喉癌患者血清蛋白質譜人工神經網絡預測模型的臨床應用研究.pdf

1、目的：應用SELDI-TOF-MS(Surface Enhanced Laser DesorptionIonization Time of-flight Mass Spectrometry)技術分析喉癌患者與對照人群的血清蛋白質譜，篩選喉癌患者血清的差異表達蛋白。利用人工神經網絡(artificial neural network)建立SELDI蛋白分子診斷模型，以期構建可用于喉癌早期診斷的敏感和特異的新方法。 方法：將采集的1

2、10份血清樣本，包括喉癌31例，對照組79例：聲帶息肉患者23例；喉癌癌前病變(包括喉白斑、有嚴重吸煙史的慢性肥厚性喉炎、喉乳頭狀瘤)11例及健康人45例，利用SELDI-TOF-MS技術及金芯片檢測血清蛋白質譜數據。將獲得的蛋白質譜圖用Ciphergen ProteinChip3.0軟件進行數據的校正和分析，采用Ciphergen Biomarker Wizard3.1軟件篩選喉癌患者與對照組差異蛋白。利用篩選的差異蛋白作為標志物，結

3、合人工神經網絡(ANN)技術建立預測模型。通過驗證和統(tǒng)計學分析，評價該模型用于喉癌診斷的價值。 結果：喉癌組與對照組有79個差異蛋白質(P<0.05)，其中差異有顯著意義的蛋白質峰(t檢驗，分子量2000～20000 Da，P<0.01)共24個。其中在喉癌患者組中高表達的蛋白質峰有15個，低表達的蛋白質峰有9個。經過反復訓練，篩選其中9個明顯差異表達蛋白(質荷比為9258、3153、2776、2114、2424、5927、26

4、50、2872、2537Da)建立的人工神經網絡診斷模型可將喉癌患者與對照組準確地分組.當cut—off值為0.25時靈敏度(SEN)為87.1％，特異度(SPE)84.8％，診斷指數為171.9％，其中區(qū)分喉癌與癌前病變準確率為100％。 結論：SELDI-TOF-MS技術是一種操作簡單、方便快捷、樣本需要量少、敏感性高、特異性強的高通量的研究蛋白質組學的方法。本研究篩選出的人工神經網絡蛋白質分子診斷模型(質荷比為9258、3