Copyright
©The Author(s) 2010. Published by Baishideng Publishing Group Inc. All rights reserved.
世界华人消化杂志. 2010-12-18; 18(35): 3745-3751
Published online 2010-12-18. doi: 10.11569/wcjd.v18.i35.3745
Published online 2010-12-18. doi: 10.11569/wcjd.v18.i35.3745
血清蛋白指纹图与大肠癌预后诊断
王专, 泸州医学院附属医院脊柱外科 四川省泸州市 646000
李小琼, 王开正, 泸州医学院附属医院检验科 四川省泸州市 646000
邓明明, 泸州医学院附属医院消化内科 四川省泸州市 646000
徐亮, 泸州医学院附属医院普外科 四川省泸州市 646000
王专, 硕士, 主要从事临床诊断学数据挖掘方面的研究.
作者贡献分布: 此课题由王专、李小琼及王开正设计; 研究过程由王专与李小琼操作完成; 研究所用试剂及分析工具由王开正提供; 病例资料主要由邓明明与徐亮提供; 数据分析由王专、李小琼及王开正完成; 本论文写作由王专与李小琼完成.
通讯作者: 王开正, 教授, 硕士导师, 646000, 四川省泸州市, 泸州医学院附属医院检验科. kaizhengw@yahoo.com.cn
收稿日期: 2010-08-31
修回日期: 2010-11-07
接受日期: 2010-11-10
在线出版日期: 2010-12-18
修回日期: 2010-11-07
接受日期: 2010-11-10
在线出版日期: 2010-12-18
Abstract
目的: 研究从不同病程的大肠癌患者血清蛋白指纹图谱中筛选出的特征蛋白质组, 以期对大肠癌患者进行预后判断以及帮助制定个体化的医疗措施.
方法: 用高通量高灵敏的表面增强激光解析电离飞行时间质谱技术(SELDI-TOF-MS)检测大肠癌组(45例)、术后预后良好组(术后无复发和无转移14例)、术后预后不良组(术后复发或转移13例)、肠道良性疾病组(24例)和健康人群组(155例)的血清蛋白指纹图谱, 利用Biomarker Wizard软件进行差异蛋白质筛选, 人工神经网络技术建立大肠癌的诊断模型和预后模型, 并检验模型的诊断效率.
结果: 筛选出7个表达有明显差异的标志蛋白质(P<0.01), 其相对分子质量为4 955 Da、5 325 Da、5 890 Da、6 615 Da、7 739 Da、8 109 Da、8 575 Da. 利用这7个标志蛋白质建立人工神经网络大肠癌的诊断模型, 再利用相对分子质量为4 955 Da、5 325 Da、5 890 Da、6 615 Da、7 739 Da的5个差异蛋白建立人工神经网络大肠癌的预后模型. 其中诊断模型对大肠癌的诊断灵敏度和特异度分别为82.22%和80.45%, 阴性预测值94.74%, 阳性预测值51.39%, 准确度为80.80%. 预后模型对大肠癌术后复发或转移的诊断符合率为62.96%.
结论: 从SELDI-TOF-MS血清蛋白指纹图谱中找到了大肠癌不同病程时期的标志蛋白质组, 并建立了大肠癌的分类树模型.
Keywords: 大肠癌; 表面增强激光解析电离飞行时间质谱技术; 人工神经网络; 预后判断; 蛋白组学