SELDI-TOF-MS技术筛选类风湿关节炎血清特异性蛋白质的研究

发布时间：2017-11-14 09:26

  本文关键词：SELDI-TOF-MS技术筛选类风湿关节炎血清特异性蛋白质的研究

  更多相关文章： 类风湿关节炎 蛋白质指纹图谱 表面增强激光解析离子化/飞行时间质谱 蛋白质芯片

【摘要】：目的:联合表面增强激光解析离子化/飞行时间质谱(SELDI-TOF-MS)和蛋白质芯片技术检测类风湿关节炎(rheumatoid arthritis,RA)患者血清差异蛋白质,获取相关差异蛋白质谱图,构建RA诊断模型、早期诊断模型、并发有干燥综合征(Sjogren syndrome,SS)、肺间质病变(interstitial lung disease,ILD)、股骨头坏死(osteonecrosis ofthe femeral head,ONPH)的诊断模型、病情活动度监测的模型,有助于临床上,单一芯片就可以完善RA早期诊断、疾病活动度及病情变化监测,可以简化临床步骤和节约医疗费用,并为进一步探索RA发病机制中提供技术平台。方法:1.研究人群:依据1987年ACR或2009年ACR/EULAR诊断标准,共纳入的96例RA患者及76例健康对照组;2.RA患者分组如下2.1依据RA诊断标准进行分组:2.1.1将纳入对象随机分为盲筛组(RA为83例和健康人群为56例)和验证组(RA为14例和健康人群为20例);2.1.2依据1987年ACR或2009年ACR/EULAR诊断标准分组,包括符合1987年诊断标准(43例)、仅符合2009年诊断标准的RA(40例);2.1.3包括单纯RA(44例)、RA-SS(18例)、RA-ILD(22例)及RA-ONPH(6例);2.2依据DAS28疾病活动度评估方法进行分组:依据DAS282.6:病情缓解;2.6DAS≤3.2:低疾病活动度;3.2DAS≤5.1:中等疾病活动度;das5.1:高疾病活动度。包括缓解期(15例)与活动期(68例),其中低疾病活动度17例,中疾病活动度21例,高疾病活动度30例;2.3筛选差异蛋白依据血清学指标分组,包括血清学抗体阳性组(至少一项血清学抗体(抗核抗体(ana)、抗环胍氨酸肽(ccp)抗体、抗角蛋白抗体(aka)、类风湿因子(rf)阳性)(66例)与血清学抗体阴性组(17例)、抗ccp抗体阳性组(51例)与抗ccp抗体阴性组(32例)、rf阳性组(60例)与rf阴性组(23例);按治疗分组,益赛普组(36例)、mtx组(19例)及联合lef与hcq组(34例)。3.采集纳入研究对象及11例使用重组人Ⅱ型肿瘤坏死因子受体抗体融合蛋白(益赛普)治疗后血清,血清分装并长期储存在-80℃,仅限冻溶1次。4.seldi-tof-ms技术于2002年获诺贝尔化学奖,为主要应用技术maldi的一种,是蛋白质组学主要研究手段之一。本研究主要应用决策树方法构建诊断模型。5.采用seldi质谱仪自带的biomarkerwizard软件初步筛选上述分组的差异蛋白质(卡方检验,p0.05),并利用biomarkerpattern软件(采用决策树方法对目标对象进行分类)初步建立诊断预测模型,并计算其敏感性和特异性,用roc曲线描述诊断模型的可靠性(auc在0.5~0.7时有较低准确性,auc在0.7~0.9时有一定准确性,auc在0.9以上时有较高准确性。auc=0.5时,说明诊断方法完全不起作用,无诊断价值。auc0.5不符合真实情况,在实际中极少出现)。结果:1ra患者诊断模型建立1.1ra与健康组诊断模型建立将纳入对象随机分为盲筛组(ra为83例和健康人群为56例)和验证组(ra为14例和健康人群为20例),盲筛组中发现58个差异蛋白峰(p0.05),通过决策树方法发现由m/z3448.857、4716.712、8214.285、10645.1组成诊断模型,其敏感性可达91.566%,特异性可达92.857%,roc曲线下面积为0.937,验证组中其敏感性可达100%,特异性可达95%。1.21987年诊断标准与2009年诊断标准的ra分组诊断模型建立43例符合1987年诊断标准与40例符合2009年诊断标准的ra患者筛选得到11个差异蛋白质(p0.05),通过决策树方法发现由m/z1679.331、m/z2032.31、m/z4465.218、m/z33897.72组成的诊断模型,其敏感性可达92.5%,特异性为81.395%,roc曲线下面积为0.909。1.3并发有ss、ild、onph的诊断模型建立1.3.144例单纯ra患者与22例ra-ild患者筛选得到13个差异蛋白质(p0.05),通过决策树方法发现由m/z10645.1、m/z12595.86组成的诊断模型,其敏感性可达86.364%,特异性为84.091%,roc曲线下面积为0.856。1.3.244例单纯ra患者与18例ra-ss患者筛选得到13个差异蛋白质(p0.05),通过决策树方法发现由m/z6635.623、m/z33897.72组成的诊断模型,其敏感性可达77.778%,特异性为79.545%,roc曲线下面积为0.794。1.3.344例单纯ra患者与6例ra-onph筛选得到2个差异蛋白质(p0.05),通过决策树方法发现由m/z2071.689组成的诊断模型,其敏感性可达66.667%,特异性为95.445%,其roc曲线面积为0.811。2.ra患者病情活动度监测诊断模型建立2.1ra缓解期与活动期诊断模型建立2.1.115例缓解期ra患者与17例低疾病活动度期患者检测差异蛋白,发现6个蛋白峰差异具有显著意义(p0.05),通过决策树方法发现由m/z1130.776、m/z1501.065、m/z2091.198、m/z11381.87组成的诊断模型,其敏感性可达94.118%,特异性为93.333%,roc曲线下面积为0.990。2.1.215例缓解期与21例中疾病度活动期ra患者筛选差异蛋白,发现3个差异表达的蛋白质(p0.05),通过决策树方法发现由m/z1330.019、m/z1501.065、m/z4060.468组成的诊断模型,其敏感性可达95.238%,特异性为86.667%,roc曲线下面积为0.973。2.1.315例缓解期与31例高疾病度活动期ra患者筛选差异蛋白,发现2个差异表达的蛋白质(p0.05),通过决策树方法发现由m/z2013.494、m/z8765.232组成的诊断模型,其敏感性可达80.645%,特异性为86.667%,roc曲线下面积为0.898。2.2低级病活动期与中疾病活动期诊断模型建立17例低疾病活动期与21例中疾病度活动期ra患者筛选差异蛋白,发现7个差异表达的蛋白质(p0.05),通过决策树方法发现由m/z2032.31、m/z2506.214、m/z9286.495组成的诊断模型,其敏感性可达90.48%,特异性为100%,roc曲线下面积为0.989。2.3中疾病活动期与高疾病活动期诊断模型建立21例中疾病活动期与31例高疾病度活动期ra患者筛选差异蛋白,筛选3个差异表达的蛋白质(p0.05),通过决策树方法发现由m/z2032.31、m/z4716.71组成的诊断模型,其敏感性可达74.194%,特异性为76.190%,roc曲线下面积为0.786。2.4低级病活动期与高疾病活动期诊断模型建立17例低疾病活动期与31例高疾病度活动期ra患者筛选得到5个差异表达的蛋白质(p0.05),通过决策树方法发现由m/z2013.494、m/z4825.63组成的诊断模型,其敏感性可达87.09%,特异性为88.235%,其roc曲线面积为0.916。3血清差异蛋白筛选3.1血清学抗体阳性组(至少一项血清学抗体(ana、aka、ccp、rf)阳性)与阴性组(血清学抗体阴性)66例抗体阳性组与17例抗体阴性组的ra患者筛选得到7个差异蛋白质(p0.05),通过决策树方法发现由由m/z1221.005、m/z2385.32、m/z4825.63、m/z8765.232组成的诊断模型,其敏感性可达86.567%,特异性为87.5%,roc曲线下面积为0.926。3.2抗ccp抗体阳性组与阴性组51例抗ccp抗体阳性组与32例抗ccp抗体阴性组的ra患者筛选得到5个差异蛋白质(p0.05),通过决策树方法发现由m/z1247.027、m/z2671.604、m/z4465.218、m/z28057.6组成的诊断模型,其敏感性可达94.118%,特异性为90.625%。roc曲线下面积为0.948。3.3rf阳性组与阴性组60例rf阳性组与23例rf阴性组的ra患者筛选得到6个差异蛋白质(p0.05),通过决策树方法发现由m/z1501.065组成的诊断模型,其敏感性可达78.333%,特异性为65.21%,roc曲线下面积为0.718。3.4益赛普组与mtx组36例益赛普组与19例mtx组有20个差异表达蛋白质(p0.05),如下图所示,其中18个蛋白峰谱在益赛普治疗组中表达上调,2个蛋白峰谱表达下调。3.5益赛普组与联合lef与hcq组36例益赛普组与34例联合lef与hcq组有2个差异表达蛋白质,其中m4060、46和m6436、40在益赛普组中表达均上调。3.6mtx组与联合lef与hcq组19例mtx组与34例联合lef与hcq组有14个差异表达蛋白,在mtx组中表达均下调。4益赛普治疗前后血清差异蛋白比较11例接受益赛普治疗的ra患者依据acr20分为有效组(7例)和无效组(4例)。有效率可达63.6%。acr20有效组和acr20无效组进行差异蛋白筛选,其诊断模型由m/z2671.604、m/z5801.841、m/z8130.196、m/z9286.495组成,m/z5801.841、m/z8130.196、m/z9286.495在有效组中表达下调,m/z2671.604在有效组中表达上调。结论:1.通过seldi-tof-ms技术及biomarkerwizard和biomarkerpattern软件分别建立了ra早期诊断和诊断模型及ra-ss、ra-ild及ra-onph诊断模型,依据das28进行疾病活动度分期,构建疾病活动度诊断模型,血清学抗体阳性组与阴性组、抗ccp抗体阳性与阴性组及rf阳性与阴性组以及对益赛普组与mtx组、联合lef与hcq组不同治疗组间的差异蛋白筛选。2.初步探索益赛普治疗前后ra患者血清差异蛋白,构建预测生物疗效的生物标记物。3.上述诊断模型其敏感性与特异性均较高,且对ra诊断模型进行了验证。在绘制的ROC曲线中,进一步验证诊断模型具有一定的可靠性。
【学位授予单位】：山西医科大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R593.22

【相似文献】

中国期刊全文数据库 前10条

1 陈秋梅;张敏强;;认知诊断模型发展及其应用方法述评[J];心理科学进展;2010年03期

2 胡永瑜;观测和设计诊断模型的简易方法[J];国外医学参考资料.口腔医学分册;1978年06期

3 杨涛;吴承玉;;基于人工神经网络的心系基础证诊断模型构建[J];中国中医基础医学杂志;2013年09期

4 江启煜;孙晓生;;试论“辨证元”计量诊断模型的基础[J];广州中医药大学学报;2010年02期

5 郭磊;苑春永;边玉芳;;从新模型视角探讨认知诊断的发展趋势[J];心理科学进展;2013年12期

6 周攀;丁银环;何鹏;吴鹏强;刘文军;王开正;;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[J];中国实验血液学杂志;2013年01期

7 龚丽云;张震宇;郑燕华;张建中;;血清蛋白指纹图谱用于建立妊娠期高血压疾病诊断模型的研究[J];中华妇产科杂志;2007年12期

8 谢松喜;陈明;黄玉娟;陈剑光;胡晓;吴一龙;;非小细胞肺癌脑转移脑脊液蛋白质谱诊断模型的建立及其应用[J];中华肿瘤防治杂志;2009年20期

9 王士杰;张立玮;于卫芳;余捷凯;郑树;李英赛;尔丽绵;温登瑰;高金宏;徐志彬;;高发区筛查人群食管鳞癌血清蛋白指纹图谱诊断模型的建立及临床价值[J];中华肿瘤杂志;2007年06期

10 李蓉;孙媛;;机器学习技术在胸癌诊断中的应用[J];科学技术与工程;2011年20期

中国重要会议论文全文数据库 前4条

1 刘文;边玉芳;陈玲丽;;题组认知诊断方法模拟研究[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

2 张辉;孔北华;;卵巢癌患者血清差异表达蛋白诊断模型的研究[A];中华医学会第九次全国妇科肿瘤学术会议论文汇编[C];2006年

3 宋丽红;汪文义;戴海琦;丁树良;;基于贝叶斯网的认知诊断模型构建[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 邱福铭;黄建;陈益定;余捷凯;;胃癌血清蛋白质质谱诊断模型的建立与评价[A];中国蛋白质组学第三届学术大会论文摘要[C];2005年

中国博士学位论文全文数据库 前3条

1 陈妍洁;血浆microRNA检测在肝硬化早期诊断中的价值[D];复旦大学;2014年

2 何虹;口腔鳞状上皮细胞癌组织和患者血清、唾液蛋白质组学诊断模型的建立[D];浙江大学;2008年

3 万霞;死因推断量表肿瘤诊断模型的研究[D];中国协和医科大学;2007年

中国硕士学位论文全文数据库 前10条

1 吴方文;补偿型的多级评分认知诊断模型的开发及其在抑郁症状评估中的应用[D];江西师范大学;2015年

2 梁娜娜;SELDI-TOF-MS技术筛选类风湿关节炎血清特异性蛋白质的研究[D];山西医科大学;2016年

3 李旎;关于三值社会诊断模型的研究[D];湘潭大学;2009年

4 霍菲;初中数学个性化诊断模型研发的初步探讨[D];上海师范大学;2012年

5 周攀;原发免疫性血小板减少性紫癜血小板蛋白组学诊断模型的研究[D];泸州医学院;2013年

6 玄超;应用表面增强激光解析电离飞行时间质谱技术筛选鼻咽癌血清生物标志物及建立诊断模型的研究[D];广西医科大学;2009年

7 唐悦清;原发性醛固酮增多症模糊数学诊断模型的研究[D];山东大学;2006年

8 王泽和;基于人体测量学构建非体力劳动者NAFLD诊断模型及相关指标切点值的探讨[D];广东药学院;2013年

9 王晓丽;基于近红外光谱技术的水稻叶部病害诊断模型构建[D];中国农业科学院;2011年

10 郑慧禹;食管癌血清蛋白质谱结合人工神经网络诊断模型建立的应用研究[D];泸州医学院;2009年

，

本文编号：1184822