肺腺癌患者血清生物标志物的筛选研究_第1页
肺腺癌患者血清生物标志物的筛选研究_第2页
肺腺癌患者血清生物标志物的筛选研究_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、肺腺癌患者血清生物标志物的筛选研究    【摘要】 目的 采用SELDI-TOF-MS技术探讨肺腺癌患者血清蛋白标志物,并建立一个稳定、简便、快速的实验方法。方法 肺腺癌患者321例和正常对照人群321例,按照年龄、性别、吸烟史的有无进行1:1配对,采用WCX2芯片技术进行血清蛋白质组学研究,用蛋白芯片阅读器PBSII对芯片进行扫描、分析。结果 肺腺癌患者血清蛋白图谱与正常对照组相比,存在15个差异表达蛋白(P<10-5),其中包括11个高表达蛋白,分子量分别是1860Da、4055Da、4195Da、4211Da、4959Da、5329Da、59

2、80Da、6313Da、6880Da、7762Da、9281Da,4个低表达蛋白,分子量分别是2564Da、2932Da、3082Da、3442Da。显著高表达的潜在标志物5个,相对分子量分别为4055Da、4211Da、4959Da、5329Da和7762Da,以峰值比1.5为界值时, 其诊断肺腺癌的灵敏度分别为90.41%、78.08%、50.68%、57.53% 、72.60,特异度分别为97.06%、93.44%、71.15%、76.36%、94.92,选用4055Da、4211Da、4959Da、5329Da和7762Da建立决策树模型对样品进行筛选验证,其准确率为85.00%,灵敏

3、度为86.67%,特异度为83.33%。结论 用该技术能筛选出灵敏度和特异性较好的差异表达蛋白,为肺腺癌的早期发现提供了一种新的、无创伤的实验方法,可能具有较好的临床应用前景。     【关键词】 肺腺癌;生物标志物;SELDITOFMS;蛋白质组学     The screening study on lung adenocarcinoma serum biomarkers by SELDI-TOF-MS    【Abstract】 Objective To select relative s

4、pecific biomarkers in serum from lung adenocarcinoma patients using surface-enhanced laser desorption and ionization time of flight mass spectrometry (SELDI-TOF-MS) protein chip technology.Methods Serum samples from 321 lung adenocarcinoma patients, 321 healthy volunteers with matched gender, age an

5、d history of smoking were analyzed using WCX2 potein chip to screening potentially biomarkers. Proteomic spectra were generated by mass spectrometry.Results Five highly expressed potential biomarkers were identified with the relative molecular weights of 4055Da, 4211Da, 4959Da, 5329Da and 7762Da. Th

6、e sensitivity for diagnosing lung adenocarcinoma was 90.41%, 78.08%, 50.68%, 57.53%, 72.60%; and specificity was 97.06%, 93.44%, 71.15%, 76.36%, 94.92%, when the critical point was made 1.5. The sensitivity for diagnosing lung adenocarcinoma was 86.67%, and specificity was 83.33% by applied to this

7、protein fingerprints pattern validation.Conclusion SELDI-TOF-MS protein chip technology is a quick, easy, convenient, and high-throughput analyzing method capable of selecting several relatively specific, potential biomarkers from the serum of lung adenocarcinoma patients and may have attractive cli

8、nic value.    【Key words】 lung adenocarcinoma; biomarkers; SELDI-TOF-MS; proteomics    肺癌是目前全球发病率最高的恶性肿瘤之一,对人类健康的危害日益严重。目前,肺癌早期诊断困难。80%肺癌患者就诊时已属晚期, 失去了手术根治的机会,放疗化疗效果不佳, 5年生存率不到15%;而早期肺癌手术后5年存活率达70%1,但肺癌早期确诊率只有约15%,故肺癌总的预后不良,与肺癌缺乏有效的早期诊断手段有关。因此,寻找灵敏度、特异性高的早期诊断方法是目前临床亟待解决

9、的问题之一。    蛋白质组学作为后基因组学时代的重要研究工具,在肿瘤研究中已广泛应用。表面增强激光解析离子化飞行时间质谱技术(surface-enhanced laser desorption Ionization time of flight mass spectrometry, SELDI-TOF-MS)是一种新兴的蛋白质组学研究技术。使用这种技术,组分复杂的生物样品(如细胞液或体液)中的各种蛋白质通过特定的表面基团吸附于蛋白质芯片上,用激光脉冲辐射使结合在芯片上的蛋白质解析形成荷电离子,这些不同质荷比的离子在真空电场中飞行的时间长短不同,据此绘制出质谱图,

10、可以简便、快速地获得各种蛋白质的分子量、丰度等信息。本研究使用SELDI技术,检测已明确诊断肺腺癌的患者血清样本,绘制蛋白质质谱图,分别与正常人进行比照,筛选出肺腺癌显著高表达的潜在标志物5个,并建立决策树模型对样品进行筛选。寻找肺癌发生发展的生物标志物,从而为肺癌的早期诊断提供新的依据。    1 对象与方法    1.1 研究对象    1.2 方法    2 结果    2.1 肺腺癌患者与正常人群血清中蛋白质波谱峰的比较 肺腺癌患者与正常

11、人血清差异表达蛋白筛选情况,见图2。    2.2 差异表达蛋白质诊断肺腺癌的价值评价 筛选出的五个肺腺癌差异表达蛋白质波峰的相对分子量分别为4055Da、4211Da、4959Da、5329Da、7762Da, 分别以峰值比1.5为界值时, 其诊断肺腺癌的灵敏度分别为90.41%、78.08%、50.68%、57.53%、72.60,特异度分别为97.06%、93.44%、71.15%、76.36%、94.92(见表1)。表1 肺腺癌高表达蛋白质波峰(略)    2.3 选择差异表达蛋白建立决策树模型 肺腺癌的判断模型由Cipher

12、gen公司Biomarker Pattern Software(BPS)完成,通过选择差异蛋白峰建立决策树模型。BPS自动选用4055Da、4211Da、4959Da、5329Da、7762Da(M/Z)建立模型可以显著区分2组患者(见图3略)。图3表示,此决策树具有3层5个叶节点,100例样本在根节点处被7762Da(节点1)标志蛋白划分为两组,峰值48.530的51例样本进入节点2,后用4211Da标志蛋白划分,39例判断为对照,12例判断为患者进入节点4,后用4959Da标志蛋白划分,8例判断为对照,4例判断为患者;峰值>48.530的49例样本进入节点3,后用5329Da标志蛋白划分,1例判断为对照,48例判断为患者进入节点5,后用4055Da标志蛋白划分,2例判断为对照,46例判断为患者。    2.4 建模后双盲筛选 随机抽取60例(30例患者、30例对照)血

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论