基于生物信息学方法的血清标记物模型在胃癌诊断中应用

背景与目的:胃癌患病率和病死率迅速上升,发病年龄逐渐提前已引起普遍关注.由于临床上缺乏好的肿瘤标志物检测方法,绝大多数的胃癌患者确诊时已是中晚期.早期诊断、早期治疗是提高胃癌生存率和降低死亡率的关键.本研究旨在联合检测多种血清肿瘤相关标志物,建立基于人工神经网络的胃癌血清标记物诊断模型,并应用于胃癌的早期临床诊断.方法:应用酶联免疫吸附法(enzyme-linked immunosorbent assay,ELISA)分别测定89例胃癌患者和85例健康人的血清标本中癌胚抗原(carcinoembryonic antigen,CEA)、甲胎蛋白(alpha-fetaprotein,AFP)、癌抗原19-9(CA19-9)、癌抗原72-4(CA72-4)、癌抗原242(CA242)、细胞角质蛋白19片段(cytokeratin 19 fragment,CYFRA21-1)、神经元特异性烯醇化酶(neuro-specific enolase,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134例样本(胃癌70例,健康对照64例)建立诊断模型,并用40例样本(胃癌19例,健康对照21例)作为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CYFA21-1、CA724、CEA、CA199和NSE 5个最优组合的肿瘤标志物,建立的神经网络的胃癌血清标志物诊断模型经盲法验证预测的特异度为89.5%,敏感度为80.9%,阳性预测值81.0%.结论:本研究建立了基于人工神经网络的胃癌多种血清标志物诊断模型,其敏感性和特异性较高,对胃癌的临床诊断具有一定意义,对早期诊断也具有一定价值.     

胆道闭锁血清蛋白质标记物的检测

目的 寻找特异性诊断胆道闭锁的血清蛋白标记物.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28例血清标本(胆道闭锁7例,先天性胆总管囊肿7例,婴肝综合征3例,正常对照11例)的蛋白质质谱表达,结合生物信息学方法(SVM)分析数据.结果 筛选出m/z位于3403、2108、2111、2131、2823的5个蛋白质标记物区分肝胆疾病和正常对照小儿的血清蛋白指纹图谱模型,敏感性94.1%,特异性81.8%;筛选出m/z位于3403蛋白质标记物区分胆道闭锁和正常对照小儿的血清蛋白指纹图谱模型,敏感性100%,特异性100%;筛选出m/z位于3403、4796的2个蛋白质标记物区分胆道闭锁和其他肝胆疾病的血清蛋白指纹图谱模型,敏感性71.4%,特异性80.0%.结论 应用SELDI-TOF-MS结合SVM构建的胆道闭锁血清蛋白指纹图谱模型为胆道闭锁的早期诊断方法开拓了新方向,值得进一步研究.     

血清蛋白质谱与人工神经网络模型诊断卵巢癌的应用性研究

目的 建立筛选卵巢癌血清蛋白质谱与人工神经网络诊断模型的研究。方法 用H4(疏水表面)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)技术检测卵巢癌患者和健康人血清样本的蛋白质谱，同时采用人工神经网络筛选差异蛋白以建立诊断模型。结果 用SELDI-TOF-MS技术和H4蛋白芯片从47例卵巢癌和29名健康人血清中，筛选出4个有明显表达差异的蛋白，其质荷比(m／z)分别为5881、7553、6652和9391。用其中的18名健康人和29例卵巢癌患者样本作训练集和交叉验证后，再用筛选出的4个差异蛋白质建立人工神经网络预测模型。然后，对11名健康人和18例卵巢癌患者样本进行盲法测试，以验证该模型。结果显示，我们建立的诊断模型对卵巢癌检测的敏感性为100％，特异性为90．9％，阳性率为94．7％。结论 血清蛋白质谱与人工神经网络模型对小样本的卵巢癌诊断具有较高的敏感性和特异性，可扩大样本进行深入的应用性研究。     

血清蛋白质指纹图谱与人工神经网络模型在肺癌诊断中的应用

目的筛选肺癌相关标志物并建立诊断肺癌的蛋白质谱模型。方法应用表面增强激光解吸电离飞行时间质谱（SELDI-TOF-MS）技术检测了86例肺癌、80例健康对照样本的血清蛋白质质谱，结合人工神经网络建立肺癌诊断模型。结果从肺癌组与健康对照组中筛选出了4个蛋白质荷比峰建立肺癌诊断模型，该诊断模型的特异性为 100％（95％的置信区间为93.9％～100.0％），敏感性为93.6％（87.6％～96.4％），准确率为96.7%（88.1％～98.3％）。结论成功建立了肺癌诊断模型，该模型在肺癌的诊断中具有较高的敏感性和特异性。     

SELDI-TOF-MS技术在检测肺癌化疗敏感性相关蛋白质中的研究

[目的]应用SELDI-TOF-MS技术探索肺癌患者血清中与化疗敏感性相关的蛋白质。[方法]收集2005年4月至2008年11月初治晚期肺癌28例化疗前血清标本,以CM10芯片（阳离子交换蛋白芯片）为检测介质,经表面加强激光解吸电离—飞行时间—质谱（SELDI-TOF-MS）测定蛋白质质谱,筛选出各化疗方案CR、PR、SD、PD的患者血清中蛋白表达的肽链指纹图谱,寻找与肺癌患者化疗敏感相关的差异蛋白峰,用人工神经网络建立肺癌血清蛋白质指纹图谱化疗敏感相关模型,并做交叉验证评估其诊断的敏感度和特异性。[结果]通过化疗获益组与化疗抗拒组比较,得到7个差异蛋白峰,并以此建立诊断预测模型,其敏感度为92.31%,特异性为100%。验证结果敏感度为76.92%,特异性为87.50%。其中m/z为5482、4969的蛋白质峰在化疗获益组中表达明显高于化疗抗拒组,而m/z为4140的蛋白质峰在化疗抗拒组中表达明显高于化疗获益组。[结论]运用SELDI-TOF-MS技术所建立的肺癌血清蛋白质指纹图谱模型在预测肺癌化疗敏感性中具有较好敏感度与特异性,可望成为较好的预测工具。     

乳头状甲状腺癌患者血清中特异性标志物的检测与鉴定

目的 探讨并鉴定乳头状甲状腺癌患者血清中肿瘤相关蛋白作为特异性标志物的可能性.方法 应用表面增强激光解析电离飞行时间质谱(SELDI-TOF-MS)技术检测35例乳头状甲状腺癌、40例甲状腺良性结节和34例健康对照者的血清标本,应用生物信息学方法筛选差异蛋白峰,经高效液相色谱(HPLC)分离出差异蛋白,酶解后进行液质联用串联质谱(LC-MS/MS)分析,用SEQUEST检索程序查询Bioworks数据库蛋白序列进行鉴定.结果 筛选出6个最显著的差异蛋白质,质荷比(M/Z)分别位于6651、6452、7653、7932、15 106和15 848.M/Z位于6651、6452处的蛋白质在乳头状甲状腺癌组表达低于甲状腺良性结节和健康对照组;M/Z位于7653、7932、15 106、15 848处的蛋白质在乳头状甲状腺癌组表达高于甲状腺良性结节和健康对照组,差异均有统计学意义(均P<0.01).联合6种潜在蛋白质标志物,区别乳头状甲状腺癌和非乳头状甲状腺癌的特异度为88.0%,敏感度为92.5%.bl/Z位于6651、6452、7653和15 106、7932和15 848处的蛋白标志物分别为载脂蛋白C-Ⅰ、载脂蛋白C一Ⅲ、α-珠蛋白、β-珠蛋白.结论 鉴定出的载脂蛋白C-Ⅰ、载脂蛋白C-Ⅲ、α-珠蛋白和β-珠蛋白在乳头状甲状腺癌的诊断中具有一定的价值和广泛的应用前景,值得进一步研究和探讨.     

构建血清蛋白质质谱模型判别家族性腺瘤性息肉病与散发性肠腺瘤

目的 筛选家族性腺瘤性息肉病(FAP)的特异表达蛋白,构建判别FAP与散发性肠腺瘤的血清蛋白指纹图谱诊断模型.方法 采集19例FAP和16例散发性肠腺瘤患者的血清,以表面增强激光解吸电离飞行时间质谱仪(SELDI-MS-TOF)和阴离子CM01蛋白质芯片检测并筛选两组对象间的血清差异表达蛋白质峰,以支持向量机方法构建判别模型.结果 FAP与散发性肠腺瘤相比,P<0.01的蛋白质峰有6个,其中质荷比为5640、3160、4180和4290的蛋白质峰在FAP中高表达,质荷比为3940和3400的蛋白质峰在散发性肠腺瘤患者中高表达.以质倚比分别为5640、3160和4290的蛋白质峰为基础,联合质荷比为3940、13 750和4300的蛋白质峰所建立的模型判别效果最佳,对FAP与散发性肠腺瘤的判别准确率分别为94.7%和93.7%.结论 SELDI-TOF-MS能有效筛选FAP与散发性肠腺瘤的差异表达蛋白,支持向量机方法所建立的质谱模型判别效果较好,为进一步研究FAP的分子发病机制提供了切入点.     

血清肿瘤标志物优化组合人工神经网络模型在大肠癌诊断中的应用

目的:从目前已知的血清肿瘤标志物中筛选出用于大肠癌诊断的最优化肿瘤标志物组合,并联合这组标志物建立基于人工神经网络的大肠癌智能诊断模型.方法:应用酶联免疫吸附法分别测定128例大肠癌患者和113例健康人血清癌胚抗原(CEA)、甲胎蛋白(AFP)、癌抗原199(CA199)、癌抗原724(CA724)、癌抗原242(CA242)、癌抗原211(CA211)、神经元特异性烯醇化酶(NSE)和组织多肽抗原(TPA)共8种肿瘤相关标志物含量,用曲线下面积结合人工神经网络模型的方法评价并筛选最优标志物联合模型,并将此模型应用于大肠癌的诊断.结果:筛选出CEA、CA199、CA242、CA211及CA724 5个最优肿瘤标志物的组合,建立了诊断大肠癌的人工神经网络模型,并用5倍交叉验证,该模型预测大肠癌样本的特异性为95%,敏感性为83%,阳性预测率为95%.结论:本研究筛选出的最优肿瘤标志物组合诊断大肠癌具有较高的敏感性和特异性.     

激光解吸电离-飞行时间质谱技术和CM10蛋白质芯片检测术前大肠癌分期的意义

目的筛选新的大肠癌候选肿瘤标志物,建立分期诊断模型,并探讨其临床意义。方法采用表面加强激光解吸电离-飞行时间质谱(SELDI-TOF-MS)技术和CM10蛋白质芯片,检测76例大肠癌患者术前血清蛋白质指纹图谱;运用支持向量机分析判别处理数据、筛选标志物,建立并验证分期模型;应用时间序列分析的方法,将DukesA、B、C、D各期以二维散点图的形式表示。结果诊断模型Ⅰ由6个蛋白质峰组合构建,其质荷比分别为2759．6、2964．7、2048．0、4795．9、4139．8和37 761．6,鉴别局限性大肠癌(Dukes A、B期)和区域性(Dukes C期)大肠癌的总准确率为86．7％。诊断模型Ⅱ由3个蛋白质峰组合构建,其质荷比分别为6885．3、2058．3和8567．8,鉴别局限区域性(Dukes A、B、C期)和系统性(Dukes D期)大肠癌的总准确率为75．0％。诊断模型Ⅲ鉴别Dukes A期和B期大肠癌的总准确率为86．2％;诊断模型Ⅳ鉴别Dukes A期和C期大肠癌的总准确率为84．6％;诊断模型V鉴别Dukes B期和C期大肠癌的总准确率为85．7％;诊断模型Ⅵ鉴别Dukes B期和D期大肠癌的总准确率为80．0％;诊断模型Ⅶ鉴别Dukes C期和D期大肠癌的总准确率为78．7％。通过二维散点图,可以明显看出Dukes A、B、C、D各期之间的区别。结论通过SELDI-TOF- MS技术和CM10蛋白质芯片所筛选的候选肿瘤标志物可以指导大肠癌的综合治疗,所建立的诊断模型可以辅助临床明确大肠癌的术前分期。     

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。