SELDI-TOF-MS技术筛选鼻咽癌患者血清标志蛋白

目的应用表面增强激光解吸电离飞行时间质谱（SELDI—TOF—MS）技术筛选鼻咽癌（NPC）患者血清中的标志蛋白。方法用CiphergenBiosystem公司生产的PBSⅡ／C型蛋白质指纹图谱仪和GoldChip（金芯片）蛋白芯片检测98例鼻咽癌患者和30例正常人血清的蛋白指纹图谱,采用Biomaker Wizard 3．1软件分析两组的蛋白表达情况筛选差异表达蛋白。结果两组均检出较多蛋白峰,并且有表达明显的蛋白峰（P〈0．01）,在鼻咽癌患者中,低表达的有1个（即m／z为5026Da）,高表达的有4个（即m／z为5934Da,5352Da,6655Da,6675Da）。结论用SELDI—TOF—MS蛋白质芯片技术筛选NPC患者血清中特异性蛋白标志物对鼻咽癌的早期诊断具有较大价值。     

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。     

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。     

血清蛋白质谱模型对肝癌诊断的应用

目的应用表面增强激光解吸电离飞行时间质谱技术(SELDI-TOF-MS)从肝癌患者血清中筛选标志蛋白,找出最佳的标志蛋白组合模式作为临床诊断指标。方法蛋白组学图谱通过表面增强激光解吸电离飞行时间质谱产生。对20例肝癌患者和60例健康志愿者、20例肝硬化的血清蛋白质谱进行反复分析寻找合理运算规则以确定能区分肝癌和健康志愿者与肝硬化患者的蛋白组学图谱。结果发现肝癌患者和肝硬化患者、健康对照组血清蛋白质指纹图谱之间有5个标志蛋白在肝癌患者血清中高表达,1个标志蛋白在肝癌患者血清中低表达。分析系统筛选出4477Da、8943Da、13761Da、4097Da标志蛋白建立起一个肝癌的诊断模型。结论SELDI-TOF-MS技术的特异性及敏感度远远高于目前所采用的某一单独的标志物的血清学诊断,其结果对进一步研究肝癌的蛋白质组学改变及其临床应用可能具有重要意义。     

表面增强激光解析电离飞行时间质谱血清蛋白指纹图谱在肿瘤诊断中的应用

蛋白质组学是当今生命科学研究中最活跃的前沿领域，蛋白指纹图谱技术是研究蛋白质组的技术手段之一，由蛋白芯片及表面增强激光解析电离飞行时间质谱（SELDI—TOF—MS）两部分组成，可通过蛋白表达图谱模式快速筛选肿瘤标志物，进行肿瘤的诊断。现就该技术的一般原理及在肿瘤诊断中的应用作一综述。     

血清蛋白指纹技术在冠心病不稳定型心绞痛诊断中的应用

目的采用蛋白质组学新技术筛选冠心病不稳定型心绞痛（unstable angina，UA）患者血清蛋白标志分子，建立诊断不稳定心绞痛的蛋白分类模型。方法冠心病不稳定型心绞痛患者48例，男28例，女20例；正常健康人60例，患者出现症状24h内采血，分离血清。样本分为两组：第一组为训练组，包括UA患者和正常健康人各30例，性别年龄相当；第二组为盲法分析组，包括剩余18例UA患者和26例正常健康人。利用（surface enhanced laser desorption／ionization time of flight mass spectrometry，SELDI—TOF—MS）技术对血清样本进行蛋白质谱分析。采用蛋白飞行质谱仪（PBSⅡ—C型）对结合在WCX2芯片上的血清蛋白进行读取分析。采用Ciphergen Proteinchip 3．1软件分析分组数据及相关性，Biomarker Wizard软件对不同组相同质荷比的蛋白含量进行t检验，P〈0．01时具有统计学意义，用Biomarker Patterns System建立分类树模型。结果UA患者与正常人血清蛋白组比较后发现了25个表达差异蛋白，其中13个蛋白在UA患者血清中高表达，12个低表达。软件分析系统利用上述蛋白建立了一个分类模式，在训练组中敏感性和特异性均为96．6％。盲法分析显示其对UA患者的诊断敏感性为94．4％，特异性为100％，阳性预测值为100％，阴性预测值96．3％。结论SELDI技术能够有效快速地从血清中筛选出UA患者相关的标志蛋白分子，利用蛋白模式分类方法对冠心病患者进行风险评估和冠心病的筛查是一个比较好的方法。     

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.     

应用蛋白质芯片技术筛选直肠癌患者

目的应用表面增强激光解吸电离飞行时间质谱技术(SELDI-TOF-MS)从直肠癌患者血清中筛选标志蛋白,找出最佳的标志蛋白组合模式作为临床诊断指标。方法采用WCX2芯片及SELDI-TOF-MS技术对98例直肠癌患者及40例对照组血清进行蛋白质指纹图谱检测分析,所得到的结果采用Biomarker Wizard和Biomarker Patterns System软件分析。结果直肠癌组与对照组共有26个蛋白质差异有显著性(P<0.05);以其中4个蛋白质生物标志物(质/荷比9295、3730、3938和4095)组建筛选模型,经盲法验证,其敏感度为95.0%(57/60),特异性为93.4%(45/48);CEA敏感度为68.3%(41/60),特异性为77.1%(37/48);CA199敏感度为58.3%(35/60),特异性为75%(36/48)。结论SELDI-TOF-MS技术的敏感度和特异性远远高于目前所采用的某一单独的标志物的血清学诊断,其结果对进一步研究直肠癌的蛋白质组学改变及其临床应用可能具有重要意义。     

利用血清中蛋白质组构型鉴定Dukes A期结直肠癌

目的目前对DukesA期结直肠诊断尚无灵敏度和特异性均较高的血清学诊断指标，本研究旨在通过对血清中蛋白质组的质谱分析来发现可用于DukesA期结直肠癌鉴定的蛋白质组构型。方法各随机取10例DukesA期结直肠癌患者的血清，68例DukesB、C、D期结直肠癌患者的血清做为预备组和检测组。预备组血清与金属亲和表面（Immobilzed Metal Affinity Capture，IMAC3）芯片结合后，用蛋白芯片仪读取数据，用CipherGen公司提供的BioMarker Wizard及BioMarker Pattern软件分析可得到用于区分DukesA期结直肠癌患者、DukesB、C、D期结直肠良性疾病患者的树状分类规则，并用双盲法测试检测组以证实其准确性。结果软件分析结果显示预备组中二类血清蛋白质在质荷比为8320Da，8604Da，8867Da，15872Da4处含量有显著差异，得到树状分类规则，其分类准确率为97．44％（76／78），灵敏度为100％（10／10），特异性为97．06％（66／68）：对检测组进行双盲检测，结果显示准确度为94．87％（74／78），灵敏度和特异性分别为100％（10／10）、94．12％（64／68）。结论用SELDI—TOF—MS技术DukesA期和DukesB、C、D期结直肠癌患者进行比较蛋白质组学研究，发现在结直肠癌病理发展中有一组蛋白质有显著的差异。     

首届全国蛋白指纹图谱技术及肿瘤标志物临床应用专题学术会议征文通知

蛋白指纹图谱技术(surfaced enhanced laser desorption／ionization，SELDI)是随着蛋白质组学的发展而出现的新兴实验室诊断技术，也是2002年诺贝尔化学奖的主要应用技术，适用于各种疾病特异性蛋白指纹图谱的识别和判断；具有快速、简便、准确和超敏感的特点。它的诞生，将对传统临床实验室诊断技术带来新的挑战，是实验室诊断技术的革命。为总结和推动这一新兴诊断技术的发展和临床应用，由中华医     

Tree analysis of mass spectral urine profiles discriminates transitional cell carcinoma of the bladder from noncancer patient

BACKGROUND: Recent advances in proteomic profiling technologies, such as surface-enhanced laser desorption/ionization mass spectrometry (SELDI), have allowed preliminary profiling and identification of tumor markers in biological fluids in several cancer types and establishment of clinically useful diagnostic computational models. We developed a bioinformatics tool and used it to identify proteomic patterns in urine that distinguish transitional cell carcinoma (TCC) from noncancer. METHODS: Proteomic spectra were generated by mass spectroscopy (surface-enhanced laser desorption and ionization). A preliminary "training" set of spectra derived from analysis of urine from 46 TCC patients, 32 patients with benign urogenital diseases (BUD), and 40 age-matched unaffected healthy men were used to train and develop a decision tree classification algorithm that identified a fine-protein mass pattern that discriminated cancer from noncancer effectively. A blinded test set, including 38 new cases, was used to determine the sensitivity and specificity of the classification system. RESULTS: The algorithm identified a cluster pattern that, in the training set, segregated cancer from noncancer with sensitivity of 84.8% and specificity of 91.7%. The discriminatory pattern correctly identified. A sensitivity of 93.3% and a specificity of 87.0% for the blinded test were obtained when comparing the TCC vs. noncancer. CONCLUSIONS: These findings justify a prospective population-based assessment of proteomic pattern technology as a screening tool for bladder cancer in high-risk and general populations.     

Comprehensive proteomic profiling identifies serum proteomic signatures for detection of hepatocellular carcinoma and its subtypes

BACKGROUND: Detection of hepatocellular carcinoma (HCC) in patients with chronic liver disease (CLD) is difficult. We investigated the use of comprehensive proteomic profiling of sera to differentiate HCC from CLD. METHODS: Proteomes in sera from 20 CLD patients with alpha-fetoprotein (AFP) <500 microg/L (control group) and 38 HCC patients (disease group) were profiled by anion-exchange fractionation (first dimension), two types (IMAC3 copper and WCX2) of ProteinChip Arrays (second dimension), and time-of-flight mass spectrometry (third dimension). Bioinformatic tests were used to identify tumor-specific proteomic features and to estimate the values of the tumor-specific proteomic features in the diagnosis of HCC. Cross-validation was performed, and we also validated the models with pooled sera from the control and disease groups, serum from a CLD patient with AFP >500 microg/L, and postoperative sera from two HCC patients. RESULTS: Among 2384 common serum proteomic features, 250 were significantly different between the HCC and CLD cases. Two-way hierarchical clustering differentiated HCC and CLD cases. Most HCC cases with advanced disease were clustered together and formed two subgroups that contained significantly more cases with lymph node invasion or distant metastasis. For differentiation of HCC and CLD by an artificial network (ANN), the area under the ROC curve was 0.91 (95% confidence interval, 0.82-1.01; P <0.0005) for all cases and 0.954 (95% confidence interval, 0.881-1.027; P <0.0005) for cases with nondiagnostic serum AFP (<500 microg/L). At a specificity of 90%, the sensitivity was 92%. Both cluster analysis and ANN correctly classified the pooled serum samples, the CLD serum sample with increased AFP, and the HCC patient in complete remission. CONCLUSION: Tumor-specific proteomic signatures may be useful for detection and classification of hepatocellular cancers.     

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。     

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

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。     

高尔基蛋白73（GP73）在原发性肝癌中的诊断价值

目的评价高尔基蛋白（GP73）在原发性肝癌诊断中的价值。方法选择肝癌患者93例,对照人群共71例（包括健康人,肝硬化,及慢性肝炎患者）,用电化学发光法检测AFP;采用WesternBlot方法和ELISA方法检测高尔基蛋（q73（GP73）。结果GP73的ROC曲线下面积为0．873,当35．76ng／ml为GP73诊断肝细胞癌的cut．off值时,GP73检测肝细胞癌的敏感性和特异性分别为79．6％和85．9％。AFP阳性的肝癌组23．4％（11／47）GP73阴性,如果单用GP73检测,会漏诊23．4％。AFP阴性同时GP73阴性占（6／93）6．4％,联合检测AFP、GP73,肝癌漏诊率降低至6．4％。肝硬化组GP73浓度均值大于慢性肝炎及正常人群,但差异无统计学意义。丙型肝炎肝癌组GP73浓度均值高于乙型肝炎及非病毒性肝炎肝癌,差异有统计学意义。结论GP73诊断肝细胞癌的敏感性优于AFP。GP73、AFP联合应用有较好的互补性,可以有效避免可能发生的AFP阴性病例的漏检。GP73可成为鉴别肝硬化、肝癌患者的血清标志物,有一定的早期诊断价值。     

多学科治疗模式在中晚期肝癌中的临床应用效果

【目的】探讨多学科治疗模式（multiple disciplinary team ,MDT ）在中晚期肝癌患者中的临床疗效。【方法】选择186例中晚期肝癌患者,先行介入治疗,将肿瘤缩小至3～5 cm 后,再行伽马刀治疗。同时配合肿瘤自体细胞免疫疗法及中医疗法进一步清除体内的肿瘤细胞。评价 MDT 的临床应用效果及毒副反应。【结果】186例中晚期肝癌患者均进行 MDT 治疗,以介入治疗和伽马刀治疗为主,配合肿瘤自体细胞免疫疗法及放疗和中医药治疗。首先介入治疗使肿瘤直径缩小至5 cm 以内,共有139例,经3次肝动脉栓塞化疗（TACE）肿块直径仍大于5 cm 患者共47例。178例患者接受伽马刀治疗,另8例弥漫型未行伽马刀治疗。经 MDT 治疗后,186例近期临床总有效率为90．9％;生存1年者146例（78．5％）,生存2年者109例（58．6％）,生存3年者93例（50．0％）,生存4年者64例（34．4％）,生存5年者37例（19．9％）。治疗过程中常见的毒副反应为胃肠道反应、血细胞减少和血小板减少,其中,0级反应占67．2％（125例）,Ⅰ～Ⅱ级反应占32．8％（61例）。【结论】 MDT 治疗中晚期肝癌临床疗效确切,且毒副反应较小,可在临床推广应用。     

可变形图像配准的CT与MRI对肝癌体积测定的前瞻性比较

  目的  通过比较MRI与CT对肝癌肿瘤的诊断情况,进而进行高精度放疗计划。  方法  选择2020年7月~2022年7月收治的26例不可切除的肝转移(n=8)、肝细胞癌(n=10)和胆管癌(n=8)患者作为研究对象,患者在放疗计划时进行了具有诊断质量的MRI扫描和三期CT扫描,并确定了肝内解剖参考点。在最能显示肿瘤的CT和MRI系列中,勾画了肝脏和肿瘤体积,确定了肝内解剖参考点。采用形变配准对CT和MRI的肝脏进行配准。  结果  5例肝癌CT病灶数量与MRI有差异,MRI病灶多3例,CT病灶多2例。肝脏变形配准后,CT肿瘤表面与MRI肿瘤表面平均距离的人群中位数为3.7（2.2~21.3）mm。肿瘤表面积相差5 mm的中位百分比为26%(38%~86%)。转移瘤的中位符合率为81%(77%~86%),肝细胞癌的一致性为78%（44%~86%）,胆管癌的一致性为69%（25%~85%）。  结论  MRI诊断的肝癌肿瘤体积与CT诊断的肝癌肿瘤体积存在显著差异,且在原发性肝癌中更为常见。      

肝癌切除患者术后并发症的原因分析及对策

目的分析肝癌切除术后影响并发症出现的危险因素。方法对110名肝癌切除患者术后出现的并发症进行回顾性总结,选取11个可能因素,分别进行单因素及logistics分析,分析各因素与术后并发症之间的关系。结果110例肝癌切除患者,术后出现并发症38例（34．5％）,对可能影响并发症的各因素行单因素统计分析,结果表明,术前HBV DNA水平、术前Child分级、前白蛋白水平、PT情况、肝门阻断与否、术中出血量等6个因素和术后出现并发症有显著相关,而年龄、性别、有无附加手术、有无基础疾病、BMI等因素则和术后出现主要并发症无明显相关。将上述单因素分析中与术后并发症显著相关的6个因素再进行logistic多因素回归分析,结果表明术前Child分级、前白蛋白水平、术中出血量是术后出现主要并发症的独立危险因素。结论肝癌手术的并发症情况主要受术前肝功能储备情况及术中出血量等因素影响。     

肝癌肺部转移的CT诊断

目的:分析总结原发性肝癌肺部转移的CT表现,为临床诊断提供可靠依据。材料与方法:回顾性分析近年来我院收治的52例肝癌肺部转移患者的临床资料。结果:肝癌肺部转移的CT表现为两侧肺内单发或多发结节状病灶,此表现最常见;肺内软组织团块影像,分叶状或有毛刺,约占15.4%;全肺的粟粒样结节影像,占21.2%;肺纹理呈现网状改变,或纹理间沿淋巴管分布的呈细小的结节状影像;HRCT表现小叶间隔变厚,细小结节影沿肺纹理分布,约占21.2%;同一患者可出现多种形态的转移征象。结论:CT对肝癌肺部转移小病灶的检出较敏感,临床应用价值较大。