基于代谢组学的胰腺癌诊断标志物及其筛选方法和应用技术

本发明专利技术公开了基于代谢组学的胰腺癌诊断标志物及其筛选方法，所述诊断标志物包含31种血浆代谢标志物的任意一种或多种的组合。本发明专利技术还提供了使用所述胰腺癌诊断标志物构建诊断模型的方法及其在诊断试剂盒中的应用。本发明专利技术通过高效液相色谱质谱联用技术对患者血浆进行非靶标代谢组学分析，通过人工智能数据分析技术发现胰腺癌患者与正常人群之间的差异代谢物，进一步通过靶标代谢组学分析及机器学习建模验证所述特异性差异代谢物即胰腺癌诊断标志物在胰腺癌诊断中的诊断能力。

Metabonomics based diagnostic markers of pancreatic cancer and their screening methods and Applications

【技术实现步骤摘要】
基于代谢组学的胰腺癌诊断标志物及其筛选方法和应用
本专利技术属于临床检验诊断领域，具体涉及基于代谢组学和机器学习分析技术的胰腺癌诊断标志物，所述诊断标志物的筛选方法、应用所述诊断标志物构建诊断模型的方法及所述诊断标志物在胰腺癌诊断中的应用。
技术介绍
胰腺癌(pancreaticcancer)是一种恶性程度很高、诊断和治疗都很困难的消化道恶性疾病，其发病率近年来呈快速上升趋势。根据中国国家癌症中心在2019年1月发布的全国癌症统计数据，胰腺癌位居我国恶性肿瘤发病第十位，且死亡率排名第七，诊治现状不容乐观。长期吸烟、高脂饮食、体重指数超标、过量饮酒、伴发糖尿病或慢性胰腺炎等是胰腺癌的发病危险因素。近年来在肿瘤学新理念的推动下，胰腺癌的临床诊疗水平取得了明显进步，但胰腺癌作为外分泌腺发生的腺癌，恶性程度高，病程短，发展和恶化速度快，预后差，死亡率极高。患者的五年生存率极低(不足5％)，被称为“癌王”。因此，若能在无症状或症状不明显的早期发现胰腺癌，及时进行针对性治疗，能够极大地提高胰腺癌病人的生存率和治愈率。胰腺癌早期患者症状不典型，最多见的为食欲不振，伴有恶心，呕吐，消瘦，乏力，常常按其他疾病治疗，延误病情治疗。多数胰腺癌患者确诊时已是晚期。究其原因，一方面，胰腺位于人体腹部深处，若非专门做相关影像学检查，很难在早期确诊；另一方面，胰腺癌早期症状不典型，有时仅表现为轻度上腹部非特异性症状，与胃痛等症状相似，易误诊为慢性胃病。因此，开发出一种简单便捷的新型胰腺癌早期诊断方法将具有重大的临床意义和社会经济意义。r>根据中国抗癌协会胰腺癌专业委员会在2018年发布的胰腺癌综合诊治指南(2018版)，目前主要以糖类抗原CA19-9作为最常用的胰腺癌诊断标志物，其临床特征为：将血清CA19-9>37U/ml作为阳性指标，诊断胰腺癌的灵敏度和特异度分别达到78.2％和82.8％(PorukKE,GayDZ,BrownK,etal.TheclinicalutilityofCA19-9inpancreaticadenocarcinoma:Diagnosticandprognosticupdates.CurrMolMed,2013,13(3):340-351)。约10％的胰腺癌患者Lewis抗原阴性，CA19-9不升高，此时还需结合其他肿瘤标志物如CA125和(或)癌胚抗原(carcinoembryonicantigen,CEA)等辅助诊断(LuoG,LiuC,GuoM,etal.CA19-9-Low&Lewis(+)pancreaticcancer:Auniquesubtype.CancerLett,2017,385:46-50)。虽然此标志物已在临床应用，但其特异性并不高，在消化道恶性肿瘤如胰腺癌、胆囊癌、结肠癌、胃癌、肝癌等病人中均有增高，并且其早期诊断价值不大，主要作为病情监测和预示复发的指标。此外，如外周血内microRNA、ctDNA、外泌体内Glypican-1等也具有潜在临床应用前景，但基本停留在实验室研究阶段，仍存在假阳性率高、花费多等缺点，尚待高级别循证医学证据的证实(XuJ,CaoZ,LiuW,etal.PlasmamiRNAseffectivelydistinguishpatientswithpancreaticcancerfromcontrols:Amulticenterstudy.AnnSurg.2016,263(6):1173-1179；XuL,LiQ,XuD,etal.has-miR-141downregulatesTM4SF1toinhibitpancreaticcancercellinvasionanmigration.IntJOncol,2014,44(2):459-466；MeloSA,LueckeLB,KahlertC,etal.Glypican-1identifiescancerexosomesanddetectsearlypancreaticcancer.Nature,2015,523(7559):177-182；CohenJD,JavedAA,ThoburnC,etal.CombinedcirculatingtumorDNAandproteinbiomarker-basedliquidbiopsyfortheearlierdetectionofpancreaticcancers.ProcNatlAcadSciUSA,2017,114(38):10202-10207；MaL,TianX,GuoH,etal.LongnoncodingRNAH19derivedmiR-675regulatescellproliferationbydown-regulatingE2F-1inhumanpancreaticductaladenocarcinoma.JCancer,2018,9(2):389-399；LiW,ZhangX,LuX,etal.5-Hydroxymethylcytosinesignaturesincirculatingcell-freeDNAasdiagnosticbiomarkersforhumancancers.CellRes,2017,27(10):1243-1257)。代谢组学是对生物样品(如血浆、血清、尿液、粪便、唾液等)或细胞内所有小分子代谢物(如氨基酸、脂肪酸、脂质等)进行定性定量分析，并寻找代谢物与病理生理变化的相对关系的一门科学。由于生物体内的信息传递是按照DNA、mRNA、蛋白质、代谢物、细胞、组织、器官、个体的方向逐级上升的，所以可以将代谢组学看作基因组学和蛋白质组学的延伸和体现。基因组学和蛋白质组学虽然可以揭示生物体的内在差异，但得益于生物体强大的代偿机制，这些差异并不一定会导致表型差异。而小分子的产生和代谢既可反映生物体的先天内在差异，又可能体现出外来因素对生物体的干扰与影响。目前胰腺癌的发病机制尚未完全阐明，但吸烟、喝酒等外界因素及内分泌失调等内部因素均与胰腺癌的发生发展有一定关系。普遍认为胰腺癌的发生绝非单一因素作用，而可能是多种因素协同作用的结果。因此，使用代谢组学技术寻找胰腺癌早期出现时的代谢物变化特征是符合其发病规律的。目前已有研究者利用代谢组学技术对胰腺癌进行了研究，例如Fest等(FestJ,VijfhuizenLS,GoemanJJ,etal.SearchforearlypancreaticcancerbloodbiomarkersinfiveEuropeanprospectivepopulationbiobanksusingmetabolomics.Endocrinology,2019,160(7):1731-1742)、Dutta等(DuttaP,PerezMR,LeeJ,etal.Combininghyperpolarizedreal-timemetabolicimagingandNMRspectroscopytoidentifymetabolicbiomarkersinpancreaticcancer.2019,18(7):282本文档来自技高网...

【技术保护点】
1.一种胰腺癌诊断的诊断标志物，其特征在于：该标志物为以下31种血浆代谢标志物的任意一种或多种：溶血磷脂酰胆碱LPC 14:0、溶血磷脂酰胆碱LPC 16:0、溶血磷脂酰胆碱LPC16:2、溶血磷脂酰胆碱LPC 18:1、溶血磷脂酰胆碱LPC 20:4、磷脂酰胆碱PC 16:0-16:0、磷脂酰胆碱PC 16:0-18:1、磷脂酰胆碱PC 18:0-18:2、磷脂酰胆碱PC 18:0-20:3、磷脂酰胆碱PC16:0-22:5、磷脂酰胆碱PC 18:0-22:5、磷脂酰胆碱PC O-16:0-18:2、磷脂酰胆碱PC16:0e/18:2、磷脂酰胆碱PC 38:3e、磷脂酰胆碱PC 46:1e、溶血磷脂酰乙醇胺LPE 22:4、磷脂酰乙醇胺PE16:0-18:2、磷脂酰乙醇胺PE 16:3e/2:0、磷脂酰乙醇胺PE 22:4e/4:0、磷脂酰乙醇胺PE 22:6e/4:0、磷脂酰乙醇胺PE 26:0e/8:0、磷脂酰乙醇胺PE 22:5e/20:3、磷脂酰丝氨酸PS 18:0-18:1、磷脂酰肌醇PI 18:0-18:2、鞘磷脂SMd18:1/18:0、鞘磷脂SMd18:2/24:1、鞘磷脂SMd18:2/24:2、甘油二酯DG 18:1-18:1、甘油三酯TG 8:0-8:0-8:0、甘油三酯TG 8:0-8:0-10:0、羟脂肪酸支链脂肪酸酯FAHFA 4:0/20:4。/n...

【技术特征摘要】
1.一种胰腺癌诊断的诊断标志物，其特征在于：该标志物为以下31种血浆代谢标志物的任意一种或多种：溶血磷脂酰胆碱LPC14:0、溶血磷脂酰胆碱LPC16:0、溶血磷脂酰胆碱LPC16:2、溶血磷脂酰胆碱LPC18:1、溶血磷脂酰胆碱LPC20:4、磷脂酰胆碱PC16:0-16:0、磷脂酰胆碱PC16:0-18:1、磷脂酰胆碱PC18:0-18:2、磷脂酰胆碱PC18:0-20:3、磷脂酰胆碱PC16:0-22:5、磷脂酰胆碱PC18:0-22:5、磷脂酰胆碱PCO-16:0-18:2、磷脂酰胆碱PC16:0e/18:2、磷脂酰胆碱PC38:3e、磷脂酰胆碱PC46:1e、溶血磷脂酰乙醇胺LPE22:4、磷脂酰乙醇胺PE16:0-18:2、磷脂酰乙醇胺PE16:3e/2:0、磷脂酰乙醇胺PE22:4e/4:0、磷脂酰乙醇胺PE22:6e/4:0、磷脂酰乙醇胺PE26:0e/8:0、磷脂酰乙醇胺PE22:5e/20:3、磷脂酰丝氨酸PS18:0-18:1、磷脂酰肌醇PI18:0-18:2、鞘磷脂SMd18:1/18:0、鞘磷脂SMd18:2/24:1、鞘磷脂SMd18:2/24:2、甘油二酯DG18:1-18:1、甘油三酯TG8:0-8:0-8:0、甘油三酯TG8:0-8:0-10:0、羟脂肪酸支链脂肪酸酯FAHFA4:0/20:4。


2.根据权利要求1所述的诊断标志物，其特征在于：该标志物包括以下19种血浆代谢标志物的任意一种或多种：溶血磷脂酰胆碱LPC14:0、溶血磷脂酰胆碱LPC16:0、溶血磷脂酰胆碱LPC18:1、溶血磷脂酰胆碱LPC20:4、磷脂酰胆碱PC16:0-16:0、磷脂酰胆碱PC16:0-18:1、磷脂酰胆碱PC18:0-18:2、磷脂酰胆碱PC18:0-20:3、磷脂酰胆碱PC16:0-22:5、磷脂酰胆碱PC18:0-22:5、磷脂酰胆碱PCO-16:0-18:2、溶血磷脂酰乙醇胺LPE22:4、磷脂酰乙醇胺PE16:0-18:2、磷脂酰丝氨酸PS18:0-18:1、磷脂酰肌醇PI18:0-18:2、鞘磷脂SMd18:1/18:0、鞘磷脂SMd18:2/24:1、鞘磷脂SMd18:2/24:2、甘油二酯DG18:1-18:1。


3.根据权利要求1或权利要求2所述的诊断标志物，其特征在于该标志物包括以下17种血浆代谢标志物的任意一种或多种：溶血磷脂酰胆碱LPC14:0、溶血磷脂酰胆碱LPC16:0、溶血磷脂酰胆碱LPC18:1、溶血磷脂酰胆碱LPC20:4、磷脂酰胆碱PC16:0-16:0、磷脂酰胆碱PC16:0-18:1、磷脂酰胆碱PC18:0-18:2、磷脂酰胆碱PC18:0-20:3、磷脂酰胆碱PC16:0-22:5、磷脂酰胆碱PC18:0-22:5、磷脂酰胆碱PCO-16:0-18:2、溶血磷脂酰乙醇胺LPE22:4、磷脂酰乙醇胺PE16:0-18:2、鞘磷脂SMd18:1/18:0、鞘磷脂SMd18:2/24:1、鞘磷脂SMd18:2/24:2、甘油二酯DG18:1-18:1。


4.根据权利要求1或权利要求2或权利要求3所述的诊断标志物，其特征在于：该标志物包括以下14种血浆代谢标志物的任意一种或多种：溶血磷脂酰胆碱LPC16:0、溶血磷脂酰胆碱LPC18:1、溶血磷脂酰胆碱LPC20:4、磷脂酰胆碱PC16:0-18:1、磷脂酰胆碱PC18:0-18:2、磷脂酰胆碱PC18:0-20:3、磷脂酰胆碱PC16:0-22:5、磷脂酰胆碱PC18:0-22:5、磷脂酰胆碱PCO-16:0-18:2、溶血磷脂酰乙醇胺LPE22:4、鞘磷脂SMd18:1/18:0、鞘磷脂SMd18:2/24:1、鞘磷脂SMd18:2/24:2、甘油二酯DG18:1-18:1。


5.一种胰腺癌诊断标志物的筛选方法，其特征在于：包含以下步骤：
(1)收集胰腺癌患者和健康人群的血浆样本作为分析样品；
(2)采用液相色谱质谱联用技术对每个分析样本进行非靶向代谢组学分析，得到各血浆样本的原始代谢指纹图谱；
(3)使用MS-Dial软件对胰腺癌血浆样本和健康血浆样本的原始代谢指纹图谱进行图谱处理，得到每行为代谢物信息，每列为分析样本的二维矩阵；并且对二维矩阵进行包括同位素峰、加合物和碎片离子在内的代谢物峰标识及峰面积积分，用于进一步的机器学习；
(4)使用机器学习支持向量机(supportvectormachine，SVM)算法学习步骤(3)的二维矩阵数据，将上述胰腺癌及健康对照血浆样本数据的3/4作为训练集，1/4作为测试集，对训练集采用随机四折学习模型，即随机选取3/4样本作为训练集，1/4样本作为交叉验证集，并随机循环迭代5000次，生成在交叉验证集上的最优分类模型，最终在测试集上进行验证及分析，通过统计最终模型准确度的平均值，该SVM模型可有效对胰腺癌患者与健康人群的代谢组数据进行分类；
(5)根据上述得到的SVM模型，通过基于机器学习的特征筛序，借助SVM建模的特征重要性评分并不断累加重要特征形成待测模型，评估模型分类准确度以显示不同模型的分类效能，并最终展示相对最优特征数及...

【专利技术属性】
技术研发人员：尹玉新，王光熙，庞瑞芳，
申请(专利权)人：北京博远精准医疗科技有限公司，
类型：发明
国别省市：北京;11