【技术实现步骤摘要】
本专利技术属于生物，具体涉及一种血清标志物组合及其筛选方法和应用。
技术介绍
1、血管性认知功能损害（vascular cognitive impairment，vci）是指由血管因素引起的或与之伴随的认知功能损害。近年来的研究显示，皮质下缺血性脑血管病（subcortical ischemic vascular disease，sivd）是造成 vci 的一个非常重要的原因，其导致的认知损害也是 vci 中均质性较高和最常见的亚型，已逐渐受到越来越多的重视。sivd 是一组综合征，是以皮质下多发性腔隙性梗死和白质病变（white matter lesion，wml）为主要脑部损害，以小血管病变为主要病因的缺血性脑血管病。多隐匿起病或表现为轻微的躯体症状，临床症状可有运动和认知执行速度下降、构音障碍、情绪改变、日常生活能力减退、排尿障碍和步态异常等。半数的sivd患者会出现认知恶化，并最终发展为皮质下血管性认知障碍（svci）。
2、目前，根据最新的血管性认知障碍分类共识研究（vicccs）指南，svci的诊断通常需要评估临床症状、结构性磁共振成像（mri）和神经心理评估。对于结构性mri，svci患者在t2加权和液体衰减反转恢复图像上显示出wmhs和小梗塞。然而，仅凭这些成像标记无法足以诊断认知障碍。wmhs的严重程度是否与认知下降的严重程度相关尚不确定。对于神经心理评估，目前的svci标准需要进行一个“60分钟”的方案，全面分析5个核心认知领域。然而，这些详细的神经心理评估难以进行，并且必须由经过良好培训的专业医
技术实现思路
1、本申请提出一种血清标志物组合及其筛选方法和应用，以解决对sivd患者转变为svci的风险进行预测的问题。
2、一种血清标志物组合，包括：
3、tg(56:8)-fa22:6；
4、dg(16:0_18:1)；
5、hex1cer(d18:1_18:0)；
6、tg(58:2)-fa18:1；
7、che(22:4)；
8、cer(d18:1_20:1)；
9、pe(18:1_22:6)；
10、sm (d18:1_16:0)；
11、hex1cer(d18:1_16:0)；
12、pa(18:0_18:0)；
13、dhcer(d18:0_24:0)。
14、本专利技术还提出了上述的血清标志物组合在制备用于皮质下血管性认知障碍风险预测的产品中的用途
15、本专利技术还提出了上述的血清标志物组合的产品在制备用于皮质下血管性认知障碍风险预测的产品中的用途。
16、可选的，所述用于皮质下血管性认知障碍风险预测的产品包括试剂、试纸、试剂盒或仪器。
17、一种血清标志物组合的筛选方法，包括如下步骤：
18、步骤一：获取患有皮质下缺血性脑血管病的受试者的血清样品，并且根据受试者是否进展为皮质下血管性认知障碍，将血清样品分为svci组样品和非svci组样品；
19、步骤二：分析svci组样品和非svci组样品中的脂质代谢物含量，得到与皮质下血管性认知障碍最相关的脂质代谢物的类别；
20、步骤三：针对所述与皮质下血管性认知障碍最相关的脂质代谢物的类别，对所述svci组样品和非svci组样品进行靶向脂质代谢物分析；得到靶向分析差异代谢物；
21、步骤四：基于机器学习方法对所述靶向分析差异代谢物建立皮质下血管性认知障碍诊断模型；根据建立得到的皮质下血管性认知障碍诊断模型筛选出所述血清标志物组合。
22、可选的，所述步骤二中采用液相色谱-质谱分析脂质代谢物，并通过opls-da模型进行差异代谢物筛选；和/或
23、所述步骤二还包括根据差异代谢物筛选结果进行代谢通路分析。
24、可选的，所述步骤三中采用液相色谱-质谱针对进行靶向脂质代谢物分析，并通过opls-da模型进行靶向差异代谢物筛选，得到所述靶向分析差异代谢物。
25、可选的，所述基于机器学习方法对所述靶向分析差异代谢物建立皮质下血管性认知障碍诊断模型的方法包括：基于机器学习方法对所述靶向分析差异代谢物建立多种皮质下血管性认知障碍诊断模型，再将得到的多种皮质下血管性认知障碍诊断模型进行融合。
26、可选的，基于机器学习方法对所述靶向分析差异代谢物建立10种以上皮质下血管性认知障碍诊断模型，选择准确度最高的三种皮质下血管性认知障碍诊断模型进行融合。
27、可选的，基于机器学习方法对所述靶向分析差异代谢物建立包括如下种类的模型：
28、logistic回归、ridge回归、线性判别分析、二次判别分析、虚拟分类器、naïve贝叶斯、extra tree、决策树、随机森林、支持向量机、k近邻分类器、自适应boost分类器、xgboost、lightgbm、梯度boost分类器和catboost分类器
29、与现有技术相比，本专利技术的有益效果包括：
30、本专利技术提出的血清标记物可以为导致皮质下血管性认知障碍的神经生物学机制的研究提供辅助和依据，并且可以为早期精准诊治服务，有一定推广意义及价值。
31、本专利技术根据大样本数据使用全面的血清代谢组学和脂质组学分析建立血清生物标记物提取方法，是一种易解释，简单客观，且可靠性很强的生物标记物提取方法。
32、本专利技术的方法在血清标志物探索中应用血清代谢组学和脂质组学技术，对比不同的代谢组学结果发现鞘脂类物质可以作为潜在代谢生物标志物，并且皮质下血管性认知障碍的病理过程可能部分是通过诱导鞘氨醇激酶的表达完成的。基于上述方法建立的模型还可以在诊断疑似皮质下血管性认知障碍时，根据血样对患者皮质下血管性认知障碍风险进行分层。
本文档来自技高网...【技术保护点】
1.一种血清标志物组合，其特征在于，包括：
2.权利要求1所述的血清标志物组合在制备用于皮质下血管性认知障碍风险预测的产品中的用途。
3.一种检测权利要求1所述的血清标志物组合的产品在制备用于皮质下血管性认知障碍风险预测的产品中的用途。
4.根据权利要求2或3所述的用途，其特征在于，所述用于皮质下血管性认知障碍风险预测的产品包括试剂、试纸、试剂盒或仪器。
5.权利要求1所述的血清标志物组合的筛选方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的血清标志物组合的筛选方法，其特征在于，所述步骤二中采用液相色谱-质谱分析脂质代谢物，并通过OPLS-DA模型进行差异代谢物筛选；和/或
7.根据权利要求5所述的血清标志物组合的筛选方法，其特征在于，所述步骤三中采用液相色谱-质谱针对进行靶向脂质代谢物分析，并通过OPLS-DA模型进行靶向差异代谢物筛选，得到所述靶向分析差异代谢物。
8.根据权利要求5所述的血清标志物组合的筛选方法，其特征在于，所述基于机器学习方法对所述靶向分析差异代谢物建立皮质下血管
9.根据权利要求8所述的血清标志物组合的筛选方法，其特征在于，基于机器学习方法对所述靶向分析差异代谢物建立10种以上皮质下血管性认知障碍诊断模型，选择准确度最高的三种皮质下血管性认知障碍诊断模型进行融合。
10.根据权利要求9所述的血清标志物组合的筛选方法，其特征在于，基于机器学习方法对所述靶向分析差异代谢物建立包括如下种类的模型：
...【技术特征摘要】
1.一种血清标志物组合，其特征在于，包括：
2.权利要求1所述的血清标志物组合在制备用于皮质下血管性认知障碍风险预测的产品中的用途。
3.一种检测权利要求1所述的血清标志物组合的产品在制备用于皮质下血管性认知障碍风险预测的产品中的用途。
4.根据权利要求2或3所述的用途，其特征在于，所述用于皮质下血管性认知障碍风险预测的产品包括试剂、试纸、试剂盒或仪器。
5.权利要求1所述的血清标志物组合的筛选方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的血清标志物组合的筛选方法，其特征在于，所述步骤二中采用液相色谱-质谱分析脂质代谢物，并通过opls-da模型进行差异代谢物筛选；和/或
7.根据权利要求5所述的血清标志物组合的筛选方法，其特征在于，所述步骤三中采用液相色谱-质谱针...
【专利技术属性】
技术研发人员：秦琪，唐毅，尹筠思，王帆，屈俊达，张彤彤，
申请(专利权)人：首都医科大学宣武医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。