研究背景:肝细胞癌（Hepatocellular Carcinoma,HCC）是中国及多数国家死亡率最高的恶性疾病之一,造成高死亡率的主要原因则是早期发现困难且缺乏灵敏的病情监测指标。80%-90%的HCC病例经历“由乙/丙型肝炎病毒（Hepatitis B Virus,HBV/Hepatitis C Virus,HCV）到肝硬化（Hepatic Cirrhosis,HC）再至HCC”的过程。当前用于HCC诊断手段也受目前医学水平的约束,均存在难以进行早期筛查、灵敏性低、采样困难等不足。目前研究表明:在乙型肝炎病毒诱发的HC和HCC过程中蛋白质糖基化的改变扮演着重要的角色,在HCC患者组织、血清和唾液中均伴有糖蛋白糖型的改变。本研究将从唾液诊断入手,利用凝集素芯片技术,进一步研究健康志愿者（Healthy Volunteer,HV）,HC和HCC患者唾液糖蛋白聚糖水平的变化,并结合机器学习（Machine Learning）算法建立辅助HC和HCC鉴别诊断的数学模型,以期进一步为HC和HCC患者的筛查与监测提供辅助支持。实验方法:首先对模型训练集（HV:35例、HC:40例和HCC:43例）共118例唾液样本进行凝集素芯片检测,对比各组唾液中蛋白质糖链结构的差异及其结合的凝集素,随后通过主成分分析选取对鉴别诊断HC和HCC贡献度较大的变量（变化的糖链结构及其结合的凝集素）,将其作为候选变量构建疾病诊断模型。然后采用逻辑回归（Logistic Regression,LR）,支持向量机（Support vector machine,SVM）以及随机森林（Random Forest,RF）算法依次构建诊断HC或HCC的肝病（Liver disease,LD）诊断模型和肝癌诊断模型。再对模型验证集（HV:31例、HC:28例和HCC:26例）共85例新收集的唾液样本进行凝集素芯片检测,通过受试者工作特征曲线（Receiver operating characteristic curve,ROC）分析评估肝病和肝癌模型的诊断能力及它们的准确率。实验结果:凝集素芯片数据显示,有3种凝集素（ACA、VVA和PHA-E+L）识别的糖链结构在HV、HC以及HCC间具有显著差异。具体如下:识别Bisecting Glc NAc,bi-/tri-/tetra-antennary N-glycan结构的凝集素PHA-E+L在HC中显著上调,（HVs vs.HCs,p<0.0001;HCCs vs.HCs,p<0.05）;凝集素VVA识别的Terminal Gal NAc、Gal NAcα-Ser/Thr（Tn）、Gal NAcα1-3Gal结构相较于HV,在HCC中显著降低（p<0.0001）,相较于HC也显著降低（p=0.0127）;ACA识别的Galβ1-3Gal NAcα-Ser/Thr（T）,sialyl-T（ST）相较于HV和HC,在HCC中显著升高。通过主成分分析,选取了5种凝集素（LCA、NPA、GSL-Ⅰ、SJA和BS-Ⅰ）识别的糖链结构（例如Fucoseα-1,6Glc NAc（core fucose）、High-Man、α-Gal NAc、Terminal in Gal NAc and Gal和Galα1-3/6Gal/Glc）对主成分贡献较大。将这8种凝集素（ACA、VVA、PHA-E+L、LCA、NPA、GSL-Ⅰ、SJA和BS-Ⅰ）作为训练集模型的候选变量。在验证集中,基于随机森林建立的RF-LD模型（AUC:0.806,特异性:0.61,灵敏性:1,准确性:0.86）,将54例肝病样本全部鉴别准确,并且准确鉴别出31例HV中的19例,在肝病的临床诊断上比其余两种算法构建的模型更具有潜在的应用价值;基于随机森林构建的RF-HCC模型（AUC:0.859,特异性:0.95,灵敏性:0.77,准确度:0.89）,在89例样本中错误诊断了9例,小于在LR-HCC模型中错误诊断的18例。综合衡量后,RF-HCC模型要优于其他两种算法建立的HCC诊断模型。实验结论:基于HC和HCC患者唾液蛋白糖链结构表达水平的变化,并利用机器学习算法分别构建了LD诊断模型和HCC诊断模型,验证集中模型的AUC值均在0.80以上,说明模型有较高的鉴别能力。本文研究表明基于唾液糖蛋白糖型和机器学习算法的融合可以作为辅助HC和HCC诊断的补充,可为HC和HCC诊断准确率的提高提供技术支持。