基于生物信息学的胶质瘤脑脊液蛋白质质谱分析及其在临床诊断中的应用
目的：利用表面加强解析/电离-飞行时间-质谱仪(surface-enhanced laser desorption/ionization time-of-flight mass spectrometry.SELDI-TOF)和生物信息学方法建立和评估区分脯胶质瘤和非脑肿瘤脑脊液蛋白指纹图诊断模型及区分脑胶质瘤与脑良性肿瘤脑脊液的脑脊液蛋白指纹图诊断模型。 方法：收集脑胶质瘤、脑良性肿瘤和轻度脑外伤患者的脑脊液共75份,轻度脑外伤作为非腑肿瘤对照。胶质瘤和非脑肿瘤共50份脑脊液标本,随机分为训练组33例(17例胶质瘤,16例非脑肿瘤)和盲法测试组17例(5例胶质瘤,12例非脑肿瘤),用SELDI-TOF质谱检测结合在H4蛋白芯片上的蛋白质,获得脑肿瘤和非脑肿瘤的蛋白表达质谱图,用matlab操作平台的人工神经网络”Artificial neural network(ANN)”分析收集的数据，建立了区分脑胶质瘤与非脑肿瘤的脑脊液蛋白指纹图蛋白指纹图诊断模型。脑胶质瘤和脑良性肿瘤47份标本，随机分为训练集3l例(13例胶质瘤，18例脑良性肿瘤)和盲法测试集16例(9例胶质瘤，7例脑良性肿瘤)，运用同样方法分析收集的数据，建立了区分脑胶质瘤与脑良性肿瘤的蛋白指纹图蛋白指纹图诊断模型。同时运用支持向量机(Support Vector MachineSVM)对上述人工神经网络的结果进行验证，二者结果非常相似。 结果：①建立了区分胶质瘤与非脑肿瘤的脑脊液蛋白指纹图的诊断模型，盲法测试胶质瘤诊断的敏感性和特异性分别为100％和91.7％。②建立了区分胶质瘤与脑良性肿瘤的脑脊液蛋白指纹图诊断模型，盲法测试胶质瘤诊断的敏感性和特异性分别为88.9％和100％. 结论：SELDI质谱技术结合乍物信息学分析工具，是筛选和鉴定脑胶质瘤的新的肿瘤标志物的非常有效的方法，建立的诊断模型为胶质瘤的临床诊断尤其是定性诊断提供了一条崭新的途径。
胶质瘤 人工神经网络 支持向量机 诊断模型 脑脊液 肿瘤标志物 蛋白质质谱分析
刘建 郑树 余捷凯 俞学斌 刘伟国 张建民 胡讯
国内会议
广州
中文
69-73
2004-11-11（万方平台首次上网日期，不代表论文的发表时间）