论文部分内容阅读
目的:分析慢性乙型肝炎、乙肝后肝硬化、乙型肝炎病毒(HBV)相关肝细胞癌(HCC)和健康对照的血清蛋白质谱,筛选差异蛋白质峰并建立诊断模型;并两两比较肝炎、肝硬化、肝癌的血清蛋白质谱差异,以期寻找肝癌及其相关肝病鉴别诊断的特异性蛋白峰,为判定肝脏病变所处的发展阶段,揭示肝癌的发生、发展规律提供帮助。方法:应用表面加强激光解析电离化飞行时间质谱(surface enhanced laser desorption ionization time of flight mass spectrometry,SELDI-TOF-MS)技术,以弱阳离子芯片(CM10)结合血清蛋白质,对60例慢性乙肝、42例肝硬化、79例肝细胞癌与56例健康对照的血清样本进行质谱测定,应用BioMarker Wizard和Biomarker Pattern软件分析各组之间的差异并建立分类树诊断模型,再通过盲筛验证分类树模型诊断及鉴别诊断的准确性。结果:60例慢性乙型肝炎患者和56例健康对照比较,筛选出9个有统计学意义的蛋白质峰,质荷比分别为2736Da、2753Da、4101Da、4206Da、4310Da、6447Da、6642Da、15132Da、15897 Da。经Biomarker Pattern(BPS)软件分析选出2736Da蛋白质峰构建为分类树模型(模型Ⅰ),即可正确划分100%慢性乙肝患者和100%的健康对照。选用该模型对51例血清样本进行盲筛,其灵敏度、特异度、阳性预测值、阴性预测值分别为91.30%、89.28%、87.50%、92.59%。42例乙肝后肝硬化患者与56例健康对照比较,筛选出8个有统计学意义的蛋白质峰,质荷比分别为2736Da、2753Da、4101Da、6447Da、6642Da、9337 Da、15132Da、15897 Da,软件选出2736Da蛋白质峰构建为分类树模型(模型Ⅱ),即可正确划分100%肝硬化患者和100%的健康对照。选用该模型对36例血清样本进行盲筛,其灵敏度和特异度均为100%。79例HBV相关HCC患者和56例健康对照比较,筛选出8个有统计学意义的蛋白质峰,质荷比分别为2753Da、3401Da、4101Da、5641Da、6447Da、6642Da、7807Da、9337 Da,软件分析选出3401Da、4101Da、5641Da蛋白质峰构建为分类树模型(模型Ⅲ),可正确划分98.73%的HCC患者和100%的健康对照。该模型对37例血清样本进行盲筛,其灵敏度、特异度、阳性预测值、阴性预测值分别为90.47%、81.25%、86.36%、86.67%。肝炎和肝硬化患者比较,质荷比为3401Da、9210Da、9337Da的蛋白质峰在肝炎患者中升高。肝炎与肝细胞癌患者比较,筛选出10个有统计学意义的蛋白质峰,质荷比分别为2736Da、2753Da、3401Da、5641Da、6447Da、6642Da、7807Da、9337Da、15132Da、15897Da。软件分析选出2736Da、2753Da、3401Da三个蛋白质峰构建为分类树模型(模型Ⅳ),可正确划分100%的肝炎患者和98.04%的肝细胞癌患者。该模型对49例血清样本进行盲筛,其灵敏度、特异度、阳性预测值、阴性预测值分别为95.23%、85.71%、83.33%、96.00%。肝硬化和肝细胞癌患者比较,筛选出11个有统计学意义的蛋白质峰,质荷比分别为2736Da、2753Da、3401Da、4101Da、5641Da、6447Da、6642Da、7807Da、9337Da、15132Da、15897 Da。软件分析选出2753Da、9337Da、15132Da三个蛋白质峰构建为分类树模型(模型Ⅴ),可正确划分88.09%的肝硬化患者和86.00%的肝细胞癌患者。该模型对50例血清样本进行盲筛,其灵敏度、特异度、阳性预测值、阴性预测值分别为76.19%、72.41%、66.67%、80.77%。结论:利用SELDI-TOF-MS技术可筛选出慢性乙型肝炎、乙肝后肝硬化、HBV相关HCC和健康对照血清蛋白质谱存在的差异蛋白峰。蛋白质峰2736Da、15132Da、15897Da可能是良性肝病所特有;3401Da、5641Da、7807Da、9337Da的四个蛋白质峰可能是鉴别肝细胞癌与非癌的血清标志,而5641Da的变化可能预测肝脏病变进展程度;4101Da蛋白质峰的变化可能提示肝病的发生;2753Da、6447Da、6642Da的三个蛋白质峰可能是鉴别HCC、良性肝病与健康对照的血清标志。建立的诊断模型灵敏度、特异度和准确率高,在HCC及其相关肝病的诊断、鉴别和特异性生物标志物筛选方面具有一定意义。