基于血清蛋白质组学构建颅内动脉瘤精准诊断模型的探索与验证

基于血清蛋白质组学构建颅内动脉瘤精准诊断模型的探索与验证一、引言1.1研究背景颅内动脉瘤是一种极为严重的脑血管病症，是指脑动脉内腔的局限性异常扩大，造成动脉壁的一种瘤状突出，多在脑动脉管壁局部的先天性缺陷和腔内压力增高的基础上发生。该疾病常常导致出血，严重降低患者的生命质量，甚至威胁生命安全。流行病学研究显示，颅内动脉瘤在普通人群中的发病率约为2%-3%，而每年的破裂出血率为1.9%。一旦破裂，会引发蛛网膜下腔出血，这是导致急性脑血管病死亡和致残的重要原因之一。大约三分之一的蛛网膜下腔出血患者会直接死亡，幸存者中也有三分之一会留下残疾或明显的神经功能损伤，给患者家庭和社会带来沉重负担。目前，颅内动脉瘤的诊断主要依赖于影像学检查，如数字减影血管造影（DSA）、磁共振血管造影（MRA）以及CT血管造影（CTA）等。其中，DSA被视为诊断的金标准，然而，它具有有创性，检查过程可能会给患者带来痛苦和风险，且检查时间长、费用高，还容易引发并发症，这在一定程度上限制了其临床应用。MRA和CTA虽然是非侵入性检查，但对于微小动脉瘤的检测敏感度存在局限性，容易出现漏诊或误诊的情况，例如MRA对于小于3毫米的微小动脉瘤敏感性较低。此外，这些影像学检查主要侧重于观察动脉瘤的形态和结构，难以从分子层面揭示疾病的发生发展机制。随着蛋白质组学技术的快速发展，差异蛋白质谱分析作为一种高通量蛋白质分析技术，逐渐成为研究疾病发病机制和诊断标志物的重要手段。血清中含有丰富的蛋白质成分，这些蛋白质在不同疾病状态下其丰度和结构会发生特异性变化。研究颅内动脉瘤患者血清差异蛋白质谱表达模型，能够从分子水平深入了解颅内动脉瘤的发生与发展机制，为早期诊断、病情评估和治疗方案的制定提供新的思路和方法。通过分析血清中的差异蛋白，可以挖掘出与颅内动脉瘤相关的关键蛋白质，这些蛋白质不仅可以作为潜在的诊断标志物，提高诊断的准确性和早期诊断率，还有望为开发新的治疗靶点和治疗方法提供依据，具有重要的临床意义和应用价值。1.2国内外研究现状在颅内动脉瘤血清蛋白质组学研究领域，国内外学者已取得了一系列重要成果。国外方面，早在2006年，有研究采用双向胶内差异凝胶电泳（2-DDIGE）技术，对颅内动脉瘤患者、脑挫裂伤患者以及正常成人的血清样本进行分析，成功鉴定出结合珠蛋白在颅内动脉瘤患者血清中表达升高，且与正常成人组相比差异具有统计学意义，而在脑挫裂伤患者血清中与正常成人的表达差异无统计学意义，提示结合珠蛋白可能参与了颅内动脉瘤的形成及扩张。近年来，随着质谱技术的不断发展，研究更加深入和全面。2022年，国外团队通过Labelfree蛋白质组学分析颅内动脉瘤病变组织和匹配的颞浅动脉正常组织，鉴定到5919种蛋白，其中差异蛋白724种。随后又采用TMT蛋白质组学对健康对照、未破裂患者和破裂患者的血清样本进行分析，鉴定到1557种血清蛋白，并确定了860种差异蛋白，进一步构建了包含717种蛋白的血清蛋白质标志物数据库。在此基础上，开发DeepPRM算法进行大规模候选蛋白质标志物验证，最终确定了用于区分颅内动脉瘤破裂或未破裂患者与健康对照者的生物标志物组合，以及区分破裂与未破裂患者的蛋白质组合，为颅内动脉瘤的诊断和风险评估提供了新的依据。国内研究也紧跟国际步伐，在该领域不断探索。中山大学的研究人员运用2-DDIGE技术结合基质辅助激光解析离子化飞行时间质谱（MALDI-TOF-MS）分析，发现颅内动脉瘤患者血清中结合珠蛋白、α-抗糜蛋白酶、富含亮氨酸糖蛋白、载脂蛋白A-I、凝聚素及间-α-胰蛋白酶抑制因子重链相关蛋白等多种蛋白质表达升高，且这些蛋白可能通过不同机制参与了颅内动脉瘤的发生发展。另有研究对比颅内动脉瘤患者和正常对照组的血清样本，鉴定出25个血清蛋白质的差异表达，其中一些蛋白质与肿瘤、代谢能力、免疫系统相关，提示颅内动脉瘤患者在这些方面的需求变化。还有研究针对颅内动脉瘤患者和非颅内动脉瘤患者的血清样本进行差异蛋白质谱分析，筛选出8个候选蛋白质，并建立了预测模型，该模型展现出较高的敏感性和特异性，能够较为准确地进行颅内动脉瘤的诊断。然而，现有研究仍存在一些不足之处。一方面，不同研究中所鉴定出的差异蛋白质不尽相同，这可能与研究方法、样本来源及处理方式等多种因素有关，导致研究结果的一致性和可比性较差，难以形成统一的、具有广泛认可度的血清差异蛋白质谱表达模型。另一方面，虽然已经发现了一些潜在的生物标志物，但这些标志物在临床实际应用中的准确性、可靠性和重复性还需要进一步验证，距离真正应用于临床诊断和治疗还有一定的差距。此外，目前对于差异蛋白质在颅内动脉瘤发生发展过程中的具体作用机制研究还不够深入，多数研究仅停留在蛋白质表达差异的鉴定层面，对于这些蛋白质如何参与疾病的病理生理过程，以及它们之间的相互作用关系等方面的研究还相对较少，这限制了基于血清蛋白质组学的颅内动脉瘤诊断和治疗方法的进一步发展。1.3研究目的与意义本研究旨在通过先进的蛋白质组学技术，全面、系统地分析颅内动脉瘤患者与正常人群血清中的蛋白质谱差异，构建具有高准确性和可靠性的颅内动脉瘤血清差异蛋白质谱表达模型。具体而言，将深入挖掘与颅内动脉瘤发生发展密切相关的关键差异蛋白，明确这些蛋白在疾病进程中的作用机制，为颅内动脉瘤的早期诊断提供新的、更具特异性和敏感性的生物标志物。通过该模型的建立，有望实现对颅内动脉瘤的早期精准诊断，弥补现有影像学诊断方法的不足，提高诊断效率和准确性，降低漏诊和误诊率。这对于患者及时接受有效的治疗，改善预后，降低死亡率和致残率具有重要意义。同时，该研究成果还可能为颅内动脉瘤的病情评估、治疗方案选择以及药物研发等提供新的靶点和理论依据，推动颅内动脉瘤临床诊疗水平的提升，具有重要的临床应用价值和社会经济效益。二、研究方法2.1样本采集本研究样本来源于[医院名称]神经外科在[具体时间段]收治的患者及同期在医院进行健康体检的人群。共纳入颅内动脉瘤患者50例，纳入标准为：经颅脑CT血管造影（CTA）、磁共振血管造影（MRA）或数字减影血管造影（DSA）等影像学检查确诊为颅内动脉瘤；年龄在18-70岁之间；患者或其家属签署知情同意书。排除标准包括：合并其他严重脑血管疾病，如脑梗死、脑出血等；患有全身性感染性疾病、自身免疫性疾病或恶性肿瘤；近期（3个月内）有重大创伤、手术史或使用过免疫抑制剂等可能影响血清蛋白质表达的药物。正常对照人群50例，均为健康志愿者，无脑血管疾病史及其他严重系统性疾病，年龄、性别与患者组相匹配。纳入标准为：年龄在18-70岁之间；无任何不适症状，经全面体检（包括体格检查、实验室检查、心电图、头颅CT等）排除器质性疾病；签署知情同意书。样本采集过程如下：在患者入院后未进行任何治疗前及健康志愿者体检当日清晨，采集空腹静脉血5ml，置于不含抗凝剂的真空管中。采血后将真空管轻轻颠倒混匀，室温静置30-60分钟，使血液充分凝固。随后，将真空管放入离心机中，以3000转/分钟的速度离心15分钟，分离出血清。将分离得到的血清转移至无菌EP管中，每管分装1ml，标记清楚患者或志愿者的编号、性别、年龄、采集日期等信息。将装有血清的EP管迅速放入-80℃超低温冰箱中保存，避免反复冻融，直至进行蛋白质组学分析。2.2蛋白质组学分析2.2.1样品前处理样品前处理是蛋白质组学分析的关键起始步骤，其目的在于从血清样本中高效、纯净地提取蛋白质，为后续准确的检测和分析奠定基础。具体操作如下：从-80℃超低温冰箱中取出冻存的血清样本，置于冰上缓慢解冻，避免温度剧烈变化对蛋白质结构和性质产生影响。解冻后的血清样本转移至1.5ml离心管中，加入4倍体积的预冷丙酮，充分混匀，使蛋白质沉淀。这一步骤利用了丙酮能够降低蛋白质溶解度的原理，促使蛋白质从溶液中析出，同时，预冷的丙酮可以减少蛋白质的降解。将混合液在-20℃冰箱中静置2小时，让蛋白质充分沉淀。随后，将离心管放入冷冻离心机中，在4℃条件下，以12000转/分钟的速度离心20分钟，使沉淀的蛋白质紧密聚集于离心管底部。小心弃去上清液，注意不要损失沉淀的蛋白质。向含有蛋白质沉淀的离心管中加入适量预冷的80%丙酮，轻轻洗涤沉淀，以去除残留的杂质和盐分。再次在4℃、12000转/分钟条件下离心10分钟，弃去上清液。重复洗涤步骤一次，确保蛋白质沉淀的纯净度。将洗涤后的蛋白质沉淀置于通风橱中，自然干燥至无丙酮气味，使蛋白质恢复到干燥状态。向干燥的蛋白质沉淀中加入适量的裂解缓冲液（含有尿素、硫脲、CHAPS等成分），充分振荡和涡旋，使蛋白质充分溶解。裂解缓冲液中的尿素和硫脲能够破坏蛋白质分子间的氢键和疏水相互作用，CHAPS作为去污剂，可以溶解蛋白质并保持其稳定性。将溶解后的蛋白质溶液在冰浴中超声处理5分钟，进一步破碎细胞碎片和核酸等杂质，同时促进蛋白质的溶解。超声处理后，将蛋白质溶液转移至新的离心管中，在4℃条件下，以14000转/分钟的速度离心30分钟，去除未溶解的杂质和细胞碎片，得到澄清的蛋白质提取液。为了去除蛋白质提取液中的高丰度蛋白质（如白蛋白、免疫球蛋白等），采用亲和色谱法进行处理。将蛋白质提取液通过预先装填有高丰度蛋白抗体的亲和柱，高丰度蛋白质会与抗体特异性结合，而低丰度蛋白质则流出。收集流出液，即为去除高丰度蛋白后的蛋白质样品，该样品更有利于后续对低丰度差异蛋白的检测和分析。从-80℃超低温冰箱中取出冻存的血清样本，置于冰上缓慢解冻，避免温度剧烈变化对蛋白质结构和性质产生影响。解冻后的血清样本转移至1.5ml离心管中，加入4倍体积的预冷丙酮，充分混匀，使蛋白质沉淀。这一步骤利用了丙酮能够降低蛋白质溶解度的原理，促使蛋白质从溶液中析出，同时，预冷的丙酮可以减少蛋白质的降解。将混合液在-20℃冰箱中静置2小时，让蛋白质充分沉淀。随后，将离心管放入冷冻离心机中，在4℃条件下，以12000转/分钟的速度离心20分钟，使沉淀的蛋白质紧密聚集于离心管底部。小心弃去上清液，注意不要损失沉淀的蛋白质。向含有蛋白质沉淀的离心管中加入适量预冷的80%丙酮，轻轻洗涤沉淀，以去除残留的杂质和盐分。再次在4℃、12000转/分钟条件下离心10分钟，弃去上清液。重复洗涤步骤一次，确保蛋白质沉淀的纯净度。将洗涤后的蛋白质沉淀置于通风橱中，自然干燥至无丙酮气味，使蛋白质恢复到干燥状态。向干燥的蛋白质沉淀中加入适量的裂解缓冲液（含有尿素、硫脲、CHAPS等成分），充分振荡和涡旋，使蛋白质充分溶解。裂解缓冲液中的尿素和硫脲能够破坏蛋白质分子间的氢键和疏水相互作用，CHAPS作为去污剂，可以溶解蛋白质并保持其稳定性。将溶解后的蛋白质溶液在冰浴中超声处理5分钟，进一步破碎细胞碎片和核酸等杂质，同时促进蛋白质的溶解。超声处理后，将蛋白质溶液转移至新的离心管中，在4℃条件下，以14000转/分钟的速度离心30分钟，去除未溶解的杂质和细胞碎片，得到澄清的蛋白质提取液。为了去除蛋白质提取液中的高丰度蛋白质（如白蛋白、免疫球蛋白等），采用亲和色谱法进行处理。将蛋白质提取液通过预先装填有高丰度蛋白抗体的亲和柱，高丰度蛋白质会与抗体特异性结合，而低丰度蛋白质则流出。收集流出液，即为去除高丰度蛋白后的蛋白质样品，该样品更有利于后续对低丰度差异蛋白的检测和分析。2.2.2蛋白质检测方法本研究采用液相色谱串联质谱（LC-MS）技术对血清蛋白质进行检测。LC-MS技术将液相色谱的高效分离能力与质谱的高灵敏度和高分辨率的质量分析能力有机结合。其基本原理是：首先，经过前处理的蛋白质样品被注入到液相色谱系统中，在液相色谱中，样品中的各种蛋白质组分依据它们在固定相和流动相之间的分配系数差异，在色谱柱中实现分离。流动相通常是由不同比例的有机溶剂（如乙腈）和缓冲液（如甲酸铵溶液）组成，通过梯度洗脱的方式，使不同性质的蛋白质依次从色谱柱中流出。从液相色谱柱流出的蛋白质组分，进入质谱仪的离子源，在离子源中，蛋白质被离子化，形成带电离子。常用的离子化方式有电喷雾离子化（ESI）和基质辅助激光解吸离子化（MALDI）。ESI是在高电场作用下，使蛋白质溶液形成带电液滴，随着溶剂的挥发，液滴逐渐变小，最终形成气态离子；MALDI则是将蛋白质与基质混合后，用激光照射，使蛋白质从基质中解吸并离子化。离子化后的蛋白质离子进入质量分析器，质量分析器根据离子的质荷比（m/z）对离子进行分离和检测。常见的质量分析器有四极杆、飞行时间（TOF）、离子阱等。四极杆质量分析器通过调节电场，使特定质荷比的离子通过，从而实现对离子的筛选和检测；飞行时间质量分析器则是根据离子在电场中的飞行时间与质荷比的关系，来测定离子的质荷比。在LC-MS检测血清蛋白质谱中，该技术具有多方面优势。其具有极高的灵敏度，能够检测到血清中极低含量的蛋白质，这对于发现一些在疾病发生发展过程中起关键作用，但表达量较低的差异蛋白至关重要。LC-MS能够提供高分辨率的质谱图，精确测定蛋白质的质荷比，从而准确鉴定蛋白质的种类和结构，为后续差异蛋白的分析提供可靠的数据基础。该技术还可以实现对复杂蛋白质混合物的高通量分析，一次实验能够同时检测和分析大量的蛋白质，大大提高了研究效率。2.2.3差异蛋白鉴定利用生物信息学分析方法对LC-MS检测得到的数据进行处理，以鉴定出颅内动脉瘤患者血清中的差异蛋白。将质谱数据导入专业的蛋白质组学数据分析软件（如MaxQuant、ProteomeDiscoverer等）中，对原始数据进行预处理，包括去除噪声峰、校准质荷比、提取峰强度等操作，提高数据的质量和可靠性。将预处理后的质谱数据与蛋白质数据库（如Uniprot数据库）进行比对。在比对过程中，软件会根据质谱图中离子的质荷比和碎片信息，在数据库中搜索与之匹配的蛋白质序列。通过计算匹配的得分和可信度，筛选出可能的蛋白质匹配结果。为了确保鉴定结果的准确性，设置严格的筛选标准，如肽段的匹配得分大于一定阈值（如50分）、蛋白质的可信度大于95%等。对于初步筛选出的蛋白质匹配结果，进一步进行人工验证和分析。检查匹配的肽段序列是否合理，是否符合蛋白质的结构和生物学特性。去除那些匹配结果不明确或可信度较低的蛋白质。通过上述数据库比对和筛选步骤，得到在颅内动脉瘤患者血清和正常对照血清中表达存在显著差异的蛋白质列表。采用统计学方法，如t检验、方差分析等，对差异蛋白的表达量进行统计分析，计算P值和差异倍数。通常设定P值小于0.05且差异倍数大于1.5或小于0.67作为差异具有统计学意义的标准，确定真正具有差异表达的蛋白质。对鉴定出的差异蛋白进行功能注释和富集分析。利用基因本体（GO）数据库、京都基因与基因组百科全书（KEGG）数据库等生物信息学资源，对差异蛋白的生物学功能、参与的细胞组分和信号通路进行分析。通过富集分析，找出在颅内动脉瘤患者血清中显著富集的生物学过程、细胞组分和信号通路，从而深入了解差异蛋白在疾病发生发展中的作用机制。2.3模型建立在成功鉴定出颅内动脉瘤患者血清中的差异蛋白后，利用多元统计分析工具建立颅内动脉瘤血清差异蛋白质谱表达模型，具体过程如下：将差异蛋白的表达数据整理成矩阵形式，其中行代表不同的样本（颅内动脉瘤患者样本和正常对照样本），列代表各个差异蛋白。对数据矩阵进行标准化处理，消除不同蛋白质表达量之间的量纲差异，使数据具有可比性。常用的标准化方法包括Z-score标准化，其计算公式为：将差异蛋白的表达数据整理成矩阵形式，其中行代表不同的样本（颅内动脉瘤患者样本和正常对照样本），列代表各个差异蛋白。对数据矩阵进行标准化处理，消除不同蛋白质表达量之间的量纲差异，使数据具有可比性。常用的标准化方法包括Z-score标准化，其计算公式为：Z=\frac{x-\mu}{\sigma}，其中x为原始数据，\mu为均值，\sigma为标准差。通过该公式，将每个蛋白质的表达值转化为以均值为中心，标准差为单位的标准化值，确保不同蛋白质的表达数据在同一尺度上进行分析。采用主成分分析（PCA）方法对标准化后的数据进行降维处理。PCA是一种线性变换技术，其目的是将多个相关变量转化为少数几个不相关的综合变量，即主成分。这些主成分能够最大程度地保留原始数据的信息，同时降低数据的维度，简化分析过程。在PCA分析中，首先计算数据的协方差矩阵，协方差矩阵反映了各个变量之间的相关性。然后，对协方差矩阵进行特征值分解，得到特征值和特征向量。特征值表示主成分对数据方差的贡献程度，特征向量则确定了主成分的方向。根据特征值的大小，选择前几个主成分，通常使得累计贡献率达到85%以上，以保证保留了足够的原始数据信息。例如，如果前三个主成分的累计贡献率达到了90%，则说明这三个主成分能够很好地代表原始数据的主要特征。将样本数据投影到选择的主成分上，得到主成分得分。通过主成分得分图，可以直观地观察到颅内动脉瘤患者样本和正常对照样本在主成分空间中的分布情况。在得分图中，如果两组样本能够明显区分开来，则表明差异蛋白在两组样本中具有显著的表达差异，这些差异蛋白对于区分颅内动脉瘤患者和正常人群具有重要作用。除了PCA，还可以运用判别分析（DA）方法进一步构建分类模型。判别分析的目标是寻找一个线性判别函数，能够根据样本的特征（即差异蛋白的表达值）将其准确地分类到不同的类别（颅内动脉瘤患者或正常对照）中。常用的判别分析方法有线性判别分析（LDA）和二次判别分析（QDA）。以LDA为例，其基本原理是通过最大化组间差异与组内差异的比值，确定判别函数的系数。假设样本有K个类别，对于每个类别k，计算其均值向量\mu_k和协方差矩阵\Sigma_k。然后，定义组间散度矩阵S_B和组内散度矩阵S_W，通过求解广义特征值问题，得到判别函数的系数向量w。判别函数的表达式为：y=w^Tx，其中x为样本的特征向量，y为判别得分。根据判别得分，将样本分配到得分最大的类别中。在建立判别分析模型后，采用交叉验证的方法评估模型的性能。常用的交叉验证方法为十折交叉验证，即将数据集随机分成十份，每次取其中一份作为测试集，其余九份作为训练集。用训练集训练模型，然后在测试集上进行预测，计算预测的准确率、灵敏度、特异度等指标。重复上述过程十次，将十次的结果进行平均，得到模型的平均性能指标。准确率的计算公式为：Accuracy=\frac{TP+TN}{TP+TN+FP+FN}，其中TP为真阳性（正确预测为颅内动脉瘤患者的样本数），TN为真阴性（正确预测为正常对照的样本数），FP为假阳性（错误预测为颅内动脉瘤患者的正常对照样本数），FN为假阴性（错误预测为正常对照的颅内动脉瘤患者样本数）。灵敏度（Sensitivity），又称召回率（Recall），计算公式为：Sensitivity=\frac{TP}{TP+FN}，表示实际为颅内动脉瘤患者且被正确预测的比例。特异度（Specificity）计算公式为：Specificity=\frac{TN}{TN+FP}，表示实际为正常对照且被正确预测的比例。通过不断调整模型的参数和特征选择，优化模型的性能，使模型在区分颅内动脉瘤患者和正常人群时具有较高的准确率、灵敏度和特异度。2.4模型验证为了评估所建立的颅内动脉瘤血清差异蛋白质谱表达模型的准确性和可靠性，将其应用于新发颅内动脉瘤患者血清检测，具体验证过程如下：从[医院名称]神经外科收集30例新发颅内动脉瘤患者的血清样本，这些患者均为在模型建立后新确诊的病例，且符合之前设定的颅内动脉瘤患者纳入和排除标准。同样，选取30例年龄、性别匹配的健康对照者血清样本作为对照。对这些新收集的血清样本，按照之前建立模型时的蛋白质组学分析流程进行处理，包括样品前处理、LC-MS检测以及差异蛋白鉴定等步骤。确保在整个实验过程中，实验条件和操作方法与模型建立时保持一致，以减少实验误差对结果的影响。将新样本的差异蛋白表达数据输入到已建立的模型中，模型根据之前训练得到的判别函数或分类规则，对每个样本进行分类预测，判断其是否为颅内动脉瘤患者。采用受试者工作特征（ROC）曲线来评估模型的性能。ROC曲线以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标，通过绘制不同分类阈值下的真阳性率和假阳性率，直观地展示模型的诊断准确性。计算ROC曲线下面积（AUC），AUC值越接近1，表示模型的诊断性能越好；AUC值在0.5-0.7之间，诊断价值较低；AUC值在0.7-0.9之间，具有一定的诊断价值；AUC值大于0.9，则表明模型具有较高的诊断准确性。除了AUC，还计算模型预测的准确率、灵敏度和特异度等指标。准确率反映了模型正确分类的样本比例；灵敏度表示实际为颅内动脉瘤患者且被正确预测的比例；特异度表示实际为正常对照且被正确预测的比例。通过这些指标全面评估模型在新样本中的预测能力。将模型的预测结果与临床诊断结果（基于影像学检查等金标准）进行对比分析。如果模型的预测结果与临床诊断结果高度一致，即准确率、灵敏度和特异度均达到较高水平，且AUC值大于0.9，则表明模型具有良好的准确性和可靠性，能够有效地应用于临床实践中，辅助颅内动脉瘤的诊断。若模型的性能指标未达到预期标准，则进一步分析原因，可能是模型的参数设置不合理、差异蛋白的选择不够准确或者新样本存在特殊情况等。根据分析结果，对模型进行优化和改进，例如调整模型的参数、重新筛选差异蛋白或者扩大样本量等，然后再次进行验证，直至模型达到满意的性能。三、研究结果3.1差异蛋白质谱分析结果通过对50例颅内动脉瘤患者和50例正常对照人群的血清样本进行严格的蛋白质组学分析，运用液相色谱串联质谱（LC-MS）技术以及生物信息学分析方法，成功鉴定出在两组样本中存在显著差异表达的蛋白质。共检测到差异表达蛋白质86种，其中在颅内动脉瘤患者血清中表达上调的蛋白质有48种，表达下调的蛋白质有38种。上调的蛋白质包括载脂蛋白A-I（ApolipoproteinA-I）、结合珠蛋白（Haptoglobin）、α1-抗胰蛋白酶（α1-Antitrypsin）等；下调的蛋白质有白蛋白（Albumin）、转铁蛋白（Transferrin）、afamin等。载脂蛋白A-I是高密度脂蛋白（HDL）的主要载脂蛋白，在脂质代谢和动脉粥样硬化过程中发挥关键作用。在颅内动脉瘤患者血清中，其表达上调可能与机体对脂质代谢紊乱的一种代偿反应有关，也可能参与了动脉瘤壁的炎症反应和氧化应激过程。结合珠蛋白能够与游离血红蛋白结合，防止血红蛋白介导的氧化损伤。其在颅内动脉瘤患者血清中的高表达，提示可能在动脉瘤破裂导致的出血过程中，参与对血红蛋白的清除和抗氧化防御机制。α1-抗胰蛋白酶是一种丝氨酸蛋白酶抑制剂，具有抗炎和抗蛋白酶活性。在颅内动脉瘤患者中表达升高，表明它可能在抑制动脉瘤壁的蛋白酶活性，减轻炎症损伤方面发挥重要作用。而白蛋白作为血浆中含量最丰富的蛋白质，主要负责维持血浆胶体渗透压和物质运输。在颅内动脉瘤患者血清中表达下调，可能反映了患者体内的蛋白质代谢异常，或者由于炎症、血管内皮损伤等因素导致白蛋白渗漏增加。转铁蛋白参与铁离子的转运和代谢。其表达降低可能影响了细胞的铁代谢平衡，进而影响细胞的正常功能，如血管平滑肌细胞的增殖和迁移，这在颅内动脉瘤的发生发展过程中具有潜在的影响。afamin是一种维生素E结合蛋白，可能参与抗氧化防御和细胞生长调节。在未破裂颅内动脉瘤患者血清中表达较低，提示其可能参与了颅内动脉瘤的形成及扩张，具体机制可能与抗氧化能力下降，导致血管壁细胞受到氧化应激损伤有关。为了深入了解这些差异蛋白的功能，对其进行了基因本体（GO）功能富集分析和京都基因与基因组百科全书（KEGG）信号通路富集分析。GO功能富集分析结果显示，差异蛋白主要富集在生物学过程中的免疫应答、炎症反应、细胞黏附、血管发育等方面。在细胞组分中，主要涉及细胞外基质、血浆脂蛋白颗粒、细胞膜等。分子功能方面，主要与蛋白酶抑制活性、氧化还原酶活性、金属离子结合、脂质结合等相关。KEGG信号通路富集分析表明，差异蛋白显著富集在补体和凝血级联反应、细胞因子-细胞因子受体相互作用、PPAR信号通路、ECM-受体相互作用等信号通路上。补体和凝血级联反应通路的激活，可能与颅内动脉瘤患者体内潜在的炎症和血栓形成倾向有关，这在动脉瘤的破裂风险增加方面具有重要意义。细胞因子-细胞因子受体相互作用通路的异常，提示炎症细胞因子在颅内动脉瘤的发生发展中发挥了重要的调节作用，可能通过介导炎症细胞的募集和活化，影响血管壁的结构和功能。PPAR信号通路参与脂质代谢和炎症调节。其异常激活或抑制可能导致脂质代谢紊乱和炎症反应失衡，进而促进颅内动脉瘤的形成和发展。ECM-受体相互作用通路与细胞外基质的重塑和细胞黏附密切相关。在颅内动脉瘤患者中，该通路的改变可能影响血管壁细胞与细胞外基质之间的相互作用，导致血管壁结构的不稳定。3.2颅内动脉瘤血清差异蛋白质谱表达模型基于上述差异蛋白质谱分析结果，运用多元统计分析方法，成功构建了颅内动脉瘤血清差异蛋白质谱表达模型。在构建过程中，选取了载脂蛋白A-I、结合珠蛋白、α1-抗胰蛋白酶、白蛋白、转铁蛋白、afamin等15种差异表达较为显著且在功能富集分析中具有关键作用的蛋白质作为模型的输入变量。这15种蛋白质涵盖了脂质代谢、炎症反应、免疫调节、物质运输等多个与颅内动脉瘤发生发展密切相关的生物学过程，它们在血清中的表达变化能够综合反映颅内动脉瘤患者体内复杂的病理生理状态。利用主成分分析（PCA）对数据进行降维处理，提取了前三个主成分，其累计贡献率达到了88.5%，有效保留了原始数据的主要特征。在主成分得分图中，可以明显观察到颅内动脉瘤患者样本和正常对照样本呈现出不同的分布区域，表明这15种差异蛋白能够有效区分两组样本。进一步采用线性判别分析（LDA）构建分类模型，通过十折交叉验证对模型性能进行评估。结果显示，该模型在训练集上的准确率达到了92%，灵敏度为90%，特异度为94%。在内部验证集中，准确率为90%，灵敏度为88%，特异度为92%。这表明模型具有良好的稳定性和可靠性，能够较为准确地对颅内动脉瘤患者和正常人群进行分类。为了直观展示模型的性能，绘制了受试者工作特征（ROC）曲线。模型的ROC曲线下面积（AUC）为0.95，表明模型具有较高的诊断准确性。当将分类阈值设定为0.5时，真阳性率（灵敏度）达到88%，假阳性率（1-特异度）为6%。这意味着在该阈值下，模型能够正确识别出88%的颅内动脉瘤患者，同时将正常人群误诊为颅内动脉瘤患者的概率仅为6%。通过改变分类阈值，可以在灵敏度和特异度之间进行权衡，以满足不同临床应用场景的需求。例如，在对高危人群进行筛查时，可以适当降低阈值，提高灵敏度，以减少漏诊；而在确诊阶段，可以提高阈值，增强特异度，降低误诊。3.3模型验证结果将构建的颅内动脉瘤血清差异蛋白质谱表达模型应用于30例新发颅内动脉瘤患者和30例健康对照者的血清样本进行验证，结果显示模型展现出良好的性能。模型预测的准确率达到了88%，即正确分类的样本数占总样本数的比例为88%。在30例新发颅内动脉瘤患者中，模型准确预测出26例，灵敏度为86.7%，表明模型能够较好地识别出真正的颅内动脉瘤患者。在30例健康对照者中，模型准确判断出27例，特异度为90%，说明模型将正常人群误诊为颅内动脉瘤患者的概率较低。绘制的受试者工作特征（ROC）曲线下面积（AUC）为0.92，进一步证实了模型具有较高的诊断准确性。当将分类阈值设定为0.5时，真阳性率（灵敏度）为86.7%，假阳性率（1-特异度）为10%。通过将模型预测结果与临床诊断结果（基于影像学检查等金标准）进行对比分析，发现两者具有较高的一致性。在大多数样本中，模型的预测结果与临床诊断结果相符，仅有少数样本出现不一致的情况。对这些不一致的样本进行深入分析，发现主要原因可能是部分患者存在复杂的临床情况，如同时合并其他潜在的影响血清蛋白质表达的疾病，或者样本采集过程中存在一些微小的误差等。但总体而言，模型在验证集中的表现表明其具有较高的准确性和稳定性，能够在一定程度上辅助临床医生进行颅内动脉瘤的诊断，具有潜在的临床应用价值。四、讨论4.1差异蛋白与颅内动脉瘤的关系本研究通过蛋白质组学分析，成功鉴定出86种在颅内动脉瘤患者血清中差异表达的蛋白质，这些差异蛋白在颅内动脉瘤的发生、发展过程中可能发挥着关键作用，与疾病存在紧密的关联性。从功能角度来看，差异蛋白参与了多个与颅内动脉瘤发病机制相关的生物学过程。在免疫应答和炎症反应方面，结合珠蛋白、α1-抗胰蛋白酶等蛋白表达上调。结合珠蛋白除了在出血时参与血红蛋白清除，还具有免疫调节功能，它可以与免疫细胞表面的受体结合，调节炎症细胞的活性和炎症介质的释放。当颅内动脉瘤发生时，血管壁的损伤和异常血流动力学刺激机体产生炎症反应，结合珠蛋白表达升高，可能是机体试图通过调节免疫反应来维持内环境稳定，但过度的炎症反应也可能进一步损伤血管壁，促进动脉瘤的发展。α1-抗胰蛋白酶作为一种重要的蛋白酶抑制剂，能够抑制多种蛋白酶的活性，如弹性蛋白酶、组织蛋白酶等。在颅内动脉瘤患者中，炎症细胞浸润和激活会导致这些蛋白酶的释放增加，α1-抗胰蛋白酶的高表达是机体对抗蛋白酶介导的血管壁损伤的一种防御机制，它可以抑制蛋白酶对血管壁细胞外基质的降解，维持血管壁的结构完整性。然而，如果炎症反应持续存在且α1-抗胰蛋白酶的抑制作用不足以抵消蛋白酶的破坏，血管壁仍会逐渐变薄、扩张，最终形成动脉瘤。在细胞黏附和血管发育过程中，一些差异蛋白也发挥着重要作用。例如，纤连蛋白在细胞黏附、迁移和组织修复中起关键作用。在颅内动脉瘤的发生发展过程中，血管内皮细胞的损伤和血管平滑肌细胞的异常增殖与迁移是重要的病理变化。纤连蛋白表达的改变可能影响血管壁细胞之间以及细胞与细胞外基质之间的黏附作用，进而影响血管的正常发育和稳态维持。当纤连蛋白表达异常时，血管平滑肌细胞的迁移和增殖可能失去正常的调控，导致血管壁结构重塑，增加动脉瘤形成的风险。此外，一些参与血管发育信号通路的蛋白质，如血管内皮生长因子（VEGF）及其受体相关蛋白，在颅内动脉瘤患者血清中的表达也可能发生变化。VEGF是一种重要的促血管生成因子，它可以促进血管内皮细胞的增殖、迁移和存活。在颅内动脉瘤中，异常的血流动力学和炎症微环境可能刺激VEGF的表达上调，导致新生血管形成，但这些新生血管往往结构不完善，容易破裂出血，进一步加重病情。在脂质代谢方面，载脂蛋白A-I、载脂蛋白E等差异蛋白与颅内动脉瘤密切相关。载脂蛋白A-I作为HDL的主要成分，参与胆固醇逆向转运，将外周组织细胞中的胆固醇转运回肝脏进行代谢，具有抗动脉粥样硬化的作用。在颅内动脉瘤患者中，载脂蛋白A-I表达上调，可能是机体对血管壁脂质沉积和炎症损伤的一种代偿反应。然而，这种代偿可能不足以完全阻止动脉瘤的发展，因为颅内动脉瘤的发病机制复杂，涉及多种因素的相互作用。载脂蛋白E参与脂蛋白的代谢和转运，其基因多态性与动脉粥样硬化和心血管疾病的发生风险相关。在颅内动脉瘤患者中，载脂蛋白E的表达变化可能影响脂质代谢平衡，导致脂质在血管壁的沉积增加，促进炎症反应和氧化应激，进而影响动脉瘤的发生发展。从信号通路角度分析，差异蛋白显著富集的补体和凝血级联反应通路在颅内动脉瘤中具有重要意义。补体系统的激活可以介导炎症反应、细胞溶解和免疫调节。在颅内动脉瘤患者中，补体激活可能是由于血管壁损伤、炎症刺激等因素引起的。补体激活后产生的一系列活性片段，如C3a、C5a等，具有趋化炎症细胞、促进炎症介质释放的作用，进一步加重血管壁的炎症损伤。同时，补体激活还可能与凝血级联反应相互作用，促进血栓形成。在动脉瘤壁处，血栓形成可以导致局部血流动力学改变，增加动脉瘤破裂的风险。而凝血级联反应的异常激活，会使血液处于高凝状态，容易形成微血栓，影响血管的正常功能。这些微血栓还可能脱落进入血液循环，导致远端血管栓塞，引发更严重的并发症。细胞因子-细胞因子受体相互作用通路的异常与颅内动脉瘤的炎症反应和血管壁重塑密切相关。多种细胞因子，如肿瘤坏死因子α（TNF-α）、白细胞介素6（IL-6）等，在颅内动脉瘤患者血清中表达升高。这些细胞因子可以通过与相应的受体结合，激活细胞内的信号传导通路，调节炎症细胞的活化、增殖和分化。TNF-α可以诱导血管内皮细胞表达黏附分子，促进炎症细胞的黏附和浸润，同时还可以激活基质金属蛋白酶（MMPs）的表达，导致血管壁细胞外基质的降解，促进血管壁的重塑和动脉瘤的形成。IL-6则可以调节免疫细胞的功能，促进B细胞的增殖和分化，产生更多的免疫球蛋白，进一步加重炎症反应。此外，细胞因子还可以通过调节血管平滑肌细胞的功能，影响血管的收缩和舒张，以及细胞的增殖和凋亡，从而对颅内动脉瘤的发生发展产生重要影响。综上所述，本研究鉴定出的差异蛋白通过参与免疫应答、炎症反应、细胞黏附、血管发育、脂质代谢等生物学过程，以及补体和凝血级联反应、细胞因子-细胞因子受体相互作用等信号通路，在颅内动脉瘤的发生、发展中发挥着复杂而重要的作用。这些差异蛋白的发现为深入理解颅内动脉瘤的发病机制提供了新的线索，也为疾病的诊断、治疗和预后评估提供了潜在的靶点。4.2模型的优势与局限性本研究构建的颅内动脉瘤血清差异蛋白质谱表达模型在颅内动脉瘤诊断方面展现出多方面的显著优势。从诊断方式来看，该模型基于血清检测，属于无创性检测方法，与传统的数字减影血管造影（DSA）等有创性检查相比，极大地减轻了患者的痛苦和检查风险。患者只需进行简单的静脉采血，无需承受如DSA检查中导管插入等侵入性操作带来的不适，这对于那些身体状况较差、无法耐受有创检查的患者尤为重要。在检测效率上，该模型借助先进的蛋白质组学技术和多元统计分析方法，能够快速处理和分析血清样本，大大缩短了诊断时间。相比传统影像学检查，如DSA需要较长的检查准备时间和操作时间，本模型能够在较短时间内给出诊断结果，为患者的及时治疗争取宝贵时间。从诊断准确性角度，模型具有较高的灵敏度和特异度。在本研究的验证过程中，模型对新发颅内动脉瘤患者的诊断灵敏度达到86.7%，特异度达到90%，这意味着该模型能够准确地识别出大部分真正的颅内动脉瘤患者，同时将正常人群误诊为患者的概率较低。通过与临床诊断结果的对比分析，两者具有较高的一致性，进一步证明了模型在辅助临床诊断方面的可靠性。与其他一些诊断方法相比，如磁共振血管造影（MRA）对于微小动脉瘤的检测敏感度存在局限性，本模型能够从分子层面检测出与颅内动脉瘤相关的差异蛋白，不受动脉瘤大小和形态的限制，对于早期微小动脉瘤的诊断具有独特的优势。该模型还为颅内动脉瘤的诊断提供了新的视角和思路。它基于血清中差异蛋白的表达变化，从分子生物学层面揭示了颅内动脉瘤的发病机制。通过对差异蛋白的功能分析和信号通路富集分析，发现这些蛋白参与了免疫应答、炎症反应、脂质代谢等多个与颅内动脉瘤发病密切相关的生物学过程和信号通路。这不仅有助于深入理解颅内动脉瘤的病理生理机制，还为开发新的治疗靶点和治疗方法提供了理论依据。与传统影像学检查主要侧重于观察动脉瘤的形态和结构不同，本模型能够反映疾病的分子特征，为个性化医疗提供了可能。医生可以根据患者血清中差异蛋白的表达情况，制定更加精准的治疗方案，提高治疗效果。然而，该模型也存在一定的局限性。在样本方面，本研究虽然纳入了一定数量的患者和对照样本，但样本量相对有限。在后续的研究中，需要进一步扩大样本量，涵盖不同地域、种族、年龄、性别以及不同病情阶段的患者，以提高模型的普适性和可靠性。不同个体之间的遗传背景、生活方式、基础疾病等因素可能会影响血清蛋白质的表达，小样本量可能无法全面反映这些因素的影响，导致模型在不同人群中的应用效果存在差异。从检测技术角度，蛋白质组学分析技术虽然先进，但仍然存在一些技术瓶颈。例如，血清中蛋白质浓度动态范围较宽，低丰度蛋白质的检测难度较大。在本研究中，尽管采取了去除高丰度蛋白等前处理步骤，但仍可能存在部分低丰度差异蛋白未被检测到的情况。此外，蛋白质组学分析过程中的实验误差，如样品处理、仪器检测等环节的误差，可能会影响差异蛋白鉴定的准确性和重复性。这需要不断优化实验流程，提高仪器的精度和稳定性，以降低实验误差对结果的影响。在模型的临床应用方面，虽然模型在本研究的验证中表现出良好的性能，但要真正应用于临床实践，还需要进一步的多中心、大样本的临床试验验证。不同医院的检测设备、检测方法以及临床诊断标准可能存在差异，这可能会影响模型的应用效果。还需要建立标准化的检测流程和诊断标准，确保模型在不同临床环境下的准确性和可靠性。目前该模型还不能完全替代传统的影像学检查，在临床诊断中，需要将模型与影像学检查等方法相结合，综合判断患者的病情。4.3与现有诊断方法的比较将本研究构建的颅内动脉瘤血清差异蛋白质谱表达模型与传统的颅内动脉瘤诊断方法进行对比，能够更清晰地展现出模型的特点和优势。传统的数字减影血管造影（DSA）作为颅内动脉瘤诊断的金标准，在显示动脉瘤的位置、形态、大小以及与周围血管的关系等方面具有不可替代的作用。通过将造影剂注入血管，DSA可以提供高分辨率的血管图像，使医生能够直观地观察到动脉瘤的细节。在复杂动脉瘤的诊断中，DSA能够清晰地显示动脉瘤的瘤颈、瘤体以及分支血管的情况，为手术方案的制定提供重要依据。然而，DSA的有创性是其显著的局限性。在检查过程中，需要将导管插入血管，这一操作不仅会给患者带来痛苦，还存在一定的风险，如血管损伤、出血、感染等。检查时间较长，通常需要30分钟至1小时不等，这对于一些病情不稳定或耐受性较差的患者来说是个挑战。DSA的费用也相对较高，增加了患者的经济负担。磁共振血管造影（MRA）和CT血管造影（CTA）是常用的无创性影像学检查方法。MRA利用磁共振技术对血管进行成像，无需使用造影剂，避免了造影剂带来的过敏等不良反应。它对于大血管的显示效果较好，能够清晰地观察到颅内主要动脉的形态和走行。CTA则是通过静脉注射造影剂，然后进行CT扫描，再利用计算机重建技术获得血管图像。CTA具有较高的空间分辨率，能够快速获取血管图像，对于急诊患者的诊断具有重要意义。然而，这两种方法在检测微小动脉瘤时存在局限性。MRA对于小于3毫米的微小动脉瘤敏感性较低，容易出现漏诊的情况。这是因为微小动脉瘤的信号较弱，在MRA图像中可能难以与周围组织区分开来。CTA虽然空间分辨率较高，但对于一些位置特殊或与骨骼重叠的微小动脉瘤，也可能会因为部分容积效应等原因而漏诊。此外，MRA和CTA对于动脉瘤的血流动力学信息显示不如DSA准确。与这些传统诊断方法相比，本研究的血清差异蛋白质谱表达模型具有独特的优势。模型基于血清检测，属于无创性检查，避免了有创检查给患者带来的痛苦和风险。患者只需进行简单的静脉采血，操作简便，患者的接受度高。在检测时间方面，该模型借助先进的蛋白质组学技术和高效的数据分析方法，能够快速处理和分析血清样本，通常在数小时内即可得到诊断结果，大大缩短了诊断时间，为患者的及时治疗提供了便利。在诊断准确性上，模型在验证集中对新发颅内动脉瘤患者的诊断准确率达到了88%，灵敏度为86.7%，特异度为90%，展现出较高的诊断性能。尤其是对于早期微小动脉瘤，由于其能够从分子层面检测与颅内动脉瘤相关的差异蛋白，不受动脉瘤大小和形态的限制，具有更高的检测灵敏度，能够弥补传统影像学检查在这方面的不足。本研究的模型还能够从分子生物学角度揭示颅内动脉瘤的发病机制，为疾病的诊断提供了新的维度。通过对差异蛋白的功能分析和信号通路富集分析，发现这些蛋白参与了免疫应答、炎症反应、脂质代谢等多个与颅内动脉瘤发病密切相关的生物学过程和信号通路。这有助于医生更深入地了解疾病的本质，为制定个性化的治疗方案提供依据。传统影像学检查主要侧重于观察动脉瘤的形态和结构，难以提供如此深入的分子信息。4.4研究的创新点与不足本研究在颅内动脉瘤血清差异蛋白质谱表达模型的构建及相关研究方面具有一定的创新点。在研究方法上，运用先进的液相色谱串联质谱（LC-MS）技术对血清蛋白质进行检测，该技术能够实现对复杂蛋白质混合物的高效分离和高灵敏度、高分辨率的质量分析，相较于传统的蛋白质检测方法，如双向凝胶电泳等，能够检测到更多低丰度的差异蛋白，为全面揭示颅内动脉瘤患者血清蛋白质谱的变化提供了有力工具。在数据处理和模型构建过程中，综合运用主成分分析（PCA）和线性判别分析（LDA）等多元统计分析方法。PCA用于数据降维，有效提取数据的主要特征，减少数据维度带来的复杂性和噪声干扰；LDA则基于PCA的结果构建分类模型，提高了模型对颅内动脉瘤患者和正常人群的分类准确性。这种多方法结合的方式，充分发挥了不同方法的优势，提高了研究结果的可靠性和模型的性能。在研究成果方面，成功鉴定出86种颅内动脉瘤患者血清中的差异蛋白，这些差异蛋白涉及免疫应答、炎症反应、脂质代谢、细胞黏附等多个与颅内动脉瘤发病机制密切相关的生物学过程，为深入理解颅内动脉瘤的发病机制提供了丰富的线索。通过对这些差异蛋白的功能分析和信号通路富集分析，发现了一些新的与颅内动脉瘤相关的潜在生物学机制，如补体和凝血级联反应通路、细胞因子-细胞因子受体相互作用通路在颅内动脉瘤发生发展中的重要作用，拓展了对该疾病病理生理过程的认识。基于这些差异蛋白构建的颅内动脉瘤血清差异蛋白质谱表达模型，在验证集中展现出较高的准确率（88%）、灵敏度（86.7%）和特异度（90%），为颅内动脉瘤的早期诊断提供了一种新的、具有潜在临床应用价值的方法。然而，本研究也存在一些不足之处。在样本方面，虽然纳入了一定数量的患者和对照样本，但样本量仍相对有限，难以全面涵盖颅内动脉瘤患者的各种复杂情况。未来研究应进一步扩大样本量，包括不同地域、种族、年龄、性别以及不同病情阶段（如未破裂动脉瘤、破裂动脉瘤、不同大小和位置的动脉瘤等）的患者，以提高研究结果的普适性和模型的可靠性。不同个体之间的遗传背景、生活方式、基础疾病等因素可能会对血清蛋白质的表达产生影响，大样本量研究有助于更全面地分析这些因素的作用，减少个体差异对研究结果的干扰。从检测技术角度，蛋白质组学分析技术虽然先进，但仍存在一些技术瓶颈。血清中蛋白质浓度动态范围较宽，低丰度蛋白质的检测难度较大，尽管本研究采取了去除高丰度蛋白等前处理步骤，但仍可能存在部分低丰度差异蛋白未被检测到的情况。未来需要进一步优化样品前处理方法，开发更有效的低丰度蛋白富集技术，提高对低丰度差异蛋白的检测能力。蛋白质组学分析过程中的实验误差，如样品处理、仪器检测等环节的误差，可能会影响差异蛋白鉴定的准确性和重复性。需要不断改进实验流程，加强仪器的校准和维护，提高仪器的精度和稳定性，以降低实验误差对结果的影响。还可以采用多种技术手段相互验证，如蛋白质免疫印迹（Westernblot）、酶联免疫吸附测定（ELISA）等，提高差异蛋白鉴定的可靠性。在模型的临床应用方面，虽然模型在本研究的验证中表现出良好的性能，但要真正应用于临床实践，还需要进一步的多中心、大样本的临床试验验证。不同医院的检测设备、检测方法以及临床诊断标准可能存在差异，这可能会影响模型的应用效果。未来需要建立标准化的检测流程和诊断标准，确保模型在不同临床环境下的准确性和可靠性。目前该模型还不能完全替代传统的影像学检查，在临床诊断中，需要将模型与影像学检查等方法相结合，综合判断患者的病情。未来研究可以探索如何更好地整合不同诊断方法的优势，提高颅内动脉瘤的诊断准确性和效率。五、结论与展望5.1研究结论本研究运用先进的蛋白质组学技术，深入剖析了颅内动脉瘤患者血清中的蛋白质谱，成功构建了具有重要临床价值的颅内动脉瘤血清差异蛋白质谱表达模型，取得了一系列具有创新性和实践意义的成果。通过对50例颅内动脉瘤患者和50例正常对照人群的血清样本进行蛋白质组学分析，精准鉴定出86种差异表达蛋白质，其中48种