CN118150818A - 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法 - Google Patents

一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法 Download PDF

Info

Publication number
CN118150818A
CN118150818A CN202410143992.7A CN202410143992A CN118150818A CN 118150818 A CN118150818 A CN 118150818A CN 202410143992 A CN202410143992 A CN 202410143992A CN 118150818 A CN118150818 A CN 118150818A
Authority
CN
China
Prior art keywords
cardiovascular
biomarker
disease
stage renal
cerebrovascular
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
CN202410143992.7A
Other languages
English (en)
Inventor
郑可
李雪梅
王淦淦
钱玉珺
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.)
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
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 Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority to CN202410143992.7A priority Critical patent/CN118150818A/zh
Publication of CN118150818A publication Critical patent/CN118150818A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法,具体涉及生物标志物PC42:6、PC42:7、SM d18:1/14:0,生物标志物还包括新发心脑血管事件指标年龄、性别、透析年份,本发明提供了检测上述生物标志物的试剂在制备辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品中的应用,本发明提供了用于辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品,本发明还提供了相关的计算机模型的应用与构建方法,本发明还提供了上述生物标志物在自动化辅助诊断或预测终末期肾病是否合并心脑血管疾病的***中的应用,本发明还提供了上述生物标志物在制备终末期肾病分型的产品中的应用与构建方法。

Description

一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑 血管事件的预测方法
技术领域
本发明属于生物技术领域,涉及一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法,具体涉及生物标志物PC42:6、PC42:7、SM d18:1/14:0。
背景技术
终末期肾病(ESRD)是指各种慢性肾脏疾病的终末阶段,发病率高且疾病负担重,是当前全球性重大公共卫生问题。ESRD患者体内出现严重的电解质和血流动力学紊乱,其发生心脑血管疾病(CVD)风险相应增加。血液透析作为ESRD患者的重要治疗方法,血液透析过程的会出现电解质和血流动力学剧烈变换,最终进一步增加多种心脑血管疾病风险,甚至出现猝死。因此,对ESRD患者CVD风险的预测至关重要。目前,透析中的ESRD患者是否出现CVD尚无较好的预测方法。
发明内容
为了解决现有技术中存在的技术问题,本发明提供了以下技术方案:
本发明提供了检测样本中生物标志物的试剂在制备辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品中的应用,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0。
进一步,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0的组合。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
鞘磷脂(d18:1/14:0)或SM(d18:1/14:0)是动物细胞膜中发现的一种鞘脂,特别是在围绕一些神经细胞轴突的膜髓鞘中。它通常由磷酰胆碱和神经酰胺组成。SM(d18:1/14:0)由鞘氨醇骨架和肉豆蔻酸链组成。在人类中,鞘磷脂是唯一不是源自甘油的膜磷脂。与所有鞘脂一样,SM具有神经酰胺核心(鞘氨醇通过酰胺键与脂肪酸结合)。此外,它还含有一个极性头基,即磷酸胆碱或磷酸乙醇胺。
PC42:6及PC42:7属于磷脂酰胆碱(PC或GPCho),是磷脂的一种,头部基团为胆碱基团,是生物膜的重要组成成分。与二酰甘油的情况一样,甘油磷酸胆碱可以具有连接在C-1和C-2位置上的不同长度和饱和度的脂肪酸的许多不同组合。PC42:6连接的两条脂肪酸链长度之和为42,不饱和度之和为6,PC42:7连接的两条脂肪酸链长度之和为42,不饱和度之和为7。
进一步,所述终末期肾病包括以下慢性肾脏疾病的终末阶段,所述慢性肾脏疾病包括原发性肾小球肾炎、高血压肾小动脉硬化、糖尿病肾病、继发性肾小球肾炎、肾小管间质病变、缺血性肾病、遗传性肾病。
进一步,所述肾小管间质病变包括急慢性间质性肾炎、慢性肾盂肾炎、慢性尿酸性肾病、梗阻性肾病、药物性肾病。
进一步,所述遗传性肾病包括多囊肾、遗传性肾炎。
进一步,所述心脑血管疾病包括心血管疾病和脑血管疾病。
进一步,所述心血管疾病包括动脉粥样硬化、缺血性心脏疾病、冠状动脉心脏疾病、心功能不全、末梢动脉疾病、冠状动脉旁路移植术、不稳定型心绞痛、不稳定型难治愈性心绞痛、稳定型心绞痛、慢性稳定型心绞痛、急性冠状动脉综合征、心肌梗塞。
进一步,所述心肌梗塞包括一次或复发型心肌梗塞、无Q波型心肌梗塞、非ST段抬高型心肌梗塞、ST段抬高型心肌梗塞。
术语“心血管疾病”指影响心脏或血管或二者的疾病。特别地,心血管疾病包括心律失常(心房或心室或二者);动脉粥样硬化及其后遗症;心绞痛;心律紊乱;心肌缺血;心肌梗塞;心脏或血管动脉瘤;中风;肢体、器官或组织的外周阻塞性动脉病;脑、心脏、肾脏或其它器官或组织缺血后再灌注损伤;内毒素性、外科或创伤性休克;高血压、瓣膜性心脏病、心力衰竭、异常血压;血管收缩(包括与偏头痛相关的血管收缩);限于单个器官或组织的血管异常、炎症或功能不全。
进一步,所述脑血管疾病包括急性脑梗死、脑出血、脑卒中、脑腔隙性梗死、脑微出血、脑白质病变。
进一步,所述样本包括组织样本、原代或培养的细胞或细胞系、细胞上清、细胞裂解物、血小板、血清、血浆、血液、玻璃体液、淋巴液、滑液、滤泡液、***、羊水、乳液、全血、血液衍生的细胞、尿液、脑脊髓液、唾液、痰液、泪液、汗液、粘液、腹水、骨盆冲洗液、妇科液体、胸膜液、肿瘤裂解物、甲状腺组织、组织培养液、组织提取物、匀浆化的组织、肿瘤组织、细胞提取物。
进一步,所述样本包括血清、血浆、血液、血液衍生的细胞、血小板。
进一步,所述样本包括血清、血液、血浆。
进一步,所述样本为血液。
术语“样本”以其最广泛的意义被使用。在一种意义上,其可以指动物细胞或组织。在另一种意义上,其意味着包括从任何源获得的样本或培养物,以及生物和环境样本。生物样本可从植物或动物(包括人类)获得,并包括流体、固体、组织和气体。在一些实施例中,样本是血液样本。
进一步,所述试剂包括western印迹法、ELISA、放射性免疫测定、放射性免疫扩散法、奥克特洛尼免疫扩散法、火箭电泳法、组织免疫染色法、免疫沉淀测定法、补体结合测定法、FACS、蛋白质芯片检测法检测生物标志物表达水平的试剂。
进一步,所述产品包括试剂盒、芯片、试纸、核酸膜条、抗体、配体。
术语“生物标志物”是指作为生物过程、生物事件和/或病理学病症的独特指标的因子,术语生物标志物涵盖临床标志物和生物标志物两者。因此,在本发明的上下文中,术语“生物标志物”涵盖例如“生物学生物标志物”,本文公开的生物学标志物还包括编码那些蛋白质(DNA和/或RNA)以及代谢产物的基因。术语“生物标志物”还涵盖可以预测对生物疗法的应答的“临床生物标志物”(也称为“临床状态标志物”),例如性别、年龄、伴随药物、吸烟状况、体重指数(BMI)等。参见例如美国公开US20150065530、US20140141990、US20130005596、US20090233304、US20140199709、US20130303398、US20110212104,其通过引用整体并入本文。
本发明提供了一种用于辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品,所述产品包括前面所述的检测样本中生物标志物的试剂,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0。
进一步,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0的组合。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
进一步,所述新发心脑血管事件包括新发心血管事件与新发脑血管事件。
进一步,所述新发心血管事件包括动脉粥样硬化、缺血性心脏疾病、冠状动脉心脏疾病、心功能不全、末梢动脉疾病、冠状动脉旁路移植术、不稳定型心绞痛、不稳定型难治愈性心绞痛、稳定型心绞痛、慢性稳定型心绞痛、急性冠状动脉综合征、心肌梗塞。
进一步,所述心肌梗塞包括一次或复发型心肌梗塞、无Q波型心肌梗塞、非ST段抬高型心肌梗塞、ST段抬高型心肌梗塞。
进一步,所述新发脑血管事件包括脑出血、脑梗死、腔梗、脑微出血、脑白质病变。
术语“诊断”是指检测疾病或确定疾病的阶段或程度。通常,疾病的诊断基于对预测疾病的一种或多种因子和/或症状的评价。也就是说,可以基于指示预测疾病或病症的存在或不存在的因子的存在、不存在或量进行诊断。认为指示特定疾病的诊断的每种因子或症状不需要排他地与特定疾病有关,例如,可以存在可以从诊断因子或症状中推断出的鉴别诊断。同样地,可以存在指示特定疾病的因子或症状存在于没有特定疾病的个体中的情况。术语“诊断”还涵盖确定药物疗法的治疗效果,或预测对药物疗法的应答模式。诊断方法可以独立地使用,或者与医学领域中已知用于特定疾病的其他诊断和/或分期方法组合使用。
本发明提供了生物标志物在构建辅助诊断或预测终末期肾病是否合并心脑血管疾病的计算机模型中的应用,所述生物标志物包括前面所述的生物标志物。
本发明提供了基于血浆脂质组学和红细胞脂质组学的生物标志物的终末期肾病是否合并心脑血管疾病辅助诊断或预测模型的构建方法,所述构建方法包括使用机器学习方法进行模型训练,构建得到预测模型,所述生物标志物包括前面所述的生物标志物。
进一步,所述构建方法包括生物标志物的样本收集与处理的步骤。
进一步,所述生物标志物的样本来自合并有心脑血管疾病的终末期肾病患者和不合并有心脑血管疾病的终末期肾病患者。
进一步,所述机器学习方法包括决策树模型、随机森林模型、K-近邻算法模型、朴素贝叶斯模型、支持向量机模型、神经网络模型。
进一步,所述机器学***作为特征。
本发明提供了生物标志物在自动化辅助诊断或预测终末期肾病是否合并心脑血管疾病的***中的应用,其中,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0。
进一步,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0的组合。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
本发明提供了一种自动化辅助诊断或预测终末期肾病是否合并心脑血管疾病的***,所述***包括结果判断模块,用于根据前面所述的生物标志物的表达水平,分析出受试者终末期肾病是否合并心脑血管疾病。
进一步,所述***包括输入模块,用于输入前面所述的生物标志物的表达水平。
进一步,所述***包括输出模块,用于输出所述结果判断模块的分析结果。
术语“自动化”是指无需“通过手工”(即手动)执行程序或方法的任何一个或多个步骤(例如细胞收集)的情况,但其中所述所希望的步骤或程序(例如细胞收集)可以通过一个或多个合适的装置或***诸如一个或多个机器人、液体处理机器人和/或其他(例如溶剂配制)液体转移装置进行,该装置或***在进行一个或多个步骤之前被编程,使得相应的步骤和模式(特别是收集步骤)根据已编程的内容以自动化方式进行。
术语“***”不仅指具有多台计算机、各件硬件、各装置等经由诸如网络等通信单元而彼此连接(包括以一对一方式建立的通信连接)的构造的***,而且指由一台计算机、一件硬件、一个装置等实现的***。
术语“受试者”或“患者”包括任何人类或非人类动物。术语“非人类动物”包括所有脊椎动物,例如哺乳动物和非哺乳动物,诸如非人类灵长类动物、绵羊、犬、猫、马、牛、熊、鸡、两栖动物、爬行动物等。
在一些实施方案中,所述***的实施包括手动地、自动地、或它们组合地来执行或完成所选任务。而且,根据本发明***的实施方案的实际使用仪器和设备,可通过硬件、软件、固件或它们的组合物的方式使用***来实施多个程序任务。
本发明提供了生物标志物在用于制备终末期肾病分型的产品中的应用,所述终末期肾病分型包括终末期肾病合并心脑血管疾病,和终末期肾病不合并心脑血管疾病。
所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0。
进一步,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0的组合。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
本发明提供了一种终末期肾病分型的产品的构建方法,所述构建方法包括:
1)采集终末期肾病患者的样本,分别检测其中生物标志物的表达水平;
2)将步骤1)中的检测结果与生物标志物的临界表达水平对比,根据结果将终末期肾病患者区分为终末期肾病合并心脑血管疾病,或终末期肾病不合并心脑血管疾病;
所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0。
进一步,所述生物标志物包括PC42:6、PC42:7、SM d18:1/14:0的组合。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份。
进一步,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
附图说明
图1是测试集中使用对照基础模型和实验脂质模型进行终末期肾病是否合并心脑血管疾病诊断的ROC曲线图;
图2是验证集中使用对照基础模型和实验脂质模型进行终末期肾病是否合并心脑血管疾病诊断的ROC曲线图。
具体实施方式
除非另有定义,否则本文所使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常所理解的含义相同的含义。尽管与本文描述的方法或材料类似或等同的任何方法和材料都可以用于本发明的实践或测试中,本文描述了优选的方法和材料。
用于将标志物组合与疾病关联起来的对数函数优选采用通过应用统计方法开发和获得的算法。例如,适宜的统计方法是判别分析(DA)(即线性、二次、规则DA)、Kernel方法(即SVM)、非参数方法(即k近邻分类器)、PLS(部分最小二乘)、基于树的方法(即逻辑回归、CART、随机森林方法)、广义线性模型(即对数回归)、基于主分量的方法(即SIMCA)、广义叠加模型、基于模糊逻辑的方法、基于神经网络和遗传算法的方法。熟练技术人员在选择适宜的统计方法来评估本发明的标志物组合并由此获得适宜的数学算法方面不会有问题。
受试者工作特征曲线(receiver operating characteristic curve,简称ROC曲线):是根据一系列不同的二分类方式(分界值或决定阈),以敏感性(真阳性率)为纵坐标,1-特异性(假阳性率)为横坐标绘制的曲线。ROC曲线下面积是重要的试验准确度指标,ROC曲线下面积越大,试验的诊断价值越大。
术语“AUC”是“曲线下面积”的缩写。特别是指受试者工作特征(ROC)曲线下的面积。ROC曲线是诊断试验的不同可能切点的真阳性率与伪阳性率的曲线。显示出敏感性和特异性之间的权衡取决于所选择的切点(敏感性的任何增加都会伴随着特异性的下降)。ROC曲线下面积(AUC)是诊断试验准确性的衡量标准(面积越大越好;最优值为1;随机检验的ROC曲线位于对角线上,面积为0.5;参照J.P.Egan.(1975)信号检测理论和ROC分析,Academic Press,New York)。实施例生物标志物与终末期肾病是否合并心脑血管疾病的诊断与预测相关
1、实验对象
本实验中用于测试集与验证集的样本来源均为临床收集样本,样本均来自终末期肾病患者,样本均为血液样本。其中,测试集收集样本数58例,验证集收集样本数59例,分别进行显著性差异分析与ROC分析。
所述终末期肾病患者的纳入排除标准如下:
来源于北京协和医院,纳入2013年7月至2014年7月的CKD 4-5期及规律维持性透析治疗的患者。
入组标准:(1)年龄17岁以上;(2)维持性透析患者需规律透析2个月以上;(3)同意并签署知情同意书。
排除标准:(1)纳入研究前1个月有***性感染、急性心血管事件、恶性肿瘤、外科手术或创伤;(2)精神疾病、情绪障碍、长期服用精神疾病药物者、癫痫、诊断痴呆患者;(3)代谢性脑病者;(4)非动脉粥样性血管病(如大动脉炎)病史者。
117例终末期肾病患者基础信息如表1所示:
表1
2、实验方法
1)实验样本抽取原则,使用重复2000次随机抽样分成2组样品,每组占50%,最终得到测试集58例样本与验证集59例样本。
2)对照基础模型组成:`New-onset cardio-cerebrovascular events`~Age+Gender+`Dialysis vintage`(即“新发心脑血管事件”~年龄+性别+“透析年份”)
实验脂质模型组成:`New-onset cardio-cerebrovascular events`~Age+Gender+`Dialysis vintage`+`PC42:6`+`PC42:7`+`SM d18:1/14:0`(即“新发心脑血管事件”~年龄+性别+“透析年份”+“PC42:6”+“PC42:7”+“SM d18:1/14:0”)
3)血液脂质组学方法
使用改良的Bligh/Dyer提取方法(两次提取)从血液样本中提取脂质,即血液样品加入750μL氯仿:甲醇(1:2)(v/v)后4℃,1500rpm孵育30min。孵育结束后,加入350μL去离子水和250μL氯仿诱导相分离。将含有脂质的下层有机相提取到干净的管中。重复一次脂质提取,向剩余的水相中加入450μL氯仿,将两次脂质提取物汇总到单管中,在SpeedVac中OH模式下干燥。样品在-80℃下保存,待进一步分析。
样品复溶在同位素混标里,使用Exion UPLC-QTRAP 6500Plus(Sciex)液质联用仪,以电喷雾电离(ESI)模式进行所有分析,条件如下:curtain gas=20,ion sprayvoltage=5500V,temperature=400℃,ion source gas 1=35,ion source gas 2=35。
使用Phenomenex Luna silica 3μm(内径150x2.0mm)色谱柱,在下列条件分离各种极性脂质:流动相A(氯仿:甲醇:氨水89.5:10:0.5),B(氯仿:甲醇:氨水:水55:39:0.5:5.5)。流动相A 梯度从95%开始保持5min,然后在7min内线性降低至60%并保持4min,然后将流动相A进一步降至30%并保持15min。最后用初始梯度保持5min。建立质谱多反应监测(multiple reaction monitoring,MRM)用于各种脂质鉴定与定量分析。通过加入的内标进行脂质物质的定量。
4)差异表达分析
测试集与验证集根据生物标志物的血液脂质组学的检测结果,进行差异表达分析,得到测试集与验证集各自的模型回归系数。
5)诊断效能分析
采用R包“pROC”绘制受试者工作曲线(ROC),分析经筛选得到的生物标志物在测试集与验证集中的AUC值,以判断其对终末期肾病是否合并心脑血管疾病的诊断效能。
6)统计分析方法
采用Wilcoxon符号秩和检验评估所述生物标志物的表达差异。其余数据采用Student’s t检验(正态分布变量)或Wilcoxon秩和检验(非正态分布变量)进行分析。所有统计检验均采用R(版本:3.6.3)进行,显著性阈值设为0.05。
3、实验结果
1)测试集的差异表达分析的结果如表2所示:
表2
2)验证集的差异表达分析的结果如表3所示:
表3
组别 estimate std.error statistic p.value
实验脂质模型 -6.153320878 2.923819682 -2.104548689 0.035330612
年龄 0.059568104 0.040691942 1.463879615 0.143226844
性别 1.199998623 0.873752889 1.373384441 0.169632864
透析年份 0.004911842 0.007549016 0.650659931 0.515266034
`PC42:6` 0.909318077 0.688092678 1.321505236 0.186332958
`PC42:7` 0.504923033 0.609230856 0.828787689 0.407224556
`SM d18:1/14:0` 0.540634757 0.428701899 1.261097182 0.207273836
3)生物标志物诊断或预测终末期肾病是否合并心脑血管疾病的ROC曲线分析
分别以对照基础模型、实验脂质模型为变量,使用测试集的样本数据,绘制对照基础模型、实验脂质模型在终末期肾病是否合并心脑血管疾病的ROC曲线,其结果如图1所示,结果显示,对照基础模型得到的ROC曲线其AUC值为0.70,实验脂质模型得到的ROC曲线其AUC值为0.85,两者之间呈显著差异(p=0.022),表明实验脂质模型能够提高诊断或预测终末期肾病是否合并心脑血管疾病准确性,说明实验脂质模型的生物标志物可以成为诊断或预测终末期肾病是否合并心脑血管疾病的生物标志物。
分别以对照基础模型、实验脂质模型为变量,使用验证集的样本数据,绘制对照基础模型、实验脂质模型在终末期肾病是否合并心脑血管疾病的ROC曲线,其结果如图2所示,结果显示,对照基础模型得到的ROC曲线其AUC值为0.65,实验脂质模型得到的ROC曲线其AUC值为0.85,两者之间呈显著差异(p=0.013),验证实验脂质模型能够提高诊断或预测终末期肾病是否合并心脑血管疾病准确性,证明实验脂质模型的生物标志物可以成为诊断或预测终末期肾病是否合并心脑血管疾病的生物标志物。
上述实施例的说明只是用于理解本发明的方法及其核心思想。应当指出,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也将落入本发明权利要求的保护范围内。

Claims (10)

1.检测样本中生物标志物的试剂在制备辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品中的应用,其特征在于,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0;
优选地,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0的组合;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
2.根据权利要求1所述的应用,其特征在于,所述终末期肾病包括以下慢性肾脏疾病的终末阶段,所述慢性肾脏疾病包括原发性肾小球肾炎、高血压肾小动脉硬化、糖尿病肾病、继发性肾小球肾炎、肾小管间质病变、缺血性肾病、遗传性肾病;
优选地,所述肾小管间质病变包括慢性肾盂肾炎、慢性尿酸性肾病、梗阻性肾病、药物性肾病;
优选地,所述遗传性肾病包括多囊肾、遗传性肾炎;
优选地,所述心脑血管疾病包括心血管疾病和脑血管疾病;
优选地,所述心血管疾病包括动脉粥样硬化、缺血性心脏疾病、冠状动脉心脏疾病、心功能不全、末梢动脉疾病、冠状动脉旁路移植术、不稳定型心绞痛、不稳定型难治愈性心绞痛、稳定型心绞痛、慢性稳定型心绞痛、急性冠状动脉综合征、心肌梗塞;
优选地,所述心肌梗塞包括一次或复发型心肌梗塞、无Q波型心肌梗塞、非ST段抬高型心肌梗塞、ST段抬高型心肌梗塞;
优选地,所述脑血管疾病包括急性脑梗死、脑出血、脑卒中、脑腔隙性梗死、脑微出血、脑白质病变。
3.根据权利要求1所述的应用,其特征在于,所述样本包括组织样本、原代或培养的细胞或细胞系、细胞上清、细胞裂解物、血小板、血清、血浆、血液、玻璃体液、淋巴液、滑液、滤泡液、***、羊水、乳液、全血、血液衍生的细胞、尿液、脑脊髓液、唾液、痰液、泪液、汗液、粘液、腹水、骨盆冲洗液、妇科液体、胸膜液、肿瘤裂解物、甲状腺组织、组织培养液、组织提取物、匀浆化的组织、肿瘤组织、细胞提取物;
优选地,所述样本包括血清、血浆、血液、血液衍生的细胞、血小板;
优选地,所述样本为血液;
优选地,所述试剂包括western印迹法、ELISA、放射性免疫测定、放射性免疫扩散法、奥克特洛尼免疫扩散法、火箭电泳法、组织免疫染色法、免疫沉淀测定法、补体结合测定法、FACS、蛋白质芯片检测法检测生物标志物表达水平的试剂;
优选地,所述产品包括试剂盒、芯片、试纸、核酸膜条、抗体、配体。
4.一种用于辅助诊断或预测终末期肾病是否合并心脑血管疾病的产品,其特征在于,所述产品包括权利要求1-3任一项所述的检测样本中生物标志物的试剂,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0;
优选地,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0的组合;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
5.生物标志物在构建辅助诊断或预测终末期肾病是否合并心脑血管疾病的计算机模型中的应用,其特征在于,所述生物标志物包括权利要求4所述的生物标志物。
6.基于血浆脂质组学和红细胞脂质组学的生物标志物的终末期肾病是否合并心脑血管疾病辅助诊断或预测模型的构建方法,其特征在于,所述构建方法包括使用机器学习方法进行模型训练,构建得到预测模型,所述生物标志物包括权利要求4所述的生物标志物;
优选地,所述构建方法包括生物标志物的样本收集与处理的步骤;
优选地,所述生物标志物的样本来自合并有心脑血管疾病的终末期肾病患者和不合并有心脑血管疾病的终末期肾病患者;
优选地,所述机器学习方法包括决策树模型、随机森林模型、K-近邻算法模型、朴素贝叶斯模型、支持向量机模型、神经网络模型;
优选地,所述机器学***作为特征。
7.生物标志物在自动化辅助诊断或预测终末期肾病是否合并心脑血管疾病的***中的应用,其中,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0;
优选地,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0的组合;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
8.一种自动化辅助诊断或预测终末期肾病是否合并心脑血管疾病的***,其特征在于,所述***包括结果判断模块,用于根据权利要求7所述的生物标志物的表达水平,分析出受试者终末期肾病是否合并心脑血管疾病;
优选地,所述***包括输入模块,用于输入权利要求7所述的生物标志物的表达水平;
优选地,所述***包括输出模块,用于输出所述结果判断模块的分析结果。
9.生物标志物在用于制备终末期肾病分型的产品中的应用,其特征在于,所述终末期肾病分型包括终末期肾病合并心脑血管疾病,和终末期肾病不合并心脑血管疾病;
所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0;
优选地,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0的组合;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
10.一种终末期肾病分型的产品的构建方法,其特征在于,所述构建方法包括:
1)采集终末期肾病患者的样本,分别检测其中生物标志物的表达水平;
2)将步骤1)中的检测结果与生物标志物的临界表达水平对比,根据结果将终末期肾病患者区分为终末期肾病合并心脑血管疾病,或终末期肾病不合并心脑血管疾病;
所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0;
优选地,所述生物标志物包括PC42:6、PC42:7、SMd18:1/14:0的组合;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份;
优选地,所述生物标志物还包括新发心脑血管事件预测/诊断指标,所述指标包括年龄、性别、透析年份的组合。
CN202410143992.7A 2024-02-01 2024-02-01 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法 Pending CN118150818A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410143992.7A CN118150818A (zh) 2024-02-01 2024-02-01 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410143992.7A CN118150818A (zh) 2024-02-01 2024-02-01 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法

Publications (1)

Publication Number Publication Date
CN118150818A true CN118150818A (zh) 2024-06-07

Family

ID=91284302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410143992.7A Pending CN118150818A (zh) 2024-02-01 2024-02-01 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法

Country Status (1)

Country Link
CN (1) CN118150818A (zh)

Similar Documents

Publication Publication Date Title
Chahine et al. Blood-based biomarkers for Parkinson's disease
Dayon et al. Proteomics of human biological fluids for biomarker discoveries: technical advances and recent applications
JP6021187B2 (ja) 自閉症の代謝バイオマーカー
JP5571657B2 (ja) 生着不全および死に関するマーカー
JP6763770B2 (ja) 自閉症スペクトラム障害のバイオマーカー
EP2284540A1 (en) Method of diagnosing organ failure
Banne et al. Reduced level of serum thiols in patients with a diagnosis of active disease
JP2016014685A (ja) 妊娠高血圧腎症の危険性の検出
JP2009528544A (ja) 質量分析法を用いて異性体を識別するための方法
WO2011032109A1 (en) Biomarkers for spinal muscular atrophy
JP2022512890A (ja) 試料の品質評価方法
Chen et al. Comprehensive maternal serum proteomics identifies the cytoskeletal proteins as non-invasive biomarkers in prenatal diagnosis of congenital heart defects
US20120171705A1 (en) Combination of spla2 activity and oxpl/apob cardiovascular risk factors for the diagnosis/prognosis of a cardiovascular disease/event
WO2007134028A2 (en) Biomarkers for depression and methods using the same
CN113008972A (zh) 用于妊娠期糖尿病诊断的血清代谢标志物及其应用
Ondruschka et al. Post-mortem in situ stability of serum markers of cerebral damage and acute phase response
US9678086B2 (en) Diagnostic assay for Alzheimer's disease
JP2015500464A (ja) 脳卒中の診断を補助するためのバイオマーカーに基づく方法およびバイオチップ
CN105308455B (zh) 用于诊断先兆子痫的方法和组合物
CN112986454A (zh) 急性心肌梗死的血清标志物、试剂盒和用途
WO2009026153A1 (en) Biomarkers for alzheimer's disease and methods using the same
Drabovich et al. Protein Biomarker Discovery: An Integrated Concept
CN118150818A (zh) 一种基于血浆脂质组学和红细胞脂质组学的终末期肾病心脑血管事件的预测方法
EP2339352A1 (en) Use of endogenous metabolites for early diagnosing sepsis
EP4353837A2 (en) Aptamer as biomarkers

Legal Events

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