应用蛋白质芯片与人工神经网络建立胃癌诊断模型

山东大学学报(医学版) ›› 2009, Vol. 47 ›› Issue (8): 111-113.

应用蛋白质芯片与人工神经网络建立胃癌诊断模型

姜曼¹，韩明勇¹，王家林²，刘奇¹，郑树³

1. 山东大学附属省立医院肿瘤中心，济南 250021; 2. 山东省肿瘤医院中心实验室济南 250117；
3. 浙江大学肿瘤研究所，杭州 310009

收稿日期:2009-02-15 发布日期:2009-08-16
通讯作者: 韩明勇（1971- ），男，博士后，副主任医师，主要从事肿瘤化疗和生物治疗研究。 Email:hanmingyong@sina.com
作者简介:姜曼(1987- )，女，山东大学医学院2005级学生，主要从事肿瘤化疗和生物治疗学习及研究。
基金资助:
山东省科技攻关计划（2007GG20002007）和山东省自然基金资助课题（Y2005C24）。

Classification and diagnostic prediction of gastric cancer using protein profiling of the serum and bioinformatics

JIANG Man ¹, HAN Mingyong ¹, WANG Jialin ²， LIU Qi ¹, ZHENG Shu³

1． Tumor Center, Shandong Provincial Hospital Affiliated to Shandong University, Jinan 250021, China；
2． Shandong Tumor Hospital, Jinan 250117, China； 3. Cancer Institute of Zhejiang University, Hangzhou 310009, China

Received:2009-02-15 Published:2009-08-16

摘要/Abstract

摘要：

目的应用血清蛋白质芯片质谱技术结合生物信息学方法筛选胃癌相关标记, 建立诊断胃癌的蛋白质标记模型。方法应用表面增强激光解吸电离飞行时间质谱技术检测了74例胃癌、70例健康对照样本的血清蛋白质质谱，结合人工神经网络建立胃癌诊断模型。结果从胃癌组与健康对照组中筛选出了4个蛋白质荷比峰，建立胃癌诊断模型，该诊断模型的特异性为100％（95％的置信区间为94.6％～100.0％），敏感性为92.0％（88.7％～95.2％），准确率为95.8%（86.4％～97.5％）。结论成功建立了胃癌诊断模型，该模型在胃癌的诊断中较传统方法具有更高的敏感性和特异性，可进一步研究与应用。

关键词: 胃肿瘤；表面增强激光解吸电离飞行时间质谱；生物信息学；诊断；蛋白质质谱

Abstract:

ObjectiveTo develop a bioinformatics tool and to identify aproteomic pattern in the serum to distinguish gastric cancer from healthy individuals. Methods144 serum samples including 74 gastric cancer patients and 70 healthy individuals were determined by surfaceenhanced laser desorption/ionization (SELDI) mass spectrometry. Four peaks were selected to distinguish gastric cancer from healthy individuals. ResultsThe diagnostic pattern separated gastric cancer from healthy samples with a specificity of 100% and a sensitivity of 93.6％. ConclusionsUsing SELDI in combination with bioinformatic tools obtained some new biomarkers from gastric cancer patient sera which have a high sensitivity and specificity for distinguishing gastric cancer.

Key words: Gastric cancer; Surfaceenhanced laser desorption/ionization mass spectrometry; Bioinformatics, Diagnosis; Proteomic

中图分类号:

R322.81

. 应用蛋白质芯片与人工神经网络建立胃癌诊断模型[J]. 山东大学学报(医学版), 2009, 47(8): 111-113.

参考文献

相关文章 7

[1]	刘学文1，朱锦莉2，田步先1，李熙东1，蔡爱民1，邢瑞仙1，张雪杰1，李秋实1. p38MAPK磷酸化水平及Caspase-3在NMDA诱导的体外培养神经元中的激活及SB203580的保护作用[J]. 山东大学学报(医学版), 2012, 50(6): 51-56.
[2]	赵伟. 电针对脊髓损伤后硫酸软骨素蛋白多糖表达的影响[J]. 山东大学学报(医学版), 2011, 49(3): 73-.
[3]	赵伟. 电针对脊髓损伤后硫酸软骨素蛋白多糖表达的影响[J]. 山东大学学报(医学版), 2011, 49(3): 73-.
[4]	刘志安1, 2，赵娓娓3，吕春娥2，李梅2，徐铁军1, 2. AD样大鼠海马NMDAR亚单位2B和2A的表达及其与细胞凋亡的关系[J]. 山东大学学报(医学版), 2011, 49(2): 14-18.
[5]	姜曼1，耿凌云1，蔡宏飞1，王明明2，王东芳1，王家林3，韩明勇1. 应用人工神经网络建立肺癌血清肿瘤标记物诊断模型的研究[J]. 山东大学学报(医学版), 2010, 48(8): 88-.
[6]	韩允，杨伟，范胜强，徐广明. 血管生成拟态在颅内血管外皮细胞瘤中的表达及其意义[J]. 山东大学学报(医学版), 2010, 48(4): 113-115.
[7]	. GFP转基因鼠胚胎神经上皮 干细胞的体外培养[J]. 山东大学学报(医学版), 2009, 47(9): 49-52.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed