建立胃癌高发区胃癌血清蛋白指纹图谱诊断模型的探讨

目的 应用表面加强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)技术分析胃癌血清蛋白质指纹图谱,筛选胃癌特异性血清蛋白组合,建立胃癌诊断模型.方法 利用强阴离子交换芯片(Q10)分别对山东省临朐县胃癌高发区36例胃癌患者和46例浅表性胃炎患者的血清蛋白指纹图谱进行检测,采用ZUCIPDAS蛋白芯片数据分析系统,建立高发区胃癌血清蛋白指纹图谱诊断模型,并利用盲筛法验证模型的正确性.结果 通过对26例胃癌患者及37例浅表性胃炎患者血清蛋白指纹图谱进行检测,筛选出差异具有统计学意义的6个蛋白质峰,质荷比分别为8587、6945、8243、3899、7035和9943,并建立胃癌蛋白指纹图谱诊断模型,该模型诊断胃癌的灵敏度达88.5%,特异度达97.3%.在完成建模后,选择19例患者血清进行盲筛,其中胃癌患者10例,浅表性胃炎患者9例.通过盲筛验证,该模型诊断胃癌的灵敏度为80.0%,特异度为88.9%.结论 初步建立了胃癌高发区胃癌血清蛋白指纹图谱诊断模型,该模型诊断胃癌的灵敏度和特异度均达到80%以上,该方法为胃癌的诊断提供了新的思路.     

SELDI技术筛选胃癌相关血清蛋白质指纹图谱的临床研究

目的 应用SELDI-TOF-MS技术筛选胃癌相关血清蛋白质多肽谱指纹并建立辅助诊断胃癌模型.方法 采用CMIO弱阳离子芯片,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50例首次就诊且病理诊断为胃癌患者和16例健康人血清样本并记录其蛋白质多肽谱指纹,利用Biomarker Wizard软件比较两组间的血清蛋白质指纹图谱.Biomark-er Patterns软件进行分析,建立胃癌的特异指纹模型.结果 胃癌患者血清蛋白质多肽谱与健康人相比,有34个蛋白质差异有统计学意义,其中m/z为6016,6744,2822,4474,7892和3242的六个蛋白质组成的诊断模型能达到鉴别胃癌患者和健康人的最佳诊断效果,在测试模式下,灵敏度和特异度分别为96.0%和93.8%,准确度为95.5%.结论 SELDI-TOF-MS技术用于胃癌患者血清蛋白质多肽谱分析可筛选出有意义的差异表达蛋白组多肽谱指纹,可用此方法建立胃癌的辅助诊断模型.     

液体芯片飞行质谱技术与人工神经网络模型在矽尘接触人群诊断中的应用

目的 筛选矽尘接触人群诊断相关血清差异蛋白并建立诊断矽尘接触人群的人工神经网络模型.方法 应用液体芯片飞行时间质谱技术检测I期矽肺组25例,非接触正常对照组、矽尘接触组及O+期组每组30例,共115例样本的血清蛋白质质谱,结合人工神经网络建立矽尘接触人群诊断模型.结果 筛选出2021,2554,5066,8600四个差异蛋白质峰,建立矽尘接触人群诊断模型.其区分矽尘接触人群与正常对照组的特异性为100%,敏感性为90%.准确率为92.3%;该模型对研究样本中接尘组、O+期组和I期矽肺组的样本识别率分别为100%、93%和96%.结论 成功建立了矽尘接触人群诊断模型,该模型在矽尘接触人群的诊断中具有较高的识别率.     

血清蛋白质谱在单纯性室间隔缺损诊断中的应用

目的通过构建血清诊断模型,探讨血清蛋白质谱在诊断单纯性室间隔缺损中的意义。方法采用病例对照研究设计,用CM10蛋白质芯片检测56例单纯性室间隔缺损患儿、85例儿科常见病患儿及23例其他先天性心脏病患儿血清,筛选血清差异蛋白,并构建诊断模型。结果完整模型ROC曲线下面积、预测准确率、灵敏度、特异度、阳性预测值及阴性预测值分别为0.988、95.00%、100.00%、92.42%、87.18%和100.00%,简化模型ROC曲线下面积、预测准确率、灵敏度、特异度、阳性预测值及阴性预测值分别为0.948、94.00%、88.24%、96.97%、93.75%和94.12%。简化模型与完整模型之间预测准确率、灵敏度及特异度比较,差异均无统计学意义（P〉0.05）。结论利用血清蛋白质谱建立的诊断模型能够较好地区分病例与对照,对诊断室间隔缺损具有一定的发展和应用前景。     

应用飞行质谱技术筛选室间隔缺损的血清蛋白标志物

[目的]应用表面增强激光解吸/电离飞行时间质谱技术筛选单纯性室间隔缺损血清蛋白标志物.[方法]采用病例对照设计,用CM10芯片检测56例单纯性室间隔缺损患儿、85例儿科常见病患儿及23例其他先天性心脏病患儿血清,筛选室间隔缺损血清差异蛋白,并通过构建血清诊断模型分析所筛选差异蛋白区分病例与对照能力.[结果]25个蛋白在3组之间的差异具有统计学意义(P<0.05),所构建诊断模型ROC曲线下面积、预测准确率、灵敏度及特异度分别为0.948、94.00%、88.24%、96.97%.[结论]单纯性室间隔缺损患儿、儿科常见病患儿及其他先天性心脏病患儿血清蛋白存在差异,筛选出的差异蛋白能够较好地区分病例与对照,这些蛋白质可能是室间隔缺损的血清标志物.     

弱阳离子磁珠联合MALDI-TOF-MS在2型糖尿病大血管并发症检测中的应用探讨

目的弱阳离子(WCX)磁珠联合应用基质辅助激光解析电离化飞行时间质谱(MALDI-TOF-MS)技术分析2型糖尿病大血管并发症患者血清蛋白组,筛选差异蛋白峰并建立决策树模型,初步探讨所建立的决策树模型在2型糖尿病大血管并发症早期鉴别诊断中的临床意义。方法 55例2型糖尿病大血管并发症患者,84例2型糖尿病无大血管并发症患者,采用WCX联合MALDI-TOF-MS技术获得其蛋白质谱,分析差异并建立决策树模型,扩大样本量,通过盲法验证诊断模型的可靠性。结果建立了由质荷比为16 062.20、31 883.60和7 986.76差异蛋白峰组成的2型糖尿病大血管并发症决策树诊断模型,扩大样本量盲筛敏感性为96.3%,特异性分别为100.0%。结论应用WCX磁珠联合MALDI-TOF-MS技术可筛选出2型糖尿病大血管并发症患者的差异蛋白峰,建立的决策树模型具有的一定的临床应用前景。     

血清蛋白质谱结合人工神经网络在宫颈癌诊断中的应用

目的:采用蛋白质芯片表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术检测宫颈癌病人血清蛋白指纹图谱,通过差异蛋白组学筛选特有的蛋白标记物。方法:应用SELDI-TOF-MS技术和WCX2(弱阳离子)芯片采集58例宫颈癌患者和57例健康人血清蛋白质指纹图谱,采用Biomarker Wizard软件筛选差异蛋白质组。将115例血清随机分为两组:以训练组30例宫颈癌患者和30例健康人建立人工神经网络(ANN)模型,以验证组28例宫颈癌患者和27例健康人血清标本用于模型的双盲法验证。结果:宫颈癌患者与对照组血清蛋白质指纹图谱有145个差异表达的蛋白质峰(P0.05),筛选出质荷比(M/Z)分别为5912、5642、8702、4320、6432的标志蛋白(P10-6),建立人工神经网络模型,其对宫颈癌的诊断敏感性为92.86%,特异性为88.89%,阳性预测值为89.66%,阴性预测值为92.31%。结论:特征蛋白在宫颈癌患者较正常人血清明显的高表达或低表达,可能对宫颈癌的早期诊断和治疗后随访具有重要的指导意义。     

人工神经网络在个体患原发性高血压预测中的应用

目的 在流行病学调查资料的基础上,探讨并评价预测个体患原发性高血压的新方法.方法 选择8 914例社区居民流行病学调查资料,按3:1分为训练集(6 686例)与检验集(2 228例),分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分别建立高血压患病预测模型,用受试者工作曲线(ROC)评价预测模型的优劣.结果 ANN预测模型的灵敏度(95.94%)、特异度(85.04%)、约登指数(80.98%)、一致率(88.78%)优于logistic回归预测模型(灵敏度=51.31%、特异度=95.56%、约登指数=46.87%、一致率=80.39%).通过ROC曲线下面积比较模型的预测能力:ANN预测模型曲线下面积(Az=0.904±0.007)明显大于logistic回归预测模型(Az=0.734±0.012).结论 利用ANN模型进行疾病分类预测,较logistic回归模型能获得更好的预测效果.     

质谱在乳腺癌血清蛋白组中的应用及其临床意义

目的研究乳腺癌患者血清蛋白,筛选候选肿瘤标志物并建立诊断模型,初步探讨所建立的诊断模型在乳腺癌早期诊断中的临床意义。方法对48例乳腺浸润性导管癌患者和26例乳腺良性肿瘤患者与52名健康人血清,采用弱阳离子交换型(WCX)纳米磁珠联合基质辅助激光解析离子化飞行时间质谱,检测各血清标本获得蛋白指纹图谱;用Biomarker Wizard找出差异蛋白,再用Biomarker Patterns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。结果初步筛选出6个差异蛋白峰,差异有统计学意义(P<0.01),建立由3164、3403 m/z两个差异蛋白峰组成的乳腺癌诊断模型,其敏感率为90.0%,特异性为93.3%;扩大样本盲法验证结果其敏感性为77.8%,特异性为90.9%;另外26例乳腺良性肿瘤患者中有21例可以检出。结论由两个差异表达蛋白及其特定组合构成的诊断模型可以区分乳腺浸润性导管癌、乳腺良性肿瘤患者与健康人。     

应用人工神经网络预测个体血脂异常患病危险度

目的建立个体血脂异常患病危险度的预测模型,探讨并评价预测个体血脂异常的新方法。方法选择8914例社区居民流行病学调查资料,按3∶1分为训练集(6686例)与检验集(2228例),分别用于筛选变量、建立预测模型及对模型的检测和评价。应用人工神经网络(ANN)和logistic回归分别建立血脂异常预测模型,受试者工作曲线(ROC)评价预测模型的优劣。结果 ANN预测模型的特异度(64.79%)较低,但灵敏度(94.86%)、约登指数(59.65%)、一致率(81.23%)均优于logistic回归预测模型(特异度=77.49%、灵敏度=53.51%、约登指数=31.00%、一致率=81.23%);ANN预测模型ROC曲线下面积(Az=0.824±0.009)明显大于logistic回归预测模型(Az=0.655±0.012)(P<0.05)。结论在预测个体血脂异常方面,ANN模型较logistic回归模型具有更好的预测判别效能。     

肝组织蛋白质组模式在HBV相关性肝细胞癌早期诊断中的应用研究

目的 通过应用蛋白质组学技术,分析HBV相关性肝细胞癌（HCC）癌组织与非癌组织（包括正常、慢性肝炎、肝硬化肝组织）蛋白质组之间的差异,在癌组织中鉴定出一个能有效区分肝细胞癌和肝脏良性疾病的蛋白质组模式。方法 应用双向凝胶电泳（2-DE）技术获得癌组织和非癌组织蛋白质表达谱。首先对14例癌组织和非癌组织蛋白质谱进行分析,在癌组织蛋白质表达谱中发现一具有鉴别癌组织和非癌组织的蛋白质组模式,再应用该模式对48例未知的癌组织和非癌组织2-DE图谱进行检测。应用质谱技术和数据库分析,对蛋白质组模式中的蛋白质点进行鉴定。结果 发现一个由8个蛋白质点组成的癌组织蛋白质组模式。所有未知的癌组织与非癌组织均得到准确鉴定,灵敏度和特异性均为100％。蛋白质组模式中的8个蛋白质点,经质谱分析和数据库搜索,有3个点得到了鉴定,分别为AFP前体、Gankyrin和核仁磷酸化蛋白B23。结论 对蛋白质组模式中的蛋白质点进一步分析有助于研究HBV相关性HCC的肿瘤标记。蛋白质组模式技术亦有望成为在高危人群和普通人群中对恶性肿瘤进行筛查的工具。因所鉴定的蛋白质来自组织,需进一步研究其是否在外周血中表达。     

Prediction of aqueous solubility for a diverse set of organic compounds based on atom-type electrotopological state indices

We describe robust methods for estimating the aqueous solubility of a set of 734 organic compounds from different structural classes based on multiple linear regression (MLR) and artificial neural networks (ANN) model. The structures were represented by atom-type electrotopological state (E-state) indices. The squared correlation coefficient and standard deviation for the MLR with 34 structural parameters were r(2) = 0.94 and s = 0.58 for the training set of 675 compounds. For the test set of 21 compounds, the equivalent statistics were r(2)(pred) = 0.80 and s = 0.87, respectively. Neural networks gave a significant improvement using the same set of parameters, and the standard deviations were s = 0.52 for the training set and s = 0.75 for the test set when an artificial neural network with five neurons in the hidden layer was used. The results clearly show that accurate models can be rapidly calculated for the estimation of aqueous solubility for a large and diverse set of organic compounds using easily calculated structural parameters.     

基于6项肿瘤标志联合检测的3种分类模型判别肺癌的对比分析

目的联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和Fisherχ2检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、40例肺良性疾病患者及50例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立基于这6项指标的ANN、CART和Fisher判别分析3种诊断肺癌的分类模型。结果ANN、CART和Fisher判别分析模型对肺癌检出的灵敏度分别为100%、93.33%、84.00%,特异度分别为100%、100%、98.89%,对预测集正常、肺良性疾病和肺癌识别的准确度分别为91.67%、86.11%、85.00%,三模型对全部样本判别肺癌的ROC曲线下面积分别为0.964、0.953、0.812,其中ANN与CART模型ROC曲线下面积差异无显著性(P>0.05),而ANN、CART与Fisher判别分析模型ROC曲线下面积差异均有显著性(P<0.05)。结论基于6项肿瘤标志建立的ANN、CART模型判别肺癌的效果优于Fisher判别分析。     

应用人工神经网络筛查胃癌高危人群的研究

摘要:目的　通过建立误差反向传播人工神经网络（Back Popagation Artificial Neural Network,BP-ANN）预测模型分析本地区与胃部高危疾病有关的影响因素并评价模型预测效果。方法　于2012年10月至2014年11月,通过现场调查的方式对719名徐州市三级甲等医院消化科门诊患者进行问卷调查,并且收集其胃镜病理及相关资料。应用Logistic回归模型对影响胃部高危疾病发生的饮食、生活状况及习惯、身体状况等因素进行单因素和多因素分析;运用训练集资料建立BP神经网络,通过测试集142例调查对象评价该方法在实际应用中的预测精度。结果　对调查数据进行胃部高危疾病的Logistic回归单因素分析,分析显示女性、年龄、胃癌家族史、喜食烧烤类食物、生活节奏快等10个因素有统计学意义（P＜0.05）;多因素分析显示,吸烟、饮用自来水、喜食豆制品、常生气、年龄和生活节奏快与胃部高危疾病有关。BP神经网络筛查的效果较好。结论　建立好的BP神经网络可以用于筛检胃癌高危人群。     

A case study of using artificial neural networks for classifying cause of death from verbal autopsy.

BACKGROUND: Artificial neural networks (ANN) are gaining prominence as a method of classification in a wide range of disciplines. In this study ANN is applied to data from a verbal autopsy study as a means of classifying cause of death. METHODS: A simulated ANN was trained on a subset of verbal autopsy data, and the performance was tested on the remaining data. The performance of the ANN models were compared to two other classification methods (physician review and logistic regression) which have been tested on the same verbal autopsy data. RESULTS: Artificial neural network models were as accurate as or better than the other techniques in estimating the cause-specific mortality fraction (CSMF). They estimated the CSMF within 10% of true value in 8 out of 16 causes of death. Their sensitivity and specificity compared favourably with that of data-derived algorithms based on logistic regression models. CONCLUSIONS: Cross-validation is crucial in preventing the over-fitting of the ANN models to the training data. Artificial neural network models are a potentially useful technique for classifying causes of death from verbal autopsies. Large training data sets are needed to improve the performance of data-derived algorithms, in particular ANN models.     

Prediction of biodegradation from the atom-type electrotopological state indices

A group contribution method based on atom-type electrotopological state indices for predicting the biodegradation of a diverse set of 241 organic chemicals is presented. Multiple linear regression and artificial neural networks were used to build the models using a training set of 172 compounds, for which the approximate time for ultimate biodegradation was estimated from the results of a survey of an expert panel. Derived models were validated by using a leave-25%-out method and against two test sets of 12 and 57 chemicals not included in the training set. The squared correlation coefficient (r2) for a linear model with 15 structural parameters was 0.76 for the training set and 0.68 for the test set of 12 molecules. The model predicted correctly the biodegradation of 48 chemicals in the test set of 57 molecules, for which biodegradability was presented as rapid or slow. The use of artificial neural networks gave better prediction for both test sets when the same set of parameters was tested as inputs in neural network simulations. The predictions of rapidly biodegradable chemicals were more accurate than the predictions of slowly biodegradable chemicals for both the regression and neural network models.     

基于人工神经网络的肺癌诊断研究

目的 利用人工神经网络模型ＢＰ算法的多层前馈网络模型原理,建立用于肺癌诊断的神经网络模型。方法 利用人工神经网络的函数逼近功能模型,建立输入到输出的函数映射关系。结果 该模型可较好地反映系统的动态性和数据的时诹关联性。对肺癌诊断数据的应用结果显示肺癌病人的正确检出率为９６．２％,误诊率为３．８％;非肺癌病人的正确检出率为８８％,误诊主继１２％。结论 基于人工神经网络的肺癌诊断方法具有较高的准确性。     

河南省2000-2007年志贺菌多中心研究

志贺菌属分为AB、CD 4个群,即痢疾志贺菌(S.dysenteriae)、福氏志规菌(S.flexneri)、鲍氏志贺菌(S.boydii)、宋内志贺菌(S.sonnei)以及50多个血清型(包括亚型).现将河南省各监测点2000-2007年志贺菌菌型、药敏和毒力基因检测结果报道如下.