基于数据挖掘技术的蛋白质标志物与基因突变联合检测的分子诊断系统构建及应用

Based on the incidence and mortality trends of lung cancer and the importance of early diagnosis of lung cancer, a novel chemiluminescence enzyme immunoassay platform will be developed for simultaneous determination of five proteins, including CEA, NSE, CYFRA21-1, ProGRP and VEGF. The immunoassay is based on time- resolved and spatial-resolved technologies. Denaturing high performance liquid chromatography will be established for the detections of EGFR and KRAS gene mutations. And high performance liquid chromatography will be applied for the detection of genomic DNA methylation level. Then the levels of five proteins and genomic DNA methylation will be determined and the gene mutations will be detected among the patients with lung cancer, benign lung diseases, coke oven workers and normal control group. These biomarkers will be further verified and optimized in the early diagnosis of lung cancer. Combined with epidemiological characteristics and clinical symptoms, the intellective information processing techniques, such as artificial neural network, support vector machine and decision tree in the data mining will be used to screen the feature information in the process of lung cancer, and the molecular early diagnosis system of lung cancer will be developed. For patients with suspected lung cancer, they will be confirmed according to CT imaging features. The system will be further updated and tested in the clinical early patients with lung cancer, and will be applied to screen high risk individual. So it can provide the experimental basis and methods for early prevention of lung cancer.

依据肺癌流行趋势以及肺癌早期诊断的必要性，本项目拟建立基于时间分辨及空间分辨的化学发光酶联免疫分析方法用于同时检测血清中CEA、NSE、CYFRA21-1、ProGRP、VEGF五种蛋白质标志物；并建立靶点分子EGFR及KRAS基因突变的变性高效液相色谱方法；同时规范测定基因组整体甲基化水平的高效液相色谱标准方法。在此基础上，分别检测肺癌患者、肺良性疾病患者、焦炉工职业人群及正常对照人群血液中的含量及突变情况；验证和优化这些用于肺癌早期诊断的生物标志，结合流行病学特征及临床症状，应用数据挖掘中的人工神经网络、决策树及支持向量机等信息处理技术，优化肺癌发生过程中的特征信息，构建肺癌早期分子诊断系统；对于筛选出肺癌疑似患者，结合CT影像学特征进行确诊，进而构建肺癌早期诊断系统；通过对临床肺癌患者特别是早期患者的检测进行验证和补充，并将其运用到高危人群的筛查，为肺癌早期预防提供实验依据和方法。

根据肺癌严峻的发病形势以及肺癌早期诊断的必要性，本项目利用辣根过氧化物酶和碱性磷酸酶催化的化学发光反应具有不同的动力学特征，建立了基于时间分辨的化学发光免疫分析法同步检测血清中CEA及NSE。同理利用核酸适配体技术及磁酶免疫反应，建立了基于时间分辨的化学发光酶联核酸适配体分析法同步检测VEGF与CEA。与单一商品化试剂盒结果相比较为一致，可望用于临床样品多种标志物的联合检测。基于免疫磁珠和两种不同颜色量子点荧光纳米球，建立双抗夹心荧光免疫同步检测CEA和CYFRA21-1的方法，将此方法用于检测人血清样品中CEA和CYFRA21-1含量。该研究具有快速、简便、灵敏度高等优点，对于肺癌血清标志物的检测具有潜在应用价值。利用CEA、NSE、CYFRA21-1、VEGF和Pro-GRP结合流行病学及临床资料所建立的神经网络筛查系统效果较好；再联合EGFR及Kras基因检测，由决策树C5.0建立的筛查系统其效果优于神经网络和支持向量机；先行肺癌危险度评价再联合肿瘤标志物及基因检测，可降低医疗成本，提高肺癌筛查效率。由MATLAB 提取肺部CT结节的22个影像学特征所建立模型的准确率均高于84%，说明该方法提取的特征是有效的，可以应用于肺癌计算机辅助诊断；经遗传算法优化变量建立的决策树C5.0模型可减少变量数，且其预测准确率也有所提高；利用流行病学特征、临床症状、肿瘤标志、肺部CT影像等多维数据联合数据挖掘技术可以提高肺癌诊断模型的准确率。基于流行病学和临床症状构建出无序多分类logistic回归和二分类logistic回归的两个肺癌风险预测模型，以此用于肺癌高风险人群的预测。基于肺癌和肺良性疾病患者肺CT影像学特征，利用深度卷积神经网络，建立了良恶性肺结节的分类识别模型，其准确度为96.06%，可以有效地识别肺部良恶性肺结节，有望用于肺癌的早期筛查和诊断。