蛋白质芯片技术应用于肝癌诊断的初步研究

 【摘要】　目的　应用表面增强激光解析电离飞行时间质谱（SELDI-TOF-MS）技术和蛋白质芯片从肝癌患者血清中筛选可用于肝癌诊断的标志蛋白质。方法　运用SELDI-TOF-MS技术及CM10蛋白质芯片检测46例原发性肝癌患者和64名健康人血清,获得蛋白质指纹图谱,采用Biomarker Wizard软件选出肝癌患者与健康人血清中的表达差异蛋白质,评价其灵敏度、特异度和诊断效能,确定最佳标志蛋白质。结果　肝癌组与健康对照组血清中有16个蛋白质的表达差异在2倍以上,并且差异有统计学意义（P＜0.05）。其中质荷比为6845.70的蛋白诊断效能最高,其灵敏度为89.1 %（41／46）,特异度87.5 %（56／64）,且该蛋白质与肿瘤大小有相关性（r＝-0.363,P＜0.05）。经数据库搜索该蛋白质很可能是免疫球蛋白重链可变区片段。结论　应用SELDI-TOF-MS技术诊断肝癌,具有灵敏度高,特异性好,快速简便的优点,质荷比为6845.70的蛋白质可能是肝癌患者血清中的特异性标志物。     

表面加强激光解析电离蛋白质谱技术在乳腺癌血清学诊断中的应用

 【摘要】 目的: 探讨血清SELDI蛋白质谱技术在乳腺癌诊断方面的应用。 方法: 用表面加强目的　探讨血清表面加强激光解析电离（SELDI）蛋白质谱技术在乳腺癌诊断方面的应用。方法　用表面加强激光解析电离飞行时间质谱技术（SELDI-TOF-MS）及WCX2蛋白获得病理确诊的101例乳腺癌患者手术前和45名健康人的血清蛋白指纹图谱,并用Biomarker Wizard和BPS软件分析差异蛋白,建立乳腺癌的分类树诊断模型,并对其进行盲法验证。 结果　乳腺癌组与健康对照组共有49个蛋白质差异有统计学意义（P＜0.05）;以其中3个蛋白质生物标志物（M／Z 5627,8124和2864）组建的诊断模型检测正确率为95 %（139／146）。经盲法验证,其灵敏度为97 %（98／101）,特异度为91 %（41／45）。结论　SELDI蛋白质谱技术可以有效的区分乳腺癌患者和健康人,其灵敏度和特异性高。SELDI在乳腺癌的诊断及乳腺癌特异性的生物标志物分子的筛选方面具有一定的应用价值。     

高发区筛查人群食管鳞癌血清蛋白指纹图谱诊断模型的建立及临床价值

目的用表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)分析食管鳞癌患者血清蛋白表达谱的改变,筛选并建立高发区食管癌血清蛋白指纹图诊断模型,探究其临床价值。方法采用CM10蛋白芯片及SELDI-TOF-MS技术,对36例食管癌患者和38例正常对照者的血清进行蛋白指纹图谱检测,支持向量机分析实验数据,建立食管癌诊断模型,采用盲法验证。结果在分子量2000～20000范围内,共检测到31个蛋白质荷比峰,差异有统计学意义(P<0.01)。以4个质荷比峰建立了食管癌诊断模型,并用留一法交叉验证作为评估模型判别效果的方法,其准确率为85.1%,敏感性为86.1%,特异性为84.2%,真阳性率为83.8%。结论由4个质荷比峰构成的诊断模型可以区分食管癌和正常对照,为高发区食管癌的筛查与诊断提供了一条新的途径。     

应用SELDI-TOF-MS蛋白质芯片技术筛选肝细胞性肝癌血清标志物的研究

目的：应用表面增强激光解吸离子化飞行时间质谱（SELDI-TOF-MS）和蛋白质芯片检测肝细胞性肝癌患者血清蛋白质指纹图谱，筛选特异性候选标志物。方法：应用SELDI-TOF-MS蛋白质芯片技术检测50例肝细胞性肝癌患者和50例性别、年龄匹配的正常健康人血清，获得WCX2蛋白质芯片蛋白表达图谱。用Bio Marker Wizard软件分析差异蛋白并经数据库搜索初步鉴定。结果：应用弱阳离子交换芯片（WCX2类）在未经治疗肝细胞性肝癌患者、经介入治疗后的肝细胞性肝癌患者和正常人血清中检测到在不同质荷比处有7个差异蛋白质峰．其蛋白质含量差异有显著性（P〈0．01），经蛋白质数据库搜索，与这七种差异蛋白质分子量最接近的蛋白质分别为：Galanin相关肽、Pro-neuregulin-4蛋白、小诱导细胞因子A15前体、9kDa蛋白、CSL型锌指包涵蛋白1、线粒体铰链蛋白、Actin相关蛋白。结论：应用SELDI-TOF-MS筛选肝细胞性肝癌患者血清特异性生物标志物的方法快速、有效，操作自动化，检测到的这7个差异蛋白质可能是肝细胞性肝癌患者血清特异性生物标志物。     

表面增强激光解吸电离飞行时间质谱技术筛查乳腺癌血清特异性蛋白质及其临床意义

目的 探讨表面增强激光解吸电离飞行时间质谱（SELDI-TOF-MS）技术筛查乳腺癌血清特异性蛋白质的临床意义。方法 应用SELDI-TOF-MS技术检测38例乳腺癌、33例乳腺良性疾病和43例健康对照者的血清蛋白质指纹图谱,并联合应用BioMarker Wizard 3．01及BioMarker Pattem Software5．01软件分析处理数据,筛选肿瘤标志物并建立诊断模型。结果 质荷比分别为M2077_07、M1827_38、M2650_51和M2060_62的4个蛋白质峰组合构建的诊断模型Ⅰ,鉴别乳腺癌和非乳腺癌的交叉验证敏感性为73．7％（28／38）,特异性为73．7％（56／76）。质荷比分别为M2251_62、M3405_56、M3428_16、M4666_98和M16239_8的5个蛋白质峰组合构建的诊断模型Ⅱ,鉴别Ⅰ期乳腺癌和乳腺良性疾病的交叉验证敏感性为84．8％（28／33）,特异性为55．6％（5／9）。质荷比分别为M1701_48、M3116_17、M1676_88、M5890_33和M2921_02的5个蛋白质峰组合的诊断模型Ⅲ,鉴别Ⅰ期与Ⅱ～Ⅳ期乳腺癌的交叉验证敏感性为88．9％（8／9）,特异性为86．2％（25／29）。结论 SELDI-TOF-MS技术在乳腺癌的筛查、早期诊断及临床分期判定等方面具有一定价值,值得进一步深入研究。     

SELDI-TOF-MS筛查乳腺癌患者血清特异性蛋白的探讨

目的：应用表面增强激光解吸电离飞行时间质谱（SELDI-TOF-MS）技术寻找乳腺癌患者血清特异性蛋白.方法：应用弱阳离子蛋白质芯片（WCX2）及SELDI-TOF-MS技术检测12例正常人、10例乳腺良性病患者和22例乳腺癌患者血清中蛋白的相对含量.结果：三组样本质荷比在2000～30000 Da间3939.314Da与3960.478Da的2个蛋白峰有显著差异.结论：SELDI-TOF-MS技术对乳腺癌早期诊断和特异性肿瘤标记物的筛选等方面具有一定价值,值得推广.     

SELDI-TOF-MS技术筛选鼻型NK/T细胞淋巴瘤血清分子标志物的研究

目的 本文将SELDI-TOF-MS技术应用于鼻型NK/T细胞淋巴瘤患者与健康人的血清蛋白质图谱的建立,寻找血清差异表达蛋白并建立诊断初步模型,分析可能的肿瘤诊断标志物.方法 采用SELDI质谱技术,将血清蛋白质结合于弱阳离子芯片上,建立30例鼻型NK/T细胞淋巴瘤患者以及58例健康对照人群的血清蛋白质图谱,应用Biomarker Wizard和Biomarker Pattern软件分析2组图谱之间的差异,通过差异峰建立分类树诊断模型,随机选取21例NK/T细胞淋巴瘤和25例健康对照进行盲筛.结果 在鼻型NK/T细胞淋巴瘤和健康对照人群的血清蛋白质峰中有41个峰表达差异有统计学意义(P<0.05),经Biomarker Pattern软件和分类回归树的统计原理筛选出最佳的组合模型,联合其中的2个质荷比为5 641、27 427的差异蛋白峰建立淋巴瘤诊断模型,此分类树模型可正确划分93.10%(27/29)的淋巴瘤患者和96.30%(52/54)的健康人.盲筛验证的敏感性为95.24%(20/21),特异性为100.00%(25/25).结论 SELDI-TOF-MS技术可用于鉴别鼻型NK/T细胞淋巴瘤,其建立的分类树模型有望成为诊断鼻型NK/T细胞淋巴瘤的辅助指标.     

利用SELDI-TOF-MS和蛋白质芯片技术检测大肠癌52例蛋白质谱差异表达

[目的]用表面增强激光解吸离子化飞行时间质谱（SELDI-TOF-MS）和蛋白质芯片的生物信息学分析技术检测大肠癌和健康人群血清蛋白质指纹图谱,研究诊断大肠癌的新标志物。[方法]收集52例大肠癌（其中Dukes’A期15例,B期13例,C期18例）和21例健康人的血清标本,用WCX2蛋白芯片和SELDI-TOF-MS检测其蛋白质谱的表达。运用Ciphergen Protein Chipsoftware5.1软件判别分析处理数据和筛选标志物,以建立诊断模型。[结果]3个蛋白质峰构建的诊断模型鉴别大肠癌和正常人的交叉验证准确率、敏感性及特异性均分别为82.19%（60/73）,80.77%（42/52）和85.71%（18/21）（P〈0.05）。[结论]用SELDI-TOF-MS技术平台在蛋白质指纹图谱上可以明显区分大肠癌与健康人群,对大肠癌的辅助诊断具有一定的价值。     

应用SELDI蛋白质芯片技术筛选肺腺癌血清标志物的研究

目的 通过SELDI蛋白质芯片技术筛选肺腺癌特异血清标志物。方法 采用表面增强激光解析离子化一飞行时间质谱技术（SELDI-TOF-MS），选用弱阳离子加疏水膜芯片对15例肺腺癌患者，30例健康人血清进行检测，筛选在肺腺癌患者血清中差异表达的蛋白质。结果 在质荷比0—20000范围内，共检测到180个蛋白峰，建立了由8个差异表达蛋白质组成的肺腺癌诊断模型。这8个蛋白质中有6个在肺腺癌中表达上调，2个表达下调。软件分析结果显示在预测组中诊断肺腺癌的敏感性为93．33％（14／15）、特异性为100．00％（30／30）；对检测组进行双盲检测，敏感性为73．33％（11／15）、特异性为86．67％（26／30）。结论 由8个差异表达蛋白及其特定组合构成的诊断模型可以区分肺腺癌和健康人。SELDI蛋白质芯片技术能直接筛选出肺腺癌患者血清中相对特异的潜在标志物，具有较好的临床应用价值。     

构建血清蛋白质质谱模型判别家族性腺瘤性息肉病与散发性肠腺瘤

目的 筛选家族性腺瘤性息肉病(FAP)的特异表达蛋白,构建判别FAP与散发性肠腺瘤的血清蛋白指纹图谱诊断模型.方法 采集19例FAP和16例散发性肠腺瘤患者的血清,以表面增强激光解吸电离飞行时间质谱仪(SELDI-MS-TOF)和阴离子CM01蛋白质芯片检测并筛选两组对象间的血清差异表达蛋白质峰,以支持向量机方法构建判别模型.结果 FAP与散发性肠腺瘤相比,P<0.01的蛋白质峰有6个,其中质荷比为5640、3160、4180和4290的蛋白质峰在FAP中高表达,质荷比为3940和3400的蛋白质峰在散发性肠腺瘤患者中高表达.以质倚比分别为5640、3160和4290的蛋白质峰为基础,联合质荷比为3940、13 750和4300的蛋白质峰所建立的模型判别效果最佳,对FAP与散发性肠腺瘤的判别准确率分别为94.7%和93.7%.结论 SELDI-TOF-MS能有效筛选FAP与散发性肠腺瘤的差异表达蛋白,支持向量机方法所建立的质谱模型判别效果较好,为进一步研究FAP的分子发病机制提供了切入点.     

Serum proteome profiling of primary breast cancer indicates a specific biomarker profile

Non-invasive biomarkers for early breast cancer detection are urgently needed, as the risk of recurrent morbidity and mortality is closely related to the stage of the disease at the time of primary surgery. Currently, there are no established clinical biomarkers for breast cancer. Evaluation of protein expression patterns in body fluids using proteomic technologies can be used to discover new biomarkers for the detection of breast cancer. The aim of this study was to identify a biomarker signature identifying primary non-metastatic breast cancer and healthy controls. We screened 91 serum samples including 45 breast cancer patients and 46 healthy women using a proteomic approach. We found 14 biomarkers whose combination detects breast cancer patients from non-cancer controls with a sensitivity of 89% and specificity of 67%. Five biomarkers were comparable with previously identified proteins from published data using similar approaches. This biomarker panel allows accurate discrimination between breast cancer and healthy individuals. In addition, it could distinguish subgroups of breast cancer based on patterns of several specific biomarkers. Further validation of biomarkers could potentially facilitate the early diagnosis of breast cancer as an aid to imaging diagnostics.     

SELDI技术预测恶性肿瘤患者化疗后血糖变化的临床研究

目的应用弱阳离子芯片结合表面增强飞行时间质谱（SELDI—TOF—MS）技术筛选与恶性肿瘤化疗后血糖变化情况、相关的血清蛋白质组指纹并建立预测模型。方法应用SELDI—TOF—MS、CM10蛋白质芯片技术检测182例恶性肿瘤患者化疗前血清样本的蛋白质谱,经过2年随访按化疗后的血糖情况分为血糖正常组（136例）、糖耐量异常组（27例）和糖尿病组（19例）,利用Biomarker或Wizard软件回顾性地分析比较各组间化疗前的血清蛋白质指纹图谱,Biomarker Pattern软件建立预测模型。结果M／Z为5298和9608的两个蛋白质组成的诊断模型可将患者在化疗前准确分为糖尿病组与糖耐量异常组,灵敏度和特异度分别为81．481％（22／27）和100．00％（17／17）,准确度为88．64％（39／44）;M／Z为10324、2761和4084的3个蛋白质组成的诊断模型可将糖尿病组与血糖正常组准确分组,灵敏度和特异度分别为62．35％（53／85）和88．24％（15／17）,准确度为66．67％（68／102）;M／Z为5895、6010、6099、3930、5430和2495的6个蛋白质组成的诊断模型可将糖耐量异常组与血糖正常组准确分组,灵敏度和特异度分别为77．65％（66／85）和96．30％（26／27）,准确度为82．14％（92／112）。结论SELDI—TOF—MS技术筛选出恶性肿瘤化疗后3组血糖情况的化疗前的蛋白质指纹,建立血糖正常组、糖耐量异常组和糖尿病组的诊断模型,用于肿瘤患者化疗后血糖变化的早期预测。     

宫颈癌广泛子宫全切及盆腔淋巴结清除术后血清蛋白质变化

目的比较宫颈癌患者在广泛子宫切除和盆腔淋巴结清除手术前后血清中蛋白质的变化,寻找评价治疗效果的可能性指标。方法采用铜离子结合芯片、表面增强激光解吸离子化飞行时间质谱仪以及配套软件,检测49例宫颈癌及71例年龄相配的健康女性血清,筛选出一组有分类意义的差异蛋白质。用同样的方法检测35例宫颈癌广泛子宫切除和盆腔淋巴结清除手术后10d及术后3个月的血清,比较这一组差异蛋白质的变化。结果宫颈癌与正常对照组比较,共有47种蛋白质质谱峰差异有统计学意义(P<0.05),有分类意义的蛋白质有6种,质荷比(M/Z)为M8929.31、M7930.52、M9127.31、M8141.01、M7963.06和M9280.63,在宫颈癌患者中低表达,含量明显低于正常对照,用质荷比为M8929.31的蛋白质建立决策树分类模型,敏感性为97.96%(48/49),特异性为98.59%(70/71)。经手术治疗后,除M/Z为M9280.63的蛋白质较手术前略有下降外(P>0.05),其余5种则明显回升(P<0.05),术后3个月时复查,这6种蛋白质继续回升(P<0.05)。结论质荷比为M8929.31、M7930.52、M9127.31、M8141.01、M7963.06及M9280.63的一组蛋白质与宫颈癌密切相关,有可能成为评价宫颈癌治疗效果以及判断预后的一组指标。     

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(SEL-DI-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、3179m/z、1817m/z、1725m/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最佳诊断效果,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、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。     

宫颈癌患者血清蛋白指纹图谱的检测及其意义

背景与目的:目前针对宫颈癌没有特异性的肿瘤标志物。表面增强激光解吸离子化飞行时间质谱(surface-enhanced laser desorption/ionization time-of-flight mass spectrometry,SELDI-TOF-MS)是最新应用的一项检测肿瘤标志物的技术。本研究应用SELDI-TOF-MS检测宫颈癌患者血清蛋白指纹图谱,筛选候选肿瘤标志物并建立诊断模型,初步探讨其在宫颈癌早期诊断中的价值。方法:取91例早期宫颈鳞癌患者和15例宫颈上皮内瘤变Ⅲ级(cervical intraepithelialneoplasia,CINⅢ)患者的血清标本进行实验,同时用55名健康人血清作为对照。用弱阳离子交换芯片(weak cation exchange,WCX2)检测各血清标本获得血清蛋白指纹图谱。用Biomarker Patterns软件分析宫颈癌差异蛋白并建立诊断模型。通过盲法分析进一步验证诊断模型的可靠性,并对结果进行统计学分析。结果:在分子量1.5～20ku范围内,共检测到122个蛋白峰,其中19个差异峰有统计学意义(P<0.001)。建立了由分子量为3977和5807的两个差异蛋白组成的宫颈癌诊断模型,其敏感性为97.29%(36/37),特异性为83.78%(31/37)。扩大样本盲法验证结果,其敏感性为94.44%(51/54),特异性为94.44%(17/18)。结论:由3977和5807两个差异蛋白组成的宫颈癌诊断模型有助于区分宫颈癌和健康人群。     

前列腺癌骨转移患者血清差异性相关蛋白质的筛选

 目的　采用表面增强激光解析电离飞行时间质谱技术筛选前列腺癌骨转移血清差异性相关蛋白质。方法　应用美国Ciphergen 公司CM10芯片和蛋白芯片仪检测19例前列腺癌无骨转移患者及35例前列腺癌骨转移患者血清中的蛋白质。利用PBSⅡ-C型蛋白质芯片阅读仪对CM10芯片进行检测,所得到的蛋白质以波谱的形式表示。采用Biomarker Wizard 软件对2 组血清相同质荷比的蛋白质含量数据进行方差分析,导入Biomarker Pattern软件,以得到正确分组的差异性蛋白质标志物。结果　19例前列腺癌无骨转移患者与35例前列腺癌骨转移患者的血清蛋白质在质荷比为2000～20 000 时有6个蛋白质含量差异有统计学意义;前列腺癌无骨转移组在质荷比为2089、4281、3507、4178处的蛋白质的相对含量明显高于前列腺癌骨转移组,分别为4.63±8.03和9.88±10.77、19.78±21.46和26.73±19.41、5.46±10.14和8.10±8.74、38.01±26.27和45.25±20.40（P＜0.05）;前列腺癌无骨转移组在质荷比为15 900、16 081处的蛋白质的相对含量明显低于前列腺癌骨转移组,分别为11.52±16.80和4.84±5.83、8.55±12.64和3.56±3.90（P＜0.05）。结论　表面增强激光解析电离飞行时间质谱技术快速、准确,灵敏度、特异度高,通过蛋白芯片仪发现的差异性相关蛋白质,有望成为前列腺癌骨转移诊断中有应用价值的临床检测指标。     

Validation of tumor-associated macrophage ferritin light chain as a prognostic biomarker in node-negative breast cancer tumors: A multicentric 2004 national PHRC study

Novel prognostic biomarkers are imperatively needed to help direct treatment decisions by typing subgroups of node-negative breast cancer patients. Large screening of different biological compartments, such as the proteome, by means of high throughput techniques may greatly help scientists to find such markers. The present retrospective multicentric study included 268 node-negative breast cancer patients. We used a proteomic approach of SELDI-TOF-MS screening to identify differentially expressed cytosolic proteins with prognostic impact. The screening cohort was composed of 198 patients. Seventy supplementary patients were included for validation. Immunohistochemistry (IHC) and immunoassay (IA) were run to confirm the prognostic role of the marker identified by SELDI-TOF-MS screening. IHC was also used to explore links between selected marker and epithelial-mesenchymal transition (EMT)-like, proliferation and macrophage markers. Ferritin light chain (FTL) was identified as an independent prognostic marker (HR = 1.30-95% CI: 1.10-1.50, p = 0.001). Validation step by means of IHC and IA confirmed the prognostic value of FTL level. CD68 IHC showed that FTL was stored in tumor-associated macrophages (TAM), which exhibit an M2-like phenotype. We report here, first, the validation of FTL as a breast tumor prognostic biomarker in node-negative patients, and second, the fact that FTL is stored in TAM.