血清联合尿液构建肾癌模型的方法及生物标志物

本发明涉及代谢组学分析，具体涉及一种血清联合尿液构建肾癌模型的方法及生物标志物和应用。背景技术：1、肾癌是一种常见且致命的癌症类型，起源于肾脏，全球每年报告的新病例超过430万例，死亡人数高达180万例。有效的管理，包括肿瘤鉴定、早期检测和预后评估，对于改善肾癌患者的生存结果至关重要。然而，常规的临床诊断方式，如腹部影像技术和液体活检测试，在小肿瘤的识别、良恶性鉴别和耗时程序方面存在挑战。同时，缺乏有效的预后评估工具和足够的生物标志物阻碍了治疗策略的制定，且存在诊断特异性较低的问题。由此可见，及时准确地对患者进行诊断和分期是肾癌管理的关键。2、生物体液中的生物标记物检测正在取代传统的活检和成像技术，从细胞到分子水平对癌症进行动态监测。在细胞水平，分析血液中循环肿瘤细胞等特定细胞，可以动态监测癌症进展。然而，这通常需要复杂的预分离过程。同时，在分子水平上，对生物体液中特定分子的直接检测更加，易于大规模临床应用。特别地，与蛋白质和基因生物标志物相比，代谢生物标志物作为通路的最终产物，能够更加直接地反映人体的生理病理过程。值得注意的是，相对于单一的生物标志物分析，构建多个标志物构成的生物标志物组合至关重要，以表征复杂的生物系统。在这种情景下，机器学习是非常重要的，可以在复杂的数据集中执行特征选择和表型识别等任务。3、质谱(ms)已成为检测生物标志物的主要工具。与传统的酶学和光谱测定方法(如核磁共振、拉曼光谱)相比，质谱以高灵敏度/分辨率测量代谢物的质荷比(m/z)，因此能够以无标记的方式进行分子鉴定。ms在复杂生物体液的代谢分析中依赖于繁琐的样品处理，如液相/气相色谱(lc/gc)，用于代谢产物的富集和样品的纯化。值得注意的是，传统的代谢分析需要严格的预处理过程(约3-5小时)以及较大的样本量(约100μl)，以克服生物体液中样品的复杂性和较低的代谢产物丰度，一次性可收集的房水样本量极小(约10μl/样本)，故传统分析技术难以对房水进行代谢分析。4、基质辅助激光解吸电离质谱(maldi ms)在代谢指纹图谱方面展现出强大的潜力，由于其特定的纳米结构可以有效捕获和识别代谢物。到目前为止，maldi ms分析已经覆盖了血液、尿液和脑脊液等几种生物液体，用于疾病的诊断和预后。然而，现有基于代谢物谱分析的研究主要集中在单一生物体液上，且队列的样本量有限，一定程度上影响了研究的普适性，且目前，还没有报道将maldi ms用于较大规模(超过500例)双体液(血尿)联合代谢指纹谱图诊断。5、基于上述背景，本领域的研究人员致力于探索双体液联合的诊断模型，以用于肾癌样本的代谢物检测并挖掘潜在代谢标志物。技术实现思路1、有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是探索双体液联合的诊断模型，以用于肾癌样本的代谢物检测并挖掘潜在代谢标志物。2、为实现上述目的，本发明提供了一种血清联合尿液构建肾癌模型的方法，包括如下步骤：3、步骤1、使用纳米辅助的激光解析电离质谱技术，对肾癌患者和健康志愿者的样本溶液进行代谢检测，得到所述代谢检测结果；4、步骤2、将步骤1得到的代谢检测结果采用机器学习方法获取样本溶液的代谢指纹并构建所述肾癌模型；5、步骤3、应用步骤2构建的肾癌模型进行肾癌的代谢生物标志物鉴别。6、在本发明的较佳实施方式中，所述步骤1具体包括：7、步骤1.1、采集肾癌患者和健康志愿者的的血清样本和尿液样本，作为分析样本，并准备去离子水、纳米颗粒基质、ldi-ms；8、步骤1.2、稀释采集的血清样本和尿液样本：血清样本用去离子水稀释10倍，尿液样本用去离子水稀释5倍；9、步骤1.3、配置纳米颗粒基质溶液；10、步骤1.4、样品制备：取步骤1.2稀释后的血清样本和尿液样本共1μl，点样在ldi-ms质谱靶板上，室温下干燥；11、步骤1.5、纳米颗粒基质制备：取步骤1.3纳米颗粒基质溶液1μl点样在ldi-ms质谱靶板上，室温下干燥；12、步骤1.6、指纹谱图成像：在maldi-ms中进行样本代谢指纹谱图成像。13、进一步的，步骤1.3中，纳米颗粒基质溶液终浓度是采用去离子水配成1mg/ml。14、在本发明的另一较佳实施方式中，，所述步骤2具体包括：15、步骤2.1、对步骤1.6获得的指纹谱图进行预处理，包括数据重采样、谱线平滑、基线校正、谱峰联配以及缺失值填充，得到m/z信号；16、步骤2.2、将采集的血清样本和尿液样本数据按照设定比例划分成训练集和测试集；17、步骤2.3、在自动化机器学习中，使用算法来自动选择最佳模型，调用pycaret，获得最佳模型lineardiscriminantanalysis；18、步骤2.4、根据步骤2、3选定的模型，使用训练集进行模型训练；19、步骤2.5、使用验证集来评估模型的性能，如果评估结果满意，则获得肾癌疾病最终模型，并将模型应用于新的样本检测数据中。20、进一步的，步骤2.2中，将所述训练集和测试集按照7:3的比例进行划分。21、在本发明的较佳实施方式中，所述步骤3具体包括：22、步骤3.1、准备肾癌患者的血清样本、尿液样本及对应的临床信息作为分析样本，并准备去离子水、纳米基质材料和maldi-ms质谱仪；23、步骤3.2、配置纳米基质溶液，制备样品，使用所述纳米基质溶液将所述样品制备成纳米颗粒基质；24、步骤3.3、将步骤3.2制备的纳米颗粒基质应用maldi-ms检测，得到生物标志物的精准分子量。25、在本发明的较佳实施方式中，步骤3.3中，所述生物标志物包括3个血清标志物和1个尿液标志物，所述血清标志物分别为甘油酸：m/z为151.02，乳酸：m/z为135.03，葡萄糖：m/z为203.05；所述尿液标志物为n-甲基-l-脯氨酸：m/z为152.07。26、本发明还公开了一种利用上述的基于血清代谢指纹构建肾癌模型的方法得到的生物标志物，所述生物标志物包括3个血清标志物和1个尿液标志物，所述血清标志物分别为甘油酸：m/z为151.02，乳酸：m/z为135.03，葡萄糖：m/z为203.05；所述尿液标志物为n-甲基-l-脯氨酸：m/z为152.07。27、本发明还公开了一种如上所述的生物标志物在制备用于检测肾癌的药物或医疗器械中的应用。28、本发明还公开了一种肾癌诊断试剂盒，包括如上所述的生物标志物。29、与现有技术相比，本发明具有如下有益效果：30、本发明大规模入组和收集了656例样本，其中包括不同分期的肾癌样本以及健康对照组的血清和尿液样本，并据此对构建和优化临床诊断模型进行探究，通过血液代谢组学提供来自人体相对完整代谢信息，同时，肾脏疾病发生在与尿液收集位置相邻的位置，可以预见，血清和尿液整合可以实现更好地肾癌诊断效果，且经数据分析结果表明，联合血清和尿液的诊断效果最佳(单独血清auc：0.904；单独尿液auc：0.987；联合auc：0.991)；31、本发明通过合理引入自动化机器学习有效提高模型构建的效率，可实现快速找到最优模型，大大缩短了模型构建的时间，并且降低误判的概率。通过自动化机器学习(automl)可自动化完成机器学习中的模型选择和调参等步骤，加快了模型构建的速度，提高了模型的准确性，模型训练速度快0.1到0.5秒；32、本发明基于maldi ms平台进行体液代谢物检测，对200例健康组和456例肾癌组(每例均包含血清和尿液样本)提取代谢指纹图谱，通过机器学习筛选特征代谢标志物，筛选出了针对肾癌早期诊断的3个血清和1个尿液代谢标志物，健康组和癌症组间差异显著(p小于0.005)。33、以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。