0 · 88且2138 · 14m/z < 7 · 10则提示为胃癌患者；当满足条件①4268 · 08m/z> 5.08且6564.85 <0.88;@4267.09111/2>5.08、6564.85>0.88且2138.14111/2>7.10则提示 为慢性胃炎患者。Μ:质谱峰相对强度。
[0080] 3.2鉴别诊断模型十字交叉验证
[0081] 对所建立的胃癌与慢性胃炎的诊断模型采用十字交叉法进行验证，结果该模型的 灵敏度和特异度分别89% (51/57)和75% (21/28)(见表3)。
[0082] 表3所建诊断模型对胃癌的诊断效率(十字交叉验证结果）
[0084]图4为胃癌与慢性胃炎组的诊断模型十字交叉验证的R0C曲线，其中横轴坐标为假 阳性率(1-特异度），纵坐标为真阳性率(灵敏度hROC曲线下面积越大，其诊断价值越高。图 4中十字交叉验证的R0C曲线值为0.924,进一步的分析验证了所建立模型的准确性。
[0085] 发明人采用的WCX结合MALDI-T0F-MS蛋白质学技术在方法学上具有高通量、高敏 感性、高特异性优势，其检测的标本可以是血液、尿液、唾液等人体各种体液。本研究应用 WCX结合MALDI-T0F-MS技术分析胃癌与慢性胃炎患者唾液在蛋白质组水平上的差异，发现 了23个具有显著性意义的差异蛋白质峰，经Biomarker Pattern Software 5.0.2系统软件 筛选、采用决策树算法建立了由4267.09、6564.85、2138.14111/2三个显著差异蛋白峰组成的 鉴别诊断模型，经临床回代检验该模型的灵敏度和特异度分别达96%和86%;对所建立的 胃癌与慢性胃炎的鉴别诊断模型采用十字交叉法进行验证，结果该模型的灵敏度和特异度 分别为89%和75%，显示该模型对胃癌和慢性胃炎的鉴别具有较高的诊断效率。本研究结 果提示，唾液蛋白质组学无创伤分子诊断方法对于早期鉴别诊断胃癌和慢性胃炎具有重要 临床价值，值得进一步深入研究并在临床推广应用。
[0086]如在说明书及权利要求当中使用了某些词汇来指称特定成分或方法。本领域技术 人员应可理解，不同地区可能会用不同名词来称呼同一个成分。本说明书及权利要求并不 以名称的差异来作为区分成分的方式。如在通篇说明书及权利要求当中所提及的"包含"为 一开放式用语，故应解释成"包含但不限定于"。"大致"是指在可接收的误差范围内，本领域 技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续 描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非 用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
[0087] 还需要说明的是，术语"包括"、"包含"或者其任何其他变体意在涵盖非排他性的 包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确 列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情 况下，由语句"包括一个……"限定的要素，并不排除在包括所述要素的商品或者系统中还 存在另外的相同要素。
[0088] 上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明 并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、 修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识 进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发 明所附权利要求的保护范围内。
【主权项】
1. 一种胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，包括W下步骤： (1) 样品收集； (2) 纳米磁珠预处理； (3) 样品预处理:取出冷冻保存的唾液样品，冰上解冻，所有唾液样品均1次冻融，取扣1 所述唾液样品加入1〇μ1的U9裂解液，混合解育30min后，加入18化1的Wash Buffer稀释； (4) 唾液样品洗脱上样:③向每个装有纳米磁珠的PCR管中分别加入10化1预处理后的 所述唾液样品，混匀，置于室溫解育30min，将所述PCR管置于磁铁上解育Imin，去除上清液； ④每管加入10化1的Wash Buffer洗脱5min，然后将所述PCR管置于磁铁上解育Imin，去除上 清液，再重复步骤④操作一次;⑤在所述PCR管中加入10μ1的Elution Buffer洗脱5min，将 所述PCR管置于磁铁上解育Imin，取扣1上清液移至另一个PCR管中；⑥将装有扣1上清液的 PCR管中加入化1的C肥A饱和溶液，充分混匀，至样品颜色发灰，而没有明显的沉淀时，取化1 混合溶液，加样到Au/Steel忍片上，惊干后放入仪器读取； (5) 质谱分析:采用质谱仪读取所述Au/Steel忍片信息，设置激光强度为190,灵敏度为 5; (6) 数据采集； (7) 数据分析； (8) 建立诊断模型：用Biomarker Pattern Software 5.0.2采用决策树算法计算出多 个变量变化对两样本的判别价值，确定最佳的诊断模型。2. 如权利要求1所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，所 述步骤（1)样品收集的方法为：胃癌组和慢性胃炎组在取材前一天晚上临睡前清水漱口，之 后不再进食任何食物和药物，于第二天晨起后漱口前采用非刺激性唾液采集方式空腹取 材，前5min内的唾液自然吞下后开始收集，收集到的唾液置于冰浴中的15ml唾液离屯、管内， 4°C下静置化后，300化/min、4°C下离屯、lOmin，冰浴上分装在1ml的EP管中，每管20化1，于- 80°C冰箱冷冻保存备用。3. 如权利要求2所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，所 述步骤(2)纳米磁珠预处理的方法为:①取WCX纳米磁珠50μ1加入到20化1的PCR管中，置于 磁铁上解育Imin，去除上清液；②再加入100μΙ的Wash Buffer洗脱5min，在磁铁上解育 Imin，去除上清液，再重复步骤②操作一次。4. 如权利要求3所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，所 述步骤(6)数据采集的方法为：用(：;[地日'旨日]1?1'〇1日;[]1油19 5〇的￥日'日3.2.1软件采集数据， 纵坐标为峰强度，横坐标为蛋白质质荷比，收集数据的质荷比范围为2000~25000m/z，信号 收集位置40~60,平均每点收集20次，收集总点为100次，已知多肤标准忍片标准，激光离子 流 0.5。5. 如权利要求4所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，所 述步骤(7)数据分析的方法为:对位于2000~25000m/z峰值，用Biomarker Wizard软件过滤 噪音;设置初始的噪音过滤值为5,二次信噪比为2, W10%为最小阔值进行聚类，经上述数 据预处理后，采用t检验比较所述胃癌组和所述慢性胃炎组唾液蛋白质质谱数据，找出所述 胃癌组和所述慢性胃炎组之间具有统计学意义的差异表达蛋白质峰。6. 如权利要求5所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，步 骤(7)中，所述胃癌组与所述慢性胃炎组对比，选取两组蛋白质质谱数据比值比率>2的差 异蛋白，设置P<〇.05,所述胃癌组和所述慢性胃炎组之间具有统计学意义的差异表达蛋白 质峰有23个，其中有5个差异蛋白质峰表达下调，18个差异蛋白质峰表达上调，所述23个差 异表达蛋白质峰具体如下：.07.如权利要求6所述的胃癌唾液蛋白指纹图谱分子诊断模型建立方法，其特征在于，步 骤(6)所述荷质比范围为2000~15000m/z。
【专利摘要】本发明公开了一种胃癌唾液蛋白指纹图谱分子诊断模型建立方法，包括以下步骤：样品收集；纳米磁珠预处理；样品预处理；唾液样品洗脱上样；质谱分析；数据采集；数据分析；建立诊断模型。本发明将WCX结合MALDI-TOF-MS蛋白质学技术在方法学上具有高通量、高敏感性、高特异性优势；分析胃癌与慢性胃炎患者唾液在蛋白质组水平上的差异，发现了23个具有显著性意义的差异蛋白质峰，建立了由4267.09、6564.85、2138.14m/z三个显著差异蛋白峰组成的鉴别诊断模型，经临床回代检验该模型的灵敏度和特异度分别达96％和86％；显示该模型对胃癌和慢性胃炎的鉴别具有较高的诊断效率。
【IPC分类】G01N27/62
【公开号】CN105699473
【申请号】CN201610169314
【发明人】吴正治, 黄飞娟, 曹美群, 孙珂焕, 谢梦洲, 贺佐梅
【申请人】深圳市老年医学研究所, 吴正治
【公开日】2016年6月22日
【申请日】2016年3月23日