KR102003309B1 - 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법 - Google Patents

대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법 Download PDF

Info

Publication number
KR102003309B1
KR102003309B1 KR1020160164459A KR20160164459A KR102003309B1 KR 102003309 B1 KR102003309 B1 KR 102003309B1 KR 1020160164459 A KR1020160164459 A KR 1020160164459A KR 20160164459 A KR20160164459 A KR 20160164459A KR 102003309 B1 KR102003309 B1 KR 102003309B1
Authority
KR
South Korea
Prior art keywords
lpc
statin
blood
glucose
cholesterol
Prior art date
Application number
KR1020160164459A
Other languages
English (en)
Other versions
KR20180064164A (ko
Inventor
정병화
최종민
서홍석
Original Assignee
한국과학기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020160164459A priority Critical patent/KR102003309B1/ko
Priority to US15/601,262 priority patent/US10408817B2/en
Publication of KR20180064164A publication Critical patent/KR20180064164A/ko
Application granted granted Critical
Publication of KR102003309B1 publication Critical patent/KR102003309B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N33/492—Determining multiple analytes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/72—Mass spectrometers
    • G01N30/7233—Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8631—Peaks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
    • G01N2030/8813—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/32—Cardiovascular disorders
    • G01N2800/324—Coronary artery diseases, e.g. angina pectoris, myocardial infarction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/50—Determining the risk of developing a disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Ecology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Library & Information Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

본 발명은 간단한 혈액검사 및 임상지표의 체크를 통해 안정형 협심증 및 급성심근경색의 질환여부를 조기 진단하기 위한 기초 정보제공방법 및 진단용 키트에 관한 것이다. 본 발명은 질병의 진행과 발생에 영향을 미치는 임상지표와 약물복용여부를 종합하여 다변수 분석을 통해 서로 다른 대사 경로를 가진 생체 대사체와 임상지표들의 체내 레벨 변화를 전체적으로 파악하고 이를 하나의 진단 플랫폼에 적용함으로써, 기존의 진단법에 비해 진단이 불가능했던 안정형 협심증을 급성심근경색과 구별하여 진단할 수 있다.

Description

대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법{Kit for diagnosis of coronary heart disease using multi-metabolites and clinical parameters, and method for providing information for diagnosis of coronary heart disease using the same}
본 명세서 기재된 내용은 대사체와 환자의 임상지표를 활용하여 안정형 협심증과 급성심근경색을 진단할 수 있는 기초정보 제공방법과 진단 키트에 관한 것이다.
심혈관 질환(cardiovascular disease, CVD)은 세계 최고 사망률을 기록하고 있는 질병으로 세계보건기구(WHO)의 보고에 의하면 2030년까지 2360만 명이 심혈관 질환으로 사망할 것으로 예상하고 있다.
관상동맥질환이 진행되면 협심증의 증세를 보이게 되는데 협심증은 안정형 협심증(stable angina pectoris)와 불안정형 협심증(unstable angina), 가장 심각한 단계인 심근(myocardial infarction)경색으로 나눌 수 있다.
그 중 심근경색증(myocardial infarction)은 성인 돌연사 원인 1위를 차지하는 치명적인 질환으로 계속 증가하는 추세에 있다. 이 질환은 관상동맥 혈류가 막혀서 심장 근육에 산소공급의 불균형이 일어나 비가역적인 심장 근육 세포 손상이 발생하는 것이 특징이다. 병변이 점진적으로 형성되어 반복적이고 특징적인 노작성 흉통으로 예측 진단할 수 있는 안정형 협심증(stable angina pectoris)과는 다르게, 심근경색의 경우에는 취약성 경화반 (vulnerable plaque)이 파열되어 갑작스럽게 관상동맥 혈전성 폐색의 증상으로 나타난다. 이러한 취약성 경화반의 진단은 종래 혈관내 초음파방법(intravascular ultrasound, IVUS)을 이용하는 등의 침습적 방법으로만 이루어졌으며, 현재까지 발병 전에 미리 예측하고 진단할 수 있는 바이오 마커가 없어 조기 진단에 어려움을 겪고 있다.
신체운동이나 과로시 나타나는 안정형 협심증(stable angina: SA)은 관상 동맥 심장질환(coronary heart disease: CHD)의 시작 단계에 자주 나타나는 증상임에서 불구하고 지금까지 위험요소의 발굴에 관심이 적었다. 특히 불안정형 협심증(unstable angina: UA)나 심근경색(myocardial infarction: MI)과 같은 급성 관상동맥 증후군(acute coronary syndrome: ACS)의 발생을 유발하는 경화반 파열(plaque rupture)과 동반된 혈전(thrombosis)의 생성은 안정형 협심증과는 관계없음이 알려지면서 급성 관상동맥 증후군(ACS)과 안정형 협심증(SA)의 위험요소는 서로 다른 것으로 간주되고 있다.
또한 안정형 협심증(SA)의 경우 생활 습관의 개선 및 적절한 약물치료가 이루어 지면 조기에 관상동맥 중재술을 시술하는 것과 비교할 때 사망률과 심근경색 발생률에 유의적인 차이가 없으나, 적절한 약물치료가 조기에 선행될 때 환자의 생존률을 높일 수 있을 것으로 보고되어 있어, 안정형 협심증(SA)의 선제적 치료를 위한 진단은 매우 필요한 실정이다.
그러나 급성 관상동맥 증후군(ACS)에 있어서는 근세포 괴사(myocyte necrosis), 염증(inflammation), 혈관손상(vascular damage)과 혈류학적 스트레스(hemodynamic stress) 등의 바이오 마커가 일부 존재하나 안정형 협심증(SA)에 있어서는 circulating CD14+와 CD16+ monocyte의 set이 안정형 협심증(SA)에 환자에 있어서 관상동맥 질환을 악화시키는데 관여한다는 것이 보고가 있으나(Circ. J. 2012; 76:2412-2418), 질병을 특정지을 수 있는 바이오마커가 상대적으로 결여되는 있는 상황이다.
현재 심혈관 질환이나 심부전의 진단으로 GOT(glutamic oxaloacetic transaminase), LDH(lactate dehydrogenase), CK-MB(creatine kinase-MB), 트로포닌(troponin) I, 트로포닌 T, CRP(C-reative protein) 및 BNP(B-type natriuretic peptide)가 바이오 마커로도 사용되고 있지만, 이것들은 심근경색에만 특이적인 바이오 마커가 아니거나 심근경색의 발생 이후에야 진단할 수 있는 마커들이다. 또한, 아직까지 혈액에서 발견되는 저분자 대사체를 이용한 진단 바이오 마커에 대하여는 알려져 있지 않다.
Circ. J. 2012;76:2412-2418
본 발명이 해결하고자 하는 과제는 관상 동맥 심장질환(coronary heart disease: CHD)인 안정형 협심증과 심근경색에 특이적인 생체 대사체들의 체내 레벨을 분석하고 임상지표와의 연관성 분석을 통해 이 질병의 진단을 위한 멀티-바이오마커 플랫폼을 제공하는 것이다.
상기 과제를 해결하기 위하여, 본 발명의 일 실시예는 대상자의 혈액시료내 포함된 대사체 및 임상지표 혈중 농도를 분석하는 단계로, 상기 대사체는 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하고, 상기 임상지표는 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 단계; 및 대상자의 고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 단계를 포함하는 관상 동맥 심장질환(coronary heart disease: CHD) 진단을 위한 기초 정보 제공 방법 또는 관상 동맥 심장질환 진단방법을 제공한다.
또한, 본 발명의 일 실시예는 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하는 대사체, 및 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 임상지표의 혈중 농도 측정부; 및 고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 문진표를 포함하는 관상 동맥 심장질환(coronary heart disease: CHD) 진단용 키트를 제공한다.
본 발명의 일 실시예는 간단한 혈액검사 및 임상지표의 체크를 통해 안정형 협심증 및 심근경색의 질환여부를 조기에 파악할 수 있다.
구체적으로, 아미노산(amino acid) 또는 지질(lipid)과 같은 생체내 대사체와 병원과 같은 임상기관에서 일상적으로 시행하는 혈액검사의 결과들을 바이오 마커로서 사용하므로 체내로부터 쉽게 측정하고 분석할 수 있다. 본 발명에 따른 상기 생체 대사체와 임상지표들은 대상자가 심근경색 및 협심증과 같은 관상동맥 질환을 갖는 경우 체내, 예를 들면 혈중 농도가 특이적으로 증가 또는 감소하므로, 그 체내 레벨을 종합적으로 비교 분석하여 간단하면서도 정확하게 관상동맥 혈관질환을 진단할 수 있다.
또한 단일 바이오 마커로 질병을 진단하던 기존의 진단법과는 달리 질병의 진행과 발생에 영향을 미치는 임상지표와 약물복용여부를 종합하여 다변수 분석(multivariable analysis)을 통해 서로 다른 대사 경로를 가진 생체 대사체와 임상지표들의 체내 레벨 변화를 전체적으로 파악하고 이를 하나의 진단 플랫폼에 적용함으로써, 기존의 진단법에 비해 진단이 불가능했던 안정형 협심증을 급성심근경색과 구별하여 진단할 수 있다.
따라서, 기존의 바이오 마커가 심근 세포 괴사에 따른 심근경색 여부만 진단할 수 있었던 것과 달리, 본 발명에 따른 멀티-생체 대사체 마커 진단 플랫폼을 이용하면 간단한 검사만으로 급성 심근경색뿐만 아니라 심근경색 발병 이전 징후인 안정형 협심증을 예측, 조기 진단하고, 예후, 치료결과, 질병 예방 성공 여부까지 판단할 수 있다.
이하, 본 발명을 상세하게 설명한다.
본 발명의 일 실시예는 관상동맥 심장질환(coronary heart disease: CHD) 진단을 위한 기초 정보 제공 방법 또는 진단방법으로서, 대상자의 혈액시료내 포함된 대사체 및 임상지표 혈중 농도를 분석하는 단계로, 상기 대사체는 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하고, 상기 임상지표는 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 단계; 및 대상자의 고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 단계를 포함할 수 있다.
일 실시예로서 상기 관상동맥 심장질환은 안정형 협심증(stable angina: SA) 및 급성심근경색(Acute Myocardial Infarction: AMI)을 포함할 수 있다.
본 발명에 따른 일 실시예는 상기 혈액시료내 포함된 대사체 및 임상지표의 혈중 농도, 고혈압 유무 및 스타틴 약물 복용 여부를 하기 수학식 1 또는 2에 대입하여 안정형 협심증(stable angina: SA) 및 급성심근경색(Acute Myocardial Infarction: AMI) 질환을 예측하는 단계를 더 포함할 수 있다.
[수학식 1]
Figure 112016119102690-pat00001
[수학식 2]
Figure 112016119102690-pat00002
상기 수학식 1 및 2에서, α1 = -5.1033, α2= -7.2726, α3= -16.5253 이고,
β'1χ=
3.233*HTN+3.016*statin+0.4336*WBC-0.0364*CRP-0.0189*Cholesterol+0.0534*Glucose-0.8651*HbA1c+0.0689*FA_18_0-0.00252*FA_22_6+0.0332*Homoserine-0.0037*LPC_16_0+0.00318*LPC_18_0-0.0209*LPC_20_4+0.1109*LPC_22_6+0.0118*PC_34_2-0.0159*Tryptophan,
β'2χ=
3.18*HTN+1.4578*statin+0.4631*WBC-0.00977*CRP-0.02*Cholesterol+0.0127*Glucose+0.0981*HbA1c+0.0349*FA_18_0-0.0173*FA_22_6+0.0564*Homoserine+0.00993*LPC_16_0-0.0308*LPC_18_0-0.1525*LPC_20_4+0.2896*LPC_22_6+0.0239*PC_34_2+0.00366*Tryptophan,
β'3χ=
3.9577*HTN-1.6837*statin+0.5634*WBC+0.0705*CRP-0.00031*Cholesterol+0.0174*Glucose+0.3797*HbA1c-0.00059*FA_18_0+0.00472*FA_22_6+0.6163*Homoserine-0.00314*LPC_16_0-0.0438*LPC_18_0-0.0411*LPC_20_4+0.2548*LPC_22_6+0.0517*PC_34_2-0.2288*Tryptophan 이다.
상기 수학식 1 또는 2에 대입되는 상기 대상자의 임상지표의 혈중 농도 단위는 백혈구(WBC)는 cell/mm3, C-반응성 단백(CRP)은 mg/L, 콜레스테롤(Cholesterol)은 mg/dL, 글루코오즈(Glucose)는 mg/dL 및 헤모글로빈 A1c(HbA1c)은 %이다. 상기 고혈압 유무는 대상자의 수축기 혈압이 140 mmHg이거나 확장기혈압이 90 mmHg 이상인 경우 상기 수학식 1 또는 2의 고혈압 유무(HTN)에 1, 140 mmHg 미만인 경우 0을 대입하며, 상기 스타틴 약물 복용 여부는 대상자가 스타틴 약물을 복용하는 경우 1, 복용하지 않는 경우 0을 상기 수학식 1 또는 2의 스타틴 약물 복용 여부(Statin)에 대입한다.
본 발명의 일 실시예에 따른 방법에서, 상기 대상자의 혈액시료내 포함된 대사체의 혈중 농도를 분석하는 단계는, 상기 혈액시료를 질량분석하는 단계; 상기 질량분석 결과로부터 크로마토그램 및 질량 스펙트럼 분석 데이터를 얻는 단계; 및 상기 얻은 분석데이터의 피크 면적(peak area)을 전체 크로마토그램 피크 면적으로 나누어 표준화(normalization)하여 표준화된 피크면적값을 얻는 단계를 포함할 수 있다. 상기 표준화는 상기 얻은 분석데이터의 피크 면적(peak area)을 전체 크로마토그램 피크 면적으로 보정하여 데이터 오차를 줄이기 위한 것이다. 상기 수학식 1 또는 2에는 상기 각 대사체의 표준화된 피크면적값이 대입될 수 있다.
또한, 본 발명은 일 실시예로서 상기 대상자의 혈액시료내 포함된 대사체 및 임상지표의 혈중 농도를 분석하는 단계 이전에, 혈액시료를 메탄올을 이용하여 제단백하는 전처리 단계를 더 포함할 수 있다. 구체적으로, 상기 전처리 단계는 상온의 혈액시료에 2배 내지 4배 부피의 차가운 메탄올을 첨가하고 혼합하는 단계 및 상기 혼합물을 원심분리하여 그 상층액을 분리하고, 상기 상층액에 증류수를 추가하여 희석하는 단계를 포함할 수 있다. 이때, 일 실시예로서 상기 혈액시료는 혈청시료일 수 있다.
일 실시예에 따르면, 상기 대상자의 혈액시료내 포함된 대사체의 혈중 농도를 분석하는 단계는 액체크로마토그램-질량분석기를 이용하여 질량분석하는 것을 포함할 수 있다. 보다 구체적으로, 상기 액체크로마토그램-질량분석기는 초고속액체크로마토그램-질량분석기(ultra performance liquid chromatography-quadrupole time-of-flight mass spectrometry: UPLC-QTOF-MS)일 수 있다.
본 발명은 다른 일 실시예로서 관상 동맥 심장질환(coronary heart disease: CHD) 진단용 키트를 제공할 수 있으며, 상기 관상동맥 심장질환은 안정형 협심증(stable angina: SA) 및 급성심근경색(Acute Myocardial Infarction: AMI)을 포함한다.
일 실시예로서 상기 키트는 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하는 대사체 및 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 임상지표의 혈중 농도 측정부; 및 고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 문진표를 포함할 수 있다.
일 실시예로서 상기 키트는 상기 혈중 농도 측정부를 통해 측정된 대사체 및 임상지표의 혈중 농도, 문진표에 체크된 고혈압 유무 및 스타틴 약물 복용 여부를 하기 수학식 1 또는 2에 안정형 협심증(stable angina: SA) 및 급성심근경색(Acute Myocardial Infarction: AMI) 질환을 예측하는 방법이 기재된 지시서를 더 포함할 수 있다.
[수학식 1]
Figure 112016119102690-pat00003
[수학식 2]
Figure 112016119102690-pat00004
상기 수학식 1 및 2에서, α1 = -5.1033, α2= -7.2726, α3= -16.5253 이고,
β'1χ=
3.233*HTN+3.016*statin+0.4336*WBC-0.0364*CRP-0.0189*Cholesterol+0.0534*Glucose-0.8651*HbA1c+0.0689*FA_18_0-0.00252*FA_22_6+0.0332*Homoserine-0.0037*LPC_16_0+0.00318*LPC_18_0-0.0209*LPC_20_4+0.1109*LPC_22_6+0.0118*PC_34_2-0.0159*Tryptophan,
β'2χ=
3.18*HTN+1.4578*statin+0.4631*WBC-0.00977*CRP-0.02*Cholesterol+0.0127*Glucose+0.0981*HbA1c+0.0349*FA_18_0-0.0173*FA_22_6+0.0564*Homoserine+0.00993*LPC_16_0-0.0308*LPC_18_0-0.1525*LPC_20_4+0.2896*LPC_22_6+0.0239*PC_34_2+0.00366*Tryptophan,
β'3χ=
3.9577*HTN-1.6837*statin+0.5634*WBC+0.0705*CRP-0.00031*Cholesterol+0.0174*Glucose+0.3797*HbA1c-0.00059*FA_18_0+0.00472*FA_22_6+0.6163*Homoserine-0.00314*LPC_16_0-0.0438*LPC_18_0-0.0411*LPC_20_4+0.2548*LPC_22_6+0.0517*PC_34_2-0.2288*Tryptophan 이다.
이때, 상기 지시서는 상기 수학식 1 또는 2에 대입되는 상기 대상자의 임상지표의 혈중 농도 단위는 백혈구(WBC)는 cell/mm3, C-반응성 단백(CRP)은 mg/L, 콜레스테롤(Cholesterol)은 mg/dL, 글루코오즈(Glucose)는 mg/dL 및 헤모글로빈 A1c(HbA1c)은 %이고, 상기 고혈압 유무는 대상자의 수축기 혈압이 140 mmHg이거나 확장기혈압이 90 mmHg 이상인 경우 상기 수학식 1 또는 2의 고혈압 유무(HTN)에 1, 140 mmHg 미만인 경우 0을 대입하며, 상기 스타틴 약물 복용 여부는 대상자가 스타틴 약물을 복용하는 경우 1, 복용하지 않는 경우 0을 상기 수학식 1 또는 2의 스타틴 약물 복용 여부(Statin)에 대입하는 것을 포함할 수 있다.
또한, 일 실시예로서 상기 지시서는 상기 혈중 농도 측정부를 통해 측정된 대사체의 혈중 농도를 분석하는 방법으로, 상기 혈액시료를 질량분석하는 단계; 상기 질량분석 결과로부터 크로마토그램 및 질량 스펙트럼 분석 데이터를 얻는 단계; 및 상기 얻은 분석데이터의 피크 면적(peak area)을 전체 크로마토그램 피크 면적으로 나누어 표준화(normalization)하여 표준화된 피크면적값을 얻는 단계를 포함할 수 있다. 그리고 상기 각 대사체의 표준화된 피크면적값을 상기 수학식 1 또는 2에 대입하는 것일 수 있다.
일 실시예로서, 상기 키트는 질량분석기를 더 포함할 수 있으며, 상기 질량분석기는 액체크로마토그램-질량분석기를 포함할 수 있다. 보다 구체적으로, 상기 액체크로마토그램-질량분석기는 초고속액체크로마토그램-질량분석기(UPLC_QTOF-MS)일 수 있다.
또한, 일 실시예로서 상기 키트는 혈액시료의 메탄올을 이용한 제단백을 위한 메탄올 및 원심분리기를 더 포함할 수 있다.
이하, 실시예를 들어 본 발명의 구성 및 효과를 보다 구체적으로 설명한다. 그러나 아래 실시예는 본 발명에 대한 이해를 돕기 위해 예시의 목적으로만 제공된 것일 뿐 본 발명의 범주 및 범위가 그에 의해 제한되는 것은 아니다.
[실시예]
본 발명의 일 실시예로서 대사체인 트립토판(tryptophan), 호모세린(homoserine), 지방산(fatty acid)(18:0), 지방산(22:6), 라이소PC (lysophosphatidylcholine)(16:0), 라이소PC(18:0), 라이소PC(20:4), 라이소PC(22:6) 및 PC (Phosphatidylcholine)(34:2)의 혈중 농도와 임상지표인 혈중 백혈구 수치(WBC), C-반응성 단백(CRP), 콜레스테롤, 글루코오즈, 헤모글로빈 A1c(HbA1c)의 수치, 고혈압 유무, 스타틴(statin) 약물 복용 여부를 조합하여 급성 심근경색과 안정형 협심증을 진단하기 위한 정보를 제공하거나 이를 예측할 수 있음을 아래의 실험을 통해 확인하였다.
1. 실험대상 선정
본 실험에서 실험 참가자로 심혈관 질환이 없는 정상 대조군(Control)과 안정형 협심증(SA), 불안정형 협심증(UA)과 급성 심근경색(AMI) 환자들을 대한민국 서울에 소재한 고려대학교 구로병원에서 모집하였다. 관상동맥 환자군은 남녀 안정협 협심증 환자 107명, 불안정형 협심증 환자 45 명, 급성 심근경색 환자 56 명으로 구성되었고, 정상 대조군은 건강한 남녀 101명으로 구성되었다. 대조군과 환자군의 나이 및 고혈압, 당뇨병, 고지혈증이 있는 각 군의 참가자의 수 또한 스타틴 약물을 복용하고 있거나 흡연을 하고 있는 각 군의 참가자의 수(각 군 전체 명수에 대한 %) 및 각 군의 생체 지표의 중앙값(제1사분위수, 제3사분위수)을 표 1에 나타내었다.
　 1.Control 2.SA 3.UA 4.AMI
명수 101 107 45 56
남성수 (남성의 %) 40(39.6) 57(53.3) 23(51.1) 44(78.6)
고혈압 환자수 (%) 6(5.9) 52(48.6) 22(48.9) 30(53.6)
당뇨병 환자수 (%) 4(4) 23(21.5) 11(24.4) 13(23.2)
고지혈증 환자수 (%) 0(0) 6(5.6) 3(6.7) 3(5.4)
statin 복용 명수 ( % ) 12(11.9) 43(40.2) 14(31.1) 14(25)
흡연자수 ( % ) 17(16.8) 34(31.8) 12(26.7) 30(53.6)
나이 55(50,63) 61(54,69) 63(56,70) 61(54,66.5)
BMI : Kg/m 2
( 제1사분위수 , 제3 사분위수 ) 		23.1(21.4,25.5) 24.4(22.3,26.2) 24.4(22.8,26.3) 24.3(21.8,26.2)
수축기혈압 mmHg) 125(115,135) 125(117,134) 123(117,130) 119.5(105,129.5)
이완기 혈압
(mmHg) 		79(73,88) 77(68,82) 75(67,83) 72(65,80)
Pulse rate
(neat/min) 		75(69,82) 70(61,77) 70(62,79) 71(64.5,84)
백혈구
(cell/ mm 3 ) 		5.6(4.5,6.8) 6.2(5.1,7.6) 6.4(5.3,7.3) 6.8(5.6,8.1)
CRP (C-reactive protein, mg/L) 0.5(0.2,1.6) 0.8(0.4,1.2) 0.8(0.4,1.9) 1.1(0.5,2.4)
Cholesterol
(mg/ dL ) 		198(176,222) 169(139,206) 181(145,194) 167(138.5,199)
HDL
(mg/ dL ) 		57(46,67) 50(43,57) 45(39,52) 43(37,52.5)
LDL
(mg/ dL ) 		122(108,138) 99(73,137) 109(84,123) 90(78.5,115.5)
Triglyceride
(mg/ dL ) 		110(82,142) 121(82,160) 129(85,173) 132.5(81.5,167)
AST
( IU /L) 		22(18,26) 22(19,27) 20(16,31) 24(18,35.5)
ALT
( IU /L) 		19(14,26) 20(15,28) 21(13,32) 20(16,31)
Glucose
(mg/ dL ) 		95(89,104) 99(91,108) 96(88,107) 99.5(91,119.5)
BUN
(mg/ dL ) 		13.8(11.5,16.5) 14(12.6,16.6) 14.1(13.4,18.1) 14.3(11.8,16.5)
Creatinine
(mg/ dL ) 		0.8(0.7,0.9) 0.9(0.8,1) 0.9(0.6,1) 1(0.8,1.1)
HbA1c ( % ) 5.3(4.9,5.9) 5.1(4.3,5.9) 5.7(5,6.3) 5.8(5.4,6.3)
범주형 변수는 명수 (전체 명수에 대한 %), 연속형 변수는 중앙값(제1사분위수, 제3사분위수)로 표시됨.
2. 분석대상물질 혈청 시료의 제조
본 실험의 참가자인 환자군과 정상 대조군으로부터 정맥혈을 얻어 원심분리를 시행하여 혈청 시료를 각각 얻었다. 모든 혈청 시료는 분석 이전까지 -80℃에 보관하였다. 그리고 메탄올을 이용한 제단백 방법으로 상기 혈청 시료를 전처리 하였다. 구체적인 전처리 방법은 다음과 같다. 상온으로 녹인 혈청 시료에 3배 부피의 차가운 메탄올(ice-cold methanol)을 첨가하고 완전히 섞어 준 뒤 원심분리를 시행하였다. 그 후, 상층액 일정량을 수집하고 상층액의 반(1/2) 부피의 증류수를 추가하여 희석하였다.
3. 초고속액체크로마토그램 -질량분석기( UPLC - QTOF -MS)를 통한 생체 대사체 분석
상기 전처리된 환자군과 정상 대조군의 각 혈청 시료는 초고속액체크로마토그램-질량분석기(ultra performance liquid chromatography-quadrupole time-of-flight mass spectrometry; UPLC-QTOF-MS; Waters사의 ACQUITY UPLC system, Synapt G2 MS system)를 사용하여 분석을 수행하였다.
혈청 시료에 포함된 생체 대사체들은 UPLC (ultra performance liquid chromatography) 시스템을 통과하면서 머무름 시간에 따라 분리되었고, Synapt G2 MS system을 거치면서 질량 대 전하 비율로 검출되었다. 구체적으로, UPLC 시스템에서 컬럼은 ACQUITY BEH C18(2.1×100 mm, 1.7 μm)를 사용하였고, 컬럼 온도와 오토-샘플러(auto-sampler) 온도는 각각 50℃, 4℃로 설정하였다. 이동상으로는 0.1% 포름산(formic acid)이 포함된 증류수(이동상 A)와 0.1% 포름산(formic acid)이 포함된 메탄올(이동상 B)을 사용하였다. 그리고 이 두 이동상을 UPLC 시스템 내에서 분석 시간에 따라 다른 비율로 혼합하여 흘려주는 기울기 용리(gradient elution) 방법으로 진행하였다. 무작위 순서로 주입하여 주입 순서에 따라 경향성을 배제하였다. 상기 혈장 시료에 포함된 생체 대사체들의 Synapt G2 시스템 내에서의 검출은 질량 분석기의 포지티브 이온화(positive ionization)와 네거티브 이온화(negative ionization) 모드에서 각각 진행하여 MSE mode로 분석하였다.
상기 Synapt G2 시스템의 구체적인 분석조건은 다음과 같다.
수집 모드(Acquisition mode) ESI (+/-) mode
모세관 전압(Capillary voltage) (+) 3.2 kV / (-) 2.5 kV
샘플 콘 전압(Sample con voltage) 40 V
소스온도(Source temperature) 120 ℃
탈용매 온도(Desolvation temperature) 350 ℃
콘 가스 유량(Cone gas flow) 100 L/h
탈용매 가스 유량(Desolvation gas flow) 800 L/h
구체적으로, 전기분무이온화(electrospray ionization, ESI)방법을 통하여 모세관 전압(capillary voltage)을 포지티브 이온화 모드(positive ionization mode)에서 (+) 3.2 kV, 네거티브 이온화 모드(negative ionization mode)에서 (-) 2.5 kV로 설정하고, 콘 전압(cone voltage)은 40 V로 분석하였다. 소스(Source)의 온도와 탈용매(desolvation) 온도 조건은 각각 120℃, 350℃로 설정하였고, 콘 가스(cone gas)의 유량 및 탈용매 가스 (desolvation gas) 유량도 각각 100 L/h, 800 L/h로 분석하였다. 그리고 상기 초고속액체크로마토그램-질량분석기(UPLC-QTOF-MS)를 이용한 혈장 분석 결과로부터 크로마토그램 및 질량 스펙트럼 분석 데이터를 얻었다.
4. 관상동맥 환자군과 정상 대조군의 혈청 시료 중 생체 대사체 분석
상기 안정형 협심증, 불안정형 협심증 및 심근경색 환자군, 정상 대조군의 혈청시료에서 얻은 대사체 분석 데이터를 MassLynxTM(Mass Spectrometry Software, Waters사) 및 MarkerLynxTM(Waters사)프로그램을 이용하여 크로마토그램 및 스펙트럼 데이터를 디콘볼루션(deconvolution)하여 검출된 대사체 마커 후보들의 데이터를 얻었다. 각 마커 후보들의 피크 면적(peak area)을 전체 크로마토그램 피크 면적(peak area)으로 보정하여 샘플 간 데이터 오차를 줄이고 표준화하였다.
하기 표 3의 값들은 보정된 피크 면적(peak area)의 중앙값(제1사분위수, 제3사분위수)으로 표시로 표시하였다.
1.Control 2.SA 3.UA 4.AMI
FA_16_1 19.9(8.3,58.4) 56.6(18.5,85.9) 31.3(10.7,61.5) 96.2(37.4,133.3)
FA_18_0 7.9(5,58.6) 54.1(15.3,68.7) 17.2(12.2,49) 39(24.7,46.5)
FA_18_1 129.6(80.8,214) 212.1(156.3,286.9) 170.9(118.8,258.4) 363.5(255.7,518.6)
FA_18_2 112.4(75.3,204.4) 206.1(114.3,254.8) 161.9(96.1,243.2) 308.2(193.8,378.8)
FA_22_6 96.9(55.4,157.1) 145.3(73.4,189.2) 100(67.3,156.3) 232.3(150.1,301.4)
Homoserine 5.2(4,6.5) 6(4.8,7.2) 5.2(3.9,6.8) 9(5.6,16.8)
LPC _16_0 362.9(306.8,503.5) 472.6(299.6,548.4) 369.9(289.2,575.9) 396.2(289.1,486.3)
LPC _18_0 112.4(89.5,177.2) 158.8(89.1,200.3) 111.3(80.4,161) 100.1(66.4,135.7)
LPC _20_3 5.6(4.5,7.3) 5.4(4,7.2) 6.3(4.5,9.2) 8.5(5.8,11.3)
LPC _20_4 12.3(9.9,16.8) 14.9(9.8,18.5) 12.7(8.3,18.7) 18.5(12.4,31.9)
LPC _22_6 6.5(5,8.7) 6.3(4.5,11.2) 5.5(4.7,9.3) 19.5(5.9,43.2)
MG_18_1 6.5(3.7,13) 13.1(4.4,44.8) 6.4(3.3,22.2) 82.8(36.3,196.9)
PC_34_2 182.3(154.2,204.5) 187.7(160.3,220.6) 182.9(154.1,215.3) 200.9(169.5,234.2)
PC_34_3 12.8(9.4,17.3) 10.7(7.4,14.9) 11.4(8.3,15.9) 7.8(5.5,12.9)
SM_d18_2_16_0 13.4(7.1,19.6) 9.2(7.1,14) 13.4(8.4,19.6) 12.6(9.6,18.4)
Tryptophan 22.1(18.3,25.7) 20.9(9.1,25.5) 20.1(11.1,24.6) 5.6(1.9,12)
표 3의 4군의 차이는 Kruskal wallis test로, 각 2군씩의 비교는 the Dwass, Steel, Critchlow-Fligner multiple comparison test를 사용하여 분석하였으며 임상지표 및 대사체 검출 area의 차이의 통계분석 결과를 표 4에 나타내었다.
　 4군비교 Control vs. SA Control vs. UA Control vs. AMI SA vs. UA AMI vs. SA .AMI vs. UA
SEX - MALE <.0001 　 　 　 　 　 　
HTN <.0001 　 　 　 　 　 　
DM 0.0006 　 　 　 　 　 　
Dyslipidemia 0.0301 　 　 　 　 　 　
statin <.0001 　 　 　 　 　 　
SMOKING <.0001 　 　 　 　 　 　
AGE 0.0005 0.002 0.0038 0.0876 0.8222 0.9751 0.6974
BMI 0.0993 0.2115 0.111 0.6477 0.8576 0.9872 0.7929
SBP 0.0206 0.9999 0.8719 0.0294 0.8629 0.0252 0.2457
DBP 0.0004 0.0527 0.0639 0.0003 0.9531 0.2159 0.7302
PR 0.0081 0.0072 0.0701 0.5245 1 0.6262 0.7582
WBC 0.0004 0.0072 0.0329 0.0017 0.99 0.6219 0.8562
CRP 0.0024 0.4966 0.3516 0.0029 0.658 0.0183 0.5399
Cholesterol <.0001 <.0001 0.0012 <.0001 0.9992 0.8955 0.9206
HDL <.0001 0.0022 <.0001 <.0001 0.0873 0.008 0.9193
LDL <.0001 0.0142 0.0108 <.0001 0.9981 0.7487 0.6532
Triglyceride 0.6138 0.9859 0.6961 0.8079 0.7604 0.8899 0.997
AST 0.4927 0.9419 0.885 0.7069 0.7834 0.8161 0.5717
ALT 0.6379 0.9559 0.9618 0.5899 0.9902 0.7613 0.9732
Glucose 0.0374 0.149 0.9651 0.1441 0.2457 0.9322 0.2308
BUN 0.3056 0.7185 0.2461 0.9914 0.7202 0.9575 0.5924
Creatinine 0.0004 0.0174 0.705 0.0006 0.774 0.1869 0.084
HbA1c <.0001 0.5614 0.1437 0.0002 0.0366 <.0001 0.6223
FA_16_1 <.0001 0.0001 0.4619 <.0001 0.294 0.0012 0.001
FA_18_0 <.0001 <.0001 0.0383 0.0342 0.036 0.0549 0.486
FA_18_1 <.0001 <.0001 0.067 <.0001 0.4952 <.0001 <.0001
FA_18_2 <.0001 0.0003 0.2424 <.0001 0.5515 <.0001 <.0001
FA_22_6 <.0001 0.0139 0.8757 <.0001 0.3602 <.0001 <.0001
Homoserine <.0001 0.0778 0.9922 <.0001 0.4342 <.0001 <.0001
LPC _16_0 0.0988 0.1058 0.9524 0.9991 0.9775 0.1431 0.7429
LPC _18_0 0.0005 0.2124 0.841 0.0402 0.0868 0.0006 0.3871
LPC _20_3 <.0001 0.9593 0.4157 <.0001 0.3636 <.0001 0.0424
LPC _20_4 0.0006 0.1804 0.988 0.0004 0.8016 0.0307 0.05
LPC _22_6 <.0001 0.9993 0.9023 <.0001 0.9909 <.0001 0.0006
MG_18_1 <.0001 0.0091 0.9878 <.0001 0.29 <.0001 <.0001
PC_34_2 0.037 0.3729 0.9642 0.0181 0.931 0.4253 0.3524
PC_34_3 0.0004 0.0426 0.3933 0.0003 0.9599 0.153 0.1538
SM_d18_2_16_0 0.0013 0.0263 0.9848 0.9884 0.031 0.0021 1
Tryptophan <.0001 0.2248 0.3619 <.0001 0.9975 <.0001 <.0001
그 다음, 정상인, 안정형 협심증, 불안정형 협심증, 안정형 협심증을 예측하기 위하여 다항의 로지스틱 회귀 분석(multinomial logistic regression analysis)을 수행하였으며, 단계적 선택방법(stepwise selection method)을 이용하여 예측변수에 기여할 수 있는 인자를 추출하였다. 추출한 인자와 그 결과를 표 5에 나타내었다.
Effect DF Wald Pr　>　 ChiSq
Chi-Square
HTN 3 31.9507 <.0001
statin 3 29.9454 <.0001
WBC 3 16.7197 0.0008
CRP 3 12.8988 0.0049
Cholesterol 3 12.6992 0.0053
Glucose 3 17.8495 0.0005
HbA1c 3 19.313 0.0002
FA_18_0 3 19.2558 0.0002
FA_22_6 3 15.8434 0.0012
Homoserine 3 25.0439 <.0001
LPC _16_0 3 13.0378 0.0046
LPC _18_0 3 24.7024 <.0001
LPC _20_4 3 15.2679 0.0016
LPC _22_6 3 20.0364 0.0002
PC_34_2 3 21.206 <.0001
Tryptophan 3 16.8012 0.0008
표 5의 인자와 아래의 모델을 이용하여 각 질환군을 진단률을 예측하였으며 아래의 모델에 사용된 상수는 최대 공산 추정 분석(analysis of maximum likelihood estimates)를 통해 계산되었다. 그 결과로 얻어진 각 질환군의 예측 식은 다음과 같다.
[수학식 1]
Figure 112016119102690-pat00005
[수학식 2]
Figure 112016119102690-pat00006
[수학식 3]
Figure 112016119102690-pat00007
α1 = -5.1033, α2= -7.2726, α3= -16.5253,
β'1χ=
3.233*HTN+3.016*statin+0.4336*WBC-0.0364*CRP-0.0189*Cholesterol+0.0534*Glucose-0.8651*HbA1c+0.0689*FA_18_0-0.00252*FA_22_6+0.0332*Homoserine-0.0037*LPC_16_0+0.00318*LPC_18_0-0.0209*LPC_20_4+0.1109*LPC_22_6+0.0118*PC_34_2-0.0159*Tryptophan,
β'2χ=
3.18*HTN+1.4578*statin+0.4631*WBC-0.00977*CRP-0.02*Cholesterol+0.0127*Glucose+0.0981*HbA1c+0.0349*FA_18_0-0.0173*FA_22_6+0.0564*Homoserine+0.00993*LPC_16_0-0.0308*LPC_18_0-0.1525*LPC_20_4+0.2896*LPC_22_6+0.0239*PC_34_2+0.00366*Tryptophan,
β'3χ=
3.9577*HTN-1.6837*statin+0.5634*WBC+0.0705*CRP-0.00031*Cholesterol+0.0174*Glucose+0.3797*HbA1c-0.00059*FA_18_0+0.00472*FA_22_6+0.6163*Homoserine-0.00314*LPC_16_0-0.0438*LPC_18_0-0.0411*LPC_20_4+0.2548*LPC_22_6+0.0517*PC_34_2-0.2288*Tryptophan.
상기 정상군과 각 질환군의 관찰값과 예측값을 계산한 결과, 정상(control), 안정형 협심증(SA), 불안정형 협심증(UA) 및 심근경색(AMI)를 예측하는 정확도가 각각 81.31, 69.57, 44.83. 84.48%로 나타났다. 본 발명에 따른 생체 대사체와 임상지표들과 이를 이용한 상기 수학식을 통해 안 관상동맥 질환 중 급성 급성심근경색과 안정형 협심증을 구별하여 진단하거나 질병의 발병가능성을 예측하는 것이 가능함을 의미한다. 통계분석 결과를 아래의 표 6에 나타내었으며 예측을 가능하게 한 예측 확률 공식은 아래와 같다.
관찰값 　 예측값
　 Control SA UA AMI 합계 (군 전체 명수)
1.Control 예측명수 87 12 2 0 101
예측 정확도 ( % ) 86.14 11.88 1.98 0.00 100.00
2.SA 예측명수 12 80 12 3 107
예측 정확도
(%) 		11.21 74.77 11.21 2.80 100.00
3.UA 예측명수 7 19 13 6 45
예측 정확도
(%) 		15.56 42.22 28.89 13.33 100.00
4.AMI 예측명수 1 4 2 49 56
예측 정확도
(%) 		1.79 7.14 3.57 87.50 100.00
합계 　 107 115 29 58 309

Claims (12)

  1. 관상동맥 심장질환(coronary heart disease: CHD) 진단을 위한 기초 정보 제공 방법에 있어서, 대상자의 혈액시료내 포함된 대사체 및 임상지표 혈중 농도를 분석하는 단계로, 상기 대사체는 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하고, 상기 임상지표는 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 단계; 및 대상자의 고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 단계; 및 상기 혈액시료내 포함된 대사체 및 임상지표의 혈중 농도, 고혈압 유무 및 스타틴 약물 복용 여부를 하기 수학식 1에 대입하여 안정형 협심증(stable angina: SA)을 예측하는 단계;를 포함하고,
    하기 수학식 1에 대입되는 상기 대상자의 임상지표의 혈중 농도 단위는 백혈구(WBC)는 cell/mm3, C-반응성 단백(CRP)은 mg/L, 콜레스테롤(Cholesterol)은 mg/dL, 글루코오즈(Glucose)는 mg/dL 및 헤모글로빈 A1c(HbA1c)은 %이고,
    상기 고혈압 유무는 대상자의 수축기 혈압이 140 mmHg이거나 확장기혈압이 90 mmHg 이상인 경우 상기 수학식 1의 고혈압 유무(HTN)에 1, 140 mmHg 미만인 경우 0을 대입하며, 상기 스타틴 약물 복용 여부는 대상자가 스타틴 약물을 복용하는 경우 1, 복용하지 않는 경우 0을 상기 수학식 1의 스타틴 약물 복용 여부(Statin)에 대입하는 것을 포함하며,
    상기 관상동맥 심장질환은 안정형 협심증인 방법.
    [수학식 1]
    Figure 112018129953440-pat00008

    상기 수학식 1에서,
    α1 = -5.1033, α2= -7.2726, α3= -16.5253 이고,
    β'1χ=
    3.233*HTN+3.016*statin+0.4336*WBC-0.0364*CRP-0.0189*Cholesterol+0.0534*Glucose-0.8651*HbA1c+0.0689*FA_18_0-0.00252*FA_22_6+0.0332*Homoserine-0.0037*LPC_16_0+0.00318*LPC_18_0-0.0209*LPC_20_4+0.1109*LPC_22_6+0.0118*PC_34_2-0.0159*Tryptophan,
    β'2χ=
    3.18*HTN+1.4578*statin+0.4631*WBC-0.00977*CRP-0.02*Cholesterol+0.0127*Glucose+0.0981*HbA1c+0.0349*FA_18_0-0.0173*FA_22_6+0.0564*Homoserine+0.00993*LPC_16_0-0.0308*LPC_18_0-0.1525*LPC_20_4+0.2896*LPC_22_6+0.0239*PC_34_2+0.00366*Tryptophan,
    β'3χ=
    3.9577*HTN-1.6837*statin+0.5634*WBC+0.0705*CRP-0.00031*Cholesterol+0.0174*Glucose+0.3797*HbA1c-0.00059*FA_18_0+0.00472*FA_22_6+0.6163*Homoserine-0.00314*LPC_16_0-0.0438*LPC_18_0-0.0411*LPC_20_4+0.2548*LPC_22_6+0.0517*PC_34_2-0.2288*Tryptophan 이다.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 대상자의 혈액시료내 포함된 대사체의 혈중 농도를 분석하는 단계는,
    상기 혈액시료를 질량분석하는 단계;
    상기 질량분석 결과로부터 크로마토그램 및 질량 스펙트럼 분석 데이터를 얻는 단계; 및
    상기 얻은 분석데이터의 피크 면적(peak area)을 전체 크로마토그램 피크 면적으로 나누어 표준화(normalization)하여 표준화된 피크면적값을 얻는 단계;
    를 포함하고,
    상기 각 대사체의 표준화된 피크면적값을 상기 수학식 1에 대입하는 것인, 관상 동맥 심장질환 진단을 위한 기초 정보 제공 방법.
  5. 제1항에 있어서, 상기 대상자의 혈액시료내 포함된 대사체 및 임상지표의 혈중 농도를 분석하는 단계 이전에,
    혈액시료를 메탄올을 이용하여 제단백하는 전처리 단계를 더 포함하는, 관상 동맥 심장질환 진단을 위한 기초 정보 제공 방법.
  6. 제4항에 있어서, 상기 대상자의 혈액시료내 포함된 대사체의 혈중 농도를 분석하는 단계는 액체크로마토그램-질량분석기를 이용하여 질량분석하는 것을 포함하는, 관상 동맥 심장질환 진단을 위한 기초 정보 제공 방법.
  7. 관상 동맥 심장질환(coronary heart disease: CHD) 진단용 키트에 있어서, 트립토판(Tryptophan), 호모세린(Homoserine), 지방산(18:0)(FA_18_0), 지방산(22:6)(FA_22_6), 라이소PC(lysophosphatidylcholine)(16:0)(LPC_16_0), 라이소PC(18:0)(LPC_18_0), 라이소PC(20:4)(LPC_20_4), 라이소PC(22:6)(LPC_22_6) 및 PC(Phosphatidylcholine)(34:2)(PC_34_2)를 포함하는 대사체, 및 백혈구(White blood cell: WBC), C-반응성 단백(C-reactive protein: CRP), 콜레스테롤(Cholesterol), 글루코오즈(Glucose) 및 헤모글로빈 A1c(HbA1c)를 포함하는 임상지표의 혈중 농도 측정부; 및
    고혈압 유무(HTN); 및 스타틴(Statin) 약물 복용 여부를 체크하는 문진표; 및 상기 혈중 농도 측정부를 통해 측정된 대사체 및 임상지표의 혈중 농도, 문진표에 체크된 고혈압 유무 및 스타틴 약물 복용 여부를 하기 수학식 1에 안정형 협심증(stable angina: SA)을 예측하는 방법이 기재된 지시서;를 포함하고,
    하기 수학식 1에 대입되는 상기 대상자의 임상지표의 혈중 농도 단위는 백혈구(WBC)는 cell/mm3, C-반응성 단백(CRP)은 mg/L, 콜레스테롤(Cholesterol)은 mg/dL, 글루코오즈(Glucose)는 mg/dL 및 헤모글로빈 A1c(HbA1c)은 %이고,
    상기 고혈압 유무는 대상자의 수축기 혈압이 140 mmHg이거나 확장기혈압이 90 mmHg 이상인 경우 상기 수학식 1의 고혈압 유무(HTN)에 1, 140 mmHg 미만인 경우 0을 대입하며, 상기 스타틴 약물 복용 여부는 대상자가 스타틴 약물을 복용하는 경우 1, 복용하지 않는 경우 0을 상기 수학식 1의 스타틴 약물 복용 여부(Statin)에 대입하는 것을 포함하며,
    상기 관상동맥 심장질환은 안정형 협심증인 키트.
    [수학식 1]
    Figure 112018129953440-pat00009

    상기 수학식 1에서,
    α1 = -5.1033, α2= -7.2726, α3= -16.5253 이고,
    β'1χ=
    3.233*HTN+3.016*statin+0.4336*WBC-0.0364*CRP-0.0189*Cholesterol+0.0534*Glucose-0.8651*HbA1c+0.0689*FA_18_0-0.00252*FA_22_6+0.0332*Homoserine-0.0037*LPC_16_0+0.00318*LPC_18_0-0.0209*LPC_20_4+0.1109*LPC_22_6+0.0118*PC_34_2-0.0159*Tryptophan,
    β'2χ=
    3.18*HTN+1.4578*statin+0.4631*WBC-0.00977*CRP-0.02*Cholesterol+0.0127*Glucose+0.0981*HbA1c+0.0349*FA_18_0-0.0173*FA_22_6+0.0564*Homoserine+0.00993*LPC_16_0-0.0308*LPC_18_0-0.1525*LPC_20_4+0.2896*LPC_22_6+0.0239*PC_34_2+0.00366*Tryptophan,
    β'3χ=
    3.9577*HTN-1.6837*statin+0.5634*WBC+0.0705*CRP-0.00031*Cholesterol+0.0174*Glucose+0.3797*HbA1c-0.00059*FA_18_0+0.00472*FA_22_6+0.6163*Homoserine-0.00314*LPC_16_0-0.0438*LPC_18_0-0.0411*LPC_20_4+0.2548*LPC_22_6+0.0517*PC_34_2-0.2288*Tryptophan 이다.
  8. 삭제
  9. 삭제
  10. 제7항에 있어서, 상기 지시서는
    상기 혈중 농도 측정부를 통해 측정된 대사체의 혈중 농도를 분석하는 방법으로,
    상기 혈액시료를 질량분석하는 단계;
    상기 질량분석 결과로부터 크로마토그램 및 질량 스펙트럼 분석 데이터를 얻는 단계; 및
    상기 얻은 분석데이터의 피크 면적(peak area)을 전체 크로마토그램 피크 면적으로 나누어 표준화(normalization)하여 표준화된 피크면적값을 얻는 단계;
    를 포함하고,
    상기 각 대사체의 표준화된 피크면적값을 상기 수학식 1에 대입하는 것인, 관상 동맥 심장질환 진단용 키트.
  11. 제7항에 있어서, 상기 키트는 질량분석기를 더 포함하는, 관상 동맥 심장질환 진단용 키트.
  12. 제7항에 있어서, 상기 키트는 혈액시료의 메탄올을 이용한 제단백을 위한 메탄올 및 원심분리기를 더 포함하는, 관상 동맥 심장질환 진단용 키트.
KR1020160164459A 2016-12-05 2016-12-05 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법 KR102003309B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160164459A KR102003309B1 (ko) 2016-12-05 2016-12-05 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법
US15/601,262 US10408817B2 (en) 2016-12-05 2017-05-22 Kit for diagnosis of coronary heart disease using multi-metabolites and clinical parameters, and method for diagnosis of coronary heart disease using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160164459A KR102003309B1 (ko) 2016-12-05 2016-12-05 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법

Publications (2)

Publication Number Publication Date
KR20180064164A KR20180064164A (ko) 2018-06-14
KR102003309B1 true KR102003309B1 (ko) 2019-07-25

Family

ID=62240521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160164459A KR102003309B1 (ko) 2016-12-05 2016-12-05 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법

Country Status (2)

Country Link
US (1) US10408817B2 (ko)
KR (1) KR102003309B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220349895A1 (en) * 2019-04-01 2022-11-03 Innobation Bio Co., Ltd. Apparatus for diagnosing solid cancers and method for providing information on solid cancer diagnosis
CN111638324B (zh) * 2020-05-28 2023-08-11 长沙都正生物科技有限责任公司 一种冠心病诊断生物标记物组合及其应用
CN112180013B (zh) * 2020-09-29 2022-11-15 上海脉示生物技术有限公司 用于心肌梗死诊断的肠道微生物代谢标志物组合物及其检测方法和应用
CN115112776B (zh) * 2021-03-18 2023-07-04 中国科学院大连化学物理研究所 联合标志物及在诊断心房颤动中应用及诊断试剂或试剂盒
WO2023081388A1 (en) * 2021-11-05 2023-05-11 The Feinstein Institutes For Medical Research Lysophosphatidylcholine combinations as a therapy to treat cardiac arrest

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014532886A (ja) 2011-11-08 2014-12-08 ゾラ バイオサイエンシーズ オサケ ユキチュア スタチン治療を受けている冠動脈疾患患者の心血管転帰を予測するためのリピドミックバイオマーカー

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US77A (en) * 1836-11-10 James hamilton
ES2429528T3 (es) 2001-01-02 2013-11-15 The Cleveland Clinic Foundation Mieloperoxidasa, un indicador de riesgo para enfermedad cardiovascular
US8137977B2 (en) 2006-04-24 2012-03-20 Children's Hospital & Research Center At Oakland Lipidomic approaches to determining drug response phenotypes in cardiovascular disease
KR20090080843A (ko) 2008-01-22 2009-07-27 영남대학교 산학협력단 급성 심근경색 진단킷트
BR112012011230A2 (pt) 2009-11-13 2016-04-05 Bg Medicine Inc fatores de risco e previsão de infarto do miocárdio
CN102762978A (zh) 2009-11-17 2012-10-31 薇拉莱特公司 用于检测冠状动脉钙化或疾病的方法和装置
KR101051470B1 (ko) 2010-01-25 2011-07-25 영남대학교 산학협력단 급성 심근경색 진단킷트
US9134322B2 (en) 2012-06-20 2015-09-15 Richard Body Combination for early exclusion of acute myocardial infarction
KR101660328B1 (ko) 2014-01-14 2016-09-27 한국과학기술연구원 심혈관 질환 진단용 바이오 마커
KR101839910B1 (ko) * 2015-01-09 2018-05-08 재단법인 아산사회복지재단 심혈관질환 위험 인자를 사용한 심혈관질환 위험의 예측 방법
KR101791153B1 (ko) 2015-04-17 2017-10-30 한국과학기술연구원 급성 관상동맥 증후군 질환 진단용 다중 생체 대사체 플랫폼

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014532886A (ja) 2011-11-08 2014-12-08 ゾラ バイオサイエンシーズ オサケ ユキチュア スタチン治療を受けている冠動脈疾患患者の心血管転帰を予測するためのリピドミックバイオマーカー

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Clin. Res. Cardiol., vol. 103, pp. 223-227 (2014) 1부.*

Also Published As

Publication number Publication date
KR20180064164A (ko) 2018-06-14
US10408817B2 (en) 2019-09-10
US20180156774A1 (en) 2018-06-07

Similar Documents

Publication Publication Date Title
KR102003309B1 (ko) 대사체 및 임상지표를 활용한 관상동맥 심장질환 진단용 키트 및 기초 정보 제공 방법
Sharma et al. Circulating markers of NADH-reductive stress correlate with mitochondrial disease severity
US10564166B2 (en) Device and method for detection of analytes
CN107427221B (zh) 用于诊断冠状动脉粥样硬化性疾病的基于血液的生物标志物
Selvaraj et al. Metabolomic profiling of the effects of dapagliflozin in heart failure with reduced ejection fraction: DEFINE-HF
KR101791153B1 (ko) 급성 관상동맥 증후군 질환 진단용 다중 생체 대사체 플랫폼
US20190064191A1 (en) Means and methods for differentiating between heart failure and pulmonary disease in a subject
Howie-Esquivel et al. Biomarkers in acute cardiovascular disease
Marcinkiewicz-Siemion et al. Metabolomics—a wide-open door to personalized treatment in chronic heart failure?
JP2017525970A (ja) 被験体において心不全を診断するための手段及び方法
US8703435B2 (en) Peptide biomarkers of cardiovascular disease
Qi et al. Association between plasma vitamin D2 and type 2 diabetes mellitus
KR101660328B1 (ko) 심혈관 질환 진단용 바이오 마커
EP1913402B1 (en) Monitoring of cardiac natriuretic peptides during diagnosis, managment, and treatment of cardiac diseases
CN111505131B (zh) 基于血清代谢组学改变建立的预测冠心病斑块不稳定性临床模型
US9588128B2 (en) Peptide biomarkers of cardiovascular disease
Hao et al. Potential metabolomic biomarkers for the identification and diagnosis of type A acute aortic dissection in patients with hypertension
Zhang et al. Design, methods and baseline characteristics of the Beijing Hospital Atherosclerosis Study: a prospective dynamic cohort study
CN112924690A (zh) 用于预警和/或诊断糖尿病的血清多肽组合标志物及检测试剂盒和方法
CN114324902B (zh) 胆固醇稳态的生物标志物及其应用
Bermudez et al. Association of metabolic syndrome with the severity of airflow obstruction in patients with chronic obstructive pulmonary disease
Al-Shorbagy et al. Prevalence of Prediabetes in Patients with Acute Coronary Syndrome and Its Relation to In-Hospital Clinical Outcome
Gam Urinary Profiling with Liquid Chromatography-Mass Spectrometry: Applications to Prediabetes in Animal Models
Jordan Investigation of metabolomic biomarkers of heart failure
Samuel Review: Biomarkers and role in the prediction and detection of type 2 diabetes and its complications

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right