血浆蛋白标志物在胰腺癌辅助诊断产品中的应用
本发明实施例涉及生物医学,具体涉及血浆蛋白标志物在胰腺癌辅助诊断产品中的应用。
背景技术:
1、胰腺癌是一种恶性程度极高的消化系统肿瘤。由于胰腺为腹膜后器官,解剖位置深在且隐蔽,加之该疾病早期起病隐匿、缺乏特异性的临床表征,导致早期诊断极其困难。临床流行病学数据显示,超过80%的患者在初次确诊时即已发生周围血管侵犯或远处脏器转移,错失了根治性手术切除的时机,致使其预后极差,整体5年生存率通常不足10%。
2、目前临床针对胰腺癌的早期诊断极其困难:(1)腹部超声:常作为首选的影像学筛查工具,但由于胰腺位于胃肠道后方,极易被肠道气体遮挡,导致对早期微小胰腺肿瘤的检出率极低。(2)增强ct及内镜超声:ct诊断率较高但存在辐射及造影剂风险;内镜超声对于小胰腺癌非常敏感,但属于高度侵入性操作,需要麻醉,且极度依赖内镜医生的操作水平,不适合普通人群的普查。(3)血液标志物(ca19-9):是目前唯一临床常规推荐的胰腺癌标志物。但ca19-9存在两大明显缺陷:一是假阳性率高,在胆道梗阻、胰腺炎等良性疾病中常显著升高;二是假阴性问题,约有5%-10%的人群为lewis抗原阴性,这些患者即使患有晚期胰腺癌,ca19-9也不表达。
3、综上所述,现有技术存在影像学容易漏诊或操作侵入性强、单一标志物ca19-9假阳/假阴性率高的缺陷,亟需更加全面筛选用于胰腺癌筛查与诊断的生物标志物具有重大的实际价值。
技术实现思路
1、为此,本发明实施例提供血浆蛋白标志物在胰腺癌辅助诊断产品中的应用。
2、为了实现上述目的,本发明实施例提供如下技术方案:
3、根据本发明实施例的第一方面,本发明提供血浆蛋白标志物在胰腺癌辅助诊断产品中的应用,所述血浆蛋白标志物为cilp2、dusp14、mmp7、eif4a2和c3的组合。
4、根据本发明实施例的第二方面,本发明一种胰腺癌辅助诊断产品,所述产品包括检测血浆蛋白标志物的试剂,所述血浆蛋白标志物为cilp2、dusp14、mmp7、eif4a2和c3的组合。
5、进一步地,所述产品还包括检测cilp2、dusp14、mmp7、eif4a2和c3蛋白表达水平的试剂。
6、进一步地,所述产品为试剂盒。
7、根据本发明实施例的第三方面,本发明一种构建胰腺癌辅助诊断模型的方法,包括如下步骤:
8、(1)将病例组与对照组血浆样本经somascan 11k平台完成蛋白组学检测及质控,数据集分层7:3随机划分为训练集与验证集;
9、(2)训练集上以全部蛋白特征训练机器学习模型,依据gain特征重要性筛选排名前5的蛋白作为最终建模特征;
10、(3)以所述最终建模特征联合年龄、教育程度、吸烟情况、运动状态协变量在训练集构建机器学习模型,在验证集评估模型,通过约登指数确定最佳分类阈值。
11、进一步地,所述机器学习模型为lightgbm模型。
12、进一步地,步骤(2)与(3)中,所述lightgbm模型的训练参数设置为:学习率0.05,单树最大叶子节点数31,最大迭代次数500次,早停轮数20轮。
13、进一步地,所述最终建模特征为cilp2、dusp14、mmp7、eif4a2和c3的组合。
14、本发明实施例具有如下优点:
15、本发明采用somascan高通量蛋白组学平台从数千个血浆蛋白中系统性筛选出5个血浆蛋白(cilp2、dusp14、mmp7、eif4a2和c3),由上述血浆蛋白构建的模型具有较好的诊断效能,实现胰腺癌的精准判别,为胰腺癌的筛查/诊断提供了新的方法。
1.血浆蛋白标志物在胰腺癌辅助诊断产品中的应用,其特征在于,所述血浆蛋白标志物为cilp2、dusp14、mmp7、eif4a2和c3的组合。
2.一种胰腺癌辅助诊断产品,其特征在于,所述产品包括检测血浆蛋白标志物的试剂,所述血浆蛋白标志物为cilp2、dusp14、mmp7、eif4a2和c3的组合。
3.根据权利要求2所述的产品,其特征在于,所述产品还包括检测cilp2、dusp14、mmp7、eif4a2和c3蛋白表达水平的试剂。
4.根据权利要求2所述的产品,其特征在于,所述产品为试剂盒。
5.一种构建胰腺癌辅助诊断模型的方法,其特征在于,包括如下步骤:
6.根据权利要求5所述的构建胰腺癌辅助诊断模型的方法,其特征在于,所述机器学习模型为lightgbm模型。
7.根据权利要求6所述的构建胰腺癌辅助诊断模型的方法,其特征在于,步骤(2)与(3)中,所述lightgbm模型的训练参数设置为:学习率0.05,单树最大叶子节点数31,最大迭代次数500次,早停轮数20轮。
8.根据权利要求5所述的构建胰腺癌辅助诊断模型的方法,其特征在于,所述最终建模特征为cilp2、dusp14、mmp7、eif4a2和c3的组合。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com