论文部分内容阅读
目的:本研究应用表面加强基质辅助激光解析电离飞行时间质谱(surface-enhanced laserdesorption/ionization-time of flight-mass spectrometry SELDI-TOF-MS)技术对口腔颌面部恶性及良性肿瘤的血清和唾液进行蛋白质组学分析,旨在寻找差异蛋白及生物标记物探索建立诊断口腔颌面部恶性肿瘤模型。方法:随机选取华中科技大学同济医学院附属同济医院口腔颌面外科住院部患者53例为研究对象,其中口腔颌面部恶性肿瘤21例,腮腺良性肿瘤21例,囊肿及炎症11例。收集患者术前唾液及血液,高速离心后取出上清分装后置入-80℃冰箱保存。样本在一个冻融周期内同批进行SELDI-TOF-MS分析,应用BiomarkerWizard软件识别蛋白峰信息,用SPSS16.0软件对数据进行统计学分析,然后应用Biomarker Patterns软件建立口腔恶性肿瘤诊断模型并确定目标蛋白。结果:通过软件分析在血清样本中找到76个符合条件的差异蛋白峰,其中有3个蛋白质峰具有统计学意义,分别为2578.32M/Z,6283.90M/Z和9094.88M/Z,利用上述蛋白建立口腔颌面部恶性肿瘤的诊断模型,应用模型对样本进行检验,敏感性达到96.9%,特异性达86.7%。唾液样本中低质荷比范围可识别差异蛋白峰有148个,其中的6个蛋白峰具有统计学意义,分别为3828.283M/Z、3950.066M/Z、4938.604M/Z、5755.727M/Z、M6152.815M/Z、8608.193M/Z。利用上述蛋白建立唾液口腔颌面部恶性肿瘤的诊断模型,应用模型对样本进行检验,敏感性达到81.0%,特异性达到90.3%。结论:本研究建立的树形分类模型在鉴别口腔颌面恶性肿瘤患者和良性肿瘤中发挥作用,有望成为口腔癌早期筛查的诊断方法,值得进深入研究。