搜索到804 篇“ SELDI-TOF-MS “的相关文章
利用SELDI -TOF -MS 快速鉴定鲍曼不动杆菌的研究 被引量：1 2019年 SELDI -TOF -MS )技术快速鉴定鲍曼不动杆菌。方法收集临床分离鉴定的鲍曼不动杆菌60株及对照菌160株,将其所有菌株分成训练组和验证组。运用SELDI -TOF -MS 技术检测鲍曼不动杆菌和对照菌的蛋白表达,筛选鲍曼不动杆菌特征性蛋白。用Ciphergen Proteinchip软件自动采集数据,结果经BioMarker Wizard和Bio Marker Pattern分析建立分类树模型。利用该模型对20株鲍曼不动杆菌和51株非鲍曼不动杆菌进行盲法验证。结果在相对分子量3000～30000 Da范围内共检测到72个蛋白峰,其中具有统计学差异的蛋白峰有56个(P <0. 01)。Bio Marker Pattern软件判别分析,择优选出质荷比(M/Z)为1 6737. 8和5763. 61的蛋白质峰建立鲍曼不动杆菌分类树模型。盲法验证结果表明SELDI -TOF -MS 对鲍曼不动杆菌诊断的灵敏性和特异性分别为85%(17/20)、100%(51/51)。结论利用SELDI -TOF -MS 可快速鉴定鲍曼不动杆菌。关键词：鲍曼不动杆菌 表面增强激光解析电离飞行时间质谱 蛋白指纹图谱 基于SELDI -TOF -MS 技术筛选乳腺癌血清蛋白标志物 被引量：6 2019年 SELDI -TOF -MS )技术筛选出乳腺癌术前组与健康对照组、乳腺癌术前组与术后组、三阴性乳腺癌组与非三阴性乳腺癌组之间血清差异蛋白,然后联合MALDI-TOF -MS 、Tricine-SDS-PAGE等技术对筛选出的目标蛋白进行鉴定,最终确定乳腺癌血清特异蛋白标志物。结果乳腺癌术前组与健康对照组共筛选到14个差异蛋白峰值,11个在乳腺癌组呈高表达,3个呈低表达,其中Youden指数最高的模型为低表达蛋白m/z6448。乳腺癌组m/z6448表达水平低于健康对照组(38.0187±34.2194vs 337.5261±507.6438,P<0.01)。乳腺癌术前组与术后组具有差异性的蛋白质峰值6个,其中有4个在乳腺癌术前组呈高表达,有2个低表达。Youden指数最高的模型为m/z6448,其在乳腺癌术后组的表达水平高于术前组(38.0187±34.2194vs 294.1245±102.8634,P<0.01)。三阴性乳腺癌组与非三阴性乳腺癌组筛选出9个差异性的蛋白质峰值,其中有4个在三阴性乳腺癌组低表达,Youden指数最高的模型m/z峰位于6448的蛋白标志物,其在非三阴性乳腺癌中表达水平高于三阴性乳腺癌(5.1351+3.6437vs 43.6162±185.8542,P<0.01)。联合MALDI-TOF -MS 、Tricine-SDSPAGE等技术对筛选出的目标蛋白质进行鉴定,最终确定该差异蛋白为载脂蛋白C-I(APO C-I)肽段。结论 m/z峰位于6448的蛋白标志物经鉴定为载脂蛋白C-I肽段,可以作为乳腺癌血清尤其是三阴性乳腺癌的特异性血清蛋白标记物,初步建立了乳腺癌早期诊断及三阴性乳腺癌血清蛋白质指纹图谱模型。该蛋白表达的降低与乳腺癌肿瘤恶性程度的升高相关,可能与乳腺癌较差的预后�关键词：乳腺癌 蛋白质组学 应用SELDI -TOF -MS 技术筛选早期胃癌的血清诊断标志物 2018年 SELDI -TOF -MS )技术,对胃黏膜高级别上皮内瘤变(HGIEN)患者,Ⅰ/Ⅱ期胃癌患者及Ⅲ/Ⅳ期胃癌患者各24例的血清蛋白质谱进行分析。[结果]与高级别上皮内瘤变(HGIEN)患者对比,胃癌组有37种蛋白存在表达差异。这37种蛋白中有9种在Ⅰ/Ⅱ期胃癌组与Ⅲ/Ⅳ期胃癌组存在不同丰度的表达(P<0.05),其中2687.5Da、6271.2Da及6779.3Da表达差异显著(P<0.01),2687.5Da在高级别上皮内瘤变(HGIEN)组、Ⅰ/Ⅱ期胃癌组及Ⅲ/Ⅳ期胃癌组中表达上调,6271.2Da及6779.3Da在高级别上皮内瘤变(HGIEN)组、Ⅰ/Ⅱ期胃癌组及Ⅲ/Ⅳ期胃癌组中表达下调。以这三个蛋白质构建预测诊断模型,经盲法验证,该模型的灵敏度为77.78%,特异度为88.89%。[结论]这3个蛋白或将成为早期胃癌诊断的特异性生物蛋白标志物。关键词：SELDI-TOF-MS技术 胃癌 基于SELDI -TOF -MS 的冷却滩羊肉微生物差异蛋白分析 被引量：2 2018年 SELDI -TOF -MS )平台对滩羊肉表面微生物蛋白进行分析,区分不同贮藏时间生物样本之间的差异。通过正交矫正偏最小二乘法判别分析判断模型第一主成分的得分值(VIP阈值>1),并结合学生氏t检验的P值(阈值<0.05)寻找差异性表达蛋白。结果表明:应用Biomarker Wizard软件分析找出差异蛋白峰132个,其中75个差异蛋白峰可根据质荷比经Swiss-Prot数据库检索出对应的蛋白质,其余57个差异蛋白峰对应的为未知蛋白;从上述差异蛋白中未找到酶类的差异蛋白,但是找到了可能和滩羊肉菌体有关联的19个菌体蛋白。SELDI -TOF -MS 技术能够用于检测冷鲜滩羊肉不同贮藏阶段基因表达的各种蛋白质,从而发现大量具有价值的蛋白质标志分子。关键词：微生物 表面增强激光解吸电离飞行时间质谱 差异蛋白 SELDI -TOF -MS 技术早期诊断结直肠癌的应用进展2017年 关键词：SELDI-TOF-MS技术 结直肠肿瘤 SELDI -TOF -MS 蛋白指纹图谱技术在筛选肺腺癌EGFR突变的相关血清标志物中的应用被引量：2 2017年 SELDI —TOF -Ms)技术,分析100例肺冰冻切片确诊腺癌患者的血清获得蛋白表达图谱,同时将术后标本行PCR及基因检测进行表皮生长因子受体(EFGR)检测获得EGFR突变情况。用Biomarker Pattem(BPs)软件分析肺腺癌EGFR突变组与未突变组差异蛋白并初步建立诊断模型。通过盲筛进一步验证诊断模型。结果:100例肺腺癌EGFR突变组54例,其中EGFR19外显子E746-A750缺失28例,EGFR21外显子L858R点突变26例,未突变46例,分析两组病例血清有7个显著差异的蛋白波峰(P<0.05),其中蛋白质峰为M/Z 2890.91,4614.34、4887.88为3个提示肺腺癌存在EGFR突变的特异波峰。经BPs软件分析,并建立分类树模型。82例样本盲筛验证结果显示,其灵敏度为83.3%,特异度为88.2%。结论:SELDI —TOF -Ms技术可筛选出肺腺癌EGFR突变组蛋白并建立突变组与未突变组诊断的分类树模型,有望成为检测肺腺癌EGFR突变的辅助指标。关键词：蛋白指纹图谱技术 肺腺癌 SELDI -TOF -MS 技术筛选鼻型NK/T细胞淋巴瘤血清分子标志物的研究2017年 SELDI -TOF -MS 技术应用于鼻型NK/T细胞淋巴瘤患者与健康人的血清蛋白质图谱的建立,寻找血清差异表达蛋白并建立诊断初步模型,分析可能的肿瘤诊断标志物。方法采用SELDI 质谱技术,将血清蛋白质结合于弱阳离子芯片上,建立30例鼻型NK/T细胞淋巴瘤患者以及58例健康对照人群的血清蛋白质图谱,应用Biomarker Wizard和Biomarker Pattern软件分析2组图谱之间的差异,通过差异峰建立分类树诊断模型,随机选取21例NK/T细胞淋巴瘤和25例健康对照进行盲筛。结果在鼻型NK/T细胞淋巴瘤和健康对照人群的血清蛋白质峰中有41个峰表达差异有统计学意义(P<0.05),经Biomarker Pattern软件和分类回归树的统计原理筛选出最佳的组合模型,联合其中的2个质荷比为5 641、27 427的差异蛋白峰建立淋巴瘤诊断模型,此分类树模型可正确划分93.10%(27/29)的淋巴瘤患者和96.30%(52/54)的健康人。盲筛验证的敏感性为95.24%(20/21),特异性为100.00%(25/25)。结论 SELDI TOF -MS 技术可用于鉴别鼻型NK/T细胞淋巴瘤,其建立的分类树模型有望成为诊断鼻型NK/T细胞淋巴瘤的辅助指标。关键词：鼻型NK/T细胞淋巴瘤 肿瘤标志物 蛋白质组学 利用SELDI ‑TOF ‑MS 检测血清中ADAMTS13酶活性的方法 SELDI ‑TOF ‑MS 检测血清中ADAMTS13酶活性的方法，包括以下步骤：(1)ADAMTS13酶切底物GST‑vWF73‑6XHis重组蛋白的表达纯化；(2)酶切反应；(3)ADAMTS13酶切...基于SELDI -TOF -MS 技术的奶牛乳热血浆蛋白质组学分析 被引量：1 2016年 SELDI -TOF -MS 技术检验得到24个差异肽段的峰值,其中10个肽段经过Swissport Protein数据库搜索鉴定为10种差异蛋白。结果相对于对照组,乳热组中表达上调的蛋白4个;表达下调的蛋白2个;还有既表达上调又表达下调的蛋白4个。结论本次试验应用SELDI -TOF -MS 技术鉴定了几个在奶牛发生乳热时表达的差异蛋白质。这些发现也为以后揭示奶牛乳热代谢性改变提供了依据。关键词：SELDI-TOF-MS技术 蛋白质组学 奶牛 概率主成分分析联合支持向量机的前列腺SELDI -TOF 质谱数据分析方法研究 2016年 SELDI -TOF -MS )数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法。对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例)构造SVM判别模型,对剩余样本集(97例)进行测试。采用均方根误差、识别率与预测率指标,将所构造的PPCA-SVM模型分别与偏最小二乘(Partial least squares,PLS)和PCA-SVM模型进行比较,发现PLS模型的识别率和预测率分别为90.92%和76.38%,PCA-SVM模型分别为99.23%和84.63%,而PPCA-SVM模型分别为99.01%和90.41%。因此SELDI -TOF -MS 技术结合PPCA-SVM在样品分类中具有准确、重复性好等优点,为前列腺癌早期诊断提供了一种新方法。关键词：前列腺癌 概率主成分分析 SELDI-TOF-MS
