摘要:目的探讨拉曼光谱在妊娠糖尿病(GDM)中的应用价值。方法选取29名非孕体检健康者(正常对照组)、29例正常妊娠妇女(正常妊娠组)和42例GDM患者,建立拉曼光谱诊断GDM的方法。另选取78例GDM患者和70名体检健康者进行方法验证。采用正交偏最小二乘回归(OPLS)、主成分分析(PCA)-支持向量机(SVM)及PCA-隐含狄利克雷分布(LDA)3种数学模型对拉曼光谱结果进行分类,并筛选出特征峰。采用受试者工作特征(ROC)曲线评价3种模型的分类能力,筛选最优模型,并与口服葡萄糖耐量试验(OGTT)进行比较。结果GDM患者、正常对照者及正常妊娠妇女在1005.86、1034.47、1087.64和1128.39cm-1处均出现较明显的拉曼光谱峰。GDM组在1005.86、1034.47、1128.39和1343.69cm-1处的拉曼光谱峰与正常对照组及正常妊娠组有明显差异。OPLS模型对GDM组、正常对照组及正常妊娠组的区分能力最佳。采用OPLS模型区分拉曼光谱诊断GDM的敏感性为97.43%、准确度为95.27%,高于OGTT法的91.03%和93.92%;但特异性为92.86%,低于OGTT法的97.14%。结论拉曼光谱结合OPLS模型具有较好的敏感性、特异性和准确度,或可作为GDM筛查和诊断的有效方法。
目前,妊娠糖尿病(gestationaldiabetesmellitus,GDM)的诊断多采用口服葡萄糖耐量试验(oralglucosetolerancetest,OGTT)[1],但OGTT需要多次采血,诊断敏感性为80%~85%,且影响因素较多,易导致漏诊或误诊[2]。拉曼光谱是分子或晶格振动能级光子产生的非弹性散射光谱。由于分子中不同化学键的振动模式会导致拉曼光谱特征峰的强度和线宽发生变化,因此从所获得的拉曼光谱可以推断物质中分子的结构和组成[3]。由于拉曼光谱适用于液体基质检测,因此已有将其用于2型糖尿病等疾病诊断的报道[4]。但目前尚未见拉曼光谱应用于GDM的报道。因此,本研究拟探讨拉曼光谱在GDM中的应用价值。
1、材料和方法
1.1研究对象
选取2018年10月—2019年4月上海交通大学附属国际和平妇幼保健院GDM患者42例[年龄(29.84±6.53)岁,GDM组]、正常妊娠妇女29例[年龄(28.96±7.81)岁,正常妊娠组]、非孕体检健康者29名[年龄(30.86±6.85)岁,正常对照组],用于方法学建立。另选取同期上海交通大学附属国际和平妇幼保健院78例GDM患者[年龄(29.28±5.96)岁]和70名女性体检健康者[年龄(28.71±7.93)岁]用于方法学评价。所有的GDM患者均采用国际糖尿病与妊娠研究组(theInternationalAssociationoftheDiabetesandPregnancyStudyGroups,IADPSG)推荐方法[5]确诊。
1.2方法
采集所有对象空腹静脉血,离心分离血清后采用XploRAPLUS全自动共聚焦拉曼光谱仪(日本HORIBA公司)进行检测。拉曼光谱仪的检测原理见图2。测定条件:激光波长785nm,激光功率90mW。操作步骤:取3μL血清样本滴加在铝板上,自然干燥后,每个样本选择5个点,使用XploRAPLUS全自动共聚焦拉曼光谱仪测定。每个点的时间积分为15s,每份样本采集3~5个光谱数据。
1.3拉曼光谱的处理
获得的拉曼光谱先去除背景荧光,然后使用Origin8.0和Raman基线软件对光谱进行基线校正和平均化,分析800~1800cm-1范围内的拉曼波数(共计1026个数据点)。根据文献[6]对拉曼峰进行归属指认。
图1拉曼光谱仪检测原理
1.4统计学方法
在MATLABR2015b软件平台上用采用正交偏最小二乘回归(orthogonalPartialleastsquaresregression,OPLS)、主成分分析(principalcomponentanalysis,PCA)-支持向量机(supportvectormachine,SVM)及PCA-隐含狄利克雷分布(latentdirichletallocation,LDA)3种分类模型对得到的拉曼光谱进行分类,筛选出拉曼光谱特征峰,采用受试者工作特征(receiveroperatingcharacteristic,ROC)曲线评价3种模型的分类能力,计算准确度、敏感性、特异性、阳性预测值、阴性预测值。
2、结果
2.1GDM组、正常妊娠组及正常对照组的拉曼光谱分析
GDM组、正常对照组和正常妊娠组的拉曼光谱形状和趋势相似,但在强度上有一定差异。在856.61和1034.47cm-1处,GDM组的拉曼光谱峰强度低于正常妊娠组及正常对照组。在1005.86、1128.39和1657.00cm-1处,GDM组的拉曼光谱峰强度均高于正常对照组,但低于正常妊娠组。在1159.66、1442.32和1523.06cm-1处,GDM组拉曼光谱峰强度高于正常妊娠组和正常对照组。在1343.69和1523.06cm-1处,GDM组有明显的小拉曼光谱峰,而正常妊娠组和正常对照组在此处无明显的拉曼光谱峰。
与正常对照组比较,GDM组有2个拉曼光谱峰出现左移(1004.00cm-1左移为1005.86cm-1,1442.32cm-1左移为1445.00cm-1),2个拉曼光谱峰右移(1159.66cm-1右移至1157.00cm-1,1657.00cm-1右移为1655.00cm-1)。见图2。拉曼光谱峰归属指认结果见表1。
图2GDM组、正常妊娠组及正常对照组的原始拉曼光谱图
表1各组拉曼光谱峰归属指认表
2.2PCA-SVM、PCA-LDA和OPLS3种模型对拉曼光谱分类能力的评价
采用PCA-SVM、PCA-LDA和OPLS3种模型对所得拉曼光谱进行分析。结果显示,GDM组、正常妊娠组及正常对照组在1005.86、1034.47、1128.39和1343.69cm-1处有明显差异,见图3。PCA模型可以区分GDM组和正常妊娠组、正常对照组,但无法区分正常妊娠组与正常对照组。OPLS模型对GDM组、正常对照及正常妊娠组的区分能力更强,见图4。
图3PCA模型区分GDM组、正常对照组及正常妊娠组的散点图
图4OPLS模型区分GDM组、正常对照组及正常妊娠组的散点图
ROC曲线分析结果显示,PCA-SVM模型、PCA-LDA模型和OPLS模型区分拉曼光谱的曲线下面积(areaundercurve,AUC)分别为0.91、0.97、0.97,准确度分别为90.34%、91.16%、96.09%,敏感性分别为91.33%、93.00%、100.00%,特异性分别为88.00%、88.50%、90.50%,阳性预测值分别为92.29%、92.98%、94.29%,阴性预测值分别为91.81%、92.00%、100.00%,见表2、图5。
表2PCA-SVM模型、PCA-LDA模型和OPLS模型对拉曼光谱分类能力的评价
图5PCA-LDA模型、PCA-SVM模型和OPLS模型判断拉曼光谱分类能力的ROC曲线
2.3拉曼光谱诊断GDM的价值
采用OPLS模型对GDM患者的拉曼光谱进行区分,并与OGTT进行比较。在78例GDM患者和70名正常对照者中,OGTT有2例假阳性、7例假阴性,敏感性为91.03%,特异性为97.14%,准确度为93.92%,阳性预测值为97.26%,阴性预测值为90.67%;拉曼光谱有5例假阳性、2例假阴性,敏感性为97.43%,特异性为92.86%,准确度为95.27%,阳性预测值为93.83%,阴性预测值为97.01%。
3、讨论
由于拉曼光谱技术在物质检测方面具有高效、简便、无破坏性、成本低、样本量少、样本无需特殊制备、可重复性高且不会对样本造成物理和化学分解等特点,已被广泛应用于化工、刑侦、珠宝鉴定、地质勘探、生物制药以及医学检验等领域,是目前无损分析检测领域的热点[7,8,9]。近年来,利用拉曼光谱技术开展的各项病变组织的检测和疾病诊断分析在医学界被广泛关注,并在病原微生物的鉴定、肿瘤的早期鉴别与诊断、药物动力学的监测分析、骨科疾病等多个医学领域开展了相应的研究[10,11,12,13]。由于拉曼光谱比较适用于液体基质检测,国内外已经有学者将其应用于糖尿病的诊断。LIN等[14]的研究结果显示,基于银纳米粒子的Raman-oxyhb-sers方法与多元统计分析相结合,对2型糖尿病的无标签检测具有很大价值,其诊断准确率分别为90.0%(PLS模型)和95.5%(PCA-LDA模型)。BIRECH等[15]利用拉曼光谱研究了亮氨酸和异亮氨酸作为2型糖尿病生物标志物的潜力,结果显示拉曼光谱在糖尿病的筛查和快速(10s)诊断方面具有巨大的潜力,该方法还可作为吡格列酮与当地使用的抗糖尿病中药提取物疗效比较研究的替代方法。
本研究采用的XploRAPLUS全自动共聚焦拉曼光谱仪可以显著提高空间分辨率(纵向<2μm,横向<1μm),并可有效减少荧光干扰。本研究结果显示,GDM组的拉曼光谱峰与正常对照组的拉曼光谱峰有一定差异。在1005.86、1034.47、1087.64和1128.39cm-1处均出现较明显的拉曼光谱峰,通过拉曼位移归属指认,这4个拉曼光谱峰均含有糖化基团,说明拉曼光谱可以反映血清中糖化学结构的改变。在1005.86、1034.47、1128.39和1343.69cm-1处,GDM组、正常妊娠组及正常对照组之间有明显差异;且在1343.69cm-1处,GDM组有明显的拉曼光谱峰,而正常妊娠组和正常对照组在此处无明显的拉曼峰。归属指认发现拉曼光谱特征峰1343.69cm-1主要代表直链淀粉、D-(+)-木糖、柠檬酸、D-果糖-6-磷酸、核黄素。本研究根据以上拉曼光谱特征峰,分别用PCA-SVM模型、PCA-LDA模型和OPLS模型进行分类,结果显示OPLS模型对GDM患者的拉曼光谱具有较好的分类能力。采用OPLS模型区分拉曼光谱诊断GDM的敏感性、准确度高于OGTT,但特异性低于OGTT。因此,拉曼光谱在GDM的早期筛查中可能更具优势。另外,与OGTT比较,检测拉曼光谱只需要采集1次空腹血清,可有效减少孕妇抽血次数。拉曼光谱还可直接从分子层面判断糖化基团,较少受到时间等因素的影响,可降低漏诊率。
综上所述,拉曼光谱结合OPLS模型诊断GDM的敏感性、特异性和准确度均较好,或可用于GDM的筛查和诊断。
参考文献:
[13]熊义,赵虹霞,干福喜.阳离子对硅酸盐玻璃激光拉曼光谱影响的研究[J].光谱学与光谱分析,2012,32(4):997-1001.
周丽芳,潘顺,唐振华.拉曼光谱在妊娠糖尿病诊断中的应用价值[J].检验医学,2021,36(03):313-317.
分享:
帕金森病是全球第二大神经退行性疾病,从1990年到2015年,帕金森病的患病人数从大约三百万人翻倍到大约六百万人。根据预测,到2040年,帕金森病的患病人数会再次翻倍,达到1 200万人。与此同时,糖尿病作为一种常见的代谢性疾病,其发病率从1980年的4.7%上升到了2017年的8.5%,预计到2045年全球糖尿病患者人数可达6.29亿。
2024-04-25糖尿病肾脏疾病(diabetic kidney disease,DKD)是由糖尿病引起的一种常见的慢性并发症,随着糖尿病患病人数的剧增,肾脏作为重要靶器官,损害也随之增多,约40%的糖尿病患者可发展为DKD,DKD已成为慢性肾脏病和终末期肾病的首要病因,是糖尿病患者死亡的主要原因之一。
2024-04-25APOC族是一个包含多个基因的APO家族,其在脂质代谢和调节方面发挥着关键作用。根据其结构和功能,该家族主要划分为APOC1、APOC2、APOC3、APOC4等成员。其中,APOC3是血液中最丰富的APO之一。APOC3在不同人群中结合部位不同。在健康人群中,APOC3与高密度脂蛋白(high-density lipoprotein,HDL)结合;
2024-04-25糖尿病是21世纪主要的公共健康威胁之一,其特征是高血糖状态,长期高血糖状态会对多个器官造成严重损害,包括心脏、肾脏和视网膜[1,2]。据国际糖尿病联合会估计,2021年约有5.37亿糖尿病患者,2030年将增至6.43亿[3]。糖尿病患者的并发症通常起病隐匿,早期发病时不具有典型的临床特征,经常导致诊断被延迟,从而发生严重并发症甚至致命反应,加重患者和医疗系统的经济负担。
2024-04-23糖尿病心肌病(diabetic cardiomyopathy,DCM)是糖尿病最常见的并发症之一,定义为糖尿病患者在无其他明确损伤心脏因素(如高血压、冠心病、瓣膜病等)的前提下,心脏出现的结构与功能受损,主要表现为心脏脂质蓄积、心肌纤维化和心肌细胞凋亡增加[1],最终导致心力衰竭的发生。
2024-04-21糖尿病(diabetes mellitus,DM)的全球发病率逐年上升,心血管疾病是DM的并发症之一,且是DM患者致死的主要原因[1]。糖尿病性心脏病(diabetic heart disease,DHD)是DM患者并发或伴发的心脏病[2],其发生机制十分复杂,氧化应激、炎症反应、代谢途径的改变(底物利用异常、线粒体功能异常、糖基化终产物形成和氧化应激),以及胰岛素信号水平的改变、基因调控、内质网应激、神经体液激活和心肌细胞死亡,目前都被广泛认为是DM诱导心肌重构和功能障碍的中介[3,4,5]。
2024-04-15糖尿病性心肌病(diabetic cardiomyopathy, DCM)是一种由糖尿病引起的独立于冠心病、高血压病等其他危险因素的心血管并发症[1],主要表现为心力衰竭、高血压或心脏瓣膜病,由高血糖、胰岛素抵抗与代偿性高胰岛素血症共同促进其发生发展[2]。
2024-04-14糖尿病为临床常见的代谢性疾病,而周围神经病变为糖尿病常见并发症,多表现为腹胀、麻木等,随疾病进展可引起神经敏感度降低及糖尿病足,严重时需进行截肢。因此,尽早评估糖尿病周围神经病变至关重要。报道显示,糖尿病早期无显著周围神经病变症状,发病较为隐匿,易出现漏诊现象,早期进行治疗可痊愈,而随病程延长治疗难度升高,影响预后恢复。
2024-04-11肌少症作为一种以肌肉病变为主的老年综合征,大大加剧了老年人发生骨质疏松、骨折等风险,使老年人生活水平质量受到严重威胁[1]。糖尿病是导致肌少症形成的高危因素之一,研究表明,老年2型糖尿病患者当中,发生肌少症的风险是正常人的2~3倍。我国2型糖尿病患者肌少症患病率已高达21%[2],故肌少症逐渐成为糖尿病需要予以重视的慢性并发症[3]。
2024-04-11糖尿病肾病(Diabetic kidney disease,DKD)是糖尿病常见且严重的微血管并发症之一,目前已成为终末期肾病的首位病因[1]。国内调查研究[2]显示:近年来糖尿病患病率为9.7%,其中DKD患病率高达20%~60%,该疾病从各方面降低患者生活质量,严重者甚至威胁生命。参照丹麦学者Mogensen C E等[3]提出的DKD分期诊断标准,早期DKD属于Ⅲ期(微量白蛋白尿期)。
2024-04-09人气:12802
人气:9755
人气:8407
人气:6775
人气:6537
我要评论
期刊名称:中华糖尿病杂志
期刊人气:2215
主管单位:中国科学技术协会
主办单位:中华医学会
出版地方:北京
专业分类:医学
国际刊号:1674-5809
国内刊号:11-5791/R
邮发代号:80-994
创刊时间:2009年
发行周期:月刊
期刊开本:大16开
见刊时间:一年半以上
影响因子:0.000
影响因子:0.000
影响因子:0.000
影响因子:0.000
影响因子:0.000
400-069-1609
您的论文已提交,我们会尽快联系您,请耐心等待!
你的密码已发送到您的邮箱,请查看!