首页 > 文献资料
-
运用近邻传播聚类分析进行SELDI-TOF蛋白质谱特征选择
针对如何有效分析高通量SELDI-TOF质谱数据以及筛选与肿瘤相关的蛋白质位点,提出一种基于近邻传播聚类分析的特征选择方法.首先利用t-test对SELDI数据进行初筛,然后利用近邻传播聚类分析以及零空间LDA对数据进行降维和去相关处理,后采用SVM-RFE进行特征选择,筛选出与肿瘤判别相关的蛋白质位点.利用SVM、KNN、NB及J4.8等4个分类器,估算算法的分类性能.结果表明,在卵巢癌公共数据集OC-WCX2a和OC-WCX2b以及浙江省肿瘤医院乳腺癌数据集BC-WCX2a上显示该算法,在上述3个数据集中分类率分别达到96.43％、99.66％、90.88％,敏感性分别达到97.00％、100％、96.17％,特异性分别达到95.85％、99.08％、81.92％,并分别挑选出与肿瘤判别相关的10个蛋白位点.所提出的算法能够获得较好的分类率,有效提取出具有较好判别效果的蛋白质谱位点,有助于癌症的辅助诊断.
-
血清蛋白质质谱模型在大肠癌诊断中的应用
目的建立蛋白质芯片技术检测血清蛋白质质谱的方法,探讨基于人工神经网络的血清蛋白质质谱模型在大肠癌诊断中的应用价值.方法应用表面增强激光解吸电离飞行时间质谱仪(SELDI-TOF-MS),测定了147例血清标本(其中大肠癌55例,健康人92例)的蛋白质质谱,用随机抽取的87例标本(大肠癌32例,健康人55例)作为训练组,进行训练与交叉验证,将筛选出来的5910,8930,4476和8817的4个质荷比峰作为输入,建立人工神经网络预测模型.并用另外测试组(大肠癌23例,健康人37例)的血清标本盲法验证该模型.结果利用从训练组得出的基于人工神经网络的血清蛋白质质谱模型,对测试组的60例(包括Dukes A)未知血清进行预测,得到该方法对大肠癌的检出率为82.6%(19/23),排除率为91.9%(34/37).结论蛋白质芯片技术检测血清蛋白质质谱法在大肠癌的诊断中较以往的传统方法具有更高的检出率和排除率,值得进一步研究与应用.
-
基于SELDI-TOF蛋白质谱的三阴性乳腺癌预后分析
目的 使用SELDI-TOF蛋白质质谱,分析和寻找影响三阴性乳腺癌预后的新指标.方法 采集浙江省肿瘤医院提供的三阴性乳腺癌样本51例,每例样本均包含病理及质谱数据.将病例数据分为死亡或复发组与无复发组,并统计检验两组间病理因素有无显著差异.首先统计分析两组样本的蛋白质质谱数据,检验样本中具有显著差异的蛋白质峰;然后对具有显著差异的蛋白质峰所在的特征位点使用SVM分类器分析三阴性乳腺癌的预后.结果 统计结果显示,病理因素很难作为精确预测三阴性乳腺癌预后的因素.死亡或复发样本组与无复发组蛋白质质谱存在显著差异.在51例三阴性乳腺癌蛋白质质谱中,发现了7个蛋白质峰P值小于0.01,联合7个峰分类,分类率达90.20％,敏感性达82.35％,特异性达94.12％.结论 SELDI-TOF蛋白质质谱数据分析能够较好地区分三阴性乳腺癌死亡或复发样本与无复发样本,挑选出的蛋白质峰可以为三阴性乳腺癌的预后判断提供新的有价值的标志物.
-
基于多步降维和半监督学习的蛋白质质谱特征提取算法
目的 提出一种基于半监督学习的多步降维特征提取方法.方法 算法首先运用t-test对样本特征进行筛选,初步降低特征维度;然后进行离散小波变换,对小波系数进行相对熵排序,筛选出新的特征子集;接着进行主成分分析,提取主成分;后运用半监督学习算法BB-LLGC进行标签传递,充分提取有标记和无标记样本的判别信息.结果 在公共卵巢癌数据集OC-WCX2b和公共前列腺癌数据集PC-H4上获得了99.13％和97.20％分类准确率.在浙江省肿瘤医院临床乳腺癌数据集BC-WCX2a上获得了92.78％的分类准确率和100％的敏感性.结论 多步降维的特征提取方法可以有效降低SELDI质谱数据的特征维度,结合半监督学习算法BB-LLGC,可以获得较好的分类效果.
-
基于离散平稳小波分解和递归零空间LDA算法的SELDI蛋白质谱特征选择
目的 针对如何筛选与肿瘤相关的蛋白位点问题,提出一种基于平稳小波变换与递归零空间LDA算法相结合的特征选择方法.方法 首先对样本质谱数据进行平稳小波变换；接着基于递归框架调用零空间LDA算法,挑选出具判别意义的小波系数特征；然后经平稳小波逆变换,将挑选出的小波系数特征对应回原始蛋白质谱数据中,获得与肿瘤判别相关的蛋白位点.后,运用SVM分类器估算位点的分类性能.结果 在卵巢癌公共数据集OC-WCX2b和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上分别挑选出与肿瘤判别相关的6个和2个蛋白位点.结论 本文提出的算法能够有效提取出具有较好判别效果的蛋白质谱位点,有助于癌症的辅助诊断.
-
基于聚类分析和半监督学习的蛋白质质谱数据分类
目的 针对高维冗余的SELDI蛋白质质谱数据,提出一种基于聚类分析和半监督学习的数据分类方法.方法 算法首先运用t-test对蛋白质质谱数据进行初步降维;然后将处理后的数据用聚类分析算法进行进一步降维;后运用半监督学习算法传递标签,充分提取有标记样本和无标记样本的信息,从而进行分类.结果 在公共卵巢癌数据集OC-WCX2b和公共前列腺癌数据集PC-H4上获得了99.15％和96.75％分类准确率.在浙江省肿瘤医院临床乳腺癌数据集BC-WCX2a上获得了95.18％的分类准确率和100％的敏感性.结论 基于聚类分析的半监督学习方法能够有效利用未标记的质谱样本信息,与经典的监督学习算法相比,其分类性能更理想、实用性更好.
-
蛋白质质谱的分析
蛋白质是生物体中含量高,功能重要的生物大分子,存在于所有生物细胞,约占细胞干重质量的50%以上.随着生命科学及生物技术的迅速发展,生物质谱目前已成为有机质谱中活跃,富生命力的前沿研究领域之一.本文简要综述了肽和蛋白质等生物大分子质谱分析的特点,方法及蛋白质质谱分析的原理,方式和应用,并对其发展前景作出展望.
-
乌司他丁干预减体积肝移植模型大鼠的肝脏代谢
背景:乌司他丁在肝切除、肝移植后抗炎、脏器保护、改善微循环等方面的作用已经有大量的研究,然而其作用的microRNA调控机制尚未见报道.目的:观察模型大鼠减体积肝移植后乌司他丁干预microRNA及蛋白组学的变化,并在差异表达的microRNAs和蛋白中预测microRNA对其靶向蛋白的调控,为乌司他丁的临床应用提供更深入的理论依据.方法:以Kamada的双袖套法为基础建立40％减体积肝移植模型大鼠,实验分2组:实验组在肝移植后0,12,24,36,48 h经腹腔注入乌司他丁(100 U/g);对照组在同样时间点注入生理盐水2 mL.在移植后24,48 h取2组大鼠肝脏分别行microRNA芯片检查及蛋白质质谱分析.将二者的结果输入mirTarBase软件进行靶基因预测.结果与结论:①与对照组相比,实验组表达差异超过2倍的miRNAs有19个,蛋白丰度表达差异超过1.5倍的蛋白有17个,靶基因预测发现一组具有强力证据推荐的microRNA目标蛋白的调控通道:rno-miR-181a-5p和Gpx1;②结果表明,模型大鼠减体积肝移植后,乌司他丁的使用,改变了rno-miR-181a-5p的表达,rno-miR-181a-5p通过调控Gpx1表达来改善模型大鼠减体积肝移植术后肝脏的代谢,这可能是乌司他丁作用机制之一.
-
急性心肌梗死患者血清蛋白质质谱分析的价值
目的 分析急性心肌梗死(AMI)患者血清蛋白质质谱,发现AMI的标志蛋白.方法 以阴离子WCX磁珠纯化试剂盒富集20例AMI惠者的血清标本及20例健康人对照血清标本的蛋白质,用解吸电离飞行时间质谱(MALDI-TOF-MS)技术检测血清蛋白质质谱,以Bruker ClinPrOtools软件统计分析.结果 AMI患者与健康人血清蛋白质指纹图谱比较,在Mr 1 000～12 000区段,AMI患者血清Mr为1 771、1 683、1 858、1 869、2 203、2 947、3 055、3 235、5 902的9个蛋白峰与健康人有显著差异.其中1 771、1 683、1 869、220为明显高表达,1 858、2 947、3 055、3 235、5 902为明显低表达.结论 蛋白质质谱分析技术对AMI的诊断有较好的指示作用.
-
血清蛋白质指纹图谱诊断模型在早期胰腺癌中的应用研究
[目的]利用表面增强激光解吸电离飞行时间质谱(SEIDI-TOF-MS)技术和生物信息学方法筛选胰腺癌的血清肿瘤标志物.[方法]用弱阳离子交换芯片(CM10)结合并用SELDI-TOF-MS检测54例胰腺癌样本(22例早期胰腺癌,32例晚期胰腺癌).用支持向量机(SVM)方法建立辨别模型.[结果]利用筛选出的5个蛋白峰(m/z 6667.68、8572.38、2958.76、6441.59、5913.36Da)用于建立区分早、晚期胰腺癌的SVM模型,模型的灵敏度和特异性分别为90.9％和78.1％.[结论] SELDI-TOF-MS技术结合生物信息学方法可找到辨别早期胰腺癌和晚期胰腺癌的标志物,并建立区分模型.
关键词： 胰腺肿瘤 表面加强激光解吸电离飞行时间质谱 支持向量机 蛋白质质谱 -
基于SELDI－TOF蛋白质谱分析的乳腺癌TNM分期研究
运用浙江省肿瘤医院提供的乳腺癌临床SELDI－TOF质谱数据，依据临床TNM分期，探索肿瘤大小、淋巴结受累情况在蛋白质质谱数据表达中的差异。对预处理后的质谱数据运用近邻传播聚类和零空间LDA算法进行特征选择，再用SVM－RFE算法选择相关生物标志物，后分类测试并统计分析所挑选的生物标志物是否体现样本间差异。结果显示，通过四个组TN M分期样本对比实验，各获得35个相关差异生物标志物，能够得到较好的分类结果，部分生物标志物P值小于0．05。实验结果说明肿瘤大小和淋巴结受累情况的差异能够在蛋白质水平表达。
-
血清蛋白质指纹图谱与非小细胞肺癌临床分期关系的研究
目的 检测非小细胞肺癌患者的血清蛋白质谱,探讨非小细胞肺癌血清蛋白质指纹图与临床分期的关系,为非小细胞肺癌预后判断、临床治疗决策选择提供依据.方法 共收集69例非小细胞肺癌患者血清,应用阳离子交换蛋白( CM10)芯片,通过表面增强激光解吸电离-飞行时间-质谱(SELDI-TOF-MS)技术检测非小细胞肺癌患者血清蛋白质质谱,应用生物信息学方法分析血清蛋白质指纹图与非小细胞肺癌临床分期的关系.结果 比较28例Ⅰ～Ⅱ期与41例Ⅲ～Ⅳ期非小细胞肺癌蛋白指纹图,共筛选出68个有显著性差异的质荷比峰(m/z),终筛选出2个潜在标志物5 632 m/z、13 779 m/z.5 632 m/z、13 779 m/z均在Ⅲ～Ⅳ期非小细胞肺癌中高表达,在Ⅰ～Ⅱ期非小细胞肺癌中低表达.将此标记物作为非小细胞肺癌分期模型,其正确指数为0.587,一致率为79.5％,Kappa=0.32.结论 SELDI-TOF-MS技术检测非小细胞肺癌患者血清蛋白质质谱,筛选出m/z位于5 632、13 779的蛋白质峰可能是非小细胞肺癌术前临床分期的标记物.
-
应用蛋白质芯片与人工神经网络建立胃癌诊断模型
目的 应用血清蛋白质芯片质谱技术结合生物信息学方法筛选胃癌相关标记,建立诊断胃癌的蛋白质标记模型.方法 应用表面增强激光解吸电离飞行时间质谱技术检测了74例胃癌、70例健康对照样本的血清蛋白质质谱,结合人工神经网络建立胃癌诊断模型.结果 从胃癌组与健康对照组中筛选出了4个蛋白质荷比峰,建立胃癌诊断模型,该诊断模型的特异性为100%(95%的置信区间为94.6%～100.0%),敏感性为92.0%(88.7%～95.2%),准确率为95.8%(86.4%～97.5%).结论 成功建立了胃癌诊断模型,该模型在胃癌的诊断中较传统方法具有更高的敏感性和特异性,可进一步研究与应用.
关键词： 胃肿瘤 表面增强激光解吸电离飞行时间质谱 生物信息学 诊断 蛋白质质谱 -
应用SELDI-TOF-MS技术筛选肺腺癌患者血清诊断标志物
目的 探讨肺腺癌患者及正常人血清中蛋白质质谱的不同,筛选出肺腺癌血清诊断标志物.方法 用WCX2蛋白芯片结合表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术,检测24例肺腺癌和10例正常人血清蛋白质谱,筛选出差异表达蛋白质.结果 本实验共检测到86个有效的蛋白质波峰,其中m/z位于分子质量2000～10 000的波峰有78个.筛选出m/z分子质量为8129.55,2022.18,3271.91,3933.44,3504.49,3811.71的6个血清肿瘤标志物.结论 SELDI-TOF-MS技术是寻找肺腺癌血清诊断标志物的有效工具.利用蛋白组学和生物信息学及相关技术,将有利于建立新的疾病诊断模式--蛋白质指纹图谱.
关键词： 非小细胞肺癌 蛋白质组学 蛋白质质谱 肿瘤标志物 SELDI-TOF-MS -
子宫内膜异位症患者腹腔液中蛋白质质谱的变化
目的：了解子宫内膜异位症（简称内异症）患者腹腔液中蛋白质质谱变化。方法：取内异症患者30例、非内异症患者30例的腹腔液，采用SELDI-TOF-MS技术进行蛋白质质谱检测并结合生物信息学方法进行分析。结果：内异症组与非内异症组腹腔液蛋白质质谱间7个蛋白质差异有统计学意义（ P均＜0．05）。 M／Z为9022．578和6516．219的2个蛋白质被自动作为分类变量建立决策树分类模型，其敏感性为93．33％（28／30），特异性为83．33％（25／30）。其中M／Z为9022．578的蛋白质在内异症患者腹腔液中的表达降低，而M／Z为6516．219的蛋白质在内异症患者腹腔液中的表达升高。结论：从内异症患者腹腔液中筛查出7种差异蛋白质，对进一步研究内异症的病因及发病机制有重要意义。
-
贲门癌高发区慢性萎缩性贲门炎患者血清蛋白质质谱的变化
目的:检测贲门癌高发区人群慢性萎缩性贲门炎(CAG)患者血清蛋白质质谱变化.方法:采用弱阳离子结合芯片(WCx2)及表面加强激光解吸/电离飞行时间质谱仪(SELDI-TOF-MS)对食管癌高发区普查人群中活检组织诊断为正常的63人和CAG的57人的血清蛋白质质谱进行检测,找出差异蛋白质.结果:2组间有165种质核比在2 010～49 170的蛋白质谱图被标记,其中CAG人群中升高37种,降低31种(P＜0.05).结论:CAG人群存在多种血清蛋白质的变化.
-
基于iTRAQ技术的冠心病血瘀证蛋白质谱研究
目的：探索冠心病血瘀证差异蛋白质谱，从蛋白水平阐释冠心病血瘀证的生物学机制。方法对冠心病血瘀证与非血瘀证两组，应用同位素标记相对和绝对定量(isobaric tags for relative and absolute quantitation， iTRAQ)技术分离、鉴定两组的差异蛋白质。结果鉴定到的蛋白质数量780个。两组共有27个蛋白点表达相差1.5倍以上，其中11个上调，16个下调。上调的差异蛋白中主要功能涉及免疫反应、细胞间粘附作用主要指血小板参与的凝血反应、脂质代谢。下调的差异蛋白中主要功能涉及血小板细胞变形、细胞与细胞间关系迁移、细胞损伤表达。结论冠心病血瘀证与免疫反应、血小板参与凝血反应的亢进，以及影响血小板形态变化、血小板间、血管内皮细胞与血小板的粘附迁移有密切的关系。
-
血清蛋白质谱结合人工神经网络在头颈部鳞癌诊断中的研究
背景与目的:头颈部鳞癌早诊率的高低是影响治疗效果的关键因素之一.本研究应用血清蛋白质谱技术结合人工神经网络建立头颈部鳞癌(head and neck squamous cell carcinoma,HNSCC)患者的诊断模型,并评价其诊断价值.方法:对74例头颈部鳞癌患者和146例健康人的血清样本随机分为训练集(148例)和测试集(72例).首先应用表面加强激光解吸电离-飞行时间质谱surface-enhanced desorption ionization time-of-flight mass spectrometry,SELDI-TOF-MS)技术及WCX2 (weak cation-exchange)芯片检测训练集样本,结合反向传播人工神经网络(artificial neural network,ANN)的方法建立诊断模型,进一步检测测试集样本并评价该模型的诊断价值.结果:在训练集样本中筛选出4个m/z(质荷比)峰(4 469 u,5 924 u,8 926 u,16 697 u)区分头颈部鳞癌和对照人群的敏感度和特异度均达100.0%(148/148);用该模型对测试集样本进行双盲法预测的敏感度为85.7%(18/21),特异度为96.1%(49/51).结论:该模型诊断头颈部鳞癌具有较高的灵敏度和特异度,值得进一步研究.
-
蛋白指纹图谱蛋白芯片技术检测诊断早期胃癌的临床意义
目的:应用SELDI蛋白质芯片检测胃癌患者血清蛋白质指纹图谱,筛选候选肿瘤标志物以建立诊断模型.并探讨其诊断早期胃癌的临床意义.方法:表面加强激光解吸电离-飞行时间质谱(SELDI-TOF-MS)技术及其配套蛋白质芯片检测80例胃癌患者(Ⅰ/Ⅱ期40例与Ⅲ/Ⅳ期40例)、80例良性胃病患者(胃溃疡40例与慢性萎缩性胃炎40例)和80例健康人的血清蛋白质质谱.将部分研究对象随机分为训练集(40例胃癌、20名良性胃病与20名健康人群)和验证集(40例胃癌、20名良性胃病与20名健康人群),前者用于筛选胃癌差异蛋白标志物并建立人工神经网络诊断模型,后者用于模型诊断效度的盲法验证.结果:质荷比(m/z)分别为2927、3217、3236、3287的4个蛋白质峰组合所构建的诊断模型能达到诊断胃癌患者的佳诊断效果.灵敏度90.0%,特异度92.5%.结论:SELDI蛋白芯片技术在胃癌的诊断尤其是早期诊断、术前分期及侯选肿瘤标志物筛选等方面具有一定价值,值得进一步研究.
