乳腺癌代谢物组模式特征发现方法及HPLC/M S/M S分析

高等学校化学学报 ›› 2005, Vol. 26 ›› Issue (10): 1798.

乳腺癌代谢物组模式特征发现方法及HPLC/M S/M S分析

沈朋¹, 康宇飞², 程翼宇³

1. 浙江大学医学院附属第一医院,杭州310003;
2. 浙江大学药物信息学研究所,杭州310027

收稿日期:2005-04-19 出版日期:2005-10-10 发布日期:2005-10-10
基金资助:
浙江省科技计划(批准号:2004C33026)资助.

Pattern Feature Discovery for Metabonomics of Breast Cancer and HPLC/MS/MS Analysis of Characteristic Metabolites

SHEN Peng¹, KANG Yu-Fei², CHENG Yi-Yu³

1. The First Affiliated Hospital,College of Medicine,Zhejiang University,Hangzhou 310003,China;
2. Pharmaceutical Informatics Institute,Zhejiang University,Hangzhou 310027,China

Received:2005-04-19 Online:2005-10-10 Published:2005-10-10

摘要/Abstract

摘要： 提出一种基于单独最优特征组合和BP神经网络的代谢物组模式特征发现方法,并用其寻找到尿样中与乳腺癌最为相关的4种核苷,组成一组特异性检测参数.经HPLC/MS/MS联用法鉴定,它们是乳清酸核苷、1-甲酰化腺苷、S-腺苷-L-蛋氨酸及N²-甲酰化鸟苷.将这4种核苷作为输入变量,用BP神经分类网络建立乳腺癌诊断模型.留一法交叉验证和独立验证结果表明,该模型预测准确率达到90%以上.

关键词: 代谢组学, 特征选择, HPLC/MS/MS, 乳腺癌诊断, 核苷

Abstract: A new pattern discovery method based on the best individual feature selection and BP neural network was proposed to select characteristic metabolites in urine which were most correlative with breast cancer.Four nucleosides(orotidine,1-methyladenosine,S-adenosylmethionine,and N²-methylguanosine),which were identified by using HPLC/MS/MS,were selected out and composed a characteristic pattern for diagnosis of breast cancer.Subsequently,BP neural network was investigated as potential tools to diagnose breast cancer by using those four nucleosides as the input features.The results of Leave-One-Out and independent cross validation show that the prediction rate of the model built with BP neural network is higher than 90%.As a consequence,those four selected nucleosides could be considered as a characteristic pattern for the diagnosis of breast cancer.

Key words: Metabonomics/Metabolomics, Feature selection, HPLC/MS/MS, Diagnosis of breast cancer, Nucleoside

中图分类号:

TrendMD:

沈朋, 康宇飞, 程翼宇. 乳腺癌代谢物组模式特征发现方法及HPLC/M S/M S分析. 高等学校化学学报, 2005, 26(10): 1798.

SHEN Peng, KANG Yu-Fei, CHENG Yi-Yu . Pattern Feature Discovery for Metabonomics of Breast Cancer and HPLC/MS/MS Analysis of Characteristic Metabolites. Chem. J. Chinese Universities, 2005, 26(10): 1798.

[1]	曹舒杰, 李泓君, 管文丽, 任梦田, 周传政. 硫代磷酸酯寡聚核苷酸的立体控制合成研究进展[J]. 高等学校化学学报, 2022, 43(Album-4): 20220304.
[2]	季双琦, 靳钊, 观文娜, 潘翔宇, 关彤. 双阳离子型离子液体和十八烷基修饰的混合模式硅胶固定相的制备及色谱性能[J]. 高等学校化学学报, 2022, 43(6): 20220008.
[3]	王梦雨, 曹思敏, 李昊阳, 张梦婕, 李栋, 赵泽楠, 徐建华. 辅酶NADH与色氨酸共振能量转移的荧光动力学研究[J]. 高等学校化学学报, 2020, 41(11): 2473.
[4]	张楠茜, 吕经纬, 金平, 李晶峰, 边学峰, 张辉, 孙佳明. N-苄基十六碳酰胺促小鼠Leydig细胞增殖和分泌睾酮的 ¹H NMR代谢组学研究[J]. 高等学校化学学报, 2019, 40(9): 1832.
[5]	乔俊琴, 梁超, 曹兆明, 练鸿振. 混合离子对试剂体系下寡核苷酸的IP-RPLC保留行为[J]. 高等学校化学学报, 2018, 39(9): 1893.
[6]	李雯雯, 朱爱如, 龙怡静, 王春燕, 韩源平, 段忆翔. 高脂与维生素D缺乏饮食诱导的2型糖尿病小鼠血清和肝脏代谢组学研究[J]. 高等学校化学学报, 2018, 39(11): 2395.
[7]	黄玉, 谷彩云, 吴翰钟, 夏晓爽, 李新. 基于超高效液相色谱-四极杆飞行时间质谱的缺血性脑卒中的代谢组学研究[J]. 高等学校化学学报, 2017, 38(10): 1742.
[8]	王曦烨, 单晓彤, 王伊林, 李丹, 赵明, 许良. 丹参多酚酸盐改善扩张性心肌病心肌功能的作用机制[J]. 高等学校化学学报, 2016, 37(5): 844.
[9]	李鹏辉, 邓伶莉, 罗娇, 李巍, 宁晶, 丁健桦, 邬小萍. 多批次肝衰竭患者呼出气体的电喷雾萃取电离质谱检测及代谢组学数据分析[J]. 高等学校化学学报, 2016, 37(4): 626.
[10]	邬期望, 沈宏. 基于NUPACK预测设计的Toehold诱导链置换反应及其在DNA酶催化微流控化学发光单核苷酸多态性分析中的应用[J]. 高等学校化学学报, 2015, 36(12): 2386.
[11]	杨永霞, 王琳琳, 郑凌云, 王淑美, 黄榕波, 张磊, 黄耀庭. 基于核磁共振氢谱代谢组学研究黄连解毒汤对胰岛素抵抗大鼠棕色脂肪组织代谢组的影响[J]. 高等学校化学学报, 2014, 35(9): 1883.
[12]	张瑞兴, 刘舒, 皮子凤, 宋凤瑞, 刘志强. 汞离子对细胞代谢通路影响的代谢组学[J]. 高等学校化学学报, 2014, 35(6): 1146.
[13]	赵宝娟, 于文全, 常俊标, 李二通, 丁群山, 李凤娟, 陈光英, 王娜. 3'-氟-2'-O,3'-C-乙烯基键联并环尿苷的合成与表征[J]. 高等学校化学学报, 2014, 35(1): 58.
[14]	陈琰, 刘桂锋, 刘霞, 张桂珍, 王振新. 应用微阵列芯片检测与2型糖尿病相关的单核苷酸多态性[J]. 高等学校化学学报, 2013, 34(5): 1078.
[15]	黄敏, 高建义, 翟志刚, 梁琼麟, 王义明, 白延强, 罗国安. 基于药代动力学和代谢组学研究咖啡因对异丙嗪镇静作用的影响[J]. 高等学校化学学报, 2013, 34(4): 829.