CN101832977A - 一种卵巢肿瘤血清标志物 - Google Patents
一种卵巢肿瘤血清标志物 Download PDFInfo
- Publication number
- CN101832977A CN101832977A CN200910047255A CN200910047255A CN101832977A CN 101832977 A CN101832977 A CN 101832977A CN 200910047255 A CN200910047255 A CN 200910047255A CN 200910047255 A CN200910047255 A CN 200910047255A CN 101832977 A CN101832977 A CN 101832977A
- Authority
- CN
- China
- Prior art keywords
- serum
- analysis
- ovarian tumor
- ovarian tumors
- malignant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000002966 serum Anatomy 0.000 title claims abstract description 69
- 206010061535 Ovarian neoplasm Diseases 0.000 title claims abstract description 26
- 239000003550 marker Substances 0.000 title claims abstract description 16
- 206010033128 Ovarian cancer Diseases 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000002503 metabolic effect Effects 0.000 claims abstract description 27
- 108090000765 processed proteins & peptides Proteins 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 8
- 102000004196 processed proteins & peptides Human genes 0.000 claims abstract description 7
- 229920001184 polypeptide Polymers 0.000 claims abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 3
- 201000011510 cancer Diseases 0.000 claims description 11
- 230000004060 metabolic process Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 150000003904 phospholipids Chemical class 0.000 claims description 7
- WRGQSWVCFNIUNZ-GDCKJWNLSA-N 1-oleoyl-sn-glycerol 3-phosphate Chemical compound CCCCCCCC\C=C/CCCCCCCC(=O)OC[C@@H](O)COP(O)(O)=O WRGQSWVCFNIUNZ-GDCKJWNLSA-N 0.000 claims description 6
- AWUCVROLDVIAJX-UHFFFAOYSA-N alpha-glycerophosphate Natural products OCC(O)COP(O)(O)=O AWUCVROLDVIAJX-UHFFFAOYSA-N 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 102000004169 proteins and genes Human genes 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000001819 mass spectrum Methods 0.000 claims 2
- 239000000470 constituent Substances 0.000 claims 1
- 230000004907 flux Effects 0.000 claims 1
- 238000000534 ion trap mass spectrometry Methods 0.000 claims 1
- 238000001698 laser desorption ionisation Methods 0.000 claims 1
- 238000004704 ultra performance liquid chromatography Methods 0.000 claims 1
- 206010004433 Benign ovarian tumour Diseases 0.000 abstract description 44
- 201000008016 ovarian benign neoplasm Diseases 0.000 abstract description 44
- 206010006032 Borderline ovarian tumour Diseases 0.000 abstract description 35
- 238000002705 metabolomic analysis Methods 0.000 abstract description 16
- 230000001431 metabolomic effect Effects 0.000 abstract description 16
- 239000000090 biomarker Substances 0.000 abstract description 9
- 238000004949 mass spectrometry Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 150000003384 small molecules Chemical class 0.000 abstract description 4
- 238000003748 differential diagnosis Methods 0.000 abstract description 2
- 239000000306 component Substances 0.000 description 34
- 150000001875 compounds Chemical class 0.000 description 31
- 206010028980 Neoplasm Diseases 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 19
- 150000002500 ions Chemical class 0.000 description 17
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 239000002207 metabolite Substances 0.000 description 8
- 230000003211 malignant effect Effects 0.000 description 7
- 238000004587 chromatography analysis Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 101000623901 Homo sapiens Mucin-16 Proteins 0.000 description 3
- 102100023123 Mucin-16 Human genes 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 108010037464 Cyclooxygenase 1 Proteins 0.000 description 2
- 108010037462 Cyclooxygenase 2 Proteins 0.000 description 2
- 102100038277 Prostaglandin G/H synthase 1 Human genes 0.000 description 2
- 102100038280 Prostaglandin G/H synthase 2 Human genes 0.000 description 2
- 239000012503 blood component Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001840 matrix-assisted laser desorption--ionisation time-of-flight mass spectrometry Methods 0.000 description 2
- 230000004066 metabolic change Effects 0.000 description 2
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 2
- 238000005160 1H NMR spectroscopy Methods 0.000 description 1
- 208000006332 Choriocarcinoma Diseases 0.000 description 1
- 102000011022 Chorionic Gonadotropin Human genes 0.000 description 1
- 108010062540 Chorionic Gonadotropin Proteins 0.000 description 1
- 201000005171 Cystadenoma Diseases 0.000 description 1
- 201000009273 Endometriosis Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- 206010043276 Teratoma Diseases 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004103 aerobic respiration Effects 0.000 description 1
- 150000001413 amino acids Chemical group 0.000 description 1
- 230000006538 anaerobic glycolysis Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000019522 cellular metabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000003869 coulometry Methods 0.000 description 1
- 230000003544 deproteinization Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 210000004996 female reproductive system Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000004108 freeze drying Methods 0.000 description 1
- 229940084986 human chorionic gonadotropin Drugs 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000000622 liquid--liquid extraction Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000005173 quadrupole mass spectroscopy Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000001946 ultra-performance liquid chromatography-mass spectrometry Methods 0.000 description 1
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明属生物技术领域，具体涉及一种卵巢肿瘤血清标志物。本发明采用色谱和质谱技术，高通量、大规模对患者血清进行多层次的分析，筛选血清差异表达分子，通过对卵巢肿瘤患者血清进行不同层次的代谢组学以及多肽谱分析，明确其中的小分子代谢谱，从而找到多组与良性、交界性和恶性卵巢肿瘤相关的特征性生物标志物。本发明有可能为大规模筛查不同阶段的卵巢肿瘤提供简易的方法，亦可为相关临床病人的鉴别诊断提供有价值的参考依据。
Description
技术领域
本发明属生物技术领域，具体涉及一种卵巢肿瘤血清标志物。
背景技术
研究揭示，卵巢癌为妇科三大恶性肿瘤之一，死亡率居女性生殖系统恶性肿瘤的首位。目前临床对于卵巢癌的早期诊断仍面临诸多困难，一般体检和影像学检查作用有限，待能够发现和明确诊断时，往往已到了中、晚期，缺少预警价值。常用于检查的血清标志物如：癌抗原125(CA125)对于恶性卵巢肿瘤有提示作用，但仍容易与炎症、良性肿瘤导致的改变相混淆，因而易造成误诊(准确性70％-80％)。为了满足临床诊断日益提高的灵敏度和特异性要求，开发新的血清肿瘤标志物势在必行。
研究显示，恶性肿瘤发生必然伴随一系列基因结构的改变，引起细胞代谢方式转换。如：由有氧呼吸为主改变为无氧酵解方式；由定向生长变为无向繁殖，并分泌酶类降解基质侵入周围；还大量分泌原先不/弱表达的多肽，如CA125、p185等。这种代谢变化在早期即可被检测出，如：在绒癌早期，可以测出血清中高糖化人绒毛膜促性腺激素beta单位的核心成分beta-hCG core。故寻找到这些部位、组织特异性的血清生物标志物临床意义显得尤为重要。
卵巢肿瘤血清标志物的研究一直是本领域的研究重点。血清中蛋白含量较多，其谱型变化其中是由代谢改变所致结果，如：分泌、合成(同一型的转换)、肽链切割点改变，修饰基团变化等；或是导致代谢改变的原因，如：环氧化酶1(COX-1)和环氧化酶2(COX-2)转换。
实践显示，代谢组学分析的对象物理化学参数差异大，采用单一分离分析手段难以对其进行无偏向全面分析。在代谢组学的研究中，常采用色谱、质谱、核磁共振(NMR)、红外光谱、库仑分析、紫外吸收、荧光散射、发射性检测、光散射等分离分析手段及其组合。其中，色谱以其高分离度、高通量，质谱以其普适性、高灵敏度和特异性，核磁共振技术特别是H-NMR以其对含氢代谢产物的普适性而成为最主要的分析工具；由于液一质联用和气-质联用分析范围较广，成为代谢组学研究分析中很重要的工具。核磁共振技术具备快速和无偏向性的特点，但与其它技术相比灵敏度太低；其它方法，如CE/LIF技术有很高的检测灵敏度，但为选择性检测，故色谱质谱联用是目前常采用的能较好兼顾灵敏度和无偏性的检测方法。
发明内容
本发明的目的在于提供一种卵巢肿瘤血清标志物。
根据本发明，可建立系列的良性、交界性和恶性卵巢肿瘤的血清代谢组学指纹图谱。进一步建立系列的良性、交界性和恶性卵巢肿瘤的血清代谢组学指纹模型。
本发明采用色谱和质谱技术，高通量、大规模对患者血清进行多层次的分析，筛选血清差异表达分子，通过对卵巢肿瘤患者血清进行不同层次的代谢组学以及多肽谱分析，明确其中的小分子代谢谱，从而找到多组与良性、交界性和恶性卵巢肿瘤相关的特征性生物标志物。本发明有可能为大规模筛查不同阶段的卵巢肿瘤提供简易的方法，亦可为相关临床病人的鉴别诊断提供有价值的参考依据。
本发明的目的通过下述技术方案和方法实现，
(1)、收集各种类型的卵巢肿瘤患者的血清标本；
首先制定标本收集规程和配套管理、教育软件。
包括，记录病人基本信息：肿瘤分期、分型和分级，治疗方式，化疗和用药类型、剂量、时间等，以便归类分层。并对病人进行跟踪随访，为预后分析做好准备。同时收集正常人群(女性)等量外周血标本，以及卵巢良性肿瘤(内异症、囊腺瘤、畸胎瘤等)标本。所有患者信息均输入数据库，加密保存并备份。
(2)、质谱-色谱联用的代谢组学方法完成标本差异表达分子的筛选；
将收集到的标本妥善保存(-70℃)，在规定时间内进行处理。对不合格的标本(数量不够或混有杂质)，重新收集。标本内容物的提取、层析均按标准化过程进行。所收集到的正常对照，良性及恶性肿瘤患者的血清进行平行的代谢组学和蛋白组学分析：
①、基于UPLC-Q/TOF MS(超高效液相色谱/飞行时间质谱)的血液全组分代谢组学分析。将一定量的血清经过除蛋白，冻干等前处理之后，进行UPLC-Q/TOF MS分析，得到患者的全血的代谢物谱图，然后经过代谢组学软件的处理，得到各种代谢物的相关信息，所有数据归一化之后，进行下一步的多维数据综合分析。
②、基于HPLC-Q/Trap MS(高效液相色谱/串联四级杆离子阱质谱)的血清磷脂的代谢轮廓分析以及溶血磷脂酸(LPA)的代谢靶标分析。对血清样本，首先进行针对磷脂的液液萃取，然后利用LC-Qtrap进行分离分析，利用色谱图并结合EPI质谱图对各类磷脂分子进行定性。之后，利用自主开发的软件提取色谱峰并进行半定量分析。在此基础上，通过数据处理方法，找出其中代谢变化明显的磷脂分子，进而研究其在代谢通路中的作用、生物学意义以及对发病机理的影响。对于LPA的分析过程与磷脂类似，只是在提取方法及质谱条件上会有所不同。上述所有分析结果经过数据处理之后，进入下一步的数据综合分析。
③、基于MALDI TOF MS(基质辅助激光解析电离/飞行时间质谱)的血清多肽谱的分析。将全血中的蛋白质及多肽经分离纯化后进行MALDI TOF MS分析，将得到的多肽谱进行解析，找到与疾病相关的特征峰，并且进一步分析其肽链结构，最后将得到的结果进行综合整理之后进入下一步的数据综合分析。
(3)、通过数据分析软件，实现对血清代谢组学指纹图谱的化学计量学分析。
上述分析结束之后，将原始数据进行化学计量学的分析。例如PCA(主成分分析)ANN(人工神经元网络)等分析，以期取得下列结果：从血液全组分分析数据之中找出癌症相关的小分子生物标记物，并鉴定其结构；得到癌症病人的磷脂代谢轮廓分析谱以及溶血磷脂酸的代谢靶标分析谱，并分析其病理机制；得到病人的血清多肽代谢谱，并尽可能的鉴定其中的特征峰的氨基酸序列。最后，在综合上述所有工作的基础之上，通过数据分析软件，利用上述得到的所有的谱图数据，确定有应用价值的筛选良性、交界性和恶性卵巢肿瘤的血清代谢组学指纹图谱。
本发明不但提供了有关卵巢肿瘤血清血清多肽谱变化，还能建立其变化与代谢谱之间的联系，做到某种程度上的相互印证。在肿瘤血清标志物的蛋白组学研究方兴未艾之际，将其研究领域由多肽谱推及到包括其他代谢小分子在内的代谢谱。不但避免了和国内外同行的简单重复竞争，而且开拓了筛选范围，将会得到更具实用和基础研究意义的差异性生物标志物。
附图说明
图1是恶性卵巢肿瘤组与健康对照组的PLS-DA模型，其中，
A得分矩阵：□为恶性卵巢肿瘤组，▲为健康对照组，每个点表示一个样品，t表示样本在主成分投影值；
B载荷矩阵：每个点表示一个质谱检测到的离子，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(质谱检测到的离子)在载荷矩阵中的载荷投影值计算得出，离原点远的点具有大的变量重要性因子，为潜在标志物。
图2是良性卵巢肿瘤与健康对照组的PLS-DA模型，其中，
A得分矩阵：+为良性卵巢肿瘤组，▲为健康对照组，每个点表示一个样品，t表示样本在主成分投影值；
B载荷矩阵：每个点表示一个质谱检测到的离子，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(质谱检测到的离子)在载荷矩阵中的载荷投影值计算得出，离原点远的点具有大的变量重要性因子，为潜在标志物。
图3是交界性卵巢肿瘤与健康对照组的PLS-DA模型，其中，
A得分矩阵：○为交界性卵巢肿瘤组，▲为健康对照组，每个点表示一个样品，t表示样本在主成分投影值；
B载荷矩阵：每个点表示一个质谱检测到的离子，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(质谱检测到的离子)在载荷矩阵中的载荷投影值计算得出，离原点远的点具有大的变量重要性因子，为潜在标志物。
图4是健康人与良性，恶性卵巢肿瘤的血清全组分分析PLS-DA模型，其中，
A得分矩阵：□为恶性卵巢肿瘤组，+为良性卵巢肿瘤组，▲为健康对照组，每个点表示一个样品，t表示样本在主成分投影值；
B载荷矩阵：每个点表示一个质谱检测到的离子，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(质谱检测到的离子)在载荷矩阵中的载荷投影值计算得出，离原点远的点具有大的变量重要性因子，为潜在标志物。
图5是健康人与良性，恶性，交界性卵巢肿瘤的血清全组分分析PLS-DA模型，其中，
A得分矩阵：□为恶性卵巢肿瘤组，+为良性卵巢肿瘤组，o为交界性卵巢肿瘤组，▲为健康对照组，每个点表示一个样品，t表示样本在主成分投影值；
B载荷矩阵：每个点表示一个质谱检测到的离子，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(质谱检测到的离子)在载荷矩阵中的载荷投影值计算得出，离原点远的点具有大的变量重要性因子，为潜在标志物。
图6是恶性卵巢肿瘤与健康对照模型和良性卵巢肿瘤与健康对照模型的SUS图。
图7是对恶性卵巢与健康对照模型和交界性卵巢肿瘤与健康对照模型SUS图。
图8是交界性卵巢肿瘤与健康对照模型和良性卵巢肿瘤与健康对照模型SUS图。
具体实施方式
实施例1
1、各种类型的卵巢肿瘤患者的血清标本收集
收集正常对照组362例、良性组281例、交界性组51例和恶性组305例。
2、利用选定的基于质谱-色谱联用的代谢组学方法完成标本差异表达分子的筛选工作。
建立了用于卵巢癌恶性肿瘤生物标志物谱发现的代谢组学分析模型。包括恶性卵巢肿瘤组与健康对照组，良性卵巢肿瘤与健康对照组，交界性卵巢肿瘤与健康对照组，健康对照组与良、恶性卵巢肿瘤，健康对照组与良、恶性和交界性卵巢肿瘤的血清全组分代谢谱模型；采用多变量统计分析方法寻找到了特征性的生物标志物谱，并对特征代谢物结构进行了鉴定。
①、恶性卵巢肿瘤组与健康对照组的血清全组分代谢谱模型。
选取27例恶性卵巢肿瘤样本和28例健康对照用于恶性卵巢肿瘤组与健康对照组的血清全组分分析模型的建立。将得到的总离子流(TIC)图进行峰提取、峰匹配。数据用偏最小二乘-判别分析(PLS-DA)方法对恶性卵巢肿瘤以及健康对照血清的代谢指纹数据进行建模。结果如图1：从图1A中可以看出恶性卵巢肿瘤和健康对照组的代谢显型有比较显著的区别，据此建立的PLS-DA模型可以解释90.7％的分类信息，并且模型的预测能力达到71.6％。根据变量重要性因子筛选对分类贡献最大的10个检测离子，这些代谢物可被认为是在恶性卵巢肿瘤代谢产生影响的生物标志物谱。表1是与恶性卵巢肿瘤有关的化合物。
表1
②、良性卵巢肿瘤与健康对照组的血清全组分代谢谱模型。
选取31例良性卵巢肿瘤血清样本和28例健康对照血清样本，用于健康人和良性卵巢肿瘤的血清全组分分析模型的建立。实验条件与健康对照组与恶性卵巢肿瘤组的分析模型相同。将得到的总离子流(TIC)图进行峰提取、峰匹配。数据用偏最小二乘-判别分析(PLS-DA)方法对良性卵巢肿瘤以及健康对照血清的代谢指纹数据进行建模，结果如图2所示。从图2A可知良性卵巢肿瘤与健康对照样本的血清代谢轮廓也有比较明显的区别，据此建立的PLS-DA模型能够解释73.2％d的分类信息，预测准确率为54.9％。根据变量重要性因子筛选对分类贡献最大的10个检测离子，这些代谢物可被认为与在良性卵巢肿瘤代谢产生影响的密切相关。表2是与良性卵巢肿瘤有关的化合物。
表2
③、健康对照组与交界性卵巢肿瘤的血清全组分分析模型。
选取19例交界性卵巢肿瘤血清样本和28例健康对照血清样本用于健康人与交界性卵巢肿瘤的血清全组分分析模型的建立，实验条件与健康对照组与恶性卵巢肿瘤组的分析模型相同。将得到的总离子流图进行峰提取、峰匹配。数据用偏最小二乘-判别分析(PLS-DA)方法对交界性卵巢肿瘤以及健康对照血清的代谢指纹数据进行建模，结果如图3所示。所建模型能够解释74.2％的分类信息，预测准确率为56.1％。根据变量重要性因子筛选对分类贡献最大的10个检测离子，这些代谢物可被认为是在交界性性卵巢肿瘤代谢产生影响的生物标志物谱。
表3是与交界性卵巢肿瘤相关的化合物。
表3
④、健康对照组与良性，恶性卵巢肿瘤的血清全组分分析模型。
健康人的血清代谢轮廓分别与恶性卵巢肿瘤，良性卵巢肿瘤和交界性卵巢肿瘤得到明显的区分。在此基础上，用偏最小二乘-判别分析(PLS-DA)方法对良性卵巢肿瘤，恶性卵巢肿瘤以及健康对照血清的代谢指纹数据进行建模，结果如图4所示。从图4A可以看出，模型中健康人和良性肿瘤落在主成分1投影值为负的区域，恶性卵巢肿瘤样本位于主成分1投影值为正的区域。因此，根据主成分1可以检测出恶性卵巢肿瘤，并可以避免由于良性肿瘤带来的假阳性结果。而健康人群和良性卵巢肿瘤分别落在主成分2投影值为负和正的两个区域，根据主成分2也可以区分健康人和良性卵巢肿瘤。载荷矩阵中，落在1，4象限的点(主成分1投影值为正，主成分2投影值为负)，在恶性卵巢肿瘤中上调。同样，载荷矩阵(图4B)中落在第二象限和第三象限的点，在良性卵巢肿瘤和健康人中上调。投影值越大化合物重要性越高。
⑤、健康对照组与良性，恶性，交界性卵巢肿瘤的血清全组分分析模型。
用偏最小二乘-判别分析(PLS-DA)方法对良性卵巢肿瘤，恶性卵巢肿瘤以及健康，交界性卵巢肿瘤以及健康对照血清的代谢指纹数据进行建模，结果如图5所示。从图5A中可以看出健康对照样本，良性卵巢肿瘤和恶性卵巢肿瘤的主成分1投影值均为正值，且它们的主成分2投影值逐渐降低。而交界性卵巢肿瘤样本都落在主成分1投影值为负值的区域，可见交界性卵巢肿瘤和良性，恶性卵巢肿瘤的代谢显型有显著区别。与主成分1相关的化合物是区别交界性与良，恶性卵巢肿瘤的重要化合物。
3、通过数据分析软件，实现对血清代谢组学指纹图谱的化学计量学分析。
采用代谢组学技术对良性、交界性和恶性卵巢肿瘤之间的关系进行了研究。通过SUS-plot(shared and unique structure)对恶性与良性卵巢肿瘤，恶性与交界性卵巢肿瘤，良性与交界性卵巢肿瘤的关系进行了研究，寻找到了与不同卵巢肿瘤均相关和具有肿瘤相关唯一性的特征代谢物，同时发现良性和交界性卵巢肿瘤的代谢谱相关性较低。
本发明采用SUS图来体现模型之间的相互关系。SUS图是一种的载荷矩阵，图中的每一个点代表一个化合物，坐标为化合物与模型中主成分的相互关系。当化合物的横纵坐标值均大于0.5或者均小于-0.5时，代表这些化合物与两个模型的主成分都正相关或相关。通过这些化合物可以体现两个模型的共性。当化合物的横坐标绝对值大于0.5而纵坐标值接近0时，这个化合物与横坐标所代表模型相关而与纵坐标代表模型不相关，体现了横坐标模型的独特性。同样，当化合物的纵坐标绝对值大于0.5而横坐标值接近0时，这个化合物体现了纵坐标所代表模型的独特性。
①、对恶性卵巢肿瘤与健康对照模型和良性卵巢肿瘤与健康对照模型作SUS图(图6)。图6中区域1，4内的化合物是良、恶性卵巢肿瘤中都相关的一些化合物，区域3内的化合物是只与恶性卵巢肿瘤相关而与良性肿瘤不相关的。区域4内的化合物只与良性卵巢肿瘤相关而与恶性肿瘤不相关的。初步发现，区域4内都是色氨酸的一些碎片离子，而区域3内是LPC类的化合物。
表4是恶性卵巢肿瘤和良性肿瘤的关系研究中涉及的重要化合物。
表4
②、对恶性卵巢肿瘤与健康对照模型和交界性卵巢肿瘤与健康对照模型作SUS图，见图7。图7中区域1，3内的化合物是交界性，恶性卵巢肿瘤中都相关的一些化合物，区域2，4内的化合物是只与交界性卵巢肿瘤相关而与恶性肿瘤不相关的。区域5内的化合物只与恶性卵巢肿瘤相关而与交界性肿瘤不相关的化合物。
表5是恶性肿瘤和交界性肿瘤的关系研究中涉及的重要化合物。
表5
③、对交界性卵巢肿瘤与健康对照模型和良性卵巢肿瘤与健康对照模型作SUS图，如图8所示。从图8可知良性肿瘤和交界性肿瘤的相关性非常低，图中没有与交界性，良性卵巢肿瘤中均相关的化合物，区域3内的化合物是只与交界性卵巢肿瘤相关而与良性肿瘤不相关的。区域1内的化合物只与恶性卵巢肿瘤相关而与交界性肿瘤不相关的。区域2内的是与交界性肿瘤负相关而与良性肿瘤正相关的化合物。
表6是交界性卵巢肿瘤和良性卵巢肿瘤的关系研究中涉及的化合物。
表6
Claims (6)
1.一种卵巢肿瘤血清标志物，其特征在于通过色谱和质谱技术，高通量、大规模对患者血清多层次的分析，筛选血清差异表达分子，对卵巢肿瘤患者血清进行不同层次的代谢组学以及多肽谱分析，明确其中的小分子代谢谱后，得到卵巢肿瘤血清标志物。
2.检测权利要求1所述的卵巢肿瘤血清标志物的方法，其特征在于通过下述方法和步骤：
(1)、收集各种类型的卵巢肿瘤患者的血清标本；
(2)、采用质谱-色谱联用的代谢组学方法进行标本差异表达分子的筛选；
(3)、通过数据分析软件，实现对血清代谢组学指纹图谱的化学计量学分析。
3.按权利要求2所述的检测卵巢肿瘤血清标志物的方法，其特征在于所述步骤1的各种类型的卵巢肿瘤是良性和恶性卵巢肿瘤。
4.按权利要求2所述的检测卵巢肿瘤血清标志物的方法，其特征在于所述步骤2是对所收集到的正常对照，良性及恶性肿瘤患者的血清进行平行的代谢组学和蛋白组学分析。
5.按权利要求4所述的检测卵巢肿瘤血清标志物的方法，其特征在于所述步骤2的代谢组学和蛋白组学分析是：
①、基于超高效液相色谱/飞行时间质谱的血液全组分代谢组学分析；
②、基于高效液相色谱/串联四级杆离子阱质谱的血清磷脂的代谢轮廓分析以及溶血磷脂酸(LPA)的代谢靶标分析；
③、基于基质辅助激光解析电离/飞行时间质谱的血清多肽谱的分析。
6.按权利要求2所述的检测卵巢肿瘤血清标志物的方法，其特征在于所述步骤3的对血清代谢组学指纹图谱的化学计量学分析是将原始数据进行主成分分析或人工神经元网络分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910047255A CN101832977A (zh) | 2009-03-09 | 2009-03-09 | 一种卵巢肿瘤血清标志物 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910047255A CN101832977A (zh) | 2009-03-09 | 2009-03-09 | 一种卵巢肿瘤血清标志物 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101832977A true CN101832977A (zh) | 2010-09-15 |
Family
ID=42717120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200910047255A Pending CN101832977A (zh) | 2009-03-09 | 2009-03-09 | 一种卵巢肿瘤血清标志物 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101832977A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323362A (zh) * | 2010-11-15 | 2012-01-18 | 上海聚类生物科技有限公司 | 一种基于uplc-ms技术诊断肺癌的模型 |
| CN102478562A (zh) * | 2010-11-25 | 2012-05-30 | 中国科学院大连化学物理研究所 | 利用l-eda筛选卵巢癌体液预后标记物的方法 |
| CN103235073A (zh) * | 2013-04-15 | 2013-08-07 | 湖南省食品药品检验研究院 | 一种基于急性过敏反应的代谢组学分析方法 |
| CN106018640A (zh) * | 2016-01-27 | 2016-10-12 | 中国药科大学 | 一种快速筛选、鉴定肿瘤生物标记物的方法及应用 |
| CN106909781A (zh) * | 2017-02-22 | 2017-06-30 | 北京航空航天大学 | 一种用于优化选取脑卒中相关生物标志物的方法 |
| CN107255635A (zh) * | 2017-08-02 | 2017-10-17 | 中国科学院长春应用化学研究所 | 咪唑功能化的聚丁二炔探针试纸及用前述探针检测卵巢癌标记物浓度的方法 |
| EP3351938A1 (en) * | 2017-01-18 | 2018-07-25 | BIOCRATES Life Sciences AG | New biomarkers for assessing ovarian cancer |
| CN108780065A (zh) * | 2016-03-14 | 2018-11-09 | 株式会社岛津制作所 | 质谱分析数据解析装置以及质谱分析数据解析用程序 |
| CN109239210A (zh) * | 2018-09-10 | 2019-01-18 | 哈尔滨工业大学 | 一种胰腺导管腺癌标志物及其筛选方法 |
| CN109480771A (zh) * | 2018-10-17 | 2019-03-19 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN110361495A (zh) * | 2019-08-21 | 2019-10-22 | 上海交通大学 | 一种生物基质中的靶标代谢物含量的检测方法 |
| CN110927263A (zh) * | 2019-10-21 | 2020-03-27 | 复旦大学附属妇产科医院 | 利用血清糖基化修饰联合ca125预测卵巢癌患者铂类化疗敏感性的方法 |
| CN112255335A (zh) * | 2020-09-28 | 2021-01-22 | 复旦大学 | 用于区分良性和恶性卵巢肿瘤的血浆代谢标志物及其应用 |
| CN114414656A (zh) * | 2022-01-26 | 2022-04-29 | 上海交通大学 | 一种基于血清代谢指纹自体免疫疾病模型的构建方法 |
| CN114487232A (zh) * | 2022-02-21 | 2022-05-13 | 苏州盖世生物医疗科技有限公司 | 特征标记物在制备胆道系统恶性肿瘤和良性病变诊断产品中的应用、检测方法和筛选方法 |
| CN114813908A (zh) * | 2022-02-11 | 2022-07-29 | 上海交通大学 | 一种乳腺癌代谢生物标志物组合及其指纹模型构建方法与应用 |
-
2009
- 2009-03-09 CN CN200910047255A patent/CN101832977A/zh active Pending
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323362A (zh) * | 2010-11-15 | 2012-01-18 | 上海聚类生物科技有限公司 | 一种基于uplc-ms技术诊断肺癌的模型 |
| CN102478562A (zh) * | 2010-11-25 | 2012-05-30 | 中国科学院大连化学物理研究所 | 利用l-eda筛选卵巢癌体液预后标记物的方法 |
| CN102478562B (zh) * | 2010-11-25 | 2014-07-23 | 中国科学院大连化学物理研究所 | 利用l-eda筛选卵巢癌体液预后标记物的方法 |
| CN103235073A (zh) * | 2013-04-15 | 2013-08-07 | 湖南省食品药品检验研究院 | 一种基于急性过敏反应的代谢组学分析方法 |
| CN106018640A (zh) * | 2016-01-27 | 2016-10-12 | 中国药科大学 | 一种快速筛选、鉴定肿瘤生物标记物的方法及应用 |
| CN108780065A (zh) * | 2016-03-14 | 2018-11-09 | 株式会社岛津制作所 | 质谱分析数据解析装置以及质谱分析数据解析用程序 |
| CN108780065B (zh) * | 2016-03-14 | 2021-03-19 | 株式会社岛津制作所 | 质谱分析数据解析装置、方法及非暂时性计算机可读介质 |
| EP3351938A1 (en) * | 2017-01-18 | 2018-07-25 | BIOCRATES Life Sciences AG | New biomarkers for assessing ovarian cancer |
| JP2020506382A (ja) * | 2017-01-18 | 2020-02-27 | バイオクラテス ライフ サイエンシズ アクチェンゲゼルシャフト | 卵巣癌を評価するための新規バイオマーカー |
| US11506665B2 (en) | 2017-01-18 | 2022-11-22 | Biocrates Life Sciences Ag | Metabolic biomarker set for assessing ovarian cancer |
| JP7169278B2 (ja) | 2017-01-18 | 2022-11-10 | バイオクラテス ライフ サイエンシズ アクチェンゲゼルシャフト | 卵巣癌を評価するための新規バイオマーカー |
| CN106909781A (zh) * | 2017-02-22 | 2017-06-30 | 北京航空航天大学 | 一种用于优化选取脑卒中相关生物标志物的方法 |
| CN107255635A (zh) * | 2017-08-02 | 2017-10-17 | 中国科学院长春应用化学研究所 | 咪唑功能化的聚丁二炔探针试纸及用前述探针检测卵巢癌标记物浓度的方法 |
| CN107255635B (zh) * | 2017-08-02 | 2019-10-18 | 中国科学院长春应用化学研究所 | 咪唑功能化的聚丁二炔探针试纸及用前述探针检测卵巢癌标记物浓度的方法 |
| CN109239210A (zh) * | 2018-09-10 | 2019-01-18 | 哈尔滨工业大学 | 一种胰腺导管腺癌标志物及其筛选方法 |
| CN109480771A (zh) * | 2018-10-17 | 2019-03-19 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN109480771B (zh) * | 2018-10-17 | 2021-09-07 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN110361495A (zh) * | 2019-08-21 | 2019-10-22 | 上海交通大学 | 一种生物基质中的靶标代谢物含量的检测方法 |
| CN110927263A (zh) * | 2019-10-21 | 2020-03-27 | 复旦大学附属妇产科医院 | 利用血清糖基化修饰联合ca125预测卵巢癌患者铂类化疗敏感性的方法 |
| CN112255335B (zh) * | 2020-09-28 | 2022-06-17 | 复旦大学 | 用于区分良性和恶性卵巢肿瘤的血浆代谢标志物及其应用 |
| CN112255335A (zh) * | 2020-09-28 | 2021-01-22 | 复旦大学 | 用于区分良性和恶性卵巢肿瘤的血浆代谢标志物及其应用 |
| CN114414656A (zh) * | 2022-01-26 | 2022-04-29 | 上海交通大学 | 一种基于血清代谢指纹自体免疫疾病模型的构建方法 |
| CN114813908A (zh) * | 2022-02-11 | 2022-07-29 | 上海交通大学 | 一种乳腺癌代谢生物标志物组合及其指纹模型构建方法与应用 |
| CN114813908B (zh) * | 2022-02-11 | 2025-07-15 | 上海交通大学 | 一种乳腺癌代谢生物标志物组合及其指纹模型构建方法与应用 |
| CN114487232A (zh) * | 2022-02-21 | 2022-05-13 | 苏州盖世生物医疗科技有限公司 | 特征标记物在制备胆道系统恶性肿瘤和良性病变诊断产品中的应用、检测方法和筛选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101832977A (zh) | 一种卵巢肿瘤血清标志物 | |
| Al-Amrani et al. | Proteomics: Concepts and applications in human medicine | |
| CN109884302B (zh) | 基于代谢组学和人工智能技术的肺癌早期诊断标志物及其应用 | |
| Schiess et al. | Targeted proteomic strategy for clinical biomarker discovery | |
| Pusch et al. | Mass spectrometry-based clinical proteomics | |
| CN112863665B (zh) | 基于病理及活体组织临床诊断大数据的疾病类型判别方法 | |
| CN102323351B (zh) | 膀胱癌患者尿液特异性代谢物谱、建立方法及用途 | |
| JP7330388B2 (ja) | Ｕｐｌｃ／ｈｒｍｓに基づくメタボロミクス相対定量分析法 | |
| Flatley et al. | MALDI mass spectrometry in prostate cancer biomarker discovery | |
| CN101769910A (zh) | 一种从血清代谢轮廓筛选恶性卵巢肿瘤标志物的方法 | |
| CN111562338B (zh) | 透明肾细胞癌代谢标志物在肾细胞癌早期筛查和诊断产品中的应用 | |
| CN106018640A (zh) | 一种快速筛选、鉴定肿瘤生物标记物的方法及应用 | |
| Cole et al. | Mass spectrometry imaging tools in oncology | |
| CN112305121B (zh) | 代谢标志物在动脉粥样硬化性脑梗死中的应用 | |
| CN115112778A (zh) | 一种疾病蛋白质生物标志物鉴定方法 | |
| Jain et al. | Quantitative proteomic analysis of formalin fixed paraffin embedded oral HPV lesions from HIV patients | |
| CN115856157A (zh) | 血液或尿液代谢标志物及其在子宫内膜癌分型中的应用 | |
| CN115825414B (zh) | 血液或尿液代谢标志物及其在子宫内膜癌早筛中的应用 | |
| Rottoli et al. | Proteomic analysis in interstitial lung diseases: a review | |
| CN119152925A (zh) | 抗程序性死亡蛋白-1单抗治疗应答预测模型的构建方法 | |
| WO2006129401A1 (ja) | プロテオーム網羅的解析における特異的蛋白質のスクリーニング方法 | |
| CN110286223A (zh) | 代谢标志物在肾透明细胞癌中的应用 | |
| CN110286222A (zh) | 肾透明细胞癌的代谢标志物及其在早期诊断中的应用 | |
| CN112630344B (zh) | 代谢标志物在脑梗死中的用途 | |
| Vaezzadeh et al. | Proteomics and opportunities for clinical translation in urological disease |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: DALIAN INSTITUTE OF CHEMICAL PHYSICS, CHINESE ACAD Effective date: 20120509 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20120509 Address after: 200011 Shanghai city fangxie Road No. 419 Applicant after: Gynaecology &. Obstetrics Hospital Attached to Fudan Univ. Co-applicant after: Dalian Institute of Chemical Physics, Chinese Academy of Sciences Co-applicant after: Dalian Maternity Hospital Co-applicant after: First People's Hospital Attached To Shanghai Jiaotong University Co-applicant after: Tumor Hispital Attached to Fudan Univ. Co-applicant after: Shanghai Hongyun Information Technology Co. Ltd. Address before: 200011 Shanghai city fangxie Road No. 419 Applicant before: Gynaecology &. Obstetrics Hospital Attached to Fudan Univ. |
|
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20100915 |