本发明涉及n糖指纹图谱(n-glycome fingerpint proliling，ngfp)检测，尤其涉及n-糖组标志物在慢性乙型肝炎肝脏组织炎症分级中的应用。
背景技术：
1、乙型肝炎病毒(hepatitis b virus,hbv)感染是全球公共卫生领域的重大挑战之一。据世界卫生组织(world health organization who)统计，2022年全球乙型肝炎表面抗原(hepatitis b surface antigen，hbsag)阳性率为3.3％，慢性hbv感染者达2.54亿，其中约110万人死于hbv感染相关的肝硬化、肝癌等疾病。chb是肝硬化和肝癌的主要病因之一，尽管目前有多种抗病毒治疗手段，但选择合适的治疗时机仍是决定疗效的关键因素，肝炎的炎症活动期被认为是最佳治疗时机。
2、目前，肝组织活检仍然是判断肝脏组织炎症程度的金标准，但其创伤性和患者接受度差限制了其广泛应用。临床上，丙氨酸氨基转移酶(alanine aminotransferase,alt)水平是慢性乙型病毒性肝炎启动抗病毒治疗的重要决定因素之一，但其反映肝脏组织炎症程度存在局限。alt的升高可能由多种非肝脏因素引起，如肌肉损伤或药物影响，降低了其特异性。在慢性肝病患者中，即便肝脏存在炎症，alt水平也可能正常。此外，alt水平容易受到饮食、体重变化等因素的影响，显示出波动性。因此，寻找一种无创、简便且灵敏的肝脏组织炎症活动指标及诊断工具具有重要的临床意义。
技术实现思路
1、为了克服上述技术缺陷，本发明的第一个方面提供一种慢性乙型肝炎肝脏组织炎症分级预测模型的构建方法，其包括：
2、步骤s1：按照纳入和排除标准筛选出经肝组织活检病理确诊为慢性乙型肝炎并有明确肝脏组织炎症分级的若干例患者，收集患者的临床数据，并采集所述若干例患者的血清样本；
3、步骤s2：采用n-糖指纹图谱(n-glycomic fingerprint profiling,ngfp)技术对不同丙氨酸氨基转移酶(alanine aminotransferase,alt)水平患者的血清样本进行血清蛋白n-糖链指纹图谱差异分析，得到在不同alt水平下的n-糖标志物；
4、步骤s3：基于常规指标和/或n-糖标志物，采用二元逻辑回归分析方法分别构建不同alt水平下的肝脏组织炎症分级评估模型；
5、步骤s4：使用受试者工作特征曲线(receiver operating characteristiccurves,roc)曲线下面积分别评估上述模型的诊断效能，选择其中效能最优的模型作为慢性乙型肝炎肝脏组织炎症分级预测模型。
6、进一步地，在步骤s2中，在血清alt≤40iu/l时的n-糖标志物为peak1、peak2和peak5；在alt>40iu/l时的n-糖标志物为peak1、peak2、peak3、peak4、peak5和peak8。
7、进一步地，在步骤s3中，常规指标包括性别(gender)、年龄(age)、总胆红素(totalbilirubin,tbil)和alt。
8、进一步地，在步骤s3中，
9、(1)当alt≤40iu/l时，所述肝脏组织炎症分级评估模型分别为：
10、his-ra＝0.468×gender+0.051×age+0.001×tbil+0.068×alt；
11、his-ga＝41.67-0.315×peak1+0.226×peak2-0.444×peak5+0.690×gender-0.010×age
12、his-ga+＝his-ga+0.032×tbil-0.099×alt-15.757
13、(2)当alt>40iu/l时，所述肝脏组织炎症分级评估模型分别为：
14、his-rb＝0.134+0.862×gender-0.014×age+0.017×tbil+0.002×age
15、his-gb＝16.39-0.19×peak1+0.96×peak2-0.26×peak3+0.53×peak4-0.20×peak5-0.30×peak8+1.48×gender-0.03×age
16、his-gb+＝his-gb+0.005×tbil+0.006×alt-4.284
17、其中，peak1、peak2、peak3、peak4、peak5、peak8的取值为患者血清采用ngfp技术检测后，得到n-糖链图谱，提取十三个n-糖链的峰高值，将每个峰的峰高值除以所有峰的高度的总和，计算每个峰的相对含量，单位为％；gender为患者性别，男性赋值0，女性赋值1；age为患者年龄，精确到小数点后一位；tbil为患者血清总胆红素水平，由全自动生化分析仪检测获得，单位为μmol/l；alt为患者血清丙氨酸氨基转移酶水平，由全自动生化分析仪检测获得，单位为iu/l。
18、进一步地，在步骤s4中，
19、当alt≤40iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
20、his-ga+＝his-ga+0.032×tbil-0.099×alt-15.757
21、当alt>40iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
22、his-gb+＝his-gb+0.005×tbil+0.006×alt-4.284。
23、本技术的第二个方面提供一种慢性乙型肝炎肝脏组织炎症分级预测系统，其包括：
24、输入模块，所述输入模块用于获取当前患者的n-糖标志物、性别、年龄、tbil和alt的数据；
25、分级预测模块，所述分级预测模块用于使用预先构建好的慢性乙型肝炎肝脏组织炎症分级预测模型进行慢性乙型肝炎肝脏组织炎症分级预测，并得到分级预测结果；
26、输出模块，所述输出模块用于输出所述分级预测结果。
27、进一步地，所述慢性乙型肝炎肝脏组织炎症分级预测模型的构建方法包括以下步骤：
28、步骤s1：按照纳入和排除标准筛选出经肝组织活检病理确诊为慢性乙型肝炎并有明确肝脏组织炎症分级的若干例患者，收集患者的临床数据，并采集所述若干例患者的血清样本；
29、步骤s2：采用n-糖指纹图谱技术对不同alt水平患者的血清样本进行血清蛋白n-糖链指纹图谱差异分析，得到在不同alt水平下的n-糖标志物；
30、步骤s3：基于常规生化指标和/或n-糖标志物，采用二元逻辑回归分析方法分别构建不同alt水平下的肝脏组织炎症分级评估模型；
31、步骤s4：使用受试者工作特征曲线下面积分别评估上述模型的诊断效能，选择其中效能最优的模型作为慢性乙型肝炎肝脏组织炎症分级预测模型。
32、进一步地，所述n-糖标志物为peak1、peak2、peak3、peak4、peak5和peak8；
33、当alt≤40 iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
34、his-ga+＝his-ga+0.032×tbil-0.099×alt-15.757
35、当alt>40iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
36、his-gb+＝his-gb+0.005×tbil+0.006×alt-4.284
37、其中，his-ga＝41.67-0.315×peak1+0.226×peak2-0.444×peak5+0.690×gender-0.010×age；his-gb＝16.39-0.19×peak1+0.96×peak2-0.26×peak3+0.53×peak4-0.20×peak5-0.30×peak8+1.48×gender-0.03×age；peak1、peak2、peak3、peak4、peak5、peak8的取值为患者血清采用ngfp技术检测后，得到n-糖链图谱，提取十三个n-糖链的峰高值，将每个峰的峰高值除以所有峰的高度的总和，计算每个峰的相对含量，单位为％；gender为患者性别，男性赋值0，女性赋值1；age为患者年龄，精确到小数点后一位；tbil为患者血清总胆红素水平，由全自动生化分析仪检测获得，单位为μmol/l；alt为患者血清丙氨酸氨基转移酶水平，由全自动生化分析仪检测获得，单位为iu/l。
38、本技术的第三个方面提供联合标志物在评估慢性乙型肝炎肝脏炎分级中的应用，所述联合标志物由n-糖标志物、性别、年龄、tbil和alt组成，所述联合标志物通过构建模型来评估慢性乙型肝炎肝脏组织炎症分级。
39、进一步地，当alt≤40 iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
40、his-ga+＝his-ga+0.032×tbil-0.099×alt-15.757
41、当alt>40iu/l时，所述慢性乙型肝炎肝脏组织炎症分级预测模型为：
42、his-gb+＝his-gb+0.005×tbil+0.006×alt-4.284
43、其中，his-ga＝41.67-0.315×peak1+0.226×peak2-0.444×peak5+0.690×gender-0.010×age；
44、his-gb＝16.39-0.19×peak1+0.96×peak2-0.26×peak3+0.53×peak4-0.20×peak5-0.30×peak8+1.48×gender-0.03×age；
45、peak1、peak2、peak3、peak4、peak5、peak8的取值为患者血清采用ngfp技术检测后，得到n-糖链图谱，提取十三个n-糖链的峰高值，将每个峰的峰高值除以所有峰的高度的总和，计算每个峰的相对含量，单位为％；gender为患者性别，男性赋值0，女性赋值1；age为患者年龄，精确到小数点后一位；tbil为患者血清总胆红素水平，由全自动生化分析仪检测获得，单位为μmol/l；alt为患者血清丙氨酸氨基转移酶水平，由全自动生化分析仪检测获得，单位为iu/l。
46、采用了上述技术方案后，与现有技术相比，具有以下有益效果：
47、本技术将n-糖标志物、性别、年龄、tbil和alt作为联合标志物，并利用二元逻辑回归方法构建不同alt水平下的肝脏组织炎症分级评估模型，并筛选出模型效果最优的评估模型作为最终的慢性乙型肝炎肝脏组织炎症分级预测模型。慢性乙型肝炎肝脏组织炎症分级预测模型根据患者血清中的alt水平，采用不同的模型公式计算出模型计算值。当模型计算值超过最佳截断值时，提示患者的肝组织存在显著性炎症坏死(≥g2级)，临床上需考虑进行抗病毒治疗；当模型计算值小于最佳截断值时，提示患者肝组织无或轻度炎症。本技术技术方案能够快速、准确、无创地进行慢性乙型肝炎肝脏组织炎症程度分级。仅需微量外周血就能够高效识别肝脏组织炎症风险群体(≥g2级)，显著提升了慢性肝炎患者的无创诊断准确性与安全性，还有效减少了不必要的侵入性检查需求，降低了与侵入性检查相关的潜在风险。