标志物在上皮细胞苊烯中毒检测中的应用

本发明属于生物，涉及标志物在上皮细胞苊烯中毒检测中的应用，具体包括标志物fth1、slc7a11、map1lc3a、keap1、ncoa4、slc11a2、sat1、sat2、gpx4、slc3a2、nrf2及其组合。

背景技术：

1、多环芳烃(pahs)广泛分布在大气中，通常源于自然事件如火山活动和森林火灾，也与部分人为活动有关，如汽车尾气、石油勘探、住宅垃圾燃烧和碳、煤、沥青的制造。随后，进入大气的多环芳烃可以通过大气降水沉积到土壤、植被或水中。家庭取暖期间使用秸秆等生物质、煤炭等固体燃料作为生活能源，pahs污染水平在采暖期最高，主要来源为生物质和煤炭燃烧、机动车排放和生活垃圾焚烧，导致人群存在潜在致癌风险。在全球范围内，pahs污染主要是通过各种燃烧过程释放到空气中，包括在机动车、发电厂等燃烧煤炭等化石燃料，以及在壁炉和烤架中燃烧木材、烟草和食物等有机物质。

2、人体对多环芳烃的暴露途径包括摄入、皮肤接触污染土壤以及吸入多环芳烃蒸气等。农作物在受污染的土壤中吸收多环芳烃，受污染植物作为原料进入食物链后也会对人类或动物产生危害。此外，多环芳烃因广泛存在于土壤中，可以引发氧化应激对土壤生物构成潜在威胁。多环芳烃从不同来源的物质沉积在土壤中，随后与土壤成分相互作用农作物在受污染的土壤中吸收多环芳烃，受污染植物的原料进入食物链后对人类或动物产生危害。全球多个地区的土壤被检出多种高生态风险的多环芳烃，对土壤生物构成潜在威胁。近年来，全球沿海地区多环芳烃的沉积受到城市污水和重工业排放的影响。

技术实现思路

1、为了解决现有技术中存在的技术问题，本发明提供了以下的技术方案：

2、本发明提供了检测标志物的试剂在制备检测上皮细胞苊烯中毒的产品中的应用，所述标志物包括fth1、slc7a11、map1lc3a、keap1、ncoa4、slc11a2、sat1、sat2、gpx4、slc3a2、nrf2及其组合。

3、进一步，所述上皮细胞来自受试者。

4、进一步，上皮细胞包括肺上皮细胞、支气管上皮细胞。

5、进一步，所述受试者包括哺乳动物。

6、进一步，所述受试者为人。

7、在一些实施方案中，所述受试者的样本来源还可以是血液、组织、血细胞、骨髓、腹水、细针活检样本、含有细胞的体液、游离漂浮核酸、痰液、唾液、尿液、精液、脑脊液腹膜液、胸膜液、粪便、淋巴、皮肤拭子、口服拭子、鼻拭子或灌洗物。

8、在一些具体的实施方案中，落入本发明范围内的合适的哺乳动物包括脊椎动物，具体包括但不限于，脊索动物亚门的任何成员，包括灵长类动物(例如，人、猴子和猿)，以及包括猴子物种(例如，猕猴属(例如猕猴，如食蟹猴，和/或恒河猴)和狒狒，以及狨猴(来自娟猴属的种)、松鼠猴(来自松鼠猴属的种)和娟毛猴(来自柽柳猴属的种)，以及猩猩的物种，例如黑猩猩)、啮齿动物(例如，小鼠、大鼠、豚鼠)、兔科(例如，兔子、野兔)、牛、羊(例如，绵羊)、山羊、猪、马、犬、猫科、禽类(例如，鸡、火鸡、鸭、鹅、陪伴鸟(如金丝雀、虎皮鹦鹉等))、海洋哺乳动物(例如海豚、鲸鱼)、爬行动物(蛇、青蛙、蜥蜴等)和鱼。

9、在一些实施方案中，所述上皮细胞苊烯中毒是指上皮细胞在受到苊烯影响后细胞凋亡率上升，dna复制受损，细胞活力下降，梭形细胞过程萎缩和模糊，影响细胞增殖，细胞周期紊乱。

10、本发明提供了一种筛选治疗上皮细胞苊烯中毒的药物的方法，所述方法包括：

11、a1、将测试化合物添加到已苊烯中毒的上皮细胞体系中；

12、a2、检测上皮细胞体系中标志物的表达水平；

13、将在a2中获得的表达水平与不存在测试化合物的情况下获得的表达水平进行比较，若在a2中获得的表达水平低于不存在测试化合物的情况下获得的表达水平，则鉴定测试化合物为治疗上皮细胞苊烯中毒的药物；

14、所述标志物包括ncoa4、scl3a2、nrf2、slc11a2、fth1、sat2及其组合。

15、在一些实施方案中，所述表达水平低于是指能够得到显著性差异的低水平。

16、进一步，所述化合物包括dna、rna、蛋白质、蛋白质类似物。

17、进一步，所述dna包括单链dna、闭环dna、连接dna。

18、进一步，所述rna包括mrna、trna、rrna、snrna、hrna、反义rna、tcrna、dsrna、scrna、具有催化活性的rna、各种病毒rna。

19、进一步，所述蛋白质包括天然环境下产生的蛋白质。

20、进一步，所述蛋白质类似物包括通过蛋白质工程人工合成的蛋白质。

21、本发明提供了一种筛选治疗上皮细胞苊烯中毒的药物的方法，所述方法包括：

22、a1、将测试化合物添加到已苊烯中毒的上皮细胞体系中；

23、a2、检测上皮细胞体系中标志物的表达水平；

24、将在a2中获得的表达水平与不存在测试化合物的情况下获得的表达水平进行比较，若在a2中获得的表达水平高于不存在测试化合物的情况下获得的表达水平，则鉴定测试化合物为治疗上皮细胞苊烯中毒的药物；

25、所述标志物包括gpx4、keap1、slc7a11、map1lc3a、sat1及其组合。

26、进一步，所述化合物包括dna、rna、蛋白质、蛋白质类似物。

27、进一步，所述dna包括单链dna、闭环dna、连接dna。

28、进一步，所述rna包括mrna、trna、rrna、snrna、hrna、反义rna、tcrna、dsrna、scrna、具有催化活性的rna、各种病毒rna。

29、进一步，所述蛋白质包括天然环境下产生的蛋白质。

30、进一步，所述蛋白质类似物包括通过蛋白质工程人工合成的蛋白质。

31、在一些实施方案中，所述表达水平高于是指能够得到显著性差异的高水平。

32、本发明提供了一种检测上皮细胞是否苊烯中毒的计算机模型，所述计算机模型包括使用机器学习方法进行模型训练构建计算机模型，所述机器学习方法包括使用前面所述的标志物进行机器训练的过程。

33、本发明提供了一种治疗上皮细胞苊烯中毒的计算机辅助药物筛选系统，所述计算机辅助药物筛选系统包括：

34、结果判定单元，用于将数据处理单元得到的标志物的检测值与设定值进行比较，出现以下情况时：当ncoa4、scl3a2、nrf2、slc11a2、fth1、sat2标志物中的一项、多项或全部的检测值低于设定值，计算机判定该物质是治疗上皮细胞苊烯中毒的候选药物；当gpx4、keap1、slc7a11、map1lc3a、sat1标志物中的一项、多项或全部的检测值高于设定值，计算机判定该物质是治疗上皮细胞苊烯中毒的候选药物。

35、进一步，所述计算机辅助药物筛选系统包括数据处理单元，用于将检测单元的结果进行分析，得到对应标志物的检测值。

36、进一步，所述计算机辅助药物筛选系统包括检测单元，用于检测样本中标志物的表达水平。

37、本发明提供了一种设备，所述设备包括：

38、获取检测模块，被设置为获取处理结果样本，对所述样本进行检测，获得样本中的标志物的含量；

39、程序判定模块，被设置为使用机器学习方法和所述标志物的含量建立回归方程，构建模型或直接使用前面所述的计算机模型，然后根据模型输出判定结果；

40、所述标志物包括fth1、slc7a11、map1lc3a、keap1、ncoa4、slc11a2、sat1、sat2、gpx4、slc3a2、nrf2及其组合。

41、进一步，所述机器学习方法包括线性回归算法模型、支持向量机算法模型、最近邻居/k-近邻算法模型、逻辑回归算法模型、决策树算法模型、k-平均算法模型、随机森林算法模型、朴素贝叶斯算法模型、降维算法模型、梯度增强算法模型。

42、本发明提供了一种基于前面所述标志物的计算机辅助方法，所述计算机辅助方法包括将检测对象的样本进行标志物的表达水平的检测，并将检测结果与已判定上皮细胞苊烯中毒的对应标志物的表达水平进行对比，当所述标志物中的单项、多项或全部的表达水平与已判定上皮细胞苊烯中毒的对应标志物的表达水平无显著性差异，则计算机判定检测对象上皮细胞苊烯中毒。

43、本发明提供了一种筛选预防上皮细胞苊烯中毒的药物的方法，所述方法包括：

44、a1、将测试化合物添加到上皮细胞体系中；

45、a2、将苊烯添加到a1的体系中；

46、a3、检测上皮细胞体系中标志物的表达水平；

47、将在a3中获得的表达水平与不存在测试化合物的情况下添加苊烯到上皮细胞中获得的对应标志物的表达水平进行比较，若在a3中获得的表达水平高于不存在测试化合物的情况下获得的表达水平，则鉴定测试化合物为预防上皮细胞苊烯中毒的药物；

48、所述标志物包括ncoa4、scl3a2、nrf2、slc11a2、fth1、sat2及其组合。

49、在一些实施方案中，所述预防上皮细胞苊烯中毒的药物是指能够在预使用该药物后，上皮细胞对苊烯的抵抗程度增加，或上皮细胞接触苊烯变少。

50、本发明提供了一种筛选预防上皮细胞苊烯中毒的药物的方法，所述方法包括：

51、a1、将测试化合物添加到上皮细胞体系中；

52、a2、将苊烯添加到a1的体系中；

53、a3、检测上皮细胞体系中标志物的表达水平；

54、将在a3中获得的表达水平与不存在测试化合物的情况下添加苊烯到上皮细胞中获得的对应标志物的表达水平进行比较，若在a3中获得的表达水平低于不存在测试化合物的情况下获得的表达水平，则鉴定测试化合物为预防上皮细胞苊烯中毒的药物；

55、所述标志物包括gpx4、keap1、slc7a11、map1lc3a、sat1及其组合。

56、本发明提供了一种计算机可读存储介质，其上有计算机程序，计算机程序储存于计算机可读存储介质中，所述计算机程序被处理器执行时实现前面所述的方法、或前面所述的计算机辅助方法。

57、本发明提供了一种基于前面所述的标志物的产品，所述产品包括检测标志物的表达水平的检测试剂。

58、进一步，所述产品包括试剂、试剂盒、试纸、引物、探针、芯片。

59、进一步，所述试剂盒包括容器、阳性对照物、阴性对照物、缓冲剂、溶剂。

60、进一步，所述试剂包括检测标志物的基因表达水平或蛋白水平的试剂。

61、进一步，所述基因表达水平包括mrna表达水平。

62、进一步，所述试剂盒还包括mrna表达量辅助检测试剂或蛋白表达量辅助检测试剂。

63、在一些实施方案中，所述mrna表达量辅助检测试剂包括但不限于：使所述引物对应的扩增子可视化的反应试剂，例如通过琼脂糖凝胶电泳法、酶联凝胶法、化学发光法、原位杂交法、荧光检测法等使扩增子可视化的试剂；rna提取试剂；逆转录试剂；cdna扩增试剂；制备标准曲线所用的标准品；阳性对照品。在一些实施方案中，所述蛋白表达量辅助检测试剂包括但不限于：封闭液、抗体稀释液、洗涤缓冲液、显色终止液。

64、在一些实施方案中，所述试剂盒包括免疫组化检测试剂盒、免疫印迹检测试剂盒、免疫层析检测试剂盒、流式细胞分析试剂盒、qpcr试剂盒、elisa试剂盒等。在一些实施方案中，所述产品还包括pcr反应、rt-pcr衍生反应、3sr扩增、lcr、sda、nasba、tma、sybr green、taqman探针、分子信标、双杂交探针、复合探针、ish、微阵列、southern印迹、northern印迹、多分析物谱测试、酶联免疫吸附测定法(elisa)、放射免疫测定法、免疫荧光测定法、酶免疫测定法、免疫沉淀测定法、化学发光测定法、免疫组织化学测定法、斑点印迹测定法或狭线印迹测定法中所常规使用的试剂。

65、进一步，所述引物为检测所述标志物的特异性引物。

66、进一步，所述探针包括检测所述标志物的基因表达水平的检测探针、或捕获所述标志物的捕获探针。

67、在一些实施方案中，所述的芯片包括基因芯片、蛋白芯片，所述的基因芯片包括固相载体以及固定在固相载体的探针，所述的探针包括用于检测生物标志物转录水平的针对所述生物标志物的探针。

68、在一些实施方案中，所述检测探针包括荧光基团与荧光淬灭基团，常规的荧光基团包括fam、hex、cy5、或rox，常规的荧光淬灭基团包括bhq1、bhq2、或bhq3。在一些实施方案中，所述捕获探针包括生物素探针。

69、进一步，所述捕获探针可以在5’端进行生物素修饰、双生物素修饰、氨基修饰、或polya修饰。

70、进一步，所述捕获探针包括以下修饰：5端生物素修饰，3端磷酸化修饰；或5端双生物素修饰，3端磷酸化修饰；或5端氨基修饰，3端磷酸化修饰；或5端polya修饰，3端磷酸化修饰；或5端羧基修饰，3端磷酸化修饰。

71、进一步，所述捕获探针还可进行3’端的封闭修饰。

72、进一步，所述3’端的封闭修饰选自：磷酸化，双脱氧碱基修饰，spacer修饰、氨基修饰。

73、进一步，所述引物包括特异性检测fth1的引物，具体引物序列如seq id no:1、seqid no:2所示。

74、进一步，所述引物包括特异性检测slc7a11的引物，具体引物序列如seq id no:3、seq id no:4所示。

75、进一步，所述引物包括特异性检测map1lc3a的引物，具体引物序列如seq id no:5、seq id no:6所示。

76、进一步，所述引物包括特异性检测keap1的引物，具体引物序列如seq id no:7、seq id no:8所示。

77、进一步，所述引物包括特异性检测ncoa4的引物，具体引物序列如seq id no:9、seq id no:10所示。

78、进一步，所述引物包括特异性检测slc11a2的引物，具体引物序列如seq id no:11、seq id no:12所示。

79、进一步，所述引物包括特异性检测sat1的引物，具体引物序列如seq id no:13、seq id no:14所示。

80、进一步，所述引物包括特异性检测sat2的引物，具体引物序列如seq id no:15、seq id no:16所示。

81、进一步，所述引物包括特异性检测gpx4的引物，具体引物序列如seq id no:17、seq id no:18所示。

82、进一步，所述引物包括特异性检测slc3a2的引物，具体引物序列如seq id no:19、seq id no:20所示。

83、在本发明中，生物标志物如fth1(gene id:2495)、slc7a11(gene id:23657)、map1lc3a(gene id:84557)、keap1(gene id:9817)、ncoa4(gene id:8031)、slc11a2(geneid:4891)、sat1(gene id:6303)、sat2(gene id:112483)、gpx4(gene id:2879)、slc3a2(gene id:6520)、nrf2(又名nfe2l2，gene id:4780)包括基因及其编码的蛋白及其同源物，突变，和同等型。该术语涵盖全长，未加工的生物标志物，以及源自细胞中加工的任何形式的生物标志物。该术语涵盖生物标志物的天然发生变体(例如剪接变体或等位变体)。

84、在本发明中使用的术语“机器学习”表示在未明确编程的情况下，给予计算机学习能力的算法，包括从数据学习并对数据做出预测的算法。本文所公开的实施方式所使用的机器学习算法可以包括(但不限于)随机森林(rf)、最小绝对收缩和选择算子(lasso)逻辑回归、正则化逻辑回归、xgboost、决策树学习、人工神经网络(ann)、深度神经网络(dnn)、支持向量机、基于规则的机器学习等。如线性回归或逻辑回归的算法可以用作机器学习过程的一部分。

85、在本发明中使用的本发明中术语“对象”、“患者”、“受试者”、“待测者”或“个体”是指需要治疗或预防的任何受试者，特别是脊椎动物受试者，甚至更特别是哺乳动物受试者。

86、在本发明中使用的术语“候选药物”通常指一些可能作为药物使用的物质，这些物质可以通过适当的方法进行评估，从而获得其生物学活性、药理作用及效力等方面的信息。