论文部分内容阅读
目的: 2型糖尿病肾病分子水平的鉴定是目前内分泌学研究的一个热点。本研究应用蛋白指纹图谱技术筛选2型糖尿病肾病患者血清蛋白标志物,建立人工神经网络预测模型,并探讨该模型在诊断2型糖尿病肾病中的临床价值,以期构建可用于2型糖尿病肾病早期诊断的新方法。方法:将采集的117份血清样本(2型糖尿病肾病51例,对照66例)随机分为两组:训练组70例,包括30例2型糖尿病肾病和40例对照;验证组47例,包括21例2型糖尿病肾病和26例对照。利用蛋白指纹图谱技术及其弱阳离子交换表面(CM10)蛋白芯片,检测血清蛋白质谱数据。将获得的蛋白质谱图用Ciphergen ProteinChip 3.0软件进行数据的校正和分析,采用Ciphergen Biomaker Wizard 3.1软件筛选2型糖尿病肾病差异蛋白。利用筛选的差异蛋白作为标志物,结合人工神经网络技术建立预测模型。通过盲法验证和统计学分析,评价该模型用于2型糖尿病肾病诊断的价值。结果: 2型糖尿病肾病患者与对照血清蛋白质谱图共检测到175个蛋白质峰,利用筛选的17个有明显表达差异的蛋白质峰(P<0.01)分别组合建立并训练人工神经网络模型,其中质荷比(m/z)分别为5420、5758、6435、6634、10283和11744的6个蛋白质峰作为标志蛋白建立的人工神经网络诊断模型效能最好。利用该模型对2型糖尿病肾病进行盲法验证,结果表明其对该病的诊断灵敏度和特异度分别为81.0 %和96.2%。结论:研究结果表明2型糖尿病肾病患者与对照血清中蛋白质的表达具有明显差异性。筛选其中差异表达的蛋白作为标志物建立预测模型,为2型糖尿病肾病的实验诊断和鉴定,开创了一种分子水平上的新模式,具有潜在的意义。此外,2型糖尿病肾病血清蛋白质谱的研究将对于进一步解释2型糖尿病肾病病因学、病理生理学的分子机制具有重要意义。