液相质谱检测在KCNJ5突变醛固酮腺瘤中的诊断价值

来源 :北京协和医学院 | 被引量 : 0次 | 上传用户:februaryliao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究背景:原发性醛固酮增多症(PA)是一组肾上腺醛固酮合成分泌过多的疾病。临床主要表现为高血压,伴或不伴有低钾血症。指南建议单侧醛固酮腺瘤(APA)患者接受手术。患者术后缓解情况的评估采用PASO。大多数患者经过手术治疗后能有一定的获益。APA中最常见的基因突变为KCNJ5基因突变。KCNJ5突变的APA患者在在接受手术治疗后有更好的预后。因此,尽早诊断KCNJ5突变的APA并及时进行手术治疗是非常重要的。液相-质谱/质谱联用技术(LC-MS/MS)因其高敏感性,被运用于测量外周血中微量的激素水平。通过LC-MS/MS测量外周血中肾上腺合成相关的激素谱,可以帮助诊断PA的不同亚型,但这一方法还没有被运用于诊断国内KCNJ5突变的APA患者。人体中很多激素的分泌有很大的波动性,而头发中的激素含量可以反映机体一段时间以来的激素水平。目前还没有研究通过检测头发中的激素谱来诊断APA的不同亚型。我们希望可以建立新的检测方法,更加无创、有效地诊断APA。研究方法:在这项研究中,我们入组了 52名经过手术治疗的APA患者(KCNJ5突变30名,无KCNJ5突变22名),获取了患者术前的头发和外周血,以及肿瘤组织。通过一代测序确定APA患者是否有KCNJ5基因突变,并在术后按照PASO对患者进行随访。通过LC-MS/MS检测患者外周血和头发中肾上腺合成相关的激素谱。对外周血和头发测得的激素进行线性拟合和相关性分析。通过正交偏最小二乘法(OPLS)和随机森林的方法构建外周血激素谱和头发激素谱的模型,帮助诊断KCNJ5突变的APA。在随机森林模型中,通过10折交叉验证比较两种方法的差错率。实验结果:KCNJ5突变患者与无KCNJ5突变患者相比,血钾水平更低(2.88 vs 3.37 mmol/L),CT上最大横径更小(1.49 vs 1.92 cm),临床结局获得完全成功的比例更高(58%vs 28%)。在外周血激素谱构建的OPLS模型中,Q2为0.976;在随机森林模型中,经过10折交叉验证后,测试集的平均差错率为0.06。两种模型中,最重要的激素为 18-oxocortisol,18-hydroxycortisol 和 11-deoxycorticosterone。我们首次在头发中定量检测出了 18-oxocortisol(r=0.48),18-hydroxycortisol(r=0.64),aldosterone(r=0.88),11-deoxycorticosterone(r=0.73)和 11-deoxycortisol(r=0.75)。除了 18-oxocortisol和18-hydroxycortisol之外,其他激素在头发和外周血中的浓度有较好的相关性。在头发激素谱构建的OPLS模型中,Q2为0.46;在随机森林模型中,测试集的平均差错率为0.33。两种模型中,最重要的激素为11-deoxycorticosterone,DHEA 和 DHEA-S04。讨论:在我们入组的人群中,外周血激素谱模型可以很好地鉴别KCNJ5突变和无KCNJ5突变的APA患者;我们首次运用头发激素谱诊断KCNJ5突变的APA,但是其模型的预测效果不如由外周血激素谱构建的模型。在之后的研究中,应该进一步提升头发中激素检测方法的灵敏度,研究头发与外周血中18-oxocortisol和18-hydroxycortisol的相关性,帮助我们更好地诊断APA的不同亚型。结论:通过LC-MS/MS检测外周血和头发中肾上腺合成相关的激素谱,可以帮助诊断KCNJ5突变的APA患者。
其他文献
随着汽车产业数字化转型,越来越多互联网企业开始进入"跨界造车"的浪潮之中。与此同时,互联网"元宇宙"概念也在逐渐兴起,各大企业纷纷布局,并将其作为未来发展方向的风向标,这其中也不乏许多车企的身影,也可以看出"元宇宙"概念逐渐为汽车行业智能化发展提供着较高的参考价值。本文将分别对汽车行业智能化以及互联网行业发展进程做出简要介绍,并对汽车产业在"元宇宙"概念趋势下的发展方向做出展望。
近几年,为了落实"真实、新颖、生动、深刻"的写作要求,我在高一年级倡导写"本真、原创、在场"的作文,尝试"3×3母题写故事训练",效果较为明显。稍加梳理,形成了以下的提纲:提纲一,学生习作急需打假,习作指导急需赶山。如今大多数中学生,习作不是抄袭就是套作。平时习作以抄袭为主,动动鼠标翻翻手边书,从网上或优作选上截取;考场作文依赖于套作,生吞活剥加巧取豪夺,现场烹烩出一锅光怪陆离的"羊杂
期刊
追溯了人工智能的发展历程及特点,介绍了人工智能领域所囊括的关键技术:机器学习、深度学习、迁移学习、联邦学习、自动学习、区块链和数字孪生等,深入剖析了目前国内外油气工业领域人工智能技术发展及应用现状,最后展望了人工智能在油气工业各个领域的发展前景,提出了可供油气行业技术人员和战略规划人员借鉴的人工智能未来重点发展方向和业务发展领域。
描述了自动包装机的工作流程和具体操作过程,详细介绍了自动包装机的电气部分,并就自动包装机的常见故障给出处理办法。
数字孪生技术是实现铁路数字化转型和智能化升级的有效手段。针对环形铁道(简称:环铁)试验基地各个试验任务相对独立、缺乏统一监测和管控等问题,研究开发了环铁一体化协同试验平台,实现环铁实验基地全域数据资产管理,基于环铁试验基地数字孪生模型,提供实验管理、资产管理、调度管理等应用功能,可对试验计划、试验流程、试验过程和试验结果进行有效管理,有助于优化环铁试验资源配置和试验流程再造,进一步提高了环铁试验基
随着人工智能、大数据等数字化技术的发展,自动化钻井技术得到了快速发展,国内钻井作业正朝着智能化方向进步。智能钻井技术具有学习、记忆和判断功能,可完成钻井作业的自主决策和有效控制,降低了现场工作人员的作业量,可明显提升企业作业效率、作业安全性。本文针对智能钻井技术及其组成进行了分析,探讨了智能钻井技术的发展现状及未来技术攻关方向。
据世界石油网(World Oil)2021年10月13日休斯顿报道,哈里伯顿公司发布了iStar智能钻井和测井平台,该平台为包含多种服务的综合测量平台,可以更好地控制钻井和测井作业。该平台的数字架构支持自动化、机器学习和人工智能,可用于储层评估、快速钻井和连续油井交付。
期刊
钻井过程中的生产数据是推动产业发展的重要驱动力,也是未来人工智能在钻井行业应用的基础。当前国内外行业巨头均已开始建立生产数据的收集与分析平台,但普通生产一线作业的数据整合与分析仍未引起重视。本文以采集自南海某区域10口井44种不同参数共21912条数据为例展现了生产数据从采集至定量分析的全流程。通过图像点采算法与数据插值补齐算法,实现不同格式数据的矩阵化整合。经过标准化与可视化的处理,可完成对整合
人工智能技术是油气勘探开发降本增效的有效手段,也是实现关键技术升级换代,提高竞争力的有效途径。介绍了人工智能技术在钻井工程中的发展阶段和应用优势,在调研国内外人工智能技术在钻井工程中的应用基础上,分析其在钻井优化设计、钻井参数优化、钻井井眼轨迹控制、井筒完整性监控、风险预警和钻井程序决策等方面的应用进展,指出现场应用的关键技术,包括钻井数据的实时共享、人工智能内在逻辑规律的解释、人工智能算法的优选