排序方式: 共有52条查询结果,搜索用时 0 毫秒
51.
[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。 相似文献
52.
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 总被引:5,自引:0,他引:5
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。 相似文献