方法包括使用多分 析物生物忍片，其能够使数个蛋白被同时地检测和定量。2D凝胶电泳也是可被用于多分析 物分析的技术。
[0037] 本发明的第一方面提供协助鉴别诊断已患有或正患有中风的患者的出血性中风 化S)，缺血性中风（IS)和短暂性脑缺血发作(TIA)的方法，其包括:测定获自患者的离体样 品中VCAM-I、GFAP和CRP的浓度，并且建立生物标志物的浓度的意义。使用向后逐步的逻辑 回归，本申请的发明人发现生物标志物GFAP、VCAM、CRP显著地影响可区分TIA、IS和HS的预 测模型。
[0038] 在优选的实施方案中，所述方法还包括：测定获自患者的离体样品中IL-6和 sTNFRl的浓度；确定患者的性别；W及与患者的性别结合建立五种生物标志物的浓度的意 义。
[0039] 已发现性别对体内稳态和疾病中生物标志物水平具有主要的影响。本申请的发明 人发现与性别组合的五种生物标志物6。4?、￥〔41、〔1?\化-6和31册1?1可被用来开发可准确 地预测患者呈现有哪种中风类型的概率的算法W允许相关的治疗。
[0040] 除上述所描述的实施方案的任一项W外，本发明的方法也可进一步包括测定生物 标志物ICAM-ia-选择蛋白、P-选择蛋白、D-二聚体和FABP中一种或多种的浓度，W及将浓 度值用于统计学算法中W区分不同的中风子类型。
[0041] 优选地，将每种生物标志物的浓度值输入统计学算法W产生输出值，所述输出值 与服、IS或TIA的鉴别诊断相关。在一个实施方案中，所述方法被用来鉴别诊断服和IS/TIA。
[0042] 技术人员将意识到用于开发统计学算法的许多合适的方法，并且所有运些方法在 本发明的范围内。合适的分类算法的实例包括多项式逻辑回归、多层感知器神经网络 (MLP)、人工神经网络、支持向量机和随机森林分类。本申请的发明人发现多项式逻辑回归 和MPL在本发明的情况中均可实现类似的性能，其暗示了本发明的方法中使用的分析物（即 生物标志物）而不是产生算法模型所使用的方法的重要性。然而，在一个优选的实施方案 中，统计学算法包括逻辑回归方程。
[0043] 可通过接受者操作特性(ROC)很好地描述根据本发明所使用的统计学方法的准确 性。ROC曲线处理了所述测试的敏感性(真阳性的数量)和特异性(真阴性的数量）。因此，指 定生物标志物组合的敏感性和特异性的值指示所述检测的准确性。例如，如果生物标志物 的组合具有80%的敏感性和特异性，从患有中风的100例患者中，从确定具体生物标志物组 合的存在可正确地鉴定80例为中风的阳性，而从不患有中风的100例患者中，80例准确地检 验为所述疾病的阴性。
[0044] 如果两种或更多种生物标志物被用于诊断方法中，可得到合适的数学模型，如逻 辑回归方程。逻辑回归方程可包含其他变量，如患者的年龄和性别。ROC曲线可被用来评估 逻辑回归模型的准确性。逻辑回归方程可被独立地使用或被用于算法中W协助做出临床决 策。尽管逻辑回归方程是运样的情况中使用的常见数学/统计学方法，并且在本发明的情况 中是优选的，但也可使用其他数学/统计学方法。
[0045] 通过实例的方式，适用于本发明的用于指示患者(疑似已具有或当前正经历中风） 中风类型的生物标志物组合GFAPXRP和VCAM的逻辑回归方程(分类阔值0.5)计算如下：
[0046]
[0047] 其中[GFAP]、[ CRP]和[VCAM]为取自所述患者的血液样品中测出的GFAP、CRP和 VCAM的浓度(参见表1的118号的AUC值）。
[0048] 优选地，对之前被诊断为正患有中风，或之前患有中风的患者实施协助鉴别诊断 HS、IS和TIA的方法。本发明的方法的目的是鉴定患者正患有或已患有哪种中风子类型，W 便可施用适当的治疗。因此，在一个实施方案中，一旦做出中风子类型的鉴别诊断，本发明 的方法包括对患者施用适当治疗的进一步步骤。例如，如果实施本发明方法的结果确定患 者已患有或正患有IS，可施用适当的治疗如溶解血栓的疗法(例如组织血纤维蛋白溶酶原 激活剂(TPA)) W打破凝块。可结合由医师所确定的其他适当的疗法施用该治疗。如果实施 本发明方法的结果确定患者已患有或正患有TIA，可开处方并施用血液稀释剂，如华法林和 阿司匹林。如果实施本发明方法的结果确定患者已患有或正患有HS,然后通常将运些患者 送至外科病房W修复损害的血管。
[0049] 可使用本领域已知的任何合适的诊断方法或技术，实施诊断患者正患有或已患有 中风的初步步骤，所述诊断方法或技术包括扫描技术如CT和MRI，或分析患者样品的中风生 物标志物。然而，在优选的实施方案中，通过W下步骤患者被诊断为正患有或已患有中风： 测定获自患者的离体样品中至少两种生物标志物的浓度，并且通过将每种生物标志物的浓 度值与相应的对照值比较来建立生物标志物的浓度的意义。优选地，至少两种生物标志物 选自ICAM-Uk选择蛋白、P-选择蛋白、￥〔41-1、比-6、31册31、0-二聚体和〇?口，^及优选地， 两种生物标志物中至少一种选自ICAM-Uk选择蛋白、P-选择蛋白和VCAM-1。根据初步诊断 中风的该优选的方法，将患者和对照的每种生物标志物浓度值输入统计学算法W产生输出 值，所述输出值指示是否已发生中风。用于本发明的该实施方案的优选生物标志物组合为 表1或表2中列举的那些生物标志物。运些表提供了用于中风与对照比较的不同生物标志物 组合的敏感性、特异性和AUC数据。 [(K)加]表1 [0化1 ]
[0化5]
[0056] [LsellX-选择蛋白）Psel(P-选择蛋白）]
[0化7] 表2
[0化9]
[0060] [LsellX-选择蛋白）Psel(P-选择蛋白）]
[0061] 在上述初步诊断中风的优选方法中，对照值可源自获自没有经历过中风的一个或 多个个体的生物学样品中相应生物标志物的浓度。没有经历过中风的运样的一个或多个个 体可为例如健康的个体，患有除中风W外的疾病的个体。可选地，对照值可相应于中风事件 之前获自患者的样品中每种生物标志物的浓度。
[0062] 为避免疑义，术语'相应生物标志物'意指关于患者样品被测定的相同生物标志物 组合的浓度也被用来测定对照值。例如，如果测定了患者样品中选择蛋白的浓 度，则也测定对照样品中ICAM-I和心选择蛋白的浓度。
[0063] 在优选的实施方案中，将患者和/或对照的每种生物标志物浓度值输入一个或多 个统计学算法W产生输出值，所述输出值指示是否已发生中风。
[0064] 使用统计学技术导出截取浓度或截取值;多种不同的方法适用于开发统计学算法 并且是本领域技术人员公知的。生物标志物统计学分析的标准方法是使用单变量方法W比 较多个组的生物标志物水平，并且突出跨具体组和具体组之间浓度显著不同的生物标志 物。
[0065] 可通过使样品与具有探针的基底接触来测定生物标志物浓度，所述探针对生物标 志物组合中包括的每种生物标志物具有特异性。可使用本领域公知的多种技术监测和定量 生物标志物与其各自探针之间的相互作用。生物标志物浓度被优选地测量为ng/ml。
[0066] 因此，本发明的第二方面提供基底，其包含对VCAM-UGFAP和CRP特异的探针。所述 基底适合于在本发明的方法中使用，用于协助鉴别诊断HS、IS和TIA。优选地，所述基底还包 含对IL-6和sTNFRl特异的探针，并且还可任选地包含表1和/或表2中所列的生物标志物中 任一种或多种的探针。
[0067] 本文使用的术语'特异'意指探针只结合本发明的生物标志物的一种，与本发明的 其他生物标志物或被分析的生物学样品中其他分析物的结合可忽略。运确保了使用本发明 的生物标志物的诊断检测及其结果的完整性不被其他结合事件连累。
[0068] 优选地，探针被固定在基底的表面上，优选地被共价地固定。基底可为能够支持一 种或多种探针的任何物质，但优选地为固态装置，如生物忍片。生物忍片为平面的基底，其 可为例如，矿物质或基于聚合物的，但优选地为陶瓷的。当鉴定本发明的多种生物标志物/ 蛋白时，对技术人员显而易见的是，不仅鉴定全长的蛋白，而且鉴定蛋白的片段或数个片段 是可能的，条件是允许蛋白的准确鉴定。类似地，尽管本发明的优选探针是多克隆或单克隆 抗体，也使用其他探针如适配体探针、分子印迹聚合体探针、隧菌体探针、短链抗体片段探 针和其他基于抗体的探针。
[0069] 优选地，固态装置被用于本发