一种蛋白质组合对甲状腺滤泡性肿瘤鉴别评估的试剂盒、系统技术方案

本发明专利技术涉及一种试剂盒，其包含蛋白组合。本发明专利技术还涉及蛋白组合在制备用于对甲状腺滤泡性肿瘤鉴别评估的试剂盒中的用途。本发明专利技术还涉及一种对甲状腺滤泡性肿瘤鉴别评估的系统，其包括检测蛋白组合的相对表达量的物质，以及数据处理装置和输出装置。本发明专利技术根据成人甲状腺滤泡性腺瘤和滤泡癌样本的TMT标记蛋白质组数据，找到123种高度可信的蛋白侯选池，结合极端梯度提升模型，筛选出一种25个蛋白组合。依据此蛋白组合的蛋白定量数值，结合极端梯度提升模型，可以以0.9以上的AUC和85%以上的准确率，对甲状腺滤泡性肿瘤的良恶性进行鉴别评估，从而辅助临床医生进行临床决策。从而辅助临床医生进行临床决策。从而辅助临床医生进行临床决策。

【技术实现步骤摘要】
一种蛋白质组合对甲状腺滤泡性肿瘤鉴别评估的试剂盒、系统


[0001]本专利技术涉及医疗诊断领域，并具体涉及提供了一种基于蛋白质和机器学习对甲状腺滤泡性肿瘤鉴别评估的辅助手段。

技术介绍

[0002]甲状腺结节与甲状腺癌的发病率在过去的二十年里持续上升。尽管超声检查和超声引导下的细针穿刺有助于区分良性和恶性结节，但约10
‑
30%的甲状腺结节仍无法通过细胞病理确定，需要手术诊断。手术标本通过病理医生仔细的检查，依据组织病理学改变从而提供明确和完整的诊断。由于许多良性结节在术前诊断是模糊的，这样的病人经常进行不必要的手术。最模糊的诊断发生在滤泡性肿瘤，约占术前不确定结节的30
‑
50%。
[0003]滤泡性肿瘤是由滤泡细胞分化形成的肿瘤，由微滤泡结构组成。滤泡腺瘤呈硬质或橡胶质地的，为均匀的圆形或卵圆形肿瘤，被一层薄纤维包膜包裹，是一种常见的甲状腺良性肿瘤。在尸检结果中，甲状腺滤泡性肿瘤的发病率为3
‑
4.3%。然而，滤泡癌则细胞更多，有厚而不规则的被膜，经常有坏死区域和更频繁的核分裂。滤泡癌与滤泡腺瘤的区别在于整个包膜的侵犯、血管的侵犯、甲状腺外侵犯、淋巴结转移或全身转移。血管浸润是恶性肿瘤最可靠的征象。所有的滤泡癌患者中10
‑
15%会出现远处转移，11
‑
39%会出现复发。侵袭性滤泡癌患者10年疾病特异性死亡率为15
‑
28%。手术标本中滤泡腺瘤与滤泡癌的比例约为5:1。
[0004]良性滤泡性肿瘤滤泡腺瘤与恶性滤泡性肿瘤滤泡癌术前无法鉴别，因为在细胞学、超声及临床特征上无法评估包膜的侵犯。区分二者的唯一方法是进行诊断性手术，进而对肿瘤进行良恶性判别。尽管如此，在术后石蜡切片病理诊断中滤泡癌与滤泡腺瘤也通常较难区分，滤泡癌的显微镜下特征与滤泡腺瘤的表现极为相似，需通过连续切片在显微镜下仔细检查肿瘤的侵袭情况才能获得判断。有时，即便是连续切片也难以评判，最终只能给模糊的诊断结果。此外，还有两个不可忽视的问题，一方面，病理医生看不到包膜，另一方面，一些滤泡腺瘤有可能发展为滤泡癌，只是当下手术时在疾病发展初期，肿瘤并未突破包膜。因此单纯的包膜侵犯界定，也并非可靠准确。这显然还需要其他手段来辅助完成识别。
[0005]一些基于下一代测序技术的核酸分子检测已经被开发出来用于诊断不确定的甲状腺结节并取得了一定成果。然而，还没有报道过基于基因组和转录组特征来区分滤泡性肿瘤和滤泡癌。RAS突变和PAX8/PPARγ重排是滤泡性肿瘤的常见的最具代表性的改变，但这种突变模型在良性和恶性的滤泡型肿瘤中均可被检测到，因此通过基因检测的结果无法区分二者。
[0006]蛋白质处于生物学中心法则最下游，是生命活动的直接执行者、体现者。在疾病的临床诊断中，发挥诸如生物标志物、药物靶标等重要生物学作用。蛋白质组学是对生物样本中检测得到的蛋白定量分析的一门学科。以蛋白质组等多组学整合为基础的生命组学，为基因组提供了更接近表型的验证和解释，为癌症早期发现、良恶性诊断、分型和个性化用
药、疗效监测和预后判断等提供了更精确、更可靠的信息，使精准医学更加精准。
[0007]通常情况下，蛋白质组可通过两种方法获取，一种是常规的非标记定量方法，与之对应的是标记定量方法。标记定量蛋白质组学方法可以在一次检测中，同时分析6
‑
16个样本，检测通量相比非标记定量法更高。同时，标记定量蛋白质组学可以深度定量检测样本中蛋白质表达，通常情况下可以检测近万种或者超过万种以上的蛋白。标记定量方法以Tandem Mass Tag（TMT）方法最为常用。对于生物学表现极为相似的样本分析，更深度的蛋白覆盖率可以有效地发现潜在的生物标志物。

技术实现思路

[0008]在本申请中，本专利技术人基于TMT（Tandem Mass Tag）同位素标记定量串联质谱检测样本中蛋白质表达，结合机器学习方法，从蛋白质表达层面对滤泡癌与滤泡腺瘤进行精准评估与鉴别。本专利技术通过分析甲状腺滤泡性肿瘤的蛋白质组学数据，筛选出一种新的25个蛋白的组合，以这25个蛋白为基础，结合极致梯度提升模型，可以从蛋白分子水平对甲状腺滤泡性肿瘤进行鉴别，能够辅助临床医生进行决策，从而在一定程度上缓解临床上对甲状腺滤泡性肿瘤的过度诊断、评估不准确的问题。
[0009]本专利技术通过如下方式获得：1. 数据产生方法首先获取甲状腺滤泡腺瘤和滤泡癌的组织样本，通过压力循环技术，提取组织中的蛋白质，并利用酶将蛋白消化成多肽样本。随后，用TMT试剂标记不同样本中的多肽，并进一步通过高pH液相色谱对标记肽段进行分馏，每个馏分通过60分钟数据依赖采集模式进行获取质谱数据。最后将质谱采集后的原始文件数据用Proteome Discoverer软件进行蛋白质组表达的搜库与定量。
[0010]2.数据预处理方法对于搜库软件产生的蛋白质矩阵，首先移除缺失率超过60%的蛋白，然后使用R软件程序包NAguideR中的鲁棒序列填充法进行缺失值填充，最后采用ComBat算法进行数据整体的批次校正。
[0011]3.蛋白特征组合预选择首先，通过对预处理后的蛋白质矩阵进行分析，确定滤泡癌与滤泡腺瘤的差异蛋白，从而实现候选蛋白特征过滤。然后，通过三种方法进一步过滤：方差分析、Kruskal
‑
Wallis检验以及信息增益方法，从而确定初步的蛋白组合。
[0012]4.分类模型构建及最终特征组合确定首先，通过随机搜索和五折交叉验证来对极端梯度提升（XGBoost，eXtreme Gradient Boosting）算法的超参数进行调优，然后，基于上述的蛋白初步组合，进行更精细的特征选择：即通过多次训练模型，对蛋白进行重要性排序，并通过模型交叉验证效果确定最好的蛋白数量及蛋白组合。在确定完蛋白后，重新进行超参数调优和模型训练，最终的极端梯度提升模型可以对甲状腺滤泡性肿瘤的良恶性进行评估，给出一个0
‑
1之间的分数，分数越高，恶性程度也越高，从而可以在新的数据集上应用最终的极端梯度提升模型。
[0013]因此，在一方面，本专利技术提供一种蛋白组合在制备用于对甲状腺滤泡性肿瘤鉴别评估的试剂盒中的用途，所述蛋白组合由以下组成：Q8TF72_SHROOM3，Q86UX2_ITIH5，
Q8NBF6_AVL9，Q8N6Y0_USHBP1，Q96RR4_CAMKK2，Q92828_CORO2A，Q96K21_ZFYVE19，Q96FN5_KIF12，Q9H223_EHD4，Q9HCD6_TANC2，Q8IYT2_CMTR2，P14649_MYL6B，Q9UNA1_ARHGAP26，P02765_AHSG，Q86YB7_ECHDC2，Q9UBM7_DHCR7，Q04941_PLP2，P07202_TPO，Q687X5_STEAP4，O60706_ABCC9，O95429_BAG4，Q9Y487_ATP6V0A2，O75382_TRIM3，Q92959_SLC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.蛋白组合在制备用于对受试者的甲状腺滤泡性肿瘤鉴别评估的试剂盒中的用途，所述蛋白组合由以下组成：Q8TF72_SHROOM3，Q86UX2_ITIH5，Q8NBF6_AVL9，Q8N6Y0_USHBP1，Q96RR4_CAMKK2，Q92828_CORO2A，Q96K21_ZFYVE19，Q96FN5_KIF12，Q9H223_EHD4，Q9HCD6_TANC2，Q8IYT2_CMTR2，P14649_MYL6B，Q9UNA1_ARHGAP26，P02765_AHSG，Q86YB7_ECHDC2，Q9UBM7_DHCR7，Q04941_PLP2，P07202_TPO，Q687X5_STEAP4，O60706_ABCC9，O95429_BAG4，Q9Y487_ATP6V0A2，O75382_TRIM3，Q92959_SLCO2A1和Q8N3R9_MPP5，其中所述试剂盒含有检测所述蛋白组合的相对表达量的试剂。2.根据权利要求1所述的用途，其中所述蛋白组合的相对表达量通过质谱进行检测。3.根据权利要求1所述的用途，其中所述蛋白组合的相对表达量通过串联质谱标记技术进行检测。4.根据权利要求3所述的用途，其中所述评估包括将所述蛋白组合的相对表达量通过串联质谱标记技术检测而获得的数据输入极致梯度提升模型，输出一个0
‑
1之间的分数，分数越高，恶性程度也越高，截断值为0.5。5.一种试剂盒，其包含蛋白组合，所述蛋白组合由以下组成：Q8TF72_SHROOM3，Q86UX2_ITIH5，Q8NBF6_AVL9，Q8N6Y0_USHBP1，Q96RR4_CAMKK2，Q92828_CORO2A，Q96K21_ZFYVE19，Q96FN5_KIF12，Q9H223_EHD4，Q9HCD6_TANC2，Q8IYT2_CMTR2，P14649_MYL6B，Q9UNA1_ARHGAP26，P02765_AHSG，Q86YB7_ECHDC2，Q9UBM7_DHCR7，Q04941_PLP2，P07202_TPO，Q687X5_STEAP4，O60706_ABCC9，O95429_BAG4，Q9Y487_ATP6V0A2，O75382_TRIM3，Q92959_SLCO2A1和Q8N3R9_MPP5。6.一种对甲状腺滤泡性肿瘤鉴别评估的模型的构建方法，包括：以甲状腺滤泡腺瘤和滤泡癌的甲状腺组织中蛋...

【专利技术属性】
技术研发人员：郭天南，孙耀庭，王赫，
申请(专利权)人：西湖大学，
类型：发明
国别省市：