共查询到19条相似文献,搜索用时 359 毫秒
1.
应用蛋白质芯片技术筛选阿尔茨海默病血清标志物 总被引:1,自引:0,他引:1
目的用表面加强激光解析电离飞行时间质谱(SELDI-TOF-MS)蛋白质芯片检测阿尔茨海默病(AD)患者血清蛋白质指纹图谱,探讨诊断模型在AD诊断中的临床应用价值。方法用SELDI-TOF-MS技术和CM10蛋白质芯片检测45例患者AD和60例健康老人的血清蛋白质指纹图谱,并建立诊断模型。结果筛选出11个有明显表达差异的蛋白质,其中以质荷比(m/z)分别为4604.2、7775.7和9200.6的3个蛋白质建立的诊断模型对AD检测的灵敏度为88.9%(40/45),特异性为85.0%(51/60),总准确率为86.67%(91/105)。结论 SELDI-TOF-MS对AD诊断具有较高的敏感性和特异性,在AD的诊断及标志物筛选等方面具有较好的诊断价值。 相似文献
2.
3.
肺癌血清蛋白质指纹图谱诊断模型的建立 总被引:2,自引:0,他引:2
目的建立肺癌血清蛋白质指纹图谱诊断模型,探讨其对肺癌的诊断价值。方法收集127例肺癌患者、108例正常人血清标本,随机分成训练组(肺癌89例、正常人68例)与测试组(肺癌38例、正常人40例),应用表面增强激光解吸/电离-飞行时间-质谱(SELDI-TOF-MS)检测其蛋白质指纹图谱。用BioMarker Pattern软件分析训练组中肺癌与正常人血清中的差异蛋白后,建立肺癌诊断的最优分类树模型,然后用测试组血清标本盲法验证该模型的诊断效率。结果分类树诊断模型由质荷比分别为5 808、5 971和7 780的3种蛋白质组成。盲法验证显示,该模型诊断肺癌的准确率为92.3%,敏感性与特异性分别为92.1%(35/38)和92.5%(37/40)。结论肺癌血清蛋白质指纹图谱诊断模型较以往的传统方法具有更高的敏感性与特异性,值得进一步研究。 相似文献
4.
5.
6.
目的比较2型糖尿病(T2DM)肾病和对照人群血清蛋白质指纹图谱的差异,建立T2DM肾病诊断模型,探讨此技术对该病诊断的价值。方法采用表面增强激光解析电离飞行时间质谱(SELDI-TOF-MS)技术检测51例T2DM肾病患者和66例对照人群血清,获得蛋白质指纹图谱。结合人工神经网络软件建立诊断模型并进行验证。结果在相对分子量2 000~30 000范围内共检测到175个蛋白峰,其中有17个蛋白峰明显表达差异(P<0.01)。筛选其中质荷比(m/z)分别为5 420、5 782、6 472、6 666、10 277和11 770的6个蛋白峰作为标志蛋白建立人工神经网络诊断模型。利用该模型对T2DM肾病进行盲法预测,结果表明其对该病的诊断敏感性和特异性分别为81.0%和96.2%。结论利用SELDI-TOF-MS和生物信息学技术建立了敏感性和特异性均较高的T2DM肾病诊断模型,为该病诊断提供了新途径。 相似文献
7.
8.
9.
10.
11.
目的应用表面增强激光解析/电离飞行时间质谱(SELDI-TOF-MS)技术和蛋白芯片从乳腺癌患者血清中筛选出乳腺癌淋巴结转移的特异性蛋白标志物,为预测淋巴结转移提供更早且简单易行的方法。方法用SELDI-TOF-MS技术及IMAC-30蛋白芯片检测了39例发生淋巴结转移和45例未发生转移的乳腺癌患者的血清蛋白指纹图谱,采用Ciphergen Biomaker Wizard软件筛选差异表达蛋白,用SPSS17.0软件对数据进行统计分析。结果乳腺癌发生淋巴结转移组与未转移组相比共有31个差异蛋白峰(P<0.05),判别分析选出质荷比为4781、5329、5895、6012和8918的5个差异蛋白并评价其诊断效能,其中质荷比为4781的蛋白的诊断效能最高,灵敏度为84.62%,特异度为88.89%。结论 SELDI蛋白质谱技术在预测乳腺癌患者的淋巴结转移诊断方面具有一定的价值。 相似文献
12.
高发区自然人群贲门癌血清蛋白指纹图诊断模型的建立及临床价值 总被引:4,自引:0,他引:4
目的 用表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)分析食管癌高发区自然人群中贲门癌和正常对照血清蛋白表达谱的改变,筛选并建立高发区贲门癌血清蛋白指纹图诊断模型并探究其临床价值。方法 采用CMIO蛋白芯片及SELDI-TOF-MS技术对34例贲门癌和38例正常对照者血清蛋白指纹图谱进行检测,所得结果用ZUCI-蛋白芯片数据分析系统(ZUCI-Protein Chip Data Analyze System)软件包分析,建立贲门癌蛋白指纹图诊断模型,并用留-法交叉验证作为评估模型、判别效果的方法。结果通过软件包运算,用3个质荷比峰(5643.45793、8570.82126、15940.1533m/z)建立了贲门癌蛋白指纹图诊断模型,其准确度93.06%,敏感度85.29%,特异度100%,阳性预测值100%。结论 本组建立的诊断模型可以有效区分贲门癌和健康人,为肿瘤高发区贲门癌的诊断与筛查提供了一条崭新途径。 相似文献
13.
This study used proteomic fingerprint technology, combining nano-sized magnetic beads with matrix-assisted laser desorption/ionization time-of-flight mass spectrometry (MALDI-TOF-MS), to screen for potential protein biomarkers for the diagnosis of endometriosis. Serum proteins from 126 patients with endometriosis and 120 healthy controls were profiled and compared. Biomarker pattern software identified 46 discriminating mass-to-charge m/z ratio peaks that were related to endometriosis. The model constructed by the software, based on three of these peaks (m/z 5988.7, 7185.3 and 8929.8), generated excellent separation between the endometriosis and control groups. The sensitivity was 91.4% and the specificity 95.0%. Blind testing on a second series of serum samples from patients with endometriosis and healthy controls indicated a sensitivity of 89.3% and a specificity of 90.0%. Biomarkers for endometriosis can be discovered in serum by MALDI-TOF-MS in combination with nano-sized magnetic beads. The pattern of combined markers provides a powerful and reliable diagnostic method for endometriosis, with high sensitivity and specificity. 相似文献
14.
尿蛋白标志物模型早期诊断糖尿病肾病的临床应用 总被引:2,自引:0,他引:2
目的 寻找基于蛋白质组学技术早期、快速诊断糖尿病肾病的尿蛋白标志物模型,并探讨其临床应用价值.方法 应用表面增强激光解析电离飞行时间质谱(surface-enhanced laser dosorption-ionization time of flight mass spectrometry,SELDI-TOF-MS)技术及Au芯片(proteinehip gold array)检测292例患者尿蛋白质谱,包括129例糖尿病肾病和163例对照者(61例糖尿病及102名健康体检者).获得的蛋白质谱数据用Biomaker Wizard 3.1软件筛选差异蛋白,通过生物标志模型软件(biomarker patterns software,BPS)建立决策树辨别分析模型,评价其临床诊断价值.对部分筛选的差异蛋白通过比对标准蛋白质谱数据,根据分子量大小进行初步鉴定.结果糖尿病肾病患者与对照者尿液中差异表达的蛋白质峰有40个,其丰度值两组间比较差异均有统计学意义(t值为-9.81~24.52,P均<0.05),通过BPS自动筛选66 916质荷比(m/z)蛋白建立的模型诊断糖尿病肾病敏感度为98.7%(78/79),特异度98.2%(111/113).对糖尿病和糖尿病肾病患者尿蛋白质谱图分析后得到24个差异蛋白质峰,其丰度值两组间比较差异均有统计学意义(t值为-6.95~14.45,P均<0.05),BPS筛选4 008、11 619、66 916 m/z蛋白建立模型区分糖尿病与糖尿病肾病的敏感度(129/129)和特异度(61/61)均为100%.通过比对标准蛋白质谱数据,糖尿病肾病患者尿差异蛋白中m/z11 619、23 529、66 916和79 378,可能为β_2-微球蛋白、α1-微球蛋白、白蛋白和转铁蛋白.结论 基于SELDI-TOF-MS及Au芯片技术检测尿蛋白质谱在鉴别蛋白尿来源、糖尿病肾病的早期快速诊断及肾脏损害评估具有重要应用价值. 相似文献
15.
16.
17.
18.
目的利用Au蛋白芯片(proteinchip gold array)技术检测肾损伤患者尿蛋白指纹图谱,探讨其灵敏、快速预测和评估肾损伤的临床应用价值。方法利用表面增强激光解析电离飞行时间质谱(surface-enhanced laser desorption-ionization time of flight mass spectrometry,SELDI-TOF-MS)技术及Au蛋白芯片检测477例尿蛋白指纹图,包括237例肾病患者和240例对照者。利用生物标志模型软件(biomarker patterns software,BPS)筛选标志蛋白,结合人工神经网络(artificialneural network,ANN)技术建立模型,评价其在诊断和评估肾损伤中的应用价值。通过电喷雾四级杆飞行时间质谱(electrospray ionization quadrupole time of flight,ESI-Q-TOF)结合比对标准蛋白质谱,对部分差异蛋白进行鉴定。结果肾病患者与对照者尿中差异表达的蛋白质峰有75个,其丰度值两组间比较差异均有统计学意义(t值为-11.6-28.1,P均〈0.05),筛选质荷比(m/z)6182、88439、7402、37706、76508、0045和91 240蛋白质建立的ANN模型预测肾损伤的灵敏度为96.6%(84/87),特异度为94.4%(85/90)。鉴定结果表明11735、15150、22871、23770、67650 h和80045m/z蛋白分别为β2-微球蛋白、血红蛋白、α1-抗胰蛋白酶、α1-微球蛋白、白蛋白和转铁蛋白。结论基于Au蛋白芯片的SELDI-TOF-MS技术检测尿蛋白指纹图,在肾脏疾病的诊断、蛋白尿类型判断、肾损伤评估及治疗评价中具有潜在的应用价值。 相似文献
19.
目的 分析特发性肺纤维化(IPF)患者支气管肺泡灌洗液(BALF)中蛋白质谱变化,寻找特异性蛋白标记物,评价这些标记物对IPF的诊断价值及临床应用前景.方法 收集IPF患者及对照组BALF标本,应用表面增强激光解析/电离飞行时间质谱(SELDI-TOF-MS)技术筛选差异蛋白.通过非线性支持向量机方法建立诊断模型,并留一交叉验证法评估各模型的预测效果.结果 IPF患者BALF中筛选出8个表达有显著差异的蛋白质峰,其中检测效率最高的4个低表达蛋白质峰质荷比(m/z)分别为1947.634、1975.519、2488.535及4950.230.以这4个蛋白质峰组合建立诊断模型,其特异性和敏感性均为100%.结论 应用SELDI-TOF-MS技术分析获得的低分子量蛋白质峰在诊断中具有较高的灵敏度和特异性,这些小分子可能在IPF发病中起重要作用. 相似文献