[发明专利]一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用在审

专利信息
申请号: 202210278510.X 申请日: 2022-03-16
公开(公告)号: CN114813994A 公开(公告)日: 2022-07-29
发明(设计)人: 任志刚;刘振国;姜炎 申请(专利权)人: 郑州大学第一附属医院
主分类号: G01N30/02 分类号: G01N30/02;G01N30/72;G01N30/86
代理公司: 杭州中成专利事务所有限公司 33212 代理人: 朱莹莹
地址: 450052 河*** 国省代码: 河南;41
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 用于 癫痫 发作 控制 患者 诊断 血清 代谢物 标志 及其 应用
【说明书】:

发明属于生物医药技术领域,具体涉及一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用。本发明提供了一种用于区别癫痫发作控制患者和健康人群的血清代谢物标志物(血清代谢物模型),该血清代谢物组合由Serylisoleucine、1‑Methyladenosine、Heptaethylene glycol组成,所述代谢物在人体血清中富集。因此,本发明的代谢物区别模型在癫痫发作控制患者和健康对照者中实现了良好的区别能力。

本发明属于生物医药技术领域,具体涉及一种用于癫痫发作控制患者无创诊断的血清代谢物标志物及其应用。

背景技术

癫痫是一种影响各个年龄人群的慢性非传染性疾病,全球每年大约有500万人被诊断为该神经系统疾病(WHO)。它的特征是具有产生癫痫发作的持久倾向,以及因此带来的神经生物学、认知、心理和社会后果。至此,癫痫没有容易获得的金标准,完整的病史和目击者的可靠叙述是诊断的关键。此外,癫痫的多态性以及各种因素也使得诊断更加复杂,从第一次未被识别的癫痫发作到出现癫痫发作的时间包含几周到几十年不等。不幸的是,癫痫的延迟就诊和误诊并不少见,并且具有潜在的破坏性。

代谢物是局部或全身细胞反应的结果,同时由于它可以穿过血脑屏障,因此可以代表中枢神经系统的生物现象的改变。Edward Beamer等人发现嘌呤腺苷及其分解产物的血液水平可以作为癫痫和癫痫发作的生物标志物。Udo Fh Engelke等人将代谢组学和红外离子光谱相结合,发现6-oxoPIP可作为诊断吡哆醇依赖性癫痫(PDE-ALDH7A1)的生物标志物。然而,大样本癫痫发作控制患者的代谢组学未被表征和研究。

基于以往的代谢组学的研究结果,我们试图通过大样本的血清代谢组学来进一步发现癫痫发作控制患者在微生态和代谢物方面的改变,并构建相关的生物标志物,为癫痫治疗提供广阔的理论基础。

发明内容

本发明提供了一种用于区别癫痫发作控制患者和健康人群的血清代谢物标志物(血清代谢物模型),该血清代谢物组合由Serylisoleucine、1-Methyladenosine、Heptaethylene glycol组成,所述代谢物在人体血清中富集。

本发明还提供了血清代谢物标志物在制备癫痫发作控制患者与健康人群的区分检测试剂盒中的应用。

所述区分检测试剂盒适用于区别癫痫发作控制患者和健康人群。

所述血清代谢物标志物的检测方法为:对所述对象的血清进行检测,以便确定该样本是否包含所述的代谢物,是否可以建立区别癫痫发作控制患者和健康人群的代谢物模型。

通过收集入组对象的血清样本,得到血清提取物,完成非靶向代谢物组学,检测是否存在上述3种代谢物。

进一步的,通过收集入组对象的血清样本得到血清提取物,通过液相色谱质谱联用检测受试者的血清样本中所述血清代谢物组合的浓度水平;基于代谢物检测数据,在训练集中建立癫痫发作控制患者与健康人群的代谢物区别模型,建立癫痫患病率(probability of disease,POD)指数;POD指数在验证集中计算其区别能力,进行验证。

具体包括:

(1)收集入组对象的血清样本,入组对象包括22例癫痫发作控制患者和44例健康对照,用血清样本提取液处理来自受试者的血清样本,得到血清提取物,通过非靶向代谢组学技术检测血清代谢物浓度;

(2)基于非靶向代谢组学数据,在代谢物区别模型的训练集中,在22例癫痫发作控制患者和44例健康对照者之间,基于一个随机森林模型,通过一个五倍交叉验证的算法,鉴定了用于该模型的最佳的3个代谢物标志物;

(3)基于3个代谢物标志物,通过使用随机生成的决策树的比率来计算癫痫的患病率(Probability of disease,POD)指数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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郑州大学第一附属医院,未经郑州大学第一附属医院许可,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/202210278510.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top