论文部分内容阅读
目的：胃癌是死亡率极高的恶性肿瘤，早期诊断有助于发现并选择合适的治疗方案以降低其死亡率。近年来随着分子生物学技术的发展，血清学标志物以其创伤小成了研究的重点。质谱和生物信息学技术对于胃癌的诊断提供了高通量分析和二次利用血清学指标的平台。本研究的目的用统计学，生物信息学和MALDI-TOF MS找到胃癌早期诊断的生物标记，建立诊断模型。
方法：回顾性分析我院2010年的消化科住院患者179例，根据胃镜检查结果分为胃癌组(139例)和不典型增生组(40例)。实验一：用统计学的多参数法分析胃癌和不典型增生患者的血清学参数。用SPSS18.0统计学软件分析两组血清肿瘤标志物，细胞因子以及常规生化指标的差异，建立分类模型。实验二：WCX提取血清蛋白，调整和优化MALDI-TOF MS和ClinPro tools部分参数，用Flexanalysis软件处理原始图谱，选择运算方法获得最佳分类模型。建立胃癌和不典型增生疾病的多肽指纹图谱，利用多参数分析法结合血清学差异指标建立胃癌早期诊断模型。
结果：1.在所有的血清学指标中两组间有20项有差异(P<0.05)。在肿瘤标志物中，胃癌患者的CEA，CA72-4，CY21-1和PGⅠ/Ⅱ的血清水平与不典型增生患者有显著性差异(P<0.01)；在细胞因子中，胃癌患者的IL-6，IL-8和TNF-α的血清含量明显高于不典型增生患者。单一指标的诊断准确率均较低，logistic回归分析显示CEA、CA72-4、IL-6、IMA、SOD和ApoA1在胃癌的鉴别诊断中有重要的统计学意义，分类预测准确度达85.3％.
2.调整激光衰减器Offset为28％，range为32％，用Flexanalysis软件对原始图谱进行基线消减和平滑处理。运用ClinPro tools和多参数分析筛选出差异最显著的7个蛋白质荷比峰(m/z分别为855.35、1066.44、1866.21、2272.69、4722.11、5908.71和6094.71)建立胃癌和不典型增生血清多肽指纹图谱的分类模型。分类预测准确度达91.2％。将差异显著的血清学指标和蛋白质荷比峰进行联合诊断，logistic回归结果表明CEA、CA72-4、IL-6、SOD、AooA1和4722.11在胃癌的早期诊断中有统计学意义，分类预测度达94.1％。
结论：用统计学软件和MALDT-TOF MS技术对大量数据进行挖掘，为胃癌的早期诊断提供了有前景的研究方向。CEA、CA72-4、IL-6、SOD、ApoA1和4722.11在胃癌和不典型增生的鉴别诊断中有着重要的意义。