血液或尿液代谢标志物及其在子宫内膜癌分型中的应用

1.本发明属于生物技术领域，具体涉及血液或尿液代谢标志物及其在子宫内膜癌分型中的应用。


背景技术：

2.子宫内膜癌（endometrial cancer，ec）传统分型是1983年bokhman根据临床特点、流行病学观察及激素相关性分为i型和ii型。i型ec为雌激素依赖型，与子宫内膜增生有关，世界卫生组织组织学分类为子宫内膜样癌，组织分化通常为高分化，侵袭性低；ii型ec为非雌激素依赖型，这一类往往侵袭性强，组织学分类亚型包括浆液性癌、透明细胞癌、混合型腺癌等。另外，子宫内膜癌还包括一些罕见亚型如粘液性癌、未分化癌、神经内分泌癌等。不同组织学分类对手术方案的确定和术后辅助治疗有重要指导意义。术前诊刮或宫腔镜检查由于取材或制片、读片的限制，存在漏诊或误诊的情况，子宫切除术后的分型分化可能与术前存在差异，导致手术范围不足或过大，也为术后辅助治疗决策带来困难。而术后的分子分型虽然更好地进行了个体化预后指导，但无法改变已经结束的手术决策，且分子分型需要较为复杂的技术和流程，费用较高，在没有分子病理诊断的医疗单位也很难开展。如果在术前能够对ec患者通过微创或者无创的方法区分，进行分层精准管理和诊疗，对ec的系统管理将是非常大的帮助。
3.代谢组学具有对机体生理病理变化反应灵敏，采样过程微创或无创，无需获得目标器官组织等优点，在临床应用方面有很大潜力。既往研究发现，代谢组学研究可以在ec的分期分型中发挥一定作用，不同期别或者不同病理类型的患者体内代谢物浓度有所不同，提示某些代谢物可以对疾病的严重程度进行区分。有深肌层浸润患者体内某些代谢物如肌苷、黄嘌呤和次黄嘌呤浓度显著升高，而羟鞘磷脂、磷脂酰胆碱和内源性雌激素等代谢物与肌层浸润深度有关，可以作为ec的分期工具。与淋巴脉管间隙浸润相关的代谢物生物标记物包括十六己二烯肉碱、二酰基残基和c38:1的磷脂酰胆碱、二酰基残基和c34:4的磷脂酰胆碱和酰基烷基残基和c38:3，此外血液中3-羟基丁酸盐也显示了与分期的相关性。然而大部分研究样本量较少，多集中于单一的血液或者尿液样本，所筛选的标记物区分效能欠佳。
4.鉴于此，本发明采用超高通量液相色谱－质谱联用技术（ultra performance liquid chromatography-mass spectrometry，uplc-ms），收集ec患者术前的血液及尿液样本，进行代谢组学的联合分析。本发明基于i型ec与ii型ec在代谢组学上的差异，通过分析差异代谢物及代谢通路以探讨不同类型ec的发病机制，利用代谢组学筛选出来的差异代谢物可作为有效区分i型ec与ii型ec的生物标记物。


技术实现要素：

5.基于上述背景，为解决大部分研究样本量较少，多集中于单一的血液或者尿液样本，所筛选的标记物区分效能欠佳的问题，本发明提供了血液或尿液代谢标志物及其在子宫内膜癌分型中的应用。
6.为实现上述目的，本发明是通过以下技术方案来实现：本发明提供了血液或尿液代谢物作为诊断标志物在制备用于鉴别i型与ii型子宫内膜癌的产品中的应用，所述血液或尿液代谢物选自蔗糖、高甘露素d或其组合。
7.进一步地，所述产品包括试剂盒、芯片。
8.进一步地，所述产品通过检测蔗糖、高甘露素d的含量水平以鉴别i型与ii型子宫内膜癌。
9.进一步地，所述检测方法为质谱鉴定法。
10.进一步地，所述质谱鉴定法中采用一级全扫描模式筛选并联合二级靶向分析。具体地，本发明先采用uplc-ms进行全扫描模式检测血液或尿液代谢物，全扫描模式是同时采集质量范围50m/z到1200m/z内的所有小分子一级信息，再通过多元统计分析（主成分分析pca和正交偏最小二乘判别分析opls-da）筛选出差异代谢物，进一步对差异代谢物进行靶向二级碎裂，结合数据库二级谱图，最终确定差异代谢物的结构。
11.本发明还提供了一种用于鉴别i型与ii型子宫内膜癌的鉴定试剂，所述鉴定试剂为检测血液或尿液代谢物的试剂。
12.进一步地，所述血液或尿液代谢物选自蔗糖、高甘露素d或其组合。
13.本发明还提供了一种用于鉴别i型与ii型子宫内膜癌的试剂盒，所述试剂盒包括用于检测蔗糖、高甘露素d或其组合的鉴定试剂。
14.本发明还提供了一种用于鉴别i型与ii型子宫内膜癌的芯片，所述芯片包括用于检测蔗糖、高甘露素d或其组合的鉴定试剂。
15.与现有技术相比，本发明的有益效果如下：本发明通过血液或尿液联合代谢组学对ec进行研究，筛选的组合代谢标志物可以将i型ec与ii型ec进行区分，其auc值可达0.938，有较好的敏感度和特异度，能够在术前参与治疗决策，包括手术范围的确定，术后结合分子分型进行个体化的辅助治疗，减少复发，延长生存，对ec的系统管理将是非常大的帮助。
附图说明
16.图1为i型和ii型子宫内膜癌的血清代谢谱分类图（a图：pca分类图，b图：opls-da分类图）；图2为i型和ii型子宫内膜癌的尿液代谢谱分类图（a图：pca分类图，b图：opls-da分类图）；图3为本发明两种代谢物组合鉴别i型和ii型子宫内膜癌的roc曲线。
具体实施方式
17.为了便于理解本发明，下面将对本发明进行更全面的描述。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
实施例
18.1、仪器与试剂
dynamics, uk）对uplc-ltq orbitrap获得的原始数据进行处理。该软件可自动完成峰对齐、峰识别和峰校正等前处理程序，最终输出三维矩阵，即由保留时间和精确质荷比组成的谱峰索引变量、样本名称和峰强度/面积组成。获得的数据矩阵导入多变量统计软件simca-p software 14.0（umetrics ab, umea, sweden）进行pca 分析，可视化组间变化趋势。非参检验p值小于0.05的变量认为是组间显著性差异变量，筛选为子宫内膜癌的早期潜在标志物。对筛选的差异变量进行二级碎裂，采用hcd（high collision dissociation）碎裂方式，根据具体代谢物选择204060ev能量。将二级碎片采用progenesis qi软件进行解卷积，搜索hmdb（human metabolome database）数据库，确定差异代谢物结构。
28.6、筛选结果血液代谢物：非监督pca图显示i型和ii型子宫内膜癌呈现出一定的区分度（参见图1a）；进一步采用监督opls-da构建模型，两组区分度更加明显（参见图1b）。筛选出血液差异代谢物132个。
29.尿液代谢物：pca图显示i型和ii型子宫内膜癌区分明显（参见图2a），opls-da显示两组区分度更加明显（参见图2b）。筛选出尿液差异代谢物119个。
30.将血液或尿液代谢物中筛选得到的差异代谢物进行靶向二极分析，确定出2个代谢物结构，即蔗糖和高甘露素d。并且采用逻辑回归算方法分析得到，将蔗糖和高甘露素d联合用于区分i型和ii型子宫内膜癌，可达到较好的预测效果，roc曲线的auc值为0.938（参见图3），10倍交叉验证auc为0.929，灵敏度及特异性见表2。
31.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
32.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。