期刊文献+

血清蛋白质质谱模型在大肠癌诊断中的应用 被引量:42

Application of serum protein pattern model in diagnosis of colorectal cancer
原文传递
导出
摘要 目的 建立蛋白质芯片技术检测血清蛋白质质谱的方法 ,探讨基于人工神经网络的血清蛋白质质谱模型在大肠癌诊断中的应用价值。方法 应用表面增强激光解吸电离飞行时间质谱仪(SELDI TOF MS) ,测定了 14 7例血清标本 (其中大肠癌 5 5例 ,健康人 92例 )的蛋白质质谱 ,用随机抽取的 87例标本 (大肠癌 32例 ,健康人 5 5例 )作为训练组 ,进行训练与交叉验证 ,将筛选出来的 5 910 ,8930 ,4 4 76和 8817的 4个质荷比峰作为输入 ,建立人工神经网络预测模型。并用另外测试组 (大肠癌2 3例 ,健康人 37例 )的血清标本盲法验证该模型。结果 利用从训练组得出的基于人工神经网络的血清蛋白质质谱模型 ,对测试组的 6 0例 (包括DukesA)未知血清进行预测 ,得到该方法对大肠癌的检出率为 82 .6 % (19/ 2 3) ,排除率为 91.9% (34/ 37)。结论 蛋白质芯片技术检测血清蛋白质质谱法在大肠癌的诊断中较以往的传统方法具有更高的检出率和排除率 ,值得进一步研究与应用。 Objective To explore the application of serum protein pattern mod els in diagnosis of colorectal cancer (CRC) by proteinchip technology. Methods One hundred and forty-seven serum samples ( 55 CRC patients and 92 healthy indi viduals) randomly divided into training set ( n =87,32 CRC patients and 55 he alth y individuals) and test set( n =60),were subjected for analysis by surface en hanc ed laser desorption/ionization-time of flight-mass spectrometry (SELDI-TOF-M S). Four top-scored peaks in 5910,8930,4476 and 8817 were detected by pr o teinchip software version 3.0. and were trained by a multi-layer artificial neu r al network (ANN) with a back propagation algorithm. An artificial neural network classifier had developed for separating CRC from the healthy group. The classif ier was then challenged with the test set (60 samples including 23 CRC patients and 37 healthy individuals) to determine the validity and accuracy of the classi fication system. Results The artificial neural network classifier separated th e CRC from the healthy samples,with sensitivity of 82.6% and specificity of 91. 9%. Conclusion Combination of SELDI-TOF-MS with the artificial neural network yields significant higher sensitivity and specificity than CEA in the diagnosis of CRC,which should be further studied.
出处 《中华肿瘤杂志》 CAS CSCD 北大核心 2004年第7期417-420,共4页 Chinese Journal of Oncology
基金 国家 973计划资助项目 (G19980 5 12 0 0 )
关键词 血清蛋白质 质谱模型 大肠癌 肿瘤 人工神经网络 Colorectal neoplasms/diagnosis Artificial neural network Proteomic
  • 相关文献

参考文献4

二级参考文献9

共引文献43

同被引文献325

引证文献42

二级引证文献285

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部