[发明专利]一种生物标志物组合及其筛选方法在审
| 申请号: | 202310126440.0 | 申请日: | 2023-02-16 |
| 公开(公告)号: | CN116106401A | 公开(公告)日: | 2023-05-12 |
| 发明(设计)人: | 钱昆;曹敬;徐伟 | 申请(专利权)人: | 上海交通大学 |
| 主分类号: | G01N27/64 | 分类号: | G01N27/64;G01N33/68 |
| 代理公司: | 上海旭诚知识产权代理有限公司 31220 | 代理人: | 郑立 |
| 地址: | 200240 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 生物 标志 组合 及其 筛选 方法 | ||
1.一种生物标志物组合,其特征在于,所述生物标志物组合包括乳酸、谷氨酰胺、高精氨酸和3-甲基戊烯酸。
2.如权利要求1所述的生物标志物组合在脑动脉瘤破裂风险评估中的应用。
3.一种如权利要求1所述的生物标志物组合的筛选方法,其特征在于,所述方法包括以下步骤:
步骤1、使用纳米颗粒增强激光解吸/电离质谱采集脑动脉瘤患者和健康对照组血清的代谢指纹;
步骤2、对步骤1得到的脑动脉瘤患者和健康对照组血清的代谢指纹进行机器学习,筛选所述生物标志物组合。
4.如权利要求3所述的筛选方法,其特征在于,所述步骤1还包括:
步骤1.1、用去离子水稀释所述血清的样本,得到预处理后的血清样本;
步骤1.2、制备氧化铁无机纳米颗粒;
步骤1.3、制备样品,将步骤1.1获得的预处理后的血清样本在质谱靶板上点样,自然干燥,得到上样后的质谱靶板;
步骤1.4、制备基质,将步骤1.2获得的氧化铁无机纳米颗粒配成基质溶液,在步骤1.3得到的上样后的质谱靶板上点样,自然干燥,得到添加了样品和基质后的质谱靶板;
步骤1.5、基质辅助激光解吸电离质谱仪中检测步骤1.4得到的添加了样品和基质后的质谱靶板,进行所述血清样本的代谢指纹的采集。
5.如权利要求4所述的筛选方法,其特征在于,所述步骤1.3中所述预处理后的血清样本点样体积为1μL;所述步骤1.4中所述基质溶液的浓度为1mg/mL,点样体积为1μL。
6.如权利要求4所述的筛选方法,其特征在于,所述步骤1.2中所述制备氧化铁无机纳米颗粒的方法为:将0.60g柠檬酸三钠,2.40g氯化铁和3.84g乙酸钠依次加入80mL乙二醇的溶液中搅拌分散,溶液转移至特氟龙高压反应釜中,200摄氏度烘箱中反应10小时,产物分别用乙醇和去离子水清洗3次,最后在60摄氏度烘箱中干燥。
7.如权利要求4所述的筛选方法,其特征在于,所述步骤1.5中所述基质辅助激光解吸电离质谱仪的检测条件为:质谱检测代谢指纹采用反射模式,正离子检测,检测范围设为100-1000Da,激光波长355nm,激光频率2kHz;延迟时间为150ns;加速电压为20kV,延迟提取的重复率为1kHz;每次分析叠加2000次的激光照射。
8.如权利要求3所述的筛选方法,其特征在于,所述步骤2中所述机器学习包括:
步骤2.1、将所述血清样本划分为训练集和测试集,对采集的代谢指纹进行信号预处理,分别得到预处理后的训练集的代谢指纹和预处理后的测试集的代谢指纹;
步骤2.2、在Orange 3.33.3上使用梯度提升决策树算法对步骤2.1得到的预处理后的训练集的代谢指纹进行特征选择和机器学习,构建模型;
步骤2.3、在Orange 3.33.3上使用所述梯度提升决策树算法处理步骤2.1得到的预处理后的测试集的代谢指纹,验证步骤2.3构建的模型的性能;
步骤2.4、根据所述特征选择方法的结果建立生物标志物筛选标准,筛选出生物标志物的组合。
9.如权利要求8所述的筛选方法,其特征在于,所述步骤2.1中所述信号预处理具体包括谱线平滑、基线校正和谱峰联配。
10.如权利要求8所述的筛选方法,其特征在于,所述步骤2.4中所述生物标志物筛选标准为:须同时满足:矫正P值0.05、单指标曲线下面积0.7和所述梯度提升决策树算法的对应系数排序在前25位。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310126440.0/1.html,转载请声明来源钻瓜专利网。





