CN110824167B - 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用 - Google Patents

用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用 Download PDF

Info

Publication number
CN110824167B
CN110824167B CN201910595737.5A CN201910595737A CN110824167B CN 110824167 B CN110824167 B CN 110824167B CN 201910595737 A CN201910595737 A CN 201910595737A CN 110824167 B CN110824167 B CN 110824167B
Authority
CN
China
Prior art keywords
liver failure
prognosis
aclf
hbv
patients
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
CN201910595737.5A
Other languages
English (en)
Other versions
CN110824167A (zh
Inventor
王燕
王晓忠
雷建国
冯蕾
郭峰
苟萍
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.)
Chengdu Fifth People's Hospital (chengdu Geriatric Hospital)
Original Assignee
Chengdu Fifth People's Hospital (chengdu Geriatric 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 Chengdu Fifth People's Hospital (chengdu Geriatric Hospital) filed Critical Chengdu Fifth People's Hospital (chengdu Geriatric Hospital)
Priority to CN201910595737.5A priority Critical patent/CN110824167B/zh
Publication of CN110824167A publication Critical patent/CN110824167A/zh
Application granted granted Critical
Publication of CN110824167B publication Critical patent/CN110824167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/576—Immunoassay; Biospecific binding assay; Materials therefor for hepatitis
    • G01N33/5761—Hepatitis B
    • 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
    • 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
    • G01N33/6848—Methods of protein analysis involving mass spectrometry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用，所述用于预测急性肝衰竭预后的标志物包括补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C－1。本发明首次提出的HBV－ACLF比较蛋白质组学分析为住院当天和治疗后4周的HBV－ACLF患者提供了生存和死亡患者的高通量iTRAQ分析，为具有完全不同预后的HBV相关ACLF患者的蛋白质组谱提供了新的见解，并确定了四种蛋白质——补体因子B(CFB)、血浆蛋白酶C1抑制剂(PPC1)、凝血因子XII(CF12)和载脂蛋白C－1(APO－CI)可以作为HBV－ACLF的预后生物标志物。

Description

用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预 后评估试剂盒中的应用
技术领域
本发明涉及生物医学技术领域，具体涉及ITIH3和APO-C1在制备预测急性肝衰竭预后评估ELISA试剂盒中的应用。
背景技术
急性慢性肝功能衰竭(ACLF)是属于乙型肝炎病毒感染住院后发生器官衰竭的肝硬化患者亚组的病症。HBV相关的ACLF是肝功能衰竭的首要危险因素[1-3]。炎症疾病被认为是ACLF发展的主要因素，尽管这种病症的病理生理学仍不清楚[4,5]。ACLF的特征是快速进展，导致短期和中期死亡率高达50-90％[6]。该综合征的结果通过全身心脏和肝脏血流动力学来估计[7,8]。然而，如果ACLF患者接受适当的治疗，其可能恢复原始肝功能状态的[9-11]。对于预测高死亡率ACLF患者的预后或最佳治疗的发展因素存在迫切需求。
遗憾的是，在标准治疗程序后，尚未报道有效标志物预测ACLF患者的预后。以前的大多数研究都集中在靶向分子作为预测ACLF预后的潜在因素，尤其是炎症因子[12-14]。然而，其他独立研究中只有少数人得到了支持。
HBV引发的ACLF是中国肝功能衰竭的主要类型，也是肝病患者死亡的主要原因[23]。中华医学会(CMA)于2006年制定了肝衰竭诊断和治疗指南，并于2012年更新了修订版[24]。然而，ACLF在中国肝衰竭诊断和治疗指南中的定义和治疗策略与美国和欧洲不同。可用评分***的表现也被证明不适合中国的ACLF患者，包括MELD、SOFA和APACHE[25-27]。不幸的是，很大一部分与HBV相关的ACLF患者对标准治疗的反应较差，并且在住院后不久死亡。因此，寻找新的生物标志物来预测ACLF患者的预后具有重要价值。
在过去几十年中，已经做出巨大努力来开发HBV-ACLF的早期诊断和预后生物标志物。然而，它们大多数是炎症因子和/或免疫相关因子(IL-6，IL-8，SIRS，solube ST2，胱抑素C，中性粒细胞明胶酶相关脂质运载蛋白)，这可能与各种病症有关，而不是HBV-ACLF导致实用性差[28-32]。蛋白质组学是发现潜在的生物标志物有力技术，广泛用于肿瘤，心血管疾病和其他器官功能障碍[15-20]。然而，只有两个研究小组对HBV相关ACLF的预后标志物进行了蛋白质组学研究，其中一个使用双向电泳(2-DE)，另一个使用同量异位标签进行相对和绝对定量(iTRAQ)技术[21，22]。
2010年，Ren等人在正常，慢性乙型肝炎和ACLF样本中通过2-DE鉴定了23种差异表达蛋白，并进一步验证了α-1-酸性糖蛋白可能作为HBV感染预后的候选标记[21]。2017年，Zhou等人对来自健康对照，慢性乙型肝炎和HBV-ACLF患者的血浆进行了高通量iTRAQ分析，鉴定了42种差异表达的蛋白质，并进一步证实了6种蛋白质作为潜在的HBV-ACLF生物标志物候选物的表达水平差异[22]。然而，他们两人都没有将蛋白质组数据与治疗后的结果联系起来。
参考文献：
[1]Sarin,S.K.；Kumar,A.；Almeida,J.A.；Chawla,Y.K.；Fan,S.T.；Garg,H.；etal.Acute-on chronic liver failure:consensus recommendations of the AsianPacific Association for the Study of the Liver(APASL).Hepatol Int 2009,3,269–282.
[2]Olson,J.C.；Wendon,J.A.；Kramer,D.J.；Vicente,A.；Jalan,R.；Garcia-Tsao,G.；et al.Intensive care of the patient with cirrhosis.Hepatology 2011,54,1864–1872.
[3]Jalan,R.；Stadlbauer,V.；Sen,S.；Mookerjee,R.；Davies,N.；Hodges,S.；etal.Natural history of acute decompensation of cirrhosis:the basis of thedefinition,prognosis,and pathophysiology of acute-on-chronic liverfailure.Hepatology 2006,44,371A–372A.
[4]Wang,K.；Wu,Z.B.；Ye,Y.N.；Liu,J.；Zhang,G.L.；Su,Y.J.；et al.PlasmaInterleukin-10:a likely predictive marker for Hepatitis B Virus-relatedacute-on-chronic liver failure.Hepat Mon 2014,14,e19370.doi:10.5812/hepatmon.19370.
[5]Joseph,S.B.；Castrillo,A.；Laffitte,B.A.；Mangelsdorf,D.J.；Tontonoz,P.；Reciprocal regulation of inflammation and lipid metabolism by liver Xreceptors.Nat Med 2003,9,213–219.
[6]Jalan,R.；Williams,R.Acute-on-chronic liver failure:pathophysiological basis of therapeutic options.Blood Purif2002,20,252–261.
[7]S-Hawcross,D.L.；Austin,M.J.；Abeles,R.D.；McPhail,M.J.；Yeoman,A.D.；Taylor,N.J.；et al.The impact of organdysfunction in cirrhosis:survival at acost？J Hepatol 2012,56,1054–1062.
[8]Levesque,E.；Hoti,E.；Azoulay,D.；
Figure GDA0002336462930000041
P.；Habouchi,H.；Castaing,D.；etal.Prospective evaluation of theprognostic scores for cirrhotic patientsadmitted to anintensive care unit.J Hepatol 2012,56,95–102.
[9]Chien,R.N.；Lin,C.H.；Liaw,Y.F.The effect oflamivudine therapy inhepatic decompensation during acuteexacerbation of chronic hepatitis B.JHepatol 2003,38,322–327.
[10]Stadlbauer,V.；Mookerjee,R.P.；Hodges,S.；Wright,G.A.；Davies,N.A.；Jalan,R.Effect of probiotic treatment on deranged neutrophil function andcytokine responses in patients with compensated alcoholic cirrhosis.J Hepatol2008,48,945–951.
[11]Fernández,J.；Escorsell,A.；Zabalza,M.；Felipe,V.；Navasa,M.；Mas,A.；et al.Adrenal insufficiency in patients with cirrhosis and septic S-Hock:effect of treatment with hydrocortisone on survival.Hepatology 2006,44,1288–1295.
[12]López-Velázquez,J.A.；Chávez-Tapia,N.C.；Ponciano-Rodríguez,G.；Sánchez-Valle,V.；Caldwell,S.H.；Uribe,M.；et al.Bilirubin alone as a biomarkerfor S-Hort-term mortality in acute-on-chronic liver failure:an importantprognostic indicator.,Ann Hepatol,2013,13,98–104.
[13]Liu,Y.；Han,T.；Zhu,Z.Y.；Li,Y.Thymosinβ4:a novel assessed biomarkerof the prognosis of acute-on-chronic liver failure patient？Clin Res HepatolGastroenterol 2014,38,310–317.
[14]Zhang,G.L.；Zhang,T.；Ye,Y.N.；Liu,J.；Zhang,X.H.；Xie,C.；etal.Complement factor 3 could be an independent risk factor for mortality inpatients with HBV related acute-on-chronic liver failure.Biomed Res Int 2016,2016,3524842.doi:10.1155/2016/3524842.
[15]Kisluk,J.；Ciborowski,M.；Niemira,M.；Kretowski,A.；Niklinski,J.Proteomics biomarkers for non-small cell lung cancer.J Pharm Biomed Anal2014,101,40–49.doi:10.1016/j.jpba.2014.07.038.
[16]Sallam,R.M.Proteomics in cancer biomarkers discovery:challengesand applications.Dis Markers 2015,2015,321370.doi:10.1155/2015/321370.
[17]Gregorich,Z.R.；Ge,Y.Top-down proteomics in health and disease:challenges and opportunities.Proteomics 2014,14,1195–1210.doi:10.1002/pmic.201300432.
[18]Singh,S.A.；Aikawa,E.；Aikawa,M.Current trends and futureperspectives of state-of-the-art proteomics technologies applied tocardiovascular disease research.Circ J 2016,80,1674–1683.doi:10.1253/circj.CJ-16-0499.
[19]Yang,Q.；Lu,H.；Song,X.；Li,S.；Wei,W.iTRAQ-based proteomicsinvestigation of aqueous humor from patients with Coats'disease.PLoS One2016,11,e0158611.
[20]Li,N.；Xu,Z.；Zhai,L.；Li,Y.；Fan,F.；Zheng,J.；et al.Rapid developmentof proteomics in China:from the perspective of the Human Liver ProteomeProject and technology development.Sci China Life Sci 2014,57,1162–1171.
[21]Ren,F.；Chen,Y.；Wang,Y.；Yan,Y.；Zhao,J.；Ding,M.；et al.Comparativeserum proteomic analysis of patients with acute-on-chronic liver failure:alpha-1-acid glycoprotein may be a candidate marker for prognosis ofhepatitis B virus infection.J Viral Hepat 2010,17,816–824.
[22]Zhou,N.；Wang,K.；Fang,S.；Zhao,X.；Huang,T.；Chen,H.；et al.Discoveryof a potential plasma protein biomarker panel for acute-on-chronic liverfailure induced by Hepatitis B Virus.Front Physiol 2017,8,1009.doi:10.3389/fphys.2017.01009.
[23]Sarin,S.K.；Kumar,M.；Lau,G.K.；Abbas,Z.；Chan,H.L.；Chen,C.J.；etal.Asian-Pacific clinical practice guidelines on the management of hepatitisB:a 2015 update.Hepatol Int 2016,10,1–98.
[24]Liver Failure and Artificial Liver Group,Chinese Society ofInfectious Diseases,Chinese Medical Association；Severe Liver Diseases andArtificial Liver Group,Chinese Society of Hepatology,Chinese MedicalAssociation.The management of liver failure:update 2012.J Clin Hepatol 2013,3,210–216.
[25]Kamath,P.S.；Wiesner,R.H.；Malinchoc,M.；Kremers,W.；Therneau,T.M.；Kosberg,C.L.；et al.A model to predict survival in patients with end-stageliver disease.Hepatology 2001,33,464–470.
[26]Vincent,J.L.；Moreno,R.；Takala,J.；Willatts,S.；De Mendonca,A.；Bruining,H.；et al.The SOFA(Sepsis-related Organ Failure Assessment)score todescribe organ dysfunction/failure.On behalf of the Working Group on Sepsis-Related Problems of the European Society of Intensive Care Medicine.IntensiveCare Med 1996,22,707–710.
[27]Knaus,W.A.；Draper,E.A.；Wagner,D.P.；Zimmerman,J.E.APACHE II:aseverity of disease classification system.Crit Care Med 1985,13,818–829.
[28]Gustot T.Multiple organ failure in sepsis:prognosis and role ofsystemic inf lammatory response.Curr Opin Crit Care 2011,17,153–159.
[29]Cazzaniga,M.；Dionigi,E.；Gobbo,G.；Fioretti,A.；Monti,V.；Salerno,F.The systemic inflammatory response syndrome in cirrhotic patients:relationship with their in-hospital outcome.J Hepatol 2009,51,475–482.
[30]Jiang,S.W.；Wang,P.；Xiang,X.G.；Mo,R.D.；Lin,L.Y.；Bao,S.S.etal.Serum soluble ST2 is a promising prognostic biomarker in HBV-relatedacute-on-chronic liver failure.Hepatobiliary Pancreat Dis Int 2017,16,181–188.
[31]Wan,Z.H.；Wang,J.J.；You,S.L.；Liu,H.L.；Zhu,B.；Zang,H.；etal.Cystatin C is a biomarker for predicting acute kidney injury in patientswith acute-on-chronic liver failure.World J Gastroenterol 2013,19,9432–9438.
[32]Ariza X,Graupera I,Coll M,SolàE,Barreto R,Garc ía E,etal.Neutrophil gelatinase-associated lipocalin is a biomarker of acute-on-chronic liver failure and prognosis in cirrhosis.J Hepatol 2016,65,57–65.
[33]Caldwell,S.H.；Hoffman,M.；Lisman,T.；Macik,B.G.；Northup,P.G.；Reddy,K.R.；et al.Coagulation disorders and hemostasis in liver disease:pathophysiology and critical assessment of current management.Tripodi A,Sanyal AJ；Coagulation in Liver Disease Group.Hepatology 2006,44,1039–1046.
[34]Chen,E.Q.；Wang,M.L.；Zhang,D.M.；Shi,Y.；Wu,D.B.；Yan,L.B.；etal.Plasma apolipoprotein A-V predicts long-term survival in chronic HepatitisB patients with acute-on-chronic liver failure.Sci Rep 2017,7,45576.doi:10.1038/srep45576.
[35]Malmendier,C.L.；Lontie,J.F.；Mathé,D.；Adam,R.；Bismuth,H.Lipid andapolipoprotein changes after orthotopic liver transplantation for end-stageliver diseases.Clin Chim Acta 1992,209,169–177.
[36]Miyata,Y.；Koga,S.；Ibayashi,H.Alterations in plasma levels ofapolipoprotein A-IV in various clinical entities.Gastroenterol Jpn 1986,21,479–485.
[37]Peng,L.；Liu,J.；Li,Y.M.；Huang,Z.L.；Wang,P.P.；Gu,Y.R.；et al.Serumproteomics analysis and comparisons using iTRAQ in the progression ofhepatitis B.Exp Ther Med 2013,6,1169–1176.
[38]Wu,S.H.；Li,J.；Jin,X.iTRAQ-based quantitative proteomic analysisreveals important metabolic pathways for arsenic-induced liver fbrosis inrats.Sci Rep 2018,8,3267.doi:10.1038/s41598-018-21580-x.
[39]Zheng,Q.；Wang,X.GOEAST:a web-based software toolkit for GeneOntology enrichment analysis.Nucleic Acids Res 2008,36,W358–W363.
[40]Szklarczyk,D.；Morris,J.H.；Cook,H.；Kuhn,M.；Wyder,S.；Simonovic,M.；et al.The STRING database in 2017:quality-controlled protein-proteinassociation networks,made broadly accessible.Nucleic Acids Res 2017,45,D362–D368.
发明内容
针对现有技术的不足，本发明旨在提供一种用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用。
为了实现上述目的，本发明采用如下技术方案：
用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用，所述用于预测急性肝衰竭预后的标志物包括补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1。
本发明的有益效果在于：本发明首次提出的HBV-ACLF比较蛋白质组学分析为住院当天和治疗后4周的HBV-ACLF患者提供了生存和死亡患者的高通量iTRAQ分析，为具有完全不同预后的HBV相关ACLF患者的蛋白质组谱提供了新的见解，并确定了四种蛋白质——补体因子B(CFB)、血浆蛋白酶C1抑制剂(PPC1)、凝血因子XII(CF12)和载脂蛋白C-1(APO-CI)可以作为HBV-ACLF的预后生物标志物。
附图说明
图1为本实施例2中研究生存组和死亡组HBV-ACLF患者的蛋白质组谱的实验流程示意图；
图2为本实施例2中从S-H与D-H，S-F与D-F，S-H与S-F和D-H与D-F中鉴定的DEP的火山图；
图3为本实施例2中从S-H与D-H，S-F与D-F，S-H与S-F和D-H与D-F鉴定的所有DEP的维恩图和热图分析；
图4为本实施例2中从S-H与D-H，S-F与D-F，S-H与S-F和D-H与D-F鉴定的DEP的KEGG途径富集分析结果示意图；
图5为本实施例2中细胞成分类别的S-H与D-H DEP的途径富集分析示意图；
图6为本实施例2中对S-H与D-H(A)，S-F与D-F(B)的DAP的蛋白质-蛋白质相互作用(PPI)网络分析示意图；
图7为本实施例2中对筛选出的差异基因扩大样本后的ROC分析的结果示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
实施例1
本实施例提供用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用，所述用于预测急性肝衰竭预后的标志物包括补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1。
通过所述试剂盒，可以检测HBV-ACLF患者的血清的补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1表达水平，从而可以对急性肝衰竭预后进行预测。
实施例2
本实施例通过实验对实施例1的技术方案进行验证。
一、HBV-ACLF患者的实验设计及临床特征
根据纳入排除标准筛选，24名患者参与了这项研究，包括11名生存者(S组)和13名死亡者(D组)。这些患者的临床特征如表1所示。
表1与HBV相关的ACLF患者的临床信息
Figure GDA0002336462930000121
Figure GDA0002336462930000131
*，p值<0.05；**，p值<0.01。白细胞，全血细胞；Plt，血小板；ALT，谷氨酸-丙酮酸转氨酶；TBil，总billrubin；CHE，胆碱酯酶；白蛋白；Cr，肌酐；PT，凝血酶原时间；PTA，凝血酶原活性；INR，国际标准化凝血时间比；FIB，纤维蛋白原；儿童，儿童-Turcotte-Pugh；MELD，终末期肝病的模型。
从表1可以看出，除凝血酶原时间(PTs，p＝0.021)，国际标准化比率(INR，p＝0.008)和终末期肝病模型(MELD，p＝0.001)外，所有检查因素在生存组和死亡组之间均无显著性。
本实施例中，实验工作流程如图1所示。在高丰度蛋白质耗尽后，将住院当天获得的S组血清蛋白样品(S-H)分成两个合并的重复样品，并标记113和114标签。115和116标签用于标记住院当天获得的D组血清蛋白样品(D-H)所分成的两个合并的重复样品。而治疗后4周的S组样品(S-F)为117和118，D组样品(D-F)为119和121。然后将同量异位标签标记的肽放在一起进行高通量LC-MS/MS分析。
二、由iTRAQ鉴定的差异表达的蛋白质
通过iTRAQ鉴定了总共519种蛋白质，其中280种被认为是高质量的定量蛋白质(95％具有定量信息≥2的机密肽)。将显著的差异表达阈值设定为至少2倍的变化并且p<0.05。火山图显示了S-H和D-H样品之间(图2A)、S-F和D-F之间(图2B)、S-H和S-F之间(图2C)、D-H和D-F之间(图2D)的所有高质量蛋白质的分布模式。显著的蛋白质表示为浅色斑点，而非显著的蛋白质表示为深色斑点。
鉴定了111个差异表达蛋白(DEP)，其中在S-H和D-H之间鉴定出42个DEP，在S-F和D-F之间鉴定出55个，在S-H和S-F之间鉴定51个，在D-H和D-F之间鉴定了36个，如图3A所示。还提供了所有111个DEP的热图，如图3B所示。在D-H和D-F样品之间鉴定出最少的DEP(36)，表明这些患者的不良治疗结果。
三、DEPs的生物信息学分析
值得注意的是，在S-H与D-H和S-F与D-F的DEP中可同时鉴定出六种蛋白质，而在S-H与S-F和D-S与D-F的DEP中未观察到(如图3A所示)，这六种蛋白质分别为补体因子H、α间胰蛋白酶抑制剂重链H3、补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1。这六种蛋白质应该在S组和D组患者之间连续差异表达水平，不仅在住院当天，而且在治疗后4周，表明它们在存活和死亡HBV-ACLF患者之间稳定差异表达。因此，六种蛋白质可被认为是预测HBV-ACLF患者预后的候选标志物。在六种潜在的候选标志物中，补体因子H和α间胰蛋白酶抑制剂重链H3在S组中治疗四周后表现出降低的表达水平，表明它们在治疗前后的不稳定水平。然而，补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1在S组和D组中均显示治疗前后的非显著表达水平，表明它们是有希望的候选标志物。六种潜在的候选标志物的蛋白质鉴定信息如表2所示表2
Figure GDA0002336462930000151
1每组的平均归一化表达水平。
为了更好地理解这些DEP的功能，本实施例进行了KEGG本体论，基因本体论(GO)和蛋白质-蛋白质相互作用网络(PPI)分析。KEGG途径富集分析显示，最丰富的途径(测试组百分比与参考设定百分比相比)是S-H对D-H、S-F对D-FS-H对S-F的补体和凝血级联,分别如图4A-4C所示，而非洲锥虫病为DS对D-F，如图4D所示。该结果再次表明死亡组对标准治疗例程具有不同的反应。
考虑到实验设计，S-H和D-H之间的DEP具有最重要的生物学价值，用于预测HBV-ACLF患者的预后。对于细胞成分类别，S-H与D-H之间的DEP的GO富集分析如图5所示。GO术语的树视图的分支末端是血红蛋白复合物(GO：0005833)、内吞囊泡腔(GO：0071682)、突触小泡(GO：0008021)、树突(GO：0030425)、基底外侧血浆(GO：0016323)和膜筏(GO：0045121)，表明生存和死亡HBV-ACLF患者的蛋白质组谱之间最显著的差异。诊断位于囊泡和膜相关的细胞成分中。
图5中，显著富集的(FDR p值<0.05)GO术语显示在彩色框中。黄色的成熟与每个术语的显著性水平相关。箭头类型的含义如下：红色箭头表示两个重要的术语；黑色箭头表示一个重要术语和一个非重要术语；黑色虚线箭头链接两个非重要的术语。
特殊DEP组的蛋白质-蛋白质相互作用网络可以反映影响血清样品的感兴趣的生物因子的模式。为了本实施例的目的，显示了S-H与D-H、S-F与D-F的PPI分析，分别如图6A和图6B所示，图6中，将所需的最低交互分数设置为STRING数据库中的最高置信度(0.900)，并隐藏网络中的断开连接的节点。与囊泡和膜细胞成分相关的蛋白质在治疗前后具有S组和D组之间DEP的关键节点。值得注意的是，补体和凝血相关蛋白也在网络中显示出重要作用。
四、筛选出的差异基因扩大样本后的ROC分析
扩大样本量(死亡n＝10,生存n＝9)，采用ELISA法验证了8个因子Protein S、ITIH4、ITIH3、F12、CFH、CFB、APO-E、APO-C1在血清中的表达水平，如图7所示。
图7中，图7A所示为APO-C1在生存组与死亡组的分布，图7B所示为Protein S在生存组与死亡组的分布，图7C所示为ITIH3在生存组与死亡组的分布。*，p<0.05。生存组与死亡组使用Student's t检验。数据是APO-C1、Protein S、ITIH3的平均值±SD表达。图7D所示为ITIH3 ROC曲线，曲线下面积(AUC)为82.22％。图7E所示为APO-C1 ROC曲线，曲线下面积(AUC)为77.78％。图7F为Protein S的ROC曲线，曲线下面积(AUC)为75.56％。图7G所示为ITIH3+APO-C1双因子联合分析的ROC曲线，曲线下面积(AUC)为92.22％
从图7可以看出，有三个因子的ROC曲线与预后存在显著相关性，曲线下面积大于0.75，所述三个因子分别为Protein S、ITIH3、APO-C1。通过进一步做了双因子的关联分析，发现ITIH3、APO-C1双因子的关联分析的ROC曲线与急性慢性肝衰竭预后存在极显著相关性，曲线下面积为0.922。数据表明ITIH3、APO-C1联合分析可以良好的预测急性肝衰竭预后。
五、总结
本实施例中，首次提出的HBV-ACLF比较蛋白质组学分析为住院当天和治疗后4周的HBV-ACLF患者提供了生存和死亡患者的高通量iTRAQ分析。该实验设计将有助于鉴定与HBV-ACLF患者标准治疗后预后性能相关的新蛋白质。
本实施例中，从存活和死亡HBV-ACLF患者血浆中鉴定出518种蛋白质，这比其他任何研究都要多。严格的阈值条件(95％机密肽，定量信息≥2)用于蛋白质鉴定，以确保后续分析的可靠性，产生280种高质量蛋白质。分别在S-H与D-H，S-F与D-F，S-H与S-F、D-H与D-F之间鉴定出42,55,51和36个DEP。在D-H和D-F样品之间鉴定出最少的DEP(36)，表明这些患者的不良治疗结果。然而，在S-H与D-H、S-F与D-F中不同表达的六种蛋白质显示出可用于预测HBV-ACLF预后的潜力。
在S组和D组中，四种蛋白质——补体因子B(CFB)、血浆蛋白酶C1抑制剂(PPC1)、凝血因子XII(CF12)和载脂蛋白C-1(APO-CI)在治疗前后均表现出稳定的表达水平，并且在S组和D组之间差异表达，这使得它们成为预测HBV-预后的理想生物标志物候选物。
据报道，补体因子3是HBV-ACLF患者死亡率的独立危险因素[14]。凝血障碍和止血在肝脏疾病中起重要作用[33]。已报道载脂蛋白涉及各种形式的肝病和肝移植，尤其是载脂蛋白A-V和A-IV[34-36]。此外，另一项基于iTRAQ的蛋白质组学分析显示，乙型肝炎进展中补体因子和载脂蛋白参与肝功能衰竭[37]。
S-H与D-H的DEP的生物信息学分析显示，补体和凝血级联是最显著富集的途径，这与先前的研究一致。此外，D-H与D-F的DEP显示与其他DEP不同的GO和KEGG功能分布模式，以及不同的PPI网络结构，表明该组患者的血浆蛋白质组谱与标准后的其他组相比发生了不同的变化。这一现象暗示了开发新型生物标志物候选物用于预测HBV-ACLF预后的重要性。
六、材料与方法
6.1临床样本
2014年1月至2017年2月，共有45名HBV-ACLF患者入选新疆医科大学附属中医医院肝病科。排除后，根据治疗结果，选择24例患者进行高通量蛋白质组学研究，其中11例为生存组，13例为死亡组。所有患者均根据肝功能衰竭的诊断和治疗指南(2012版)接受标准治疗。在住院当天(H)和治疗四周后(F)获得每位患者的血浆样品。
本实施例中的研究经新疆维吾尔自治区中医药伦理委员会批准(伦理委员会文件号：2013XE0137)。在注册之前，所有参与者都获得了书面知情同意书。
6.2、蛋白质提取和iTRAQ分析
如前所述进行蛋白质提取，胰蛋白酶消化和iTRAQ标记[38]。简而言之，使用
Figure GDA0002336462930000191
免疫亲和白蛋白和IgG消耗试剂盒(Sigma-Aldrich，S-Hanghai，China)耗尽血浆中的高丰度蛋白质，包括白蛋白和IgG。将收集的溶液在裂解缓冲液(7M尿素，2M硫脲，50mM Tris，50mM DTT和1mM PMSF)中裂解，并使用BraD-Ford测定法(Bio-Rad，Beijing，China)测定蛋白质含量。在使用修饰的胰蛋白酶(目录号V5113 Promega，中国上海)过夜FASP胰蛋白酶消化后，根据制造的构建(Applied Biosystems，S-Hanghai，China)进行iTRAQ标记。同位素标签113和114用于标记S-H样品，115和116用于标记D-H样品，117和118用于标记S-F样品，119和121用于标记D-F样品。
通过高效液相色谱(HPLC)(Ultimate3000，Dionex，Thermo，S-Hanghai，China)将FASP消化后的肽分成15个级分。在MS/MS分析之前，通过离线级分收集器和C18 Cartridge(Sigma，S-Hanghai，China)收集洗脱的肽级分并脱盐。使用AB SCIEX TripleTOF 5600plus质谱仪***(AB SCIEX，S-Hanghai，China)进行MS分析。
蛋白质通过ProteinPilotTM 5.0鉴定。根据从UniProt(2017年10月1日)下载的智人蛋白质数据库自动搜索获得的数据。蛋白质的置信度阈值(未使用的ProtScore)设定为超过1.3。同时，超过2个匹配的肽具有95％置信区间用于蛋白质鉴定。
6.3、生物信息学分析
使用BLAST2GO将所有鉴定的蛋白质定位于基因本体。GO术语富集分析由GOEAST[39]进行。使用STRING分析蛋白质-蛋白质相互作用网络[40]。
6.4、统计分析
使用ProteinPilotTM 5.0(AB Sciex，S-Hanghai，China)分析iTRAQ数据，阈值为95％机密肽≥2(未使用分数>1.3)。所有统计分析均通过SPSS 20.0进行。当p值<0.05且倍数变化>2时，确定不同的丰富蛋白质。
6.5、Elisa实验及ROC分析
采用Elisa实验方法，扩大样本量(死亡n＝10，生存n＝9)验证了8个因子ProteinS、ITIH4、ITIH3、F12、CFH、CFB、APO-E、APO-C1的血清中的表达情况，并用spss20.0进行统计学分析。
七、结论
综上，本实施例提出了一种基于iTRAQ的蛋白质组学分析，该分析来自住院当天和治疗后4周的HBV-ACLF存活和死亡患者的血浆。确定了总共280种高质量蛋白质并提交给后续分析。KEGG、GO和PPI的生物信息学分析显示补体和凝血级联是最显著富集的途径。本实施例鉴定了四种蛋白质(CFB，PPC1，CF12和APO-CI)，它们在治疗前后生存组和死亡组之间表现出稳定的不同表达水平，表明它们可能成为预测HBV-ACLF预后的生物标志物候选物。本实施例中的数据为具有完全不同预后的HBV相关ACLF患者的蛋白质组谱提供了新的见解，并确定了四种蛋白质作为HBV-ACLF的预后生物标志物。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (1)

1.用于预测急性肝衰竭预后的标志物在制备血清样本预测急性肝衰竭预后评估试剂盒中的应用，其特征在于，所述用于预测急性肝衰竭预后的标志物包括补体因子B、血浆蛋白酶C1抑制剂、凝血因子XII和载脂蛋白C-1。
CN201910595737.5A 2019-07-03 2019-07-03 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用 Active CN110824167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910595737.5A CN110824167B (zh) 2019-07-03 2019-07-03 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910595737.5A CN110824167B (zh) 2019-07-03 2019-07-03 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用

Publications (2)

Publication Number Publication Date
CN110824167A CN110824167A (zh) 2020-02-21
CN110824167B true CN110824167B (zh) 2023-06-13

Family

ID=69547599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910595737.5A Active CN110824167B (zh) 2019-07-03 2019-07-03 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用

Country Status (1)

Country Link
CN (1) CN110824167B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964807B (zh) * 2021-03-30 2022-09-23 浙江大学 乙肝慢加急性肝衰竭预后的代谢标记物及其筛选方法
CN113650507B (zh) * 2021-08-25 2023-08-18 汤恩智能科技(常熟)有限公司 一种自动行走车辆的驻车方法及终端
CN115267206A (zh) * 2022-08-04 2022-11-01 苏州市立医院 一种戊型肝炎相关急性肝衰竭目标预后诊断标志方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2856154A1 (en) * 2011-11-16 2013-05-23 Adrenomed Ag Anti-adrenomedullin (adm) antibody or anti-adm antibody fragment or anti-adm non-ig scaffold for prevention or reduction of organ dysfunction or organ failure in a patient having a chronic or acute disease or acute condition
US9134326B2 (en) * 2013-03-14 2015-09-15 Battelle Memorial Institute Biomarkers for liver fibrosis
CN107255711B (zh) * 2017-05-10 2019-02-22 孔晓妮 骨桥蛋白用于制备或筛选慢加急性肝衰竭诊断试剂的用途

Also Published As

Publication number Publication date
CN110824167A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
Messner et al. Ultra-high-throughput clinical proteomics reveals classifiers of COVID-19 infection
CN110824167B (zh) 用于预测急性肝衰竭预后的标志物在制备预测急性肝衰竭预后评估试剂盒中的应用
Sengupta et al. Biomarker development for hepatocellular carcinoma early detection: current and future perspectives
Wattiez et al. Proteomics of bronchoalveolar lavage fluid
EP3623814A2 (en) Biomarker for monitoring or diagnosing onset of liver cancer in high-risk group for liver cancer and use thereof
Li et al. Comprehensive and quantitative proteomic analyses of zebrafish plasma reveals conserved protein profiles between genders and between zebrafish and human
US20190369114A1 (en) Highly multiplexed and mass spectrometry based methods to measuring 72 human proteins
Dardé et al. Analysis of the plasma proteome associated with acute coronary syndrome: does a permanent protein signature exist in the plasma of ACS patients?
Ciborowski et al. Metabolomic approach with LC− MS reveals significant effect of pressure on diver’s plasma
Wang et al. Multiomics: unraveling the panoramic landscapes of SARS-CoV-2 infection
Zhou et al. Discovery of a potential plasma protein biomarker panel for acute-on-chronic liver failure induced by hepatitis B virus
Diamond et al. Proteome and computational analyses reveal new insights into the mechanisms of hepatitis C virus–mediated liver disease posttransplantation
Yang et al. Peptidome analysis reveals novel serum biomarkers for children with autism spectrum disorder in China
Chen et al. Proteomic analysis identifies prolonged disturbances in pathways related to cholesterol metabolism and myocardium function in the COVID-19 recovery stage
Yang et al. Novel biomarker candidates to predict hepatic fibrosis in hepatitis C identified by serum proteomics
Lin et al. Novel serum biomarkers for noninvasive diagnosis and screening of nonalcoholic fatty liver disease-related hepatic fibrosis
Ismail et al. Plasma nuclear factor kappa B and serum peroxiredoxin 3 in early diagnosis of hepatocellular carcinoma
Song et al. Identification of serum protein biomarkers in biliary atresia by mass spectrometry and enzyme-linked immunosorbent assay
Chen et al. Quantitative proteome analysis of HCC cell lines with different metastatic potentials by SILAC
Qu et al. Serum sphingolipids reflect the severity of chronic HBV infection and predict the mortality of HBV-acute-on-chronic liver failure
Messner et al. Clinical classifiers of COVID-19 infection from novel ultra-high-throughput proteomics
Ceballos et al. Metabolic profiling at COVID-19 onset shows disease severity and sex-specific dysregulation
Ebert et al. Identification of the thrombin light chain a as the single best mass for differentiation of gastric cancer patients from individuals with dyspepsia by proteome analysis
Li et al. Retracted Article: High-throughput metabolomics identifies serum metabolic signatures in acute kidney injury using LC-MS combined with pattern recognition approach
Xu et al. Quantitative proteomic analysis of cervical cancer based on TMT-labeled quantitative proteomics

Legal Events

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