论文部分内容阅读
目的:研究食管癌血清蛋白质谱的变化,筛选特异性蛋白标志物;建立诊断模型,为食管癌的早期筛查、临床诊断、分期和分型、复发或转移、预后估计等个性化医疗提供新的实验依据。方法:收集按照相应病理诊断标准确定的各临床分期分型肿瘤(食管鳞癌和其他肿瘤)、其他良性疾病和健康对照组血清标本。利用表面增强激光解析电离飞行时间质谱技术(Surface enhanced laser desorption ionization time of flight mass spectrometry,SELDI-TOF-MS)技术及其配套的金芯片(Gold Chip)检测血清标本得到相应的蛋白指纹图谱。使用Biomaker Wizard 3. 1软件从蛋白指纹图中筛选食管癌特征蛋白。采用人工神经网络技术(artificial neural network,ANN)进行数据挖掘建立诊断模型并进行盲法验证,再用SPSS11.5软件进行模型诊断效能分析,最后结合蛋白数据库进行差异蛋白初步鉴定和分析。结果:从食管癌及其相关人群的血清蛋白质谱指纹图中筛选出89个差异蛋白(P<0.05)。筛选出有非常显著差异(P<0.001)且有鉴别价值的蛋白质8个,质荷比(M/Z)分别为:4215.8、5017.6、5890.9、7458.5、7749.3、7908.1、8111.9、8577.8。其中5017.6、7458.5、7908.1、8111.9、8577.8在食管癌患者血清中表达增高;而4215.8、5890.9、7749.3则表达降低。利用筛选出差异蛋白质组建立食管癌人工神经网络筛查模型和诊断模型,其灵敏度达到93.2%和96.3%,特异性分别为95.6%和97.2%,经大样本盲法验证的灵敏度为75.4%和75.8%,特异性分别为84.8%和86.7%,经蛋白组数据库检索发现可能与食管癌相关的两种蛋白分别为血清淀粉样蛋白-A和子宫珠蛋白。将食管癌早期和中晚期食管癌患者血清质谱图进行比对分析,寻找各期差异蛋白,并建立分期诊断模型。发现食管癌和健康对照组差异蛋白5种,早期食管癌和中晚期食管癌组差异蛋白3种。通过早期食管癌组和健康对照组差异蛋白建立早期诊断模型的灵敏度87.88%,特异度91.43%,准确度89.71%,经过盲法验证结果为灵敏度95.83%,特异度89.13%,准确度91.43%。建立的分期诊断模型中,早期食管癌和中晚期筛选的差异蛋白建立的分期诊断模型灵敏度75.76%,特异度79.17%,准确度77.19%。结合术后病理分化情况,选择食管癌组、健康对照组的血清标本分析筛选出高、中、低分化组与健康对照组的差异蛋白5个,质荷比(M/Z)分别为4654.7、5948.2、6645.7、7734.2和9301.1,利用筛选出的蛋白质结合人工神经网络软件建立食管癌人工神经网络分型预测诊断模型的灵敏度、特异度、准确度分别为81.25%、85.38%、和83.47%。结论:血清蛋白质谱指纹图结合人工神经网络技术进行蛋白组学数据挖掘对食管癌的筛查和诊断以及探索食管癌发病机制,基因和蛋白调控机制具有重要的的临床意义。分期分型诊断模型的建立,开辟了从分子水平上鉴别食管癌细胞分化程度的途径,可为癌细胞的分子病理研究提供参考。