一种基于代谢组学的诊断宫颈癌血浆分子标志物的筛选方法技术

本发明专利技术公开了一种基于代谢组学的诊断宫颈癌血浆分子标志物的筛选方法，包括选择样本、进行血浆代谢组学测序、转录组学分析、回归分析和AUC计算。本项发明专利技术以代谢组学为基础，筛选出可以区分宫颈癌与健康者的代谢分子标志物，以及可以区分早期和中晚期患者的分子标志物。本发明专利技术筛选出的分子标志物容易采样，可以在无创条件下采集标本。可以简便、无创的监测并诊断宫颈癌。本发明专利技术发现了新型的可以区分早期和中晚期宫颈癌患者的分子分型代谢标志物。本发明专利技术筛选出的肿瘤标志物具有更高的性能，可以应用于宫颈癌分型上。以应用于宫颈癌分型上。以应用于宫颈癌分型上。

【技术实现步骤摘要】
一种基于代谢组学的诊断宫颈癌血浆分子标志物的筛选方法


[0001]本专利技术涉及医学领域，具体涉及一种基于代谢组学的诊断宫颈癌血浆分子标志物的筛选方法。

技术介绍

[0002]宫颈癌(Cervical Carcinoma，CC)是一个重要的全球公共卫生问题。它是危害女性健康的最常见恶性肿瘤之一，其发病率在女性中居第二位，由其引起的死亡数约占女性癌症死亡总数的7.5％。中国国家癌症中心(National Central Cancer of China,NCCC)公布的最新全国癌症统计数据显示，宫颈癌的发病占前十位女性恶性肿瘤的6.25％，居第6位；在农村中更高为6.34％；而其死亡约占女性全部肿瘤的3.96％，居第8位。
[0003]宫颈癌的筛查和治疗方面都存在一定的缺陷，如HPV检测的特异性较低、液基薄层细胞检测的敏感性较低，因此为宫颈癌患者寻找新的诊断和治疗靶点，探索疗效确切的靶向治疗药物，对宫颈癌的早期诊断和改善预后意义巨大。
[0004]近十年来，代谢组学领域的进展证明了癌症是一种代谢疾病，并导致代谢组学作为癌症检测和治疗的新靶点被重新发现。早期的研究表明，宫颈癌患者在血清、肿瘤组织和粪便中含有一种独特的分子集合，范围从氨基酸到核酸不等。先前报道通过整合代谢组学和转录组学数据，筛选了5个诊断宫颈癌的候选代谢物。Khan等人挑选了7种代谢物作为早期检测宫颈上皮瘤变(CIN)和CC患者的生物标志物。然而，目前尚无关于CC动态监测的研究。

技术实现思路

[0005]本专利技术的目的在于，基于代谢组学，利用机器学习的方法筛选获得诊断和分型的宫颈癌血浆分子标志物，利用这些分子标志物，有利于医生进行疾病诊断和治疗。为实现上述目的，本专利技术采用如下技术方案：
[0006]一种基于代谢组学的诊断宫颈血浆分子标志物的筛选方法，包括如下步骤：
[0007]S1.选择样本
[0008]选择宫颈癌患者的空腹血液样本，并选用健康志愿者空腹血液样本进行对照；
[0009]S2.进行血浆代谢组学测序
[0010]取
‑
80℃的血浆样品，在4℃时慢慢溶解；将100个原离子样品与400原离子预冷甲醇乙腈溶液以体积比1:1混合；涡旋60s，
‑
20℃放置1h，4℃离心20min，上清冷冻干燥，然后进行液相色布分析；质量控制(QC)样品随机混合到需要检查的样品中，使用超高效液相色谱仪(UHPLC)分离后，使用质谱仪进行电喷雾电离正、负两种模式的质谱分析；
[0011]使用XCMS对液相色谱
‑
质谱(LC
‑
MS)原始数据进行处理，以校准峰，校正保留时间和提取峰面积；通过质量匹配(25ppm)和基于数据库的二次光谱匹配鉴定代谢物结构和注释峰，然后使用SIMCA通过帕雷托扩展进行规范化，利用MetaboAnalyst工具进行单变量统计分析、多变量统计分析、富集分析、联合路径分析；以p值小于0.05，差异倍数绝对值大于
1.2为标准选择差异表达代谢物；用R包Hmisc和corrplot计算Spearman相关分析；
[0012]S3.转录组学分析
[0013]S3
‑
1.使用GEO2R分析GEO数据库健康志愿者和宫颈癌患者转录数据的差异基因表达；
[0014]S3
‑
2.采用R中的DESeq2包分析TCGA数据库健康志愿者和宫颈癌患者转录数据的差异基因表达；
[0015]S3
‑
3.利用集群分析器(clusterProfiler)进行基因本体(GO)和京都基因和基因组百科全书(KEGG)的富集分析；
[0016]S4.回归分析和AUC计算
[0017]建立10倍交叉验证的Lasso回归模型，区分健康志愿者和宫颈癌患者，，建立三倍交叉验证的Lasso模型，区分≤ⅡA1患者和≥ⅡA2患者；将最佳拟合值分别与一种代谢物匹配，然后拟合到一般性模型(GLM)；用glmnet对R进行回归分析，建立ROC曲线，用pROC对模型进行曲线AUC计算。
[0018]作为改进所述S3
‑
1步骤中的表达基因的筛选标准为p<0.05，差异倍数的绝对值大于3/2。
[0019]作为改进，所述S3
‑
2步骤中的表达基因的筛选标准为p<0.05，差异倍数的绝对值大于6/5。
[0020]作为改进，所述S1步骤中患者样本的纳入标准为：a，活检确诊为宫颈癌的患者；b，临床有明确病理结果和详细分期的患者；c,未接受任何放化疗与其他治疗的患者；
[0021]所述S1步骤中患者样本的排除标准为：d，基本临床信息不全的患者；e，年龄小于18岁或大于85岁的患者；f,无病理确认结果；g，患有代谢性疾病的患者。
[0022]本专利技术的优点在于：
[0023]本项专利技术以代谢组学为基础，筛选出可以区分宫颈癌与健康者的代谢分子标志物，以及可以区分早期和中晚期患者的分子标志物。与现有的宫颈癌诊断方法相比较，具有如下优势：
[0024]1.本专利技术筛选出的分子标志物容易采样，可以在无创条件下采集标本。可以简便、无创的监测并诊断宫颈癌。
[0025]2.本专利技术发现了新型的可以区分早期和中晚期宫颈癌患者的分子分型代谢标志物。
[0026]3.本专利技术筛选出的肿瘤标志物具有更高的性能，可以应用于宫颈癌分型上。
附图说明
[0027]图1为CC患者和健康志愿者代谢表达谱；PCA(A)和OPLS
‑
DA(B)代谢组学数据评分图，椭圆显示95％置信区间；(C)利用标度峰强度绘制差异表达代谢物的热图；(D)SMPDB(小分子通路数据库)差异代谢物的富集分析(E)差异表达代谢物的相关图；
[0028]图2为通过LASSO回归分析代谢物筛选；(A)ln(mm)在x轴上，二项偏差在y轴上；(B)51种代谢物对应ln(λ)的LASSO系数曲线；(C
‑
E)训练队列、测试队列和验证队列的ROC曲线，曲线下面积为0.795(95％CI:0.98
‑
1)，1(95％CI:1
‑
1)，AUC为1(95％CI:1
‑
1)，(F
‑
J)5个代谢标志物的峰强度图，包括环己胺、左旋肉碱、Val
‑
Thr、芥子苷、5.6.7.8四水
‑
2萘酚；健康
志愿者和CC患者采用学生t检验评价两组间差异的显著性；
[0029]图3为环己胺(AF)，左旋肉碱，Val
‑
Thr，芥子苷，5.6.7.8
‑
四氢.2
‑
萘酸(上)与标准化合物(下)匹配的MS/MS光谱；
[0030]图4为CC患者≤ⅡA1与≥ⅡA2两组的代谢表达谱；(A
‑
B)用DEGs进行GO和K本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于代谢组学的诊断宫颈癌血浆分子标志物的筛选方法，其特征在于，包括如下步骤：S1.选择样本选择宫颈癌患者的空腹血液样本，并选用健康志愿者空腹血液样本进行对照；S2.进行血浆代谢组学测序取
‑
80℃的血浆样品，在4℃时慢慢溶解；将100个原离子样品与400原离子预冷甲醇乙腈溶液以体积比1:1混合；涡旋60s，
‑
20℃放置1h，4℃离心20min，上清冷冻干燥，然后进行液相色布分析；质量控制(QC)样品随机混合到需要检查的样品中，使用超高效液相色谱仪(UHPLC)分离后，使用质谱仪进行电喷雾电离正、负两种模式的质谱分析；使用XCMS对液相色谱
‑
质谱(LC
‑
MS)原始数据进行处理，以校准峰，校正保留时间和提取峰面积；通过质量匹配(25ppm)和基于数据库的二次光谱匹配鉴定代谢物结构；注释峰，然后使用SIMCA通过帕雷托扩展进行规范化，利用MetaboAnalyst工具进行单变量统计分析、多变量统计分析、富集分析、联合路径分析；以p值小于0.05，绝对值变化大于1.2为标准选择差异表达代谢物；用R包Hmisc和corrplot计算Spearman相关分析；S3.转录组学分析S3
‑
1.使用GEO2R分析GEO数据库内健康志愿者和宫颈癌患者转录数据的差异基因表达；S3
‑
2.采用R语言的DESeq2包分析TCGA内健康志愿者和宫颈癌患者转...

【专利技术属性】
技术研发人员：曾凡新，张秀琴，桂定清，李雪，郭淳光，张力忆，
申请(专利权)人：达州市中心医院，
类型：发明
国别省市：