CN105067822B - 用于食管癌诊断的标志物 - Google Patents

用于食管癌诊断的标志物 Download PDF

Info

Publication number
CN105067822B
CN105067822B CN201510493944.1A CN201510493944A CN105067822B CN 105067822 B CN105067822 B CN 105067822B CN 201510493944 A CN201510493944 A CN 201510493944A CN 105067822 B CN105067822 B CN 105067822B
Authority
CN
China
Prior art keywords
cancer
spp1
chi3l1
mmp13
esophagus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510493944.1A
Other languages
English (en)
Other versions
CN105067822A (zh
Inventor
刘万里
曾木圣
邢珊
郑炘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SUN YAT-SEN UNIVERSITY CANCER HOSPITAL
Original Assignee
SUN YAT-SEN UNIVERSITY CANCER HOSPITAL
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SUN YAT-SEN UNIVERSITY CANCER HOSPITAL filed Critical SUN YAT-SEN UNIVERSITY CANCER HOSPITAL
Priority to CN201510493944.1A priority Critical patent/CN105067822B/zh
Publication of CN105067822A publication Critical patent/CN105067822A/zh
Application granted granted Critical
Publication of CN105067822B publication Critical patent/CN105067822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了用于食管癌诊断的标志物，由MMP13、CHI3L1、SPP1组成。本发明基于CHI3L1，MMP13和SPP1这3个指标建立了诊断食管癌的数学模型：Logit(p=ESCC)=‑5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，此数学模型预测概率诊断食管癌的AUC为0.942。当灵敏度定为90%时，cut‑off为0.4，特异性可达76.04%，阳性预测值85.44%，阴性预测值82.95%。用于食管癌的早期诊断时，灵敏度90.14%，特异性76.04%，AUC 0.933，阳性预测值73.56%，阴性预测值91.25%，远高于MMP13、CHI3L1或SPP1单独预测概率。

Description

用于食管癌诊断的标志物
技术领域
本发明涉及一种用于食管癌诊断的标志物。
背景技术
食管癌是常见的消化道肿瘤，全世界每年约有30万人死于食管癌。其发病率和死亡率各国差异很大。我国是世界上食管癌高发地区之一，每年平均病死约15万人。男多于女，发病年龄多在40岁以上。食管癌典型的症状为进行性咽下困难，先是难咽干的食物，继而是半流质食物，最后水和唾液也不能咽下。食管癌的检测是有效治疗食管癌的基础。
目前临床应用的食管癌血清标志物主要有鳞状细胞癌抗原(Squamous CellCarcinoma Antigen，SCCA)、癌胚抗原(carcino-embryonic antigen，CEA)、细胞角蛋白19片段(CYFRA21-1)。但现有的血清学标志物都存在灵敏度和特异性不高的缺点，尤其在食管癌早期诊断方面更突出。国外报道，血清CEA诊断早期食管鳞癌的灵敏度仅约为17％[1]，血清SCCA诊断早期和中晚期食管鳞癌的灵敏度分别为22％和37％[2]。CYFRA21-1诊断早期和中晚期食管鳞癌的灵敏度分别为22.2％和77.8％。国内报道，CEA，Cyfra21-1及SCCA诊断食管鳞癌的阳性率分别为10.3％，25.6％及42.3％[3]。这些研究均说明传统的血清肿瘤标志物诊断食管鳞癌的灵敏度均较低。因此，寻找新的血清标志物，提高食管鳞癌诊断灵敏度是近年来的一个研究热点。
目前筛选新的食管癌血清诊断标志物主要采用以下3个策略：
(1)采用表观遗传学筛选血清食管癌特异性甲基化DNA标志物的策略：Kuroki等[4]研究发现FHIT,CDKN2A,MGMT,RASSF1等肿瘤相关基因在食管癌组织中存在异常甲基化，可在血液中检测到这些异常甲基化的游离DNA，诊断食管癌的灵敏度为45％，特异性78％。Lima等[5]利用Illumina GoldenGate甲基化芯片比较10对食管癌与癌旁组织的异常甲基化状态，筛选出TFF1作为潜在的肿瘤早期诊断指标，灵敏度达61％。国内李波等[6]从食管癌组织中筛选出5个异常甲基化基因p16,CDH1,RASSF1A,DAPK和RAR-β，其中CDH1,DAPK和RASSF1A存在于在外周血中，诊断食管癌的灵敏度为84.4％，特异性为86.7％。李旭峰等[7]筛选出3个存在于血液中的异常甲基化基因EPB41L3,GPX3和COL14A1，联合检测诊断食管癌的灵敏度64.3％，特异性达100％。血液中异常甲基化DNA诊断食管癌的灵敏度和特异性明显高于传统血清肿瘤标志物。但其不足之处在于各研究小组筛选出的异常甲基化DNA各不相同，其诊断效能还有待进一步验证。另外多数研究未报道其诊断早期食管癌的灵敏度，仍有待进一步研究，且甲基化DNA检测技术复杂，不易于临床普遍开展。
(2)蛋白组学寻找新的食管癌血清标志物策略：近年来采用蛋白组学技术，比较食管癌患者和正常人血清蛋白组的表达差异，寻找食管癌诊断血清标志物。范乃军等[8]通过蛋白组技术在食管癌患者血清中寻找到3个上调表达蛋白，诊断食管癌灵敏度为60％-70％。刘丽华等[9]筛选出不同的蛋白组合，其诊断食管癌的灵敏度接近90％。由于血清中存在高丰度蛋白如白蛋白和IgG，不可避免地干扰低丰度蛋白的检测，蛋白组技术对低丰度蛋白的灵敏度和精密度均不能达到分析的要求。采用此策略寻找新的食管癌血清诊断标志物，可能会漏掉一些潜在的有诊断价值的靶蛋白。
(3)microRNA芯片筛选新的血清食管癌标志物策略：张辰宇等[10]采用microRNA芯片筛选出对食管癌有较高诊断价值的7种miRNA：miR-10a,miR-22,miR-100,miR-148b,miR-223,miR-133a和miR-127-3p，诊断灵敏度约为81.2％，特异性约为83.0％。Yamamoto S等[11]也发现miR-507,-634,-450a,-129-5p与食管癌发生发展密切相关，诊断食管癌灵敏度约60％。尽管此策略筛选的血清miRNA标志物诊断灵敏度较高，特异性也较好，但不同的研究组筛选的miRNA不同，其诊断价值也有待验证，并且血清miRNA的检测技术要求高，操作复杂，大批量测定较麻烦，不适合临床普遍应用。
采用以上策略从血清中筛选新的食管癌标志物各有其优缺点，还不能满足临床上食管癌早期诊断的要求。因此，探索新的策略来筛选更好的食管癌血清诊断标志物仍有必要。
众所周知，食管癌组织和其配对的正常组织差异基因表达芯片技术是食管癌血清标志物筛选策略之一。此策略通过芯片技术寻找高差异表达的基因，如果存在分泌蛋白，选择其中一个或者其中几个差异最显著的蛋白，然后进行血清检测，验证其能否作为食管癌诊断标志物。日本Zen K等[12]通过表达芯片技术筛选出PARD3，在食管癌病人血清中的检出率为15％。Takumi Yamabuki等[4]也通过相同技术筛选出DKK1，其在食管癌患者血清中的检出率为63.0％。差异基因表达芯片技术筛选的标志物确实能够提高食管癌检测灵敏度，然而由于此技术仅针对已知基因，对低丰度的mRNA检测较困难，不可避免地造成目的靶标的遗漏，同时也存在不同研究组筛选的靶标不同。
近年来，高速发展的高通量RNA转录组测序技术可弥补基因表达芯片上述缺陷。高通量RNA转录组测序技术是指利用第二代高通量测序技术进行cDNA测序，全面快速地获取某一物种特定器官或组织在某一状态下的几乎所有转录本。该技术的优势是能得到高覆盖度高精度的转录本信息，它比表达基因芯片技术能够提供更***和更全面的mRNA表达数字化信号，更灵敏地检测到低丰度的mRNA表达水平。由于mRNA水平显著高于其对应的蛋白水平，尤其针对蛋白组学检测不出的低丰度蛋白，RNA测序技术可以识别比蛋白组高一两个数量级的基因，大大提高了检测的灵敏度，这些特性使其成为筛选诊断肿瘤标志物的良好的技术方法。
然而，现有技术中，依然缺乏灵敏度高，特异性好的食管癌诊断标志，这限制了诊断标志的应用。
发明内容
本发明的目的在于提供一种用于食管癌诊断的组合标志物，该组合标志物具有灵敏度高，特异性好的优点。
本发明所采取的技术方案是：
一组用于食管癌诊断的标志物，由MMP13、CHI3L1、SPP1组成。
优选的，基于上述标志物的诊断公式为
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，
式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
一种用于食管癌诊断的试剂盒，该试剂盒中含有定量MMP13、CHI3L1、SPP1表达量的试剂。
上述用于食管癌诊断的试剂盒中，风险值根据公式：
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13计算，式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
一种食管癌的早期诊断方法，包括如下步骤：
1)定量待测组织中MMP13、CHI3L1和SPP1的表达量；
2)根据MMP13、CHI3L1和SPP1的表达量，确定食管癌的情况。
特别的，上述诊断方法中，诊断公式为：
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，
式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
本发明的有益效果是：
本发明基于CHI3L1，MMP13和SPP1这3个指标建立了诊断食管癌的数学模型：
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，此数学模型预测概率诊断食管癌的AUC为0.942。当灵敏度定为90％时，cut-off为0.4，特异性可达76.04％，阳性预测值85.44％，阴性预测值82.95％。用于食管癌的早期诊断时，灵敏度90.14％，特异性76.04％，AUC 0.933，阳性预测值73.56％，阴性预测值91.25％，显著高于CHI3L1(灵敏度：90.14％；特异性：22.92％；AUC：0.731),MMP13(灵敏度：90.14％；特异性48.96％：AUC：0.837),SPP1(灵敏度：90.14％；特异性：14.58％；AUC：0.7)任何一个指标单独的诊断效能。在验证组中，数学诊断模型预测食管癌AUC为0.930，当灵敏度定为90％时，特异性可达78.75％，阳性预测值90.0％，阴性预测值79.75％。而其预测早期食管癌AUC为0.943，当灵敏度定为90.53％时，特异性可达88.75％，阳性预测值89.41％，阴性预测值89.87％。
附图说明
图1是40例食管癌患者和40例正常人血清ADAM12，CA9，CHI3L1，CST1，MMP13、POSTN、SFRP4、SPP1、LAMC2、SERPINE1浓度比较情况；
图2是测试组(150例食管癌患者与96例正常人)中血清ADAM12、CHI3L1、MMP-13、SPP1浓度比较情况；
图3是血清ADAM12、CHI3L1、MMP-13、SPP1及数学诊断模型诊断测试组中食管癌的ROC；
图4是测试组中71例早期食管癌患者与96例正常人血清CHI3L1、MMP-13、SPP1浓度比较；
图5是血清CHI3L1、MMP-13、SPP1及数学诊断模型诊断测试组中早期食管癌的ROC；
图6是验证组(169例食管癌患者与80例正常人)中血清CHI3L1、MMP-13、SPP1浓度比较；
图7是血清CHI3L1、MMP-13、SPP1及数学诊断模型诊断验证组中食管癌的ROC；
图8是验证组中84例早期食管癌患者与80例正常人血清CHI3L1、MMP-13、SPP1浓度比较；
图9是血清CHI3L1、MMP-13、SPP1及数学诊断模型诊断验证组中早期食管癌的ROC。
具体实施方式
一组用于食管癌诊断的标志物，由MMP13、CHI3L1、SPP1组成。
在清楚MMP13、CHI3L1和SPP1组合使用可以获得更高灵敏度和特异性时，可以通过检测分析已有病例，结合本领域的公知技术，确定合理的诊断公式及风险判断标准。
优选的，基于上述标志物的诊断公式为
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，
式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
一种用于食管癌诊断的试剂盒，该试剂盒中含有定量MMP13、CHI3L1、SPP1表达量的试剂。
上述用于食管癌诊断的试剂盒中，风险值根据公式：
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13
计算，式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
一种食管癌的早期诊断方法，包括如下步骤：
3)定量待测组织中MMP13、CHI3L1和SPP1的表达量；
4)根据MMP13、CHI3L1和SPP1的表达量，确定食管癌的情况。
特别的，上述诊断方法中，诊断公式为：
Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，
式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
下面结合具体的实验方法，进一步说明本发明的技术方案。
新型诊断标志物的筛选
1)6对ESCC组织与配对正常组织的RNA转录组测序：提取6对ESCC组织与配对正常组织的RNA，在华大基因公司进行RNA转录组测序，生物信息学分析差异表达基因；
2)为保证筛选出来的标志物应用于食管鳞癌血清学检测后的灵敏度(≥80％)和可靠性，本发明以6对中至少有5对组织有显著差异表达(灵敏度≥80％)，采用excel表，挑选出175个差异基因；
3)为寻找到血清中易于检测的肿瘤标志物，而肿瘤标志物的定义是指特征性存在于恶性肿瘤细胞，或由恶性肿瘤细胞异常产生的物质，或是宿主对肿瘤的刺激反应而产生的物质。上调表达的标志物能直接反应肿瘤的存在，上调倍数差异大一定程度上提示标志物易于用简单方法在血清中检出，本发明将6对中至少有4对在癌组织中上调倍数超过5倍(log2(T/N)≥2.3)定为候选规则，从上一步筛选的175个基因中筛选出39个差异基因；
4)利用分泌蛋白生物信息学分析软件SingnalP4.1及Secretome2.0，从39个候选差异表达的基因中筛选出除COL5A2、FAM176A、IGF2BP2、KIF26B、KRT14、KRT16P5、PPAPDC1A外的32个分泌蛋白，作为下一步筛选的候选分泌蛋白；
5)在Gene Expression Omnibus(GEO)中搜索至3个食管鳞癌基因表达芯片数据库，验证筛选出来的32个基因在这些芯片数据库中的表达水平。由于芯片覆盖范围较RNA转录组测序小，三个芯片均未覆盖至AMTN标志物，GSE20347未覆盖CPXM1及CTHRC1两个标志物。本发明将未覆盖的标志物继续纳入下一步筛选。由于ADAMTS12及IGHG4在GSE20347中表达下调，SDS在GSE33810中表达下调，故去除这三个标志物，获得29个在其他ESCC基因表达芯片数据库中也显著差异表达的候选分泌蛋白进行下一步验证；
6)在GeneCards上查询得到29个标志物，对于同一家族标志物，仅选择本实验RNA转录组测序中差异倍数最大的标志物作为代表，除COL10A1，COL3A1，COL5A1，MMP1，MMP10，MMP11，MMP12，CST2，剩下表1所示21个标志物。在GeneCards收录的KEGG pathway，GeneGlobe Pathway，Sino Biological Pathway，ISS等信号通路分析网站对21个候选标志物的信号通路分析。除AMTN，CPXM1，PDPN三个并未在Genecards及文献中查找至肿瘤相关通路的支持，剩下18个候选蛋白(表2)参与的信号通路都与肿瘤的发生发展有关；
7)接着在Genecards上查询收录的Gene Ontology(GO)对18个候选蛋白参与的生物学过程的功能注释，候选标志物参与了与肿瘤发生发展密切相关的生物学过程，包括细胞粘附，抗凋亡、促血管生成、促细胞增殖等如表2所示生物学过程；
8)在文献中寻找18个蛋白在食管癌或其他肿瘤患者血清中上调表达的证据，最终筛选出10个已经有报道支持其在肿瘤患者血清中高表达的蛋白:ADAM12,CA9,CHI3L1,CST1,LAMC2,POSTN,SFRP4及SPP1,MMP13,WISP1,SERPINE1，如表3示。
数学诊断模型的建立与验证
1)从10个候选蛋白中初步筛选至4个在食管鳞癌患者血清中显著表达的候选标志物：MMP13、ADAM12、CHI3L1、SPP1：本研究利用商品化ELISA试剂盒，均采用双抗夹心法检测40例食管鳞癌患者和40例配对的正常人血清(来源于测试组)中10个候选蛋白血清浓度。采用两独立样本比较的秩和检验比较正常对照组与食管鳞癌组CST1、MMP13、ADAM12、SFRP4、POSTN、CA9、CHI3L1、SPP1、LAMC2、SERPINE1血清浓度的差别发现：食管鳞癌患者血清CST-1、POSTN、CA9、SFRP4、LAMC2、SERPINE1等6个标志物浓度与正常人血清浓度没有显著性差异。而4个标志物：MMP13、ADAM12、CHI3L1、SPP1食管鳞癌组与正常组之间的血清浓度差异具有统计学意义(P<0.05)，且食管鳞癌患者血清中4个指标显著升高(图1)；
2)MMP13、ADAM12、CHI3L1、SPP1标志物血清浓度测试组验证，食管癌患者血清MMP13、ADAM12、CHI3L1、SPP1浓度显著升高。由于初步实验提示MMP13、ADAM12、CHI3L1、SPP1能显著区分食管癌患者及正常人，所以发明人进一步用测试组(150例食管癌患者及96例正常人血清，两组人群性别、年龄差异无统计学意义)来验证初步实验的结果。结果显示，食管癌患者血清MMP13(5.08ng/ml vs 0.47ng/ml，P<0.001)、ADAM12(0.45ng/ml vs 0.15ng/ml，P<0.001)、CHI3L1(85.00ng/ml vs 45.64ng/ml，P<0.001)、SPP1(80.81ng/ml vs43.06ng/ml，P<0.001)的浓度明显高于正常人血清浓度，能显著区分食管癌患者及正常人(图2)；
3)血清MMP13、ADAM12、CHI3L1、SPP1标志物联合诊断食管癌的性能和食管癌数学诊断模型的建立：检测测试组中血清MMP13、ADAM12、CHI3L1、SPP1标志物的血清浓度，利用ROC曲线分析其单个指标检测和四个指标联合检测诊断食管癌的性能。图3显示在测试组中，ADAM12，CHI3L1，MMP13，SPP1单独诊断食管癌的AUC分别为0.739，0.765，0.854及0.725；当灵敏度定于90％时，ADAM12，CHI3L1，MMP13，SPP1单独诊断食管癌的特异度分别仅35.42％，30.21％，48.96％及17.71％；
4)用Forward Condition方法作Binary Logistic回归分析四个指标中最佳组合诊断食管癌，按P值小于0.05的标准筛选出三个指标：CHI3L1，MMP13和SPP1，剔除ADAM12指标(P>0.05)，并建立诊断食管癌数学模型：Logit(p＝ESCC)＝-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13用于食管癌预测概率计算，并进行ROC曲线食管癌诊断性能分析(图3)。式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml。此数学模型预测概率诊断食管癌的AUC为0.942。当灵敏度定为90％时，特异性可达76.04％，阳性预测值85.44％，阴性预测值82.95％；
5)数学诊断模型在测试组早期食管癌中的诊断性能：图4显示测试组中71例早期食管癌患者(包括20例I期食管癌及51例II期食管癌患者)血清MMP13(5.17vs 0.47，P<0.001)、CHI3L1(80.48vs 45.64，P<0.001)、SPP1(85.73vs 43.06，P<0.001)浓度显著高于正常人，同样能显著区分早期食管癌人群及正常人群。如图5所示，在早期食管癌中的诊断性能上，数学诊断模型的早期食管癌诊断效能为灵敏度90.14％，特异性76.04％，AUC0.933，阳性预测值73.56％，阴性预测值91.25％，显著高于CHI3L1(灵敏度：90.14％；特异性：22.92％；AUC：0.731),MMP13(灵敏度：90.14％；特异性48.96％：AUC：0.837),SPP1(灵敏度：90.14％；特异性：14.58％；AUC：0.7)任何一个指标单独的诊断效能；
6)在验证组中验证数学诊断模型诊断食管癌性能：169例食管癌患者及80例正常人组成的验证组血清标本，用于验证该数学诊断模型的诊断食管癌的效能。纳入验证组的患者年龄、性别比例、分期比例与测试组相似。结果显示，食管癌患者血清中的CHI3L1、MMP13、SPP1均高于正常人群(中位浓度对比：CHI3L1，78.18vs 34.64ng/ml；MMP13,3.951vs0.3836ng/ml；SPP1：79.84vs 28.40ng/ml)，差异均有统计学意义(P<0.001，图6)。用联合诊断数学模型计算得到验证组各个人群的预测概率。用ROC曲线评价验证组中数学诊断模型在食管癌vs正常人的诊断效能，包括曲线下面积(AUC)，灵敏度，特异性。结果显示在验证组中，CHI3L1，MMP13，SPP1单独诊断食管癌的AUC分别为0.822,0.835及0.750，当灵敏度定于90.53％时，其特异度分别为48.75％，53.75％及15.00％。而数学诊断模型预测食管癌AUC为0.930，当灵敏度定为90％时，特异性可达78.75％，阳性预测值90.0％，阴性预测值79.75％(图7)；
7)数学诊断模型在验证组早期食管癌诊断中的验证：图8显示在验证组中CHI3L1，MMP13，SPP1诊断84例早期食管癌的结果，CHI3L1，MMP13，SPP1指标均能显著区分早期食管癌人群及正常人群(P<0.001)。ROC曲线(图9)评价显示，CHI3L1，MMP13，SPP1单独诊断早期食管癌的AUC分别为0.828,0.852及0.731，当灵敏度定于90.48％时，其特异度分别仅42.50％，51.25％及5.00％。而数学诊断模型预测早期食管癌AUC为0.943，当灵敏度定为90.53％时，特异性可达88.75％，阳性预测值89.41％，阴性预测值89.87％。同样验证了发明人建立的食管癌数学模型早期诊断食管癌的效能。
发明人从食管癌组织和其配对的正常组织RNA转录组测序库差异表达的分泌蛋白中找到提高诊断食管癌灵敏度与特异性的血清标准物：MMP13、CHI3L1、SPP1。建立的数学诊断模型可用于正常人群食管癌的筛查和早期食管癌的检测，减少漏诊，为早期筛查和诊断食管癌提供了一个新途径。
表1：21个候选标志物的信号通路分析
1同一家族标志物以RNA转录组测序差异倍数最大的标志物为代表；
*Genecards未收录，查自文献；加粗的为纳入下一步筛选的标志物；
-代表未寻找至与相关信号通路。
表2：18个候选蛋白的Go biological process注释
1同一家族标志物以RNA转录组测序差异倍数最大的标志物为代表；
*Genecards未收录，查自文献；GO BP代表GO biological process。
表3：10个候选蛋白在肿瘤患者血清表达文献证据
参考文献：
[1]Kawaguchi H,Ohno S,Miyazaki M,et al.CYFRA 21-1 determination inpatients with esophageal squamous cell carcinoma:clinical utility fordetection of recurrences[J].Cancer.2000,89(7):1413-1417.
[2]Yamabuki T,Takano A,Hayama S,et al.Dikkopf-1as a novel serologicand prognostic biomarker for lung and esophageal carcinomas[J].CancerRes.2007,67(6):2517-2525.
[3]Chen C G,Cui L,Tang P,et al.[Clinical significance of serum high-mobility group box 1 detection in esophageal squamous cell carcinoma][J].Zhonghua Wei Chang Wai Ke Za Zhi.2013,16(9):838-841.
[4]Kuroki T,Trapasso F,Yendamuri S,et al.Allele loss and promoterhypermethylation of VHL,RAR-beta,RASSF1A,and FHIT tumor suppressor genes onchromosome 3p in esophagealsquamous cell carcinoma[J].Cancer Res.2003,63(13):3724-3728.
[5]Lima S C,Hernandez-Vargas H,Simao T,et al.Identification of a DNAmethylome signature ofesophageal squamous cell carcinoma and potentialepigenetic biomarkers[J].Epigenetics.2011,6(10):1217-1227.
[6]Li B,Wang B,Niu L J,et al.Hypermethylation of multiple tumor-related genes associated withDNMT3b up-regulation served as a biomarker forearly diagnosis of esophageal squamous cell carcinoma[J].Epigenetics.2011,6(3):307-316.
[7]Li X,Zhou F,Jiang C,et al.Identification of a DNA methylomeprofile of esophageal squamous cell carcinoma and potential plasma epigeneticbiomarkers for early diagnosis[J].PLoS One.2014,9(7):e103162.
[8]Fan N J,Gao C F,Zhao G,et al.Serum peptidome patterns for earlyscreening of esophageal squamous cell carcinoma[J].Biotechnol ApplBiochem.2012,59(4):276-282.
[9]Liu L H,Shan B E,Tian Z Q,et al.Potential biomarkers foresophageal carcinoma detected by matrix-assisted laser desorption/ionizationtime-of-flight mass spectrometry[J].Clin Chem Lab Med.2010,48(6):855-861.
[10]Zhang C,Wang C,Chen X,et al.Expression profile of microRNAs inserum:a fingerprint for esophageal squamous cell carcinoma[J].Clin Chem.2010,56(12):1871-1879.
[11]Yamamoto S,Inoue J,Kawano T,et al.The impact of miRNA-basedmolecular diagnostics and treatment of NRF2-stabilized tumors[J].Mol CancerRes.2014,12(1):58-68.
[12]Zen K,Yasui K,Gen Y,et al.Defective expression of polarityprotein PAR-3 gene(PARD3)in esophageal squamous cell carcinoma[J].Oncogene.2009,28(32):2910-2918。

Claims (4)

1.一组用于食管癌诊断的标志物，由MMP13、CHI3L1、SPP1组成。
2.根据权利要求1所述的标志物，其特征在于：诊断公式为Logit(p=ESCC)=-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13，式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
3.试剂盒在制备食管癌诊断试剂盒中的应用，其特征在于：该试剂盒中含有定量MMP13、CHI3L1和SPP1表达量的试剂。
4.根据权利要求3所述的应用，其特征在于：风险值根据公式Logit(p=ESCC)=-5.278+0.025×CHI3L1+0.028×SPP1+0.747×MMP13计算，式中，MMP13、CHI3L1、SPP1表达量的单位为ng/ml，P值大于0.43时定义为高风险，反之则为低风险。
CN201510493944.1A 2015-08-12 2015-08-12 用于食管癌诊断的标志物 Active CN105067822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510493944.1A CN105067822B (zh) 2015-08-12 2015-08-12 用于食管癌诊断的标志物

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510493944.1A CN105067822B (zh) 2015-08-12 2015-08-12 用于食管癌诊断的标志物

Publications (2)

Publication Number Publication Date
CN105067822A CN105067822A (zh) 2015-11-18
CN105067822B true CN105067822B (zh) 2017-05-24

Family

ID=54497242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510493944.1A Active CN105067822B (zh) 2015-08-12 2015-08-12 用于食管癌诊断的标志物

Country Status (1)

Country Link
CN (1) CN105067822B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105969884B (zh) * 2016-06-24 2019-11-12 河北医科大学第四医院 Chia在食管鳞癌中的应用
CN106520925A (zh) * 2016-10-14 2017-03-22 浙江大学 一种用于检测食道癌的引物组及检测方法
CN111667918A (zh) * 2020-05-29 2020-09-15 杭州广科安德生物科技有限公司 构建体外检测肺癌的数学模型的方法和应用
CN111534600B (zh) * 2020-06-18 2023-07-21 广州达健生物科技有限公司 食管癌基因甲基化检测引物探针组合及其试剂盒与应用
CN111748626B (zh) * 2020-07-01 2022-09-13 中国医学科学院肿瘤医院 用于预测食管鳞癌患者新辅助放化疗的疗效和预后的***及其应用
CN113406328B (zh) * 2021-06-17 2022-04-29 福建省立医院 CST1、CEA及SCC-Ag在制备食管鳞状细胞癌早期诊断试剂盒中的应用
CN113970638B (zh) * 2021-10-24 2023-02-03 清华大学 确定胃癌极早期发生风险及评估胃癌前病变进展风险的分子标志及其在诊断试剂盒中的应用
CN117305444A (zh) * 2022-06-20 2023-12-29 中国科学院上海营养与健康研究所 利用癌症中剪接异常的短外显子辅助癌症诊断和预后
CN116650650A (zh) * 2023-06-12 2023-08-29 郑州大学 一种抑制食管鳞癌中肿瘤相关巨噬细胞浸润的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX2010008572A (es) * 2008-02-04 2010-11-30 Bipar Sciences Inc Metodos de diagnostico y tratamiento de enfermedades mediadas por poli(adp-ribosa) polimerasa.
WO2011019757A2 (en) * 2009-08-10 2011-02-17 The Board Of Trustees Of The Leland Stanford Junior University Methods of monitoring endoplasmic reticulum (er) stress response
JP5808349B2 (ja) * 2010-03-01 2015-11-10 カリス ライフ サイエンシズ スウィッツァーランド ホールディングスゲーエムベーハー セラノーシスのためのバイオマーカー
AU2012294458A1 (en) * 2011-08-08 2014-02-27 Caris Life Sciences Switzerland Holdings Gmbh Biomarker compositions and methods
US20160120865A1 (en) * 2013-07-11 2016-05-05 Precision Dermatology, Inc. Topical treatment of localized scleroderma

Also Published As

Publication number Publication date
CN105067822A (zh) 2015-11-18

Similar Documents

Publication Publication Date Title
CN105067822B (zh) 用于食管癌诊断的标志物
TWI797095B (zh) 腫瘤檢測之方法及系統
CN107406885B (zh) 使用血浆dna的尺寸和数目畸变检测癌症
CN113286883A (zh) 使用rna分析以检测疾病的方法
CN112236520A (zh) 甲基化标记和标靶甲基化探针板
CN112301130B (zh) 一种肺癌早期检测的标志物、试剂盒及方法
KR20190085667A (ko) 무세포 dna를 포함하는 샘플에서 순환 종양 dna를 검출하는 방법 및 그 용도
WO2016070819A1 (zh) 由血清microRNA组成的肝癌诊断标志物及诊断试剂盒
CN108588230B (zh) 一种用于乳腺癌诊断的标记物及其筛选方法
WO2016112488A1 (en) Biomarkers for colorectal cancer related diseases
CN113544288A (zh) 用于预测肝癌复发的dna甲基化标志物及其用途
JP2023530463A (ja) ヒトパピローマウイルス関連癌の検出および分類
CN109266745A (zh) 一种基于基因表达谱的肺癌标志物的筛选方法及应用
CN105671179B (zh) 血清microRNA在肝癌诊断中的应用及诊断试剂盒
WO2022262831A1 (zh) 用于评估肿瘤的物质及其方法
CN110408706A (zh) 一种评估鼻咽癌复发的生物标志物及其应用
US20220098677A1 (en) Method for determining rcc subtypes
Nooh et al. Prediction of blood miRNA-mRNA regulatory network in gastric cancer
CN113817822B (zh) 一种基于甲基化检测的肿瘤诊断试剂盒及其应用
CN115927614A (zh) 基于Alu重复原件的肠癌早期筛查检测引物、检测方法和试剂盒
CN114045344A (zh) ***癌诊断用尿液miRNA标志物、诊断试剂及试剂盒
KR20230105692A (ko) 말초 적혈구로부터 소핵 dna 및 이의 용도
EP2758543B1 (en) miRNA BIOMARKERS FOR ULCERATIVE COLITIS
KR102229647B1 (ko) 신장이식 환자의 급성거부반응 진단용 miRNA 바이오 마커 및 이의 용도
CN117701720B (zh) ***clip3基因甲基化的检测试剂及试剂盒

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant