摘 要:
背景与目的：蛋白质组学的发展为肿瘤的早期诊断和肿瘤标志物筛选提供了全新的技术平台。本研究旨在应用蛋白质芯片技术结合人工神经网络建立乳腺癌诊断模型，并评价其应用价值。方法：利用表面加强激光解吸电离-飞行时间质谱(SELDI-110F-MS)技术及其配套蛋白质芯片对49例乳腺癌患者和33例健康人的血清蛋白质组图谱进行检测，结合人工神经网络软件建立诊断模型并进行验证。结果：以全部253个差异表达蛋白质峰的数据构建完整诊断模型，以差异最大的4个峰的数据构建简化诊断模型。完整模型盲法预测的灵敏度和特异度分别为83.33％(15／18)和88.89％(8／9)，对早期和中晚期乳腺癌的检出率分别为90.00％(9／10)和75．00％(6／8)；简化模型盲法预测的灵敏度和特异度分别为76.47％(13／17)和90.00％(9／10)，3例早期乳腺癌均被其准确检出(100．00％，3／3)，对中晚期乳腺癌的检出率为71．43％(10／14)。两模型灵敏度、特异度两方面的差异无统计学意义(P>0．05)，对早期和中晚期乳腺癌患者的检出率均无显著性差异(P>0．05)。结论：该方法具有较高的灵敏度和特异度，可用于乳腺癌早期诊断与肿瘤标志物筛选研究。 (共5页)
cqvip.com