一种肝细胞肝癌的自身抗体7-AAb检测panel及其应用

• 摘要：

  本发明属于肝癌的筛查技术领域,具体涉及一种诊断肝细胞肝癌的自身抗体7‑AAb检测panel及其应用.本发明检测了561例肝细胞肝癌患者和592例对照(包括343例正常人NC和249例肝硬化患者LC)样本,通过10‑fold cross‑validation确定了CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428这7个蛋白的自身抗体具有区分肝细胞肝癌的能力.运用这7个分子,并建立了神经网络(ANN)模型,发现ANN模型显示出更好的诊断效能并且优于传统的logistic regression模型和甲胎蛋白(AFP).在验证集中,基于这7个分子的ANN模型同样显示出很好的诊断效能,特别是灵敏度.

• 专利类型：

  发明专利

• 申请/专利号：

  CN202010270727.7

• 申请日期：

  2020.04.08

• 公开/公告号：

  CN111413498A

• 公开/公告日：

  2020-07-14

• 发明人：

  樊嘉 高强 张舒 毕利军 李阳 刘羽鸣 杨思贤 刘诚喜

• 申请人：

  复旦大学附属中山医院

• 主分类号：

  G01N33/574(2006.01),G,G01,G01N,G01N33

• 分类号：

  G01N33/574(2006.01),G01N33/564(2006.01),G16B40/00(2019.01),G,G01,G16,G01N,G16B,G01N33,G16B40,G01N33/574,G01N33/564,G16B40/00

• 主权项：

  1.一种诊断肝细胞肝癌的自身抗体7-AAb检测panel,其特征在于,所述检测panel包括7个蛋白:CIAPIN1,EGFR,MAS1,SLC44A3,ASAH1,UBL7和ZNF428. 2.权利要求1所述的自身抗体7-AAb检测panel的筛选方法,其特征在于,包括以下步骤: 步骤S1、采集肿瘤标志物检测样本的样本数据,其中所述样本数据包括训练集数据和验证集数据; 步骤S2、采用含有100个重组蛋白的聚焦肝细胞肝癌的蛋白小芯片检测所述样本数据; 步骤S3、在训练集中采用10-fold cross-validation确定所述检测panel. 3.根据权利要求2所述的方法,其特征在于,其中所述蛋白小芯片的制备方法为:采用含有21154个重组蛋白的HuProtTM人类蛋白质组芯片对肝癌和健康人血清进行筛选,通过响应的数据比对和分析,确定候选生物标志物,点制聚焦肝细胞肝癌的蛋白小芯片. 4.根据权利要求3所述的方法,其特征在于,在所述数据比对前进行芯片内和芯片间归一化处理. 5.根据权利要求4所述的方法,其特征在于,所述的芯片内归一化实现方式为每个蛋白的前景值与背景值比值,即F median/B median,并此基础上定义SNR信噪比,即两个重复蛋白的F median/B median的均值. 6.根据权利要求4所述的方法,其特征在于,所述的芯片间归一化,实现方法为中位值线性归一化. 7.根据权利要求3所述的方法,其特征在于,所述的通过响应的数据比对和分析为:在归一化基础上,对数据进行统计学分析,以筛选出肝癌组特异性高响应蛋白,分析逻辑如下:①参数检验t检验,p-value<0.05即认为两者存在显著性差异;②计算组间差异倍数,fold change≥1.2时,即认为两者存在潜在差异;③以健康组样本为对象设置cut off＝mean+2SD(99％CI),并计算HCC阳性率,以10％作为最低筛选标准. 8.一种用于诊断肝细胞肝癌的试剂盒,其特征在于,所述试剂盒包含用于检测权利要求1所述的检测panel中蛋白水平的试剂或装置,并通过检测如权利要求1中检测panel中蛋白的表达,评估由所述检测产生的数据,从而诊断肝细胞肝癌. 9.根据权利要求8所述的试剂盒,其特征在于,所述评估是指将检测产生的数据,采用人工神经网络(ANN)行组合评估. 10.根据权利要求9所述的试剂盒,其特征在于,所述人工神经网络为全连接前馈神经网络,分为三层,输入层为7个神经元,隐含层为5个神经元,输出层为2个神经元,激活函数和输出函数均为sigmid函数,初始权重为随机权重.