论文部分内容阅读
目的:联合表面增强激光解析离子化/飞行时间质谱(SELDI-TOF-MS)和蛋白质芯片技术检测类风湿关节炎(rheumatoid arthritis,RA)患者血清差异蛋白质,获取相关差异蛋白质谱图,构建RA诊断模型、早期诊断模型、并发有干燥综合征(Sjogren syndrome,SS)、肺间质病变(interstitial lung disease,ILD)、股骨头坏死(osteonecrosis ofthe femeral head,ONPH)的诊断模型、病情活动度监测的模型,有助于临床上,单一芯片就可以完善RA早期诊断、疾病活动度及病情变化监测,可以简化临床步骤和节约医疗费用,并为进一步探索RA发病机制中提供技术平台。方法:1.研究人群:依据1987年ACR或2009年ACR/EULAR诊断标准,共纳入的96例RA患者及76例健康对照组;2.RA患者分组如下2.1依据RA诊断标准进行分组:2.1.1将纳入对象随机分为盲筛组(RA为83例和健康人群为56例)和验证组(RA为14例和健康人群为20例);2.1.2依据1987年ACR或2009年ACR/EULAR诊断标准分组,包括符合1987年诊断标准(43例)、仅符合2009年诊断标准的RA(40例);2.1.3包括单纯RA(44例)、RA-SS(18例)、RA-ILD(22例)及RA-ONPH(6例);2.2依据DAS28疾病活动度评估方法进行分组:依据DAS28<2.6:病情缓解;2.6<DAS≤3.2:低疾病活动度;3.2<DAS≤5.1:中等疾病活动度;das>5.1:高疾病活动度。包括缓解期(15例)与活动期(68例),其中低疾病活动度17例,中疾病活动度21例,高疾病活动度30例;2.3筛选差异蛋白依据血清学指标分组,包括血清学抗体阳性组(至少一项血清学抗体(抗核抗体(ana)、抗环胍氨酸肽(ccp)抗体、抗角蛋白抗体(aka)、类风湿因子(rf)阳性)(66例)与血清学抗体阴性组(17例)、抗ccp抗体阳性组(51例)与抗ccp抗体阴性组(32例)、rf阳性组(60例)与rf阴性组(23例);按治疗分组,益赛普组(36例)、mtx组(19例)及联合lef与hcq组(34例)。3.采集纳入研究对象及11例使用重组人Ⅱ型肿瘤坏死因子受体抗体融合蛋白(益赛普)治疗后血清,血清分装并长期储存在-80℃,仅限冻溶1次。4.seldi-tof-ms技术于2002年获诺贝尔化学奖,为主要应用技术maldi的一种,是蛋白质组学主要研究手段之一。本研究主要应用决策树方法构建诊断模型。5.采用seldi质谱仪自带的biomarkerwizard软件初步筛选上述分组的差异蛋白质(卡方检验,p<0.05),并利用biomarkerpattern软件(采用决策树方法对目标对象进行分类)初步建立诊断预测模型,并计算其敏感性和特异性,用roc曲线描述诊断模型的可靠性(auc在0.5~0.7时有较低准确性,auc在0.7~0.9时有一定准确性,auc在0.9以上时有较高准确性。auc=0.5时,说明诊断方法完全不起作用,无诊断价值。auc<0.5不符合真实情况,在实际中极少出现)。结果:1ra患者诊断模型建立1.1ra与健康组诊断模型建立将纳入对象随机分为盲筛组(ra为83例和健康人群为56例)和验证组(ra为14例和健康人群为20例),盲筛组中发现58个差异蛋白峰(p<0.05),通过决策树方法发现由m/z3448.857、4716.712、8214.285、10645.1组成诊断模型,其敏感性可达91.566%,特异性可达92.857%,roc曲线下面积为0.937,验证组中其敏感性可达100%,特异性可达95%。1.21987年诊断标准与2009年诊断标准的ra分组诊断模型建立43例符合1987年诊断标准与40例符合2009年诊断标准的ra患者筛选得到11个差异蛋白质(p<0.05),通过决策树方法发现由m/z1679.331、m/z2032.31、m/z4465.218、m/z33897.72组成的诊断模型,其敏感性可达92.5%,特异性为81.395%,roc曲线下面积为0.909。1.3并发有ss、ild、onph的诊断模型建立1.3.144例单纯ra患者与22例ra-ild患者筛选得到13个差异蛋白质(p<0.05),通过决策树方法发现由m/z10645.1、m/z12595.86组成的诊断模型,其敏感性可达86.364%,特异性为84.091%,roc曲线下面积为0.856。1.3.244例单纯ra患者与18例ra-ss患者筛选得到13个差异蛋白质(p<0.05),通过决策树方法发现由m/z6635.623、m/z33897.72组成的诊断模型,其敏感性可达77.778%,特异性为79.545%,roc曲线下面积为0.794。1.3.344例单纯ra患者与6例ra-onph筛选得到2个差异蛋白质(p<0.05),通过决策树方法发现由m/z2071.689组成的诊断模型,其敏感性可达66.667%,特异性为95.445%,其roc曲线面积为0.811。2.ra患者病情活动度监测诊断模型建立2.1ra缓解期与活动期诊断模型建立2.1.115例缓解期ra患者与17例低疾病活动度期患者检测差异蛋白,发现6个蛋白峰差异具有显著意义(p<0.05),通过决策树方法发现由m/z1130.776、m/z1501.065、m/z2091.198、m/z11381.87组成的诊断模型,其敏感性可达94.118%,特异性为93.333%,roc曲线下面积为0.990。2.1.215例缓解期与21例中疾病度活动期ra患者筛选差异蛋白,发现3个差异表达的蛋白质(p<0.05),通过决策树方法发现由m/z1330.019、m/z1501.065、m/z4060.468组成的诊断模型,其敏感性可达95.238%,特异性为86.667%,roc曲线下面积为0.973。2.1.315例缓解期与31例高疾病度活动期ra患者筛选差异蛋白,发现2个差异表达的蛋白质(p<0.05),通过决策树方法发现由m/z2013.494、m/z8765.232组成的诊断模型,其敏感性可达80.645%,特异性为86.667%,roc曲线下面积为0.898。2.2低级病活动期与中疾病活动期诊断模型建立17例低疾病活动期与21例中疾病度活动期ra患者筛选差异蛋白,发现7个差异表达的蛋白质(p<0.05),通过决策树方法发现由m/z2032.31、m/z2506.214、m/z9286.495组成的诊断模型,其敏感性可达90.48%,特异性为100%,roc曲线下面积为0.989。2.3中疾病活动期与高疾病活动期诊断模型建立21例中疾病活动期与31例高疾病度活动期ra患者筛选差异蛋白,筛选3个差异表达的蛋白质(p<0.05),通过决策树方法发现由m/z2032.31、m/z4716.71组成的诊断模型,其敏感性可达74.194%,特异性为76.190%,roc曲线下面积为0.786。2.4低级病活动期与高疾病活动期诊断模型建立17例低疾病活动期与31例高疾病度活动期ra患者筛选得到5个差异表达的蛋白质(p<0.05),通过决策树方法发现由m/z2013.494、m/z4825.63组成的诊断模型,其敏感性可达87.09%,特异性为88.235%,其roc曲线面积为0.916。3血清差异蛋白筛选3.1血清学抗体阳性组(至少一项血清学抗体(ana、aka、ccp、rf)阳性)与阴性组(血清学抗体阴性)66例抗体阳性组与17例抗体阴性组的ra患者筛选得到7个差异蛋白质(p<0.05),通过决策树方法发现由由m/z1221.005、m/z2385.32、m/z4825.63、m/z8765.232组成的诊断模型,其敏感性可达86.567%,特异性为87.5%,roc曲线下面积为0.926。3.2抗ccp抗体阳性组与阴性组51例抗ccp抗体阳性组与32例抗ccp抗体阴性组的ra患者筛选得到5个差异蛋白质(p<0.05),通过决策树方法发现由m/z1247.027、m/z2671.604、m/z4465.218、m/z28057.6组成的诊断模型,其敏感性可达94.118%,特异性为90.625%。roc曲线下面积为0.948。3.3rf阳性组与阴性组60例rf阳性组与23例rf阴性组的ra患者筛选得到6个差异蛋白质(p<0.05),通过决策树方法发现由m/z1501.065组成的诊断模型,其敏感性可达78.333%,特异性为65.21%,roc曲线下面积为0.718。3.4益赛普组与mtx组36例益赛普组与19例mtx组有20个差异表达蛋白质(p<0.05),如下图所示,其中18个蛋白峰谱在益赛普治疗组中表达上调,2个蛋白峰谱表达下调。3.5益赛普组与联合lef与hcq组36例益赛普组与34例联合lef与hcq组有2个差异表达蛋白质,其中m4060、46和m6436、40在益赛普组中表达均上调。3.6mtx组与联合lef与hcq组19例mtx组与34例联合lef与hcq组有14个差异表达蛋白,在mtx组中表达均下调。4益赛普治疗前后血清差异蛋白比较11例接受益赛普治疗的ra患者依据acr20分为有效组(7例)和无效组(4例)。有效率可达63.6%。acr20有效组和acr20无效组进行差异蛋白筛选,其诊断模型由m/z2671.604、m/z5801.841、m/z8130.196、m/z9286.495组成,m/z5801.841、m/z8130.196、m/z9286.495在有效组中表达下调,m/z2671.604在有效组中表达上调。结论:1.通过seldi-tof-ms技术及biomarkerwizard和biomarkerpattern软件分别建立了ra早期诊断和诊断模型及ra-ss、ra-ild及ra-onph诊断模型,依据das28进行疾病活动度分期,构建疾病活动度诊断模型,血清学抗体阳性组与阴性组、抗ccp抗体阳性与阴性组及rf阳性与阴性组以及对益赛普组与mtx组、联合lef与hcq组不同治疗组间的差异蛋白筛选。2.初步探索益赛普治疗前后ra患者血清差异蛋白,构建预测生物疗效的生物标记物。3.上述诊断模型其敏感性与特异性均较高,且对ra诊断模型进行了验证。在绘制的ROC曲线中,进一步验证诊断模型具有一定的可靠性。