公开/公告号CN114965787A
专利类型发明专利
公开/公告日2022-08-30
原文格式PDF
申请/专利权人 天津云检医疗器械有限公司;天津云检医学检验所有限公司;
申请/专利号CN202210643233.8
申请日2022-06-09
分类号G01N30/02(2006.01);G01N30/72(2006.01);G01N30/86(2006.01);
代理机构北京卫智易创专利代理事务所(普通合伙) 16015;
代理人朱春野
地址 300450 天津市滨海新区滨海科技园康泰大道59号绿谷健康产业园28号楼
入库时间 2023-06-19 16:33:23
法律状态公告日
法律状态信息
法律状态
2022-09-16
实质审查的生效 IPC(主分类):G01N30/02 专利申请号:2022106432338 申请日:20220609
实质审查的生效
技术领域
本发明涉及个性化医学技术领域,具体涉及一种预测分娩时间的检测试剂及试剂盒。
背景技术
分娩,是指自母体中作为新的个体出现;特指胎儿脱离母体作为独自存在的个体的这段时期和过程。分娩的全过程共分为3期,也称为3个产程。第一产程,即宫口扩张期。第二产程,即胎儿娩出期。第三产程,胎盘娩出期,指胎儿娩出到胎盘排出的过程。早产和分娩是围产期发病和死亡的主要原因,即使已经确定了与早产相关的众多危险因素,可以根据是否临近产期,根据身体子宫收缩的情况去判断是否即将要分娩,但目前还无法准确预测分娩时间。
虽然目前对正常、足月和异常怀孕的代谢系统生物学的了解已有所增加,但在临床实践中还没有基于代谢的孕期分娩时间的预测。
发明内容
本发明的目的在于提供一种用于预测分娩时间的检测试剂及试剂盒,可以对孕期分娩时间进行预测。
为实现上述目的,本发明提供一种用于预测分娩时间的检测试剂,包括具有如下质荷比的尿液代谢物特征:m/z 114.934、m/z 148.122、m/z 164.116、m/z 220.119、m/z231.941、m/z 267.110、m/z 273.092、m/z 275.160、m/z 280.154、m/z 298.164、m/z365.173、m/z 412.189、m/z 429.196、m/z 445.189、m/z 464.201、m/z 493.281、m/z533.189、m/z 534.193、m/z 572.272。
本发明还提供尿液代谢物特征在制备预测分娩时间的试剂盒中的用途,所述尿液代谢物特征包括如下质荷比:m/z 114.934、m/z 148.122、m/z 164.116、m/z 220.119、m/z231.941、m/z 267.110、m/z 273.092、m/z 275.160、m/z 280.154、m/z 298.164、m/z365.173、m/z 412.189、m/z 429.196、m/z 445.189、m/z 464.201、m/z 493.281、m/z533.189、m/z 534.193、m/z 572.272。
本发明还提供一种预测分娩时间的试剂盒,包括具有尿液代谢物特征的检测试剂,且所述尿液代谢物特征包括如下质荷比:m/z 114.934、m/z 148.122、m/z 164.116、m/z220.119、m/z 231.941、m/z 267.110、m/z 273.092、m/z 275.160、m/z 280.154、m/z298.164、m/z 365.173、m/z 412.189、m/z 429.196、m/z 445.189、m/z 464.201、m/z493.281、m/z 533.189、m/z 534.193、m/z 572.272。
可选的,所述预测分娩时间的试剂盒的检测样本为受试者在怀孕14至36周时的尿液。
与现有技术相比,本发明具有如下有益效果:
本发明技术方案通过尿液代谢物特征便可对分娩时间进行预测,使得医护人员能够根据预测结果做出相应的措施,以降低早产妈妈和后天新生疾病婴儿的风险。
本发明技术方案在对分娩时间进行预测时,采用的试剂盒可以采用受试者的尿液作为检测样本,消除了受试者在采集血样时的不适感。
附图说明
图1为S地区和A地区的分娩时间预测图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种用于预测分娩时间的检测试剂,包括具有如下质荷比的尿液代谢物特征:m/z 114.934、m/z 148.122、m/z 164.116、m/z 220.119、m/z 231.941、m/z267.110、m/z 273.092、m/z 275.160、m/z 280.154、m/z 298.164、m/z 365.173、m/z412.189、m/z 429.196、m/z 445.189、m/z 464.201、m/z 493.281、m/z 533.189、m/z534.193、m/z 572.272。
本发明实施例的检测试剂中尿液代谢物特征可以应用于预测分娩时间的试剂盒的制备。本发明实施例的预测分娩时间的试剂盒包括具有尿液代谢物特征的检测试剂,且所述尿液代谢物特征包括如下质荷比:m/z 114.934、m/z 148.122、m/z 164.116、m/z220.119、m/z 231.941、m/z 267.110、m/z 273.092、m/z 275.160、m/z 280.154、m/z298.164、m/z 365.173、m/z 412.189、m/z 429.196、m/z 445.189、m/z 464.201、m/z493.281、m/z 533.189、m/z 534.193、m/z 572.272。
采用本发明实施例的预测分娩时间的试剂盒进行检测时,采用的检测样本是怀孕受试者的尿液,具体为怀孕受试者在怀孕14至36周时的尿液。与其他生物基质相比,采用尿液作为检测样本,收集时轻松、无创,消除了受试者在采集血样时的不适感。
以下详细介绍如何通过尿液代谢物特征对分娩时间进行预测。
1)样品采集
受试者包括了分娩时年龄在18-45岁之间的女性,受试者在足月分娩(37周或更晚分娩)或早产(早于37周分娩)。在妊娠的第一,第二和第三个月,每周对受试者采集一次尿液样本。受试者来自两个地方:S地区(19名正常患者和23名早产患者)和A地区(12名正常患者和14名早产患者)。其中S地区的19名正常受试者,共482份尿液样本,23名早产患者,共439份尿液样本;A地区的12名正常受试者,共208份尿液样本,14名早产患者,共138份尿液样本。
2)MS分析
从-80℃冰箱中取出足月和早产受试者的尿液样本以及质量控制(QC)样本,并在冰上解冻。对于50µL的尿液,加标10µL的回收标准工作溶液(100µM 2D5-庚酸,100 µM13C5, 15N-脯氨酸的甲醇溶液)。50µL预冷的提取缓冲液(100 µM 2D4-牛磺酸,100 µM13C6-精氨酸,100 µM 2D8-苯丙氨酸和10 µM 2D9-DHEAS的甲醇溶液作为仪器标准品)进行代谢物提取。将样品剧烈涡旋1分钟。在4℃下以12000g离心10分钟后,收集90µL上清液并保存在-20℃。
质谱分析是通过使用带有ZICHILIC色谱柱(2.1mmx,100mmx,3.5µm)的VanquishUPLC系统和Q Exactive plus质谱仪(Thermo Scientific, San Jose, CA)进行的。将10µL尿液提取物注入UPLC系统,其中梯度流动相包含10mM醋酸铵水溶液(A液)和10mM醋酸铵乙腈溶液(B液),Vanquish UPLC系统的参数设置如表1所示。
表1 Vanquish UPLC系统的参数设置
样品通过25℃ ZICHILIC色谱柱(2.1mmx,100 mmx,3.5µm),连接Security GuardUltracartridge–UPLC C18色谱柱(phenomenex, Torrance, CA, US),用正负ESI模式进样。
Q Exactive plus质谱仪的参数设置如下:Full MS模式下进行1次微扫描,扫描范围为70至1000m/z,分辨率为70000FWMH,喷雾电压为4kV,鞘气(N
3)研究过程与结果
首先对代谢物特征进行单变量分析,按照p值<0.05,皮尔逊相关系数的绝对值|r|> 0.3,筛选出跟分娩时间有显著强相关性的代谢物特征。其中r即皮尔逊相关系数,是衡量两个变量之间相关方向和相关程度的相对指标,取值在±1之间,且越靠近±1,代表两个变量之间的相关性越强;当r为0时,代表两个变量之间绝不相关。在本申请实施例的单变量分析中,皮尔逊相关系数r代表了足月分娩样本中的分娩时间与代谢物特征的丰度值之间的相关性。
然后用筛选出的显著强相关代谢物特征通过R语言包Glmnet中的弹性网络回归算法进行线性模型的构建。Glmnet是一个通过惩罚最大似然拟合广义线性和相似模型的包。弹性网络回归算法属于常规算法,是岭回归和套索回归的混合技术,它同时使用L1和L2正则化,套索回归可能随机选择其中一个,而弹性回归则可能会都选择,所以弹性网络回归的优点是鼓励在高度相关变量的情况下的群体效应。
最终由弹性网络回归模型确定用于预测分娩时间的代谢物特征有19个,其质荷比分别为m/z 114.934,m/z 148.122,m/z 164.116,m/z 220.119,m/z 231.941,m/z267.110,m/z 273.092,m/z 275.160,m/z 280.154, m/z 298.164,m/z 365.173,m/z412.189,m/z 429.196,m/z 445.189,m/z 464.201, m/z 493.281,m/z 533.189,m/z534.193,m/z 572.272。表2为该19个代谢物特征m/z的皮尔逊相关系数与弹性网络回归模型的算法系数。
根据弹性网络回归模型计算分娩时间DT的方程如下:DT = 0.3892 + 0.7350 *m/z 114.934的丰度值+ 2.8181 * m/z 148.122的丰度值+ 0.6580 * m/z 164.116的丰度值+4.7326*m/z 220.119的丰度值+3.4799*m/z 231.941的丰度值 + 5.8300*m/z 267.110的丰度值 + 2.4922* m/z 273.092的丰度值 + 0.9929*m/z 275.160的丰度值 + 0.5268*m/z 280.154的丰度值 + 1.6036* m/z 298.164的丰度值 + 3.2044 * m/z 365.173的丰度值 -0.6157 * m/z 412.189的丰度值 - 9.0203 * m/z 429.196的丰度值 - 0.1548 *m/z 445.189的丰度值 - 0.0361 * m/z 464.201的丰度值 – 0.0025 * m/z 493.281的丰度值 + 3.0038 * m/z 533.189的丰度值 + 5.5458 * m/z 534.193的丰度值 – 0.1315 *m/z 572.272的丰度值。其中0.3892为线性方程的截距。
所述丰度值是液相色谱质谱联用检测仪器对被检测物检测的响应量度,属于质谱分析领域的通用概念。通过XCMS软件包根据以下程序进行处理获得所述丰度值:首先,从mzXML文件中提取液相色谱质谱联用数据;然后,质谱峰在m/z光谱上对齐和分组,保留时间在色谱图上同步;最后,在保留时间校正后更新了峰组的对齐方式,通过在不同的实验批次中应用局部估计散点图平滑(LOESS),使用statTarget包对对齐的组进行标准化,由此获得代谢物特征的丰度值。
表2差异表达特征m/z对应的皮尔逊相关系数r以及算法系数
图1为S地区和A地区的分娩时间预测图(■代表S地区受试者样本;▲代表A地区受试者样本)。根据图1可知,S地区和A地区的足月预测的R
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
机译: 一种用于检测NAFLD或NASH或预测风险的方法,一种用于检测NAFLD或NASH的诊断试剂盒,一种用于确定受试者的肝纤维化进展的方法以及一种用于确定受试者的肝纤维化进展的诊断。药箱
机译: 预测分娩时间的方法(ttd),确定早产风险的方法,确定孕妇自发破裂绒毛膜的风险的方法和试剂盒
机译: 用于预测患者癌症复发的预后方法,引发剂,扩增子,测试,用途,用于预测无复发的乳腺癌患者的生存时间的方法,用于预测a癌症患者的生存时间的预后模型和没有复发,获得用于靶向治疗乳腺癌的数据的方法。基因集和实验室试剂盒。