测图谱中该生物标志物的峰面积。比如某个生物标志物在对照样品(ACLF患者短期内幸存组)里测出的平均峰面积是500，在ACLF患者短期内非幸存组的样品里测出的平均峰面积是3000，那么就认为该生物标志物在样本中的丰度是对照样本中的6倍。
进一步地，本发明发现的新的标志物还是可以与一下因素结合来进行预测或者判断，一下因素可以是有些化学物质或者一些指标。所以，在一些方式中，还可以结合age(年龄)、INR(国际标准化比值)、creatine(肌酐，CR)、Sodium(钠)、albumin(白蛋白，ALB)、neutrophil/lymphocyte count ratio(粒细胞/淋巴细胞比例，N/L ratio)、overthepatic encephalopathy(显性肝性脑病，overt HE)、TB(总胆红素)中的一种或多种因素进行诊断或者预测。
进一步地，所述预测ACLF患者是否具有死亡风险或幸存概率是指预测ACLF患者360天内是否具有死亡风险或幸存概率。
进一步地，所述预测ACLF患者是否具有死亡风险或幸存概率是指预测ACLF患者90天内是否具有死亡风险或幸存概率。
另一方面，本发明提供了一种生物标志物用于制备预测非ACLF患者是否进展为ACLF的试剂的用途，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
进一步地，所述预测非ACLF患者是否进展为ACLF是指预测非ACLF患者短期内是否进展为ACLF。
这里的“短期”可以是ACLF患者180天内，或90天，或28天等等期限内是否进展为ACLF的风险，当然也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等，也可以是10周内，9周内，8周内，7周内，6周内，5周内，4周内，3周内，2周内，1周内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
本发明通过非靶向代谢组学研究，收集非ACLF患者入院时的血清样本，根据短期内是否进展为ACLF患者，分为pre-ACLF组(短期内进展为ACLF)和非ACLF组，用UPLC-MS/MS超高效液相色谱-串联质谱联用方法分析pre-ACLF组和非ACLF组入院时的血清样本，找到系列能预测非ACLF患者短期内是否进展为ACLF的一系列生物标志物，使用机器学习、统计分析和通路富集分析(包括随机森林、FDR检验、t检验)来确定发现集中的候选生物标志物并确定其优先级，筛选显著差异代谢物，最终得到15个生物标志物，可用于高效预测非ACLF患者短期内进展为ACLF的风险。
本发明所述pre-ACLF是指首次非ACLF诊断后短期内出现ACLF的患者。
本发明所述的标志物，可以是通过任何方法检测样本中的标志物含量来获得，所述方法如液相色谱、气相色谱、质谱、LC-MS、GC-MS、CC-MS、LC-MS-MS、NMR、免疫层析试纸、免疫反应芯片、毛细管电泳、红外光谱等等，只要能用于检测样本中的标志物含量，都可以用于预测非ACLF患者短期内进展为ACLF的风险。
进一步地，所述生物标志物包括脲基丙酸和γ-CEHC；或者，所述生物标志物包括脲基丙酸、γ-CEHC和甲状腺素；或者，所述生物标志物包括脲基丙酸、γ-CEHC和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
进一步地，所述生物标志物包括如下的一种或多种：脲基丙酸、γ-CEHC、甲状腺素；或脲基丙酸、γ-CEHC、管结肠酸。
进一步地，所述生物标志物包括如下的一种或多种：脲基丙酸、γ-CEHC。
通过考察生物标志物在pre-ACLF组和非ACLF组入院时血清样本中的浓度差异、AUC值排名、显著性排名，从15个生物标志物中进一步选出能显著区分pre-ACLF组和非ACLF组的个生物标志物，可用于更有效地预测ACLF患者短期内进展为ACLF风险，或用于构建预测非ACLF患者短期内进展为ACLF风险的诊断模型。
进一步地，所述的用途包括预测非ACLF患者180天内是否进展为ACLF。
在一些方式中，可以预测非ACLF患者是否在180天内发展为ACLF的风险或者概率。这里的180天内可以是小于180或者等于180天，或者大于180天。
在一些方式中，所述预测非ACLF患者进展为ACLF风险的生物标志物的试剂，是以该生物标志物为检测目标制备的检测试剂，例如样品前处理试剂、抗原或抗体等适用于所述生物标志物检测的生物试剂及试剂盒；也可以开发成适用于所述生物标志物LC-UV或LC-MS检测的标准化试剂或试剂盒等。
进一步地，所述试剂用于检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
进一步地，所述生物标志物还包括TB(总胆红素)、INR(国际标准化比值)、Cirrhosis(肝硬化)中的一种或多种。
再一方面，本发明提供了一种用于预测ACLF患者是否具有死亡风险或幸存概率的试剂盒，所述试剂盒包括如上所述用途的生物标志物的检测试剂。
进一步地，所述生物标志物的检测试剂包括所述生物标志物的标准品。
再一方面，本发明提供了一种用于预测非ACLF患者是否进展为ACLF的试剂盒，所述试剂盒包括如上所述用途的生物标志物的检测试剂。
进一步地，所述生物标志物的检测试剂包括所述生物标志物的标准品。
再一方面，本发明提供了一种用于预测ACLF患者是否具有死亡风险的生物标志物组合，包括如下的生物标志物：管结肠酸、NAAG和脲基丙酸；或管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
进一步地，所述生物标志物组合包括如下的生物标志物：管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或管结肠酸、NAAG和脲基丙酸。
进一步地，所述生物标志物组合还包括age(年龄)、INR(国际标准化比值)、creatine(肌酐)、Na(钠)、ALB(白蛋白)、N/L ratio(粒细胞/淋巴细胞比例)、overt HE(显性肝性脑病)、TB(总胆红素)中的任意一种或多种。
再一方面，本发明提供了一种用于预测非ACLF患者否进展为ACLF的生物标志物组合，包括如下的生物标志物：脲基丙酸和γ-CEHC；或脲基丙酸、γ-CEHC和甲状腺素；或脲基丙酸、γ-CEHC和管结肠酸；或脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
进一步地，所述生物标志物组合包括如下的生物标志物：脲基丙酸、γ-CEHC和甲状腺素；或脲基丙酸、γ-CEHC和管结肠酸；或脲基丙酸和γ-CEHC。
进一步地，所述生物标志物组合还包括TB(总胆红素)、INR(国际标准化比值)、Cirrhosis(肝硬化)中的任意一种或多种。
再一方面，本发明提供了一种预测ACLF患者是否具有死亡风险或幸存概率的系统，所述系统包括数据分析模块；所述数据分析模块用于分析生物标志物的检测值，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
进一步地，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或相对浓度，或者相对含量的变化。
进一步地，所述生物标志物包括管结肠酸、NAAG和脲基丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
进一步地，所述数据分析模块通过将生物标志物的检测值代入回归方程，计算预测ACLF患者是否具有死亡风险的预测值，从而评估ACLF患者的死亡风险。
本发明可以通过任何方法(如通过计算机软件、或人工经验评估等等)对生物标志物的检测值进行分析，获得某些方程，然后把测试的结果带入方程，自动获得预测的结果值。从而用于计算预测ACLF患者是否具有死亡风险的预测值或者预测非ACLF患者是否进展为ACLF。这些方程或者计算机程序一般生成的方式是在确定的群组之间的分析，然后再在确定的群组之间进行验证方程运算结果的准确性。例如，选择ACLF患者死亡组与幸存组进行方程运算的训练，然后续选择另外的ACLF患者死亡组与幸存组进行验证，看结果的准确性，从而获得理想的方程式进行运算。可以理解，获得的数据越多，方程可以不断的修订或者AI自我学习自我调整，让预测的准确性更高，更加符合实际的情况。所以，无论哪个模型或者方程都可以被应用到发明来进行自动输出预测结果。所以，对于计算机的算法可以有多种可以选择，例如混合判别分析(mda)；梯度提升(gbm)；逻辑回归(plr)；广义线性模型(glmnet)；随机森林(ranger)；朴素贝叶斯(_bayes)；神经网络(avNNet)；支持向量机(svmRadial)等运算方法，这些运算方法都可以被用于本发明的标志物或者标志物的组合来进行预测或者诊断。
进一步地，所述预测ACLF患者是否具有死亡风险是指预测ACLF患者短期内是否具有死亡风险。
这里的“短期”可以是ACLF患者90天内，或180天，或360天等等期限内是否具有死亡的风险，当然也可以是小于90天内的，例如80天内，70天内，60天内或者更短的时间，也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
进一步地，所述回归方程为逻辑回归方程。
进一步地，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
进一步地，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为ACLF患者的血清样本。
进一步地，所述训练方法为经训练集根据短期内是否幸存，分为幸存组和非幸存组，分别检测幸存组和非幸存组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析幸存组和非幸存组的检测值之间的关系，构建逻辑回归方程。
本发明所述的训练集可以是任何情况下收集的ACLF患者的血清样本，也就是说可以是不同时间、不同地域、不同数量、不同性别、不同年龄等等情况下收集的ACLF患者的血清样本。
进一步地，所述短期包括90天内、180天内、360天内、80天内、70天内、60天内、三个月内、半年内、一年内、两个月内、一个月内中的任意一种或多种。
进一步地，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测ACLF患者360天内具有死亡风险的预测值，从而评估ACLF患者360天内的死亡风险。
进一步地，所述逻辑回归方程为：
P＝-20.584+0.846*管结肠酸+1.254*NAAG+0.454*脲基丙酸-0.468*甲氨基谷氨酸-0.385*γ-CEHC+0.485*γ-3谷氨酰二肽+0.447*3-羟基丁基肉碱+0.081*硫酸雌酮+0.524*羟脯氨酸+0.079*胆红素-0.066*2-羟基二丙酸-0.015*甲硫醚-0.089*十六烷二酸-0.219*喹啉酸+0.942*甲状腺素；
或P＝-14.286+0.804*管结肠酸+0.791*NAAG+0.448*脲基丙酸-0.396*甲氨基谷氨酸-0.338*γ-CEHC+0.434*γ-3谷氨酰二肽+0.425*3-羟基丁基肉碱+0.107*硫酸雌酮+0.356*羟脯氨酸+0.091*胆红素-0.082*2-羟基二丙酸+0.015*甲硫醚-0.066*十六烷二酸-0.154*喹啉酸；
或P＝-14.392+0.799*管结肠酸+0.792*NAAG+0.383*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.428*γ-3谷氨酰二肽+0.388*3-羟基丁基肉碱+0.121*硫酸雌酮+0.353*羟脯氨酸+0.095*胆红素-0.153*2-羟基二丙酸+0.009*甲硫醚-0.025*十六烷二酸；
或P＝-14.5+0.794*管结肠酸+0.806*NAAG+0.376*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.429*γ-3谷氨酰二肽+0.378*3-羟基丁基肉碱+0.114*硫酸雌酮+0.362*羟脯氨酸+0.095*胆红素-0.16*2-羟基二丙酸+0.007*甲硫醚；
或P＝-14.476+0.795*管结肠酸+0.807*NAAG+0.376*脲基丙酸-0.404*甲氨基谷氨酸-0.353*γ-CEHC+0.43*γ-3谷氨酰二肽+0.375*‘3-羟基丁酸肉碱’+0.115*硫酸雌酮+0.364*羟脯氨酸+0.096*胆红素-0.157*2-羟基二丙酸；
或P＝-14.315+0.777*管结肠酸+0.77*NAAG+0.342*脲基丙酸-0.411*甲氨基谷氨酸-0.352*γ-CEHC+0.432*γ-3谷氨酰二肽+0.325*3-羟基丁酸肉碱+0.109*硫酸雌酮+0.357*羟脯氨酸+0.1*胆红素；
或P＝-13.898+0.825*管结肠酸+0.744*NAAG+0.322*脲基丙酸+-0.391*甲氨基谷氨酸+-0.269*γ-CEHC+0.424*γ-3谷氨酰二肽+0.345*3-羟基丁酸肉碱+0.162*硫酸雌酮+0.276*羟脯氨酸；
或P＝-12.473+0.857*管结肠酸+0.781*NAAG+0.415*脲基丙酸-0.405*甲氨基谷氨酸-0.257*γ-CEHC+0.42*γ-3谷氨酰二肽+0.343*3-羟基丁酸肉碱+0.14*硫酸雌酮；
或P＝-13.147+0.947*管结肠酸+0.832*NAAG+0.435*脲基丙酸-0.407*甲氨基谷氨酸-0.292*γ-CEHC+0.428*γ-3谷氨酰二肽+0.334*3-羟基丁基肉碱；
或P＝-12.838+0.839*管结肠酸+1.125*NAAG+0.49*脲基丙酸-0.39*甲氨基谷氨酸-0.263*γ-CEHC+0.39*γ-3谷氨酰二肽；
或P＝-10.874+0.685*管结肠酸+1.105*NAAG+0.51*脲基丙酸-0.214*甲氨基谷氨酸-0.22*γ-CEHC；
或p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸；
或p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸；
其中，p表示预测ACLF患者360天内死亡风险的预测值。
进一步地，所述逻辑回归方程为：
p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸；或p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸。
进一步地，p表示预测ACLF患者90天内死亡风险的预测值。
进一步地，当逻辑回归方程为：
p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸时，P大于0.331，预测ACLF患者90天内死亡风险高；当p小于0.331，预测ACLF患者90天内死亡风险低；
当逻辑回归方程为：
p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸时，P大于0.320，预测ACLF患者90天内死亡风险高；当p小于0.320，预测ACLF患者90天内死亡风险低。
进一步地，所述逻辑回归方程中还包括age(年龄)、INR(国际标准化比值)、creatine(肌酐)、Na(钠)、ALB(白蛋白)、N/L ratio(粒细胞/淋巴细胞比例)、overt HE(显性肝性脑病)、TB(总胆红素)中的一种或多种临床指标。
进一步地，所述系统还包括数据存储模块、数据输入界面和数据输出界面；所述数据存储模块用于存储生物标志物的检测值；数据输入界面用于输入生物标志物的检测值，数据输出界面用于输出预测结果。
再一方面，本发明提供了一种预测非ACLF患者是否进展为ACLF的系统，所述系统包括数据分析模块；所述数据分析模块用于分析生物标志物的检测值，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
进一步地，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
进一步地，所述预测非ACLF患者是否进展为ACLF是指预测非ACLF患者短期内是否进展为ACLF。
这里的“短期”可以是ACLF患者180天内，或90天，或28天等等期限内是否进展为ACLF的风险，当然也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等，也可以是10周内，9周内，8周内，7周内，6周内，5周内，4周内，3周内，2周内，1周内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
进一步地，所述生物标志物包括脲基丙酸和γ-CEHC；或者，所述生物标志物包括脲基丙酸、γ-CEHC和甲状腺素；或者，所述生物标志物包括脲基丙酸、γ-CEHC和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
进一步地，所述数据分析模块通过将生物标志物的检测值代入回归方程，计算预测非ACLF患者是否进展为ACLF的预测值，从而评估非ACLF患者进展为ACLF的风险。
进一步地，所述回归方程为逻辑回归方程。
进一步地，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
进一步地，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为非ACLF患者的血清样本。
进一步地，所述训练方法为经训练集根据短期内是否进展为ACLF，分为pre-ACLF组和非ACLF组，分别检测pre-ACLF组和非ACLF组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析pre-ACLF组和非ACLF组的检测值之间的关系，构建逻辑回归方程。
本发明所述的训练集可以是任何情况下收集的非ACLF患者的血清样本，也就是说可以是不同时间、不同地域、不同数量、不同性别、不同年龄等等情况下收集的非ACLF患者的血清样本。
进一步地，所述短期包括180天内、90天内、80天内、70天内、60天内、28天内、3个月内、4个月内、5个月内、半年内、7个月内、8个月内、9个月内、10周内、9周内、8周内、7周内、6周内、5周内、4周内、3周内、2周内、1周内中的任意一种或多种。
进一步地，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测非ACLF患者180天内进展为ACLF的预测值；p表示预测非ACLF患者180天内是否进展为ACLF的预测值。
进一步地，所述逻辑回归方程为：
P＝-3.271+0.716*脲基丙酸-0.512*γ-CEHC-1.1*甲状腺素+0.357*管结肠酸+0.134*3-羟基丁基肉碱-1.225*2-羟基二丙酸+0.029*硫酸雌酮+0.168*羟脯氨酸-0.04*喹啉酸+0.078*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.03*胆红素+0.519*十六烷二酸-0.139*甲硫醚+0.653*NAAG；
或P＝-1.518+0.724*脲基丙酸-0.494*γ-CEHC-1.216*甲状腺素+0.409*管结肠酸+0.157*3-羟基丁基肉碱-1.131*2-羟基二丙酸+0.051*硫酸雌酮+0.202*羟脯氨酸-0.024*喹啉酸+0.11*γ-3谷氨酰二肽-0.007*甲氨基谷氨酸+0.009*胆红素+0.479*十六烷二酸-0.17*甲硫醚；
或P＝-2.436+0.726*脲基丙酸+-0.498*γ-CEHC-1.18*甲状腺素+0.382*管结肠酸+0.195*3-羟基丁基肉碱-1.121*2-羟基二丙酸+0.044*硫酸雌酮+0.199*羟脯氨酸-0.009*喹啉酸+0.046*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.012*胆红素+0.446*十六烷二酸；
或P＝-2.837+0.819*脲基丙酸-0.514*γ-CEHC-1.019*甲状腺素+0.399*管结肠酸+0.362*3-羟基丁基肉碱-0.932*2-羟基二丙酸+0.173*硫酸雌酮+0.235*羟脯氨酸-0.08*喹啉酸+0.074*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸-0.02*胆红素；
或P＝-2.894+0.816*脲基丙酸-0.512*γ-CEHC-1.016*甲状腺素+0.395*管结肠酸+0.362*3-羟基丁基肉碱-0.93*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸；
或P＝-2.899+0.816*脲基丙酸-0.512*γ-CEHC-1.015*甲状腺素+0.396*管结肠酸+0.362*3-羟基丁基肉碱-0.929*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽；
或P＝-2.647+0.828*脲基丙酸-0.512*γ-CEHC-1.039*甲状腺素+0.388*管结肠酸+0.347*3-羟基丁基肉碱-0.926*2-羟基二丙酸+0.163*硫酸雌酮+0.241*羟脯氨酸-0.047*喹啉酸；
或P＝-2.647+0.816*脲基丙酸-0.513*γ-CEHC-1.049*甲状腺素+0.393*管结肠酸+0.34*3-羟基丁基肉碱-0.939*2-羟基二丙酸+0.164*硫酸雌酮+0.23*羟脯氨酸；
或P＝-0.998+0.856*脲基丙酸-0.502*γ-CEHC-1.104*甲状腺素+0.408*管结肠酸+0.325*3-羟基丁基肉碱+-0.916*2-羟基二丙酸+0.154*硫酸雌酮；
或P＝-1.935+0.919*脲基丙酸-0.537*γ-CEHC-1.018*甲状腺素+0.464*管结肠酸+0.296*3-羟基丁基肉碱-0.867*2-羟基二丙酸；
或P＝-2.077+0.745*脲基丙酸-0.539*γ-CEHC-0.806*甲状腺素+0.191*管结肠酸+0.088*3-羟基丁基肉碱；
或P＝-1.878+0.77*脲基丙酸-0.54*γ-CEHC-0.827*甲状腺素+0.188*管结肠酸；
或P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素；
或P＝-4.744+1.015*脲基丙酸-0.584*γ-CEHC+0.122*管结肠酸；
或P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC；
其中，p表示预测非ACLF患者180天内是否进展为ACLF的预测值。
进一步地，所述逻辑回归方程为：
P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素；
或P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC。
进一步地，p表示预测非ACLF患者是否进展为ACLF的预测值。
进一步地，当逻辑回归方程为：P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素时，P大于0.150，预测非ACLF 28天内进展为ACLF风险高；p小于0.150，预测非ACLF 28天内进展为ACLF风险低；
当逻辑回归方程为：P＝-4.803+0.930*脲基丙酸-0.563*CEHC时，P大于0.123，预测非ACLF 28天内进展为ACLF风险高；p小于0.123，预测非ACLF 28天内进展为ACLF风险低。
进一步地，所述逻辑回归方程中还包括TB(总胆红素)、INR(国际标准化比值)、Cirrhosis(肝硬化)中的一种或多种临床指标。
进一步地，所述系统还包括数据存储模块、数据输入界面和数据输出界面；所述数据存储模块用于存储生物标志物的检测值；数据输入界面用于输入生物标志物的检测值，数据输出界面用于输出预测结果。
再一方面，本发明提供了一种预测ACLF患者是否具有死亡风险的方法，通过分析生物标志物的检测值，用于预测ACLF患者是否具有死亡风险；所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
进一步地，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
进一步地，所述生物标志物包括管结肠酸、NAAG和脲基丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
进一步地，所述方法通过将生物标志物的检测值代入回归方程，计算预测ACLF患者是否具有死亡风险的预测值，从而评估ACLF患者的死亡风险。
进一步地，所述预测ACLF患者是否具有死亡风险是指预测ACLF患者短期内是否具有死亡风险。
这里的“短期”可以是ACLF患者90天内，或180天，或360天等等期限内是否具有死亡的风险，当然也可以是小于90天内的，例如80天内，70天内，60天内或者更短的时间，也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
进一步地，所述回归方程为逻辑回归方程。
进一步地，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
进一步地，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为ACLF患者的血清样本。
进一步地，所述训练方法为对训练集根据短期内是否幸存，分为幸存组和非幸存组，分别检测幸存组和非幸存组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析幸存组和非幸存组的检测值之间的关系，构建逻辑回归方程。
进一步地，所述短期包括90天内、180天内、360天内、80天内、70天内、60天内、三个月内、半年内、一年内、两个月内、一个月内中的任意一种或多种。
进一步地，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测ACLF患者360天内具有死亡风险的预测值，从而评估ACLF患者360天内的死亡风险。
再一方面，本发明提供了一种预测非ACLF患者是否进展为ACLF的方法，通过分析生物标志物的检测值，用于预测非ACLF患者短期内是否会进展为ACLF的风险；所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
进一步地，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
进一步地，所述预测非ACLF患者是否进展为ACLF是指预测非ACLF患者短期内是否进展为ACLF。
这里的“短期”可以是ACLF患者180天内，或90天，或28天等等期限内是否进展为ACLF的风险，当然也可以是1年内，11个月内，10个月内，9个月内，8个月内，7个月内，6个月内，5个月内，4个月内，3个月内，2个月内，1个月内等等，也可以是10周内，9周内，8周内，7周内，6周内，5周内，4周内，3周内，2周内，1周内等等。
因为这里的短期难以提前预判，是根据当前临床经验总结的时间节点，随着时间的推移或者其它治疗手段的改进，该时间节点或者时间的长度是可能发生变化的，还可能根据病人住院时间的长短发生变化。
进一步地，所述生物标志物包括脲基丙酸和γ-CEHC；或者，所述生物标志物包括脲基丙酸、γ-CEHC和甲状腺素；或者，所述生物标志物包括脲基丙酸、γ-CEHC和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
进一步地，所述数据分析模块通过将生物标志物的检测值代入回归方程，计算预测非ACLF患者是否进展为ACLF的预测值，从而评估非ACLF患者进展为ACLF的风险。
进一步地，所述回归方程为逻辑回归方程。
进一步地，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
进一步地，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为非ACLF患者的血清样本。
进一步地，所述训练方法为对训练集根据短期内是否进展为ACLF，分为pre-ACLF组和非ACLF组，分别检测pre-ACLF组和非ACLF组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析pre-ACLF组和非ACLF组的检测值之间的关系，构建逻辑回归方程。
进一步地，所述短期包括180天内、90天内、80天内、70天内、60天内、28天内、3个月内、4个月内、5个月内、半年内、7个月内、8个月内、9个月内、10周内、9周内、8周内、7周内、6周内、5周内、4周内、3周内、2周内、1周内中的任意一种或多种。
进一步地，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测非ACLF患者180天内进展为ACLF的预测值；p表示预测非ACLF患者180天内是否进展为ACLF的预测值。
本发明提供的慢加急性肝衰竭预后预测系统具有以下有益效果：
1、筛选到15种全新的能早期预测ACLF患者是否具有死亡风险和非ACLF患者是否会进展为ACLF风险的代谢生物标志物；尤其是预测ACLF患者短期内死亡风险和非ACLF患者短期内进展为ACLF风险的代谢生物标志物；
2、筛选出4种生物标志物，构建了ACLF患者短期内死亡风险预测模型，预测性能优，AUC值最高达到0.79；进一步结合age、INR、CR、Na、ALB、N/Lratio、overt HE、TB等临床指标，AUC值能进一步提高，基本都可达到0.8以上；
3、筛选出3种生物标志物，构建了非ACLF患者短期内进展为ACLF风险预测模型，预测性能优，AUC值最高达到0.80；进一步结合TB、INR、Cirrhosis等临床指标，AUC值能进一步提高，基本都可达到0.84以上；
4、实现便捷、高效地预测，为高风险人群把握干预的黄金窗口期，为低风险患者减轻经济负担，满足临床所需。
附图说明
图1为实施例1中的ACLF相关代谢组学生物标志物的筛选、模型构建及验证的流程图；
图2为实施例1中的代谢产物在ACLF组和非ACLF组之间的显著性差异变化示意图；
图3为实施例1中的具有显著影响的代谢产物类别示意图；
图4为实施例1中的ACLF患者肝脏代谢途径变化示意图；
图5为实施例2中的代谢产物在ACLF患者非幸存组和幸存组之间的显著性差异变化示意图；
图6为实施例2中区分ACLF患者非幸存者组和幸存者组的代谢物经随机森林排序结果示意图；
图7为实施例3中的代谢产物在pre-ACLF组和非ACLF组之间的显著性差异变化示意图；
图8为实施例3中区分pre-ACLF组和非ACLF组的代谢物经随机森林排序结果示意图；
图9为实施例5中4种代谢产物在发现集中检测结果获得的ROC曲线；
图10为实施例5中4种代谢产物在验证集中检测结果获得的ROC曲线；
图11为实施例6中3种代谢产物在发现集中检测结果获得的ROC曲线；
图12为实施例6中3种代谢产物在验证集中检测结果获得的ROC曲线；
图13为实施例7中4种代谢产物模型在发现集中预测ACLF 90天内死亡率的评价性能对比；
图14为实施例7中4种代谢产物模型在验证集中预测ACLF 90天内死亡率的评价性能对比；
图15为实施例7中3种代谢产物模型在发现集中预测非ACLF 28天内进展为ACLF风险的评价性能对比；
图16为实施例7中3种代谢产物模型在验证集中预测非ACLF 28天内进展为ACLF风险的评价性能对比。
详细说明
(1)诊断或者检测
这里的诊断或者检测，预测是指对于样本中的生物标志物进行检测或者化验，或者目的生物标志物的含量，例如绝对含量或者相对含量，然后通过目标标志物是否存在或者数量的多少来说明提供样本的个体是否可能具有或患某种疾病，或者具有某种疾病的可能性。这里的诊断与检测的含义可以互换。这种检测的结果或者诊断的结果是不能直接作为患病的直接结果，而是一种中间结果，如果获得直接的结果，还需通过病理学或者解剖学等其它辅助手段才能确认患有某种疾病。例如，本发明提供了多种与ACLF患者，或者ALCF患者发生死亡或者存活具有关联性的新的生物标志物，这些标志物的含量的变化与是患有ACL或者患有ACLF并发生死亡有直接的关联性。
(2)标志物或生物标志物与ACLF的联系
标志物和生物标志物在本发明中具有相同的含义。这里的联系是指某种生物标志物在样本中出现或者含量的变化与特定疾病或者疾病的进程具有直接的关联性，例如含量的相对升高或者降低，表示这种患有这种疾病的可能性相对健康人员更高，或者疾病的进程发展为更加严重或则从从某一个阶段发展为另外一个阶段。例如本发明的多个新的标志物的单个标志物或者标志物质的组合，可以用于预测非ACLF患者是否进展为ACLF患者，或者如果已经是ALCF患者是否会发生为死亡或者非死亡的结果。
如果样本中多个不同的标志物同时出现或者含量的相对变化，表示这种患有这种疾病的可能性相对健康人员也更高。也就是说标志物种类中，某一些标志物与患病的关联性强，有些标志物与患病的关联性弱，或者有些甚至与某种特定的特定疾病无关联。对于那些关联性强的标志物中的一种或者多种，可以作为诊断疾病的标志物，与那些关联性弱的标志物可以与强的标志物组合来诊断某种疾病，增加检测结果的准确性，这里的疾病可以是疾病发生的进程或者进展情况，例如从某种疾病的一个比较好的阶段发展为更加恶性的或者严重的阶段，甚至最终死亡。
针对本发明发现的血清中的众多生物标志物，这些标志物都可以用来进行区分非ALCF患者或者是ACLF患者，或者预测非ACLF是否会发展为ACLF；也可以用于诊断或者预测ALCF患者是否发展或者发生死亡的概率或者可能性的大小。这里的标志物可以单独作为单个的标志物来进行直接的检测或者诊断，选择这样的标志物表示该标志物的含量的相对变化与非ACLF患者发展为ACLF患者的关联性腔，或者ALCF患者是否发展或者发生死亡的关联性强。当然，可以理解的是，可以选择与ALCF患者是否发展或者发生死亡，或非ACLF发展为ACLF患者的一种或者多种标志物的同时检测。正常的理解是，在一些方式中，选择关联性强的生物标志物来进行检测或者诊断可以达到一定标准的准确性，例如60％，65％，70％，80％，85％，90％或者95％的准确性，则可以说明，这些标志物可以获得诊断某种疾病的中间值，但并不表示就能直接确认患有某种疾病。。
当然，也可以选择ROC值越大的差异标志物来作为诊断的标志物。所谓的强，弱一般通过一些算法来计算确认，例如标志物与ACLF，或者ALCF发生死亡的概率的贡献率或者权重分析。这样的计算方法可以是显著性分析(p值或FDR值)和倍数变化(Fold change)，多元统计分析主要包括主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA)。
(3)ACLF患者
慢加急性肝衰竭(ACLF)是一种临床恶化迅速、死亡率高的快速进展性疾病，表现为慢性肝病或肝硬化患者的急性肝功能障碍，以器官衰竭和高短期死亡率为特征，超过25％的住院肝硬化患者都会出现这种情况。已知ACLF与酒精、病毒感染、肝外器官衰竭和全身炎症等急性损伤有关，其病理生理学与持续性炎症，与最初免疫广泛激活的免疫失调，系统性炎症反应综合征的状态以及随后由于免疫抑制引起的败血症有关。
所谓的“慢性肝病”主要是指肝病发生了疾病(与健康相对的)，例如肝炎患者，酒精肝，或者肝移植手术后的患者、或者肝硬化的患者，或者其它与肝部发生病变的患者。慢性肝病是一类疾病的统称，病因不同，临床症状也不太一样，而且治疗方法和预后结果也有所不同。慢性肝病的共同特点是不同程度地肝组织坏死和炎症反应，可能会发生肝纤维化，最终会发展为肝硬化，可以通过肝脏组织活检来评估肝脏慢性损伤的程度。肝硬化也是临床比较常见的慢性进行性肝病，由一种或多种病因长期或反复作用，形成弥漫性肝损伤，比较常见的病因是肝炎，另外也可能和酒精肝硬化、血吸虫性肝硬化有关系。
慢性肝病的诊断需至少符合以下任何一项都是属于慢性肝病：
1)超过一定期限(如1-3个月以上、6个月以上等等)的肝酶异常；所述肝酶包括谷丙转氨酶、谷草转氨酶、碱性磷酸酶或γ-转肽酶中的任何一项或多项；当然，可以理解，还有其它与肝酶相关的酶的异常。所谓的异常是超出正常值的上限值。这里的异常可以是在某些时间内经常性的异常或者异常的频率高，例如3个月内，有2个月都是异常，或者80％的时间都是异常的。
2)肝弹性超声(检测肝脏硬度的一种，包括但不限于Fibroscan或Fibrotouch)提示存在肝纤维化；
3)肝组织活检发现肝纤维化；
4)无创性血液指标检测(包括但不限于FIB-4)提示存在肝纤维化；
5)临床或影像学或消化内镜或肝组织病理提示存在肝硬化。
(4)非ACLF患者
这里的非ACLF患者是指不是慢加急性肝衰竭的患者，或者临床上表现含有疾病，但是并不是慢加急性肝衰竭(ACLF)，或者是慢性肝病患者但是并不发展为肝衰竭的患者，也就是说，某一类患者是慢性肝病患者，其中一部分可能会发展为慢加急性肝衰竭(ACLF)，另外一部并不会发展为慢加急性肝衰竭(ACLF)。这样从非ACLF发生或者发展为ACLF的时间可以是任意时间，可以是在360天内的任何时间段。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。本实施例中使用的试剂均为已知产品，通过购买市售产品获得。
实施例1、利用代谢组学初筛生物标志物
本实施例建立了一个由14家医院组成的研究联盟，并在三年内收集了1300份的ACLF相关样本，进行代谢组学生物标志物的筛选、构建预测模型及验证，具体流程详见图1。
ACLF和非ACLF患者入院时的关键临床参数见表1，可以看出：乙型肝炎病毒(HBV)是主要病因，约占75％的病例，剩下的是酒精和其他原因；ACLF患者90天内无肝移植死亡率显著升高，器官衰竭比例增加，尤其是肝衰竭和凝血衰竭，TB、ALT、AST、肌酸、INR、C反应蛋白(CRP)升高，MELD-Na和CLIF-C ACLF评分升高(p<0.05)。
表1、ACLF和非ACLF组的基线临床参数
本实施例将1300份(包括420份ACLF和880份非ACLF)样本随机分成相等的两半，作为发现集(650份，包括210份ACLF和440份非ACLF)和验证集(650份，包括210份ACLF和440份非ACLF)，使用非靶向代谢组学经高效液相色谱串联质谱分析了发现集的入院时基线血清样本。
非靶向代谢组学平台共鉴定到了1072种已知结构的代谢产物，涵盖广泛的生化途径，包括氨基酸、脂质、碳水化合物、核苷酸、外源性物质和肠道微生物组代谢。去除仅在不到20％的样品中检测到的代谢物后，继续分析剩余的896种代谢物。我们观察到ACLF对血清代谢组有深刻影响，896种代谢物中的626种(69.9％)在ACLF组和非ACLF组之间显示出显著变化的水平(FDR<0.05，图2)，几乎影响所有代谢物类别(图3)。在将代谢产物映射到典型的生化途径之后，很明显，大多数变化都在与肝脏的众多代谢和生理功能相关的途径中(图4)。主要观察结果如下：
1、膜脂质的生物合成：在FDR排名前100位最重要的代谢产物中(FDR<1.41*10-14)，34种是血浆脂蛋白颗粒和细胞膜结构的必需脂质，包括磷脂、溶血磷脂和鞘磷脂。这些脂质种类在ACLF组中显著减少。肝脏是复杂脂质合成的主要器官，在脂蛋白合成中起着核心作用，脂质种类的减少表明脂蛋白生物合成可能受到ACLF的影响。研究结果证明，高密度脂蛋白和低密度脂蛋白水平降低与肝衰竭和ACLF相关死亡率相关。
2、氧化应激和炎症：ACLF的特征之一是全身炎症，表现为白细胞计数、CRP(C反应蛋白)、促炎细胞因子和损伤/危险相关分子模式(DAMP)升高。氧化应激标志物蛋氨酸亚砜显著增加(FDR＝2.54*10-27)；抗氧化剂维生素E和维生素E代谢产物α-生育酚(FDR＝3.43*10-17)、γ-生育酚/β-生育酚(FDR＝6.32*10-9)，γ-羧乙基羟基铬(γ-CEHC)(FDR＝1.27*10-23)和δ-CEHC(FDR＝8.36*10-18)均降低；谷胱甘肽代谢，以及磷酸戊糖途径中代谢产物水平加速升高。
3、甲状腺素和类固醇激素：ACLF组甲状腺素水平的降低(FDR＝1.94*10-39)是最显著的变化之一。我们发现，ACLF组皮质醇和皮质酮显著降低(FDR＝1.11*10-5)，ACLF组的结合雄激素和雌激素代谢产物显著减少；唯一的例外是雌酮3-硫酸盐，其显著增加(FDR＝2.13*10-23)。
4、能量代谢：肝脏是维持体内能量稳态的中心，ACLF组的氨基酸、氨基酸代谢产物、尿素循环代谢产物和多胺水平增加，表明氨基酸分解代谢加快；ACLF组的游离脂肪酸增加；然而脂肪酸β-氧化的主要产物3-羟基丁酸酯没有变化。同时，在ACLF组中，ω-氧化产物如二羧酸、二羧酸肉碱、羟基脂肪酸和羟基脂肪酸肉碱升高，这是由于脂肪酸ω-氧化通常被受损的脂肪酸β-氧化或线粒体功能障碍激活。
5、肠道微生物组：我们观察到血清样本中肠道微生物组衍生代谢物被严重破坏，在总共63种肠道微生物组衍生代谢物中，有44种在ACLF组和非ACLF组之间发生了显著变化。受影响的途径包括色氨酸和酪氨酸代谢、次级胆汁酸、氧化三甲胺(TMAO)生物合成和外源代谢。
6、胆红素和原胆汁酸：ACLF的另一个表现是胆红素升高(FDR＝2.14*10-31)及其前体胆绿素(FDR＝1.05*10-28)。在健康条件下，肝脏通过肝细胞中的葡萄糖醛酸化来去除胆红素，胆红素升高是肝功能不全的迹象。此外，ACLF组的主要胆汁酸牛磺脱氧胆酸盐(FDR＝1.98*10-15)、甘鹅脱氧胆酸(FDR＝4.53*10-17)、甘胆酸盐(FOR＝0.008)和牛磺胆酸盐(FRR＝5.75*10-5)增加。初级胆汁酸在肝脏中合成，储存在胆囊中，并分泌到肠道中用于食物消化，然后主动循环回到肝脏，原发性胆汁酸升高与多种肝病相关。
实施例2、用于预测ACLF患者短期内死亡率的代谢生物标志物的开发和验证
本实施例在实施例1初筛获得的代谢生物标志物基础上，对420份ACLF患者样本进行研究，筛选能够预测ACLF 90天内死亡率的代谢生物标志物并进行验证。
在420名入院时诊断为ACLF的患者中，151人在90天内死亡。我们将样本随机分成相等的两半，作为发现集(134名幸存者和76名非幸存者)和验证集(135名幸存者和75名非幸存者)。根据两组患者入院时的关键临床参数，非幸存者的肝功能衰竭和凝血功能衰竭比例明显较高，TB、INR、白细胞计数、中性粒细胞/淋巴细胞比率升高，MELD-Na和CLIF-C ACLF评分较高(p<0.05)。
检测结果证明，非幸存组和幸存组之间有234种代谢产物发生了显著变化(FDR<0.05，图5)，具有显著差异的代谢产物主要与氨基酸降解、脂肪酸ω-氧化、氧化应激途径和激素途径相关。
我们使用随机森林对具有最大能力的代谢物进行排序，以区分非幸存者组和幸存者组，排序结果见图6。通过t检验和随机森林排序，前100种代谢物被评估为潜在的生物标志物。我们着重关注其中具有商业来源的现成化学标准和同位素标准的代谢物，因为它们更适合于靶向分析开发，其中排名前15的代谢物如表2所示，为了识别不同的代谢物，计算了每个代谢物的折叠变化、p值和估计的错误发现率(FDR)，应用双侧Wilcoxon秩和检验，通过Benjamini Hochberg(BH)多重比较检验调整p值来计算估计FDR，分析15种代谢物与ACLF90天内死亡率具有明显相关性，分析结果如表3。
表2、15种与ACLF 90天内死亡率相关的代谢生物标志物
表3、15种代谢物与ACLF 90天内死亡率相关性检测结果比较
通过ROC曲线法评价15种代谢生物标志物，在发现集和验证集中(包括269名幸存者和151名非幸存者)，预测ACLF 90天内死亡率的效能，结果如表4所示。
表4、15种代谢物预测ACLF 90天内死亡率的ROC分析结果
| 序号 | 生物标志物 | AUC值 |
| 1 | 2-羟基二丙酸 | 0.669 |
| 2 | 十六烷二酸 | 0.65 |
| 3 | 羟脯氨酸 | 0.632 |
| 4 | 甲硫醚 | 0.61 |
| 5 | 3-羟基丁基肉碱 | 0.644 |
| 6 | 管结肠酸 | 0.694 |
| 7 | 硫酸雌酮 | 0.694 |
| 8 | N-乙酰氨基-谷氨酸 | 0.686 |
| 9 | 喹啉酸 | 0.612 |
| 10 | 脲基丙酸 | 0.719 |
| 11 | γ-CEHC | 0.633 |
| 12 | 甲状腺素 | 0.664 |
| 13 | 甲氨基谷氨酸 | 0.627 |
| 14 | γ-3谷氨酰二肽 | 0.69 |
| 15 | 胆红素 | 0.601 |
15种生物标志物的浓度变化与ACLF 90天内是否幸存的关联性的高低，可以通过表3中的RI、MASS、p-value、FDR、Fold Change等来区分，也可以通过表4的AUC值等来区分，其中FDR值和AUC值最为直观和明显。FDR值越低，代表ACLF 90天内非幸存人群相对于ACLF90天内幸存人群，对该指标的影响越大。AUC值越高，表示该生物标志物越能准确区分ACLF90天内非幸存人群和幸存人群。
由表3可以看出，15种生物标志物的浓度变化与ACLF 90天内是否幸存都具有明显的关联性，其中脲基丙酸的关联性最高，FDR值达到0.000257，其次为N-乙酰氨基-谷氨酸，FDR值达到0.00110288。
由表4可以看出，单独采用15种生物标志物中的任意一种的浓度变化，用于区分ACLF90天内非幸存人群和幸存人群，其AUC值都能达到0.6以上，都具有较高的准确性，其中AUC值最高的为脲基丙酸，AUC值达到0.719，其次为管结肠酸和硫酸雌酮，AUC值达到0.694。
同时，本实施例针对筛选获得的15种生物标志物，用于预测ACLF 360天内是否具有死亡风险，同样能获得较好的效果，AUC值都能达到0.5以上。
实施例3、用于预测非ACLF患者短期内进展为ACLF风险的代谢生物标志物的开发和验证
本实施例在实施例1初筛获得的代谢生物标志物基础上，对880份非ACLF患者样本进行研究，筛选能够预测非ACLF 28天内进展为ACLF风险的代谢生物标志物并进行验证。
非ACLF组由880名患者组成，其中108名患者在诊断为非ACLF后28天内发生ACLF(pre-ACLF)。我们将样本随机分成相等的两半作为发现和验证集(每组中有54个pre-ACLF和386个非ACLF)。
与在此期间病情稳定的患者相比，进展为ACLF的患者TB、INR、中性粒细胞/淋巴细胞比率显著升高，MELD-Na和CLIF-C ACLF-D评分更高(p<0.05)。
共有89种代谢物在pre-ACLF组和非ACLF组之间的水平发生了显著变化(FDR<0.05，图7)。与脂肪酸ω-氧化、氧化应激途径、胆红素代谢、胆汁酸代谢和类固醇激素途径相关的代谢产物构成了大部分显著变化。使用与ACLF死亡率生物标志物识别类似的方法，我们使用随机森林对代谢产物进行排序，以区分pre-ACLF组和非ACLF组(图8)。通过t检验和/或随机森林排序的前89种代谢物被进一步评估为潜在的生物标志物，并排除了没有市售化学标准和同位素标准的代谢产物，选出其中排名前15的代谢物，这15种代谢物与预测ACLF 90天内死亡率的代谢物一致，为了识别不同的代谢物，计算了每个代谢物的折叠变化、p值和估计的错误发现率(FDR)，应用双侧Wilcoxon秩和检验，通过BenjaminiHochberg(BH)多重比较检验调整p值来计算估计FDR，分析15种代谢物与非ACLF 28天内进展为ACLF风险具有明显相关性，分析结果如表5。
表5、15种代谢物与非ACLF 28天内进展为ACLF风险相关性检测结果比较
| 序号 | 生物标志物 | RI | MASS | p-value | FDR | Fold Change |
| 1 | 2-羟基二丙酸 | 3000 | 161.0455 | 0.015924 | 0.092754 | 1.663287 |
| 2 | 十六烷二酸 | 4615 | 285.2071 | 0.018446 | 0.102023 | 1.473388 |
| 3 | 羟脯氨酸 | 1064 | 132.0655 | 0.751630289 | 0.867244843 | 1.021273795 |
| 4 | 甲硫醚 | 1272 | 166.0533 | 0.000641548 | 0.01957662 | 1.357941699 |
| 5 | 3-羟基丁基肉碱 | 2400 | 248.1493 | 0.33344 | 0.563702 | 1.160571 |
| 6 | 管结肠酸 | 2200 | 130.0863 | 0.148843 | 0.353749 | 1.190887 |
| 7 | 硫酸雌酮 | 4417.3 | 349.1115 | 0.005572803 | 0.052845904 | 2.059286596 |
| 8 | N-乙酰氨基-谷氨酸 | 1035 | 305.098 | 0.913227761 | 0.959263862 | 0.999207206 |
| 9 | 喹啉酸 | 845 | 168.0291 | 0.875164 | 0.939098 | 1.039392 |
| 10 | 脲基丙酸 | 875 | 133.0608 | 1.07E-05 | 0.001914 | 1.556914 |
| 11 | γ-CEHC | 3843 | 263.1289 | 0.003324966 | 0.037239622 | 0.465725777 |
| 12 | 甲状腺素 | 4808 | 775.6794 | 2.1074E-05 | 0.0027813 | 0.692212526 |
| 13 | 甲氨基谷氨酸 | 1880 | 175.0713 | 0.185424 | 0.397093 | 1.213627 |
| 14 | γ-3谷氨酰二肽 | 1825 | 293.1143 | 0.044516 | 0.16392 | 1.10889 |
| 15 | 胆红素 | 1840 | 585.2708 | 0.000184722 | 0.008711105 | 1.409553609 |
通过ROC曲线法评价15种代谢生物标志物，在发现集和验证集中(包括108名pre-ACLF(在诊断为非ACLF后28天内发生ACLF)和772名非ACLF(在诊断为非ACLF后28天内未发生ACLF)，预测非ACLF 28天内进展为ACLF风险的效能，结果如表6所示。
表6、15种代谢物ROC预测非ACLF 28天内进展为ACLF风险的分析结果
| 序号 | 生物标志物 | AUC值 |
| 1 | 2-羟基二丙酸 | 0.682 |
| 2 | 十六烷二酸 | 0.649 |
| 3 | 羟脯氨酸 | 0.683 |
| 4 | 甲硫醚 | 0.663 |
| 5 | 3-羟基丁基肉碱 | 0.685 |
| 6 | 管结肠酸 | 0.684 |
| 7 | 硫酸雌酮 | 0.649 |
| 8 | N-乙酰氨基-谷氨酸 | 0.601 |
| 9 | 喹啉酸 | 0.644 |
| 10 | 脲基丙酸 | 0.723 |
| 11 | γ-CEHC | 0.724 |
| 12 | 甲状腺素 | 0.689 |
| 13 | 甲氨基谷氨酸 | 0.695 |
| 14 | γ-3谷氨酰二肽 | 0.614 |
| 15 | 胆红素 | 0.668 |
15种生物标志物的浓度变化与非ACLF 28天内是否进展为ACLF的关联性的高低，可以通过表5中的RI、MASS、p-value、FDR、Fold Change等来区分，也可以通过表6的AUC值等来区分，其中FDR值和AUC值最为直观和明显。FDR值越低，代表非ACLF 28天内进展为ACLF人群相对于非ACLF 28天内未进展为ACLF人群，对该指标的影响越大。AUC值越高，表示该生物标志物越能准确区分非ACLF 28天内是否进展为ACLF。
由表5可以看出，15种生物标志物的浓度变化与非ACLF 28天内是否进展为ACLF都具有明显的关联性，其中脲基丙酸的关联性最高，FDR值达到0.001914，其次为甲状腺素，FDR值达到0.0027813。
由表6可以看出，单独采用15种生物标志物中的任意一种的浓度变化，用于区分非ACLF 28天内是否进展为ACLF，其AUC值都能达到0.6以上，都具有较高的准确性，其中AUC值最高的为γ-CEHC，AUC值达到0.724，其次为脲基丙酸，AUC值达到0.723。
同时，本实施例针对筛选获得的15种生物标志物，用于预测非ACLF 180天内是否进展为ACLF的风险，同样能获得较好的效果，AUC值都能达到0.5以上。
实施例4、15种代谢物组合的靶向和非靶向检测性能比较
为了将代谢组学发现可以转化为实际的临床应用，我们使用LCMS对15种(预测ACLF 90天内死亡率和非ACLF 28天内进展为ACLF风险的生物标志物进行了非靶向和靶向检测：γ-CEHC、N-乙酰氨基-谷氨酸(NAAG)、管结肠酸、甲状腺素和脲基丙酸，进一步评估了这15种生物标志物测定的准确性、精密度、稳定性和预测性能。
靶向检测使用标准品进行待测物质的绝对定性定量分析，具体分析方法为：血浆样品加入含有稳定同位素标记的分析物类似物的内标溶液，并用酸化甲醇(甲醇中的1％甲酸)进行蛋白质沉淀。离心后，除去上清液，蒸发并重组。将一等份提取物注射到SciexExionLC/Sciex 5500+三重四极质谱仪LC-MS/MS系统中，使用C18反相色谱法，在6.0分钟内以水(0.1％甲酸)/乙腈梯度分析3-脲基丙酸酯、甲氨基谷氨酸酯、NAAG、甲状腺素和γ-CEHC，质谱仪在负模式下操作；将第二等份试样注射到相同的LC-MS/MS系统中，用于分析哌啶酸。C18反相离子对色谱，水(0.05％非氟戊酸)/乙腈(0.05％非氟戊酸)梯度4.0分钟，质谱仪在正模式下操作。
靶向检测该分析在LCMS上的运行时间短，并且适合于快速数据周转和临床测试的大规模检测。
靶向分析时，每个样品都加入了真实的化学标准和同位素标准，通过与八种浓度的代谢物标准品的校准曲线进行比较，实现了样品中代谢物的绝对定量。八种浓度是在分析运行开始和结束时各一个，和六个单一浓度水平的质量控制样品，以监测分析性能。对照相应内标物的母离子到产物离子跃迁的峰面积，测量相应母离子到产品离子跃迁的峰值面积，使用加权线性最小二乘回归分析进行定量。
在代谢生物标志物初筛过程中都是采用非靶向测定来进行筛选，在本实施例中同时进行靶向和非靶向检测验证了两种检测方法的变化相关性，证明非靶向检测和靶向检测的整体趋势一致，具体检测结果可通过相关系数来进行转换。因此后续实施例在代谢生物标志物的模型构建和分析都采用靶向检测进行更加精确的定量。
靶向测定产生的定量数据显示了与非靶向代谢组学数据的变化相关性。相关系数在0.502(甲氨基谷氨酸)和0.725(管结肠酸)之间。
实施例5、预测ACLF 90天内死亡率模型的开发和验证
本实施例针对实施例2筛选获得的15种代谢产物进行组合，使用logistic回归，构建预测ACLF 90天内死亡率模型，希望能以尽量少的代谢产物构建模型，并且具有较理想的预测性能。
(1)15种代谢物组合的模型
首先采用15种代谢物进行组合，构建预测ACLF 90天内死亡率模型，考察其预测性能。
15种代谢产物：管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸、甲状腺素
模型公式为：
P＝-20.584+0.846*管结肠酸+1.254*NAAG+0.454*脲基丙酸-0.468*甲氨基谷氨酸-0.385*γ-CEHC+0.485*γ-3谷氨酰二肽+0.447*3-羟基丁基肉碱+0.081*硫酸雌酮+0.524*羟脯氨酸+0.079*胆红素-0.066*2-羟基二丙酸-0.015*甲硫醚-0.089*十六烷二酸-0.219*喹啉酸+0.942*甲状腺素
在发现集中，15种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.829；在验证集中，预测ACLF患者90天内死亡率的AUC为0.734。
(2)14种代谢物组合的模型
在15种代谢物的基础上，任意剔除1种代谢物，共有15种剔除方式，剩余14种代谢物可用于构建预测ACLF 90天内死亡率模型，比较15种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的14种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸
模型公式为：
P＝-14.286+0.804*管结肠酸+0.791*NAAG+0.448*脲基丙酸-0.396*甲氨基谷氨酸-0.338*γ-CEHC+0.434*γ-3谷氨酰二肽+0.425*3-羟基丁基肉碱+0.107*硫酸雌酮+0.356*羟脯氨酸+0.091*胆红素-0.082*2-羟基二丙酸+0.015*甲硫醚-0.066*十六烷二酸-0.154*喹啉酸
在发现集中，该14种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.822；在验证集中，预测ACLF患者90天内死亡率的AUC为0.760。
(3)13种代谢物组合的模型
在14种代谢物的基础上，任意剔除1种代谢物，共有14种剔除方式，剩余13种代谢物可用于构建预测ACLF 90天内死亡率模型，比较14种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的13种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸
模型公式为：
P＝-14.392+0.799*管结肠酸+0.792*NAAG+0.383*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.428*γ-3谷氨酰二肽+0.388*3-羟基丁基肉碱+0.121*硫酸雌酮+0.353*羟脯氨酸+0.095*胆红素-0.153*2-羟基二丙酸+0.009*甲硫醚-0.025*十六烷二酸
在发现集中，该13种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.819；在验证集中，预测ACLF患者90天内死亡率的AUC为0.726。
(4)12种代谢物组合的模型
在13种代谢物的基础上，任意剔除1种代谢物，共有13种剔除方式，剩余12种代谢物可用于构建预测ACLF 90天内死亡率模型，比较13种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的12种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚
模型公式为：
P＝-14.5+0.794*管结肠酸+0.806*NAAG+0.376*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.429*γ-3谷氨酰二肽+0.378*3-羟基丁基肉碱+0.114*硫酸雌酮+0.362*羟脯氨酸+0.095*胆红素-0.16*2-羟基二丙酸+0.007*甲硫醚
在发现集中，该12种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.819；在验证集中，预测ACLF患者90天内死亡率的AUC为0.763。
(5)11种代谢物组合的模型
在12种代谢物的基础上，任意剔除1种代谢物，共有12种剔除方式，剩余11种代谢物可用于构建预测ACLF 90天内死亡率模型，比较12种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的11种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸
模型公式为：
P＝-14.476+0.795*管结肠酸+0.807*NAAG+0.376*脲基丙酸-0.404*甲氨基谷氨酸-0.353*γ-CEHC+0.43*γ-3谷氨酰二肽+0.375*‘3-羟基丁酸肉碱’+0.115*硫酸雌酮+0.364*羟脯氨酸+0.096*胆红素-0.157*2-羟基二丙酸
在发现集中，该11种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.819；在验证集中，预测ACLF患者90天内死亡率的AUC为0.763。
(6)10种代谢物组合的模型
在11种代谢物的基础上，任意剔除1种代谢物，共有11种剔除方式，剩余10种代谢物可用于构建预测ACLF 90天内死亡率模型，比较11种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的10种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素
模型公式为：
P＝-14.315+0.777*管结肠酸+0.77*NAAG+0.342*脲基丙酸-0.411*甲氨基谷氨酸-0.352*γ-CEHC+0.432*γ-3谷氨酰二肽+0.325*3-羟基丁酸肉碱+0.109*硫酸雌酮+0.357*羟脯氨酸+0.1*胆红素
在发现集中，该10种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.817；在验证集中，预测ACLF患者90天内死亡率的AUC为0.763。
(7)9种代谢物组合的模型
在10种代谢物的基础上，任意剔除1种代谢物，共有10种剔除方式，剩余9种代谢物可用于构建预测ACLF 90天内死亡率模型，比较10种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的9种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸
模型公式为：
P＝-13.898+0.825*管结肠酸+0.744*NAAG+0.322*脲基丙酸+-0.391*甲氨基谷氨酸+-0.269*γ-CEHC+0.424*γ-3谷氨酰二肽+0.345*3-羟基丁酸肉碱+0.162*硫酸雌酮+0.276*羟脯氨酸
在发现集中，该9种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.815；在验证集中，预测ACLF患者90天内死亡率的AUC为0.763。
(8)8种代谢物组合的模型
在9种代谢物的基础上，任意剔除1种代谢物，共有9种剔除方式，剩余8种代谢物可用于构建预测ACLF 90天内死亡率模型，比较9种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的8种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮
模型公式为：
P＝-12.473+0.857*管结肠酸+0.781*NAAG+0.415*脲基丙酸-0.405*甲氨基谷氨酸-0.257*γ-CEHC+0.42*γ-3谷氨酰二肽+0.343*3-羟基丁酸肉碱+0.14*硫酸雌酮
在发现集中，该8种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.813；在验证集中，预测ACLF患者90天内死亡率的AUC为0.759。
(9)7种代谢物组合的模型
在8种代谢物的基础上，任意剔除1种代谢物，共有8种剔除方式，剩余7种代谢物可用于构建预测ACLF 90天内死亡率模型，比较8种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的7种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱
模型公式为：
P＝-13.147+0.947*管结肠酸+0.832*NAAG+0.435*脲基丙酸-0.407*甲氨基谷氨酸-0.292*γ-CEHC+0.428*γ-3谷氨酰二肽+0.334*3-羟基丁基肉碱
在发现集中，该7种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.812；在验证集中，预测ACLF患者90天内死亡率的AUC为0.755。
(10)6种代谢物组合的模型
在7种代谢物的基础上，任意剔除1种代谢物，共有7种剔除方式，剩余6种代谢物可用于构建预测ACLF 90天内死亡率模型，比较7种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的6种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽
模型公式为：
P＝-12.838+0.839*管结肠酸+1.125*NAAG+0.49*脲基丙酸-0.39*甲氨基谷氨酸-0.263*γ-CEHC+0.39*γ-3谷氨酰二肽
在发现集中，该6种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.802；在验证集中，预测ACLF患者90天内死亡率的AUC为0.746。
(11)5种代谢物组合的模型
在6种代谢物的基础上，任意剔除1种代谢物，共有6种剔除方式，剩余5种代谢物可用于构建预测ACLF 90天内死亡率模型，比较6种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的5种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC
模型公式为：
P＝-10.874+0.685*管结肠酸+1.105*NAAG+0.51*脲基丙酸-0.214*甲氨基谷氨酸-0.22*γ-CEHC
在发现集中，该5种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.793；在验证集中，预测ACLF患者90天内死亡率的AUC为0.736。
(12)4种代谢物组合的模型
在5种代谢物的基础上，任意剔除1种代谢物，共有5种剔除方式，剩余4种代谢物可用于构建预测ACLF 90天内死亡率模型，比较5种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的4种代谢产物组合：
管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸
模型公式为：
p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸
在发现集中，该4种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.790；在验证集中，预测ACLF患者90天内死亡率的AUC为0.724。
(13)3种代谢物组合的模型
在4种代谢物的基础上，任意剔除1种代谢物，共有4种剔除方式，剩余3种代谢物可用于构建预测ACLF 90天内死亡率模型，比较4种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的包含3种代谢产物的组合：
管结肠酸、NAAG、脲基丙酸
模型公式为：
p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸
在发现集中，该3种代谢物构建的模型预测ACLF患者90天内死亡率的AUC为0.775；在验证集中，预测ACLF患者90天内死亡率的AUC为0.722。
可见该3种代谢物构建的预测ACLF患者90天内死亡率的模型也能达到较好的预测效果，而且所需的代谢物种类少，成本低。
但是当进一步剔除1种代谢物，剩余2种代谢物时，在发现集和验证集中预测ACLF患者90天内死亡率的AUC明显降低，都降低至0.7以下。因此不建议采用2种代谢物组合构建预测ACLF患者90天内死亡率的模型。
综上可知，随着代谢物种类的减少，构建的预测模型预测ACLF患者90天内死亡率时，在发现集和验证集中的AUC值会稍有下降，但是代谢物种类太多，会给检测过程增加负担，经过权衡利弊，优选3和4种代谢物构建的模型。
当选用管结肠酸、N-乙酰基-天冬氨酸谷氨酸(NAAG)、脲基丙酸和甲氨基谷氨酸4个指标构建的模型，在发现集和验证集中依然能保持较高的AUC值，在发现集中，预测ACLF患者90天内死亡率的AUC为0.79(图9)，该结果在验证集中得到了精确再现，验证集中的AUC为0.724(图10)。研究证明，对于4种代谢物构建的模型，预测值P大于0.331，预测ACLF患者90天内死亡风险高；p小于0.331，预测ACLF患者90天内死亡风险低。
当选用管结肠酸、NAAG、脲基丙酸3个指标构建的模型，在发现集和验证集中依然能保持较高的AUC值，在发现集中，预测ACLF患者90天内死亡率的AUC为0.775，该结果在验证集中得到了精确再现，验证集中的AUC为0.722。研究证明，对于3种代谢物构建的模型，预测值P大于0.320，预测ACLF患者90天内死亡风险高；p小于0.320，预测ACLF患者90天内死亡风险低。
同时，本实施例利用筛选获得的3种代谢物模型(p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸)，和4种代谢物模型(p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸)，用于预测ACLF 360天内是否具有死亡风险，同样能获得较好的效果，AUC值都能达到0.6以上。
实施例6、预测非ACLF 28天内进展为ACLF风险模型的开发和验证
本实施例针对实施例3筛选获得的15种代谢产物进行组合，使用logistic回归，构建预测非ACLF 28天内进展为ACLF风险模型，希望能以尽量少的代谢产物构建模型，并且具有较理想的预测性能。
(1)15种代谢物组合的模型
首先采用15种代谢物进行组合，构建预测非ACLF 28天内进展为ACLF模型，考察其预测性能。
15种代谢产物：脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、NAAG、甲硫醚
模型公式为：
P＝-3.271+0.716*脲基丙酸-0.512*γ-CEHC-1.1*甲状腺素+0.357*管结肠酸+0.134*3-羟基丁基肉碱-1.225*2-羟基二丙酸+0.029*硫酸雌酮+0.168*羟脯氨酸-0.04*喹啉酸+0.078*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.03*胆红素+0.519*十六烷二酸-0.139*甲硫醚+0.653*NAAG
在发现集中，15种代谢物构建的模型预测非ACLF 28天内进展为ACLF的AUC为0.838；在验证集中，预测非ACLF 28天内进展为ACLF的AUC为0.741。
(2)14种代谢物组合的模型
在15种代谢物的基础上，任意剔除1种代谢物，共有15种剔除方式，剩余14种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较15种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的14种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、甲硫醚、胆红素、十六烷二酸
模型公式为：
P＝-1.518+0.724*脲基丙酸-0.494*γ-CEHC-1.216*甲状腺素+0.409*管结肠酸+0.157*3-羟基丁基肉碱-1.131*2-羟基二丙酸+0.051*硫酸雌酮+0.202*羟脯氨酸-0.024*喹啉酸+0.11*γ-3谷氨酰二肽-0.007*甲氨基谷氨酸+0.009*胆红素+0.479*十六烷二酸-0.17*甲硫醚
在发现集中，该14种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.830；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.746。
(3)13种代谢物组合的模型
在14种代谢物的基础上，任意剔除1种代谢物，共有14种剔除方式，剩余13种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较14种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的13种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸
模型公式为：
P＝-2.436+0.726*脲基丙酸+-0.498*γ-CEHC-1.18*甲状腺素+0.382*管结肠酸+0.195*3-羟基丁基肉碱-1.121*2-羟基二丙酸+0.044*硫酸雌酮+0.199*羟脯氨酸-0.009*喹啉酸+0.046*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.012*胆红素+0.446*十六烷二酸
在发现集中，该13种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.833；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.748。
(4)12种代谢物组合的模型
在13种代谢物的基础上，任意剔除1种代谢物，共有13种剔除方式，剩余12种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较13种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的12种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素
模型公式为：
P＝-2.837+0.819*脲基丙酸-0.514*γ-CEHC-1.019*甲状腺素+0.399*管结肠酸+0.362*3-羟基丁基肉碱-0.932*2-羟基二丙酸+0.173*硫酸雌酮+0.235*羟脯氨酸-0.08*喹啉酸+0.074*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸-0.02*胆红素
在发现集中，该12种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.824；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.751。
(5)11种代谢物组合的模型
在12种代谢物的基础上，任意剔除1种代谢物，共有12种剔除方式，剩余11种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较12种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的11种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸
模型公式为：
P＝-2.894+0.816*脲基丙酸-0.512*γ-CEHC-1.016*甲状腺素+0.395*管结肠酸+0.362*3-羟基丁基肉碱-0.93*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸
在发现集中，该11种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.824；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.751。
(6)10种代谢物组合的模型
在11种代谢物的基础上，任意剔除1种代谢物，共有11种剔除方式，剩余10种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较11种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的10种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽
模型公式为：
P＝-2.899+0.816*脲基丙酸-0.512*γ-CEHC-1.015*甲状腺素+0.396*管结肠酸+0.362*3-羟基丁基肉碱-0.929*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽
在发现集中，该10种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.824；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.751。
(7)9种代谢物组合的模型
在10种代谢物的基础上，任意剔除1种代谢物，共有10种剔除方式，剩余9种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较10种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的9种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸
模型公式为：
P＝-2.647+0.828*脲基丙酸-0.512*γ-CEHC-1.039*甲状腺素+0.388*管结肠酸+0.347*3-羟基丁基肉碱-0.926*2-羟基二丙酸+0.163*硫酸雌酮+0.241*羟脯氨酸-0.047*喹啉酸
在发现集中，该9种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.825；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.750。
(8)8种代谢物组合的模型
在9种代谢物的基础上，任意剔除1种代谢物，共有9种剔除方式，剩余8种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较9种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的8种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸
模型公式为：
P＝-2.647+0.816*脲基丙酸-0.513*γ-CEHC-1.049*甲状腺素+0.393*管结肠酸+0.34*3-羟基丁基肉碱-0.939*2-羟基二丙酸+0.164*硫酸雌酮+0.23*羟脯氨酸
在发现集中，该8种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.825；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.750。
(9)7种代谢物组合的模型
在8种代谢物的基础上，任意剔除1种代谢物，共有8种剔除方式，剩余7种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较8种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的7种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮
模型公式为：
P＝-0.998+0.856*脲基丙酸-0.502*γ-CEHC-1.104*甲状腺素+0.408*管结肠酸+0.325*3-羟基丁基肉碱+-0.916*2-羟基二丙酸+0.154*硫酸雌酮
在发现集中，该7种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.827；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.748。
(10)6种代谢物组合的模型
在7种代谢物的基础上，任意剔除1种代谢物，共有7种剔除方式，剩余6种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较7种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的6种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸
模型公式为：
P＝-1.935+0.919*脲基丙酸-0.537*γ-CEHC-1.018*甲状腺素+0.464*管结肠酸+0.296*3-羟基丁基肉碱-0.867*2-羟基二丙酸
在发现集中，该6种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.823；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.746。
(11)5种代谢物组合的模型
在6种代谢物的基础上，任意剔除1种代谢物，共有6种剔除方式，剩余5种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较6种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的5种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱
模型公式为：
P＝-2.077+0.745*脲基丙酸-0.539*γ-CEHC-0.806*甲状腺素+0.191*管结肠酸+0.088*3-羟基丁基肉碱
在发现集中，该5种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.803；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.743。
(12)4种代谢物组合的模型
在5种代谢物的基础上，任意剔除1种代谢物，共有5种剔除方式，剩余4种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较5种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的4种代谢产物组合：
脲基丙酸、γ-CEHC、甲状腺素、管结肠酸
模型公式为：
P＝-1.878+0.77*脲基丙酸-0.54*γ-CEHC-0.827*甲状腺素+0.188*管结肠酸
在发现集中，该4种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.801；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.740。
(13)3种代谢物组合的模型
在4种代谢物的基础上，任意剔除1种代谢物，共有4种剔除方式，剩余3种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较4种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的两个预测模型，获得如下所示的两个3种代谢产物组合：
①脲基丙酸、γ-CEHC、甲状腺素
模型公式为：
P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素
在发现集中，该3种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.800；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.734。
②脲基丙酸、γ-CEHC、管结肠酸
模型公式为：
P＝-4.744+1.015*脲基丙酸-0.584*γ-CEHC+0.122*管结肠酸；
在发现集中，该3种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.789；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.742。
(14)2种代谢物组合的模型
在3种代谢物的基础上，任意剔除1种代谢物，共有3种剔除方式，剩余2种代谢物可用于构建预测非ACLF 28天内进展为ACLF风险模型，比较3种剔除方式构建的预测模型，从中挑选组合性能最好、AUC最高的预测模型，获得如下所示的含有2种代谢产物组合：
脲基丙酸、γ-CEHC
模型公式为：
P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC
在发现集中，该2种代谢物构建的模型预测非ACLF 28天内进展为ACLF风险的AUC为0.786；在验证集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.745。
但是与1种代谢物相比，2种代谢物构建的用于预测非ACLF 28天内进展为ACLF风险的模型，确实能明显提高预测性能，而且是15种代谢物中的最佳两种组合，在发现集和验证集中预测非ACLF 28天内进展为ACLF风险的AUC都达到0.7以上。
综上可知，随着代谢物种类的减少，构建的预测模型预测非ACLF 28天内进展为ACLF风险时，在发现集和验证集中的AUC值会稍有下降，但是代谢物种类太多，会给检测过程增加负担，经过权衡利弊，优选3种或2种代谢物构建的模型，此时仅需检测脲基丙酸、γ-CEHC和甲状腺素、或脲基丙酸、γ-CEHC和管结肠酸3个指标，或是仅需检测脲基丙酸和γ-CEHC 2个指标。
模型①检测脲基丙酸、γ-CEHC和甲状腺素3个指标，在发现集和验证集中依然能保持较高的AUC值，在发现集中，预测非ACLF 28天内进展为ACLF风险的AUC为0.800(图11)，该结果在验证集中得到了精确再现，验证集中的AUC为0.734(图12)。研究证明，对于3种代谢物构建的模型①，预测值P大于0.150，预测非ACLF 28天内进展为ACLF风险高；p小于0.150，预测非ACLF 28天内进展为ACLF风险低。
对于2种代谢物(脲基丙酸和γ-CEHC)构建的模型，预测值P大于0.123，预测非ACLF 28天内进展为ACLF风险高；p小于0.123，预测非ACLF 28天内进展为ACLF风险低。
同时，本实施例利用筛选获得的2种代谢物模型(P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC)，和3种代谢物模型(P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素，或P＝-4.744+1.015*脲基丙酸-0.584*γ-CEHC+0.122*管结肠酸)，用于预测非ACLF 180天内进展为ACLF风险，同样能获得较好的效果，AUC值都能达到0.6以上。
实施例7、预测模型的优化
(1)用于预测ACLF 90天内死亡率的4种代谢物组合模型的优化
接着，在发现集和验证集中，我们针对实施例5中的4种代谢产物组合，分别采用1、组合模型(TB(总胆红素)、INR(国际标注化比值)、N/L ratio(中性粒细胞/淋巴细胞比率)和age(年龄)添加到4-代谢产物组中，模型公式为：P＝9.143+2.196*age+1.944*INR-0.432*creatine-6.076*Na+0.052*ALB+0.441*N/L ratio+0.218*overt HE+0.687*pipecolic.acid+1.166*NAAG+0.143*ureidopropionic.acid-0.119*formiminoglutamic.acid)；2、CLIF-C ACLF；3、MELD-Na；4、4种代谢物模型，基于靶向测定产生的定量数据，重新评估了ACLF 90天内死亡率4-代谢产物模型的预后表现，结果如图13和14所示。
4-代谢产物模型(管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸)的AUC分别为0.77和0.75(图13、图14)。该结果高于基于非靶向代谢组学数据的AUC，这可能是由于靶向分析的数据质量提高。然而，这些结果并未显著(p<0.05)优于CLIF-C ACLF和MELD-Na评分。然后我们探讨了代谢产物模型是否可以通过结合临床参数来改进。我们通过将TB、INR、中性粒细胞/淋巴细胞比率和年龄添加到4-代谢产物组中，使用逻辑回归分析，发现4-代谢产物组合TB、INR、中性粒细胞/淋巴细胞比率和年龄后，AUC增加至0.81，显著优于CLIF-C ACLF(AUC0.76)、MELD Na(AUC 0.43)和单独的4-代谢产物模型(图13)。该模型的性能在验证集中得到了很好的验证(图14)。
(2)用于预测非ACLF 28天内进展为ACLF风险的3种代谢物组合模型的优化
对于pre-ACLF的诊断，在发现集和验证集中，我们针对实施例6中的3种代谢产物组合(模型①)，我们分别采用1、组合模型(TB(总胆红素)、INR(国际标准化比值)、Cirrhosis(肝硬化)添加到3-代谢产物组中，模型公式为：P＝-6.916+0.173*TB+1.619*INR+0.375*Cirrhosis+0.735*ureidopropionic.acid-0.101*CEHC+0.099*thyroxine)；2、CLIF-C ACLF；3、MELD-Na；4、3种代谢物组合模型，基于靶向测定产生的定量数据，重新评估了非ACLF 28天内进展为ACLF风险3-代谢产物模型的预后表现，结果如图15和16所示。
基于目标测定数据的3-代谢产物模型(脲基丙酸、γ-CEHC和甲状腺素)的AUC在发现集和验证集中分别为0.78和0.75。这些结果与CLIF-C ACLF发展评分和MELD Na评分相似。然而，通过将TB、INR和是否存在肝硬化纳入代谢组，发现组的AUC增加到0.85，这显著高于CLIF-C ACLF(AUC 0.73)、MELD-Na(AUC 0.8)和单独3-代谢组(图15)。该模型的性能在验证集中得到了很好的验证(图16)。
实施例8、本发明新发现的代谢生物标志物与其他临床指标组合构建模型
本实施例从age(年龄)、INR(国际标准化比值)、creatine(肌酐)、sodium(钠)、albumin(白蛋白)、N/L ratio(粒细胞/淋巴细胞比例)、overt HE(显性肝性脑病)、TB(总胆红素)、Cirrhosis(肝硬化)等临床指标中挑选合适的指标，与实施例1筛选的15种代谢物分别构建模型，其中挑选到age、INR、CR、sodium、ALB、N/L ratio、HE.overt的组合，或age、TB、INR、N/L ratio的组合用于构建预测ACLF短期内死亡率的模型，TB、INR、Cirrhosis的组合用于构建预测非ACLF短期内进展为ACLF风险的模型。
1、用于预测ACLF 90天内死亡率的模型
1)age、INR、CR、sodium、ALB、N/L ratio、HE.overt的组合与15种代谢物中的任意一种构建的预测ACLF 90天内死亡率的模型见表7。
表7、age、INR、CR、Sodium、ALB、N/L ratio、HE.overt的组合与一种代谢物构建的模型
根据表7可以看出，采用本发明新发现的15种代谢生物标志物中的任意一种，与age、INR、CR、Sodium、ALB、N/L ratio、HE.overt组合获得的模型，相比于没有代谢物的模型，都能有效提高在发现组和验证组的AUC值，可见本发明提供的15种代谢物用于预测ACLF短期内死亡率具有确实的效果；另外，可以理解的是，在表7提供的组合模型的基础上，进一步增加代谢物的数量，还能进一步提高预测ACLF短期内死亡率的效果，AUC值还将进一步提高。
2)age、TB、INR、N/L ratio的组合与15种代谢物中的任意一种构建的预测ACLF 90天内死亡率的模型见表8。
表8、age、TB、INR、N/L ratio的组合与一种代谢物构建的模型
根据表8可以看出，采用本发明新发现的15种代谢生物标志物中的任意一种，与age、TB、INR、N/L ratio组合获得的模型，相比于没有代谢物的模型，都能有效提高在发现组和验证组的AUC值，可见本发明提供的15种代谢物用于预测ACLF短期内死亡率具有确实的效果；另外，可以理解的是，在表8提供的组合模型的基础上，进一步增加代谢物的数量，还能进一步提高预测ACLF短期内死亡率的效果，AUC值还将进一步提高。
3)TB、INR、Cirrhosis的组合与15种代谢物中的任意一种构建的预测非ACLF 28天内进展为ACLF风险的模型见表9。
表9、TB、INR、Cirrhosis的组合与一种代谢物构建的模型
根据表9可以看出，采用本发明新发现的15种代谢生物标志物中的任意一种，与TB、INR、Cirrhosis组合获得的模型，相比于没有代谢物的模型，都能有效提高在发现组和验证组的AUC值，可见本发明提供的15种代谢物用于预测非ACLF短期内进展为ACLF风险具有确实的效果；另外，可以理解的是，在表9提供的组合模型的基础上，进一步增加代谢物的数量，还能进一步提高非ACLF短期内进展为ACLF风险的效果，AUC值还将进一步提高。
本发明说明书中提到的所有专利和出版物都表示这些是本领域的公开技术，本发明可以使用。这里所引用的所有专利和出版物都被同样列在参考文献中，跟每一个出版物具体的单独被参考引用一样。这里所述的本发明可以在缺乏任何一种元素或多种元素，一种限制或多种限制的情况下实现，这里这种限制没有特别说明。例如这里每一个实例中术语“包含”，“实质由……组成”和“由……组成”可以用两者之一的其余2个术语代替。这里的所谓的“一个”仅仅表示“一”的意思，而不排除仅仅只是包括一个，也可以表示包括2个以上。这里采用的术语和表达方式所为描述方式，而不受其限制，这里也没有任何意图来指明此书描述的这些术语和解释排除了任何等同的特征，但是可以知道，可以在本发明和权利要求的范围内做任何合适的改变或修改。可以理解，本发明所描述的实施例子都是一些优选的实施例子和特点，任何本领域的一般技术人员都可以根据本发明描述的精髓下做一些更改和变化，这些更改和变化也被认为属于本发明的范围和独立权利要求以及附属权利要求所限制的范围内。
Claims (55)
1.一种生物标志物用于制备预测ACLF患者是否具有死亡风险或幸存概率的试剂的用途，其特征在于，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
2.如权利要求1所述的用途，其特征在于，所述生物标志物包括管结肠酸、NAAG和脲基丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
3.如权利要求1所述的用途，其特征在于，所述生物标志物包括如下的一种或多种：管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸。
4.如权利要求3所述的用途，其特征在于，所述生物标志物包括如下的一种或多种：管结肠酸、NAAG、脲基丙酸。
5.如权利要求1所述的用途，其特征在于，所述试剂用于检测ACLF患者血液、血清、血浆或全血样本中的生物标志物；所述试剂用于检测样本中的生物标志物的有无或相对丰度或浓度。
6.如权利要求1所述的用途，其特征在于，所述生物标志物还包括age、INR、creatine、Sodium、albumin、neutrophil/lymphocyte count ratio、overt hepaticencephalopathy、TB中的一种或多种。
7.如权利要求1所述的用途，其特征在于，所述的用途包括预测ACLF患者360天内是否具有死亡风险或幸存概率。
8.如权利要求1所述的用途，其特征在于，所述的用途包括预测ACLF患者90天内是否具有死亡风险或幸存概率。
9.一种生物标志物用于制备预测非ACLF患者否进展为ACLF的试剂的用途，其特征在于，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
10.如权利要求9所述的用途，其特征在于，所述生物标志物包括脲基丙酸和γ-CEHC；或者，所述生物标志物包括脲基丙酸、γ-CEHC和甲状腺素；或者，所述生物标志物包括脲基丙酸、γ-CEHC和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或者，
所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
11.如权利要求9所述的用途，其特征在于，所述生物标志物包括如下的一种或多种：脲基丙酸、γ-CEHC、甲状腺素；或脲基丙酸、γ-CEHC、管结肠酸。
12.如权利要求9所述的用途，其特征在于，所述生物标志物包括如下的一种或多种：脲基丙酸、γ-CEHC。
13.如权利要求9所述的用途，其特征在于，所述的用途包括预测非ACLF患者180天内是否进展为ACLF。
14.如权利要求9所述的用途，其特征在于，所述的用途包括预测非ACLF患者28天内是否进展为ACLF。
15.如权利要求9所述的用途，其特征在于，所述生物标志物还包括TB、INR、Cirrhosis中的一种或多种。
16.一种用于预测ACLF患者是否具有死亡风险或幸存概率的试剂盒，其特征在于，所述试剂盒包括如权利要求1～8任一项所述用途的生物标志物的检测试剂。
17.如权利要求16所述的试剂盒，其特征在于，所述生物标志物的检测试剂包括所述生物标志物的标准品。
18.一种用于预测非ACLF患者否进展为ACLF的试剂盒，其特征在于，所述试剂盒包括如权利要求9～15任一项所述用途的生物标志物的检测试剂。
19.如权利要求18所述的试剂盒，其特征在于，所述生物标志物的检测试剂包括所述生物标志物的标准品。
20.一种用于预测ACLF患者是否具有死亡风险或幸存概率的生物标志物组合，其特征在于，包括如下的生物标志物：管结肠酸、NAAG和脲基丙酸；或管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
21.如权利要求20所述的生物标志物组合，其特征在于，包括如下的生物标志物：管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸，或管结肠酸、NAAG和脲基丙酸。
22.如权利要求20所述的生物标志物组合，其特征在于，还包括age、INR、creatine、Sodium、albumin、neutrophil/lymphocyte count ratio、overt hepaticencephalopathy、TB中的一种或多种。
23.一种用于预测非ACLF患者否进展为ACLF的生物标志物组合，其特征在于，包括如下的生物标志物：脲基丙酸和γ-CEHC；或脲基丙酸、γ-CEHC和甲状腺素；或脲基丙酸、γ-CEHC和管结肠酸；或脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
24.如权利要求23所述的生物标志物组合，其特征在于，包括如下的生物标志物：脲基丙酸、γ-CEHC和甲状腺素；或脲基丙酸、γ-CEHC和管结肠酸；或脲基丙酸和γ-CEHC。
25.如权利要求23所述的生物标志物组合，其特征在于，还包括TB、INR、Cirrhosis中的一种或多种。
26.一种预测ACLF患者是否具有死亡风险或幸存概率的系统，其特征在于，所述系统包括数据分析模块；所述数据分析模块用于分析生物标志物的检测值，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
27.如权利要求26所述的系统，其特征在于，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
28.如权利要求26所述的系统，其特征在于，所述生物标志物包括管结肠酸、NAAG和脲基丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸和甲氨基谷氨酸；
或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸和γ-CEHC；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC和γ-3谷氨酰二肽；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽和3-羟基丁基肉碱；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱和硫酸雌酮；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸和胆红素；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素和2-羟基二丙酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸和甲硫醚；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚和十六烷二酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸和喹啉酸；或者，所述生物标志物包括管结肠酸、NAAG、脲基丙酸、甲氨基谷氨酸、γ-CEHC、γ-3谷氨酰二肽、3-羟基丁基肉碱、硫酸雌酮、羟脯氨酸、胆红素、2-羟基二丙酸、甲硫醚、十六烷二酸、喹啉酸和甲状腺素。
29.如权利要求26所述的系统，其特征在于，所述数据分析模块通过将生物标志物的检测值代入回归方程，计算预测ACLF患者是否具有死亡风险的预测值，从而评估ACLF患者的死亡风险。
30.如权利要求29所述的系统，其特征在于，所述回归方程为逻辑回归方程。
31.如权利要求30所述的系统，其特征在于，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
32.如权利要求31所述的系统，其特征在于，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为ACLF患者的血清样本。
33.如权利要求32所述的系统，其特征在于，所述训练方法为经训练集根据短期内是否幸存，分为幸存组和非幸存组，分别检测幸存组和非幸存组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析幸存组和非幸存组的检测值之间的关系，构建逻辑回归方程。
34.如权利要求33所述的系统，其特征在于，所述短期包括90天内、180天内、360天内、80天内、70天内、60天内、三个月内、半年内、一年内、两个月内、一个月内中的任意一种或多种。
35.如权利要求34所述的系统，其特征在于，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测ACLF患者360天内具有死亡风险的预测值，从而评估ACLF患者360天内的死亡风险。
36.如权利要求35所述的系统，其特征在于，所述逻辑回归方程为：
P＝-20.584+0.846*管结肠酸+1.254*NAAG+0.454*脲基丙酸-0.468*甲氨基谷氨酸-0.385*γ-CEHC+0.485*γ-3谷氨酰二肽+0.447*3-羟基丁基肉碱+0.081*硫酸雌酮+0.524*羟脯氨酸+0.079*胆红素-0.066*2-羟基二丙酸-0.015*甲硫醚-0.089*十六烷二酸-0.219*喹啉酸+0.942*甲状腺素；
或P＝-14.286+0.804*管结肠酸+0.791*NAAG+0.448*脲基丙酸-0.396*甲氨基谷氨酸-0.338*γ-CEHC+0.434*γ-3谷氨酰二肽+0.425*3-羟基丁基肉碱+0.107*硫酸雌酮+0.356*羟脯氨酸+0.091*胆红素-0.082*2-羟基二丙酸+0.015*甲硫醚-0.066*十六烷二酸-0.154*喹啉酸；
或P＝-14.392+0.799*管结肠酸+0.792*NAAG+0.383*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.428*γ-3谷氨酰二肽+0.388*3-羟基丁基肉碱+0.121*硫酸雌酮+0.353*羟脯氨酸+0.095*胆红素-0.153*2-羟基二丙酸+0.009*甲硫醚-0.025*十六烷二酸；或P＝-14.5+0.794*管结肠酸+0.806*NAAG+0.376*脲基丙酸-0.403*甲氨基谷氨酸-0.352*γ-CEHC+0.429*γ-3谷氨酰二肽+0.378*3-羟基丁基肉碱+0.114*硫酸雌酮+0.362*羟脯氨酸+0.095*胆红素-0.16*2-羟基二丙酸+0.007*甲硫醚；
或P＝-14.476+0.795*管结肠酸+0.807*NAAG+0.376*脲基丙酸-0.404*甲氨基谷氨酸-0.353*γ-CEHC+0.43*γ-3谷氨酰二肽+0.375*‘3-羟基丁酸肉碱’+0.115*硫酸雌酮+0.364*羟脯氨酸+0.096*胆红素-0.157*2-羟基二丙酸；
或P＝-14.315+0.777*管结肠酸+0.77*NAAG+0.342*脲基丙酸-0.411*甲氨基谷氨酸-0.352*γ-CEHC+0.432*γ-3谷氨酰二肽+0.325*3-羟基丁酸肉碱+0.109*硫酸雌酮+0.357*羟脯氨酸+0.1*胆红素；
或P＝-13.898+0.825*管结肠酸+0.744*NAAG+0.322*脲基丙酸+-0.391*甲氨基谷氨酸+-0.269*γ-CEHC+0.424*γ-3谷氨酰二肽+0.345*3-羟基丁酸肉碱+0.162*硫酸雌酮+0.276*羟脯氨酸；
或P＝-12.473+0.857*管结肠酸+0.781*NAAG+0.415*脲基丙酸-0.405*甲氨基谷氨酸-0.257*γ-CEHC+0.42*γ-3谷氨酰二肽+0.343*3-羟基丁酸肉碱+0.14*硫酸雌酮；
或P＝-13.147+0.947*管结肠酸+0.832*NAAG+0.435*脲基丙酸-0.407*甲氨基谷氨酸-0.292*γ-CEHC+0.428*γ-3谷氨酰二肽+0.334*3-羟基丁基肉碱；
或P＝-12.838+0.839*管结肠酸+1.125*NAAG+0.49*脲基丙酸-0.39*甲氨基谷氨酸-0.263*γ-CEHC+0.39*γ-3谷氨酰二肽；
或P＝-10.874+0.685*管结肠酸+1.105*NAAG+0.51*脲基丙酸-0.214*甲氨基谷氨酸-0.22*γ-CEHC；
或p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸；
或p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸；
其中，p表示预测ACLF患者死亡风险的预测值。
37.如权利要求26所述的系统，其特征在于，所述逻辑回归方程中还包括age、INR、creatine、Sodium、albumin、neutrophil/lymphocyte count ratio、overt hepaticencephalopathy、TB中的一种或多种临床指标。
38.如权利要求35所述的系统，其特征在于，所述逻辑回归方程为：p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸；或p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸；p表示预测ACLF患者90天内死亡风险的预测值。
39.如权利要求38所述的系统，其特征在于，当逻辑回归方程为：
p＝-11.911+0.81*管结肠酸+0.992*NAAG+0.559*脲基丙酸-0.2*甲氨基谷氨酸时，P大于0.331，预测ACLF患者90天内死亡风险高；当p小于0.331，预测ACLF患者90天内死亡风险低；
当逻辑回归方程为：
p＝-11.25+0.73*管结肠酸+0.917*NAAG+0.435*脲基丙酸时，P大于0.320，预测ACLF患者90天内死亡风险高；当p小于0.320，预测ACLF患者90天内死亡风险低。
40.如权利要求26所述的系统，其特征在于，所述系统还包括数据存储模块、数据输入界面和数据输出界面；所述数据存储模块用于存储生物标志物的检测值；数据输入界面用于输入生物标志物的检测值，数据输出界面用于输出预测结果。
41.一种预测非ACLF患者是否进展为ACLF的系统，其特征在于，所述系统包括数据分析模块；所述数据分析模块用于分析生物标志物的检测值，所述生物标志物包括如下的一种或多种：2-羟基二丙酸、十六烷二酸、羟脯氨酸、甲硫醚、3-羟基丁基肉碱、管结肠酸、硫酸雌酮、N-乙酰氨基-谷氨酸、喹啉酸、脲基丙酸、γ-CEHC、甲状腺素、甲氨基谷氨酸、γ-3谷氨酰二肽、胆红素。
42.如权利要求41所述的系统，其特征在于，所述生物标志物的检测值为检测ACLF患者血液、血清、血浆或全血样本中的生物标志物，用于检测样本中的生物标志物的有无或相对丰度或浓度。
43.如权利要求41所述的系统，其特征在于，所述生物标志物包括脲基丙酸和γ-CEHC；或者，所述生物标志物包括脲基丙酸、γ-CEHC和甲状腺素；或者，所述生物标志物包括脲基丙酸、γ-CEHC和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素和管结肠酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸和3-羟基丁基肉碱；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱和2-羟基二丙酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸和硫酸雌酮；或者，
所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮和羟脯氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸和喹啉酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸和γ-3谷氨酰二肽；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽和甲氨基谷氨酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸和胆红素；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素和十六烷二酸；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸和甲硫醚；或者，所述生物标志物包括脲基丙酸、γ-CEHC、甲状腺素、管结肠酸、3-羟基丁基肉碱、2-羟基二丙酸、硫酸雌酮、羟脯氨酸、喹啉酸、γ-3谷氨酰二肽、甲氨基谷氨酸、胆红素、十六烷二酸、甲硫醚和NAAG。
44.如权利要求41所述的系统，其特征在于，所述数据分析模块包括运算方程，通过运算方法计算预测非ACLF患者是否进展为ACLF的预测值，从而评估非ACLF患者进展为ACLF的风险。
45.如权利要求44所述的系统，其特征在于，所述回归方程为逻辑回归方程。
46.如权利要求45所述的系统，其特征在于，所述逻辑回归方程由已知样本的生物标志物的检测值构建训练获得。
47.如权利要求46所述的系统，其特征在于，所述训练是通过构建训练集，并针对训练集，采用训练方法进行训练从而获得逻辑回归方程；所述训练集为ACLF患者的血清样本。
48.如权利要求47所述的系统，其特征在于，所述训练方法为经训练集根据短期内是否幸存，分为幸存组和非幸存组，分别检测幸存组和非幸存组的生物标志物含量，获得检测值，根据生物标志物的检测值进行逻辑回归，分析幸存组和非幸存组的检测值之间的关系，构建逻辑回归方程。
49.如权利要求48所述的系统，其特征在于，所述短期包括180天内、90天内、80天内、70天内、60天内、28天内、3个月内、4个月内、5个月内、半年内、7个月内、8个月内、9个月内、10周内、9周内、8周内、7周内、6周内、5周内、4周内、3周内、2周内、1周内中的任意一种或多种。
50.如权利要求41所述的系统，其特征在于，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测非ACLF患者180天内进展为ACLF的预测值。
51.如权利要求49所述的系统，其特征在于，所述数据分析模块通过将生物标志物的检测值代入逻辑回归方程，计算预测非ACLF患者是否进展为ACLF的预测值，所述逻辑回归方程为：
P＝-3.271+0.716*脲基丙酸-0.512*γ-CEHC-1.1*甲状腺素+0.357*管结肠酸+0.134*3-羟基丁基肉碱-1.225*2-羟基二丙酸+0.029*硫酸雌酮+0.168*羟脯氨酸-0.04*喹啉酸+0.078*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.03*胆红素+0.519*十六烷二酸-0.139*甲硫醚+0.653*NAAG；
或P＝-1.518+0.724*脲基丙酸-0.494*γ-CEHC-1.216*甲状腺素+0.409*管结肠酸+0.157*3-羟基丁基肉碱-1.131*2-羟基二丙酸+0.051*硫酸雌酮+0.202*羟脯氨酸-0.024*喹啉酸+0.11*γ-3谷氨酰二肽-0.007*甲氨基谷氨酸+0.009*胆红素+0.479*十六烷二酸-0.17*甲硫醚；
或P＝-2.436+0.726*脲基丙酸+-0.498*γ-CEHC-1.18*甲状腺素+0.382*管结肠酸+0.195*3-羟基丁基肉碱-1.121*2-羟基二丙酸+0.044*硫酸雌酮+0.199*羟脯氨酸-0.009*喹啉酸+0.046*γ-3谷氨酰二肽-0.014*甲氨基谷氨酸-0.012*胆红素+0.446*十六烷二酸；
或P＝-2.837+0.819*脲基丙酸-0.514*γ-CEHC-1.019*甲状腺素+0.399*管结肠酸+0.362*3-羟基丁基肉碱-0.932*2-羟基二丙酸+0.173*硫酸雌酮+0.235*羟脯氨酸-0.08*喹啉酸+0.074*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸-0.02*胆红素；
或P＝-2.894+0.816*脲基丙酸-0.512*γ-CEHC-1.016*甲状腺素+0.395*管结肠酸+0.362*3-羟基丁基肉碱-0.93*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽+0.001*甲氨基谷氨酸；
或P＝-2.899+0.816*脲基丙酸-0.512*γ-CEHC-1.015*甲状腺素+0.396*管结肠酸+0.362*3-羟基丁基肉碱-0.929*2-羟基二丙酸+0.166*硫酸雌酮+0.238*羟脯氨酸-0.076*喹啉酸+0.071*γ-3谷氨酰二肽；
或P＝-2.647+0.828*脲基丙酸-0.512*γ-CEHC-1.039*甲状腺素+0.388*管结肠酸+0.347*3-羟基丁基肉碱-0.926*2-羟基二丙酸+0.163*硫酸雌酮+0.241*羟脯氨酸-0.047*喹啉酸；
或P＝-2.647+0.816*脲基丙酸-0.513*γ-CEHC-1.049*甲状腺素+0.393*管结肠酸+0.34*3-羟基丁基肉碱-0.939*2-羟基二丙酸+0.164*硫酸雌酮+0.23*羟脯氨酸；
或P＝-0.998+0.856*脲基丙酸-0.502*γ-CEHC-1.104*甲状腺素+0.408*管结肠酸+0.325*3-羟基丁基肉碱+-0.916*2-羟基二丙酸+0.154*硫酸雌酮；
或P＝-1.935+0.919*脲基丙酸-0.537*γ-CEHC-1.018*甲状腺素+0.464*管结肠酸+0.296*3-羟基丁基肉碱-0.867*2-羟基二丙酸；
或P＝-2.077+0.745*脲基丙酸-0.539*γ-CEHC-0.806*甲状腺素+0.191*管结肠酸+0.088*3-羟基丁基肉碱；
或P＝-1.878+0.77*脲基丙酸-0.54*γ-CEHC-0.827*甲状腺素+0.188*管结肠酸；
或P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素；
或P＝-4.744+1.015*脲基丙酸-0.584*γ-CEHC+0.122*管结肠酸；
或P＝P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC；
其中，p表示预测非ACLF患者是否进展为ACLF的预测值。
52.如权利要求41所述的系统，其特征在于，所述逻辑回归方程中还包括TB、INR、Cirrhosis中的一种或多种临床指标。
53.如权利要求51所述的系统，其特征在于，所述逻辑回归方程为：
P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素；
或P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC；
p表示预测非ACLF患者28天内是否进展为ACLF的预测值。
54.如权利要求52所述的系统，其特征在于，当逻辑回归方程为：P＝-0.983+0.845*脲基丙酸-0.565*γ-CEHC-0.835*甲状腺素时，P大于0.150，预测非ACLF 28天内进展为ACLF风险高；p小于0.150，预测非ACLF 28天内进展为ACLF风险低；
当逻辑回归方程为：P＝-4.803+0.930*脲基丙酸-0.563*γ-CEHC时，P大于0.123，预测非ACLF 28天内进展为ACLF风险高；p小于0.123，预测非ACLF 28天内进展为ACLF风险低。
55.如权利要求41所述的系统，其特征在于，所述系统还包括数据存储模块、数据输入界面和数据输出界面；所述数据存储模块用于存储生物标志物的检测值；数据输入界面用于输入生物标志物的检测值，数据输出界面用于输出预测结果。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310329348 | 2023-03-30 | ||
| CN202310329378 | 2023-03-30 | ||
| CN2023103293785 | 2023-03-30 | ||
| CN2023103293484 | 2023-03-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117191963A true CN117191963A (zh) | 2023-12-08 |
| CN117191963B CN117191963B (zh) | 2024-09-27 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009152269A2 (en) * | 2008-06-11 | 2009-12-17 | Health Research, Inc. | Methods of quantifying biomarkers |
| US20220143100A1 (en) * | 2019-03-26 | 2022-05-12 | Promethera Therapeutics S.A. | Adult Liver Progenitor Cells for Treating Acute-On-Chronic Liver Failure |
| US20220187318A1 (en) * | 2019-05-22 | 2022-06-16 | European Foundation for the Study of Chronic Liver Failure (EF-CLIF) | Method for the diagnostic and/or prognostic assessment of acute-on-chronic liver failure syndrome in patients with liver disorders |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009152269A2 (en) * | 2008-06-11 | 2009-12-17 | Health Research, Inc. | Methods of quantifying biomarkers |
| US20220143100A1 (en) * | 2019-03-26 | 2022-05-12 | Promethera Therapeutics S.A. | Adult Liver Progenitor Cells for Treating Acute-On-Chronic Liver Failure |
| US20220187318A1 (en) * | 2019-05-22 | 2022-06-16 | European Foundation for the Study of Chronic Liver Failure (EF-CLIF) | Method for the diagnostic and/or prognostic assessment of acute-on-chronic liver failure syndrome in patients with liver disorders |
Non-Patent Citations (4)
| Title |
|---|
| GIACOMO ZACCHERINI ET AL: "Assessing the role of amino acids in systemic inflammation and organ failure in patients with ACLF", JOURNAL OF HEPATOLOGY, vol. 74, no. 5, 31 May 2021 (2021-05-31), pages 1117 - 1131, XP086538227, DOI: 10.1016/j.jhep.2020.11.035 * |
| RICHARD MOREAU ET AL: "Blood metabolomics uncovers inflammation-associated mitochondrial dysfunction as a potential mechanism underlying ACLF", JOURNAL OF HEPATOLOGY, vol. 72, no. 4, 30 April 2020 (2020-04-30), pages 688 - 701, XP086100859, DOI: 10.1016/j.jhep.2019.11.009 * |
| 杜振华;张磊;刘树业;: "液相色谱-质谱联用系统在肝硬化不同阶段代谢轮廓研究中的应用", 色谱, vol. 29, no. 4, 28 April 2011 (2011-04-28), pages 314 - 319 * |
| 赵文敏等: "慢加急（亚急）肝衰竭患者甲状腺功能变化及临床意义", 北京医学, vol. 42, no. 6, 31 December 2020 (2020-12-31), pages 554 - 556 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190120855A1 (en) | Biomarkers for Fatty Liver Disease and Methods Using the Same | |
| US8216847B2 (en) | Means and method for predicting diabetes | |
| US8679457B2 (en) | Metabolite biomarkers to distinguish Crohn's disease from ulcerative colitis and methods using the same | |
| Liu et al. | Comprehensive analysis of serum metabolites in gestational diabetes mellitus by UPLC/Q-TOF-MS | |
| AU2014265669B2 (en) | Biomarkers related to kidney function and methods using the same | |
| US9910047B2 (en) | Biomarkers related to insulin resistance progression and methods using the same | |
| US20190064191A1 (en) | Means and methods for differentiating between heart failure and pulmonary disease in a subject | |
| WO2016081534A1 (en) | Biomarkers for fatty liver disease and methods using the same | |
| WO2009014639A2 (en) | Biomarkers for pre-diabetes, cardiovascular diseases, and other metabolic-syndrome related disorders and methods using the same | |
| JP2013525801A (ja) | 自閉症の代謝バイオマーカー | |
| US20130217647A1 (en) | Biomarkers for Prostate Cancer and Methods Using the Same | |
| CN101443663A (zh) | 诊断糖尿病的工具和方法 | |
| Li et al. | Environmental cadmium exposure induces alterations in the urinary metabolic profile of pregnant women | |
| EP2756304A1 (en) | Means and methods for assessing kidney toxicity | |
| Zhang et al. | Potential biomarkers identified in plasma of patients with gestational diabetes mellitus | |
| US20140221236A1 (en) | Metabolomic markers for preterm birth | |
| JP6389184B2 (ja) | サンプルにおいて代謝産物疾患バイオマーカーのクリアランス正規化量を決定するための手段及び方法 | |
| AU2022341129A1 (en) | Biological markers of liver fat | |
| CN117191963A (zh) | 预测会否进展为aclf或者aclf患者会否死亡的生物标志物、系统及其应用 | |
| Cuevas-Delgado et al. | Metabolomics tools for biomarker discovery: applications in chronic kidney disease | |
| FI129851B (en) | Biomarkers | |
| CN117969859B (zh) | 多囊卵巢综合征的代谢生物标志物及其应用 | |
| CN118566363A (zh) | 一组鉴别诊断危重症新冠患者的生物标志物 | |
| CN115372628A (zh) | 与转甲状腺素蛋白淀粉样变性相关的代谢标志物及其应用 | |
| Jimenez et al. | COMPARISON OF A NGAL PARTICLE-ENHANCED TURBIDIMETRY METHOD ADAPTED IN TWO DIFFERENT AUTOMATED ANALYSERS |
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 |