血清蛋白质指纹图谱与人工神经网络模型在肺癌诊断中的应用

山东大学学报(医学版)

血清蛋白质指纹图谱与人工神经网络模型在肺癌诊断中的应用

韩明勇¹，刘奇¹，余捷凯²，郑树²

1. 山东大学附属省立医院肿瘤中心，济南 250021； 2. 浙江大学肿瘤研究所, 杭州 310009

收稿日期:2008-01-17 修回日期:1900-01-01 出版日期:2008-06-16 发布日期:2008-06-16
通讯作者: 刘奇

Classification and diagnostic prediction of lung cancer using protein profiling of serum and bioinformatics

HAN Ming-yong¹, LIU Qi¹, YU Jie-kai², ZHENG Shu²

1. Cancer Center, Provincial Hospital Affiliated to Shandong University, Jinan 250021, China; 2. Institute of Cancer, Zhejiang University

Received:2008-01-17 Revised:1900-01-01 Online:2008-06-16 Published:2008-06-16
Contact: LIU Qi

摘要/Abstract

摘要： 目的筛选肺癌相关标志物并建立诊断肺癌的蛋白质谱模型。方法应用表面增强激光解吸电离飞行时间质谱（SELDI-TOF-MS）技术检测了86例肺癌、80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肺癌诊断模型。结果从肺癌组与健康对照组中筛选出了4个蛋白质荷比峰建立肺癌诊断模型，该诊断模型的特异性为 100％（95％的置信区间为93.9％～100.0％），敏感性为93.6％（87.6％～96.4％），准确率为96.7%（88.1％～98.3％）。结论成功建立了肺癌诊断模型，该模型在肺癌的诊断中具有较高的敏感性和特异性。

关键词: 蛋白组学, 生物信息学, 诊断, 表面增强激光解吸电离飞行时间质谱, 肺肿瘤

Abstract: To identify serum biomarkers that distinguish lung cancer from healthy individuals by protein fingerprint pattern. Methods86 lung cancer patients and 80 healthy controls were determined by surface-enhanced laser desorption/ionization time-of-flight mass spectrometry (SELDI-TOF-MS). Results4 protein peaks were selected and used by artificial neural network (ANN) to establish a diagnostic model. The specificity of the diagnostic pattern was 100% and sensitivity of the pattern was 93.6％. ConclusionsA diagnostic model of lung cancer was successfully established, which has high sensitivity and specificity.

Key words: Lung neoplasms, Surface enhanced laser desorption/ionization timeofflight mass spectrometry, Bioinformatics, Diagnosis, Proteomics

中图分类号:

R322.81

韩明勇,刘奇,余捷凯,郑树 . 血清蛋白质指纹图谱与人工神经网络模型在肺癌诊断中的应用[J]. 山东大学学报(医学版), 2008, 46(6): 604-607.

HAN Ming-yong,LIU Qi,YU Jie-kai,ZHENG Shu . Classification and diagnostic prediction of lung cancer using protein profiling of serum and bioinformatics[J]. JOURNAL OF SHANDONG UNIVERSITY (HEALTH SCIENCES), 2008, 46(6): 604-607.

参考文献

相关文章 15

[1]	李波波李道堂刘曙光王兴武. 食管癌患者血清中DKK-1的表达[J]. 山东大学学报(医学版), 2209, 47(6): 58-61.
[2]	徐平于国放李霞. 不同类型甲状腺上动脉PSV对Graves病与桥本氏甲状腺炎鉴别诊断的价值[J]. 山东大学学报(医学版), 2209, 47(6): 62-64.
[3]	王欣，邢春燕，杨艳平. 血清磷酸丙酮酸水合酶检测对诊断侵袭性白念珠菌感染的临床价值[J]. 山东大学学报(医学版), 2209, 47(6): 92-94.
[4]	栗英林,宋道庆,徐忠华. 应用生物信息学方法分析肾透明细胞癌中FKBP11的表达[J]. 山东大学学报 (医学版), 2020, 1(9): 45-51.
[5]	王凯,沈媛媛,程宪永,李彦敏,史宁. 嗜酸性粒细胞性食管炎1例并文献复习[J]. 山东大学学报 (医学版), 2020, 1(9): 119-121.
[6]	尹义龙,袭肖明,孟宪静. 阿尔兹海默病的智能诊断方法[J]. 山东大学学报 (医学版), 2020, 1(8): 14-21.
[7]	肖娟,肖强,丛伟,李婷,丁守銮,张媛,邵纯纯,吴梅,刘佳宁,贾红英. 两种甲状腺超声数据报告系统诊断效能的比较[J]. 山东大学学报 (医学版), 2020, 1(7): 53-59.
[8]	路璐,孙志钢,张楠. 继发性嗜血细胞综合征1例[J]. 山东大学学报 (医学版), 2020, 1(7): 122-124.
[9]	黄竹青,吴雪韦,任冬梅. 槲寄生中酚类化学成分的分离鉴定及其对A549细胞的增殖抑制活性[J]. 山东大学学报（医学版）, 2017, 55(8): 35-41.
[10]	冯致余,杨彦亮,郭锐,徐惠惠,张健,郭凯,王广震,王辉. 肺动脉吊带合并气管狭窄的外科治疗[J]. 山东大学学报（医学版）, 2017, 55(8): 48-51.
[11]	曾奕明,林燕萍. 放射性¹²⁵I粒子植入局部治疗支气管肺癌[J]. 山东大学学报（医学版）, 2017, 55(4): 1-6.
[12]	周剑,赵晗婷,吕刚,王琳,李启航,朱美艳,王志林,何深一. 弓形虫ROP19蛋白生物信息学分析及真核表达载体的构建[J]. 山东大学学报（医学版）, 2017, 55(3): 64-69.
[13]	霍彬,王磊,王海涛,霍小东,曹强,王丽丽,臧立,王金焕,郑广钧, 柴树德. 模板联合肋骨钻孔技术辅助放射性粒子植入治疗肺癌的可行性[J]. 山东大学学报（医学版）, 2017, 55(2): 26-31.
[14]	韩明勇,霍彬,张颖,林琦,戴建建,徐瑞彩,杨琦,耿宝成,郑广钧,王海涛,霍小东,陈宝明(柴树德,王俊杰审阅). CT联合模板引导放射性粒子植入治疗肺癌技术流程[J]. 山东大学学报（医学版）, 2017, 55(2): 14-20.
[15]	唐毅. 阿尔茨海默病诊断标准:从临床诊断到病理生理诊断[J]. 山东大学学报（医学版）, 2017, 55(10): 14-20.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed