CN106018640A - 一种快速筛选、鉴定肿瘤生物标记物的方法及应用 - Google Patents

一种快速筛选、鉴定肿瘤生物标记物的方法及应用 Download PDF

Info

Publication number
CN106018640A
CN106018640A CN201610064097.1A CN201610064097A CN106018640A CN 106018640 A CN106018640 A CN 106018640A CN 201610064097 A CN201610064097 A CN 201610064097A CN 106018640 A CN106018640 A CN 106018640A
Authority
CN
China
Prior art keywords
hplc
tof
screening
tumor
msms
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.)
Pending
Application number
CN201610064097.1A
Other languages
English (en)
Inventor
顾月清
张万存
吕丽伟
张奇
胡芳
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.)
China Pharmaceutical University
Original Assignee
China Pharmaceutical University
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 China Pharmaceutical University filed Critical China Pharmaceutical University
Priority to CN201610064097.1A priority Critical patent/CN106018640A/zh
Publication of CN106018640A publication Critical patent/CN106018640A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation

Abstract

本发明提供了一种基于HPLC-TOF-MSMS的代谢组学方法用于快速筛选、鉴定肿瘤生物标记物的方法及应用。具体步骤如下：肿瘤病人和正常人生物样本的收集及预处理；生物样本的HPLC-TOF-MS和HPLC-TOF-MSMS数据的采集；HPLC-TOF-MS数据的处理、多变量统计分析及差异代谢物的筛选；HPLC-TOF-MSMS数据处理及差异代谢物的鉴定；SPSS分析进一步确认一组差异化合物作为肿瘤生物标记物；肿瘤生物标记物的定量分析。本发明提供了快速筛选、鉴定肿瘤生物标记物的方法，具有耗时短、准确度高等优点。不仅适合于肿瘤病人生物标记物的筛选、鉴定，同时也适合于其它代谢类疾病的生物标记物的筛选、鉴定，如糖尿病、***、抑郁症等。

Description

一种快速筛选、鉴定肿瘤生物标记物的方法及应用
技术领域
本发明涉及生命科学和分析化学领域，具体涉及到一种基于HPLC-TOF-MS和HPLC-TOF-MSMS的代谢组学方法用于快速筛选、鉴定肿瘤生物标记物及其应用。
背景技术
肿瘤(Tumor)，尤其是恶性肿瘤，严重影响了人类的健康并且威胁人类的生命。2014年肿瘤登记年报显示，人一生中患恶性肿瘤的几率是22％。全国恶性肿瘤发病率为235.23/10万(男性268.65/10万，女性200.21/10万)，中国人口标化率(中标率)184.58/10万。城市中标发病率187.53/10万；农村地区中标发病率181.10/10万。全国恶性肿瘤死亡率为148.81/10万(男性186.37/10万，女性109.42/10万)，中标率113.92/10万。城市中标死亡率109.21/10万；农村中标死亡率119.00/10万。肺癌、女性乳腺癌、胃癌、肝癌、食管癌、结直肠癌、***是我国常见的恶性肿瘤，而在世界范围内，恶性肿瘤的发病率和死亡率出呈现逐年递增趋势，并且在2010年已经超越心脑血管疾病成为全球死亡率排名第一位的疾病杀手。根据世界卫生组织推测到2020年恶性肿瘤新增发病人数将达到大约为1600万，相对于2000年1000万的新增发病人数将有50％以上的增加。恶性肿瘤已成为一个全球性公共健康问题，所以开展恶性肿瘤的研究迫在眉梢。
肿瘤的早期诊断是提高其总生存期的有效途径之一，所以迫切需要新型策略可用于筛选肿瘤早期诊断的生物标志物并将分子诊断从实验研究转化至临床实践。然而，恶性肿瘤是一种多因素参与、造成机体各***功能平衡紊乱的复杂疾病，在肿瘤的发生和发展过程中，机体各组分在结构、功能及形态上会产生相互影响、相互作用的紊乱，机体的代谢产物会随之发生相应的动态变化。已报道的肿瘤特异性代谢产物涵盖各类生物分子的代谢，如糖代谢、脂代谢、氨基酸代谢、核苷酸代谢等。研究表明，相对于正常细胞，肿瘤细胞出现代谢谱的改变、葡萄糖吸收率增高和糖酵解增强，合成DNA聚合酶和RNA聚合酶活性均较正常组织高，蛋白质合成代谢和分解代谢均增强，且合成代谢超过分解代谢，甚至可夺取正常组织的蛋白质分解产物，合成肿瘤本身需要的蛋白质，导致机体处于恶病质状态。肿瘤细胞不仅代谢旺盛，肿瘤的发生和发展也离不开其周围微环境，肿瘤生长赖以生存的周围微环境主要是一些关键代谢物，如葡萄糖、养分和营养性生长因子。肿瘤细胞周围呈酸性环境，构成此环境的原因是肿瘤细胞在有氧条件下进行糖酵解，产生大量的乳酸，同时，肿瘤细胞周围环境诱导血管内皮细胞生长因子(VEGF)大量表达，VEGF诱发新的微血管形成，为肿瘤带来更多营养，促进其生长。可见，肿瘤发生和发展的早期与代谢网络改变密切相关。机体代谢产物存在于组织、血液、尿液、唾液等体液中，对这些生物样本的代谢物组成进行检测和分析，可了解恶性肿瘤发生和发展过程中伴随的物质变化和能量变化，并发现恶性肿瘤发生和发展过程中异常代谢物，并将其应用于恶性肿瘤的早期诊断。
现有的肿瘤早期诊断相关生物标志物主要以基因、蛋白类物质为主。基因组学和蛋白质组学分别从基因和蛋白质层面研究肿瘤的发生机制，而实际上细胞内许多活动均发生在代谢层面。随着组学研究的逐步深入，研究者逐渐认识到，基因组的变化不一定能够得到表达，不对***产生影响。某些蛋白的浓度会由于外部条件的变化而升高，但由于这个蛋白可能不具备活性，从而也不对***产生影响。某个基因或蛋白的缺失会由其他基因或蛋白的存在而得到补偿，最后反应的净结果为零。小分子的代谢产物才是这一系列事件的最终结果，其能够更准确地反映生物体系的状态。代谢组学所具有的整体性、可定量性和可预测性研究显示出巨大的优势，从机体的动态代谢途径，到恶性肿瘤发生和发展的各阶段均有良好应用前景，尤其在筛选有助于肿瘤早期诊断的生物标志物及肿瘤模式分类和病理分型上有显著的优势。
发明内容
发明目的
本发明的目的在于建立一种基于HPLC-TOF-MSMS的代谢组学方法用于肿瘤生物标记物的筛选、鉴定及其应用，其优点在于通过对大批量肿瘤病人和正常人的生物样本进行HPLC-TOF-MS和HPLC-TOF-MSMS分析，结合多变量统计分析用于肿瘤生物标记物的筛选和鉴定。
技术方案
为实现上述目的，本发明采用的技术方案如下。
1、对预进行代谢组学分析的肿瘤病人和正常人的生物样本进行分组。对每组的样本分别进行等体积移取(或等质量称重)并组内合并，其中每组样本至少取两个以上的单个生物样本进行合并，得到每组样本的合并样本，并将各组的合并样本等体积(质量)混合，得到质量控制样本。并根据分析目的对各样本和合并样本进行代谢物提取(如组织样本采用氯仿/甲醇/水体系或者甲醇/水体系提取；血浆/血清样本采取甲醇或者乙腈体系沉淀蛋白；唾液、尿液直接离心)得到可供HPLC-TOF-MS和HPLC-TOF-MSMS分析进样的样品。利用HPLC-TOF-MS对肿瘤病人和正常人的生物样本进行采集，用于多变量统计分析。
2、利用HPLC-TOF-MSMS对肿瘤病人和正常人的生物样本进行采集，用于对筛选的差异代谢物进行鉴定。同时对购买的标准品进行HPLC-TOF-MS和HPLC-TOF-MSMS分析用于对差异代谢物进行定性和定量分析。
3、对HPLC-TOF-MS采集的原始数据利用MassHun ter Quantitative Analysis进行自动峰检测和色谱去卷积，导出以相对分子质量、保留时间和峰高三列的CSV.文件，按照分组压缩为ZIP.文件后上传至代谢组学在线处理软件MetaboAnalyst 3.0(http：//www.metaboanalyst.ca/MetaboAnalyst/)进行峰对齐、滤噪及标准化处理。
4、MetaboAnalyst 3.0标准化后的文件利用SIMCA-P软件进行主成分分析(principal component analysis，PCA)和正交偏最小二乘判别分析(orthogonalprojection on latent structures discriminant analysi s，OPLS-DA)。利用PLS-DA中的VIP值的大小筛选差异代谢物。
5、差异代谢物的鉴定方法为：(1)利用HPLC-TOF-MSMS二级质谱碎片结合HumanMetabolome Database(http：//www.hmdb.ca/)和METLIN(https：//metlin.scripps.edu/index.php)中的二级质谱离子碎片进行比对。(2)结合标准品的一级碎片、二级离子碎片和保留时间对差异代谢物进行定性分析。
6、对鉴定的差异代谢物利用SPSS分析，进一步筛选肿瘤生物标记物和ROC(receiver operating characteri st ic curve，简称ROC曲线)分析。
7、肿瘤生物标记物的定量分析。
有益效果
该方法通过对大量生物标本进行一级质谱和二级质谱分析结合现有在线、离线分析软件并结合现有网络数据库，筛选和鉴定差异代谢物，同时利用SPSS软件对筛选的差异代谢物进一步分析确认肿瘤生物标记物，具有处理数据周期短、检测范围宽、方法重现性好等优点，适合对肿瘤或者其它代谢类疾病生物标记物的筛选和鉴定。
附图说明
图1基于HPLC-TOF-MSMS的代谢组学方法分析流程图；
图2肿瘤病人和正常人的HPLC-TOF-MS的BPC图；
图3肿瘤病人和正常人的3D-PCA；
图4肿瘤病人和正常人的3D-PLS-DA；
图5肿瘤病人和正常人的PLS-DA的VIP图；
图6尿嘧啶和假尿嘧啶两种物质标准品的BPC图；
图7基于标准品对差异化合物中同分异构体进行鉴定(以尿嘧啶和假尿嘧啶为例；上图为一级质谱，下图为二级质谱)；
图8基于HPLC-TOF-MSMS的二级质谱离子碎片对差异化合物进行鉴定(以甜菜碱为例，上图为一级质谱，下图为二级质谱)；
图9 SPSS分析流程；
图10 ROC曲线。
具体实施方式
一种基于HPLC-TOF-MSMS的代谢组学方法用于肿瘤病人尿液生物标记物的筛选、鉴定及应用包括以下步骤。
1、样品的收集
收集肿瘤病人和正常人中段晨尿10mL，分装1O个离心管，每个离心管1mL，-80℃保存。
2、样品的预处理
取-80℃保存的尿样1mL室温解冻，10000-15000r/min离心1O-20min，取上清0.6mL，控制尿液中Fmoc-甘氨酸浓度为1μmol/L，即为HPLC-TOF-MS和HPLC-TOF-MSMS样品。按照上述质量控制样品的控制方法制备质量控制样品。肿瘤病人和正常人生物样本50-60％作为训练集用于建立多变量统计分析模型、筛选差异化合物和生物标记物，20-25％作为验证集用于优化多变量统计分析模型的和生物标记物，20-25％的样本作为测试集对肿瘤生物标记物的灵敏性、特异性进行检测。
3、样品的HPLC-TOF-MS采集
流动相：A＝O.1％甲酸水，B＝O.1％甲酸乙腈，洗脱条件：0-6min，5-10％B；6-11min，10-20％B；11-12min，20％-100％B；12-18min，100％B。色谱柱为Inertsil ODS-3C18柱，其尺寸为250mm×4.6mm，i.d.5μm，进样体积10μL，柱温25℃，流速1mL/min。质谱阴、阳离子模式条件：氮气用作干燥气，氮气温度325℃，流速12L/min，雾化气压35psi；毛细管电压：阳离子4000V，阴离子3500V；碎裂电压：100V；分离器电压60V；质量采集范围：阴阳离子模式均为0.05-1KDa。
4、样品的HPLC-TOF-MSMS采集
HPLC和MS条件同HPLC-TOF-MS。MSMS外加电压为20V。
5、HPLC-TOF-MS数据的处理
原始HPLC-TOF-MS数据利用MassHunter Quan ti tative Analysis进行自动峰检测和色谱去卷积，提取绝对峰高大于10000，导出以相对分子质量、保留时间、峰高三列的CSV.文件，肿瘤病人和正常人分别放入两个文件夹，将这两个文件夹压缩为ZIP.文件上传至在线MetahoAnalyst 3.0进行峰对齐、滤噪和标准化处理，其中质量偏差0.01Da，保留时间偏差0.5min，数据过滤方式为Interquantile range(IQR)，Data scaling方式为Paretoscaling，得HPLC-TOF-MS的标准化数据。
6、HPLC-TOF-MS数据代谢组学分析及差异代谢物的筛选
HPLC-TOF-MS的标准化数据上传至SIMCA-P12.0进行PCA和PLS-DA分析，PCA和PSL-DA均采用前三个主成分进行分析。PCA和PLS-DA的结果如附图。PLS-DA的VIP值的大小用于评价代谢物差异的大小，一般认为VIP≥2的化合物就认为是差异代谢物。
7、基于HPLC-TOF-MSMS的二级质谱碎片和保留时间对差异代谢物进行鉴定。举例如下
①基于标准品的同分异构体的鉴定，以尿嘧啶和假尿嘧啶为例，假尿嘧啶的出峰时间为3.7min，尿嘧啶的出峰时间为5.3min，虽然其一级质谱的离子碎片一样，但是其二级质谱的离子碎片不同。
②基于HPLC-MSMS二级质谱离子碎片进行鉴定，以缬氨酸和甜菜碱为例，缬氨酸和甜菜碱的相对分子质量均为117.079，阳离子模式下其一级质谱离子碎片均为118.0863，但是通过查询Human Metabo lome Database和METLIN发现缬氨酸的二级质谱离子碎片为55.0547、57.0576、59.0503和72.0581(二级质谱电压20V)，而甜菜碱的二级质谱离子碎片为58.0660和59.0703(二级质谱电压20V)，通过比对二级质谱离子碎片发现在2.87min出峰一级质谱离子碎片为118.0863的化合物为甜菜碱，而不是缬氨酸。
8、差异代谢物的SPSS分析用于确认肿瘤生物标记物及ROC分析。包括如下步骤：
①两独立样本T检验：将以上鉴定的差异代谢物各自分别进行T检验，逐一判断各物质在两组生物样本之间均值是否有显著差异；
②二项logistic回归分析：将以上均值有显著差异的差异代谢物一并进行二项logistic回归分析，通过向前引入法、向后剔除法或向后逐步筛选法进行自变量筛选，获得一组肿瘤生物标记物，根据回归系数(B)得到疾病发生的logistic预测最优模型的回归方程；
③受试者工作特征曲线(ROC)分析。用上述回归方程得到的logistic(P)值绘制受试者工作特征曲线，ROC曲线的横纵坐标分别代表该项检验的特异性及灵敏度，有效的ROC曲线其曲线下面积(area under curve，简称AUC)应介于0.5-1.0，AUC越大说明该项检验的诊断效能越大。最佳临界值的确定常借助于“尤登指数”，即敏感性+特异性-1，该指数取最大值时对应的点就是最佳临界点，利用上述ROC曲线的坐标值可求得各个坐标点的敏感性+特异性-1，其最大值对应的点就是最佳临界值点。利用以上方法得出确认的生物标记物曲线下面积大于90％，说明利用以上方法所筛选的生物标记物的诊断效能较高。
9、生物标记物的定量分析。具体步骤如下：
①不同浓度生物标记物溶液的配制；
②不同浓度标准品的HPLC-TOF-MS和HPLC-TOF-MSMS采集；
③根据HPLC-TOF-MS质谱的峰高建立生物标记物的标准曲线，同时对其稳定性、精密度、加样回收率、检测线、定量限进行分析。如我们检测到了一种生物标记物的标准曲线为y＝4634.5x(以质谱峰高为纵坐标，以每种核苷类物质的浓度为横坐标，相关系数为0.9902)，检出限为0.114692929μM，定量限为0.382309763μM，精密度O.58％，稳定性6.23％，加样回收率为95.0％。

Claims (8)

1.肿瘤病人和正常人生物样品差异化合物筛选、鉴定包括如下步骤：
(a)肿瘤病人和正常人生物样本的收集、预处理获得HPLC-TOF-MS和HPLC-TOF-MSMS样品；
(b)肿瘤病人和正常人生物样本的HIPLC-TOF-MS采集、多变量统计分析及差异化合物的筛选；
(c)肿瘤病人和正常人生物样本的HPLC-TOF-MSMS采集、分析及差异化合物的鉴定；
2.SPSS进一步筛选肿瘤生物标记物的步骤如下：
(a)肿瘤病人和正常人生物样本差异化合物两独立样本的T检验，用于筛选在两组样本间均值分布存在显著性差异的差异化合物；
(b)将以上组间均值有显著差异的差异代谢物一并进行二项logistic回归分析，通过向前引入法、向后剔除法或向后逐步筛选法进行自变量筛选，获得一组肿瘤生物标记物，得到回归系数(B)，并由此得到疾病发生的logistic预测最优模型的回归方程；
(c)根据logistic(P)值绘制一组肿瘤生物标记物的ROC曲线，计算AUC值并根据“尤登指数”确定最佳临界值。
3.利用标准品，通过建立标准曲线对肿瘤生物标记物进行定量分析，确定肿瘤病人和正常人生物样本中该物质的绝对含量。
4.肿瘤病人和正常人生物样本的50-60％作为训练集用于建立多变量统计分析模型、筛选差异化合物和生物标记物，20-25％作为验证集用于优化多变量统计分析模型的和生物标记物，20-25％的样本作为测试集对肿瘤生物标记物的灵敏性、特异性进行检测。
5.权利要求1中的生物样本可为组织、血、尿或者唾液，以Fmoc-甘氨酸为内标，内标在样品中的终浓度控制在1-10μmol/L。
6.权利要求1中的HPLC-TOF-MS数据结合Metaboanalyst及SIMCA-P进行峰对齐、滤噪、标准化处理后利用PLS-DA的VIP来筛选差异代谢物，其HPLC-TOF-MS条件如下：
(a)HPLC条件：流动相：A＝0.1％甲酸水，B＝0.1％甲酸乙腈，洗脱条件：0-6min，5-10％B；6-11min，10-20％B；11-12min，20％-100％B；12-18min，100％B；
(b)质谱条件：氮气用作干燥气，氮气温度325℃，流速12L/min，雾化气压35psi；毛细管电压：阳离子4000V，阴离子3500V；碎裂电压：100V；分离器电压65V；质量采集范围：阴阳离子模式均为0.05-1KDa。
7.权利要求1中的HPLC-TOF-MSMS数据用于差异代谢物的鉴定，HPLC-TOF-MSMS条件如下：二级质谱外加电压为10V、20V或者30V；二级质谱采集离子碎片为0.03-1KDa。
8.本方法不仅适合于肿瘤生物标记物的筛选、鉴定，同时也适合于其它代谢类疾病的生物标记物的筛选、鉴定，如糖尿病、***、抑郁症等。
CN201610064097.1A 2016-01-27 2016-01-27 一种快速筛选、鉴定肿瘤生物标记物的方法及应用 Pending CN106018640A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610064097.1A CN106018640A (zh) 2016-01-27 2016-01-27 一种快速筛选、鉴定肿瘤生物标记物的方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610064097.1A CN106018640A (zh) 2016-01-27 2016-01-27 一种快速筛选、鉴定肿瘤生物标记物的方法及应用

Publications (1)

Publication Number Publication Date
CN106018640A true CN106018640A (zh) 2016-10-12

Family

ID=57082738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610064097.1A Pending CN106018640A (zh) 2016-01-27 2016-01-27 一种快速筛选、鉴定肿瘤生物标记物的方法及应用

Country Status (1)

Country Link
CN (1) CN106018640A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106680400A (zh) * 2017-01-25 2017-05-17 青岛市食品药品检验研究院 顶空气相色谱质谱联用定性定量测定植物油掺假的方法
CN107894507A (zh) * 2017-11-22 2018-04-10 南宁科城汇信息科技有限公司 一种发现和鉴定肝癌血清差异表达蛋白和验证标志物蛋白方法
CN107917980A (zh) * 2017-11-14 2018-04-17 河南科技大学 鉴定榆树树龄的生物标志物、获取方法及其应用
CN109033747A (zh) * 2018-07-20 2018-12-18 福建师范大学福清分校 一种基于pls多扰动集成基因选择及肿瘤特异基因子集的识别方法
CN110243921A (zh) * 2019-06-28 2019-09-17 浙江大学 一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法
CN110850072A (zh) * 2019-11-08 2020-02-28 郑州大学第一附属医院 肝癌阴离子标志物的筛选方法和应用
CN111257436A (zh) * 2018-11-30 2020-06-09 中国科学院大连化学物理研究所 一种利用质谱技术识别道地药材特异性标志物和差异性标志物及判断道地药材的方法
CN115985497A (zh) * 2022-12-16 2023-04-18 首都医科大学附属北京地坛医院 主要基于血小板/脾脏长径比值的预测非手术治疗原发性肝癌患者预后的***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008145384A1 (en) * 2007-05-31 2008-12-04 Biocrates Life Sciences Ag Inflammation and oxidative stress level assay
CN101832977A (zh) * 2009-03-09 2010-09-15 复旦大学附属妇产科医院 一种卵巢肿瘤血清标志物
CN102445512A (zh) * 2010-10-09 2012-05-09 中国人民解放军第二军医大学 鉴别肝癌、肝炎或肝硬化的小分子代谢物图谱及其制作方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008145384A1 (en) * 2007-05-31 2008-12-04 Biocrates Life Sciences Ag Inflammation and oxidative stress level assay
CN101832977A (zh) * 2009-03-09 2010-09-15 复旦大学附属妇产科医院 一种卵巢肿瘤血清标志物
CN102445512A (zh) * 2010-10-09 2012-05-09 中国人民解放军第二军医大学 鉴别肝癌、肝炎或肝硬化的小分子代谢物图谱及其制作方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YANJIE LI 等: "Serum metabolic profiling study of lung cancer using ultra high performance liquid chromatography/quadrupole time-of-flight mass spectrometry", 《JOURNAL OF CHROMATOGRAPHY B》 *
YU CHENG 等: "Distinct Urinary Metabolic Profile of Human Colorectal Cancer", 《JOURNAL OF PROTEOME RESEARCH》 *
王鑫 等: "肝细胞癌患者血清中生物标记物研究", 《中国当代医药》 *
第10期: "癌症患者尿液的代谢组学研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106680400A (zh) * 2017-01-25 2017-05-17 青岛市食品药品检验研究院 顶空气相色谱质谱联用定性定量测定植物油掺假的方法
CN106680400B (zh) * 2017-01-25 2019-08-06 青岛市食品药品检验研究院 顶空气相色谱质谱联用定性定量测定植物油掺假的方法
CN107917980A (zh) * 2017-11-14 2018-04-17 河南科技大学 鉴定榆树树龄的生物标志物、获取方法及其应用
CN107894507A (zh) * 2017-11-22 2018-04-10 南宁科城汇信息科技有限公司 一种发现和鉴定肝癌血清差异表达蛋白和验证标志物蛋白方法
CN109033747A (zh) * 2018-07-20 2018-12-18 福建师范大学福清分校 一种基于pls多扰动集成基因选择及肿瘤特异基因子集的识别方法
CN109033747B (zh) * 2018-07-20 2022-03-22 福建师范大学福清分校 基于pls多扰动集成基因选择的肿瘤特异基因识别方法
CN111257436A (zh) * 2018-11-30 2020-06-09 中国科学院大连化学物理研究所 一种利用质谱技术识别道地药材特异性标志物和差异性标志物及判断道地药材的方法
CN110243921A (zh) * 2019-06-28 2019-09-17 浙江大学 一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法
CN110850072A (zh) * 2019-11-08 2020-02-28 郑州大学第一附属医院 肝癌阴离子标志物的筛选方法和应用
CN115985497A (zh) * 2022-12-16 2023-04-18 首都医科大学附属北京地坛医院 主要基于血小板/脾脏长径比值的预测非手术治疗原发性肝癌患者预后的***
CN115985497B (zh) * 2022-12-16 2023-08-08 首都医科大学附属北京地坛医院 基于血小板/脾脏长径比值的预测非手术治疗原发性肝癌患者预后的***

Similar Documents

Publication Publication Date Title
CN106018640A (zh) 一种快速筛选、鉴定肿瘤生物标记物的方法及应用
CN110057955B (zh) 乙型肝炎特异性血清标志物的筛选方法
CN105574474B (zh) 一种基于质谱信息的生物特征图像识别方法
CN102323246B (zh) 一组用于检测肺癌的特征蛋白
CN111289736A (zh) 基于代谢组学的慢阻肺早期诊断标志物及其应用
AU2011232434B2 (en) Early detection of recurrent breast cancer using metabolite profiling
CN101611313A (zh) 质谱法生物标记测定
CN111562338B (zh) 透明肾细胞癌代谢标志物在肾细胞癌早期筛查和诊断产品中的应用
CN101769910A (zh) 一种从血清代谢轮廓筛选恶性卵巢肿瘤标志物的方法
CN101832977A (zh) 一种卵巢肿瘤血清标志物
CN109781917A (zh) 一种基于分子地图的生物样本智能识别方法
US20140148349A1 (en) Metabolite Biomarkers for the Detection of Esophageal Cancer Using NMR
CN110057954B (zh) 血浆代谢标志物在诊断或监测hbv的应用
CN103776891A (zh) 一种检测差异表达蛋白质的方法
CN105759065A (zh) 血液代谢标记物的用途及抑郁症检测试剂盒
CN101424661B (zh) 一种活动性肺结核病的血清诊断模型的建立方法
CN112183616B (zh) 一种脑胶质瘤诊断的诊断标志物、试剂盒及筛选方法和脑胶质瘤诊断模型的构建方法
CN112151121A (zh) 一种食管癌诊断的诊断标志物、试剂盒及筛选方法和食管癌诊断模型的构建方法
CN115932277A (zh) 一种乳腺癌诊断标志物及其筛选方法、定量方法、诊断模型的构建方法及应用
CN106370753A (zh) 冠心病尿液代谢标记物的鉴定及分析方法
CN110208392A (zh) 基于uplc-qtof-ms对富硒烟叶的代谢组学研究的方法
CN109946411B (zh) 用于胸椎黄韧带骨化诊断的生物标记物及其筛选方法
CN110568196B (zh) 尿液中低级别胶质瘤相关的代谢标志物及其应用
CN109946467B (zh) 一种用于胸椎黄韧带骨化诊断的生物标记物
CN103694342B (zh) 检测人老龄化的多肽标志物

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20161012