目的:探讨不同保存方法对液体质控品稳定性的影响。方法:将美国伯乐冰冻生化液体质控品室温复融后平均分为2份,一份按需分装冷冻(冷冻组),另一份冷藏保存(冷藏组),分析总蛋白(TP)、丙氨酸氨基转移酶(ALT)、天门冬氨酸氨基转移酶(AST)、总胆红素(TB)、直接胆红素(DB)、碱性磷酸酶(ALP)、胆碱酯酶(CHE)、甘油三酯(TG)、无机磷(IP)和游离脂肪酸(NEFA)的变异系数(coefficient of variation,CV)和第20天的相对变化率;并分析2015年8月至2017年9月不同批号质控品2种保存方式下的室内质控数据的CV百分比偏差。采用SPSS 22.0软件对数据进行配对t检验,P<0.05表示差异有统计学意义。结果:除冷藏组中值质控品的TP、AST的结果和冷冻组相比差异无统计学意义外,其余项目2组检测结果差异有统计学意义(P<0.01);2组中值质控品CV除TP、AST无明显差异,病理值质控品CV除TP、ALP无明显差异外,其余项目均有显著差异,冷藏组大于冷冻组;冷冻组第20天相对变化率较小,冷藏组除TP比较稳定外,其余项目均出现不同的变化趋势。2015年8月至2017年9月的室内质控数据显示,除了TP外,采用分装冷冻保存的质控品CV均明显小于采用冷藏方式保存的CV,其中ALT、AST、ALP、CHE、TB和DB的偏差较大,绝对值均>50%。结论 :分装后冷冻保存的质控品稳定性优于冷藏保存。
目的探讨前2肽前列腺特异性抗原(isoform[-2]prostate specific antigen,p2PSA)及前列腺健康指数(prostate health index,PHI)早期诊断前列腺癌的临床价值。方法选择2019年11月至2021年2月在昆明医科大学第二附属医院住院治疗并拟首次接受经超声引导下前列腺穿刺活检或手术切除的103例患者,根据病理结果分为前列腺癌组(45例)与前列腺良性疾病组(以下简称良性疾病组,58例),选择同期健康体检的43例健康男性作为健康对照组,进行各项血清学指标检测。根据总前列腺特异性抗原(total prostate specific antigen,tPSA)检测结果将146例研究对象分为tPSA≤10ng/ml组与tPSA>10ng/ml组,每组再各分出前列腺癌亚组与非前列腺癌亚组。计算游离/总前列腺特异性抗原(free/total prostate specific antigen,f/tPSA)和PHI。比较各项指标差异,用受试者工作特征(receiver operating characteristic,ROC)曲线评价不同分组中各项指标诊断前列腺癌的效能。结果前列腺癌组血清tPSA、游离前列腺特异性抗原(free prostate specific antigen,fPSA)、p2PSA水平及PHI均明显高于良性疾病组及健康对照组,而f/tPSA则相反,差异均有显著性(P<0.05)。PHI的曲线下面积最大(0.89,0.95),提示其诊断效能最佳。结论PHI是一个敏感度、特异度均较高且不受tPSA水平局限的优秀指标,而p2PSA相比之下优势不明显。PHI有望成为前列腺癌早期诊断的最佳指标。
目的基于TCGA(the cancer genome atlas)和GEO(gene expression omnibus)数据库构建肝内胆管癌(intrahepatic cholangiocarcinoma,ICCA)预后风险模型,筛选ICCA预后相关基因。方法TCGA数据库31例ICCA组织及9例癌旁组织数据作为训练集,GEO数据库30例ICCA组织及27例癌旁组织数据作为验证集,R软件“DESeq2”包过滤表达有差异的基因,过滤条件:差异倍数绝对值>2,校正P值<0.05。单因素COX回归分析筛选两组数据预后差异均有统计学意义的基因,通过LASSO回归分析构建ICCA的预后风险模型。计算训练集及验证集风险分数,并根据中值分为高、低风险组,绘制Kaplan-Meier生存曲线图和时间依赖性受试者工作特征(receiver operating characteristic,ROC)曲线。将风险分数与临床病理信息进行单、多因素COX回归分析,并绘制列线图展示,综合评价及验证模型效能。利用基因本体论(gene ontology,GO)、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)、基因集富集分析(Gene Set Enrichment Analysis,GSEA)和单样本基因集富集分析(Single Sample Gene Set Enrichment Analysis,ssGSEA)分析造成高低风险组预后差异的原因。结果TCGA数据共筛选出2922个差异表达基因,GEO数据共筛选出3075个(均P<0.05)。经单因素COX回归分析,TCGA筛选出68个基因(HR=0.13~7.2,均P<0.05),GEO筛选出413个基因(HR=0.17~215.1,均P<0.05),两组数据预后差异均有统计学意义的有9个基因:GOLGA7B,MTFR2,TPM2,PIWIL4,EPHX4,PRICKLE1,DIO2,FUT4和COL4A3(其中TCGA数据库HR=0.506~2.760,GEO数据库HR=0.428~1.992,均P<0.05)。LASSO回归成功构建6基因预后风险模型,模型风险分数=0.464×表达量MTFR2+0.550×表达量TPM2-0.511×表达量PIWIL4-0.097×表达量PRICKLE1+0.215×表达量DIO2-0.313×表达量COL4A3,训练集中风险分数中值为1.43。Kaplan-Meier生存分析表明在总生存率上,高风险组低于低风险组(P<0.001)。ROC曲线提示,1,3,5年AUC分别为0.971(cutoff=0.22),0.921