一种肝细胞肝癌的自身抗体7-AAb检测panel及其应用制造技术

本发明专利技术属于肝癌的筛查技术领域，具体涉及一种诊断肝细胞肝癌的自身抗体7‑AAb检测panel及其应用。本发明专利技术检测了561例肝细胞肝癌患者和592例对照(包括343例正常人NC和249例肝硬化患者LC)样本，通过10‑fold cross‑validation确定了CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428这7个蛋白的自身抗体具有区分肝细胞肝癌的能力。运用这7个分子，并建立了神经网络(ANN)模型，发现ANN模型显示出更好的诊断效能并且优于传统的logistic regression模型和甲胎蛋白(AFP)。在验证集中，基于这7个分子的ANN模型同样显示出很好的诊断效能，特别是灵敏度。

【技术实现步骤摘要】
一种肝细胞肝癌的自身抗体7-AAb检测panel及其应用
本专利技术属于肝癌检测领域，具体涉及一种肝细胞肝癌的自身抗体7-AAb检测panel及其应用。
技术介绍
肝细胞肝癌(Hepatocellularcarcinoma,简称：HCC)是常见的恶性肿瘤之一,其发病隐匿,恶性程度高,病死率高,因此及时准确的诊断对于提高患者的生存率至关重要。目前临床上主要运用甲胎蛋白(Alphafetoprotein,简称：AFP)结合影像学及病理学检查进行肝癌的早期诊断；但是AFP对于肝癌筛查的特异性及敏感性均不十分理想。随着分子生物学的不断发展，多种新的标志物被相继发现,特别是自身抗体的诊断价值。自身抗体是机体针对肿瘤异常抗原发生免疫响应而产生的特异性抗体，具有以下特点：(1)伴随肿瘤的发生过程产生，先于临床症状，适用于早期诊断；(2)自身抗体的产生是免疫反应的结果，经过免疫系统的放大，抗体比起蛋白更容易检测；(3)具有特定类型肿瘤特异性。研究发现存在一些抗原是肿瘤特有的，但不同肿瘤间无特异性，如p53；也有一些抗原是特定肿瘤特异性的，比如前列腺癌的很多抗原是氧化应激相关的蛋白。关注癌症肿瘤自身抗体有助于改变癌症诊断和疗效监测的现状，为肝癌的检测提供自身抗体的思路。
技术实现思路
本专利技术为了克服上述技术问题，本专利技术提供了一种诊断肝细胞肝癌的自身抗体7-AAb检测panel及检测模型，我们通过10-foldcross-validation确定了CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428这7个蛋白的自身抗体具有区分肝细胞肝癌的能力。运用这7个分子，我们建立了神经网络(ANN)模型，发现ANN模型显示出更好的诊断效能并且优于传统的logisticregression和甲胎蛋白(AFP)。在验证集中，它们同样显示出很好的诊断效能，特别是灵敏度。我们将这7个自身抗体的ANN检测组合命名为7-AAbpanel，它对于AFP阴性的肝细胞肝癌患者及早期肝细胞肝癌的诊断同样具有价值。第一方面，本专利技术提供了一种肝细胞肝癌的自身抗体7-AAb检测panel，其特征在于，所述检测panel包括CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428。第二方面，本专利技术提供了所述的自身抗体7-AAb检测panel的筛选方法，包括以下步骤：步骤S1、采集肿瘤标志物检测样本的样本数据，其中所述样本数据包括训练集数据和验证集数据；步骤S2、采用含有100个重组蛋白的聚焦肝细胞肝癌的蛋白小芯片检测所述样本数据；步骤S3、在训练集中采用10-foldcross-validation确定所述检测panel。进一步地，其中所述蛋白小芯片的制备方法为：采用含有多个重组蛋白的HuProtTM人类蛋白质组芯片对肝癌和健康人血清进行筛选，通过响应的数据比对和分析，确定候选生物标志物，点制聚焦肝细胞肝癌的蛋白小芯片。进一步地，在所述数据比对前进行芯片内和芯片间归一化处理。进一步地，所述的芯片内归一化实现方式为每个蛋白的前景值与背景值比值，即Fmedian/Bmedian，并此基础上定义SNR信噪比，即两个重复蛋白的Fmedian/Bmedian的均值。进一步地，所述的芯片间归一化，实现方法为中位值线性归一化。进一步地，所述的通过响应的数据比对和分析为：在归一化基础上，对数据进行统计学分析，以筛选出肝癌组特异性高响应蛋白，分析逻辑如下：①参数检验t检验，p-value<0.05即认为两者存在显著性差异；②计算组间差异倍数，foldchange≥1.2时，即认为两者存在潜在差异；③以健康组样本为对象设置cutoff＝mean+2SD(99％CI)，并计算HCC阳性率，以10％作为最低筛选标准。第三方面，本专利技术提供了基于所述的自身抗体7-AAb检测panel的肝细胞肝癌神经网络诊断模型。第四方面，本专利技术还提供了一种用于诊断肝细胞肝癌的试剂盒，其特征在于，所述试剂盒包含用于检测权利要求1所述的检测panel中蛋白水平的试剂或装置，并通过检测如权利要求1中检测panel中蛋白的表达，评估由所述检测产生的数据，从而诊断肝细胞肝癌。进一步地，所述评估是指将检测产生的数据，采用人工神经网络(ANN)行组合评估。进一步地，所述人工神经网络为全连接前馈神经网络，分为三层，输入层为7个神经元，隐含层为5个神经元，输出层为2个神经元，激活函数和输出函数均为sigmid函数，初始权重为随机权重。相对于现有技术，本专利技术具有的技术效果：1)本专利技术利用含有100个重组蛋白的聚焦肝细胞肝癌的蛋白小芯片(HCCFocusedArrays)，肝癌血清里针对这些蛋白的自身抗体具有一定程度的响应,可能具有区分肝癌的能力。2)基于蛋白小芯片检测了561例肝癌患者和592例对照(包括343例正常人NC和249例肝硬化患者LC)样本。其中，576例样本(282例肝癌患者,164例正常,130例肝硬化患者)参与模型训练(训练集),577例样本(279例肝癌,179例正常,119例肝硬化患者)作为独立样本通过盲测法对模型进行验证(验证集)。在训练集中，本专利技术通过10-foldcross-validation确定了CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428这7个蛋白的自身抗体具有区分肝细胞肝癌的能力，并将这7个自身抗体的ANN检测组合命名为7-AAbpanel。3)本专利技术运用这7个标志物，建立了神经网络(ANN)模型，发现ANN模型显示出更好的诊断效能并且优于传统的logisticregression和甲胎蛋白(AFP)。在验证集中，它们同样显示出很好的诊断效能，特别是灵敏度。它对于AFP阴性的肝细胞肝癌患者及早期肝细胞肝癌的诊断同样具有价值。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍。图1HCCFocusedArrays检测原理图图2HCCFocusedArrays构建及100个人源重组蛋白质列表图3训练集中7个自身抗体标志物筛选流程图图4ANN-model建立的流程图图5ANN与logisticregression模型及AFP诊断效能的比较，其中(A)ANN-models中其中一个模型示意图，(B)训练集里，比较ANN与logisticregression模型及AFP用以区分肝癌和对照组(正常和肝硬化患者)的能力图6ANN与AFP诊断效能的比较图77-AAb检测panel在肝癌不同分期中的诊断效能汇总具体实施方式以下结合附图对本专利技术作进一步的描述。根据下述实施例，可以更好地理解本专利技术。然而，本领域的技术人员容易理解，实施案例所描述的内容仅用于说明和解释本专利技术，并不用于限制权利要求书中所详细描述的本本文档来自技高网...

【技术保护点】
1.一种诊断肝细胞肝癌的自身抗体7-AAb检测panel，其特征在于，所述检测panel包括7个蛋白：CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428。/n

【技术特征摘要】
1.一种诊断肝细胞肝癌的自身抗体7-AAb检测panel，其特征在于，所述检测panel包括7个蛋白：CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428。


2.权利要求1所述的自身抗体7-AAb检测panel的筛选方法，其特征在于，包括以下步骤：
步骤S1、采集肿瘤标志物检测样本的样本数据，其中所述样本数据包括训练集数据和验证集数据；
步骤S2、采用含有100个重组蛋白的聚焦肝细胞肝癌的蛋白小芯片检测所述样本数据；
步骤S3、在训练集中采用10-foldcross-validation确定所述检测panel。


3.根据权利要求2所述的方法，其特征在于，其中所述蛋白小芯片的制备方法为：采用含有21154个重组蛋白的HuProtTM人类蛋白质组芯片对肝癌和健康人血清进行筛选，通过响应的数据比对和分析，确定候选生物标志物，点制聚焦肝细胞肝癌的蛋白小芯片。


4.根据权利要求3所述的方法，其特征在于，在所述数据比对前进行芯片内和芯片间归一化处理。


5.根据权利要求4所述的方法，其特征在于，所述的芯片内归一化实现方式为每个蛋白的前景值与背景值比值，即Fmedian/Bmedian，并此基础上定义SNR信噪比，即两个重复蛋白的Fmedian/Bmedi...

【专利技术属性】
技术研发人员：樊嘉，高强，张舒，毕利军，李阳，刘羽鸣，杨思贤，刘诚喜，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：上海;31