血清C反应蛋白复合物中肺癌早期诊断标志物的筛选和鉴定

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81271902
  • 项目类别:
    面上项目
  • 资助金额:
    70.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H2601.生物化学检验
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

Chronic inflammation has been recognized to play a very important role in lung carcinogenesis. C-reaction protein (CRP) is a sensitive marker and mediator of inflammation. The epidemiologic studies indicate that the increased level of circulating CRP is a high risk factor for lung cancer. However, CRP is not a specific biomarker for lung cancer because many factors could affect its serum level. CRP can bind to exogenous and endogenous ligands and results in CRP complexes which regulate the immune function of phagocytic cell. We found that some tumor progression associated molecules, such as CK7、CEACAM5、SAA1 could be detected in serum CRP complexes from patients with lung cancer, while remain undetectable in serum CRP complexes from healthy donors and patients with pneumonia. These results suggested that some specific biomarkers for lung cancer might exist in the circulating CRP complexes. No similar research has been reported. To find more specific and suitable biomarkers for lung cancer, we plan to develop the following researches: (1) We will perform a target proteomic study of circulating CRP complexes using bead-based immunopurification and shotgun proteomics by2D- LC/MS/MS. We would not only identify new tumor markers in serum CRP complexes, but also confirm our previous study by this method. (2)A sandwich ELISA assay will be established to detect the candidates of biomarkers. (3) A large scale of clinical validation of these biomarkers will be carried out to evaluate their clinical values in early diagnosis or prognosis prediction for lung cancer. This study will indentify new specific biomarkers for lung cancer and establish sensitive ELISA test kits, which could be employed in the early diagnosis and prognosis prediction of lung cancer, and provide a novel strategy for prevention and treatment of lung cancer.
慢性炎症与肺癌发生发展密切相关。C反应蛋白(CRP)是炎症反应标志物,血清CRP浓度升高是肺癌的高危因素,但其浓度受多因素影响,用于肺癌早期诊断特异性不高。CRP通过与配体(如凋亡或坏死细胞降解产物) 结合形成CRP复合物,激活补体和单核吞噬细胞系统,清除废物。我们发现肺癌患者血清CRP复合物中存在CK7、CEACAM5、SAA1等与肿瘤相关的分子,而肺炎和正常人血清CRP复合物中则未检测到。这提示肺癌患者血清CRP复合物中存在特异标志物。但目前CRP结合的配体作为肺癌标志物尚无相关报道。本课题拟:①采用靶向CRP复合物的"鸟枪法"定量蛋白质组技术,在前期工作基础上进一步从CRP复合物中筛选出肺癌早期诊断特异标志物;②建立夹心ELISA技术检测筛选的标志物;③大规模临床验证其在肺癌早期诊断和疗效判断的价值。本课题研究将发现新的肺癌特异标志物并建立检测试剂盒,用于肺癌的早期诊断及疗效判断。

结项摘要

865例非小细胞肺癌(NSCLC)患者血清炎症指标和其他临床特征回顾性nomogram分析,显示血清CRP是NSCLC预后不良较好指标。 CRP 可结合多种蛋白,可用于肺癌的早期诊断、病程预测及预后判断。利用CRP抗体微珠分别捕获肺癌患者和正常人血清中CRP复合物,差异蛋白质组技术从肺癌患者血清CRP复合物中筛选出SAA、IL23R、CEACAM5、CK1和Ki67等上调蛋白。体外正反Co-IP验证了 CRP 结合 SAA,建立了ELISA检测血清CRP-SAA(Binding-SAA)。 检测484 例NSCLC病人及 159 例健康人血清Binding-SAA、Total-SAA和CRP,发现肺癌患者血清中 Binding-SAA (0.37±0.58 OD )和 Total-SAA 的含量(0.42±0.15 OD)显著高于正常人(Binding-SAA :0.03 ± 0.04 OD;Total-SAA:0.13±0.05 OD; P<0.001)。ROC 曲线分析表明Binding-SAA 诊断肺癌的 AUC=0.901(敏感性 81.0%,特异性 80.0%); Total-SAA 诊断肺癌的 AUC=0.845(敏感性 70.0%,特异性85.0%)。血清 Total-SAA 与 Binding-SAA 的水平与NSCLC患者的性别、TNM 分期、淋巴结转移、远处转移、肿瘤大小等临床特征均密切相关。 回顾性组(HR = 2.181, 95% CI = 1.641-2.897, P < 0.001)和前瞻性组(HR = 2.744, 95% CI = 1.810-4.161, P < 0.001)研究都表明Binding-SAA 水平高的肺癌患者5年总体生存期明显比低水平者短,单因素和多因素COX分析表明 Binding-SAA是肺癌患者独立预后因素。分层预后分析显示Binding-SAA也是早期肺癌患者预后不良指标,而Total-SAA和CRP不能预测早期患者预后。作为肺癌预后指标,Binding-SAA的效能优于CRP和Total-SAA。肺癌组织高表达SAA,而癌旁正常组织SAA表达弱。 体外实验证实CRP结合SAA,能够抵抗Cisplatin对肺癌细胞株A549和95D的毒性,能减弱Cisplatin对肺癌细胞株A549的凋亡作用,可以降低Cap

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
The prognostic value of serum C-reactive protein-bound serum amyloid A in early-stage lung cancer.
血清C反应蛋白结合血清淀粉样蛋白A在早期肺癌中的预后价值。
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    Chin J Cancer
  • 影响因子:
    --
  • 作者:
    Zhong; Qian;Zeng; Shan-Qi;Liu; Wan-Li;Zeng; Mu-Sheng
  • 通讯作者:
    Mu-Sheng
Evaluating the diagnostic and prognostic value of circulating cathepsin S in gastric cancer.
评估循环组织蛋白酶 S 在胃癌中的诊断和预后价值。
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    Oncotarget
  • 影响因子:
    --
  • 作者:
    Xue; Ning;Lai; Yan-Zhen;Guo; Ling;Zhang; Ge
  • 通讯作者:
    Ge
A Novel Inflammation-Based Stage (I Stage) Predicts Overall Survival of Patients with Nasopharyngeal Carcinoma.
一种新的基于炎症的分期(I 期)可预测鼻咽癌患者的总体生存期。
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    Int J Mol Sci
  • 影响因子:
    5.6
  • 作者:
    Xing; Shan;Liu; Yi-Jun;Lin; Yue-Hao;Liu; Wan-Li
  • 通讯作者:
    Wan-Li
Establishment of using serum YKL-40 and SCCA in combination for the diagnosis of patients with esophageal squamous cell carcinoma.
血清YKL-40与SCCA联合诊断食管鳞癌的建立
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    BMC Cancer
  • 影响因子:
    3.8
  • 作者:
    Dai; Shu-Qin;Zhong; Qian;Zeng; Mu-Sheng;Liu; Wan-Li
  • 通讯作者:
    Wan-Li

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于距离核函数的除噪和减样方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程理论与实践
  • 影响因子:
    --
  • 作者:
    刘万里;刘三阳;薛贞霞
  • 通讯作者:
    薛贞霞
基于激光扫描技术的采煤机精确定位系统研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    光学精密工程
  • 影响因子:
    --
  • 作者:
    刘一鸣;刘万里;杨滨海
  • 通讯作者:
    杨滨海
Two-dimensional Riemann proble
二维黎曼问题
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
  • 影响因子:
    --
  • 作者:
    程红军;刘万里;杨汉春
  • 通讯作者:
    杨汉春
L型空间UWB非视距测距误差预测模型与试验研究
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    煤矿开采
  • 影响因子:
    --
  • 作者:
    田野;王世博;刘万里;葛世荣;安站东;薛钢琴
  • 通讯作者:
    薛钢琴
Study on relationship between paraoxonase-1 and type 2 diabetes mellitus in the elderly
对氧磷酶1与老年人2型糖尿病的关系研究
  • DOI:
    --
  • 发表时间:
    2003-08-14
  • 期刊:
  • 影响因子:
    --
  • 作者:
    蒲霞;曾繁荣;曾昭淳;刘万里;柯细松
  • 通讯作者:
    柯细松

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

刘万里的其他基金

建立鼻咽癌外泌体PLA-RPA检测新技术及在EBV抗体阳性人群中的筛查应用
  • 批准号:
    81871711
  • 批准年份:
    2018
  • 资助金额:
    57.0 万元
  • 项目类别:
    面上项目
从血浆exosomes中筛选和鉴定预测EBV抗体阳性的体检人群患鼻咽癌风险的指标
  • 批准号:
    81472008
  • 批准年份:
    2014
  • 资助金额:
    72.0 万元
  • 项目类别:
    面上项目
DC-SIGN介导EBV感染iDC细胞和鼻咽上皮细胞分子机制研究
  • 批准号:
    30972762
  • 批准年份:
    2009
  • 资助金额:
    32.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码