利用脂质生物标志物预测糖尿病血脂异常的方法技术

本发明专利技术公开了一种利用脂质生物标志物预测糖尿病血脂异常的方法，通过OPLS‑DA模型，筛选出正常人组群和糖尿病血脂异常组群之间的6个差异性化合物，即与糖尿病血脂异常相关的脂质生物标志物，并通过构建逻辑回归模型，得到根据这些脂质标志物预测糖尿病血脂异常的方法，快捷方便，准确度达到96.6％。

Prediction of dyslipidemia in diabetes mellitus using lipid biomarkers

The invention discloses a method for prediction of diabetic dyslipidemia using a lipid biomarker, through the OPLS DA model, screened between normal group and diabetic dyslipidemia group of 6 different compounds, namely biological lipid abnormalities associated with diabetes and blood fat marker, and by constructing a logistic regression model according to these lipid mark method, diabetic dyslipidemia prediction is fast and convenient, accuracy reached 96.6%.

【技术实现步骤摘要】
利用脂质生物标志物预测糖尿病血脂异常的方法
本专利技术涉及生物
，尤其涉及一种利用脂质生物标志物预测糖尿病血脂异常的方法，能够准确预测糖尿病血脂异常。
技术介绍
糖尿病并发症高达100多种，是目前已知并发症最多的一种疾病。糖尿病死亡者有一半以上是心脑血管所致，10％是肾病变所致。因糖尿病截肢的患者是非糖尿病的10～20倍。临床数据显示，糖尿病发病后10年左右，将有30％～40％的患者至少会发生一种并发症，且并发症一旦产生，药物治疗很难逆转，因此在预防与治疗糖尿病的同时，应尽早预防与控制糖尿病并发症的发生。糖尿病慢性并发症主要为大血管病变(心脏病、血脂异常、脑血管意外及下肢血管病变)、微血管病变(糖尿病视网膜病变、糖尿病肾病和神经病变等)。以累及心、脑、肾等生命器官和危害严重为特点，是糖尿病防治的重点和难点。失控的血糖升高导致的组织损伤是多种糖尿病并发症的主要原因，具体的致病机理主要包括①持续的高血糖使多种血浆及组织蛋白质发生非酶糖化，形成非酶糖基化终产物而丧失正常生理功能；②高血糖导致醛糖还原酶活性增加，山梨醇代谢旁路增强，其产物多元醇在胞内堆积，最终导致水肿和细胞功能障碍；③高血糖导致血液动力学改变，进而组织缺氧，动脉血管阻力下降，血管通透性增加组织损伤，发生病变；④多种激素、细胞因子激活与异常表达；⑤氧化应激；⑥基因表达的改变等。同血脂异常一样，血脂异常也是作为糖尿病的风险因素，同时伴随着糖尿病的发生发展。糖尿病患者中多数伴有甘油三酯的增高与高密度脂蛋白-胆固醇(HDL-cholesterol)的降低，因而二者可以作为糖尿病血脂异常的辅助检测指标。但是这种检测方法不具有预测性，因此无法对糖尿病血脂异常进行预测。
技术实现思路
本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。本专利技术还有一个目的是提供一种利用脂质生物标志物预测糖尿病血脂异常的方法，能够快捷、准确、高效地预测糖尿病血脂异常。本专利技术还有一个目的是提供一种针对中国人群的利用脂质生物标志物预测糖尿病血脂异常的方法。本专利技术还有一个目的是提供一组针对中国人群的与糖尿病血脂异常密切相关的化合物。为了实现根据本专利技术的这些目的和其它优点，提供了以下技术方案：一种利用脂质生物标志物预测糖尿病血脂异常的方法，其中，主要包括以下步骤：步骤1、筛选出正常人组群和糖尿病血脂异常组群之间VIP值大于1的排名前6位的差异性化合物，分别为表1所示：表1步骤2、利用逻辑回归模型1进行计算，得到TC值，所述逻辑回归模型1的计算公式为：TC＝14.641+(-3.528)R67+0.221R749+0.211R751+(-0.908)R754+(-1.871)R1250+(1.378)R1400；步骤3、根据所得TC值进行判断，TC＝0为否；TC＝1为是。优选的是，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤1中利用OPLS-DA模型对差异性化合物进行筛选，筛选条件VIP>1。优选的是，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤1中筛选的具体方法为：步骤1.1将样品进行超高效液相色谱和质谱分析，得到脂质组学数据，将正常人组群和糖尿病血脂异常组群分别计为CK及XZYC；步骤1.2对脂质组学数据进行标准化操作，利用OPLS-DA模型对CK及XZYC进行S-plot分布得到S形曲线，并进行强制分组，计算影响CK及XZYC分组的变量重要性，即得VIP值；步骤1.3按照VIP值大于1的标准得到93个化合物，并将该93个化合物作为与糖尿病血脂异常相关度最高的差异性化合物；步骤1.4将所得93个化合物按照VIP值大小从高到低排列，取前6位，即得步骤1中所述差异性化合物。优选的是，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤2中TC值或者用逻辑回归模型2进行计算，所述逻辑回归模型2的计算公式为：TC＝15.8493+(-3.9074)R67+0.2845R749+(-0.7564)R754+(-1.8909)R1250+(-1.4838)R1400。优选的是，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤2中TC值或者用逻辑回归模型3进行计算，所述逻辑回归模型3的计算公式为：TC＝13.7916+(-3.8232)R67+0.3138R749+(-2.2690)R1250+(-1.3631)R1400。本专利技术至少包括以下有益效果：本专利技术通过脂质组学检测血液中所有的脂质，从而有针对性地筛选出和血脂密切相关的脂质化合物，并能够通过提前发现变化的脂质来进行糖尿病所引起的血脂异常，从而进行一定的干预和预防措施。通过筛选，首次发现与糖尿病血脂异常相关的6个脂质化合物，即与糖尿病血脂异常相关的脂质生物标志物，并通过构建逻辑回归模型，得到根据这些脂质标志物预测糖尿病血脂异常的方法，快捷方便，准确度高。通过AIC值初步判断，并进行ROC曲线绘制，准确度高达96.6％。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。附图说明图1为本专利技术中所述的OPLS-DA模型的S-plot分布图；图2为本专利技术中利用OPLS-DA模型对CK和XZYC进行强制分组的结果；图3为本专利技术中用来考察筛选出的化合物的火山图；图4为本专利技术中ROC曲线图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。一种利用脂质生物标志物预测糖尿病血脂异常的方法，其中，主要包括以下步骤：步骤1、筛选出正常人组群和糖尿病血脂异常组群之间VIP值大于1的排名前6位的差异性化合物，分别为表1所示：表1步骤2、利用逻辑回归模型1进行计算，得到TC值，所述逻辑回归模型1的计算公式为：TC＝14.641+(-3.528)R67+0.221R749+0.211R751+(-0.908)R754+(-1.871)R1250+(1.378)R1400；步骤3、根据所得TC值进行判断，TC＝0为否；TC＝1为是。一个优选方案中，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤1中利用OPLS-DA模型对差异性化合物进行筛选，筛选条件VIP>1。一个优选方案中，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤1中筛选的具体方法为：步骤1.1将样品进行超高效液相色谱和质谱分析，得到脂质组学数据，将正常人组群和糖尿病血脂异常组群分别计为CK及XZYC；步骤1.2对脂质组学数据进行标准化操作，利用OPLS-DA模型对CK及XZYC进行S-plot分布得到S形曲线，并进行强制分组，计算影响CK及XZYC分组的变量重要性，即得VIP值；步骤1.3按照VIP值大于1的标准得到93个化合物，并将该93个化合物作为与糖尿病血脂异常相关度最高的差异性化合物；步骤1.4将所得93个化合物按照VIP值大小从高到低排列，取前6位，即得步骤1中所述差异性化合物。一个优选方案中，所述的利用脂质生物标志物预测糖尿病血脂异常的方法中，步骤2中TC值或者用逻辑回归模型2进行计算，所述本文档来自技高网...

【技术保护点】
一种利用脂质生物标志物预测糖尿病血脂异常的方法，其特征在于，主要包括以下步骤：步骤1、筛选出正常人组群和糖尿病血脂异常组群之间VIP值大于1的排名前6位的差异性化合物，分别为表1所示：表1

【技术特征摘要】
1.一种利用脂质生物标志物预测糖尿病血脂异常的方法，其特征在于，主要包括以下步骤：步骤1、筛选出正常人组群和糖尿病血脂异常组群之间VIP值大于1的排名前6位的差异性化合物，分别为表1所示：表1步骤2、利用逻辑回归模型1进行计算，得到TC值，所述逻辑回归模型1的计算公式为：TC＝14.641+(-3.528)R67+0.221R749+0.211R751+(-0.908)R754+(-1.871)R1250+(1.378)R1400；步骤3、根据所得TC值进行判断，TC＝0为否；TC＝1为是。2.如权利要求1所述的利用脂质生物标志物预测糖尿病血脂异常的方法，其特征在于，步骤1中利用OPLS-DA模型对差异性化合物进行筛选，筛选条件VIP>1。3.如权利要求2所述的利用脂质生物标志物预测糖尿病血脂异常的方法，其特征在于，步骤1中筛选的具体方法为：步骤1.1将样品进行超高效液相色谱和质谱分析，得到脂质组学数据，将正常人组群和糖尿病血脂异常组群分别计为CK及XZYC；步骤1.2对脂质组学数据进行标准化操作，利用OPLS-D...

【专利技术属性】
技术研发人员：王文军，陈显扬，萨日娜，马占青，任素玲，段晓波，
申请(专利权)人：北京骐骥生物技术有限公司，
类型：发明
国别省市：北京,11