[發明專利]內源性小分子物質在快速檢測肝毒性方面的應用

有效

• 申請號: 201410607892.1
• 申請日: 2014-11-03
• 公開（公告）號: CN104280477A
• 公開（公告）日: 2015-01-14
• 發明（設計）人: 李遇伯;張艷軍;王磊
• 申請（專利權）人: 天津中醫藥大學
• 主分類號: G01N30/02
• 分類號: G01N30/02
• 代理公司: 天津市杰盈專利代理有限公司 12207
• 代理人: 朱紅星

技術領域

本發明涉及到使用代謝組學技術尋找肝毒性生物標記物，然后對其進行專屬性考察，接著使用支持向量機（SVM）對它們進行驗證與優化。更具體地說是內源性小分子物質在快速檢測肝毒性方面的應用。

背景技術

肝臟在物質代謝的過程發揮著重要作用，因此它成為毒性物質損害的主要靶器官。肝毒性是藥物開發中面臨的重大安全性問題，同時也是臨床前試驗失敗和藥物撤回的常見原因。目前，血液天冬氨酸氨基轉移酶（AST）和谷丙轉氨酶（ALT）是常用于檢測肝功能的兩項指標，但其由于缺乏特異性和敏感性而不能及時的發現肝損傷狀況。因此，目前亟需我們建立一種能夠早期、準確的肝毒性評價方法，以彌補現有指標的局限性。代謝組學是系統生物學的重要分支，它作為一種新興技術在毒性評價、藥物代謝分析、疾病診斷等方面取得了突破性的進展。代謝組學作為一種理想的毒性評價手段，不僅能夠反映毒性物質本身的代謝變化，同時還能夠有效的表現出毒性物質對機體代謝網絡的影響。代謝組學在毒性評價上具有靈敏度高、分析簡便快捷的特點。如今，超高效液相色譜串聯四極桿飛行時間質譜（UPLC/Q-TOF-MS）以其精確、靈敏、高通量等優點為代謝組學的更廣泛應用提供了強大的技術支持，與此同時卻帶來了龐雜的數據處理過程。因此，我們需要尋找更為有效的數據處理方法。機器學習能夠從數據里提取規則或模式來把數據轉換成信息，找到內在的相互依賴關系，對未知數據進行預測和判斷。支持向量機作為機器學習的一種，其基于非線性計算的統計學習理論，能夠彌補主成分分析（PCA）和偏最小二乘-判別分析（PLS-DA）無法診斷或區分以及提供量化的評估信息的缺點，能有效的對特征代謝物的聯合診斷進行評估，同時在解決小樣本、非線性及高維模式識別數據上表現出特有的優勢。因此，將SVM與代謝組學技術相結合，用于生物標志物的篩選、驗證與優化以及潛在生物標志物對疾病的預測方面，能為代謝組學的進一步發展提供更廣闊的思路。

發明內容

本發明通過代謝組學技術與SVM相結合發現肝毒性生物標記物使肝損傷的發現與診斷較現有生化檢測指標有所提前，能夠更好的用于肝臟毒性的預防、發現和治療，彌補現有指標的局限性。及時提供準確的檢測信息。

為實現上述目的，本發明公開了如下的技術方案：

內源性小分子物質在快速檢測肝毒性方面的應用，特別是在快速判斷肝臟是否受到損傷方面的應用。其中所述的內源性小分子物質指肝毒性生物標記物，它們是基于代謝組學技術篩選出來的，包括L-丙氨酸（L-alanine）、L-肉堿（L-carnitine）、L-苯丙氨酸（L-Phenylalanine）、色氨酸（Tryptophan）、花生四烯酸（Arachidonic?acid）、左旋肉堿棕櫚酰（L-Palmitoyl?carnitine）、膽酸（cholic?acid）、溶血磷脂酰膽堿(14:0)[LysoPC(14:0)]、溶血磷脂酰膽堿(16:1)[LysoPC(16:1)]、溶血磷脂酰膽堿(18:2)[LysoPC(18:2)]、溶血磷脂酰膽堿(20:3)[LysoPC(20:3)]、溶血磷脂酰乙醇胺(18:2)[LysoPE(18:2)]，它們能夠快速檢測肝毒性。在肝毒性生物標記物的基礎上經過SVM驗證與優化的內源性小分子物質指肝毒性專屬生物標記物，包括L-肉堿（L-carnitine）、膽酸（cholic?acid）、溶血磷脂酰膽堿(14:0)[LysoPC(14:0)]，它們能夠快速判斷肝臟是否受到損傷。由于體內內源性小分子物質在肝臟受到毒性或者損傷作用時代謝發生變化，我們研究表明以L-肉堿（L-carnitine）、膽酸（cholic?acid）、溶血磷脂酰膽堿(14:0)[LysoPC(14:0)]專屬性最強。所以更具體地說是內源性小分子物質在快速檢測肝毒性以及肝臟疾病方面的應用。