急性髓系白血病血清标志物初步筛选及临床意义

本研究初步分析初诊急性髓系白血病(acute myeloid leukemia,AML)患者与正常人群血清蛋白质质谱的差异,筛选AML血清特征性肿瘤标志物及探讨AML患者血清蛋白质组学特征及在白血病发病机制中的意义.选择AML患者14例和健康对照28例,应用弱阳离子交换纳米磁珠捕获血清蛋白质组分及Autoflex II基质辅助激光解吸电离飞行时间质谱仪检测各样品的蛋白质质谱,再利用CliprotoolsTM2.2软件进行数据分析,筛选差异蛋白质分子并建立AML诊断模型.选取验证组7例AML血清和14例健康对照血清对产生的模型用盲法进行验证.结果表明,在分子量700-10 000 Da范围内,可检测到69个左右的蛋白质谱峰.与健康组比较,AML患者组中共检测出有显著意义的蛋白峰差44个(p0.0001),其中10个蛋白峰高表达,34个蛋白峰低表达.将区分疾病组与对照组能力最强的3个质谱峰建成一个基于QC(Quick Classifier Algorithm)算法的诊断模型,质荷比(mass charge ratio,m/z)分别为3216.57,4089.7,7762.87,在该训练集中其判断AML的预期敏感性为86.4%,预期特异性为82.8%.分类验证中该模型能正确识别7例AML病例中的6例和14例健康对照中的12例.交叉验证显示,该模型的敏感性和特异性均为85.7%.结论:初步应用Clinprot系统建立的急性髓系白血病QC模型由3个显著差异蛋白质峰构成,似能有效区分AML患者与正常对照者,其敏感性和特异性较高,有可能作为AML的血清标记物,其中m/z7762.87为血小板源性的趋化因子,其有可能为AML发病机制、分子分型、疗效及预后判断提供重要的实验依据.     

血清中胶质瘤疾病相关蛋白质的筛选

目的方法利用液体芯片一飞行质谱技术进行血清中胶质瘤疾病相关蛋白质的筛选。结果将78例胶质瘤患者和68例正常对照者血清样本各随机分为模型建立组和模型验证组；应用液体芯片．飞行质谱技术测定模型建立组样本，进行了差异蛋白的筛选和诊断模型的建立；然后用模型验证组样本进行了差异蛋白和模型的验证；并对其中的蛋白质进行鉴定。经模型建立组胶质瘤患者与正常对照者的血清蛋白质图谱比较，得到差异蛋白17个并建立了诊断模型，建模蛋白质为l460（m／z）、l612（m／z）、l776（m／z）、l862（m／z）、l941（m／z）、3952（m／z）、4052（m／z）。模型敏感性为85％，特异性为9r7．06％。其中差异蛋白质l460（m／z）、1612（m／z）、2551（m／z）为肿瘤高表达，差异蛋白l941（m／z）为肿瘤低表达，经鉴定蛋白质l941（m／z）为高分子量激肽原。结论利用液体芯片一飞行质谱技术进行血清中胶质瘤疾病相关蛋白质的研究，得到了差异蛋白和诊断模型，为临床胶质瘤的诊断提供了新的思路；差异蛋白质的鉴定结果可能为胶质瘤的治疗提供有价值的途径。     

构建腰椎间盘突出症血瘀证的血清蛋白指纹图谱模型

背景：腰椎间盘突出症血瘀证与非血瘀证的相互关系尚不明确。〈br〉 目的：构建腰椎间盘突出症血瘀证的血清蛋白指纹图谱模型。〈br〉 方法：按照病例对照研究方法,遵循组间民族、性别及年龄等相匹配原则筛选180例研究对象,其中120例分为腰椎间盘突出症血瘀证组及腰椎间盘突出症非血瘀证组,每组60例;健康对照组60例。抽取受试者外周血的血清样本,应用表面增强激光解吸/电离飞行时间质谱及蛋白质芯片技术检测并绘制蛋白质质谱图,随后用Biomarker Wizard软件识别蛋白峰信息,建立腰椎间盘突出症血瘀证的血清诊断模型,并通过双盲验证法对模型进行验证及通过ExPASy数据库对相关差异蛋白进行蛋白检索。结果与结论：在腰椎间盘突出症血瘀证、腰椎间盘突出症非血瘀证及健康者各组之间找到11个蛋白质峰有统计学意义（P＜0.05）,其中2个蛋白质呈高表达、9个蛋白质呈低表达;用Biomarker Patterns Software构建腰椎间盘突出症血瘀证血清学诊断模型并验证,其敏感性为86.667%,特异性为94.167%,阳性预测值为88.136%。表明腰椎间盘突出症血瘀证患者的血清中存在多种异常表达的蛋白质;由11个差异蛋白组成的血清蛋白质指纹图谱模型可作为腰椎间盘突出症血瘀证的血清标志物诊断模型。     

基于质谱技术应用CLINPROT系统建立乳腺癌诊断模型

目的应用液体蛋白芯片-飞行时间质谱技术(CLINPROT)系统筛选乳腺肿瘤患者血清中潜在的肿瘤标志物,并基于差异蛋白建立乳腺癌诊断预测模型。方法收集病理确诊的乳腺癌患者血清标本43例及健康女性血清标本24例,并随机分为建模组和验证组。应用ClinProt Tools系统对建模组中的乳腺癌患者和健康女性血清进行差异蛋白的筛选,建立差异蛋白质图谱,应用ClinProTools v3.0软件建立乳腺癌诊断预测模型,而后利用该诊断模型对验证组血清标本进行分组验证,初步评估该模型的诊断效能。结果通过分析病例组和对照组质谱峰信息,得到24个具有明显差异的蛋白峰(P0.05)。根据遗传算法选取表达差异最显著的3个蛋白质建立乳腺癌诊断预测模型,该模型对建模组乳腺癌的识别能力为91.67%。后利用验证组标本对该模型的诊断效能进行评估,结果显示其对验证组乳腺癌识别准确率为85.7%。结论利用ClinProt Tools v3.0软件成功建立并评估了乳腺癌诊断预测模型,为乳腺癌诊断提供了新的途径。     

慢性肾小球肾炎唾液蛋白质组无创伤分子诊断模型的研究

目的探讨液态芯片结合基质辅助激光解析离子化飞行时间质谱(MALDI-TOF-MS)技术筛选慢性肾小球肾炎(CGN)患者的唾液蛋白质标记物并建立诊断模型,为CGN临床诊断提供依据。方法采集43例CGN患者和45例健康体检者的唾液标本,采用液态芯片(WCX磁珠)制备唾液样品,并结合MALDI-TOF-MS质谱仪对唾液标本进行蛋白质检测,筛选出2组间特异性表达差异蛋白,并结合生物信息学方法建立诊断模型。结果比较2组唾液蛋白质指纹图谱数据,共获得116个差异有统计学意义的蛋白峰(P0.05),选择质荷比(m/z)为2 499.11、2 159.09、3 622.30Da的3个蛋白质峰用于构建最佳决策树模型,该诊断模型测试组总准确率为85.23%(75/88),灵敏度为83.72%(36/43),特异度为86.67%(39/45)。结论初步建立了CGN唾液蛋白质组诊断模型,为CGN的早期诊断提供了新的方法和途径。     

骨髓增生异常综合征患者血清蛋白质组学特征研究

目的:利用铜螯合磁珠(magnetic beads-based immobilized metal affinity capture Cu)分离低峰度蛋白,以基质辅助激光解吸电离飞行时间质谱(matrix-assisted laser desorption/ionization time-of-flight mass spectrometry,MALDI-TOF-MS)技术分别检测骨髓增生异常综合征(myelodysplastic syndromes,MDS)患者和正常人血清蛋白质肽链的质量指纹谱,探索用于MDS辅助诊断的客观方法.方法:收集16例MDS患者(MDS组)和10例正常人(正常对照组)的血清蛋白标本,应用铜螯合磁珠进行蛋白分离,通过MALDI-TOF-MS测定标本的蛋白质谱图,对比分析差异蛋白峰,并建立诊断模型.结果:分子质量1.02～10.25 ku范围内共检测到信噪比＞3的峰146个,经统计分析,MDS组和正常对照组之间差异明显,有显著性差异峰12个(P＜0.05),利用快速分类算法建立诊断模型,模型的识别准确率和交叉验证敏感性分别达93.27%和89.94%.各亚型对比分析,各组间区域交叉,组间差异不明显;根据临床分型,将难治性贫血伴幼稚细胞增多型(RAEB型)与其他类型MDS比较,发现RAEB型患者血清中有1个差异低表达蛋白峰,分子质量约1 466.57,经鉴定为纤维蛋白原N端片段.结论:MALDI-TOF-MS技术平台可用于寻找MDS相关的血清蛋白质标志物,其蛋白质谱诊断模型可以区分MDS与正常人,有助于MDS的临床辅助诊断.RAEB型患者与其他类型的MDS中存在差异表达蛋白,提示进展型MDS与其他类型MDS有异质性.     

传染性非典型肺炎患者血清蛋白质指纹图谱分析

目的 探索表面增强激光解析离子化飞行时间质谱技术(SELDI)在传染性非典型肺炎又称[严重急性呼吸综合征(SARS)]早期诊断中的应用价值。方法 用SELDI检测SARS患者组和对照组血清，建立诊断模型，然后进行单盲模型验证。结果 通过检测37例SARS患者和74名健康对照者血清，发现早期SARS患者血清中有4种特异性蛋白质荷比峰(M／Z)-3939．08、4137．71、8136．64和11514．20，其中4137．71下调，另3种上调，并以此建立SARS诊断模型，对37例SARS患者和73名对照者血清进行单盲检测，敏感性为97．3％(36／37)，特异性为91．8％(67／73)。结论 用SELDI可从早期SARS患者中筛选出4个特异蛋白质荷比峰，以此建立的诊断模型可配合临床对SARS患者进行早期诊治。     

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。     

MALDI-TOF质谱在乳腺癌诊断及分型中的应用研究

目的 应用基质辅助激光解吸电离飞行时间质谱（MALDI-TOF-MS）技术建立乳腺癌诊断预测模型，寻找乳腺癌血清中的差异蛋白质/多肽，鉴别区分三阴性乳腺癌（TNBC）与非三阴性乳腺癌（NTNBC）。方法 研究纳入61例乳腺癌患者、60例乳腺纤维腺瘤患者及44例健康体检者。按照 3∶1的比例随机分为训练组(乳腺癌患者 45 例，健康体检者对照 33 例)和验证组(乳腺癌患者 16 例，健康人对照 11 例)。弱阳离子交换磁珠（WCX-MB）提取血清蛋白质/肽后，基质辅助激光解吸电离飞行时间质谱（MALDI-TOF-MS）技术检测并筛选出差异峰，构建诊断预测模型并初步验证。观察分析乳腺癌患者血清蛋白质谱分子变化。结果 ClinProTools软件提供了乳腺癌组与健康组的诊断预测模型。遗传算法（GA）模型的特异度为90.9%，敏感度为93.8%，准确度为92.6%。对纤维腺瘤组和对照组、乳腺癌组和纤维腺瘤组以及TNBC组和NTNBC组分别进行聚类分析，发现有显著差异峰可将其准确区分：差异峰m/z 4220.9、5920.36在纤维腺瘤组中的峰强度明显高于对照组，但其在乳腺癌组中的峰强度明显低于纤维腺瘤组；差异峰m/z 4220.9、5920.36在TNBC组中的峰强度明显高于NTNBC组。结论 应用MALDI-TOF-MS技术建立的乳腺癌诊断预测模型具有高敏感性、高特异性的特点，此技术可将乳腺癌患者从健康体检者和良性疾病人群中区分出来，还可用于区分乳腺癌的基因分型。     

血小板裂解液差异蛋白在原发免疫性血小板减少症诊断中的临床应用研究

目的通过对原发免疫性血小板减少症(ITP)患者血小板裂解液差异蛋白的研究,了解其与ITP发病的关系,为ITP的诊断建立一种简便快速、灵敏度高、特异性好的实验方法。方法应用表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术检测64例ITP患者及42例健康者血小板裂解液,获得血小板蛋白质谱图,筛选出差异蛋白,结合人工神经网络(ANN),建立ITP诊断模型。结果质荷比(m/z)为3 549.17、7 678.09的蛋白在ITP组中高表达,质荷比为5 328.29、7 894.32的蛋白低表达。诊断模型的灵敏度93.3%,特异度82.6%。结论基于血小板蛋白质谱建立的ANN模型可能对ITP的诊断具有一定的临床价值。     

特发性血小板减少性紫癜血小板差异蛋白质组诊断模型的实验研究

本研究旨在建立一种简便快速、灵敏度高、特异性好的特发性血小板减少性紫癜（ITP）的实验诊断方法。应用表面增强激光解析电离飞行时间质谱技术（SELDI-TOF-MS）检测60例ITP、60例白血病、60例再生障碍贫血及60例健康成人血小板裂解液,各疾病组及正常组均随机分为训练集（120例）和验证集（120例）,筛选出有明显表达差异的标志蛋白,利用人工神经网络建立ITP诊断模型,并用SPSS17．0进行盲法验证。结果表明,m／z为2234．30、3476．36、7526．29的蛋白在ITP患者高表达,m／z为4990．02、5152．39的蛋白低表达。诊断模型的灵敏度和特异度分别为80．6％和77．3％,盲法验证工作特征曲线下面积为0．837。结论：基于血小板蛋白质谱图建立的人工神经网络诊断模型对ITP的临床诊断和分子病理研究具有奄要的参者价值。     

基于蛋白质谱技术建立胃癌诊断预测模型及其初步验证

目的基于高通量蛋白质谱技术利用ClinProTools系统筛选胃癌患者与健康对照者的血清差异蛋白/多肽,建立胃癌诊断预测模型,发现胃癌的潜在血清标志物。方法收集胃癌患者血清标本60例、对照组血清标本60例,按照3∶1随机分为训练组(胃癌患者45例,健康对照45例)和验证组(患者15例,健康对照15例)。采用弱阳离子交换磁珠(WCX-MB)吸附低丰度蛋白/多肽,通过基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)分析建立相应的蛋白表达指纹图谱,筛选差异表达蛋白/多肽,建立胃癌的诊断预测模型并进行验证。结果筛选出10个具有显著差异的多肽峰,差异最显著的2个多肽峰质荷比(m/z)2 952.57和m/z 5 904.36的受试者工作曲线(ROC)曲线下面积(AUC)分别为0.93和0.81。运用遗传算法(GA)建立胃癌诊断预测模型,验证组验证此模型,结果显示此模型准确性为90.00%,灵敏度为93.30%,特异度为86.70%。结论 MALDI-TOF MS联合WCX-MB能够检测到胃癌患者与健康对照者的血清差异蛋白/多肽,以此建立的胃癌蛋白质谱诊断预测模型存在着潜在的应用价值,m/z 2 952.57、5 904.36有望成为诊断胃癌的潜在血清标志物。     

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.     

利用SELDI-TOF-MS技术分析喉癌患者血清蛋白质谱变化

目的筛选喉癌特异性血清蛋白质标志物,建立用于喉癌诊断的分类树模型。方法采集喉癌患者57例与正常人64例的血清,用表面增强激光解吸/电离-飞行时间-质谱分别检测其蛋白表达谱,用Biomarker Wizard软件筛选出差异蛋白,再用Biomarker Patterns软件建立喉癌诊断模型,另采集15例喉癌患者及20名正常人的血清对该模型进行盲法验证。结果通过对喉癌患者术前血清与正常人血清蛋白质谱分析,发现有24个蛋白的表达有明显差异(P0.05),并建立了由质荷比(M/Z)分别为4 2066、6238、928和9 424 Da的4种蛋白质组成的分类树诊断模型,准确率为95.0%(115/121),敏感性和特异性分别为94.7%(54/57)、95.3%(61/64)。盲法验证其敏感性为86.7%(13/15),特异性为85.0%(17/20)。分析喉癌患者手术前后血清蛋白质谱的变化,发现术前高表达的8种蛋白质术后表达明显下调。结论喉癌血清蛋白质谱诊断模型具有一定的优越性,为喉癌的早期诊断及预后标志物的筛选提供了新途径。     

SELDI-TOF-MS蛋白芯片技术在胃癌早期诊断中的应用

目的 建立胃癌早期患者的血清差异表达蛋白诊断模型,构建用于胃癌早期诊断的敏感和特异的新方法.方法 采用PBSⅡ/C 型蛋白质指纹图谱仪及金芯片检测45例早期胃癌患者及80例健康对照人群血清蛋白质图谱,用Biomarker Wizard 3.1 软件分析所得数据,筛选胃癌差异表达蛋白.通过人工神经网络数学模型(ANN)选择最佳差异表达组合建立并验证胃癌的诊断模型.内标物质加入血清样本,校准和消除操作条件波动对分析结果的影响,提高实验的准确度.最后,应用SPSS13.0软件绘制胃癌诊断模型的受试者工作特征曲线(ROC curve),评价诊断模型的准确度.结果 在质荷比为2 000～20 000范围内共检测到有显著差异的蛋白质峰(t检验,P<0.01)28个.经ANN反复训练筛选其中5个差异蛋白(质荷比分别为2 545.3±3.6,2 942.7±4.3,3 135.5±2.8,4 130.6±2.1,8 691.4±1.3)组成胃癌人工神经网络诊断模型,对胃癌的诊断灵敏度为95.0%,特异度97.5%,阳性预测值为95.0%,阴性预测值97.5%,诊断准确度为96.67%.绘制ROC曲线,曲线下面积为0.972,表明该诊断模型准确性较高.结论 该研究建立的诊断模型对胃癌的诊断准确度较高.SELDI-TOF-MS蛋白芯片技术在胃癌的早期诊断和血清肿瘤标志物的筛选方面具有一定价值,值得进一步深入研究.     

基于MALDI-TOF-MS技术建立肺腺癌诊断预测模型及其初步验证

目的利用液体芯片结合基质辅助激光解析电离飞行时间质谱技术(MALDI-TOF-MS),筛选肺腺癌患者与肺良性疾病和健康人血清中的差异性多肽,建立肺腺癌诊断预测模型,发现诊断肺腺癌的潜在标志物。方法收集肺腺癌患者37例和健康体检者及肺部良性疾病患者(对照组)33例,其中肺腺癌组与对照组年龄、性别匹配,将上述两组按3∶1随机分为训练组(肺腺癌患者30例,对照者26例)和测试组(肺腺癌患者7例,对照者7例)。应用液体芯片-飞行时间质谱技术以及软件ClinProTools 3.0筛选训练组中肺腺癌组与对照组血清中的差异性多肽,建立肺腺癌诊断预测模型。利用测试组中的血清标本对诊断模型进行验证,评估该模型的诊断效能。结果通过软件ClinProTools 3.0分析,得到9个具有显著差异的多肽峰(P0.05),其中肺腺癌中表达上调的峰m/z分别为8 976.5、4 469.05、4 966.78、8 925.5、4 531.05,表达下调的峰m/z分别为3 304.44、8 594.76、3 266.82、3 195.52。根据遗传算法(GA)建立肺腺癌诊断预测模型,该模型的整体识别能力为94.49%,利用测试组对该模型进行评估,结果显示该模型的灵敏度为100.0%,特异度为85.7%。结论肺腺癌患者血清中与肺部良性疾病及健康人血清中存在差异性多肽,利用这些差异性多肽峰建立肺腺癌诊断预测模型,为肺腺癌的早期诊断提供了一种新的方法。     

基于血清肽谱的乳腺癌诊断模型的初步建立

目的为了提高乳腺癌诊断的准确率,建立新的血清学诊断平台。方法收集50例乳腺癌患者和50例健康对照者的血清标本,随机抽取一部分作为训练集,用于构建诊断模型;其余作为验证集,用于验证模型的诊断能力。使用弱阳离子磁珠分离血清多肽,MALDI-TOF MS进行质谱检测。结果通过对训练集27例乳腺癌患者和30例健康对照者的血清标本进行质谱分析,建立了一个八肽诊断模型,然后用验证集23例乳腺癌和20例健康对照者的血清标本进行检验,得到该模型的灵敏度为95.7%,特异度为95.0%。并应用生物信息学方法预测出模型中的4个肽片段分别来自间-α-胰蛋白酶抑制剂重链H4、纤维蛋白原α链亚型1前体和核磷蛋白亚型2。结论初步建立了一个基于血清肽质谱分析方法的用于诊断乳腺癌的八肽模型,具有高度灵敏度和特异度。     

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。     

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。     

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。