一种多囊卵巢综合征诊断和分型一体化模型构建方法技术

本发明专利技术公开了一种多囊卵巢综合征诊断和分型一体化模型构建方法，涉及代谢组学分析技术领域。所述方法包括：使用纳米基质辅助的激光解析电离质谱技术，对多囊卵巢综合征患者和健康志愿者的血清样本进行代谢指纹谱图分析；将得到的代谢指纹谱图进行机器学习，构建针对多囊卵巢综合征诊断和分型的一体化模型；应用构建的一体化模型进行多囊卵巢综合征诊断和分型的代谢生物标志物鉴别。本发明专利技术通过引入NPELDI MS实现了痕量血清样品的直接代谢指纹图谱，具有代谢分子选择性(根据尺寸排他效应的小分子特异性电离)、高灵敏度(～pmol水平的检测限)和重现性(变异系数<15％)，综合决策树的PCOS诊断准确率达到93.6％，表型分析准确率达到83.3％。达到83.3％。达到83.3％。

【技术实现步骤摘要】
一种多囊卵巢综合征诊断和分型一体化模型构建方法


[0001]本专利技术涉及基质辅助激光解吸电离质谱技术、生物样本代谢分子分析以及机器学习
，尤其涉及一种多囊卵巢综合征诊断和分型一体化模型构建方法。

技术介绍

[0002]多囊卵巢综合征(PCOS)是育龄妇女常见的内分泌代谢疾病，全球患病率为5％
‑
20％，占无排卵性不孕症的50％
‑
70％。PCOS与胰岛素抵抗(IR)密切相关，表现出多种表型(IR或non
‑
IR(NIR))并且需要针对葡萄糖耐量受损进行个体化治疗(例如，IR分型的PCOS患者服用盐酸二甲双胍)。
[0003]随着核酸、蛋白质和代谢物水平血清分子指纹图谱的出现，PCOS检测方法学的一个转折点出现。对于核酸指纹，通过全基因组关联研究的易感性位点和通过全基因组DNA甲基化分析的甲基化组标记已被确定为可能的诊断标志。然而，PCOS的直接致病基因尚不清楚。对于蛋白质指纹，验证与PCOS发病机制相关的潜在蛋白质生物标志物。血清代谢指纹图谱(SMFs)作为生化反应的终产物，直接表征当前生理和病理应激下的精确代谢途径和过程。尤其是PCOS，以前的特点是类固醇激素、氨基酸、碳水化合物、脂质、嘌呤、柠檬酸循环等的代谢紊乱。因此，代谢指纹图谱在支持女性健康的PCOS诊断中具有前景。
[0004]值得注意的是，实际的代谢测试需要在临床使用之前从数据采集和数据分析方面进行仔细设计。对于数据采集，质谱(MS)作为一种基本工具，可以对代谢信息进行高通量提取和测量。此前开发的纳米粒子增强激光解吸/电离(NPELDI)MS已应用于复杂生物体的直接代谢指纹识别，无需任何预处理。基于该平台，可以实现疾病的精准诊断，包括但不限于恶性肿瘤(如肺癌和乳腺癌)和内分泌代谢疾病(如糖尿病视网膜病变)。对于数据分析，SMF包含高维代谢物信息，需要数据驱动分析来识别疾病特异性模式并帮助构建稳健的诊断模型。关于诊断和表型在PCOS管理中的重要性，应评估最先进的机器学习算法，将两种分类任务结合到一个集成平台中。此外，肥胖是PCOS的独立危险因素之一，体重指数(BMI)测量是代谢健康的指标。理想的任务需要PCOS和SMF之间的统一分类和扰动关联。因此，由决策序列组成的决策树有可能降低模型复杂性并减轻PCOS临床负担。
[0005]传统的代谢分析技术(如液相/气相色谱
‑
质谱联用技术)需要严格的预处理过程(～3
‑
5小时，包括衍生化，蛋白沉淀以及色谱分离等复杂的预处理操作)以及较大的样本量(～100μL/样本)，以克服生物体液中样品的复杂性以及较低的代谢产物丰度。
[0006]临床上，PCOS的诊断标准存在异质性。例如，PCOS诊断依赖于1990年美国国立卫生研究院(NIH)标准中的体格检查和临床指标(例如雄激素过多和激素水平)，而卵巢形态根据2003年鹿特丹标准进行评估。此外，PCOS表型(例如IR或NIR)的测定仍依赖于其他临床指标，例如口服葡萄糖耐量试验的葡萄糖浓度和免疫反应试验的空腹胰岛素水平。由于缺乏标准化的标准和统一的技术平台，医生很难对PCOS进行“一站式”诊断，并根据具体表型制定合适的治疗策略。
[0007]因此，本领域的技术人员致力于开发一种有效实现多囊卵巢综合征疾病血清低分
子量段代谢的快速、高通量、高灵敏度检测的疾病模型。

技术实现思路

[0008]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是如何构建能有效实现包括多囊卵巢综合征疾病血清低分子量段代谢的快速、高通量、高灵敏度检测的疾病模型。
[0009]为实现上述目的，本专利技术提供了一种多囊卵巢综合征诊断和分型一体化模型构建方法，其所述方法包括以下步骤：
[0010]步骤1、使用纳米基质辅助的激光解析电离质谱技术，对多囊卵巢综合征患者和健康志愿者的血清样本进行代谢指纹谱图分析；
[0011]步骤2、将步骤1得到的代谢指纹谱图进行机器学习，构建针对所述多囊卵巢综合征诊断和分型的一体化模型；
[0012]步骤3、应用步骤2构建的一体化模型进行多囊卵巢综合征诊断和分型的代谢生物标志物鉴别。
[0013]在一些实施例中，所述步骤1还包括：
[0014]步骤1.1、准备多囊卵巢综合征患者的血清样本及对应的临床信息作为分析样本，并准备去离子水、纳米基质材料和LDI
‑
MS质谱仪；
[0015]步骤1.2、将血清样本与前处理液混合后，高速离心，取上清液，制得前处理后的血清样本；
[0016]步骤1.3、配置纳米基质溶液，制备样品，使用所述纳米基质溶液将所述样品制备成纳米颗粒基质；
[0017]步骤1.4、采用LDI
‑
TOF
‑
MS对步骤1.3制备的纳米颗粒基质进行血清样本代谢指纹谱图分析。
[0018]进一步的，步骤1.3中，制备所述样品的步骤为：取步骤1.2中经过前处理后的血清样本1μL点样在LDI
‑
MS质谱靶板上，室温下干燥，得到所述样品；
[0019]制备所述纳米颗粒基质的步骤为：取所述纳米基质溶液1μL点样在LDI
‑
MS质谱靶板上，室温下干燥，得到所述纳米颗粒基质。
[0020]在一些实施例中，所述步骤2还包括：
[0021]步骤2.1、对所述步骤1获得的指纹谱图进行预处理，包括数据重采样、谱线平滑、基线校正、谱峰联配以及缺失值填充，得到所述多囊卵巢综合征患者和健康志愿者血清代谢的m/z信号；
[0022]步骤2.2、使用Lasso算法对m/z信号进行特征选择(C＝1)，并设置约束系数的阈值，得到m/z特征；
[0023]步骤2.3、将步骤2.1得到的所述多囊卵巢综合征患者和所述健康志愿者血清代谢的m/z信号分成训练集、测试集和外部验证集；
[0024]步骤2.4、基于步骤2.3划分的训练集的血清代谢的m/z信号使用Lasso算法进行模型构建。
[0025]进一步的，步骤2.2中，所述阈值设置为1。
[0026]更进一步的，步骤2.4还包括：
[0027]使用20次重复的5折交叉验证对所述LASSO在所述训练集上进行l2参数优化以及
模型训练，比较其在训练集上的性能；
[0028]对训练好的模型在所述测试集上进行预测，得到所述LASSO在测试集上的性能；
[0029]对经过测试集测试的训练模型在所述外部验证集上进行预测，评估所述LASSO的性能。
[0030]在一些实施例中，所述步骤3还包括：
[0031]步骤3.1、准备多囊卵巢综合征患者的血清样本及对应的临床信息作为分析样本，并准备去离子水、纳米基质材料和LDI
‑
MS质谱仪；
[0032]步骤3.2、将血清样本与前处理液混合后，高速离心，取上清液，制得前处理后的血清样本；
[0033]步骤3.3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多囊卵巢综合征诊断和分型一体化模型构建方法，其特征在于，所述方法包括以下步骤：步骤1、使用纳米基质辅助的激光解析电离质谱技术，对多囊卵巢综合征患者和健康志愿者的血清样本进行代谢指纹谱图分析；步骤2、将步骤1得到的代谢指纹谱图进行机器学习，构建针对所述多囊卵巢综合征诊断和分型的一体化模型；步骤3、应用步骤2构建的一体化模型进行多囊卵巢综合征诊断和分型的代谢生物标志物鉴别。2.根据权利要求1所述的构建方法，其特征在于，所述步骤1还包括：步骤1.1、准备多囊卵巢综合征患者的血清样本及对应的临床信息作为分析样本，并准备去离子水、纳米基质材料和LDI
‑
MS质谱仪；步骤1.2、将血清样本与前处理液混合后，高速离心，取上清液，制得前处理后的血清样本；步骤1.3、配置纳米基质溶液，制备样品，使用所述纳米基质溶液将所述样品制备成纳米颗粒基质；步骤1.4、采用LDI
‑
TOF
‑
MS对步骤1.3制备的纳米颗粒基质进行血清样本代谢指纹谱图分析。3.根据权利要求2所述的构建方法，其特征在于，步骤1.3中，制备所述样品的步骤为：取步骤1.2中经过前处理后的血清样本1μL点样在LDI
‑
MS质谱靶板上，室温下干燥，得到所述样品；制备所述纳米颗粒基质的步骤为：取所述纳米基质溶液1μL点样在LDI
‑
MS质谱靶板上，室温下干燥，得到所述纳米颗粒基质。4.根据权利要求1所述的构建方法，其特征在于，所述步骤2还包括：步骤2.1、对所述步骤1获得的指纹谱图进行预处理，包括数据重采样、谱线平滑、基线校正、谱峰联配以及缺失值填充，得到所述多囊卵巢综合征患者和健康志愿者血清代谢的m/z信号；步骤2.2、使用Lasso算法对m/z信号进行特征选择(C＝1)，并设置约束系数的阈值，得到m/z特征；步骤2.3、将步骤2.1得到的所述多囊卵巢综合征患者和所述健康志愿者血清代谢的m/z信号分成训练集、测试集和外部验证集；步骤2.4、基于...

【专利技术属性】
技术研发人员：钱昆，王锐敏，黄琳，杨晓秋，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：