SELDI蛋白芯片技术筛选蕈样肉芽肿血清特异性蛋白

目的 应用表面增强激光解析电离飞行时间质谱技术（SELDI-TOF－MS）筛选蕈样肉芽肿患者血清特异性蛋白。方法 用CM10（弱阳离子交换表面）蛋白芯片结合SELDI-TOF－MS技术，检测15例蕈样肉芽肿和15例对照组慢性湿疹、神经性皮炎患者血清中的蛋白质谱，用浙江大学肿瘤研究所蛋白芯片数据分析系统筛选与慢性湿疹、神经性皮炎有差异的蛋白。结果 从15例蕈样肉芽肿与15例慢性湿疹、神经性皮炎患者的血清蛋白质谱中共检测出329个蛋白峰，从中筛选出30个表达差异有统计学意义（P < 0.01）的蛋白标志物。用支持向量机算法结合其中两个蛋白峰（3939，5909）可得到最佳诊断模型，模型训练时的敏感性和特异性均为100％，留一法交叉验证和测试的敏感性和特异性也为100％。结论 血清蛋白质谱联合生物信息学分析方法对蕈样肉芽肿的诊断具有较高的敏感性和特异性。     

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。     

基于蛋白质谱技术的胰腺癌化学治疗评估模型的建立及其意义

化疗在晚期胰腺癌治疗中有着不可取代的作用.目前,胰腺癌患者较为常用的化疗药物有吉西他滨、5-氟尿嘧啶(5-FU)、紫杉醇类等[1].82个研究中心的3023例晚期胰腺癌患者的Ⅲ期临床试验结果显示,吉西他滨较5-FU能更好的改善患者的预后[2].但是,目前现有的胰腺癌相关标志物,如血清CA19-9、CEA水平及影像手段如CT、MRI等对胰腺癌化疗效果的评估及监测效力却依然低下.因此,建立一种高敏感、高特异的,对化疗效果及预后有着监测能力的新型的评估方法对改善患者的预后及指导治疗有着极大的意义.     

血清蛋白质质谱与支持向量机模型在胰腺癌检测上的应用

目的:为提高胰腺癌的早期检测率筛选新的标志物,应用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)技术建立胰腺癌的血清蛋白质质谱模型。方法:用弱阳离子交换芯片(CM10)结合SELDI-TOF-MS技术检测了73例血清样本,其中31例胰腺癌,22例胰腺炎,20例健康人。用支持向量机方法建立胰腺癌和健康人以及胰腺癌和胰腺炎的辨别模型。结果:胰腺癌和健康人辨别模型用了3个蛋白质峰,辨别的敏感性和特异性均为100%,而胰腺癌和胰腺炎辨别模型用了5个蛋白质峰,辨别的特异性和敏感性分别为95.5%和93.5%。结论:SELDI-TOF-MS技术结合生物信息学方法检测胰腺癌具有较高的敏感性和特异性。     

利用磁珠分离联合MALDI-TOF-MS技术判定早期IgA肾病的病理表现

目的利用尿蛋白质组学的新方法,寻找无创性尿液标记物,用以判断临床早期IgA肾病的病理表现。方法对55例早期IgA肾病患者[其中23例病理表现较重（重病理损伤组）,32例病理表现较轻（轻病理损伤组）]及14例病理检查完全正常者（正常对照组）的尿液,利用阳离子磁珠分离技术联合基质辅助激光解吸／电离飞行时间质谱法（MALDI-TOF-MS）分析尿液蛋白质质谱。结果建立了3个尿蛋白质／多肽模型。发现潜在的生物标志物及其诊断模型可以区分重病理损伤组和轻病理损伤组,其敏感性和特异性分别为90．48％和96．77％。区分轻病理损伤组和正常对照组的诊断模型,其敏感性和特异性分别为9355％和85-71％。区分重病理损伤组和正常对照组的诊断模型,其敏感性和特异性分别为100％和9286％。结论利用磁珠分离联合MALDI-TOF-MS的尿蛋白质组技术在判定早期IgA肾病的病理表现显示出较大潜力。     

非肿瘤细胞凋亡引起肿瘤机体血清细胞色素C增高

Background  Neuroblastoma (NB) is one of the most common malignant solid tumors of childhood. It is still not clear whether the apoptosis of tumor cells or the non-tumor cells contributes to the increase of concentration of cytochrome c (Cyt c) in the serum of the cancer patients. The aim of this research was to identify the source of the Cyt c in the serum when the tumor grows up by subcutaneous inoculation of human NB cells into nude mice.

Methods  We subcutaneously inoculated human NB cells (KP-N-NS) into nude mice and collected the sera of tumor-bearing mice (n=14) and control mice (n=25) 4 weeks later in order to screen for and identify differentially expressed proteins in the serum. Differentially expressed proteins in the serum were screened by surface-enhanced laser desorption/ionization-time-of-flight (SELDI-TOF) mass spectrometry.

Results  The relative intensity of a protein having a mass-to-charge ratio (m/z) of 11 609 was 3338.37±3410.85 in the tumor group and 59.84±40.74 in the control group, indicating that the expression level of this protein in the tumor group was 55.8 times higher than that in the control group. Serum proteins were separated and purified by high-performance liquid chromatography (HPLC). Liquid chromatography coupled with tandem mass spectrometry (LC-MS/MS) was performed to produce peptide mass fingerprints (PMFs). Spectrum analysis and a database search revealed that the highly expressed protein (m/z=11 605.4) from the serum of tumor-bearing mice was the mouse Cyt c.

Conclusions  Increased concentration of Cyt c in the serum of tumor-bearing nude mice might be partially attributed to the secretion of this protein by non-tumor cells.

     

SELDI-TOF-MS技术检测心绞痛患者血浆蛋白指纹图谱的研究

目的： 采用表面增强激光解析/电离飞行时间质谱（SELDI-TOF-MS）技术检测心绞痛患者血浆蛋白质指纹图谱,从中筛选出特异的分子标志物。方法: 应用SELDI-TOF-MS技术及金属离子螯合（IMAC-3）蛋白质芯片对20例心绞痛患者和29例正常对照者血浆样本进行检测,借助生物信息学工具（非线性的支持向量机,SVM）提出心绞痛的诊断模型,并运用留一交叉验证法来评估该模型的判别效能。结果: 用SELDI-TOF-MS技术筛选出由3个有显著差异的蛋白质峰［质荷比（m/z）分别为2 667.3、5 914.0和6 890.5］组合构建的诊断模型,可将20例心绞痛患者和29例正常人全部正确分组,诊断特异性和灵敏度均为100%。结论: SELDI-TOF-MS技术在心绞痛的诊断中具有较高灵敏度和特异性,发现的蛋白质峰可能在心绞痛的发病中起一定作用,血浆中分子标志物的发现有助于心绞痛的早期诊断。     

血清肿瘤标记物的人工神经网络模型在肺癌诊断中的应用

目的:联合检测多种血清肿瘤相关标记物，建立基于人工神经网络的肺癌血清标记物诊断模型。方法:应用酶联免疫吸附法分别测定100 例肺癌患者和113 例健康人对照的血清标本中癌胚抗原（CEA ）、甲胎蛋白（AFP）、癌抗原19-9（CA19-9）、癌抗原72-4（CA72-4）、癌抗原242（CA242）、癌抗原21-1（CA21-1）、神经元特异性烯醇化酶（NSE）和组织多肽抗原（TPA ）等8 种肿瘤相关标记物含量，结合生物信息学方法进行数据的分析。筛选出最优标记物组合，用150 例样本（肺癌70例，健康对照80例）建立诊断模型，并用63例样本（肺癌30例，健康对照33例）盲法测试集评估此模型。结果:应用曲线下面积方法结合神经网络筛选出CA211、CEA 两个最优组合的肿瘤标志物，建立的神经网络的肺癌血清标记物诊断模型经盲法验证预测的特异性为92.9% ，敏感度为86.0% ，阳性预测值85.5％。结论:本研究建立了基于人工神经网络的肺癌多种血清标记物诊断模型，其敏感性和特异性较高，对肺癌的临床诊断具有一定意义，对早期诊断也具有一定价值。      

八种血清肿瘤标志物人工神经网络模型在大肠癌诊断中的应用研究

大肠癌是我国的一种常见恶性肿瘤，其发病率呈不断上升趋势。近年来，已有多种血清标志物用于大肠癌诊断。但由于敏感性和／或特异度较低，单项标志物诊断准确性不高，因此，如何提高多种标志物联合检测的诊断率就显得非常重要。本研究应用人工神经网络(ANN)建立八种血清标志物诊断模型，以提高大肠癌血清学诊断的效率，并验证其在临床应用的价值。     

MALDI蛋白指纹图谱筛选NSCLC患者化疗耐药相关血清标志物

目的通过检测吉西他滨联合顺铂方案化疗敏感及耐药的晚期非小细胞肺癌患者治疗前血清蛋白质谱的差异,寻找可能的化疗耐药血清预测因子。方法收集非小细胞肺癌（non-small cell lung cancer,NSCLC）Ⅳ期患者治疗前血清,予以吉西他滨联合顺铂化疗,每2疗程后评估疗效。基质辅助激光解析电离化飞行时间质谱（matrix-assisted laser desorption/ionization-time of flight-mass spectrometry,MALDI-TOF-MS）检测血清蛋白,生物信息学分析找出差异蛋白峰,对筛选的差异蛋白峰进一步用遗传算法结合支持向量机模型的方法筛选最佳模型。结果收集25例晚期NSCLC患者,14例部分缓解（partial response,PR）进入化疗敏感组,2例疾病稳定（stable disease,SD）和9例出现疾病进展（progression disease,PD）进入化疗耐药组。化疗敏感组与耐药组出现10个明显差异蛋白质峰（P〈0.05）。其中筛选得到4 978 Da、2 999 Da、4 996 Da、2 627 Da、4 188 Da、1 458 Da及1 984 Da 7个蛋白峰组成的最佳模型。结论 MALDI-TOF-MS技术检测得到血清差异蛋白模型可用于预测吉西他滨联合铂类二药化疗疗效。但需进一步扩大样本量以完善及验证疗效预测模型。