蛋白质指纹图谱技术在肺癌分子标志物研究中的应用

目的 分析肺癌与肺部良性疾病及正常人血浆蛋白质指纹图谱的变化,建立肺癌血浆标志物诊断模型.方法 应用蛋白质指纹图谱(SELDI-TOF-Ms)技术检测108例肺癌患者、40例肺部良性疾病患者和22例正常人血浆标本,采用层次聚类分析和主成分分析建立决策树模型,应用该模型盲筛 21例肺部良性疾病和47例Ⅰ期肺癌.结果 筛选到23个差异蛋白峰(P<0.001).盲筛分析显示决策树模型诊断敏感性和特异性分别为72.34%和71.43%,阳性预测值和阴性预测值分别为85.0%和78.95%,诊断正确性为72.06%.结论 应用SELDI-TOF-Ms技术初步建立的蛋白质模型为肺癌的早期诊断提供了新的技术平台.     

血清蛋白质指纹图谱诊断模型在肾癌中的应用

目的 检测肾癌患者血清蛋白质,筛选特异的蛋白质标记物,构建用于肾癌早期诊断的血清蛋白质指纹图谱模型.方法 应用蛋白质芯片CM10及表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)技术测定168例血清标本(其中肾癌53例,肾良性占位性病变47例,健康志愿者68例)的蛋白质质谱,用随机抽取的118例标本(肾癌38例,肾良性占位病变30例,健康志愿者50例)作为训练组,应用支持向量机进行训练和交叉验证,建立肾癌诊断模型;其余50例标本进行盲法验证.结果 利用质荷比分别为5350、4100、3446、5027和6115的5个蛋白峰建立区分肾癌和正常人的诊断模型,其敏感性为94.74%,特异性为92%.盲法验证显示敏感性为93.33%,特异性为88.89%.区分肾癌和肾良性占位病变的诊断模型,敏感性为92.11%,特异性为90%.区分透明细胞癌和其他病理类型的肾癌的诊断模型对透明细胞癌的判别率为92.84%,对其他病理类型的肾癌的判别率为81.82%.结论 表面增强激光解吸电离/飞行时间质谱技术结合支持向量机建立肾癌血清蛋白质指纹图谱模型对诊断肾癌具有较高的敏感性与特异性.     

脑脊液蛋白质指纹图谱技术在结核性脑膜炎诊断中的作用

[目的]研究脑脊液蛋白质指纹图谱技术在结核性脑膜炎（tubercular meningitis,TBM）诊断中的作用。[方法]应用表面增强激光解吸电离飞行时间质谱技术（surface-enhanced laser desorption/ionization time of flight mass spectrometry ,SELDI-TOF-MS）检测80例脑脊液标本,其中TBM30例、化脓性脑膜炎30例及同期排除中枢感染的上呼吸道感染病例20例,用Biomarker Wizard 软件分析找出差异蛋白峰,蛋白峰差异的比较使用Biomarker Patterns 5.0软件进行统计判别,建立决策树诊断模型,并通过盲法验证评价其准确性和有效性。[结果]蛋白质组谱图分析发现有9个差异显著的蛋白峰（P＆lt;0.01）,4个在TBM组中高表达,m/z分别为15920.00,32540.50,7967.66,8046.85;有4个在TBM组中低表达,其m/z为8762.66,9411.40,6840.92,6649.47。由m/z为8046.85,15920.00及32540.50建立的决策树模型对TBM的诊断准确率为90%。通过盲法验证模型对TBM的诊断准确率为85%。[结论]由3个差异蛋白峰构成的TBM蛋白质指纹图谱诊断模型为TBM的诊断提供了新的借鉴和参考。     

血清蛋白质指纹图谱预测模型在胰腺癌诊断中的应用研究

目的 血清蛋白质指纹图谱预测模型在胰腺癌诊断中的建立及应用.方法 应用表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)技术,分析胰腺癌患者和健康对照者的血清蛋白质指纹图谱,从中筛选出与胰腺癌相关的血清差异蛋白质,通过生物信息学方法建立胰腺癌诊断预测模型,并通过盲法检测验证该模型的可靠性.比较该诊断预测模型与胰腺癌传统血清肿瘤标志物CA19-9对于胰腺癌诊断的灵敏度和特异度,评价其临床应用价值.结果 采用金属亲和捕获芯片(IMAC3),在胰腺癌患者血清中发现了12个差异表达蛋白质,其中有6个蛋白质诊断胰腺癌的价值高于CA19-9;应用决策树原理,建立了由4个节点、5个终结点组成的胰腺癌血清蛋白质指纹图谱诊断预测模型;经盲法检测,该模型在区分胰腺癌与健康对照者时的灵敏度是90.7%(39/43),特异度是89.6%(43/48),均优于传统的肿瘤标志物CA19-9,诊断预测模型与CA19-9的系列试验可以将特异度提高至97.9%(47/48),而平行试验可以将灵敏度提高至95.3%(41/43).结论 血清蛋白质指纹图谱预测模型为胰腺癌的诊断提供了一条快速、简便、准确的新途径,并有助于筛选新的肿瘤标志物.     

应用血清蛋白质指纹谱鉴别结直肠癌与其他恶性肿瘤

目的 建立结直肠癌与其他恶性肿瘤的血清蛋白质指纹谱鉴别诊断模型.方法 收集血清标本235份,其中结直肠癌58例,乳腺癌、胃癌、食管癌、肝癌、肺癌及肾癌各15例,结直肠良性病30例及正常人57例组成建模组,应用表面增强激光解吸/电离飞行时间质谱检测其蛋白质指纹谱.用Biomarker Patterns软件分析结直肠癌与其他恶性肿瘤患者血清中的差异蛋白后,建立结直肠癌鉴别诊断最优分类树模型.再从同期住院或健康体检人群中随机抽取以上诸病种及正常人血清标本各10例组成测试组,盲法验证该模型对结直肠癌的鉴别诊断效能.结果 成功建立了由16种蛋白组成的结直肠癌鉴别诊断最优分类树模型.测试模式下对结直肠癌的鉴别诊断准确率83.8%.灵敏度和总特异性分别为86.2%和83.1%.盲法验证显示,预测总准确率为74.4%.结论 应用血清蛋白质指纹谱技术建立的结直肠癌与其他恶性肿瘤的鉴别诊断模型具有较高的敏感性与特异性,值得进一步研究.     

基于肺癌CT的决策树模型在肺癌诊断中的应用

目的:探讨基于肺癌CT的决策树模型在肺癌辅助诊断中的意义。方法:观察61例肺癌患者和50例肺部良性疾病患者的CT片,对边缘情况、毛刺征、小泡征等放射学特征进行量化,结合临床资料对肺癌相关的危险因素行单因素非条件logistic回归和多因素非条件logistic逐步回归分析,采用有意义的因素分别建立决策树、logistic回归2种肺癌诊断模型。采用筛检实验评价指标和ROC曲线比较2种模型对预测集样本的预测效果。结果:多因素非条件logistic逐步回归分析显示年龄、边缘情况、毛刺征、小泡征及纵隔肿大淋巴结对鉴别诊断肺癌意义较大;logistic回归模型对预测集的预测灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为86.89%、84.00%、85.59%、86.89%、84.00%,决策树模型上述指标分别为95.08%、86.89%、90.99%、89.23%、93.48%;logistic回归模型和决策树模型ROC曲线下面积分别为0.854(0.775~0.914)和1.000(0.967~1.000),差异有统计学意义(Z=4.273,P<0.05)。结论:建立的决策树模型诊断肺癌的效果优于logistic回归模型。     

基于人工神经网络的血清蛋白质指纹图谱模型在肝癌诊断中的应用

目的 建立蛋白质芯片技术检测血清蛋白质指纹图谱的方法,探讨基于人工神经网络的血清蛋白质指纹图谱模型在肝癌诊断中的应用价值。方法 应用蛋白质指纹图谱分析仪(表面-增强激光解析-电离-飞行时间质谱仪,SELDI-TOF-MS),测定106例肝癌、肝硬化患者和健康人血清标本的蛋白质指纹图谱并结合人工神经网络方法进行数据的分析。将106例标本随机分成训练组70例(肝癌35例,肝硬化14例,健康人21例)和盲法测试组36例(肝癌17例,肝硬化8例,健康人11例)。利用从训练组得出的基于人工神经网络的血清蛋白质指纹图谱模型,对36例未知血清进行检测,并与甲胎蛋白(AFP)检测结果进行比较。结果 应用该方法对肝癌进行诊断的准确率、敏感性和特异性分别为91．7％(33／36)、88．2％(15／17)和94．6％(18／19),明显高于AFP检测结果。结论 基于人工神经网络的血清蛋白质指纹图谱模型在肝癌的诊断中较以往的传统方法具有更高的敏感性和特异性,值得进一步研究与应用。     

运用蛋白质指纹图谱技术建立系统性红斑狼疮诊断模式的研究

目的 运用蛋白质指纹图谱技术筛选系统性红斑狼疮(SLE)患者血清中的特异性蛋白标志物,建立SLE疾病相关的蛋白质组学诊断模型.方法 联用弱阳离子磁珠与蛋白质芯片阅读仪绘制64例SLE患者组及168例对照组的血清蛋白质指纹图谱,用Biomarker Patterns Software 5.0(BPS)软件筛选特异性的血清蛋白标志物并建立SLE诊断模型.结果 在SLE患者组和对照组之间找到60个差异蛋白峰(P<0.05),其中28个蛋白峰在SLE患者表达增高,32个蛋白峰表达降低.由BPS软件筛选的4个蛋白标志物(质荷比为3376.02、4070.09、7770.45、28045.10)建立的诊断模型能很好的把SLE患者与其他自身免疫性疾病和健康对照者区分出来,经过盲法验证,其对SLE的诊断敏感性为78%,特异性为96%.结论 采用蛋白质指纹图谱技术能筛查识别出与SLE疾病相关的特异性血清蛋白标志物,由4个质荷比分别为3376.02、4070.09、7770.45和28045.1的SLE特异性血清蛋白标志物建立的SLE疾病诊断模型具有高敏感性及特异性.     

新疆维吾尔族食管癌患者血清蛋白指纹图谱诊断模型的建立

目的:筛选并建立新疆维吾尔族食管癌血清蛋白指纹图谱诊断模型,为食管癌的诊断与临床筛查提供新的途径。方法:采用弱阳离子交换蛋白质芯片(CM10蛋白芯片)及表面增强激光解析离子化飞行时间质谱(SELDI-TOF-MS)技术对23例新疆维吾尔族食管癌和33例新疆维吾尔族正常对照者血清指纹图谱进行检测,所得结果用ZUCI-蛋白芯片数据分析系统(ZUCI-Protein Chip Data Analyze System)软件包进行分析,通过支持向量机运算建立区分新疆维吾尔族食管癌蛋白指纹图谱诊断模型,并用留一法交叉验证作用评估模型,判别效果。结果:通过软件包运算,用2个质荷比峰(3269.4621、6056.8714m/z)建立了新疆维吾尔族食管癌蛋白指纹图谱诊断模型,准确度为92.9%,灵敏度为91.3%,特异度为93.9%,阳性预测值为91.3%。结论:SELDI-TOF-MS技术结合支持向量机建立新疆维吾尔族食管癌血清蛋白质指纹图谱模型为早期筛查及诊断新疆维吾尔族食管癌提供了一种特异性强、灵敏度高的新方法,值得进一步的研究和应用。     

蛋白指纹图谱蛋白芯片技术检测诊断早期胃癌的临床意义

目的:应用SELDI蛋白质芯片检测胃癌患者血清蛋白质指纹图谱,筛选候选肿瘤标志物以建立诊断模型,并探讨其诊断早期胃癌的临床意义。方法:表面加强激光解吸电离-飞行时间质谱(SELDI-TOF-MS)技术及其配套蛋白质芯片检测80例胃癌患者(Ⅰ/Ⅱ期40例与Ⅲ/Ⅳ期40例)、80例良性胃病患者(胃溃疡40例与慢性萎缩性胃炎40例)和80例健康人的血清蛋白质质谱。将部分研究对象随机分为训练集(40例胃癌、20名良性胃病与20名健康人群)和验证集(40例胃癌、20名良性胃病与20名健康人群),前者用于筛选胃癌差异蛋白标志物并建立人工神经网络诊断模型,后者用于模型诊断效度的盲法验证。结果:质荷比(m/z)分别为2927、3217、3236、3287的4个蛋白质峰组合所构建的诊断模型能达到诊断胃癌患者的最佳诊断效果,灵敏度90.0%,特异度92.5%。结论:SELDI蛋白芯片技术在胃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,值得进一步研究。     

Applied research on serum protein fingerprints for prediction of Qi deficiency syndrome and phlegm and blood stasis in patients with non-small cell lung cancer

OBJECTIVE:This study screened serum tumor biomarkers by surface enhanced laser desorption/ionization time-of-flight mass spectrometry(SELDI-TOF-MS) to establish a subset which could be used for the prediction of Qi deficiency syndrome and phlegm and blood stasis in patients with non-small cell lung cancer;and as diagnostic model of Chinese medicine.METHODS:Serum samples from 63 lung cancer patients with Qi deficiency syndrome and phlegm and blood stasis,and 28 lung cancer patients with non-Qi deficiency syndrome and phlegm and blood stasis were analyzed using SELDI-TOF-MS with a PBS II-C protein chip reader.Protein profiles were generated using immobilized metal affinity capture(IMAC3) protein chips.Differentially-expressed proteins were screened.Protein peak clustering and classification analyses were performed using Biomarker Wizard and Biomarker Pattern software packages,respectively.RESULTS:A total of 268 effective protein peaks were detected in the 1,000-10,000 Da molecular range for the 15 serum proteins screened(P<0.05).The decision tree model was M 2284.97,with a sensitivity of 96.2% and a specificity of 66.7%.CONCLUSION:SELDI-TOF-MS techniques,combined with a decision tree model,can help identify serum proteomic biomarkers related to Qi deficiency syndrome and phlegm and blood stasis in lung cancer patients;and the predictive model can be used to discriminate between Chinese medicine diagnostic models of disease.     

胃癌血清蛋白指纹人工神经网络诊断模型的研究

目的建立胃癌人工神经网络蛋白分子诊断模型,寻找胃癌早期诊断的新方法。方法采用表面增强激光解析离子化飞行时间质谱(SELDI-TOF-MS)技术及配套芯片CM10和Biomarker Wizard 3.1软件筛选胃癌差异表达蛋白,通过人工神经网络(ANN)建立并验证胃癌的SELDI分子诊断模型。结果共建立3个胃癌诊断模型(Ⅰ、Ⅱ、Ⅲ),分别为胃癌的诊断、筛查、鉴别诊断模型。选其中由5个差异表达蛋白(质荷比为2502、2544、3085、8574、8740)组成的胃癌人工神经网络诊断模型Ⅰ作为胃癌人工神经网络诊断模型,对胃癌的诊断灵敏度为95.0%,特异度为98.33%,阳性预测值为95.0%,阴性预测值为98.33%,诊断准确度为97.5%。结论 SELDI-TOF-MS技术对胃癌的早期诊断具有一定的价值,值得进一步的研究。     

三种血清肿瘤标志物联合检测在肺癌诊断中的应用研究

目的探讨癌胚抗原（CEA）、神经元特异性烯醇化酶（NSE）和鳞状细胞癌抗原（SCC）辅助诊断肺癌的临床应用。方法用化学发光免疫分析法测定133例肺癌和169例良性疾病患者血清CEA、NSE和SCC水平。评价它们对肺癌的诊断价值。结果单项CEA、NSE和SCC检测的诊断灵敏度、诊断特异性、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为49.6%、89.3%、78.6%、69.3%、4.8和0.56,41.4%、91.1%、78.6%、66.4%、4.7和0.64,39.8%、92.3%、80.3%、66.1%、5.2和0.65。二项联合平行试验的诊断灵敏度约60%,特异性大于85%。三项联合平行试验的诊断灵敏度为71.4%,特异性为85%。结论 CEA、NSE和SCC联合平行试验可明显提高对肺癌的诊断灵敏度,有利于肺癌的早期诊断。     

肺癌患者外周血肺组织特异性基因mRNA检测的诊断价值

目的: 探讨荧光定量RT-PCR法测定外周血肺组织特异性基因(lung-specific X protein gene,LUNX) mRNA表达对肺癌的诊断价值。方法: 荧光定量RT-PCR法检测67例肺癌患者(其中30例手术患者测定术前和术后外周血)、40例良性肺疾病患者、20名健康体检者外周血LUNX mRNA表达,67例肺癌患者同时用放免法测定外周血中CEA、CA125、Cyfra21-1。结果: 肺癌患者外周血LUNX mRNA表达阳性率(56.7%)均高于CEA、CA125、Cyfra21-1单项或三者联合检测(分别为16.4%、26.9%、11.9%和32.8%)(P<0.05~P<0.005)。荧光定量RT-PCR法测外周血LUNX mRNA表达诊断肺癌的敏感性为56.7%,特异性100%,阳性预测值为100%,阴性预测值为67.4%。结论: 荧光定量RT-PCR法测定外周血LUNX mRNA可能成为肺癌基因诊断一项较好的指标。     

血清NSE、CYFRA21-1检测对肺癌诊断的临床应用

目的　探讨血清NSE、CYFRA2 1 1检测对肺癌诊断的临床应用价值。方法　检测 173例肺癌、36例肺良性疾病患者和 5 2例正常对照血清NSE、CYFRA2 1 1的水平 ,NSE采用电化学发光免疫分析法 ,CYFRA2 1 1采用放射免疫分析法。结果　肺癌组病人血清NSE、CYFRA2 1 1水平均明显高于肺良性疾病组和正常对照组 (P <0 0 0 1) ,NSE水平升高以小细胞肺癌 (SCLC)最为显著 (86 72± 98 2 μg L) ,灵敏度为 82 4 % ,特异性为 95 5 % ;而CYFRA2 1 1水平升高则以非小细胞肺癌 (NSCLC)最为显著(18 6 7± 2 1 6 1μg L) ,灵敏度为 6 1 4 % ,特异性为 95 5 %。NSE、CYFRA2 1 1联合检测肺癌的灵敏度为 91 9% ,特异性为 95 2 % ,阳性预测值为 95 2 % ,阴性预测值为 85 1% ,实验有效率为 91 6 %。结论　血清NSE、CYFRA2 1 1检测对肺癌诊断均有重要意义 ,NSE、CYFRA2 1 1分别有助于辅助诊断SCLC、NSCLC ;两项联合检测可提高肺癌诊断的临床价值 ,优于单项检测。     

SELDI-TOF-MS蛋白质芯片技术建立胃癌血清特异性标志物诊断分类树研究

目的:观察胃癌手术前后血清蛋白质谱的变化,筛选能够快速诊断胃癌的特异性标志物。方法:采用IMAC#3蛋白质芯片和表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)蛋白质芯片技术,对46例胃癌患者和40例正常人的血清蛋白质谱进行分析。结果:胃癌术前血清与正常人血清蛋白质谱有14个蛋白质表达量有明显差异。以热休克蛋白27、葡萄糖调节蛋白、抑制素、蛋白质二硫化物异构酶A 3这4个蛋白质所组成的模板,可将胃癌与正常人正确分组,利用该模板建立胃癌诊断的分类树模型用于诊断胃癌的灵敏度95.7%,特异性92.5%,术后血清蛋白质谱中,原表达上调的蛋白质明显下调。结论:SELDI-TOF-MS蛋白质芯片技术为建立蛋白质模板用以诊断胃癌提供了可靠的技术平台。     

基于支持向量机的血清蛋白质指纹图谱模型在甲状腺癌诊断中的应用研究

目的 检测甲状腺癌患者血清蛋白质,筛选特异的蛋白质标记物,构建用于甲状腺癌早期诊断的血清蛋白质指纹图谱模型。方法 应用表面增强激光解吸电离主飞行时间质谱（SELDITOF-MS）技术测定81例血清标本（其中甲状腺癌40例,甲状腺腺瘤9例,健康人32例）的蛋白质质谱,用随机抽取的66例标本（甲状腺癌32例,甲状腺腺瘤9例,健康人25例）作为训练组,应用支持向量机进行训练和交叉验证,建立甲状腺癌诊断模型。结果区分甲状腺癌和正常人的诊断模型经留一法交叉检验该模型敏感性87.5％,特异性80％,用15例未知血清经盲法测试其敏感性为100％,特异性为86％;区分甲状腺癌和甲状腺腺瘤的诊断模型经留一法交叉检验敏感性为96．8％,特异性为89％。区分乳头状甲状腺癌和其他病理类型的甲状腺癌的诊断模型对乳头状甲状腺癌的判别率为97％,对其他病理类型的甲状腺癌的判别率为71％。结论表面增强激光解吸电离主飞行时间质谱技术结合支持向量机建立甲状腺癌血清蛋白质指纹图谱模型为早期筛查及诊断甲状腺癌提供了一种特异性强、敏感性高的新方法,值得进一步研究和应用。     

非小细胞肺癌淋巴转移血清蛋白指纹图谱分析

目的 应用表面增强激光解析离子化-飞行时间-质谱(SELDI-TOF-MS)技术获得区分非小细胞肺癌患者淋巴结转移的诊断模型及血清特异性蛋白.方法 应用弱阳离子蛋白芯片CM10及SELDI-TOF-MS技术检测84例肺癌患者血清中蛋白的相对含量(其中N0、N1、N2患者分别为35例、19例和30例),从淋巴结转移(N0组对比N1+N2组)和纵隔淋巴结转移(N0+N1组对比N2组)两方面进行分析,分别建立诊断模型.结果 在随机抽取50例构建的模型中,诊断淋巴结转移组病例的灵敏度和特异度分别为96.3%(26/27)和95.7%(22/23),同时进行盲法验证;随后将15例病理确认第10至14站淋巴结均无转移的N0病例与49例出现淋巴结转移患者(N1+N2)对比构建模型,预测转移的灵敏度和特异度别为77.6%和93.3%,其中相对分子质量6682等6个蛋白峰有显著差异;而诊断纵隔淋巴结转移模型的灵敏度为80.0%(24/30),特异度为77.8%(42/54).结论 SELDI-TOF-MS技术在预测非小细胞肺癌患者淋巴结转移方面具有应用价值,而该诊断模型以及与转移相关的蛋白需进一步研究证实.