[发明专利]用于区分抑郁症和非抑郁症的生物标志物和包括其的诊断试剂盒有效
申请号: | 201911236135.7 | 申请日: | 2019-12-05 |
公开(公告)号: | CN112924684B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 张晓哲;王翼;刘欣欣;刘丹;程孟春;赵楠 | 申请(专利权)人: | 中国科学院大连化学物理研究所 |
主分类号: | G01N33/68 | 分类号: | G01N33/68;C07K14/00 |
代理公司: | 北京元周律知识产权代理有限公司 11540 | 代理人: | 张莹;戴嵩玮 |
地址: | 116023 *** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 区分 抑郁症 生物 标志 包括 诊断 试剂盒 | ||
本申请公开了一种用于区分抑郁症和非抑郁症的生物标志物,所述用于区分抑郁症和非抑郁症的生物标志物选自由SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4所示的多肽中的至少一种。利用这四个多肽标志物构建的试剂盒可以稳定且可靠地诊断抑郁症,能够克服依靠主观判断来诊断抑郁症的缺陷和不足,对抑郁症的诊断和临床干预有着重要的意义。
技术领域
本申请属于分析化学及临床检验诊断领域,具体涉及基于多肽组学的抑郁症诊断标志物和包括其的试剂盒。
背景技术
抑郁症作为一种常见的心理疾病,在世界范围内抑郁症患者预计超过3亿人。该病具有高复发率以及高自杀率,因此相对于其他精神类疾病,该病造成了较高的伤残调整生命年以及严重的经济负担。虽然抑郁症有行之有效的治疗方法,但是中国仍有较多的抑郁症患者未能接受有效治疗。而抑郁症的临床诊断仍是制约其有效治疗的难点之一。目前抑郁症的诊断主要依据结构式或半结构式的面谈,这十分受限于患者的文化水平以及医生的临床经验等主观因素,往往出现误诊、漏诊等现象。因此,医院迫切需要建立一套客观的标志物系统用于抑郁症的临床诊断。
事实上,抑郁症相关的病理机制的研究一直保持着较高的热度并发现了大量潜在的生物标志物。这些标志物涉及了不同的病理机制假说:单胺缺乏假说、下丘脑-垂体-肾上腺轴失调假说、免疫炎症假说、神经再生减少假说等,但用于抑郁症的诊断仍缺乏特异性和灵敏度。而这些标志物主要是一些基因、蛋白质、代谢物,而肽类标志物研究较少。多肽作为蛋白质合成、加工、降解的产物,可以反映生物体内的前体蛋白以及相关的蛋白酶的异常代谢。蛋白质被剪切成不同的肽段后,具有更好的组织渗透性以及高度功能性。一些肽段可以作为信使分子涉及机体的酶抑制活性、细胞活性以及神经活性的调节。因此与疾病的发生与发展密切相关。但是生物样本中复杂的基质效应、较低的生理浓度、蛋白吸附效应严重干扰了肽类物质的检测。这些技术上的难点限制了多肽组学与抑郁症相关性的系统研究。
发明内容
为了解决现有技术中的问题,本申请针对以上问题,成功实现了生物体液中的多肽组学的研究,确定了抑郁症生物标志物,用将其研发为试剂盒。
本发明的发明人主要利用盐析辅助液液萃取法(SALLE)纯化和富集生物体液多肽分子。
本发明的发明人主要利用纳升级高效液相色谱与二维线性离子阱质谱联用技术(nanoLC-orbitrap/MS)采集生物体液的多肽轮廓。
本发明的发明人为首次利用nanoLC-orbitrap/MS系统测定生物体液的多肽轮廓,选择每个多肽特征在所有样本中的缺失值在50%以内以及质控样本中每个多肽特征整个实验中相对标准偏差在75%以内为稳定的多肽特征。
在本发明的实施例中,发明人针对多电荷特征,并将所有特征对齐后,即保证两个实施例具有相同的特征数,然后进行和归一化,即将样本中所有的特征加和后为该样本的总特征强度,样本中每个特征除以总特征强度后均乘以100为这个样本中该特征的相对强度,所有的样本均采用相同的操作,可部分消除样本之间的差异。
本发明的发明人利用metaboanalyst软件,将归一化的特征进行对数转换以及帕累托缩放,使多肽特征满足正态分布,然后进行T检验。
在实施例部分,选择实施例中在T检验中显著性水平P小于0.05且健康组平均水平比抑郁症患者平均水平高2倍或者低2倍的特征以及经过多重假设检验(FDR)的显著性水平小于0.05的特征为潜在的生物标志物。
本发明的发明人利用PEAKS检索多肽特征的氨基酸序列,并通过保留时间以及质量窗口确定潜在的多肽标志物。
本申请选择受试者特性曲线选择曲线下面积(AUC)在0.6至0.999的多肽特征,通过二元逻辑回归模型建立组合模型诊断抑郁症。
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中国科学院大连化学物理研究所,未经中国科学院大连化学物理研究所许可,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/201911236135.7/2.html,转载请声明来源钻瓜专利网。