【技术实现步骤摘要】
本专利技术属于医学检验，具体涉及一种肝细胞癌微血管侵犯的诊断模型及其构建方法和用途。
技术介绍
1、肝细胞癌(hepatocellular carcinoma，hcc)是原发性肝癌中较为常见的一种类型，是全球癌症相关死亡的第四大主要原因。以肝切除和移植为主的外科手术依旧是目前有效的治疗手段。尽管如此，术后复发率依旧不低，切除术后的5年复发率为50～70％，移植术后的5年复发率为30～35％。肝细胞癌具有易转移和高复发的特点，在发展过程中很容易侵犯血管，形成微血管侵犯(microvascular invasion，mvi)。微血管侵犯是hcc预后不良的独立危险因素，伴mvi的hcc患者复发率显著高于无mvi的hcc患者，其5年复发率高达60～70％。因此，术前明确mvi状态对治疗方案的制定以及患者预后的改善具有重要意义。
2、现阶段，mvi的诊断“金标准”依赖于肿瘤病灶的病理学检查，但病理学检查结果易受到取材部位(如，肿瘤时空异质性)的影响，也无法在术前为临床提供是否存在mvi的信息。影像学诊断mvi是目前较为常见的手段，通过特征图像的识别从而判断mvi的状态，但特征图像的提取依赖于有经验的临床医生，而且结果判断相对主观且耗时。其次，影像学方法对mvi的检出率不佳，如增强计算机断层成像(computed tomography，ct)检出率为30～50％，增强磁共振成像(magnetic resonance imaging，mri)检出率为40～60％，超声造影检出率为20～40％。因此，亟需新型、有效的术前mvi诊断方
3、越来越多研究揭示蛋白组学和代谢组学在hcc发生发展中的作用。本专利技术通过检测有mvi和无mvi的hcc患者血液中代谢物的变化，从中筛选出与mvi相关的代谢物，联合术前临床肿瘤指标，建立得到高敏感度和高特异性的术前mvi诊断模型。本专利技术提供的术前mvi诊断模型以无创形式获得多维数据，准确预测肝细胞癌患者mvi状态，为mvi术前诊断提供新思路。
技术实现思路
1、本专利技术目的在于克服现有手段对术前mvi诊断的缺失，以及敏感度和特异性不足的缺陷，提供一种能提高mvi有效检出率的诊断模型。具体的，本专利技术以肝细胞癌患者血液中代谢物作为切入，联合术前临床肿瘤指标，发现pivka-ii、ggt、l-丝氨酸(l-serine)、肌氨酸(sarcosine)和肿瘤大小对肝细胞癌mvi的形成具有重要意义，并基于上述诊断指标建立得到一种基于多组学、多维度的诊断模型，用于肝细胞癌患者术前mvi的诊断。
2、在本专利技术的第一方面，本专利技术提供一种诊断指标或检测诊断指标的试剂在制备术前诊断肝细胞癌微血管侵犯的产品中的用途，所述诊断指标为pivka-ii、ggt、l-serine、sarcosine和肿瘤大小。
3、所述产品包括但不限于模型、试剂盒、膜条、芯片或检测平台。
4、若没有特别限定，本专利技术所述的检测诊断指标的试剂为本领域技术人员已知的可检测pivka-ii、ggt、l-serine、sarcosine和肿瘤大小的试剂或者手段。
5、在本专利技术的第二方面，本专利技术提供一种肝细胞癌微血管侵犯诊断指标的获取方法，所述方法包括：将肝细胞癌患者按照有无mvi分组；对患者代谢组数据进行差异分析和富集通路分析，筛选得到与mvi相关的代谢物；采用单因素和多因素二元logistic回归分析，以p<0.05为阈值筛选得到肝细胞癌微血管侵犯诊断指标。
6、优选的，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
7、(1)将hcc患者按照有无mvi进行分组，使用uhplc-ms检测hcc患者血液样本中的代谢物组成，获得代谢组数据；
8、(2)对代谢组数据进行差异分析和富集通路分析，筛选出与mvi相关的代谢物；
9、(3)收集hcc患者的术前临床肿瘤指标；
10、(4)采用单因素分析，以p<0.05为阈值，筛选出与hcc患者mvi相关的指标；
11、(5)在步骤(4)得到的候选指标中采用多因素分析，以p<0.05为阈值，筛选得到诊断指标，所述诊断指标由pivka-ii、ggt、l-serine/sarcosine和肿瘤大小组成。
12、在本专利技术的具体实施方式中，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
13、(1)将hcc患者按照有无mvi进行分组，使用uhplc-ms检测hcc患者血液样本中的代谢物组成，获得代谢组数据；
14、(2)采用opls-da对代谢物和mvi状态进行分析，筛选vip>1且p<0.05的差异代谢物；随后对差异代谢物进行基于kegg数据库的富集通路分析，筛选出影响值>0.2的代谢物；
15、(3)收集患者术前临床指标，包括甲胎蛋白、异常凝血酶原ii(protein inducedby vitamin k absence or antagonist-ii，pivka-ii)、白蛋白、总胆红素、谷丙转氨酶、谷草转氨酶、γ-谷氨酰转肽酶(gamma-glutamyl transferase，ggt)、乙肝表面抗原、肿瘤大小、肿瘤数量和中国肝癌分期方案分级；
16、(4)采用单因素二元logistic回归分析步骤(2)和(3)获得的单个因素对mvi的影响，筛选与mvi相关的p<0.05的指标；
17、(5)采用多因素二元logistic回归分析步骤(4)获得的多个因素对mvi的影响，筛选p<0.05的指标作为诊断指标。
18、在本专利技术的第三方面，本专利技术提供一种肝细胞癌微血管侵犯诊断模型的构建方法，所述方法包括以本专利技术第二方面所述的筛选方法得到的诊断指标为变量，根据多因素二元logistic回归分析得到的线性系数构建得到诊断模型。
19、本专利技术所述的肝细胞癌微血管侵犯诊断模型通过如下方法制备得到：
20、将hcc患者按照有无mvi分组；对患者代谢组数据进行差异分析和富集通路分析，筛选得到mvi相关的代谢物；采用单因素和多因素二元logistic回归分析，以p<0.05为阈值筛选得到肝细胞癌微血管侵犯诊断指标；以所述诊断指标为变量，根据多因素二元logistic回归分析得到的线性系数构建得到诊断模型。
21、优选的，所述的肝细胞癌微血管侵犯诊断模型通过如下方法制备得到：
22、(1)将hcc患者按照有无mvi进行分组，使用uhplc-ms检测hcc患者血液样本中的代谢物组成，获得代谢组数据；
23、(2)对代谢组数据进行差异分析和富集通路分析，筛选出与mvi相关的代谢物；
24、(3)收集hcc患者的术前临床肿瘤指标；
25、(4)采用单因素分析，以p<0.05为阈值，筛选出本文档来自技高网...
【技术保护点】
1.诊断指标或检测诊断指标的试剂在制备术前诊断肝细胞癌微血管侵犯的产品中的用途，所述诊断指标为PIVKA-II、GGT、L-Serine、Sarcosine和肿瘤大小。
2.一种肝细胞癌微血管侵犯诊断指标的获取方法，所述方法包括：将肝细胞癌患者按照有无MVI分组；对患者代谢组数据进行差异分析和富集通路分析，筛选得到MVI相关的代谢物；采用单因素和多因素二元Logistic回归分析，以P<0.05为阈值筛选得到肝细胞癌微血管侵犯诊断指标。
3.根据权利要求2所述的方法，其特征在于，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
4.根据权利要求2所述的方法，其特征在于，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
5.一种肝细胞癌微血管侵犯诊断模型的构建方法，所述方法包括以权利要求2-4任一项所述的筛选方法得到的诊断指标为变量，根据多因素二元Logistic回归分析得到的线性系数构建得到诊断模型。
6.根据权利要求5所述的方法，其特征在于，所述的肝细胞癌微血管侵犯诊断模型通过如下方法制备得到：>
7.根据权利要求6所述的方法，其特征在于，所述的肝细胞癌微血管侵犯诊断模型通过如下方法制备得到：
8.一种肝细胞癌微血管侵犯的诊断模型，特征在于，所述诊断模型通过权利要求5-7任一项所述的方法构建得到。
9.根据权利要求8所述的诊断模型，其特征在于，所述肝细胞癌微血管侵犯的诊断模型为：
10.权利要求8或9任一项所述的模型在如下至少一项中的用途：
...【技术特征摘要】
1.诊断指标或检测诊断指标的试剂在制备术前诊断肝细胞癌微血管侵犯的产品中的用途，所述诊断指标为pivka-ii、ggt、l-serine、sarcosine和肿瘤大小。
2.一种肝细胞癌微血管侵犯诊断指标的获取方法，所述方法包括：将肝细胞癌患者按照有无mvi分组；对患者代谢组数据进行差异分析和富集通路分析，筛选得到mvi相关的代谢物；采用单因素和多因素二元logistic回归分析，以p<0.05为阈值筛选得到肝细胞癌微血管侵犯诊断指标。
3.根据权利要求2所述的方法，其特征在于，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
4.根据权利要求2所述的方法，其特征在于，所述肝细胞癌微血管侵犯诊断指标的获取方法包括如下步骤：
5...
【专利技术属性】
技术研发人员：郭玮，黄斐，王蓓丽，姜惠琴，张春燕，赵瀛，潘柏申，
申请(专利权)人：复旦大学附属中山医院，
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。