血清蛋白质谱与人工神经网络模型诊断卵巢癌的应用性研究

目的 建立筛选卵巢癌血清蛋白质谱与人工神经网络诊断模型的研究。方法 用H4(疏水表面)蛋白芯片结合表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术检测卵巢癌患者和健康人血清样本的蛋白质谱，同时采用人工神经网络筛选差异蛋白以建立诊断模型。结果 用SELDI-TOF-MS技术和H4蛋白芯片从47例卵巢癌和29名健康人血清中，筛选出4个有明显表达差异的蛋白，其质荷比(m／z)分别为5881、7553、6652和9391。用其中的18名健康人和29例卵巢癌患者样本作训练集和交叉验证后，再用筛选出的4个差异蛋白质建立人工神经网络预测模型。然后，对11名健康人和18例卵巢癌患者样本进行盲法测试，以验证该模型。结果显示，我们建立的诊断模型对卵巢癌检测的敏感性为100％，特异性为90．9％，阳性率为94．7％。结论 血清蛋白质谱与人工神经网络模型对小样本的卵巢癌诊断具有较高的敏感性和特异性，可扩大样本进行深入的应用性研究。     

卵巢癌患者血清蛋白指纹图谱检测及其临床意义

目的 运用SELDI-TOF-MS技术（表面增强激光解吸电离飞行时间质谱技术）检测卵巢癌患者、良性卵巢囊肿和正常健康妇女的血清蛋白质指纹图谱，初步探讨筛选出的肿瘤标志物建立的诊断模型在卵巢癌诊断中的临床意义。方法 用SELDI-TOF-MS技术及WCX2芯片检测55例卵巢癌患者和60例对照纽的血清蛋白指纹图谱，并运用SPSS10.0软件判别分析处理数据和筛选标志物，以建立诊断模型。结果 6个蛋白质峰（11500、11650、11800、15800、16000、16250m／z）组合构建的诊断模型1鉴别卵巢癌和对照组的敏感性为94、5％（52／55），特异性为93．3％（56160）。6个蛋白质峰（11590、11700、12000、14800、15500、15900m／z）组合构建的诊断模型Ⅱ鉴别Ⅰ期卵巢癌和对照组的敏感性为82．45％（14／17），特异性为90．0％（54／60）。5个蛋白质峰（11600、11750、16100、16150、16200m／z）组合构建的诊断模型Ⅲ鉴别Ⅰ期卵巢癌患者和Ⅱ～Ⅳ期卵巢癌患者的敏感性为92．1％（35／38），特异性为94．1％（16／17）。结论 SELDI-TOF-MS技术是一种快速、准确、高通量、高灵敏度的蛋白质分析方法，能够直接检测出卵巢癌患者血清中相对特异的肿瘤标志物，其对于卵巢癌的早期诊断具有一定的临床意义。     

生物信息技术分析脑胶质瘤血清蛋白指纹图诊断模型的临床意义

目的探讨筛选的脑胶质瘤血清蛋白指纹图诊断模型的临床应用价值。方法用疏水性表面芯片(H4)和表面增强激光解吸离子化飞行时间质谱技术(SELDI-TOF—MS)及生物信息学分析方法与SPSS10．0软件，检测分析28例胶质瘤、37例其他脑良性肿瘤和40名健康人的血清蛋白指纹图，并建立脑胶质瘤血清蛋白指纹图诊断模型。结果用建立的区分脑胶质瘤与健康人的血清蛋白指纹图诊断模型进行盲法检测的准确率、敏感性和特异性分别为95．7％(22／23)、88．9％(8／9)和100％(14／14)。建立的区分胶质瘤与其他脑良性肿瘤的血清蛋白指纹图诊断模型，盲法检测脑胶质瘤的准确率、敏感性和特异性分别为86．4％(19／22)、88．9％(8／9)和84．6％(11／13)。建立的区分Ⅰ-Ⅱ级与Ⅲ-Ⅳ级脑胶质瘤的血清蛋白指纹图诊断模型的准确率分别为85．7％(13／15)、84．6％(11／13)。结论用SELDI—TOF—MS技术与生物信息分析法建立的3个血清蛋白指纹图诊断模型对脑胶质瘤的定性诊断提供了一条新途径。     

SELDI在筛选从慢性活动性肝炎到早期肝硬化两阶段血清标记物中的应用

目的比较慢性活动性肝炎患者和早期肝硬化患者血清蛋白标记物并建立相关筛选模型。方法用表面加强激光解析／电离飞行时间质谱技术（SELDI．TOF—MS）及CM10蛋白芯片对28例慢性活动性肝炎患者、26例早期肝硬化患者血清样本进行分析，将获得的血清蛋白质指纹图谱，用计算机软件进行比较分析，建立慢性活动性肝炎与早期肝硬化患者的比较筛选模型。结果慢性活动性肝炎组与早期肝硬化组共有26个差异有统计学意义的蛋白峰；建立诊断模型的灵敏度92％（24／26），特异度86％（24／28），准确率为89％（48／54）。结论建立的血清蛋白质指纹图谱模型能够区分慢性活动性肝炎患者与早期肝硬化患者，SELDI技术在诊断及特异性蛋白生物标志分子的筛选等方面具有较好的临床应用前景。     

非霍奇金淋巴瘤血清蛋白质质谱分析

目的：应用表面增强激光解析电离飞行时间质谱技术检测血清蛋白指纹图,通过差异蛋白组学筛选非霍奇金淋巴瘤（nonhodgkin’s lymphoma,NHL）特有的蛋白标记物,找出最佳的标志蛋白组合模式建立非霍奇金淋巴瘤诊断模型。方法：用Ciphergen公司生产的PBSII／C型蛋白质指纹图谱仪和AuChpi金芯片采集50例NHL患者（NHI。组）、50例淋巴结炎患者（淋巴结炎组）、50例健康志愿者（对照组）血清蛋白质指纹图谱,采用BiomakerWizard3．1版分析软件筛选差异蛋白,建立NHL诊断模型。结果：NHL患者、淋巴结炎患者、健康志愿者血清蛋白质指纹图谱之间有4个标志蛋白在NHL患者血清中高表达,3个标志蛋白在NHL血清中低表达。分析系统筛选出质荷比（M／Z）4966、9278、6633、4222、9216、9237和7714标志蛋白建立NHL诊断模型,该模型对NHL的诊断灵敏度和特异性分别为92％和98％。结论：NHL与淋巴结炎组、对照组比较血清蛋白质表达具有显著差异,筛选其中差异蛋白质可用于建立NHL预测模型。     

食管癌血清蛋白质谱揩纹图分析及人工神经网络诊断模型研究

目的利用高通量和高灵敏的表面激光解析电离飞行时间质涪技术（SELDI—TOF—MS）寻找食管癌患者血清中微量的标志性差异蛋白质组,为探索食管癌发生与基因转录的蛋白调控机制,基因治疗以及早期诊断提供参考数据,方法用SELDI—TOF—MS检测食管癌及其相关人群的血清蛋白质谱指纹图,用Biomarkex Wizaid Software软件筛选出差异蛋白,选择具有标志性的差异蛋白质组建立人工神经网络诊断模型,使用SPSS分析其诊断效能。结果在食管癌患者血清中发现89个差异蛋白（P〈0．05）。其中有显著差异（P〈0.001）的蛋白质如下：在食管癌患者血清中表达增高的蛋白（5017．6Da,7458、5Da,7908,1Da,8111.9Da,8577,8Da）和表达降低的蛋白（4215.8Da,5890.9Da,7749.3Da）。利用筛选出8个有明显表达差并的蛋白质组建立食管癌人工神经网络筛查模型和诊断模型,其灵敏度达到93．2％和96.3％,特异度分别为95．6％和97．2％,经大样本盲法验证的灵敏度为75.4％和75.8％,特异度分别为84．8%和86．7％,经蛋白组数据库检索发现两种蛋白分别为血清淀粉样蛋白A和子宫球蛋白。结论血清蛋白质谱指纹图结合人工神经网络技术进行蛋白组学数据挖掘对食管癌的筛查和诊断以及探索其基因和蛋白调控机制具有重要的临床意义。     

乙肝肝纤维化血清标记物筛选的初步研究

目的:比较乙型肝炎肝纤维化患者和正常对照的血清蛋白标记物并建立相关筛选模型。方法:通过SELDI-TOF-MS技术对38例乙肝肝纤维化患者和18例健康者的血清进行蛋白质谱检测分析,并建立诊断模型以鉴别乙肝肝纤维化。结果:共检测出91个峰值,12个为差异蛋白峰,其中6个在纤维化组高表达,6个在纤维化组低表达。用质荷比为M8596的差异蛋白建立的诊断模型最优,其特异度为84%(32/38),灵敏度为67%(12/18),阳性预测值为0.060,阴性预测值为0.994。结论:健康组和乙肝肝纤维化组的血清蛋白表达存在着差异,SELDI技术在乙肝肝纤维化血清标记物筛选方面具有较好的临床应用前景。     

表面增强激光解吸电离飞行时间质谱技术在白血病诊断中的应用

本研究对白血病患者及健康对照者的血清样本进行检测分析,筛选新的生物标记物并建立白血病的蛋白质指纹图谱诊断模型.应用SELDI-TOF-MS技术检测40例白血病标本及37例健康对照标本,用Biomarker Wizard软件分析筛选新的生物标记物,使用Biomarker Patterns 5.0软件进行标记物的比较判别,建立白血病决策树诊断模型.结果表明,蛋白质指纹图谱分析发现有22个差异显著的蛋白峰（P＜0.05）;由m/z为4650,8609及11660建立的决策树诊断模型对白血病的诊断灵敏度为97.5％ （39/40）,特异性为91.9％ （34/37）.结论：由3个蛋白标记物构成的白血病蛋白质指纹图谱诊断模型为白血病的诊断提供了新的借鉴和参考.     

乳腺癌患者血清蛋白质指纹图谱检测及其临床意义

目的用表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)和蛋白质芯片检测乳腺癌患者血清蛋白质指纹图谱，初步探讨筛选候选肿瘤标志物建立的诊断模型在乳腺癌诊断中的临床意义。方法用SELDI-TOF-MS技术及配套蛋白质芯片检测49例乳腺癌和37例非乳腺癌疾病患者的血清蛋白质指纹图谱，并运用SPSS10．0软件判别分析处理数据和筛选标志物，以建立诊断模型。结果6个蛋白质峰[8611、16827、25711、28931、25485和2437质荷比(m/z)]组合构建的诊断模型Ⅰ鉴别乳腺癌和非乳腺癌疾病的敏感性为81．6％(40/49)，特异性为78．4％(29/37)。6个蛋白质峰(4470、10854、19193、3883、2011和7470m/z)组合的诊断模型Ⅱ鉴别Ⅰ期乳腺癌与非乳腺癌疾病的敏感性为80．0％(12/15)，特异性为89．2％(33/37)。5个蛋白质峰(2726、27014、2247、4477和19333m/z)组合的诊断模型Ⅲ鉴别Ⅰ期与Ⅱ～Ⅳ期乳腺癌的敏感性为91．2％(31/34)，特异性为93．3％(14/15)。结论SELDI-TOF-MS在乳腺癌的诊断尤其是早期诊断、术前分期及候选肿瘤标志物筛选等方面具有一定价值，值得进一步深入研究。     

2型糖尿病肾病血清蛋白质谱图人工神经网络诊断模型研究

目的通过比较2型糖尿病肾病和对照人群血清蛋白指纹图谱的差异,建立2型糖尿病肾病诊断模型,并探讨其在该病诊断中的应用价值。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2型糖尿病肾病患者和66例对照人群血清,获得蛋白指纹图谱。结合人工神经网络软件建立诊断模型并进行验证。结果在相对分子质量2 000～30 000共检测到175个蛋白峰,其中有17个明显表达差异的蛋白峰(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2型糖尿病肾病进行盲法预测,结果表明其对该病的诊断灵敏性和特异性分别为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2型糖尿病肾病诊断模型,为该病诊断提供了新途径。     

SELDI技术在乳腺癌淋巴结转移诊断中的应用研究

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。     

应用表面增强激光解吸电离飞行时间质谱联合磁珠技术寻找肺癌血清蛋白标志物

  目的  建立肺癌蛋白质指纹图谱诊断模型, 探讨用于肺癌早期诊断及手术疗效评估的血清蛋白标志物。  方法  收集38例肺癌患者、12例肺部良性肿瘤患者及32名正常对照者的血清标本, 应用表面增强激光解吸电离飞行时间质谱(surface-enhanced laser desorption/ionization time-of-flight mass spectrometry, SELDI-TOF-MS)联合磁珠技术, 获得蛋白质指纹图谱, 采用BPS分析软件对数据分组及相关性进行分析, 初步建立肺癌的血清蛋白质指纹图谱诊断模型, 并验证其诊断效率; 同时对比肺癌患者手术前后的差异蛋白质谱, 结合肺癌的诊断模型, 选取合适的蛋白作为肺癌手术疗效的观察指标。  结果  在质荷比为1000~50 000范围内, 肺癌患者、肺部良性肿瘤患者和正常对照者之间共检测到215个蛋白质峰。其中, 质荷比为1115.37、1929.70、3217.57、3246.34、3318.57、11 508.90的6个蛋白质峰表达差异具有统计学意义(P < 0.05)。决策树模型对肺癌的原始判别敏感性为92.11%(35/38), 特异性为90.91%(40/44);交叉验证敏感性为86.67%(13/15), 特异性为86.67%(13/15)。其中质荷比为1115.37、1929.70、3246.34和11 508.90的蛋白质峰在肺癌患者中明显升高(P < 0.05), 当肺癌患者手术治疗后表达量较术前明显降低(P < 0.01), 表明这4个蛋白质峰对肺癌的诊断及疗效判定具有潜在应用价值。  结论  应用SELDI-TOF-MS技术建立的肺癌血清蛋白质指纹图谱诊断模型具有较高的敏感性和特异性, 为发现肺癌早期生物标志物并判断疗效奠定基础。     

用SELDI蛋白芯片技术筛选缺血性脑卒中患者血清蛋白标志物的研究

目的研究缺血性脑卒中患者血清蛋白质谱的变化,从而筛选特异性的蛋白标志物。方法采用表面增强激光解吸离子化飞行时间质谱（SELDI-TOF-MS）技术和弱阳离子交换芯片（CM10）首先对训练组72例缺血性脑卒中患者和性别年龄匹配的80例正常对照者血清蛋白表达谱的差异进行分析,建立决策树分类模型后,对测试组（55例缺血性脑卒中患者和60例正常对照者）进行盲法验证。结果在质荷比（M/Z）2000～50000Da范围内,共检测到94个蛋白质峰,筛选出差异蛋白质峰29个,以质荷比（M/Z）分别为5659、5878、7304、7398和9003Da的5个差异蛋白峰,建立的决策树分类模型对缺血性脑卒中患者诊断的敏感性为95.8%（69/72）,特异性为97.5%（78/80）,正确诊断率为96.7%（147/152）。用该模型对测试组进行双盲检测,结果显示敏感性、特异性和正确诊断率分别为94.5%（52/55）、95.0%（57/60）和94.8%（109/115）。结论应用SELDI-TOF-MS技术可以筛选出缺血性脑卒中患者相关的血清蛋白标志物,建立的决策树分类模型可能对缺血性脑卒中患者的诊断具有重要的临床价值。     

利用蛋白芯片技术诊断和评估肾损伤的临床应用

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。     

食管鳞癌血清WCX2蛋白芯片诊断模型的研究

目的　分析食管鳞癌血清蛋白表达谱的改变 ,筛选并建立食管鳞癌血清标志物诊断模型。方法　采用表面增强激光解吸离子化飞行时间质谱 (SELDI TOF MS)技术分析 199例食管鳞癌患者和 10 6名性别、年龄匹配的健康人血清 ,获得WCX2蛋白芯片表达图谱。用BiomarkerPattern软件分析食管癌差异蛋白并初步建立诊断模型。扩大样本量 ,通过盲法分析进一步验证诊断模型。结果　在分子量 0～ 5 0 0 0 0范围内 ,共检测到 92个差异蛋白峰 ,其中 34个差异有显著意义 (P <0 0 5 )。建立了由 12个差异蛋白组成的食管鳞癌诊断模型 ,其敏感性为 91 5 % (5 4 / 5 9) ,特异性为86 9% (5 3/ 6 1)。扩大样本盲法验证结果其敏感性为 85 % (119/ 14 0 )、特异性为 84 4 % (38/ 4 5 )。结论　由 12个差异表达蛋白及其特定组合构成的诊断模型可以区分食管鳞癌与健康人     

应用蛋白质芯片技术筛选阿尔茨海默病血清标志物

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。     

高发区早期食管癌及癌前病变血清蛋白研究

目的应用质谱技术构建高发区食管癌及癌前病变血清蛋白质指纹图谱模型,为食管癌早期诊断寻找生物指标,并探讨差异蛋白在食管癌发生发展中的作用及意义。方法收集食管癌、癌前病变血清样本共254例,根据病理分为低级别上皮内瘤变(LGIN)、高级别上皮内瘤变(HGIN)、进展期食管鳞癌(AEC)、健康对照组。采用弱阳离子交换纳米磁珠(WCX)对血清蛋白进行纯化,MALDI-TOF-MS质谱进行检测,构建诊断模型并进行盲法验证。结果三组病变组与对照组以及各组间比较有统计学差异蛋白峰146个,由14个蛋白峰建立食管癌及癌前病变血清蛋白指纹图谱模型,蛋白峰分别是32721、3403、1772、1071、1414、33312、32023、31043、4662、2245、1307、10013、6868、1234。对早期食管癌及前病变的特异性为90.91%(30/33),对LGIN的灵敏度为100%(31/31),HGIN灵敏度为89.66%(52/58),AEC的灵敏度为81.26%(26/32),盲法预测验证结果表明;该模型对食管癌前病变及癌的特异性为95.652%(22/23),对LGIN的敏感性为95.455%(21/22),HGIN敏感性为94.118%(32/34),AEC的敏感性为95.238%(20/21)。经ExPasy数据库检索蛋白峰为32023,1234,1307,推测为ZAG(zinc alpha2 glycoprotein),Glycosyltransferase-like protein LARGE2,Fibrinogen alpha chain。结论采用MALDI联合WCX建立诊断模型具有高的灵敏度及特异性。根据各组间差异蛋白变化,推测食管癌的发生可能起始于LGIN或更早,提示对于表达与肿瘤相关差异蛋白峰的个体应给予定期随访。     

应用金芯片技术预测肾功能损害的临床应用研究

目的探讨利用金（Au）芯片检测尿蛋白质指纹图谱在预测肾功能损害中的应用价值。方法利用表面增强激光解吸电离飞行时间质谱（SELDI-TOF-MS）技术及Au芯片检测186例肾病患者和188例对照者尿蛋白质指纹图,分析肾病患者与对照组尿蛋白质表达差异并筛选标志蛋白质,结合人工神经网络（ANN）技术建立智能预测模型,评价其诊断肾病的应用价值。对部分差异蛋白质通过电喷雾四级杆飞行时间质谱（ESI-Q-TOF）进行鉴定。用免疫散射比浊法检测尿微球蛋白并与蛋白质指纹图谱结果比较,评价SELDI-TOF-MS检测性能。结果肾病患者与对照者尿中共检测到214个蛋白质峰,有69个蛋白质峰差异有统计学意义（P〈0.05）,筛选其中质荷比（m/z）11 735、23 770、51 720、58 720、67 650、80 045、91 240蛋白质建立的ANN模型预测肾功能损害的灵敏度为98.8%（85/86）,特异度为96.6%（85/88）。蛋白鉴定结果表明m/z 11 735、23 770、67 650、80 045蛋白质分别为β2-微球蛋白、α1-微球蛋白、白蛋白、转铁蛋白。SELDI-TOF-MS检测微球蛋白较免疫散射比浊法更灵敏。结论基于Au蛋白芯片技术的尿蛋白质指纹图谱检测,可快速、灵敏、高通量的显示尿蛋白质表达情况,对诊断肾损伤、判断蛋白尿类型及治疗评价具有重要的应用价值。     

应用SELDI-TOF-MS技术诊断2型糖尿病肾病

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。