行业动态首页 > 新闻动态 > 行业动态

博翀芯片定制服务助力肝细胞癌血清标志物筛选
时间:2020-07-13 10:50:00

概述:

肝细胞癌(HCC)是一个全球性的疾病,每年新增病人数超过70万,死亡率居恶行肿瘤第二。甲胎蛋白(AFP)是HCC早期诊断中经典的标志物,而由于其低灵敏度导致的假阴性问题较为普遍,因此临床上需要更有效的早诊标志物。但是,在新的标志物筛选中,常常面临着两个问题,第一,系统性、全局性不够;第二,精准度不够,即从海量的原始数据无法精准定位某一个或几个靶标分子。

为解决上述问题,近日,复旦大学附属中山医院肝癌研究所高强团队基于Huprot人类全蛋白质组芯片系统性、全局性的筛选HCC早期诊断标志物,通过集成逻辑回归(logistics regression)、人工神经网络(Artificial Neural Network)算法建立了针对HCC的精准区分模型,模型中包含了CIAPIN1EGFRMAS1SLC44A3ASAH1UBL7ZNF4287种蛋白质,最后通过独立样本对模型的泛化能力进行验证。该研究在《Journal of Hematology & Oncology》在线发表(IF=11.059)


研究思路:


Shu Zhang,et al.Journal of Hematology & Oncology.2020.


该研究包括三个阶段:Discovery PhaseI)、Test PhaseII)、Validation PhaseIII)。


蛋白芯片筛选潜在标志物

discovery阶段(I),基于人类全蛋白质组芯片(芯片包括>20,000新测序的重组人源蛋白,覆盖率81%,是目前世界上通量最高的蛋白质芯片)筛选出HCC血清中的特异性免疫高响应的自身抗体(AAb),共计筛选出81个(图A);在test阶段(II),联合相关文献报道的19个蛋白(共计100个),制备成肝癌特异的小芯片,并通过样本测试重复性,结果显示测试阵列呈现高重现性(图B);用制备的小芯片进行大样本量测试,展示HCC患者、肝硬化患者、健康对照各一例的信号强度的三维渲染(图C)。



Shu Zhang,et al.Journal of Hematology & Oncology.2020.


ANN(人工神经网络)模型建立

Test阶段(II),基于定制芯片测试结果,分别比较分析HCCCirrhoticHCChealthy数据,并基于p-value <0.05fold change≥1.2sensitivity>15%,specificity>90%判定标准,筛选出55个潜在的生物标志物。

为了更加精准筛选出具备显著区分能力的单个或多个标志物,基于逻辑回归(logistics regression)算法对55种潜在的生物标志物进行进一步筛选,并通过10-fold cross validation(图A)筛选出7个蛋白,分别为CIAPIN1EGFRMAS1SLC44A3ASAH1UBL7ZNF428

基于筛选出的标志物,通过神经网络中error BackPropagation算法建立多个人工神经网络(ANN)模型,并将模型进行集成,对肝细

胞、肝癌患者和其他对照样本进行区分。在项目研究中建立的人工神经网络为全连接前馈神经网络,网络分为三层,输入层为7个神经元,隐含层为5个神经元,输出层为2个神经元,激活函数和输出函数均为sigmod函数(图C)。其中,所建立的7-AAb panelANN模型的sensitivity=68.6%,specificity=92.1%,AUC=0.894HCC VS对照[健康+肝硬化]),优于AFP(临界值=400mg/mLsensitivity=28.4%,specificity=98.7%,AUC =0.808)。


Shu Zhang,et al.Journal of Hematology & Oncology.2020.


ANN(人工神经网络)模型验证

validation阶段(III)577例样本(279例肝细胞肝癌, 179例正常, 119例肝硬化患者)作为独立样本,通过盲测法对模型进行验证;在盲测过程中,通过训练产生的模型委员对每例样本进行投票,确定是否肝癌患者,最后通过临床确诊信息来确定模型的准确度。


ANN模型的工作流程图

(Shu Zhang,et al.Journal of Hematology & Oncology.2020.)


对于建立的ANN模型,通过独立样本验证其泛化能力。验证结果中,sensitivity=68.6%,specificity= 90.1%,AUC=0.902HCC VS对照[健康+肝硬化])(表1),并且对于AFP阴性患者,即AFP指标无法检出的患者,ANN模型的sensitivity =80.6%,specificity 90.1%,AUC=0.926AFP- HCC VS对照[健康+肝硬化])(表2)。综合,ANN模型的灵敏度(62.2-77.5%),优于AFP30.7%)。

当结合阶段(II)和阶段(III)的数据时,整体sensitivity=71.6%,specificity=90.0,AUC=0.898HCC VS对照组[健康+肝硬化])(表2),对于AFP阴性患者,整体sensitivity=76.1%,specificity =89.1%,AUC=0.912AFP-HCC与对照组[健康+肝硬化])(表2)。


1. HCC检测中评估7-AAb panelAFP


Shu Zhang,et al.Journal of Hematology & Oncology.2020.


2. AFP- HCC检测中评估7-AAb panel


Shu Zhang,et al.Journal of Hematology & Oncology.2020.


ANN模型应用

乙型肝炎表面抗原(HBsAg)可用于确定患者是近期还是长期感染HBV。实验中,大约70%的HCC患者为HBsAg+。对于HBsAg+-HCC检测,该模型提供了59.6-79.1%的灵敏度和85.2-95.5%的特异性(AUC =0.822~0.932),而AFP(临界值400mg/mL)提供了31.4-34.7%的灵敏度和96.7-100%的特异性。说明ANN模型能够有效地检测出HBsAg--HCC患者。


小结:

在本研究中,Huprot人类全蛋白质组芯片和定制芯片的应用,为标志物的筛选提供了系统性和全局性的解决方案,而人工神经网络(ANN)算法能从海量的原始数据中精准定位相关的靶标分子,为筛选出肝癌相关标志物组合提供新思路。

博翀生物可提供相关芯片实验服务及人工神经网络(ANN)算法。


参考文献

[1]Shu Zhang,et al. Autoantibody signature in hepatocellular carcinoma using seromics. Journal of Hematology & Oncology.2020.


关于我们

广州博翀生物科技有限公司为体必康集团子公司,同时也是中科院生物物理所成果转化的标杆企业之一。博翀生物是以系列蛋白芯片产品、质谱蛋白质组学(iTRAQTMTDIA等产品)、代谢组学产品及其整体科研解决方案等为特色,整合科技、临床和产业资源,为科研和创新转化领航的高科技企业。


博翀生物人全蛋白质组芯片简介:


电话:17727140658 邮箱:shichang@tbhealthcare.com 地址:总部:广州市黄埔区科丰路31号G1栋
分部:广东省佛山新城岭南大道南2号
广州博翀生物科技有限公司 版权所有 粤ICP备19137094号 您是第 11553 位访客
服务在线 服务在线
服务在线 服务在线