[发明专利]多肽芯片及帕金森病的诊断模型、诊断装置、应用在审

专利信息
申请号: 202211259695.6 申请日: 2022-10-14
公开(公告)号: CN116203247A 公开(公告)日: 2023-06-02
发明(设计)人: 雒晓东;曹红志;李卓;莫家仪;李哲;肖斌 申请(专利权)人: 广东省中医院(广州中医药大学第二附属医院;广州中医药大学第二临床医学院;广东省中医药科学院);珠海碳云智能科技有限公司
主分类号: G01N33/68 分类号: G01N33/68;C07K7/06;C07K7/08;G16H50/20;G16B30/00;G16B40/00
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 林青中
地址: 510120 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多肽 芯片 帕金森病 诊断 模型 装置 应用
【权利要求书】:

1.多肽在制备用于诊断帕金森病的产品中的应用,所述多肽包括氨基酸序列如SEQ IDNO:1~SEQ ID NO:12所示的多肽中的至少两种;

优选地,所述多肽包括氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽。

2.一种多肽芯片,其特征在于,包括固定在载体上的多肽,所述多肽为氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽中的至少两种;

优选地,所述多肽为氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽。

3.一种帕金森病诊断模型的构建方法,其特征在于,包括以下步骤:

获取患有帕金森病的和不患有帕金森病的个体的样本在多肽芯片上的检测数据,所述多肽芯片包括固定在载体上的多肽,所述多肽包括氨基酸序列如SEQ ID NO:1~SEQ IDNO:12所示的多肽中的至少两种;以及

利用所述检测数据与样本信息,通过机器学习的方法建立分类模型,其中,所述样本信息包括是否患帕金森病;

优选地,所述多肽包括氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽;

优选地,所述机器学习的方法包括如下任意一种方法:逻辑回归、随机森林、支持向量机和朴素贝叶斯;

优选地,所述机器学习的方法包括使用R语言中的glm函数建立逻辑回归模型。

4.根据权利要求3所述的构建方法,其特征在于,所述样本包括血浆样本或血清样本。

5.根据权利要求要求3~4任一项所述的构建方法,其特征在于,所述检测数据是将所述多肽芯片上检测到的氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽中的至少两种多肽的特征信号强度经过对数转换得到的数据。

6.一种帕金森病诊断模型,其特征在于,所述帕金森病诊断模型根据权利要求3~5任一项所述的构建方法构建得到。

7.一种帕金森病的诊断装置,其特征在于,包括:

数据获取模块,用于获取待测样本在多肽芯片上的检测数据,所述多肽芯片包括固定在载体上的多肽,所述多肽包括氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽中的至少两种;

处理模块,用于将所述待测样本在多肽芯片上的检测数据代入如权利要求6所述的帕金森病诊断模型,使用predict函数计算得到处理结果;以及

诊断模块,用于根据所述处理结果诊断所述待测样本来源的待测者是否患有帕金森病。

8.根据权利要求7所述的诊断装置,其特征在于,所述待测样本包括血浆样本或血清样本;及/或

所述检测数据是将所述多肽芯片上检测到的氨基酸序列如SEQ ID NO:1~SEQ ID NO:12所示的多肽中的至少两种多肽的特征信号强度经过对数转换得到的数据。

9.根据权利要求7~8任一项所述的诊断装置,其特征在于,所述用于根据所述处理结果诊断所述待测样本来源的待测者是否患有帕金森病包括:

当所述处理结果大于或等于预设阈值时,诊断所述待测样本来源的待测者患有帕金森病或患帕金森病的风险高;

否则,诊断所述待测样本来源的待测者未患有帕金森病或患帕金森病的风险低。

10.根据权利要求9所述的诊断装置,其特征在于,所述预设阈值为0.5。

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广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院);珠海碳云智能科技有限公司,未经广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院);珠海碳云智能科技有限公司许可,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/202211259695.6/1.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