生物标志物组合及其在预测ASD疾病中的应用的制作方法

生物标志物组合及其在预测asd疾病中的应用
技术领域
1.本发明属于生物医药技术和诊断领域，具体涉及一种生物标志物组合及其在预测asd中的应用。


背景技术：

2.自闭症谱系障碍(autism spectrum disorder,asd)是一种广泛性发病于婴幼儿时期的精神发育障碍性疾病，主要表现为社交沟通障碍、兴趣或活动范围狭窄以及重复刻板行为，并常伴有不同程度的精神发育迟滞、情绪不稳定、睡眠障碍等精神行为障碍。在这个谱系障碍中，儿童自闭症是儿童精神类疾病当中最为严重的一种。在过去的十年中，asd的诊断在全球范围内越来越流行。中国占世界人口的22％，截至2020年，中国asd患病率为0.7％，明显低于美国1.7％的患病率，造成这一差异的原因可能是遗传因素、环境因素和确诊手段等。
3.目前，常用的诊断asd的手段包括以下几个方面：精神障碍诊断与统计手册(dms-5)、孤独症诊断观察量表(ados)、孤独症行为量表(autism behavior checklist，abc)、儿童孤独症评定量表(childhoodautism rating scale，cars)、语言及智力筛查表及其他评判量表、脑电图、核磁共振成像等。尽管临床上会从多角度筛查疾病，但现有诊断手段存在的主要问题是诊断量表主观性强，容易造成漏诊误诊，且评估时间短导致有些患者的真实情况未能反映出来，此外，大多数患者通过脑电图、磁共振未能发现问题。因此，借助医学测试(如血液测试)探索出一种asd早期筛查诊断的分子标志物，显得尤为重要。
4.分子标志物一般是指可供客观测定和评价的一个普通生理或病理或治疗过程中的某种特征性的生化指标。血液测试可以提供血液中蛋白分子表达水平的变化情况，这不仅可以帮助我们筛查诊断早期的自闭症谱系障碍患者，也可以为研究自闭症谱系障碍的产生提供新的解决思路。自闭症谱系障碍的及时干预及时治疗，会有很好的收效。因此，发明一种新型、非侵入性、的用于自闭症谱系障碍的早期辅助诊断试剂盒，具有重大的社会经济意义以及临床应用前景。


技术实现要素：

5.为了解决上述技术问题，本发明提供一种生物标志物组合及其在预测自闭症谱系障碍疾病中的应用。
6.本发明第一方面提供一种生物标志物组合在制备预测自闭症谱系障碍疾病的产品中的应用，其中，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。
7.本发明所述的自闭症谱系障碍疾病可包括轻中度自闭症谱系障碍疾病和重度自
闭症谱系障碍疾病。
8.本发明第二方面提供一种用于检测生物标志物组合的试剂组合，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。
9.在某一较佳实施方案中，所述试剂组合用于检测所述生物标志物组合的表达水平。
10.在某一较佳实施方案中，所述试剂组合包括与所述生物标志物特异性结合的试剂，或者包括与编码所述生物标志物的核酸特异性杂交的生物分子试剂。
11.在某一较佳实施方案中，所述试剂组合包括用于基因组、转录组和/或蛋白质组测序的试剂。
12.在某一较佳实施方案中，所述表达水平为蛋白表达水平和/或mrna转录水平，和/或，所述生物分子试剂选自引物、探针和抗体中的一种或多种。
13.优选地，所述蛋白表达水平通过质谱、芯片例如蛋白质芯片或微流控芯片、数字式单分子免疫阵列、elisa、放射免疫测定法、免疫透射比浊法、免疫组织化学法和western印迹的方法中的一种或多种进行检测。
14.本发明第三方面提供一种生物标志物组合，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。
15.本发明第四方面提供一种试剂盒，所述试剂盒包含如本发明第二方面所述的试剂组合和/或如本发明第三方面所述的生物标志物组合。
16.本发明第五方面提供一种构建自闭症谱系障碍疾病预测模型的方法，所述方法包括：将样本中的生物标志物组合对应的蛋白表达数据输入含逻辑回归模型的r语言caret包中进行机器学习，得到自闭症谱系障碍疾病预测模型；
17.所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。
18.在某一较佳实施方案中，所述样本为体液外泌体。
19.在某一较佳实施方案中，所述样本来自血液、尿液、唾液或脑脊液。
20.优选地，所述血液为血清或血浆。
21.在某一较佳实施方案中，在进行机器学习前，所述样本经dia方式采集所述蛋白质表达数据，并通过firmiana软件进行肽段匹配。
22.在某一较佳实施方案中，所述样本来自包括自闭症谱系障碍疾病患者和健康人。
23.在某一较佳实施方案中，将所述生物标志物组合对应的蛋白的fot作为蛋白质表
达数据输入逻辑回归模型的r语言caret包中进行机器学习。
24.在某一较佳实施方案中，输入逻辑回归模型的蛋白表达数据满足：样本中所述生物标志物组合对应的蛋白表达为健康人的相应蛋白表达1.5或1.5以上，且t-test检验p值小于0.05。
25.在某一较佳实施方案中，所述肽段匹配利用uniprot人类蛋白质数据库。
26.在某一较佳实施方案中，在进行机器学习前，对所述样本进行分组，得到建模组样本和验证组样本，建模组样本用于自闭症谱系障碍疾病预测模型构建，验证组样本用于验证所述自闭症谱系障碍疾病预测模型。
27.在某一较佳实施方案中，输入逻辑回归模型的蛋白表达数据为蛋白丰度大于或大于等于30％。
28.在某一较佳实施方案中，采用验证组样本进行验证的步骤包括：计算样本中生物标志物组合的蛋白表达数据的特异性曲线的线下面积、灵敏度和特异性；并根据所述线下面积、灵敏度和特异性判断预测模型的准确性。
29.在某一较佳实施方案中，所述方法中还包括判断样本是否患自闭症谱系障碍疾病，当预测样本为自闭症谱系障碍疾病的概率大于或大于等于0.5，则判断为患病，当预测样本为不患自闭症谱系障碍的概率大于或大于等于0.5，则判断为正常。
30.在本发明一较佳实施方案中，所述蛋白质表达数据通过lc-ms技术得到，使用dia检测方式采集。
31.优选地，所述dia检测方式采集的数据经firmiana软件进行肽段匹配。更优选地，所述肽段匹配的数据库为uniprot人类蛋白质数据库。
32.在某一较佳实施方案中，将所述生物标志物组合对应的蛋白的fot作为蛋白质表达数据输入逻辑回归模型的r语言caret包中进行机器学习。
33.进一步优选地，采用firmiana处理后的蛋白质表达数据：使用无标签的基于强度的绝对定量(ibaq)方法进行蛋白质定量，计算各蛋白质的fot(fraction of total，定义为该蛋白质的ibaq(intensity-based absolute-protein-quantification)除以样品中所有已鉴定蛋白质的总ibaq)，并将各蛋白的fot作为蛋白质表达数据输入逻辑回归模型。
34.本发明第六方面提供一种自闭症谱系障碍疾病的预测模型，所述预测模型通过如本发明第五方面所述的方法构建获得。
35.本发明第七方面提供一种针对自闭症谱系障碍疾病的预测系统，所述预测系统包括分析判断模块，所述分析判断模块中含有如本发明第五方面所述的预测模型，用于判断本是否患自闭症谱系障碍疾病的概率；
36.其中，所述生物标志物组合由acadvl、acta1、acta2、actc1、ap2a2、arhgef6、blvrb、calr、cfhr3、cfhr4、esd、clip1、cope、bag2、csn1s1、dbi、ddr1、eif5b、fbn1、fth1、glud2、gosr2、h2ac21、h2ax、hrnr、kank2、mat2b、mcm2、ppib、psme1、qsox1、mmrn2、ranbp2、serpinb3、sparc、sod1、supt16h、synm、tubb2a、tubb2b、tubb4a、usp14、txnrd1和utrn组成。
37.在某一较佳实施方案中，所述预测系统包括还包括输出模块和/或检测模块，所述输出模块输出所述分析判断模块的判断结果所述检测模块检测待测样本中的生物标志物组合对应的蛋白表达水平，并将表达水平数据传输至所述分析判断模块。
38.本发明第八方面提供一种预测自闭症谱系障碍疾病的方法，过如本发明第二方面
所述的试剂组合、如本发明第三方面所述的生物标志物组合、如本发明第四方面所述的试剂盒、如本发明第六方面所述的预测模型或如本发明第七方面所述的预测系统对样本进行预测。
39.本发明第九方面提供一种如本发明第二方面所述的试剂组合、如本发明第三方面所述的生物标志物组合、如本发明第四方面所述的试剂盒、如本发明第六方面所述的预测模型或如本发明第七方面所述的预测系统在自闭症谱系障碍疾病预测中的应用。
40.本发明第十方面提供如本发明第二方面所述的试剂组合在制备预测或诊断自闭症谱系障碍疾病的试剂盒中的应用；其中，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。
41.本发明第十一方面提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，可实现如本发明第八方面所述的方法的步骤，或实现如本发明第六方面所述的预测模型或如本发明第七方面所述的预测系统的功能。
42.本发明第十二方面提供一种电子设备，其包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实现如本发明第八方面所述的方法的步骤，或实现如本发明第六方面所述的预测模型或如本发明第七方面所述的预测系统的功能。
43.分子标志物一般是指可供客观测定和评价的一个普通生理或病理或治疗过程中的某种特征性的生化指标。血液测试可以提供血液中蛋白分子表达水平的变化情况，这不仅可以帮助我们筛查诊断早期的自闭症谱系障碍患者，也可以为研究自闭症谱系障碍的产生提供新的解决思路。自闭症谱系障碍的及时干预及时治疗，会有很好的收效。因此，发明一种新型、非侵入性、的用于自闭症谱系障碍的早期辅助诊断试剂盒，具有重大的社会经济意义以及临床应用前景。
44.本发明人通过研究自闭症谱系障碍患者及与其条件相似的正常人的血浆样本中蛋白分子表达水平变化趋势，分析出可应用于临床诊断自闭症谱系障碍的血浆生物标志物，为自闭症谱系障碍患者早期筛查诊治及干预治疗提供可能。
45.在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
46.本发明所用试剂和原料均市售可得。
47.本发明的积极进步效果在于：
48.本发明提供的52种蛋白生物标志物通过实验发现在自闭症谱系障碍患者的血液样本中的表达水平存在显著变化，因此本发明中提供的这52种生物标志物可以作为自闭症谱系障碍患者的风险预估与检测，具有高灵敏度和高特异性的优点，为自闭症谱系障碍患者早期筛查诊断、干预治疗等提供有利的技术支持。
49.基于自闭症谱系障碍患者的血浆蛋白分子标志物研制相应的辅助早期诊断试剂盒，具有广泛的科研价值并为早期临床诊断、干预治疗等提供了巨大的便利。
附图说明
50.图1为52个蛋白分子生物标志物联用在自闭症谱系障碍疾病组和健康对照组中在训练集下的roc曲线。
51.图2为52个蛋白分子生物标志物联用在自闭症谱系障碍疾病组和健康对照组中在内部验证下的roc曲线。
52.图3为预测自闭症谱系障碍疾病风险的系统的结构示意图。
53.图4为电子设备的结构示意图。
具体实施方式
54.下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法，按照常规方法和条件，或按照商品说明书选择。
55.实施例1
56.实施例中所需的自闭症谱系障碍疾病组和健康对照组样本均来自郑州大学第三附属医院，其中247例自闭症谱系障碍疾病组和244例健康对照组。本研究的设计和实施由郑州大学第三附属医院医学伦理委员会通过伦理投票批准和监督。已获得所有患者的书面知情同意。
57.1、分离血浆
58.采集全血样品，于edta抗凝管中，颠倒混匀后，使用4℃低温离心机，1,600
×
g离心10min，离心后收集上清(血浆)至新的ep管中，16,000
×
g离心10min去除细胞碎片，将血浆分装至离心管中，-80℃冻存备用。
59.2、血浆样本前处理
60.向2μl血浆样本中加入浓度为100ul 50mm的碳酸氢铵，涡旋混匀1min，将样品95℃加热孵育4min使蛋白质热变性，冷却至室温后，向体系中加入2μg胰蛋白酶(trypsin)，于37℃下振荡18h，然后向体系中加入10μl氨水停止酶解。将酶解后肽段样本进行脱盐处理，抽干，冻存于-80℃直至质谱检测。
61.3、asd血浆样本的质谱检测
62.用orbitrap fusion lumos三合一高分辨质谱系统(thermo fisher scientific，rockford，usa)串联高效液相色谱系统(easy-nlc 1200，thermo fisher)进行检测，并得到该肽样品对应的全蛋白的质谱数据。具体操作为：
63.采用纳流液相色谱，色谱柱为自制c18色谱柱(150μm id
×
8cm，1.9μm/填料)。柱温箱温度60℃。将干粉状肽使用上样缓冲液(0.1％甲酸的水溶液)复溶，上样后经色谱柱分离，以600nl/min的线性6
–
30％流动相b(acn和0.1％甲酸)洗脱，利用液相结合数据非依赖性获取(dia)的质谱检测手段。dia质谱检测参数设置如下：离子模式为正离子；一级质谱分辨率30k，最大注入时间为20ms,agc target为3e6，扫描范围为300-1400m/z；二级扫描分辨率15k，获取30个可变隔离窗口，碰撞能量27％。液相色谱串联质谱系统使用xcalibur软件控制进行数据采集。
64.4、数据分析
65.所有数据均使用firmiana。firmiana是一个基于galaxy系统的工作流，由用户登
analysis for medical diagnostic test evaluation,caspian j intern med2013；4(2):627-635。并建立了分析这些标志物的模型。
76.其中包括368例训练集，auc＝0.942，诊断灵敏度84.46％，特异性88.57％(见图1)，剩余123例为内部验证集，auc＝0.867，诊断灵敏度83.33％，特异性72.46％(见图2)。
77.由上述结果可知，自闭症谱系障碍患者血浆中的52种蛋白分子标志物(aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1、ubc)联用，可用于自闭症谱系障碍患者早期筛查及诊断。
78.对于待测样本，将蛋白质分子生物标志物的经如上所述的dia收集的fot输入所得预测模型，得到预测自闭症谱系障碍疾病的输出结果。即当概率大于或等于0.5时，判断为自闭症谱系障碍疾病；当概率小于0.5时，判断为正常。
79.实施例2预测自闭症谱系障碍疾病的系统
80.预测自闭症谱系障碍疾病的系统61：数据处理模块52和判断并输出模块53，还包括数据收集模块51(图3)。
81.数据收集模块51用于收集患者体液外泌体样本中所述生物标志物组合的表达水平数据，并将其传输给数据处理模块。
82.数据处理模块52用于将接收或输入生物标志物组合的表达水平数据按如实施例1所述的数据分析方法进行分析，得到计算结果。其中，所述生物标志物组合的表达水平数据可通过数据收集模块51进行收集，亦可从其他来源获取所述生物标志物组合的表达水平数据。
83.判断并输出模块53用于判断所述的计算结果是否符合预设的判断条件，即患自闭症谱系障碍疾病的概率大于或等于不患自闭症谱系障碍疾病的概率，以预测患自闭症谱系障碍疾病的风险，并输出预测结果；其中，在所述判断并输出模块中，当所述表达水平数据满足患自闭症谱系障碍疾病的概率大于或等于不患自闭症谱系障碍疾病的概率时，输出预测结果为“具有自闭症谱系障碍疾病的风险”；当所述表达水平数据不满足所述判断条件即患自闭症谱系障碍疾病的概率小于不患自闭症谱系障碍疾病的概率，输出预测结果为“不具有自闭症谱系障碍疾病的风险”。
84.实施例3电子设备
85.本实施例提供了一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现本发明实施例1中预测自闭症谱系障碍疾病的方法。
86.图4示出了本实施例的硬件结构示意图，电子设备4具体包括：
87.至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：
88.总线93包括数据总线、地址总线和控制总线。
89.存储器92包括易失性存储器，例如随机存取存储器(ram)921和/或高速缓存存储
器922，还可以进一步包括只读存储器(rom)923。
90.存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
91.处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的数据分析方法。
92.电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
93.应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
94.实施例4计算机可读存储介质
95.本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例1中预测自闭症谱系障碍疾病的方法的步骤。
96.其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
97.在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现本发明实施例1中预测自闭症谱系障碍疾病的方法的步骤。
98.其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
99.最后，上述具体实施方法仅用以说明本发明的技术方案，而非对其限制。
100.生物标志物全称(可参考genecards数据库)
101.aldh2：aldehyde dehydrogenase 2 family member
102.arf5：adp ribosylation factor 5
103.atp6ap1：atpase h+transporting accessory protein 1
104.cd14：cd14 molecule
105.cdc37：cell division cycle 37
106.col1a2：collagen type i alpha 2 chain
107.cybb：cytochrome b-245 beta chain
108.dst：dystonin
109.f7：coagulation factor vii
sod1：superoxide dismutase 1tpm1：tropomyosin 1
149.ubc：ubiquitin c。

技术特征：
1.一种生物标志物组合在制备预测自闭症谱系障碍疾病的产品中的应用，其中，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。2.一种用于检测生物标志物组合的试剂组合，其特征在于，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。3.如权利要求2所述的试剂组合，其特征在于，所述试剂组合用于检测所述生物标志物组合的表达水平，和/或，所述试剂组合包括用于基因组、转录组和/或蛋白质组测序的试剂，和/或，所述试剂组合包括与所述生物标志物特异性结合，或者与编码所述生物标志物的核酸特异性杂交的生物分子试剂。4.如权利要求3所述的试剂组合，其特征在于，所述表达水平为蛋白表达水平和/或mrna转录水平，和/或，所述生物分子试剂选自引物、探针和抗体中的一种或多种。5.一种生物标志物组合，其特征在于，所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。6.一种试剂盒，其特征在于，所述试剂盒包含如权利要求2～4任一项所述的试剂组合和/或如权利要求5所述的生物标志物组合。7.一种构建自闭症谱系障碍疾病预测模型的方法，其特征在于，所述方法包括：将样本中的生物标志物组合对应的蛋白表达数据输入含逻辑回归模型的r语言caret包中进行机器学习，得到自闭症谱系障碍疾病预测模型；所述生物标志物组合由aldh2、arf5、atp6ap1、cd14、cdc37、col1a2、cybb、dst、f7、fah、fgb、glod4、gnpda2、hbe1、hmgcl、hspa1l、ighd、immt、itga6、mcam、mrc1、msl1、myl12b、nucb1、ogdh、pf4、pf4v1、pfn1、potej、procr、psma3、ptprg、rps3、scp2、tpi1、vasn、anxa5、asah1、cald1、cse1l、exoc1、fth1、gnpda1、hspa8、itgb1、mta2、olfm4、mapk1、rps27a、sod1、tpm1和ubc组成。8.如权利要求7所述的方法，其特征在于，所述样本来自血液、尿液、唾液或脑脊液；和/或，在进行机器学习前，所述样本经dia方式采集所述蛋白质表达数据，并通过firmiana软件进行肽段匹配；和/或，所述样本来自包括自闭症谱系障碍疾病患者和健康人；和/或，将所述生物标志物组合对应的蛋白的fot作为蛋白质表达数据输入逻辑回归模型的r语言caret包中进行机器学习；
和/或，在进行机器学习前，对所述样本进行分组，得到建模组样本和验证组样本，建模组样本用于自闭症谱系障碍疾病预测模型构建，验证组样本用于验证所述自闭症谱系障碍疾病预测模型。9.如权利要求8所述的方法，其特征在于，所述肽段匹配利用uniprot人类蛋白质数据库；和/或，输入逻辑回归模型的蛋白表达数据满足：样本中所述患者的生物标志物组合对应的蛋白表达为健康人的相应蛋白表达1.5或1.5以上，且t-test检验p值小于0.05；和/或，输入逻辑回归模型的蛋白表达数据为蛋白丰度大于或大于等于30％；和/或，采用验证组样本进行验证的步骤包括：计算样本中生物标志物组合的蛋白表达数据的特异性曲线的线下面积、灵敏度和特异性；并根据所述线下面积、灵敏度和特异性判断预测模型的准确性；和/或，所述方法中还包括判断样本是否患自闭症谱系障碍疾病，当预测样本为自闭症谱系障碍疾病的概率大于或大于等于0.5，则判断为患病，当预测样本为不患自闭症谱系障碍的概率大于或大于等于0.5，则判断为正常。10.一种自闭症谱系障碍疾病的预测模型，其特征在于，所述预测模型通过如权利要求7～9任一项所述的方法构建获得。11.一种针对自闭症谱系障碍疾病的预测系统，其特征在于，所述预测系统包括分析判断模块，所述分析判断模块含有如权利要求10所述的预测模型，输出样本是否患自闭症谱系障碍疾病的预测结果。12.如权利要求11所述的预测系统，其特征在于，所述预测系统还包括输出模块和/或检测模块；所述输出模块输出所述分析判断模块的判断结果，所述检测模块检测待测样本中的生物标志物组合对应的蛋白表达水平，并将表达水平数据传输至所述分析判断模块。13.如权利要求10所述的预测模型或如权利要求11或12所述的预测系统在自闭症谱系障碍疾病预测中的应用。14.如权利要求2～4任一项所述的试剂组合在制备预测或诊断自闭症谱系障碍疾病的试剂盒中的应用。15.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，可实现如权利要求10所述的预测模型或如权利要求11或12所述的预测系统的功能。16.一种电子设备，其包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器用于执行所述计算机程序以实现如权利要求10所述的预测模型或如权利要求11或12所述的预测系统的功能。

技术总结
本发明公开了一种生物标志物组合及其在预测ASD(自闭症谱系障碍)疾病中的应用。所述生物标志物组合由52种生物标志物组成，具体见本发明的说明书中的描述，本发明中的52种生物标志物可以作为自闭症谱系障碍患者的风险预估与检测，具有高灵敏度和高特异性的优点，为预测自闭症谱系障碍疾病、干预治疗等提供有利的技术支持。的技术支持。


技术研发人员：李明珠
受保护的技术使用者：上海爱谱蒂康生物科技有限公司
技术研发日：2023.06.16
技术公布日：2023/9/12