首页 > 文献资料
-
SELDI-TOF质谱技术与肿瘤体液标志物研究
本文简要总结近年用于临床蛋白质组研究中的表面增强激光解吸电离蛋白质芯片飞行时间质谱(surface-enhanced laser desorption/ionization time-of-filght mass spectrometry,SELDI-TOF)技术及其在肿瘤体液标志物研究中的应用.该技术以其简便、快速和无需纯化直接检测体液中蛋白质的特点迅速用于临床体液蛋白质组研究,取得了一些重要进展.同时,该技术也有许多缺点,本文对此做了总结.
-
胶质瘤脑脊液蛋白指纹图质谱仪分析及其在临床诊断中的应用
目的建立区分胶质瘤和非肿瘤脑脊液的蛋白指纹图诊断模型,利用蛋白组学技术寻找新的肿瘤标志物.方法收集胶质瘤和轻中度脑外伤病人(共46份)的脑脊液,利用表面加强解析/电离吸收-时间飞行质谱(surface-enhanced laser desorption/ionization time-of-flight mass spectrometry,SELDI-TOF-MS)检测蛋白芯片,得出蛋白指纹图,将46份标本随机分为训练组30例(12例胶质瘤,18例脑外伤)和盲法测试组16例(7例胶质瘤,9例脑外伤),运用Ciphergen公司提供的BiomarkerPatternsTMSoftware(一种决策树软件)分析收集的数据.结果(1)得到胶质瘤与非肿瘤的蛋白指纹图;(2)利用训练集得出基于决策树的脑脊液蛋白模型,测试集盲法检测,胶质瘤诊断的敏感性和特异性分别为100%(8/8)和88.9%(8/9).结论建立了胶质瘤的脑脊液蛋白指纹图谱,为以后的胶质瘤蛋白质组学研究奠定了一定基础;建立了区分胶质瘤与非肿瘤的脑脊液蛋白表达质谱诊断模型,盲法检验敏感性和特异性达到100%和88.9%,为胶质瘤的临床诊断提供了一条崭新的途径和方法.
-
应用SELDI-TOF-MS技术建立胃癌筛选血清蛋白质指纹图谱模型
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(SEL-DI-TOF-MS)技术及其配套蛋白质芯片检测40例胃癌患者和30例健康人的血清蛋白质组图谱,运用判别分析处理数据筛选标志物并建立诊断模型.结果 8592m/z、13725m/z、8678m/z等3个蛋白质峰组合所构建的诊断模型能达到鉴别胃癌患者和健康人的佳诊断效果,灵敏度为90%(36/40),特异性为86.5%(26/30).结论 该方法 在胃癌的诊断尤其是早期诊断、术前分期及候选肿瘤标志物筛选等方面具有一定价值,值得进一步研究.
-
血清蛋白质指纹图谱诊断早期胃癌临床意义
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.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34例胃癌患者(Ⅰ/Ⅱ期12例与Ⅲ/Ⅳ期22例)和30例健康人的血清蛋白质组图谱,运用判别分析处理数据筛选标志物并建立诊断模型.结果:2046m/z、1179m/z、1817m/z、1752m/z和1588m/z等5个蛋白质峰组合所构建的诊断模型能达到鉴别胃癌患者和健康人的佳诊断效果,特异度94.1%(32/34),灵敏度93.3%(28/30).单个4665m/z蛋白质峰诊断模型可达到鉴别Ⅰ/Ⅱ期与Ⅲ/Ⅳ期胃癌效果,其特异度91.6%(11/12),灵敏度95.4%(21/22).结论:该方法在胃癌的诊断尤其是早期诊断方面具有一定价值,值得进一步研究.
-
LTQ和SELDI-TOF质谱对弱阳离子磁珠捕获的血清多肽和蛋白的鉴定
[目的]鉴定弱阳离子磁珠捕获的血清多肽和蛋白峰.[方法]收集经弱阳离子磁珠从人血清中捕获后洗脱下来的蛋白,然后经过HPLC分离,各组分的一部分跑SDS-PAGE胶并用LTQ质谱鉴定,另一部分采用SELDI-TOF检测,后结合参考文献信息初步确定部分峰的鉴定结果.[结果]通过SELDI-TOF检测结果发现5个组分有比较明显的峰,基于LTQ质谱鉴定了这5个组分分子量在30kD以下的蛋白,数据库搜索结果显示评分在100分以上共鉴定出66个单一蛋白.并初步确定了13个SELDI-TOF上峰的蛋白结果.[结论]HPLC分离富集结合SELDI-TOF和LTQ质谱能比较有效地鉴定丰度比较高的差异峰,是各种差异峰鉴定策略的有益补充.
-
血清蛋白质指纹图谱检测诊断早期胃癌临床意义
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34例胃癌患者(Ⅰ/Ⅱ期12例与Ⅲ/Ⅳ期22例)和30例健康人的血清蛋白质组图谱,运用判别分析处理数据筛选标志物并建立诊断模型.结果 2 046m/z、3 179m/z、1 817m/z、1 725m/z和1 588m/z等5个蛋白质峰组合所构建的诊断模型能达到鉴别胃癌患者和健康人的佳诊断效果,特异度94.1%(32/34),灵敏度93.3%(28/30).单个4 665m/z蛋白质峰诊断模型可达到鉴别Ⅰ/Ⅱ期与Ⅲ/Ⅳ期胃癌效果,其特异度91.6%(11/12),灵敏度95.4%(21/22).结论 该方法在胃癌的诊断尤其是早期诊断、术前分期及候选肿瘤标志物筛选等方面具有一定价值,值得进一步研究.
-
血清蛋白质组图谱和人工神经网络软件在乳腺癌诊断中的应用
背景与目的:蛋白质组学的发展为肿瘤的早期诊断和肿瘤标志物筛选提供了全新的技术平台.本研究旨在应用蛋白质芯片技术结合人工神经网络建立乳腺癌诊断模型,并评价其应用价值.方法:利用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对49例乳腺癌患者和33例健康人的血清蛋白质组图谱进行检测,结合人工神经网络软件建立诊断模型并进行验证.结果:以全部253个差异表达蛋白质峰的数据构建完整诊断模型,以差异大的4个峰的数据构建简化诊断模型.完整模型盲法预测的灵敏度和特异度分别为83.33%(15/18)和88.89%(8/9),对早期和中晚期乳腺癌的检出率分别为90.00%(9/10)和75.00%(6/8);简化模型盲法预测的灵敏度和特异度分别为76.47%(13/17)和90.00%(9/10),3例早期乳腺癌均被其准确检出(100.00%,3/3),对中晚期乳腺癌的检出率为71.43%(10/14).两模型灵敏度、特异度两方面的差异无统计学意义(P＞0.05),对早期和中晚期乳腺癌患者的检出率均无显著性差异(P＞0.05).结论:该方法具有较高的灵敏度和特异度,可用于乳腺癌早期诊断与肿瘤标志物筛选研究.
