System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及生物信息学领域和药学领域,具体地,本申请提供了缺血性卒中诊断模型和抗血小板药物的筛选方法。
技术介绍
1、卒中是仅次于缺血性心脏病的全球第二大死亡原因,是对神经系统的突然袭击。病因上可追溯到脑血管再灌注损伤。缺血性卒中的主要特征是脑血管血栓形成,导致血液和氧向脑血供的分配不足。缺血性卒中的筛查和诊断采用面部、手臂和言语测试以及各种先进的医学成像技术。然而,卒中患者的症状不典型、身体不适、情绪困扰和诊断设备的灵敏度有限等因素带来了诊断失败或延迟影像学检查的可能性。
2、在治疗领域,重组组织型纤溶酶原激活剂(tpa)溶栓是唯一获得fda认可的缺血性卒中治疗。临床结局显示,在卒中发生4.5小时内静脉给予0.9mg/kg阿替普酶显著改善。与此同时,静脉给药的钙拮抗剂和口服的活性抗高血压药可调节患者的血压,而急性出血性卒中患者的活动性出血得到精心管理。重症病例可能倾向于外科干预,如开颅手术和神经内镜手术。尽管取得了这些进展,但tpa治疗的疗效受到了治疗时间窗狭窄的阻碍,而患者相关因素(如入院延迟)进一步加剧了这一情况。此外,外科干预并没有显著改善死亡率或患者预后.
3、在血栓性疾病中,血小板作为微小的细胞碎片,是血栓形成的主要角色,也是抗血栓治疗的核心焦点。近年来的研究表明,在缺血/再灌注损伤后,血小板通过多种激动剂激活,如活性氧、血管性血友病因子和损伤相关分子模式分子。脑血管血栓形成的初步阶段涉及与血小板结合的红细胞和某些凝血因子在损伤部位的聚集,从而产生一个发展中的、多孔的、蛋白质支架的血栓。然而
4、近几十年来,多组学、各种人工智能机制和数据驱动技术的出现广泛推动了医学诊断和预后标志物的发现,以及潜在候选药物的筛选。基于脑缺血相关数据集的复杂和高维特性,使用机器学习(一套设计用于从广泛数据集提取知识和见解的数学方法)的必要性在变得更加明显。计算机辅助药物设计正在成为基本的,它利用计算技术和软件来增强潜在候选药物的识别,这是基于对靶分子的结构理解(基于结构)或具有生物学功能的已知配体(基于配体)的支持。这项工作通过生物信息学和机器学习网络进行处理,目的是在与该模型相关的基因的前提下,建立一种经过验证的药物筛选方法。
技术实现思路
1、一方面,本申请提供了缺血性脑卒中诊断模型,所述模型包括vcl、thbs1、f13a1、src、app标志物中的一个或者多个。
2、进一步地,所述所述模型包括vcl、thbs1、f13a1、src和app标志物。
3、进一步地,相比正常人群,所述vcl、thbs1、f13a1、src和/或app标志物在缺血性脑卒中患者或风险人群中的外周血中表达水平升高。
4、所述正常人群是相对缺血性脑卒中患者或风险人群而言,是指在缺血性脑卒中的患病状态和风险方面处于正常水平,不高于大多数人的群体。
5、另一方面,本申请提供了检测外周血中vcl、thbs1、f13a1、src和app标志物中一个或者多个水平的试剂在制备诊缺血性卒中早期诊断试剂盒中的应用。
6、进一步地,所述检测外周血中vcl、thbs1、f13a1、src、app标志物中一个或者多个水平的试剂为检测外周血中vcl、thbs1、f13a1、src和app标志物的试剂。
7、另一方面,本申请提供了缺血性卒中早期诊断试剂盒,所述试剂盒中包含检测外周血中vcl、thbs1、f13a1、src、app标志物中一个或者多个水平的试剂。
8、所述试剂盒中包含检测外周血中vcl、thbs1、f13a1、src和app标志物的试剂
9、进一步地,所述试剂为检测外周血中vcl、thbs1、f13a1、src和app mrna水平的试剂。
10、检测外周血中vcl、thbs1、f13a1、src和app mrna水平可以为检测相应蛋白水平或者相应mrma水平,相关试剂,包括但不限于血液处理用试剂、抗原、抗体,酶联免疫吸附试剂、免疫电泳试剂、免疫组化试剂、质谱用试剂、色谱用试剂、各种检测方法用的引物、标记各种基团的探针等本领域技术人员可以常规地选用
11、进一步地,所述试剂包括引物以及可选地探针。
12、另一方面,本申请提供了筛选抗血小板药物或者缺血性脑卒中药物的方法,所述方法包括(1)将候选药物与上述模型中的标志物进行分子对接分析并基于对接分析筛选药物;(2)在动物模型中验证步骤(1)中筛选到的药物。
13、进一步地,所述步骤(1)中的候选药物使用cmap数据库获得。
14、进一步地,所述步骤(1)中的对接分析使用autodock软件进行,并评价结合能。
15、进一步地,所述步骤(2)中的所述动物模型为大脑中动脉闭塞/再灌注大鼠模型。
本文档来自技高网...【技术保护点】
1.缺血性脑卒中诊断模型,其特征在于,所述模型包括VCL、THBS1、F13A1、SRC、APP标志物中的一个或者多个。
2.根据权利要求1所述的模型,其中所述模型包括VCL、THBS1、F13A1、SRC和APP标志物。
3.根据权利要求1或2所述模型,其中,相比正常人群,所述VCL、THBS1、F13A1、SRC和/或APP标志物在缺血性脑卒中患者或风险人群中的外周血中表达水平升高。
4.检测外周血中VCL、THBS1、F13A1、SRC和APP标志物中一个或者多个水平的试剂在制备诊缺血性卒中早期诊断试剂盒中的应用。
5.根据权利要求4所述的应用,其中所述检测外周血中VCL、THBS1、F13A1、SRC、APP标志物中一个或者多个水平的试剂为检测外周血中VCL、THBS1、F13A1、SRC和APP标志物的试剂。
6.缺血性卒中早期诊断试剂盒,其特征在于,所述试剂盒中包含检测外周血中VCL、THBS1、F13A1、SRC、APP标志物中一个或者多个水平的试剂。
7.根据权利要求6所述的试剂盒,所述试剂盒
8.根据权利要求4或5所述的应用或者根据权利要求6或7所述的试剂盒,所述试剂为检测外周血中VCL、THBS1、F13A1、SRC和/或APP mRNA水平的试剂。
9.根据权利要求8所述的应用,其中所述试剂包括引物以及可选地探针。
10.筛选抗血小板药物或者缺血性脑卒中药物的方法,其特征在于,所述方法包括:
11.根据权利要求10所述的方法,其中所述步骤(1)中的候选药物使用CMap数据库获得。
12.根据权利要求10或11所述的方法,其中所述步骤(1)中的对接分析使用AutoDock软件进行,并评价结合能。
13.根据权利要求10-12任一项所述的方法,所述步骤(2)中的所述动物模型为大脑中动脉闭塞/再灌注大鼠模型。
...【技术特征摘要】
1.缺血性脑卒中诊断模型,其特征在于,所述模型包括vcl、thbs1、f13a1、src、app标志物中的一个或者多个。
2.根据权利要求1所述的模型,其中所述模型包括vcl、thbs1、f13a1、src和app标志物。
3.根据权利要求1或2所述模型,其中,相比正常人群,所述vcl、thbs1、f13a1、src和/或app标志物在缺血性脑卒中患者或风险人群中的外周血中表达水平升高。
4.检测外周血中vcl、thbs1、f13a1、src和app标志物中一个或者多个水平的试剂在制备诊缺血性卒中早期诊断试剂盒中的应用。
5.根据权利要求4所述的应用,其中所述检测外周血中vcl、thbs1、f13a1、src、app标志物中一个或者多个水平的试剂为检测外周血中vcl、thbs1、f13a1、src和app标志物的试剂。
6.缺血性卒中早期诊断试剂盒,其特征在于,所述试剂盒中包含检测外周血中vcl、thbs1、f13...
【专利技术属性】
技术研发人员:孙晓波,耿艺菲,罗云,
申请(专利权)人:中国医学科学院药用植物研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。