化学组成或结构的情况下指明了由该 分析方法获得的该生化品的特性或行为。
[0108] 未命名的生化品表示已经确立其"离子碎片化标签"但是在该化学品文库中无法 获得已知的标准品的条目实体。通过用于独特鉴定的分析技术（上文所述）已经充分地表 征了这些未命名的生化品。在本文将这些未命名的生化品指定为命名"X-"，之后是特定的 五位数。描述了表1中的所列出的这些未命名的生化小分子的鉴定分析信息。例如，对于未 命名的代谢物X-17299,保留时间是1. 2,保留指数是1265. 9,定量质量是229. 2,并且使用 上述分析方法该定量离子的极性是阳性的，如在针对酸性物类进行优化的LC-MS/MS上所 测量的。在一个另外的实例中，对于未命名的代谢物X-11564,保留时间是1. 2,保留指数是 1188,定量质量是177. 1，并且使用上述分析方法该定量离子的极性是阴性的，如在针对碱 性物类进行优化的LC-MS/MS上所测量的。这些分析特征允许监测所述生物标记（X-17299 和X-11564)，即使未知确切的化学特性（即，化合物名称）。
[0109] B?统计分析：
[0110] 使用t-检验分析数据，以鉴定在可定义群体或亚群体中以差异性存在的（例如， 与没有肾功能损伤的受试者相比，具有肾功能损伤的受试者的生物标记）、有用于区分可限 定群体（例如，肾功能损伤和无肾功能损伤）的分子（已知的、已命名的代谢物或未命名的 代谢物）。也可以鉴定可限定群体或亚群体中的其他分子（已知的、已命名的代谢物或未命 名的代谢物）。
[0111] 还使用相关性分析来分析数据，以鉴定与eGFR计算（例如，CKD-EPI eGFR、MDRD eGFR)相关的分子（已知的、已命名的代谢物或未命名的代谢物）。
[0112] 使用多重回归分析来评估示例性生物标记组的预测价值。
[0113] 基于代谢物生物标记水平，计算这些样品对于分类的灵敏性和特异性。灵敏性是 在所有真实阳性的那些中鉴定阳性者或被分类为阳性者的受试者的比例的能力。特异性是 在所有真实阴性的那些中鉴定阴性者或被分类为阴性者的受试者的比例的能力。使用这些 数据，生成接受者工作特征（R0C)曲线。该R0C曲线是一种数学模型并且是敏感性对假阳 性率的绘图（1-特异性）。来自这个曲线的曲线下面积（AUC)是分类者将随机选择的阳性 实例排名比随机选择的阴性实例更高的可能性。
[0114] 实例1:用于评价肾功能的生物标记
[0115] 用于分析的这些样品是从281名患糖尿病个体收集的血清样品。使用两个用于估 计GFR的方程1)MDRD eGFR和2)CKD-EPI eGFR来评估患者肾功能。使用MDRD eGFR估计 值，将eGFR小于60ml/min/l. 73m2的患者分类为患有CKD，并且将eGFR = 60ml/min/l. 73m2 或更大的患者分类为正常。在收集样品时，将总共46个患者分类为患有CKD，并且将235个 患者分类为正常。
[0116] 在测定代谢物的水平之后，使用t-检验分析数据。通过将CKD样品与正常样品进 行比较而鉴定肾功能的生物标记。如下表1中所列出的，该分析鉴定了在CKD与正常患者血 清样品之间差异性存在的生物标记。表1中的所有生物标记都是统计上显著的（P〈〇. 1)。作 为用于鉴定肾功能损伤的生物标记的另一种方式，在生物标记水平与eGFR计算（即，MDRD eGFR和CKD-EPI eGFR)之间进行相关性分析。每种生物标记的相关性值示于表1中。
[0117] 针对每种生物标记，表1包括该生物标记的生化名称、该生物标记与MDRD的相关 性值、该生物标记与CKD-EPI的相关性值、与正常受试者相比患有CKD的受试者体内该生物 标记的倍数变化（CKD/正常）（它是当与正常平均水平相比时，该生物标记在CKD样品中的 平均水平的比率）以及在关于该生物标记的数据统计分析中确定的P值。表1还列出了 以下内容：该生物标记化合物在真实标准品的内部化学品文库中的内部标识符（CompID); 该生物标记化合物在基因和基因组京都百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG)中的标识符，如果可以获得的话；以及该生物标记化合物在人类代谢组数 据库（Human Metabolome Database，HMDB)中的标识符，如果可以获得的话。
[0118] 表1.用于评价肾功能的生物标记
[0119]
[0120] CN 105209909 A WL ^ 下i 18/42贝
[0121]
[0122]
[0123]
[0124]
[0125] CN105209909A 说明书 23/42 页
[0126] 实例2 :用于肾功能评价的单独生物标记的诊断性能
[0127] 在另一个实例中，三种用于评价肾功能并且鉴定患有CKD的个体的示例性生物标 记选自表1并且评估其诊断性能。这些模型旨在是非限制性的并且被呈现为示例本发明。 这些鉴定的生物标记以在来自具有正常肾功能的个体的患者样品与来自患有CKD的个体 的样品之间差异的水平存在。例如，C-糖基色氨酸、N-乙酰基苏氨酸和假尿苷是将患有CKD 的受试者与正常受试者区分开的显著生物标记。
[0128] 用于分析的这些样品是从281名患糖尿病个体收集的血清样品。使用用于估计 GFR的MDRD方程评估患者肾功能。将MDRD eGFR值小于60ml/min/l. 73m2的患者分类为患 有CKD，并且将eGFR值为60ml/min/l. 73m2或更大的患者分类为正常。在收集样品时，将总 共46个患者分类为患有CKD，并且将235个患者分类为正常。使用接受者工作特征（R0C) 曲线建模，评估在实例1，表1中鉴定的用于诊断或辅助诊断CKD的生物标记的诊断性能。
[0129] 评估示例性生物标记C-糖基色氨酸的诊断性能。图3A示出了基于在样品中测量 的C-糖基色氨酸的水平的患者样品分布。x轴示出了诊断组（正常或CKD)，并且y轴示出 了 C-糖基色氨酸的水平。接下来，将C-糖基色氨酸的水平用于数学模型中，以确定该生物 标记的诊断性能。图3B示出了 C-糖基色氨酸的R0C曲线。该R0C曲线的曲线下面积（AUC) 为0. 8721。基于这个R0C曲线，通过测量C-糖基色氨酸的水平确定以85%敏感性和80% 特异性将CKD受试者与正常受试者区分开。
[0130] 还评估了示例性生物标记N-乙酰基苏氨酸的诊断性能。图4A示出了基于在样品 中测量的N-乙酰基苏氨酸的水平的患者样品分布。x轴示出了诊断组（正常或CKD)，并且 y轴示出了 N-乙酰基苏氨酸的水平。接下来，将N-乙酰基苏氨酸的水平用于数学模型中， 以确定该生物标记的诊断性能。图4B示出了 N-乙酰基苏氨酸的R0C曲线。该R0C曲线的 AUC为0. 8801。基于这个R0C曲线，通过测量N-乙酰基苏氨酸的水平确定以83%敏感性和 87 %特异性将CKD受试者与正常受试者区分开。
[0131] 还评估了示例性生物标记假尿苷的诊断性能。图5A示出了基于在样品中测量的 假尿苷的水平的患者样品分布。x轴示出了诊断组（正常或CKD)，并且y轴示出了假尿苷 的水平。接下来，将假尿苷的水平用于数学模型中，以确定该生物标记的诊断性能。图5B 示出了假尿苷的R0C曲线。该R0C曲线的AUC为0. 9041。基于这个R0C曲线，通过测量假 尿苷的水平确定以80%敏感性和93%特异性将CKD受试者与正常受试者区分开。
[0132] 实例3 :用于肾功能评价的生物标记组的诊断性能
[0133] 在另一个实例中，开发了提供GFR的估计值的数学模型。这些模型GFR估计值 用于评估肾功能，并且将使用这些模型获得的估计值的表现与使用CKD-EPI方程计算的 eGFR("CKD-EPI eGFR"）进行比较。使用以下生物标记的组合开发了五种示例性模型：假 尿苷、N-乙酰基苏氨酸、C-糖基色氨酸、犬尿氨酸、肌醇、肌酸酐。这些示例性生物标记还在 实例1中描述为明显地用于将具有正常肾功能的个体与患有CKD的那些区分开。这些模型 旨在是非限制性的并且被呈现为示例本发明。
[0134] 在从258名患糖尿病个体收集的禁食血清样品中测量了生物标记假尿苷、N-乙酰 基苏氨酸、C-糖基色氨酸、犬尿氨酸、肌醇及肌酸酐，对于这些个体而言将用于估计GFR的 CKD-EPI方程用于评估肾功能。将CKD-EPI eGFR值为60ml/min/l. 73m2或更小的患者分类 为具有"阳性"诊断（即，削弱的害肾功能，CKD)，并且将eGFR值大于60ml/min/l. 73m2的患 者分类为具有"阴性"诊断（即，正常的肾功能）。基于CKD-EPI eGFR结果，将总共40个患 者分类为CKD和/或削弱的肾功能的阳性诊断，并且将218个患者分类为阴性诊断和/或 具有正常的肾功能。
[0135] 在本实例中，使用多重回归分析产生五种模型：示例性模型1包括生物标记假尿 苷、C-糖基色氨酸、N-乙酰基苏氨酸及肌酸酐；示例性模型2包括生物标记假尿苷、N-乙酰 基苏氨酸、肌醇及肌酸酐；示例性模型3包括生物标记N-乙酰基苏氨酸、肌醇、C-糖基色氨 酸及肌酸酐；示例性模型4包括生物标记N-乙酰基苏氨酸、肌醇、犬尿氨酸及肌酸酐；并且 示例性模型5包括生物标记假尿苷、C-糖基色氨酸、N-乙酰基苏氨酸及肌醇。使用接受者 工作特征（R0C)并且通过计算曲线下面积（AUC)评估每种模型的诊断性能。
[0136] 对于示例性模型1，使用模型1计算的GFR值与使用CKD-EPI eGFR计算的值显著 相关；调整R2为〇. 614,其中整体p值小于0. 001。基于计算的AUC，模型1的诊断性能为 0.932。模型1的相关性分析的结果以图表形式显示于图6A中。将使用模型1计算的GFR 标绘在x轴上，并且将CKD-EPI eGFR标绘在y轴上。
[0137] 对于示例性模型2,使用模型2计算的GFR值与使用CKD-EPI eGFR计算的值相关； 调整R2为0. 614,其中整体p值小于0. 0001。基于计算的AUC，模型2的诊断性能为0. 932。 模型2的相关性分析的结果以图表形式显示于图6B中。将使用模型2计算的GFR标绘在 x轴上，并且将CKD-EPI eGFR标绘在y轴上。
[0138] 对于示例性模型3,使用模型3计算的GFR值与使用CKD-EPI eGFR计算的值相关； 调整R2为0. 594,其中整体p值小于0. 0001。基于计算的AUC，模型3的诊断性能为0. 931。 模型3的相关性分析的结果以图表形式显示于图6C中。将使用模型3计算的GFR标绘在 x轴上，并且将CKD-EPI eGFR标绘在y轴上。
[0139] 对于示例性模型4,使用模型4计算的GFR值与使用CKD-EPI eGFR计算的值显著 相关；调整R2为〇. 613,其中整体p值小于0. 0001。基于计算的AUC，模型4的诊断性能为 0.935。模型4的相关性分析的结果以图表形式显示于图6D中。将使用模型4计算的GFR 标绘在x轴上，并且将CKD-EPI eGFR标绘在y轴上。
[0140] 对于示例性模型5,使用模型5计算的GFR值与使用CKD-EPI eGFR计算的值显著 相关；调整R2为〇. 563,其中整体p值小于0. 0001。基于计算的AUC，模型5的诊断性能为 0.933。模型5的相关性分析的结果以图表形式显示于图6E中。将使用模型5计算的GFR 标绘在x轴上，并且将CKD-EPI eGFR标绘在y轴上。
[0141] 实例4 :用于评价具有中等eGFR的患者的肾功能的生物标记
[0142] 对于eGFR处于中等（G2-G3a)范围内（其中eGFR在45与74mL/min/1.63m 2之间） 和/或具有中等尿白蛋白评分的患者，肾功能的评价和CKD的诊断是不确定的；此类患者将 受益于更精确估计的GFR，如代谢物生物标记测试。将这样的一种新颖的生物标记测试整合 进肾功能评价和治疗算法中图解于图1中。
[0143] 通过测量来自eGFR值为40-80的患糖尿病个体的血清样品和尿液样品中的生物 标记的水平而鉴定有用于评估肾功能和估计GFR的生物标记。
[0144] 分析了来自MDRD eGFR落入此范围内的78名个体和CKD-EPI eGFR值落入此范围 内的69名个体的血清样品。将这些生物标记的水平与MDRD eGFR和CKD-EPI eGFR值相关 联。将关联结果呈现于表2中。对于表2中所列出的每种生物标记，显示了该生物标记的 生化名称、该生物标记与CKD-EPI eGFR的相关性值、该生物标记与CKD-EPI eGFR的相关性 的P值、该生物标记与MDRD eGFR的相关性值以及该生物标记与MDRD eGFR的相关性的p 值。
[0145] 表2.用于评价eGFR为40-80的患者的肾功能的血清生物标记
[0146]
[0147]
[0148
[0149]
[0150]
[0151」
[0