论文部分内容阅读
目的:建立病例组和对照组血清蛋白质指纹图谱,筛选鼻咽癌的相关标志蛋白,构建可用于鼻咽癌诊断及分期的分类树模型,探讨所建立模型的临床应用价值。
方法:采用CM10芯片及表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术对76例血清样本进行蛋白质指纹图谱检测分析,采用Biomarker Wizard软件筛选具有统计学差异的蛋白峰。采用Biomarker Patterns软件分析,以随机选取的30例病例组及24例对照组血清样本为模式组,建立用于鼻咽癌诊断的分类树模型,并用其余10例病例组和12例对照组样本进行盲法验证,同时利用酶联免疫吸附实验(ELISA)检测两组样本的血清EB病毒VCA-IgA及EA-IgA抗体,将诊断模型的判定结果与血清EB病毒抗体检测结果相对比验证其在临床的应用价值;以所有血清样本为模式组,建立分类树模型,并以此模型结果对前一模型进行进一步验证;以40例病例组样本为模式组,建立用于鼻咽癌分期的分类树模型。
结果从病例组和对照组血清中筛选出相对分子质量(Mr)为8559,15115,15836,15937,16089的五个在两组间差别有统计学意义(P<0.05)的蛋白峰;从病例组样本中筛选出Mr为1374和1867的两个在鼻咽癌早、晚期患者血清中有统计学差异的蛋白峰。所建立的诊断模型一对鼻咽癌诊断的准确率、灵敏度和特异度分别为98.1%(53/54),96.7%(29/30)和100%(24/24),盲法验证的准确率、灵敏度和特异度分别86.4%(19/22),80.096(8/10),和91.7%(11/12),灵敏度优于血清EB病毒抗体检测对鼻咽癌的判定结果;诊断模型二对鼻咽癌诊断的准确率、灵敏度和特异度分别为92.1%(70/76),95.0%(38/40),88.9%(32/36),灵敏度与模型一无统计学差异;用于分期的分类树模型对鼻咽癌早、晚期样本判定的正确率分别为100%(16/16)和70.8%(17/24)。
结论 SELDI-TOF-MS是一种快速、简便易行且高通量的分析技术,运用此技术可以筛选出鼻咽癌的相关标志蛋白,构建出高灵敏度和特异度的诊断模型,其对鼻咽癌临床早期诊断方法的建立具有潜在意义;可以依靠此技术建立应用于鼻咽癌分期的分类树模型,但该模型的临床应用价值尚需进一步验证。