论文部分内容阅读
目的利用蛋白抗体芯片技术寻找脓毒症具有临床诊断意义的蛋白标记物及其在预测脓毒症患者预后的价值。方法第一部分，本研究采用蛋白抗体芯片技术平台，测定了9例脓毒症患者和4例正常健康人血清中79中细胞因子的信号值，再应用芯片差异显著性分析SAM(significance analysis of microarray)软件对芯片信号进行分析，筛选脓毒症特异性的蛋白标记物。第二部分，收集33例脓毒症患者血清，按死亡和非死亡分为两组：死亡组（18例）和愈后组（15例），测定了两组患者血清中79中细胞因子的信号值，再应用芯片差异显著性分析SAM (significance analysis ofmicroarray)软件对芯片信号进行分析，对两组患者的芯片信号结果进行聚类分析，以筛选与脓毒症愈后有关的蛋白标记物。结果第一部分，应用芯片差异显著性分析SAM (significance analysis ofmicroarray)软件对芯片信号进行分析，筛选到胰岛素样生长因子结合蛋白-1（IGFBP-1，insulin like growth factor binding protein-1）、肝细胞生长因子（HGF，epidermal growth factor）、骨桥蛋白（Osteopotin）、胰岛素样生长因子结合蛋白-4（IGFBP-4，insulin likegrowth factor binding protein-4）、干扰素诱导蛋白-10（IP-10，interferon inducibleprotein-10）和B淋巴细胞趋化因子（BLC，B-lymphocyte chemoattractant）等6个在脓毒症患者血清中高表达的细胞因子,以及血小板衍生生长因子-BB（PDGF-BB， platelet-derived growth factor-BB）、脑源性神经营养因子（BDNF，brain-derived neurotrophic）、巨噬细胞炎性蛋白（MIP-1β，macrophage Inflammatory protein1beta）、白细胞介素-8（IL-8，interleukin-8）、表皮生长因子（EGF，epidermalgrowth factor）和白介素-1β（IL-1β，interleukin-1β）等6个在脓毒症患者血清中低表达的细胞因子。以这12个差异表达的细胞因子蛋白芯片信号为观察指标，用聚类(cluster)分析软件对受检样本进行非监督聚类分析，结果显示9个脓毒症患者聚为一组，4个正常健康对照聚为另一组。第二部分，对治愈组和死亡组患者进行聚类分析，总共筛选到血小板衍生生长因子-BB（platelet-derived growth factor-BB，PDGF-BB）、EGF、巨噬细胞炎性蛋白1-β（MIP-1Beta，macrophage inflammatoryprotein-1β）、巨噬细胞炎性蛋白1-α（MIP-3Alpha， macrophage inflammatory protein-3Alpha）、骨保护蛋白（Osteoprotegerin）、单核细胞趋化蛋白-1（MCP-1，monocyte chemoattractantprotein-1）、白介素-8（IL-8， interleukin-8）、生长相关基因蛋白(GRO，growth-related oncogene)、白细胞介素-10（IL-10，interleukin-10）和白细胞介素-6（IL-6，interleukin-6）等10个细胞因子在死亡组患者血清中表达升高2倍以上（p <0.05）；生存分析表明:IL8和GRO蛋白浓度与脓毒症患者的生存时间成显著负相关，提示其对脓毒症患者的预后有重要的预测价值。结论细胞因子抗体芯片是一种高效、快速的蛋白质组学技术，本研表明利用蛋白芯片从血清中筛选脓毒症及其预后相关蛋白分子标记物是可行的。