CN117711618A - 一种基于蛋白质的肾脏病发生风险预测系统及存储介质 - Google Patents
一种基于蛋白质的肾脏病发生风险预测系统及存储介质 Download PDFInfo
- Publication number
- CN117711618A CN117711618A CN202311725679.6A CN202311725679A CN117711618A CN 117711618 A CN117711618 A CN 117711618A CN 202311725679 A CN202311725679 A CN 202311725679A CN 117711618 A CN117711618 A CN 117711618A
- Authority
- CN
- China
- Prior art keywords
- protein
- kidney disease
- risk
- level
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000017169 kidney disease Diseases 0.000 title claims abstract description 297
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 220
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 219
- 102000004506 Blood Proteins Human genes 0.000 claims abstract description 79
- 108010017384 Blood Proteins Proteins 0.000 claims abstract description 79
- 238000013058 risk prediction model Methods 0.000 claims abstract description 66
- 238000004590 computer program Methods 0.000 claims abstract description 11
- 235000018102 proteins Nutrition 0.000 claims description 213
- 102000005962 receptors Human genes 0.000 claims description 16
- 108020003175 receptors Proteins 0.000 claims description 16
- 102000016289 Cell Adhesion Molecules Human genes 0.000 claims description 13
- 108010067225 Cell Adhesion Molecules Proteins 0.000 claims description 13
- 230000014509 gene expression Effects 0.000 claims description 13
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 108060003951 Immunoglobulin Proteins 0.000 claims description 10
- 210000004027 cell Anatomy 0.000 claims description 10
- 102000018358 immunoglobulin Human genes 0.000 claims description 10
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 claims description 8
- 108060008683 Tumor Necrosis Factor Receptor Proteins 0.000 claims description 7
- 102000003298 tumor necrosis factor receptor Human genes 0.000 claims description 7
- NMWKYTGJWUAZPZ-WWHBDHEGSA-N (4S)-4-[[(4R,7S,10S,16S,19S,25S,28S,31R)-31-[[(2S)-2-[[(1R,6R,9S,12S,18S,21S,24S,27S,30S,33S,36S,39S,42R,47R,53S,56S,59S,62S,65S,68S,71S,76S,79S,85S)-47-[[(2S)-2-[[(2S)-4-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-amino-3-methylbutanoyl]amino]-3-methylbutanoyl]amino]-3-hydroxypropanoyl]amino]-3-(1H-imidazol-4-yl)propanoyl]amino]-3-phenylpropanoyl]amino]-4-oxobutanoyl]amino]-3-carboxypropanoyl]amino]-18-(4-aminobutyl)-27,68-bis(3-amino-3-oxopropyl)-36,71,76-tribenzyl-39-(3-carbamimidamidopropyl)-24-(2-carboxyethyl)-21,56-bis(carboxymethyl)-65,85-bis[(1R)-1-hydroxyethyl]-59-(hydroxymethyl)-62,79-bis(1H-imidazol-4-ylmethyl)-9-methyl-33-(2-methylpropyl)-8,11,17,20,23,26,29,32,35,38,41,48,54,57,60,63,66,69,72,74,77,80,83,86-tetracosaoxo-30-propan-2-yl-3,4,44,45-tetrathia-7,10,16,19,22,25,28,31,34,37,40,49,55,58,61,64,67,70,73,75,78,81,84,87-tetracosazatetracyclo[40.31.14.012,16.049,53]heptaoctacontane-6-carbonyl]amino]-3-methylbutanoyl]amino]-7-(3-carbamimidamidopropyl)-25-(hydroxymethyl)-19-[(4-hydroxyphenyl)methyl]-28-(1H-imidazol-4-ylmethyl)-10-methyl-6,9,12,15,18,21,24,27,30-nonaoxo-16-propan-2-yl-1,2-dithia-5,8,11,14,17,20,23,26,29-nonazacyclodotriacontane-4-carbonyl]amino]-5-[[(2S)-1-[[(2S)-1-[[(2S)-3-carboxy-1-[[(2S)-1-[[(2S)-1-[[(1S)-1-carboxyethyl]amino]-4-methyl-1-oxopentan-2-yl]amino]-4-methyl-1-oxopentan-2-yl]amino]-1-oxopropan-2-yl]amino]-1-oxopropan-2-yl]amino]-3-(1H-imidazol-4-yl)-1-oxopropan-2-yl]amino]-5-oxopentanoic acid Chemical compound CC(C)C[C@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](C)NC(=O)[C@H](Cc1c[nH]cn1)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@@H]1CSSC[C@H](NC(=O)[C@@H](NC(=O)[C@@H]2CSSC[C@@H]3NC(=O)[C@H](Cc4ccccc4)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](Cc4c[nH]cn4)NC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@@H]4CCCN4C(=O)[C@H](CSSC[C@H](NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](Cc4c[nH]cn4)NC(=O)[C@H](Cc4ccccc4)NC3=O)[C@@H](C)O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](Cc3ccccc3)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCCN)C(=O)N3CCC[C@H]3C(=O)N[C@@H](C)C(=O)N2)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2c[nH]cn2)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@@H](N)C(C)C)C(C)C)[C@@H](C)O)C(C)C)C(=O)N[C@@H](Cc2c[nH]cn2)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](Cc2ccc(O)cc2)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N1)C(=O)N[C@@H](C)C(O)=O NMWKYTGJWUAZPZ-WWHBDHEGSA-N 0.000 claims description 5
- 102000007469 Actins Human genes 0.000 claims description 5
- 108010085238 Actins Proteins 0.000 claims description 5
- 102100033407 Alpha-amylase 2B Human genes 0.000 claims description 5
- 101710082073 Alpha-amylase 2B Proteins 0.000 claims description 5
- 102100025981 Aminoacylase-1 Human genes 0.000 claims description 5
- 101710143180 Aminoacylase-1 Proteins 0.000 claims description 5
- 102100036597 Basement membrane-specific heparan sulfate proteoglycan core protein Human genes 0.000 claims description 5
- 102100031500 Beta-1,4-glucuronyltransferase 1 Human genes 0.000 claims description 5
- 101710088655 Beta-1,4-glucuronyltransferase 1 Proteins 0.000 claims description 5
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 claims description 5
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 claims description 5
- 108010059108 CD18 Antigens Proteins 0.000 claims description 5
- 101710176679 CD59 glycoprotein Proteins 0.000 claims description 5
- 102100022002 CD59 glycoprotein Human genes 0.000 claims description 5
- 102000003900 Calpain-2 Human genes 0.000 claims description 5
- 108090000232 Calpain-2 Proteins 0.000 claims description 5
- 102100025473 Carcinoembryonic antigen-related cell adhesion molecule 6 Human genes 0.000 claims description 5
- 101710190842 Carcinoembryonic antigen-related cell adhesion molecule 6 Proteins 0.000 claims description 5
- 108010038447 Chromogranin A Proteins 0.000 claims description 5
- 102000010792 Chromogranin A Human genes 0.000 claims description 5
- 102000012192 Cystatin C Human genes 0.000 claims description 5
- 108010061642 Cystatin C Proteins 0.000 claims description 5
- 108010067722 Dipeptidyl Peptidase 4 Proteins 0.000 claims description 5
- 102100025012 Dipeptidyl peptidase 4 Human genes 0.000 claims description 5
- 102000019203 Follistatin-Related Proteins Human genes 0.000 claims description 5
- 108010012820 Follistatin-Related Proteins Proteins 0.000 claims description 5
- 102000044465 Galectin-7 Human genes 0.000 claims description 5
- 108010041834 Growth Differentiation Factor 15 Proteins 0.000 claims description 5
- 102100040896 Growth/differentiation factor 15 Human genes 0.000 claims description 5
- 102100039170 Heat shock protein beta-6 Human genes 0.000 claims description 5
- 101710100489 Heat shock protein beta-6 Proteins 0.000 claims description 5
- 102100022623 Hepatocyte growth factor receptor Human genes 0.000 claims description 5
- 241000709721 Hepatovirus A Species 0.000 claims description 5
- 101000608772 Homo sapiens Galectin-7 Proteins 0.000 claims description 5
- 101001067168 Homo sapiens Plexin-B3 Proteins 0.000 claims description 5
- 101001070479 Homo sapiens Probable G-protein coupled receptor 101 Proteins 0.000 claims description 5
- 101001090813 Homo sapiens Proteasome subunit alpha type-6 Proteins 0.000 claims description 5
- 101000621057 Homo sapiens Serum paraoxonase/lactonase 3 Proteins 0.000 claims description 5
- 108010042653 IgA receptor Proteins 0.000 claims description 5
- 108090000969 Insulin-like growth factor-binding protein 4 Proteins 0.000 claims description 5
- 102000004369 Insulin-like growth factor-binding protein 4 Human genes 0.000 claims description 5
- 102100032817 Integrin alpha-5 Human genes 0.000 claims description 5
- 102100022337 Integrin alpha-V Human genes 0.000 claims description 5
- 108010041014 Integrin alpha5 Proteins 0.000 claims description 5
- 108010040765 Integrin alphaV Proteins 0.000 claims description 5
- 102100025390 Integrin beta-2 Human genes 0.000 claims description 5
- 102100034872 Kallikrein-4 Human genes 0.000 claims description 5
- 102000014944 Lysosome-Associated Membrane Glycoproteins Human genes 0.000 claims description 5
- 108010064171 Lysosome-Associated Membrane Glycoproteins Proteins 0.000 claims description 5
- 108700018351 Major Histocompatibility Complex Proteins 0.000 claims description 5
- 102000004318 Matrilysin Human genes 0.000 claims description 5
- 108090000855 Matrilysin Proteins 0.000 claims description 5
- 102000008052 Nitric Oxide Synthase Type III Human genes 0.000 claims description 5
- 108010075520 Nitric Oxide Synthase Type III Proteins 0.000 claims description 5
- 108700020796 Oncogene Proteins 0.000 claims description 5
- 102100034390 Plexin-B3 Human genes 0.000 claims description 5
- 102100034137 Probable G-protein coupled receptor 101 Human genes 0.000 claims description 5
- 102100034014 Prolyl 3-hydroxylase 3 Human genes 0.000 claims description 5
- 102100030284 Prosaposin receptor GPR37 Human genes 0.000 claims description 5
- 101710098487 Prosaposin receptor GPR37 Proteins 0.000 claims description 5
- 108090000708 Proteasome Endopeptidase Complex Proteins 0.000 claims description 5
- 102000004245 Proteasome Endopeptidase Complex Human genes 0.000 claims description 5
- 102100034664 Proteasome subunit alpha type-6 Human genes 0.000 claims description 5
- 108010089836 Proto-Oncogene Proteins c-met Proteins 0.000 claims description 5
- 102100032350 Protransforming growth factor alpha Human genes 0.000 claims description 5
- 101710100969 Receptor tyrosine-protein kinase erbB-3 Proteins 0.000 claims description 5
- 102100029986 Receptor tyrosine-protein kinase erbB-3 Human genes 0.000 claims description 5
- 102000007056 Recombinant Fusion Proteins Human genes 0.000 claims description 5
- 108010008281 Recombinant Fusion Proteins Proteins 0.000 claims description 5
- 102100028255 Renin Human genes 0.000 claims description 5
- 108090000783 Renin Proteins 0.000 claims description 5
- 108050008604 Repulsive guidance molecule A Proteins 0.000 claims description 5
- 102000000212 Repulsive guidance molecule A Human genes 0.000 claims description 5
- 102000006382 Ribonucleases Human genes 0.000 claims description 5
- 108010083644 Ribonucleases Proteins 0.000 claims description 5
- 229940122055 Serine protease inhibitor Drugs 0.000 claims description 5
- 101710102218 Serine protease inhibitor Proteins 0.000 claims description 5
- 102100026219 Serine/threonine-protein kinase N3 Human genes 0.000 claims description 5
- 102100034136 Serine/threonine-protein kinase receptor R3 Human genes 0.000 claims description 5
- 101710082813 Serine/threonine-protein kinase receptor R3 Proteins 0.000 claims description 5
- 102100022833 Serum paraoxonase/lactonase 3 Human genes 0.000 claims description 5
- 102100021588 Sterol carrier protein 2 Human genes 0.000 claims description 5
- 101800004564 Transforming growth factor alpha Proteins 0.000 claims description 5
- 102100026716 Tumor necrosis factor receptor superfamily member 19L Human genes 0.000 claims description 5
- 101710177898 Tumor necrosis factor receptor superfamily member 19L Proteins 0.000 claims description 5
- 108091026822 U6 spliceosomal RNA Proteins 0.000 claims description 5
- 102000004504 Urokinase Plasminogen Activator Receptors Human genes 0.000 claims description 5
- 108010042352 Urokinase Plasminogen Activator Receptors Proteins 0.000 claims description 5
- 108010027007 Uromodulin Proteins 0.000 claims description 5
- 102100040613 Uromodulin Human genes 0.000 claims description 5
- 108010073929 Vascular Endothelial Growth Factor A Proteins 0.000 claims description 5
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 claims description 5
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 claims description 5
- 108091002660 WAP Four-Disulfide Core Domain Protein 2 Proteins 0.000 claims description 5
- 102000021095 WAP Four-Disulfide Core Domain Protein 2 Human genes 0.000 claims description 5
- 102000002195 Wnt-9a proteins Human genes 0.000 claims description 5
- 108050009542 Wnt-9a proteins Proteins 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 5
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 claims description 5
- 235000018417 cysteine Nutrition 0.000 claims description 5
- 230000002222 downregulating effect Effects 0.000 claims description 5
- 210000002950 fibroblast Anatomy 0.000 claims description 5
- 210000003904 glomerular cell Anatomy 0.000 claims description 5
- 108010024383 kallikrein 4 Proteins 0.000 claims description 5
- 210000000265 leukocyte Anatomy 0.000 claims description 5
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical group C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 claims description 5
- 108010049224 perlecan Proteins 0.000 claims description 5
- 239000002243 precursor Substances 0.000 claims description 5
- 239000003001 serine protease inhibitor Substances 0.000 claims description 5
- -1 signalin 7A Proteins 0.000 claims description 5
- 108010058363 sterol carrier proteins Proteins 0.000 claims description 5
- 230000020382 suppression by virus of host antigen processing and presentation of peptide antigen via MHC class I Effects 0.000 claims description 5
- 102100026423 Adhesion G protein-coupled receptor E5 Human genes 0.000 claims description 4
- 101710096294 Adhesion G protein-coupled receptor E5 Proteins 0.000 claims description 4
- 102000001301 EGF receptor Human genes 0.000 claims description 4
- 108060006698 EGF receptor Proteins 0.000 claims description 4
- 101001010823 Homo sapiens Receptor tyrosine-protein kinase erbB-4 Proteins 0.000 claims description 4
- 102000003945 NF-kappa B Human genes 0.000 claims description 4
- 108010057466 NF-kappa B Proteins 0.000 claims description 4
- 102000004160 Phosphoric Monoester Hydrolases Human genes 0.000 claims description 4
- 108090000608 Phosphoric Monoester Hydrolases Proteins 0.000 claims description 4
- 102100036198 Proactivator polypeptide-like 1 Human genes 0.000 claims description 4
- 101710191571 Proactivator polypeptide-like 1 Proteins 0.000 claims description 4
- 108010001267 Protein Subunits Proteins 0.000 claims description 4
- 102000002067 Protein Subunits Human genes 0.000 claims description 4
- 102100029981 Receptor tyrosine-protein kinase erbB-4 Human genes 0.000 claims description 4
- 102100029530 Thyrotropin subunit beta Human genes 0.000 claims description 4
- 101710087584 Thyrotropin subunit beta Proteins 0.000 claims description 4
- 102000004357 Transferases Human genes 0.000 claims description 4
- 108090000992 Transferases Proteins 0.000 claims description 4
- 102100029675 Tumor necrosis factor receptor superfamily member 13B Human genes 0.000 claims description 4
- 101710178302 Tumor necrosis factor receptor superfamily member 13B Proteins 0.000 claims description 4
- 102100033726 Tumor necrosis factor receptor superfamily member 17 Human genes 0.000 claims description 4
- 101710187885 Tumor necrosis factor receptor superfamily member 17 Proteins 0.000 claims description 4
- 210000003050 axon Anatomy 0.000 claims description 4
- 239000002523 lectin Substances 0.000 claims description 4
- 229960003604 testosterone Drugs 0.000 claims description 4
- XTWYTFMLZFPYCI-UHFFFAOYSA-N Adenosine diphosphate Natural products C1=NC=2C(N)=NC=NC=2N1C1OC(COP(O)(=O)OP(O)(O)=O)C(O)C1O XTWYTFMLZFPYCI-UHFFFAOYSA-N 0.000 claims description 3
- 108700023418 Amidases Proteins 0.000 claims description 3
- 102100024338 Collagen alpha-3(VI) chain Human genes 0.000 claims description 3
- 101000909506 Homo sapiens Collagen alpha-3(VI) chain Proteins 0.000 claims description 3
- 108020001621 Natriuretic Peptide Proteins 0.000 claims description 3
- 102000004571 Natriuretic peptide Human genes 0.000 claims description 3
- 101710125351 Serine/threonine-protein kinase N3 Proteins 0.000 claims description 3
- 102000005922 amidase Human genes 0.000 claims description 3
- 102000014823 calbindin Human genes 0.000 claims description 3
- 108060001061 calbindin Proteins 0.000 claims description 3
- HNDVDQJCIGZPNO-UHFFFAOYSA-N histidine Natural products OC(=O)C(N)CC1=CN=CN1 HNDVDQJCIGZPNO-UHFFFAOYSA-N 0.000 claims description 3
- 239000000692 natriuretic peptide Substances 0.000 claims description 3
- 102100035440 Carcinoembryonic antigen-related cell adhesion molecule 18 Human genes 0.000 claims description 2
- 101710132284 Carcinoembryonic antigen-related cell adhesion molecule 18 Proteins 0.000 claims description 2
- 238000011282 treatment Methods 0.000 abstract description 23
- 201000010099 disease Diseases 0.000 description 32
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 22
- 238000000034 method Methods 0.000 description 20
- 208000020832 chronic kidney disease Diseases 0.000 description 18
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 10
- 230000024924 glomerular filtration Effects 0.000 description 10
- 230000002265 prevention Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 206010020772 Hypertension Diseases 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 229940109239 creatinine Drugs 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000000391 smoking effect Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000002485 urinary effect Effects 0.000 description 6
- 108010088751 Albumins Proteins 0.000 description 5
- 102000009027 Albumins Human genes 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 102000043129 MHC class I family Human genes 0.000 description 4
- 108091054437 MHC class I family Proteins 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000002526 effect on cardiovascular system Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008506 pathogenesis Effects 0.000 description 4
- 230000003449 preventive effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 108010022366 Carcinoembryonic Antigen Proteins 0.000 description 3
- 102100025475 Carcinoembryonic antigen-related cell adhesion molecule 5 Human genes 0.000 description 3
- 206010061818 Disease progression Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005750 disease progression Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 101000704151 Homo sapiens Sarcoplasmic reticulum histidine-rich calcium-binding protein Proteins 0.000 description 2
- 102000009516 Protein Serine-Threonine Kinases Human genes 0.000 description 2
- 108010009341 Protein Serine-Threonine Kinases Proteins 0.000 description 2
- 102100031875 Sarcoplasmic reticulum histidine-rich calcium-binding protein Human genes 0.000 description 2
- MTCFGRXMJLQNBG-UHFFFAOYSA-N Serine Natural products OCC(N)C(O)=O MTCFGRXMJLQNBG-UHFFFAOYSA-N 0.000 description 2
- 108010003977 aminoacylase I Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 108010061151 protein kinase N Proteins 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- ULGJWNIHLSLQPZ-UHFFFAOYSA-N 7-[(6,8-dichloro-1,2,3,4-tetrahydroacridin-9-yl)amino]-n-[2-(1h-indol-3-yl)ethyl]heptanamide Chemical compound C1CCCC2=NC3=CC(Cl)=CC(Cl)=C3C(NCCCCCCC(=O)NCCC=3C4=CC=CC=C4NC=3)=C21 ULGJWNIHLSLQPZ-UHFFFAOYSA-N 0.000 description 1
- OIRDTQYFTABQOQ-KQYNXXCUSA-N Adenosine Natural products C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 1
- 102000007347 Apyrase Human genes 0.000 description 1
- 108010007730 Apyrase Proteins 0.000 description 1
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 102000014914 Carrier Proteins Human genes 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010043741 Collagen Type VI Proteins 0.000 description 1
- 102000002734 Collagen Type VI Human genes 0.000 description 1
- FMGBNISRFNDECK-CZSBRECXSA-N Coronatine Chemical compound CC[C@H]1C[C@]1(C(O)=O)NC(=O)C1=C[C@H](CC)C[C@@H]2C(=O)CC[C@H]12 FMGBNISRFNDECK-CZSBRECXSA-N 0.000 description 1
- 101000633756 Echis pyramidum leakeyi Snaclec 4 Proteins 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 102000003688 G-Protein-Coupled Receptors Human genes 0.000 description 1
- 108090000045 G-Protein-Coupled Receptors Proteins 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 101000851181 Homo sapiens Epidermal growth factor receptor Proteins 0.000 description 1
- 102100022343 Protein phosphatase 1A Human genes 0.000 description 1
- 101710105644 Protein phosphatase 1A Proteins 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 102000011923 Thyrotropin Human genes 0.000 description 1
- 108010061174 Thyrotropin Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003376 axonal effect Effects 0.000 description 1
- 108091008324 binding proteins Proteins 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- FMGBNISRFNDECK-UHFFFAOYSA-N coronatine Natural products CCC1CC1(C(O)=O)NC(=O)C1=CC(CC)CC2C(=O)CCC12 FMGBNISRFNDECK-UHFFFAOYSA-N 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 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
- 230000007613 environmental effect Effects 0.000 description 1
- 102000052116 epidermal growth factor receptor activity proteins Human genes 0.000 description 1
- 108700015053 epidermal growth factor receptor activity proteins Proteins 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011223 gene expression profiling Methods 0.000 description 1
- 102000045108 human EGFR Human genes 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011328 necessary treatment Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 108091008104 nucleic acid aptamers Proteins 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004557 single molecule detection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010863 targeted diagnosis Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000001262 western blot Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及数字医疗技术领域,一种基于蛋白质的肾脏病发生风险预测系统,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使所述处理器执行以下步骤:获取个体的血浆蛋白质水平和其他肾病危险因素,所述血浆蛋白质水平为肾脏病发生风险相关联的血浆蛋白质水平;基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果;设定目标参数,所述目标参数包括所述蛋白质评分结果和所述其他肾病危险因素;基于所述目标参数建立肾脏病发生风险预测模型,通过所述肾脏病发生风险预测模型预测个体发生肾脏病的风险。本发明基于与肾脏病相关的血浆蛋白构建肾脏病发生风险预测模型,提高模型的预测效能。
Description
技术领域
本发明涉及数字医疗技术领域,尤其是一种基于蛋白质的肾脏病发生风险预测系统及存储介质。
背景技术
慢性肾脏病已成为全球范围内一个备受关注的重要公共卫生问题。全球范围内,慢性肾脏病的患病率已经达到9.4%,并且仍在持续上升中。如果不对其进行及时干预和治疗,慢性肾脏病可能会进一步发展为肾衰竭,将会严重威胁患者的生命健康。此外,慢性肾脏病还会显著增加患者发生冠心病、心力衰竭、脑卒中等心血管疾病的概率,给患者带来更多的健康风险。
由于慢性肾脏病患者的群体庞大,治疗费用极其高昂,给社会卫生经济带来了巨大的负担。蛋白质是构成生命的基础物质,对于人体各种生理功能的正常运行至关重要。基因的多态性以及环境因素对人体的影响,最终都会通过蛋白质的表达和调控进行体现。因此可以通过蛋白质水平分析人体健康状况和疾病风险,基于此蛋白质与慢性肾脏病之间有着潜在关联,个体蛋白质水平可能成为预测肾脏病发病风险的一种有效方法。然而,尚无研究系统评估蛋白质水平对慢性肾脏病发病风险的预测作用。为了探究肾脏病发生风险的识别因素,并采取有效的预防措施,实现慢性肾脏病的早期风险识别以及预防,现亟需一种基于蛋白质的肾脏病发生风险预测系统,实现肾脏病的精准预测和早起发现。
发明内容
针对现有技术中的不足,第一方面,本发明提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行以下步骤:获取个体的血浆蛋白质水平和其他肾病危险因素,所述血浆蛋白质水平为肾脏病发生风险相关联的血浆蛋白质水平;基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果;设定目标参数,所述目标参数包括所述蛋白质评分结果和所述其他肾病危险因素;基于所述目标参数建立肾脏病发生风险预测模型,通过所述肾脏病发生风险预测模型预测个体发生肾脏病的风险。本发明基于目标参数构建新型肾脏病预测模型,提高肾脏疾病的预测效能,实现肾脏病的准确预测和病病理分析,具有实际的应用价值。
可选地,所述获取个体的血浆蛋白质水平包括:基于肾脏病发生风险获取个体的血浆蛋白质水平,所述血浆蛋白质水平包括:CD59糖蛋白、VI型胶原蛋白α3链、组氨酸丰富钙结合蛋白、成纤维细胞激活蛋白、甲型肝炎病毒细胞受体1、卵泡抑素样蛋白3、Wnt9a蛋白、溶酶体膜蛋白2、硫酸肝素蛋白聚糖2重组蛋白、整合素αV、N末端脑钠肽前体、生长分化因子15、肝细胞生长因子受体、整合素β2、对氧磷酶3、肿瘤坏死因子受体超家族成员19L、WAP四二硫化物核心域蛋白2、尿激酶型纤溶酶原激活物受体、细胞粘附分子相关蛋白/癌基因下调蛋白、丝氨酸/苏氨酸蛋白激酶受体R3、胰岛素样生长因子结合蛋白4、B型钠尿肽、信号素7A、免疫球蛋白λ2、β-1,4-葡萄糖醛酸转移酶1、肾素、睾丸蛋白聚糖1、Ⅱ类主要组织相容性复合体DRα、热休克蛋白β6、转化生长因子α、半乳糖凝集素7、整合素α5、C型凝集素4、含v-set免疫球蛋白域蛋白2、人表皮生长因子受体4、二磷酸腺苷核糖基转移酶3、癌胚抗原相关细胞黏附分子6、粘附G蛋白偶联受体E5、神经丛蛋白B3、前激活因子多肽样1、肾小球细胞粘附分子受体、激肽释放酶4、基质金属蛋白酶7、半胱氨酸丰富分泌蛋白2、牙源性成釉细胞相关蛋白、冠毛素1、VIT蛋白、N-酰基乙醇氨酸酰化酶、内皮型一氧化氮合酶、肿瘤坏死因子受体超家族成员13B、胱抑素C、轴突蛋白5、U6 snRNA相关Sm样蛋白、嗜铬粒蛋白A、排斥导向分子A、G蛋白偶联受体101、肿瘤坏死因子受体超家族成员17、非特异脂质转移蛋白、蛋白酶体亚基α1、集钙蛋白2、尿调蛋白、受体酪氨酸蛋白激酶erbB-3、B型钠尿肽、促甲状腺激素β亚基、表皮生长因子受体、肿瘤坏死因子受体超家族成员10、氨基酰化酶1、alpha-淀粉酶2B、肌动蛋白α4、癌胚抗原相关细胞粘附分子18、G蛋白偶联受体37、核因子κB p100亚基、蛋白磷酸酶1A、MHC I类链相关蛋白A_MHC I类链相关蛋白B、白细胞免疫球蛋白样受体亚家族B成员2、血管内皮生长因子、蛋白酶体26S亚基6A、核糖核酸酶、二肽基肽酶-4、丝氨酸蛋白酶抑制剂B8、UPF0606蛋白、接触蛋白2、丝氨酸/苏氨酸蛋白激酶N3。本发明筛选出与肾脏病发生风险相关的血浆蛋白质,可以更好地理解肾脏病的发生机制,为肾脏病的治疗提供更准确的指导。
可选地,所述基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果包括;获取各血浆蛋白质水平对应的肾脏病发生风险系数;基于所述肾脏病发生风险系数得到各血浆蛋白质水平对肾脏病发生风险的影响权重;依据所述影响权重得到蛋白质评分结果。本发明根据各血浆蛋白质水平的肾脏病发生风险系数,对蛋白质的总权重进行计算,可以更全面地了解个体患肾脏病的发生风险。
可选地,所述依据所述影响权重得到蛋白质评分结果包括:根据所述影响权重构建蛋白质水平评分函数;通过所述蛋白质水平评分函数得到蛋白质评分结果。本发明综合考虑多种血浆蛋白质的影响,根据血浆蛋白质水平来计算蛋白质评分,并作为个体肾脏病风险的预测指标,可以更准确地预测肾脏病的发生风险。
可选地,所述蛋白质水平评分函数,满足如下关系:
其中,PRC表示蛋白质水平的评分结果,N表示蛋白质的数量,βi代表第i个蛋白质对肾脏病发生风险的影响权重,NPXi表示第i个蛋白质所对应的表达量。本发明基于蛋白质水平评分函数获得蛋白质评分结果,此函数综合考虑了多种血浆蛋白质的影响权重,比单一生物标志物或临床变量更准确性,有助于疾病的早期发现以及治疗效果评估。
可选地,所述设定目标参数,所述目标参数包括所述蛋白质评分结果和所述其他肾病危险因素包括:设定所述蛋白质评分结果为第一目标参数;设定所述其他肾病危险因素为第二目标参数。本发明将蛋白质评分结果和其他肾病危险因素设为疾病预测函数的参数,可以更全面地评估个体的疾病风险,进而提高预测结果的准确性。
可选地,所述基于所述目标参数建立肾脏病发生风险预测模型包括:基于所述第一目标参数和所述第二目标参数建立肾脏病发生风险预测模型。本发明结合蛋白质评分结果和其他肾病危险因素建立肾脏病发生风险预测模型,可以更早地发现肾脏病的迹象,有助于降低疾病进展的风险。
可选地,所述肾脏病发生风险预测模型,满足如下关系:
其中,R表示肾脏病的发生风险,SO(t)表示肾脏病预测风险的底数值,γi表示风险预测模型目标参数对应的影响系数,Xi表示风险预测模型的目标参数。
可选地,所述通过所述肾脏病发生风险预测模型预测个体发生肾脏病的风险包括:通过所述肾脏病发生风险预测模型获得个体肾脏病的预测分数;依据所述预测分数预测个体肾脏病的发生风险。本发明根据预测模型结果预测患病风险,可以预测出个体发生肾脏病的风险,并在疾病发展的早期阶段采取相应的预防措施,降低疾病发生风险的同时提高治疗效果。
另一方面,本发明还提供一种基于蛋白质的肾脏病发生风险预测系统,包括输入设备、处理器、输出设备和存储器,其中,所述输入设备、处理器、输出设备和存储器相互连接,所述存储器包括如本发明第一方面所述的计算机可读存储介质,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令。本发明提供的系统结构紧凑,适用性强,极大程度地提高了运行效率。
附图说明
图1是本发明提供的计算机可读存储介质中程序指令的流程图;
图2是本发明不同肾脏病发生风险预测模型C指数的对比示意图;
图3是本发明的基于蛋白质的肾脏病发生风险预测系统的结构示意图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
请参见图1,在一个实施例中,本发明提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行以下步骤:
S1、获取个体的血浆蛋白质水平和其他肾病危险因素,所述血浆蛋白质水平为肾脏病发生风险相关联的血浆蛋白质水平,其具体实施步骤及相关内容如下:
为了获取个体的血浆蛋白质水平和其他肾病危险因素,并深入研究个体血浆蛋白质水平与肾脏病发生风险之间的联系,理解不同蛋白质水平对于肾脏病的影响机制,在本实施例中采用了大规模数据采集方法并进行长期随访,为实现肾脏病的准确预测提供强有力的数据支持,其具体实施内容如下:
首先,采集从个体中收集血液样本,用于检测血浆蛋白质水平,在在本实施例中上述血液样本来源于未患肾脏病和糖尿病的人群。在本次实施例中,血浆蛋白检测的调查对象要求条件,首先满足尿白蛋白肌酐比值小于30mg/g,且估计的肾小球滤过率大于等于60mL/(min/1.73m2)。随后,从这部分人群中排除了已患有慢性肾脏病或糖尿病的调查对象,最终共有41718名符合条件的参与者被选入本研究当中,此外还可以通过医疗数据库、社区登记文件、健康普查信息或其他相关来源补充并完善参与者的基本信息,包括但不限于年龄、性别、生活习惯、身体质量指数,疾病史等。
接下来,对参与者的基本信息进行更为详细的数据筛选和预处理。在数据处理的过程中,对相关数据进行异常值处理、填补缺失数据、删除重复数据等操作,以确保肾脏病预测数据的准确性和可靠性。同时利用统计学方法和数据分析技术,对预处理后的基本信息和相关数据进行深入挖掘,包括但不限于相关性分析、回归分析以及特征提取等分析处理,可以进一步探索相关蛋白质与肾脏病发生风险之间的关系。
基于此可以更加全面地了解不同蛋白质与肾脏病发生风险之间的潜在关联,从而为肾脏病的预防和治疗提供更为准确和有力的数据支持。另外一方面有助于提高肾脏病的早期发现率和治疗效果,推动相关领域的研究进展。
在本实施例中,为了探索肾脏病人群与未患肾脏病人群之间的差异,以深入了解可能导致肾脏病发生的风险因素,以及可能有助于降低肾脏病发生的相关因素。对比参与者多种因素上的差异,可以更好地理解肾脏病的发病机制,并为预防和治疗肾脏病提供更为精确的策略和方法。请参见表1肾脏病预测参与人群的特征,其具体展示了肾脏病预测参与人群的相关特征,表中列出了参与者的年龄、性别、种族、体质指数、曾经吸烟的比例、估计肾小球滤过率、尿白蛋白肌酐比值和现病史,包括心血管疾病和高血压等基本信息。通过上述信息了解参与者在肾脏病预测方面的特征和背景,为后续的预测分析提供基础数据。
表1
肾脏病预测参与人群的特征
结合表1和肾脏病预测数据可知,41120名参与者的平均年龄为56.3岁,男性参与者占比为45.3%,并且在后续的随访期间,共计942名参与者被诊断为慢性肾脏病,其占总人数的2.3%。
在本实施例中,从肾脏病预测数据集中随机选择70%的数据作为生成集,而剩余的30%数据则作为测试集。为了确保模型评估结果的准确性,确保生成集和测试集在基线特征上具有高度的一致性,即是两个数据集在人口统计学和其他相关特征方面具有相似性,从而避免由于数据集之间的显著差异而导致的偏差。
基于表1可知两组人群的平均年龄、性别分布、种族构成、体质指数、从不吸烟的比例、估计肾小球滤过率、尿白蛋白肌酐比值以及现病史,包括心血管疾病和高血压等都没有显著的统计学差异。
在本实施例中人群特征的分析方法,仅仅只是本实施例的一个可选条件,人群特征的分析方法可以根据现实需求或实际情况进行调整,可以更好地了解肾脏病人群与未患肾脏病人群之间的差异,了解肾脏病的危险因素和早期预警指标。
然后,利用Olink分析平台对血浆标本进行分析并获得个体血浆蛋白质水平。
为了研究个体血浆蛋白质水平与肾脏病发生风险之间的联系,对个体血浆蛋白质水平进行分析,比较不同人群或不同疾病状态的蛋白质表达差异,以深入了解肾脏病的发病机制和潜在的治疗方法。
在本实施例中采用了Olink分析平台对血浆标本进行了全面分析。Olink分析平台是一种基于核酸适体介导的信号放大和单分子检测技术,具有高灵敏度、高分辨率和低背景噪声等优点,通过Olink分析平台获取了每个个体的血浆蛋白质水平,对比不同个体之间的血浆蛋白质水平,分析不同个体血浆蛋白质水平的差异性,发现潜在生物标志物与肾脏病影响关系,进一步揭示个体肾脏病的发病机制。此外,对血浆蛋白质水平进行深入分析,探究不同蛋白质水平对肾脏病发生风险的关系,利用蛋白质水平评估肾脏病的发生风险、有利于肾脏病的早发现,推动肾脏病预测方法的改进和发展。
更进一步地,在本实施例中,通过使用Olink分析平台对血浆标本进行全面分析,仅仅只是本实施例的一个可选条件,蛋白质水平的分析方式可以根据疾病发展和现实情况进行优化,可以更深入地理解肾脏病的发病机制,并为预防和治疗肾脏病提供更为精确的策略和方法。
通过以上步骤,获得到与肾脏病有关的血浆蛋白质水平和其他肾病危险因素,上述获取个体的血浆蛋白质水平包括:
基于肾脏病发生风险获取个体的血浆蛋白质水平,所述血浆蛋白质水平包括:CD59糖蛋白、VI型胶原蛋白α3链、组氨酸丰富钙结合蛋白、成纤维细胞激活蛋白、甲型肝炎病毒细胞受体1、卵泡抑素样蛋白3、Wnt9a蛋白、溶酶体膜蛋白2、硫酸肝素蛋白聚糖2重组蛋白、整合素αV、N末端脑钠肽前体、生长分化因子15、肝细胞生长因子受体、整合素β2、对氧磷酶3、肿瘤坏死因子受体超家族成员19L、WAP四二硫化物核心域蛋白2、尿激酶型纤溶酶原激活物受体、细胞粘附分子相关蛋白/癌基因下调蛋白、丝氨酸/苏氨酸蛋白激酶受体R3、胰岛素样生长因子结合蛋白4、B型钠尿肽、信号素7A、免疫球蛋白λ2、β-1,4-葡萄糖醛酸转移酶1、肾素、睾丸蛋白聚糖1、Ⅱ类主要组织相容性复合体DRα、热休克蛋白β6、转化生长因子α、半乳糖凝集素7、整合素α5、C型凝集素4、含v-set免疫球蛋白域蛋白2、人表皮生长因子受体4、二磷酸腺苷核糖基转移酶3、癌胚抗原相关细胞黏附分子6、粘附G蛋白偶联受体E5、神经丛蛋白B3、前激活因子多肽样1、肾小球细胞粘附分子受体、激肽释放酶4、基质金属蛋白酶7、半胱氨酸丰富分泌蛋白2、牙源性成釉细胞相关蛋白、冠毛素1、VIT蛋白、N-酰基乙醇氨酸酰化酶、内皮型一氧化氮合酶、肿瘤坏死因子受体超家族成员13B、胱抑素C、轴突蛋白5、U6snRNA相关Sm样蛋白、嗜铬粒蛋白A、排斥导向分子A、G蛋白偶联受体101、肿瘤坏死因子受体超家族成员17、非特异脂质转移蛋白、蛋白酶体亚基α1、集钙蛋白2、尿调蛋白、受体酪氨酸蛋白激酶erbB-3、B型钠尿肽、促甲状腺激素β亚基、表皮生长因子受体、肿瘤坏死因子受体超家族成员10、氨基酰化酶1、alpha-淀粉酶2B、肌动蛋白α4、癌胚抗原相关细胞粘附分子18、G蛋白偶联受体37、核因子κB p100亚基、蛋白磷酸酶1A、MHC I类链相关蛋白A_MHC I类链相关蛋白B、白细胞免疫球蛋白样受体亚家族B成员2、血管内皮生长因子、蛋白酶体26S亚基6A、核糖核酸酶、二肽基肽酶-4、丝氨酸蛋白酶抑制剂B8、UPF0606蛋白、接触蛋白2、丝氨酸/苏氨酸蛋白激酶N3。
更进一步地,在本实施例中所筛选的蛋白质,仅仅只是本实施例的一个可选条件,蛋白质的筛选条件可以根据疾病情况和预测要求进行调整,基于不同的蛋白质研究个体的肾脏病迹象,并分析不同蛋白质与肾脏病风险的关系,可以更好地了解疾病的发生概率和发展趋势。
S2、基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果,其具体实施步骤及相关内容如下:
为了获取各血浆蛋白质水平对应的肾脏病发生风险系数,在本实施例中,首先可以选择一个最佳模型用于计算不同蛋白质水平对应的肾脏病发生风险系数,并且已经使用生成集中数据来训练最佳模型,数据集包括但不限于,个体的血浆蛋白质水平和其他肾病危险因素以及肾脏病终点发生情况。在最佳模型的训练过程中,将针对性学习根据输入的血浆蛋白质水平等特征获得对应的风险系数。
通过训练好的最佳模型,可以获得每个血浆蛋白质水平对应的风险系数。上述系数反映了各个血浆蛋白质水平对肾脏病风险的相对影响权重,也可以用于量化不同血浆蛋白质水平对肾脏病风险的贡献程度,更进一步地比较不同蛋白质系数的绝对值大小,可以用于解释不同蛋白质水平对疾病风险的影响程度。
在本实施例中可以使用统计软件或编程工具,提取不同血浆蛋白质水平对应的风险系数,并建立查阅模型文档或源代码,获取、整理以及保存不同血浆蛋白质水平对应的风险系数,基于此可以了解模型的实现细节和参数设置,使得提取过程具备可重复性,可以运用在不同的数据集中,使得提取过程更具可靠性,进而保证提取结果的一致性。
然后,基于不同血浆蛋白质水平对应的风险系数得到各血浆蛋白质水平对肾脏病发生风险的影响权重,其具体实施内容如下:
为了综合评估血浆蛋白对慢性肾脏病的预估效能,从数据集中随机选择70%的数据作为训练数据集,对肾脏病发生风险预测模型进行训练。后用剩下的30%的数据作为验证集,验证蛋白质风险评分对应慢性肾脏病的预测效能
根据预测需求和疾病情况选择适当的统计模型或机器学习模型对其进行训练,将第一目标参数血浆蛋白质水平和第二目标参数其他肾病危险因素作为输入特征,。
每个血浆蛋白质水平对应的风险系数。接反映了各个血浆蛋白质水平对肾脏病风险的相对影响权重。在本实施例中对提取的风险系数进行深入探究,可以发现在肾脏病风险预测中,不同的血浆蛋白质水平具有不同的影响权重。比较不同血浆蛋白质水平对应的风险系数可知,上述风险系数可以量化每个蛋白质水平对肾脏病风险的贡献程度。即不同血浆蛋白质水平对应的风险系数不仅可以反映各个血浆蛋白质水平对肾脏病风险的相对影响,还可以为制定针对不同个体的预防和治疗策略提供重要依据。基于此便可以快速得到各血浆蛋白质水平对肾脏病发生风险的影响权重。
更进一步地,在一个可选地实施例中在2911种血浆蛋白中鉴别出了与慢性肾脏病相关的蛋白质,并确定了不同蛋白质与肾脏病风险的相关性和影响权重,其具体实施内容如下:
NPX1代表CD59糖蛋白的水平,此时β1为0.5645;
NPX2代表VI型胶原蛋白α3链的水平,此时β2为0.3457;
NPX3代表组氨酸丰富钙结合蛋白的水平,此时β3为0.2832;
NPX4代表成纤维细胞激活蛋白的水平,此时β4为-0.2811;
NPX5代表甲型肝炎病毒细胞受体1的水平,此时β5为0.2738;
NPX6代表卵泡抑素样蛋白3的水平,此时β6为0.2576;
NPX7代表Wnt9a蛋白的水平,此时β7为0.2398;
NPX8代表溶酶体膜蛋白2的水平,此时β8为0.2068;
NPX9代表硫酸肝素蛋白聚糖2重组蛋白的水平,此时β9为0.1982;
NPX10代表整合素αV的水平,此时β10为-0.1721;
NPX11代表N末端脑钠肽前体的水平,此时β11为0.1696;
NPX12代表生长分化因子15的水平,此时β12为0.1639;
NPX13代表肝细胞生长因子受体的水平,此时β13为-0.1586;
NPX14代表整合素β2的水平,此时β14为-0.1583;
NPX15代表对氧磷酶3的水平,此时β15为-0.1507;
NPX16代表肿瘤坏死因子受体超家族成员19L的水平,此时β16为0.1417;
NPX17代表WAP四二硫化物核心域蛋白2的水平,此时β17为0.1359;
NPX18代表尿激酶型纤溶酶原激活物受体的水平,此时β18为0.1284;
NPX19代表细胞粘附分子相关蛋白/癌基因下调蛋白的水平,此时β19为-0.1283;
NPX20代表丝氨酸/苏氨酸蛋白激酶受体R3的水平,此时β20为0.1275;
NPX21代表胰岛素样生长因子结合蛋白4的水平,此时β21为0.1245;
NPX22代表B型钠尿肽的水平,此时β22为0.101;
NPX23代表信号素7A的水平,此时β23为-0.101;
NPX24代表免疫球蛋白λ2的水平,此时β24为0.0835;
NPX25代表β-1,4-葡萄糖醛酸转移酶1的水平,此时β25为-0.0834;
NPX26代表肾素的水平,此时β26为0.083;
NPX27代表睾丸蛋白聚糖1的水平,此时β27为-0.0811;
NPX28代表Ⅱ类主要组织相容性复合体DRα的水平,此时β28为-0.0698;
NPX29代表热休克蛋白β6的水平,此时β29为0.0694;
NPX30代表转化生长因子α的水平,此时β30为0.068;
NPX31代表半乳糖凝集素7的水平,此时β31为0.0603;
NPX32代表整合素α5的水平,此时β32为-0.0587;
NPX33代表C型凝集素4的水平,此时β33为0.0568;
NPX34代表含v-set免疫球蛋白域蛋白2的水平,此时β34为0.0507;
NPX35代表人表皮生长因子受体4的水平,此时β35为-0.0471;
NPX36代表二磷酸腺苷核糖基转移酶3的水平,此时β36为0.0467;
NPX37代表癌胚抗原相关细胞黏附分子6的水平,此时β37为-0.0458;
NPX38代表粘附G蛋白偶联受体E5的水平,,此时β38为-0.0454;
NPX39代表神经丛蛋白B3的水平,此时β39为-0.0423;
NPX40代表前激活因子多肽样1的水平,此时β40为0.0417;
NPX41代表肾小球细胞粘附分子受体的水平,此时β41为-0.0404;
NPX42代表激肽释放酶4的水平,此时β24为0.0385;
NPX43代表基质金属蛋白酶7的水平,此时β43为0.0376;
NPX44代表半胱氨酸丰富分泌蛋白2的水平,此时β44为-0.0371;
NPX45代表牙源性成釉细胞相关蛋白的水平,此时β45为-0.037;
NPX46代表冠毛素1的水平,此时β46为0.037;
NPX47代表VIT蛋白的水平,此时β47为0.0365;
NPX48代表N-酰基乙醇氨酸酰化酶的水平,此时β48为-0.0365;
NPX49代表内皮型一氧化氮合酶的水平,此时β49为0.0358;
NPX50代表肿瘤坏死因子受体超家族成员13B的水平,此时β50为0.0316;
NPX51代表胱抑素C的水平,此时β51为0.0274;
NPX52代表轴突蛋白5的水平,此时β52为-0.025;
NPX53代表U6snRNA相关Sm样蛋白的水平,此时β53为-0.0247;
NPX54代表嗜铬粒蛋白A的水,此时β54为0.0197;
NPX55代表排斥导向分子A的水平,此时β55为0.0179;
NPX56代表G蛋白偶联受体101的水平,此时β56为0.0154;
NPX57代表肿瘤坏死因子受体超家族成员17的水平,此时β57为0.0153;
NPX58代表非特异脂质转移蛋白的水平,此时β58为-0.0151;
NPX59代表蛋白酶体亚基α1的水平,此时β59为-0.0149;
NPX60代表集钙蛋白2的水平,此时β60为0.0146;
NPX61代表尿调蛋白的水平,此时β61为-0.0136;
NPX62代表受体酪氨酸蛋白激酶erbB-3的水平,此时β62为-0.0134;
NPX63代表B型钠尿肽的水平,此时β63为0.0133;
NPX64代表促甲状腺激素β亚基的水平,此时β64为-0.013;
NPX65代表表皮生长因子受体的水平,此时β65为-0.013;
NPX66代表肿瘤坏死因子受体超家族成员10的水平,此时β66为-0.0114;
NPX67代表氨基酰化酶1的水平,,此时β67为-0.0113;
NPX68代表alpha-淀粉酶2B的水平,此时β68为0.0105;
NPX69代表肌动蛋白α4的水平,此时β69为0.0083;
NPX70代表癌胚抗原相关细胞粘附分子18的水平,此时β70为-0.0065;
NPX71代表G蛋白偶联受体37的水平,此时β71为0.0064;
NPX72代表核因子κBp100亚基的水平,此时β72为-0.0055;
NPX73代表蛋白磷酸酶1A的水平,此时β73为-0.0048;
NPX74代表MHCI类链相关蛋白A_MHCI类链相关蛋白B的水平,此时β74为0.0046;
NPX75代表白细胞免疫球蛋白样受体亚家族B成员2的水平,此时β75为-0.0044;
NPX76代表血管内皮生长因子的水平,此时β76为0.0043;
NPX77代表蛋白酶体26S亚基6A的水平,此时β77为-0.0042;
NPX78代表核糖核酸酶的水平,此时β78为0.0031;
NPX79代表二肽基肽酶-4的水平,此时β79为-0.0029;
NPX80代表丝氨酸蛋白酶抑制剂B8的水平,此时β80为0.0026;
NPX81代表UPF0606蛋白的水平,此时β81为0.0022;
NPX82代表接触蛋白2的水平,此时β82为-0.0011;
NPX83代表丝氨酸/苏氨酸蛋白激酶N3的水平,此时β83为-0.0008。
探究不同蛋白质对于肾脏病的影响权重,基于此可以将相关蛋白质作为肾脏病病情发展的指标,此外还可以定期监测上述蛋白的相关水平情况,进而更好地评估个体的病情发展情况并调整治疗方案。
通过比较每个血浆蛋白质水平对应的风险系数,可以更准确地评估个体患肾脏病的风险,风险系数反映了每个蛋白质水平对肾脏病风险的相对影响权重,从而提高了风险评估的准确性。另外一方面,对不同血浆蛋白质水平对应的风险系数进行分析,并作为衡量疗效和疾病进展的指标,可以更有效地利用医疗资源,以确保疾病的早期发现和有效治疗。
最后,根据各血浆蛋白质水平对肾脏病发生风险的影响权重构建蛋白质水平评分函数;可以通过蛋白质水平评分函数得到蛋白质评分结果。
根据蛋白质水平对肾脏病发生风险的影响权重计算出的个体蛋白质评分,蛋白质评分结果可以更准确地评估个体患肾脏病的风险,综合考虑到多种血浆蛋白质水平对于肾脏病影响关系,能够提供更全面的肾脏病风险评估结果,从而得到更准确的诊断结果。另外一方面基于蛋白质评分结果预测肾脏病的发生风险,可以依据蛋白质制定更具有针对性的预防措施和治疗策略,以降低肾脏病的发生率。此外对于低风险蛋白质水平的个体,可以采取相对保守的策略,以避免不必要的过度治疗。
上述蛋白质水平评分函数,满足如下关系:
其中,PRC表示蛋白质水平的评分结果,N表示蛋白质的数量,βi代表第i个蛋白质对肾脏病发生风险的影响权重,NPXi表示第i个蛋白质所对应的表达量。
在本实施例中,蛋白质水平的评分结果可以反映个体在特定蛋白质水平上患肾脏病的风险。根据不同蛋白质水平对肾脏病风险的影响权重,对每个蛋白质对应的影响权重进行加权处理,综合考虑多种蛋白质对个体肾脏病发生风险的影响程度,进而得出个体患肾脏病的综合评分情况。
根据不同蛋白质对肾脏病发生风险的影响权重,可以分析不同蛋白质对肾脏病发生风险的相对贡献程度,通过分析风险系数以及加权处理了解每个蛋白质的影响权重,可以更好地理解不同蛋白质水平对肾脏病风险的作用,从而为预防和治疗提供更准确的指导。
蛋白质的表达量指的是,在特定组织或细胞中蛋白质的实际数量或表达水平,在本实施例中不同蛋白质的表达量可以通过实验技术进行测量,包括但不限于蛋白质印迹、定量PCR、基因表达谱分析等。蛋白质的表达量可以了解蛋白质在特定生理或病理条件下的合成和调控情况,从而更好地理解其在肾脏病等生物过程中的作用。同时,结合蛋白质对肾脏病发生风险的影响权重,可以更全面地评估个体在特定蛋白质水平上的健康状况和疾病风险。
更进一步地,在本实施例中基于各血浆蛋白质水平对肾脏病发生风险的影响权重得到蛋白质评分结果,仅仅只是本实施例的一个可选条件,蛋白质评分结果的计算方法可以根据预测要求和运用需求进行优化,基于此可以将每个蛋白质水平对肾脏病发生风险的影响进行量化,有助于更准确地评估个体的肾脏病发生风险,综合性的评估可以更全面地了解患者的肾脏健康状况,并针对不同蛋白质水平的个体提供更个性化的预防和治疗建议。
S3、设定目标参数,上述目标参数包括蛋白质评分结果和其他肾病危险因素,其具体实施步骤及相关内容如下:
在本实施例中设定蛋白质评分结果为第一目标参数,蛋白质评分结果可以预示人体慢性肾脏病的发生风险增加。因此,将蛋白质评分结果作为目标参数之一可以帮助预测肾脏病的发生风险。上述蛋白质包括CD59糖蛋白、VI型胶原蛋白α3链、组氨酸丰富钙结合蛋白、成纤维细胞激活蛋白、甲型肝炎病毒细胞受体1、卵泡抑素样蛋白3、Wnt9a蛋白、溶酶体膜蛋白2、硫酸肝素蛋白聚糖2重组蛋白、整合素αV、N末端脑钠肽前体、生长分化因子15、肝细胞生长因子受体、整合素β2、对氧磷酶3、肿瘤坏死因子受体超家族成员19L、WAP四二硫化物核心域蛋白2、尿激酶型纤溶酶原激活物受体、细胞粘附分子相关蛋白/癌基因下调蛋白、丝氨酸/苏氨酸蛋白激酶受体R3、胰岛素样生长因子结合蛋白4、B型钠尿肽、信号素7A、免疫球蛋白λ2、β-1,4-葡萄糖醛酸转移酶1、肾素、睾丸蛋白聚糖1、Ⅱ类主要组织相容性复合体DRα、热休克蛋白β6、转化生长因子α、半乳糖凝集素7、整合素α5、C型凝集素4、含v-set免疫球蛋白域蛋白2、人表皮生长因子受体4、二磷酸腺苷核糖基转移酶3、癌胚抗原相关细胞黏附分子6、粘附G蛋白偶联受体E5、神经丛蛋白B3、前激活因子多肽样1、肾小球细胞粘附分子受体、激肽释放酶4、基质金属蛋白酶7、半胱氨酸丰富分泌蛋白2、牙源性成釉细胞相关蛋白、冠毛素1、VIT蛋白、N-酰基乙醇氨酸酰化酶、内皮型一氧化氮合酶、肿瘤坏死因子受体超家族成员13B、胱抑素C、轴突蛋白5、U6 snRNA相关Sm样蛋白、嗜铬粒蛋白A、排斥导向分子A、G蛋白偶联受体101、肿瘤坏死因子受体超家族成员17、非特异脂质转移蛋白、蛋白酶体亚基α1、集钙蛋白2、尿调蛋白、受体酪氨酸蛋白激酶erbB-3、B型钠尿肽、促甲状腺激素β亚基、表皮生长因子受体、肿瘤坏死因子受体超家族成员10、氨基酰化酶1、alpha-淀粉酶2B、肌动蛋白α4、癌胚抗原相关细胞粘附分子18、G蛋白偶联受体37、核因子κB p100亚基、蛋白磷酸酶1A、MHC I类链相关蛋白A_MHC I类链相关蛋白B、白细胞免疫球蛋白样受体亚家族B成员2、血管内皮生长因子、蛋白酶体26S亚基6A、核糖核酸酶、二肽基肽酶-4、丝氨酸蛋白酶抑制剂B8、UPF0606蛋白、接触蛋白2、丝氨酸/苏氨酸蛋白激酶N3。
在本实施例中筛选出具有预测能力的蛋白质之后,根据不同血浆蛋白质水平对肾脏病发生风险的影响权重,对各蛋白质的影响权重进行加权处理进而得到蛋白质评分结果,依据蛋白质评分结果评估个体肾脏病的发生风险。实施例中的蛋白质评分结果是基于蛋白质表达水平的加权和,因此每个人都会有一个独特的蛋白质评分。
蛋白质评分结果与肾脏病发生风险之间存在一定的相关性。在本实施例中将进一步研究蛋白质评分结果与肾脏病发生风险之间的确切性质和影响程度。从相关的临床研究、队列研究或回顾性研究中收集蛋白质数据,包括但不限于参与者的蛋白质风险评分结果、肾功能指标以及其他可能的混杂因素。由于相关性分析可能受到多种因素的影响,如样本量的大小、数据的质量和一致性、潜在的混杂因素等,需要采集相关数据对其进行合理解释和结果分析,以保障加权分析结果的可靠性和实用性。
可以使用适当的统计方法,如线性回归、逻辑回归或Cox比例风险模型等,分析蛋白质风险评分与肾脏病发生风险之间的关系,可以分析出蛋白质风险评分结果的标准差单位对肾脏病发生风险的影响关系。
根据统计分析的结果,解释蛋白质风险评分结果与肾脏病发生风险的相关性,可以绘制风险曲线或风险比等指标来直观地展示蛋白质评分结果与肾脏病发生风险之间关系,具体请参见表2。
表2
/>
蛋白质评分结果和肾脏病发生风险的相关性分析表格
其中针对风险比还选取了95%置信区间,通过实际需求或疾病情况预设一个标准范围来估计风险比的真实值,其中标准范围是以样本统计量和其标准误差为基础。通过风险比的95%置信区间,可以提供一个估计风险比真实值的范围,进而了解总体的风险比情况,有助于更好地理解和解释相关性分析结果。另外一方面可以评估样本结果的可靠性,即样本统计值对总体参数的偏离程度,较小的标准误差表示样本结果更可靠。另外,P值也是表示代表样本结果的可靠性。
在一个可选地实施例中,蛋白质风险评分过程中的调整变量包括年龄、性别、种族、体质指数、吸烟情况、估计肾小球滤过率、尿白蛋白肌酐比值、疾病史包括心血管疾病、高血压。根据表2可知:调整变量包括年龄、性别和种族时,随着蛋白质风险评分的增加,肾脏病的发生风险也相应增加。具体来说,当蛋白质风险评分结果每增加一个标准差,风险比为2.56,对应的95%置信区间为2.34-2.79;在另外一个可选地实施例中,基于现有的慢性肾脏病预测模型调整变量,当蛋白质风险评分结果每增加一个标准差,风险比为1.82,对应的95%置信区间为1.63-2.04;在考虑了其他变量的情况下,蛋白质风险评分结果仍然与肾脏病发生风险存在显著的正相关关系,应该充分考虑蛋白质风险评分这一变量的重要性,即蛋白质风险评分可以作为评估肾脏病发生风险的重要指标之一。
在本实施例中设定其他肾病危险因素为第二目标参数,其具体实施内容如下:除了血浆蛋白质水平个体的其他因素也可能引发肾脏病,由此收集其他肾病危险因素的数据,基于现有研究成果和疾病诱发原理可知,随着个体年龄的增长,肾脏病的发生风险逐渐增加,其中个体性别也会对肾脏病的发生概率产生影响,如果为不同种族的个体,其患肾脏病的发生风险明显不同,如果个体长期高血压可能导致肾脏损伤,此外个体生活习惯或者疾病情况的差异也会导致肾脏病的发生风险发生变化,其中个体生活习惯或者疾病情况包括吸烟、心血管病史、体重质量指数等。上述其他肾病危险因素包括但不限于年龄、性别、种族、估计肾小球滤过率、尿白蛋白肌酐比值、心血管病史、吸烟情况、高血压、体重质量指数等,更进一步地对肾病危险因素的相关数据进行清洗、整理和预处理,以确保数据的准确性和一致性。
更进一步地,在本实施例中选取蛋白质评分结果和其他肾病危险因素作为目标参数,仅仅只是本实施例的一个可选条件,疾病发生风险目标参数的具体设定可以根据实际运用情况和预测需求进行更换,以保证疾病预测模型的可行性,从而更好地评估肾脏病的发生风险,有助于提高医疗质量和患者的生活质量。
S4、基于目标参数建立肾脏病发生风险预测模型,然后通过肾脏病发生风险预测模型预测个体发生肾脏病的风险,其具体实施步骤及相关内容如下:
根据个体的目标参数值和其他因素,可以更准确地评估个体的肾脏病发生风险,另外依据第一目标参数和第二目标参数建立肾脏病发生风险预测模型,可以提供更全面的信息,有助于提高模型的预测能力,其具体实施内容如下:
上述肾脏病发生风险预测模型,满足如下关系:
其中,R表示肾脏病的发生风险,SO(t)表示肾脏病预测风险的底数值,γi表示风险预测模型目标参数对应的影响系数,Xi表示风险预测模型的目标参数。
肾脏病的发生风险是指个体患肾脏疾病的可能性或者风险程度;肾脏病预测风险的底数值是指预测模型中使用参数的最低限值或下限,使得肾脏病发生风险的预测结果更加可靠;实施例中风险预测模型目标参数主要包括第一目标参数蛋白质评分结果和第二目标参数其他肾病危险因素。
为了提高肾脏病发生风险预测模型的性能,利用预测模型发现潜在风险因素、实现个体化预测、监测和管理肾脏病以及推动肾脏病相关领域的研究进展,在本实施例中对肾脏病发生风险预测模型进行训练。
在训练好肾脏病发生风险的蛋白风险评分之后,可以利用剩余的30%数据作为测试数据集,对蛋白风险评分是否能够进一步增加现有慢性肾脏病预测模型的效能进行进一步评估。将肾脏病发生风险预测模型与其他类似的肾脏病风险预测模型进行比较和分析,以评估其优劣和适用性,结果优化和评估的肾脏病发生风险预测模型可以更准确地预测个体患肾脏病的风险,从而为预防和治疗提供更可靠的指导。
更进一步地,在本实施例中对预测模型的训练方式和优化方法,仅仅只是本实施例的一个可选条件,预测模型的训练方法可以根据预测需求和模型结构进行调整,以提高模型的预测性能和准确性,可以更准确地预测个体肾脏病的发生风险,从而为疾病的提前发现和有效治疗提供更可靠的指导。
在一个可选地实施例中,将肾脏病监测随访时间设定为是10年,根据肾脏病发生风险预测模型获得10年随访期间个体肾脏病的发生风险,其具体实施内容如下:
当监测随访时间为10年时,此时SO(t)为0.94342,其中X1表示预测个体的年龄,对应的γ1为0.03811;
X2表示预测个体的性别,当预测个体性别为男性时,赋值X2为1,当预测个体性别为女性时,赋值X2为0,对应的γ2为0.00098;
X3表示预测个体的种族,当预测个体为黑人时,赋值X3为1,当预测个体非黑人时,赋值X3为0,对应的γ3为0.5394;
X4表示预测个体的估计肾小球滤过率,对应的γ4为-0.0603;
X5表示预测个体的估计肾小球滤过率的函数max(eGFR-90,0),当预测个体的估计肾小球滤过率大于90ml/min/1.73m2时,赋值X5为估计肾小球滤过率和90的差值,当表示预测个体的估计肾小球滤过率小于90ml/min/1.73m2时,赋值X5为0,对应的γ5为-0.00272;
X6表示预测个体的心血管病史,当预测个体有心血管病史时,赋值X6为1,当预测个体无心血管病史时,赋值X6为0,对应的γ6为0.31369;
X7表示预测个体既往是否从不吸烟,当预测个体从不吸烟时,赋值X7为1,当预测个体既往有吸烟时,赋值X7为0,对应的γ7为-0.1798;
X8表示预测个体的高血压病史,当预测个体有高血压病史时,赋值X8为1,当预测个体无高血压病史时,赋值X8为0,对应的γ8为0.27752;
X9表示预测个体的体重质量指数,X9为体重(kg)除于身高(m)平方的商,对应的γ9为0.02387;
X10表示预测个体的尿白蛋白-肌酐比值取自然对数值,对应的γ10为0.39564;
X11表示预测个体的蛋白质风险评分,对应的γ11为0.66893。
基于此获得个体肾脏病发生风险的预测分数,一方面肾脏病发生风险预测模型具有较好的准确性和可靠性,以确保准确地预测个体肾脏病的发生风险。另外一方面,通过肾脏病发生风险预测模型,预测个体在10年内患肾脏病的发生风险,有助于早期发现并诊断肾脏病,可以在疾病的早期阶段进行干预和治疗,可以更好地控制病情并减缓疾病进展。
慢性肾脏病是一种常见的疾病,其早期症状不明显,因此早期诊断和预防非常重要。在本实施例中通过血浆蛋白质风险评分和其他预测因素,预测个体患肾脏病的发生风险,以降低患病风险和延缓病情进展。
为了更进一步地突出肾脏病发生风险预测模型的预测效能,将本实施例的肾脏病发生风险预测模型和原始肾脏病发生风险预测模型相关数据信息进行比较,对两个模型的预测结果进行比较,可以评估本实施例的肾脏病发生风险预测模型的性能是否优于原始模型,如果本实施例的肾脏病发生风险预测模型在预测准确性、灵敏度、特异度等方面均表现出优于原始模型的结果,那么可以认定实施例预测模型具有更好的预测效能,能够更准确地预测肾脏病的发生风险,从而为临床医生和患者提供更加可靠和有效的诊断和治疗建议。
对预测模型的相关数据进行处理,提取出每个模型的预测指标信息,然后将处理后的数据以图表的形式就呈现,以便更直观地比较两个模型的预测效能。图表可以选择柱状图、折线图、饼图等形式,具体取决于数据的类型和比较的目的,请参见表3比较肾脏病发生风险预测模型和原始肾脏病发生风险的预测性能。
表3
肾脏病发生风险预测模型和原始肾脏病发生风险的对比表格
基于表3可知,其中原始模型表示原始肾脏病发生风险预测模型;原始模型+蛋白质风险评分表示本实施例的肾脏病发生风险预测模型;C指数表示预测模型输出结果的准确程度,C指数变化表示预测结果准确度的变化情况,综合判别指数可以衡量预测模型总体性能,更全面地反映预测模型的预测能力,净重分类指数则更注重预测模型的准确性,可以判断型个体肾脏病的分类是否正确。
在一个可选的实施例中,慢性肾脏病的原始预测模型的C指数为0.836,对应的95%置信区间为0.812-0.859。
在另外一个可选的实施例中,在原始预测模型中进一步加上蛋白质风险评分构建了本实施例的肾脏病发生风险预测模型,其C指数为0.858,对应的95%置信区间为0.836-0.880。
对比两个肾脏病发生风险预测模型可知,本实施例的预测准确度更高,C指数增加了0.023,对应的95%置信区间为0.013-0.032,综合判别指数为0.015,对应的95%置信区间为0.004-0.026,净重分类指数为0.206,对应的95%置信区间为0.111-0.275。
本实施例的肾脏病发生风险预测模型比原始肾脏病发生风险预测模型具有更好的预测效能,本实施例的预测模型在预测准确性、灵敏度、特异度等方面均有所提高。具体来说,本实施例的肾脏病发生风险预测模型纳入了蛋白质风险评分结果这一变量,能够更好地捕捉到肾脏病发生的风险,相比之下,原始肾脏病发生风险预测模型可能忽略了相关蛋白质的影响因素,导致其预测效能相对较低。此外,本实施例的肾脏病发生风险预测模型在训练过程中采用了更加严谨的方法,且通过交叉验证等技术手段来评估模型的性能,从而使得模型的预测结果更加可靠。
基于表3和相关对比结果可知,本实施例的肾脏病发生风险预测模型相比原始肾脏病发生风险预测模型具有更高的预测效能,能够更准确地预测肾脏病的发生风险,为临床医生和患者提供更加准确的诊断和治疗建议。
为了可以更直观地比较不同预测模型的预测性能,请参见图2不同预测模型的C指数对比柱状图,其中A表示原始肾脏病发生风险预测模型,B表示本实施例的肾脏病发生风险预测模型,根据图2可知,原始肾脏病发生风险预测模型的C指数为0.836,对应的95%置信区间为0.812-0.859;本实施例肾脏病发生风险预测模型的C指数为0.858,对应的95%置信区间为0.836-0.880。
基于表3和图2可知,将蛋白质评分结果补充到原始肾脏病预测模型中,此时肾脏病发生风险预测模型的C指数增加了0.022,蛋白质评分结果作为肾脏病预测模型的一个重要组成部分,可以提高肾脏病发生风险预测模型的预测效能,可以更好地评估和预测肾脏病的发生风险。由预测结果可知蛋白质评分结果可以增强原始肾脏病预测模型的预测效能,实施例中结合蛋白质评分结果和其他预测因素对个体肾脏病发生风险进行预测,可以更准确地预测个体患肾脏病的风险。
基于表3和图2可知,将蛋白质评分结果纳入肾脏病发生风险预测模型可以显著提高其预测效能,蛋白质评分结果作为一种有效的风险评估工具,能够为肾脏病的预测提供重要信息。
更进一步地将蛋白质评分与其他预测因素结合使用,可以更准确地预测个体患肾脏病的风险,结合多种相关因素的预测方法相较于原始预测模型或单一的蛋白质评分结果,能够更好地预测肾脏病的发生风险,从而提供更准确地预测结果。
此外,从预测结果来看,蛋白质评分结果的引入增强了原始肾脏病预测模型的预测效能,也表明蛋白质评分结果在评估和预测肾脏病发生风险方面具有重要的参考价值,能够为临床医生和患者提供更加准确和可靠的诊断和治疗建议。通过结合蛋白质评分结果和其他预测因素,可以实现对个体肾脏病发生风险的更准确预测,本实施的肾脏病发生风险预测模型对于指导临床实践、制定早期疾病干预措施以及改善患者预后治疗策略具有重要意义。
最后,通过肾脏病发生风险预测模型获得个体肾脏病的预测分数;并依据预测分数预测个体肾脏病的发生风险,其具体实施内容如下:
将个体的血浆蛋白质水平和其他肾病危险因素输入到肾脏病发生风险预测模型中,数据经过处理后,模型将根据预设的算法和参数计算出个体肾脏病的预测分数。肾脏病发生风险预测模型根据输入的血浆蛋白质水平和其他肾病危险因素计算出个体患肾脏病的预测分数,分数可以直接代表个体患肾脏病的风险程度。
根据预测分数和其他因素,包括但不限于年龄、性别、种族等,对个体肾脏病的发生风险进行评估,根据预测结果和分析,针对不同个体制定不同的预防和治疗策略,对于高风险个体,可以制定针对性的预防方案,如定期检查、改变生活习惯、药物治疗等;对于低风险个体,可以提供一般的预防建议和监测方案。
在本实施例中,可以根据预测分数将个体肾脏病发生风险分为不同等级,可以为临床医生和患者提供更加清晰和具体的风险评估结果。分数等级种分类方法,由此医生可以根据个体肾脏病发生风险的等级情况,制定个性化的治疗方案和干预措施,以降低肾脏病的发生风险,有助于医生更好地了解患者的风险状况,并采取针对性的诊断、治疗和干预措施。
更进一步地,在本实施例中对预测结果进行分类分析,仅仅只是本实施例的一个可选条件,预测结果的分析方法可以根据疾病需求和运用情况进行调整,有助于更准确地预测病情,进而对个体采取针对性的预测方法和治疗措施,利于肾脏病的早起发现和提前干预。
基于此可以在实际应用中,定期监测个体的血浆蛋白质水平和其他肾病危险因素,定期预测和评估个体肾脏病的发生风险,根据预测结果采取疾病干预措施或采取必要的治疗策略,有助于肾脏病的及时发现并控制肾脏病的发展趋势。
随着数据的积累和研究的进展,不断更新和改进肾脏病发生风险预测模型,以提高预测的准确性和指导策略的有效性,进而获得个体肾脏病的预测分数并预测其发生风险,从而为预防和治疗提供更可靠的指导,有助于提高医疗质量和患者的生活质量。同时,关注相关领域的研究进展,将最新的科研成果应用于实践,以更好地服务于患者。
进一步地,如图3所示,在一个可选的实施例中,基于蛋白质的肾脏病发生风险预测系统还包括输入设备、输出设备以及处理器,其中,所述输入设备、所述处理器、所述存储器和所述输出设备相互连接,以实现信息交换和数据处理。
在本实施例中,所述输入设备用于向本系统提供输入相关数据或指令。在肾脏病发生风险预测系统中,输入设备可以包括键盘、鼠标、触摸屏等常见的人机交互界面设备。通过输入设备,医生或研究人员可以输入待评估者的特征基因表达数据、相关临床信息或其他必要的输入参数。
所述处理器是系统的核心组件,负责执行计算机程序指令,进行数据处理和分析。在肾脏病发生风险预测系统中,处理器通过运行预先编程的算法和模型,对输入的特征蛋蛋白质表达数据进行分析和解释,计算待评估者的蛋白质水平,以及根据预测模型进行分数评估。处理器可以是中央处理器(CPU)、图形处理器(GPU)或其他专用的处理单元。
所述存储器用于存储系统所需的计算机程序、数据和参数。它可以包括随机存取存储器(RAM)用于临时数据存储和处理,以及持久性存储器(如硬盘或固态硬盘)用于长期存储和保存数据。在预后评估系统中,存储器可以存储蛋白质集、特征蛋白质相关预测模型、预测分析值以及待个体的特征蛋白质的表达数据等。
所述输出设备用于向用户或外部设备呈现系统处理和分析的结果。在预后评估系统中,输出设备可以是显示器、打印机、图表绘制设备等。通过输出设备,系统可以展示预测分析结果,可以供医生、研究人员或患者参考,以辅助决策和沟通。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行以下步骤:
获取个体的血浆蛋白质水平和其他肾病危险因素,所述血浆蛋白质水平为肾脏病发生风险相关联的血浆蛋白质水平;
基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果;
设定目标参数,所述目标参数包括所述蛋白质评分结果和所述其他肾病危险因素;
基于所述目标参数建立肾脏病发生风险预测模型,通过所述肾脏病发生风险预测模型预测个体发生肾脏病的风险。
2.根据权利要求1所述的计算机可读存储介质,其特征在于,所述获取个体的血浆蛋白质水平包括:
基于肾脏病发生风险获取个体的血浆蛋白质水平,所述血浆蛋白质水平包括:CD59糖蛋白、VI型胶原蛋白α3链、组氨酸丰富钙结合蛋白、成纤维细胞激活蛋白、甲型肝炎病毒细胞受体1、卵泡抑素样蛋白3、Wnt9a蛋白、溶酶体膜蛋白2、硫酸肝素蛋白聚糖2重组蛋白、整合素αV、N末端脑钠肽前体、生长分化因子15、肝细胞生长因子受体、整合素β2、对氧磷酶3、肿瘤坏死因子受体超家族成员19L、WAP四二硫化物核心域蛋白2、尿激酶型纤溶酶原激活物受体、细胞粘附分子相关蛋白/癌基因下调蛋白、丝氨酸/苏氨酸蛋白激酶受体R3、胰岛素样生长因子结合蛋白4、B型钠尿肽、信号素7A、免疫球蛋白λ2、β-1,4-葡萄糖醛酸转移酶1、肾素、睾丸蛋白聚糖1、Ⅱ类主要组织相容性复合体DRα、热休克蛋白β6、转化生长因子α、半乳糖凝集素7、整合素α5、C型凝集素4、含v-set免疫球蛋白域蛋白2、人表皮生长因子受体4、二磷酸腺苷核糖基转移酶3、癌胚抗原相关细胞黏附分子6、粘附G蛋白偶联受体E5、神经丛蛋白B3、前激活因子多肽样1、肾小球细胞粘附分子受体、激肽释放酶4、基质金属蛋白酶7、半胱氨酸丰富分泌蛋白2、牙源性成釉细胞相关蛋白、冠毛素1、VIT蛋白、N-酰基乙醇氨酸酰化酶、内皮型一氧化氮合酶、肿瘤坏死因子受体超家族成员13B、胱抑素C、轴突蛋白5、U6snRNA相关Sm样蛋白、嗜铬粒蛋白A、排斥导向分子A、G蛋白偶联受体101、肿瘤坏死因子受体超家族成员17、非特异脂质转移蛋白、蛋白酶体亚基α1、集钙蛋白2、尿调蛋白、受体酪氨酸蛋白激酶erbB-3、B型钠尿肽、促甲状腺激素β亚基、表皮生长因子受体、肿瘤坏死因子受体超家族成员10、氨基酰化酶1、alpha-淀粉酶2B、肌动蛋白α4、癌胚抗原相关细胞粘附分子18、G蛋白偶联受体37、核因子κB p100亚基、蛋白磷酸酶1A、MHCI类链相关蛋白A_MHC I类链相关蛋白B、白细胞免疫球蛋白样受体亚家族B成员2、血管内皮生长因子、蛋白酶体26S亚基6A、核糖核酸酶、二肽基肽酶-4、丝氨酸蛋白酶抑制剂B8、UPF0606蛋白、接触蛋白2、丝氨酸/苏氨酸蛋白激酶N3。
3.根据权利要求1所述的计算机可读存储介质,其特征在于,所述基于各血浆蛋白质水平对肾脏病发生风险的影响权重,得到蛋白质评分结果包括;
获取各血浆蛋白质水平对应的肾脏病发生风险系数;
基于所述肾脏病发生风险系数得到各血浆蛋白质水平对肾脏病发生风险的影响权重;
依据所述影响权重得到蛋白质评分结果。
4.根据权利要求1所述的计算机可读存储介质,其特征在于,所述依据所述影响权重得到蛋白质评分结果包括:
根据所述影响权重构建蛋白质水平评分函数;
通过所述蛋白质水平评分函数得到蛋白质评分结果。
5.根据权利要求4所述的计算机可读存储介质,其特征在于,所述蛋白质水平评分函数,满足如下关系:
其中,PRC表示蛋白质水平的评分结果,N表示蛋白质的数量,βi代表第i个蛋白质对肾脏病发生风险的影响权重,NPXi表示第i个蛋白质所对应的表达量。
6.根据权利要求1所述的计算机可读存储介质,其特征在于,所述设定目标参数,所述目标参数包括所述蛋白质评分结果和所述其他肾病危险因素包括:
设定所述蛋白质评分结果为第一目标参数;
设定所述其他肾病危险因素为第二目标参数。
7.根据权利要求6所述计算机可读存储介质,其特征在于,所述基于所述目标参数建立肾脏病发生风险预测模型包括:
基于所述第一目标参数和所述第二目标参数建立肾脏病发生风险预测模型。
8.根据权利要求7所述的计算机可读存储介质,其特征在于,所述肾脏病发生风险预测模型,满足如下关系:
其中,R表示肾脏病的发生风险,SO(t)表示肾脏病预测风险的底数值,γi表示风险预测模型目标参数对应的影响系数,Xi表示风险预测模型的目标参数。
9.根据权利要求8所述的计算机可读存储介质,其特征在于,所述通过所述肾脏病发生风险预测模型预测个体发生肾脏病的风险包括:
通过所述肾脏病发生风险预测模型获得个体肾脏病的预测分数;
依据所述预测分数预测个体肾脏病的发生风险。
10.一种基于蛋白质的肾脏病发生风险预测系统,其特征在于,包括输入设备、处理器、输出设备和存储器,其中,所述输入设备、处理器、输出设备和存储器相互连接,所述存储器包括如权利要求1-9任一项所述的计算机可读
存储介质,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,
所述处理器被配置用于调用所述程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725679.6A CN117711618A (zh) | 2023-12-15 | 2023-12-15 | 一种基于蛋白质的肾脏病发生风险预测系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725679.6A CN117711618A (zh) | 2023-12-15 | 2023-12-15 | 一种基于蛋白质的肾脏病发生风险预测系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117711618A true CN117711618A (zh) | 2024-03-15 |
Family
ID=90158424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311725679.6A Pending CN117711618A (zh) | 2023-12-15 | 2023-12-15 | 一种基于蛋白质的肾脏病发生风险预测系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117711618A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048347A2 (en) * | 2008-10-21 | 2010-04-29 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of renal injury and renal failure |
AU2009308497A1 (en) * | 2008-10-21 | 2010-04-29 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of renal injury and renal failure |
CN106796240A (zh) * | 2014-07-01 | 2017-05-31 | 博瑞创新公司 | 糖尿病性肾病的早期预测标志物 |
CN111308088A (zh) * | 2020-02-26 | 2020-06-19 | 南方医科大学南方医院 | 用于慢性肾脏病血管损伤的生物标志物 |
CN113539470A (zh) * | 2020-04-14 | 2021-10-22 | 郑州大学第一附属医院 | 一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法 |
CN114242245A (zh) * | 2021-12-23 | 2022-03-25 | 中国人民解放军总医院第一医学中心 | 一种基于电子病历记录数据预测糖尿病肾病发生风险的机器学习方法、系统和装置 |
CN117116463A (zh) * | 2022-05-17 | 2023-11-24 | 徐州市中心医院 | 2型糖尿病进展为糖尿病肾病的风险预测模型及构建方法 |
-
2023
- 2023-12-15 CN CN202311725679.6A patent/CN117711618A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048347A2 (en) * | 2008-10-21 | 2010-04-29 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of renal injury and renal failure |
AU2009308497A1 (en) * | 2008-10-21 | 2010-04-29 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of renal injury and renal failure |
CN106796240A (zh) * | 2014-07-01 | 2017-05-31 | 博瑞创新公司 | 糖尿病性肾病的早期预测标志物 |
CN111308088A (zh) * | 2020-02-26 | 2020-06-19 | 南方医科大学南方医院 | 用于慢性肾脏病血管损伤的生物标志物 |
CN113539470A (zh) * | 2020-04-14 | 2021-10-22 | 郑州大学第一附属医院 | 一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法 |
CN114242245A (zh) * | 2021-12-23 | 2022-03-25 | 中国人民解放军总医院第一医学中心 | 一种基于电子病历记录数据预测糖尿病肾病发生风险的机器学习方法、系统和装置 |
CN117116463A (zh) * | 2022-05-17 | 2023-11-24 | 徐州市中心医院 | 2型糖尿病进展为糖尿病肾病的风险预测模型及构建方法 |
Non-Patent Citations (2)
Title |
---|
刘沛;郭威;王中亮;熊林平;: "基于logistic回归和随机森林的慢性肾脏病危险程度预测模型", 中国卫生统计, no. 04, 25 August 2020 (2020-08-25), pages 36 - 40 * |
李佳霖;王倩;赵海玲;李平;: "慢性肾脏病临床危险因素研究", 世界中医药, no. 17, 31 December 2020 (2020-12-31), pages 26 - 31 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200400682A1 (en) | Biomarkers and Methods for Measuring and Monitoring Inflammatory Disease Activity | |
Krabben et al. | Biomarkers for radiographic progression in rheumatoid arthritis | |
CN113234829B (zh) | 结肠癌预后评估基因集及其构建方法 | |
CA3207751A1 (en) | Biomarkers and methods for assessing psoriatic arthritis disease activity | |
EP3155439A1 (en) | Biomarkers and methods for measuring and monitoring axial spondyloarthritis disease activity | |
Zheng et al. | Time-dependent predictive values of prognostic biomarkers with failure time outcome | |
Li et al. | Diagnostic value of circulating microRNA-208a in differentiation of preserved from reduced ejection fraction heart failure | |
JP7141038B2 (ja) | 発症予測装置、及び発症予測システム | |
CN117711618A (zh) | 一种基于蛋白质的肾脏病发生风险预测系统及存储介质 | |
CN114200141B (zh) | GDF15、uPAR、IL1RL1在制备急性肾损伤辅助诊断试剂或试剂盒中的应用 | |
EP4244628A1 (en) | Methods for decreasing mortality risk and improving health | |
KR102534968B1 (ko) | 암 발생여부를 진단 또는 예측하는 방법 | |
US20220246232A1 (en) | Method for diagnosing disease risk based on complex biomarker network | |
US20240035090A1 (en) | mRNA BIOMARKERS FOR DIAGNOSIS OF LIVER DISEASE | |
CN117438097B (zh) | 一种用于早期肝癌术后复发风险预测的方法及系统 | |
EP2972298A1 (en) | Human biomarker test for major depressive disorder | |
CN117711620A (zh) | 一种基于蛋白质的房颤发生风险预测系统及存储介质 | |
JP2011004743A (ja) | 関節リウマチ患者におけるインフリキシマブ薬効の有効性を判別する方法 | |
CN117711619A (zh) | 一种糖尿病患者慢性肾脏病发生风险预测系统及存储介质 | |
CA3239735A1 (en) | Generative adversarial network for urine biomarkers | |
WO2023101886A1 (en) | Generative adversarial network for urine biomarkers | |
Quinn et al. | Defining the Correlation Between Kidney Function and Histopathologi-cal Changes: SU-OR18 | |
CN116287175A (zh) | 标志物在制备预测妊娠期肝内胆汁淤积症的相关产品中的应用 | |
Norvik et al. | Molecular Mechanisms Underlying Sex-Specific Association of Circulating Transforming Growth Factor в1 with the Risk of Accelerated Kidney Function Decline: SU-OR17 | |
GB2547406A (en) | Apparatus and methods of using of biomarkers for predicting TNF-inhibitor response |
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 |