技术领域
[0001] 本
发明涉及人体激素代谢状态评估领域，尤其涉及一种评估待检测个体性激素代谢状态的方法和系统。
背景技术
[0002] 目前认为，性激素的合成代谢过程的每一环节都与不同
疾病的发生，特别是与性激素密切相关的
肿瘤发生有关。评估人体性激素代谢状态具有重要的意义。性激素合成过程始于胆固醇，经复杂的过程，先后合成孕激素，雄激素及雌激素。
[0003] 孕激素在女性月经、妊娠的生理过程中起着重要作用。孕激素作用于子宫内膜，使增生的子宫内膜进一步发育，产生分泌作用，使之有利于受精卵着床和生长发育。孕激素
水平失常，易导致女性月经失调，子宫内膜异位症等疾病，最终引起不孕症。孕激素的代谢产物具有除孕激素本身作用外的很多其他作用。
机体内的孕
酮60-70％的通过5α途径代谢，25％通过5β途径代谢，只有10％通过20α途径代谢。5α通路可生成α-孕烷醇酮，它是一种活跃的神经递质，是口服孕酮诱导睡眠的主要原因。
生物学意义较弱的5β通路可产生的5β-孕二醇，它是人体内含量最高的孕酮代谢产物。此外20α和3α羟孕酮具有抗增殖作用，在非肿瘤细胞中含量较高，而5α代谢产物则可由肿瘤细胞生成，并具有促生长作用。
[0004] 雄激素主要包括睾酮、雄酮和二氢睾酮等。研究最为关注的是雄激素与前列腺疾病的关联。前列腺的生长发育具有雄激素依赖性。睾酮在5α还原酶的作用下，在前列腺间质部位转化为活性很强的双氢睾酮DHT。雄激素不仅有调节前列腺细胞凋亡和增殖的作用，同时也抑制雌激素在该组织中的功能。当雄激素代谢失常导致DHT水平过高，前列腺组织增殖和凋亡水平失去平衡，而导致前列腺增生的发生。目前用于阻断DHT生成的药物已在临床上应用。除前列腺增生外，雄激素特别是DHT和
前列腺癌的关联已经广为人知。目前在
治疗前列腺癌的方案中撤除雄激素的去势治疗尤为重要。
[0005] 雌激素有三种存在形式：雌酮，雌二醇和雌三醇。其中雌二醇是最具活性的雌激素存在形式，与许多雌激素功能有关。雌激素经细胞色素450家族的酶
氧化，生成2位羟基雌激素，4位羟基雌激素和16α羟基雌激素。跟每个机体代谢雌激素的酶含量级活性有很大的不同，因此代谢产物也有差别。这些代谢产物中，2羟基雌激素被认为是“有益”的雌激素。高水平的2羟基雌激素可减缓癌症生长。2羟基甲基雌激素具有较好的抗癌作用。相反，16α羟基雌激素和4羟基雌激素是“有害”的雌激素，高水平的4羟基雌激素可破坏DNA。高水平的16α羟基雌激素可能促进肿瘤生长。雌激素代谢产物的研究已经在
乳腺癌，
结直肠癌，前列腺癌，子宫癌及子宫内膜癌，卵巢癌，
宫颈癌和头颈部肿瘤等多种恶性疾病中开展，并发现雌激素各类代谢产物在这些疾病的发生，发展过程中起着重要作用。很多良性疾病，如乳腺增生，多囊卵巢综合症，子宫肌瘤，更年期综合症和经前期综合症等也与雌激素相关，因此研究雌激素代谢产物与这些疾病的关联也有着重要意义。
[0006] 目前实验室性激素检测项目主要有雌二醇(Estradiol，E2)、睾酮(Testosterone，T)、孕酮(progesterone，P)和对其起调节作用的多肽类调节激素等。近年来研究很多研究发现，在这些原始的性激素外，还有很多有性激素作用的代谢产物以及类似的多肽类产物。如雌激素的羟基化代谢产物的含量与乳腺癌发病率密切相关。以上现象表明，目前的检测项目并不能完全满足性激素相关疾病的诊断及
预防需求。
[0007] 目前检测对象常规为血液。由于检测过程中存在诸多影响因素。导致其检测结果变异性大、敏感性低、可比性差。特别受到各类技术性因素(包括标本类型、采集时间、处理、运送、保存等)影响。血液中性激素在上午至中午维持较高水平，峰值约在上午8：00。下午至晚上降低，因此标本采集时间对结果影响较大。此外仰卧采集的标本检测结果可能低于直立或坐姿时采集的标本检测结果。标本采集后，不可长期保存，因为标本在离体环境中过长，血清或
血浆中的雌激素、雄激素等相关性激素水平可能降低。特殊的血液标本，如溶血、黄疸、脂血等，会干扰检测结果，得到不准确的数值。
[0008] 进一步的，在众多已知的与疾病相关的性激素中如何选择一组激素水平的组合，来对人体性激素代谢状态进行评估，并且能获得相对准确的评估结果，成为有待解决的问题。
发明内容
[0009] 本发明提供性激素及其代谢产物水平在用于评估待检测个体性激素代谢状态的方法的
试剂盒中的应用，通过该使用上述性激素及其代谢产物水平的组合，利用bootstrap方法，以及利用
随机森林法准确的评估该待检测个体的性激素代谢状态，并能分析对性激素相关疾病影响最大的性激素及其代谢产物水平。
[0010] 本发明还提供了一种评估待检测个体性激素代谢状态的系统，所述系统能对待检测个体的性激素及其代谢产物水平进行准确评估。
[0011] 本发明还提供了包括所述系统的试剂盒，能获得准确的评估结果。
[0012] 本发明提供的性激素及其代谢产物水平在用于评估待检测个体性激素代谢状态的方法的试剂盒中的应用，所述方法包括
[0013] 1)采集正常个体的所述性激素及其代谢产物水平和其他临床影响因素数据，以及患性激素相关疾病个体的所述性激素及其代谢产物水平和其他临床影响因素数据，[0014] 2)将采集的数据利用R语言
软件通过bootstrap方法划分为与上述正常个体和患性激素相关疾病个体一一对应的训练集，
[0015] 3)然后通过随机森林法将待检测个体的至少一个性激素及其代谢产物水平和其他临床影响因素利用上述训练集进行性激素代谢状态投票，根据投票结果确定该待检测个体的性激素代谢状态；或者通过随机森林法利用平均基尼指数评价对性激素相关疾病影响最大的性激素及其代谢产物水平，
[0016] 所述性激素及其代谢产物水平包括以下29种物质：(1)雌激素类：雌酮，雌二醇，雌三醇，2-羟雌酮，4-羟雌酮，16-羟雌酮，2-甲基雌酮，4-甲基雌酮，2-羟雌二醇，4-羟雌二醇，2-甲基雌二醇，4-甲基雌二醇；(2)孕激素类：β-孕二醇，α-孕二醇，α-孕烷醇酮，3α-羟孕酮，
20α-羟孕酮，5α孕二醇，孕酮；3)雄激素类：脱氢表雄酮，雄烯二酮，雄酮，本胆烷醇酮，睾酮，
5α-双氢睾酮，5α-雄固烷二醇，5β-双氢睾酮，5β-雄固烷二醇，表睾酮。
[0017] 进一步的，所述其他临床影响因素包括以下一种或多种：个体年龄，BMI，月经初潮年龄，月经周期，绝经年龄，怀孕次数，哺乳时间，流产次数，是否服用性激素类药物，以及是否具有生殖系统疾病。
[0018] 更进一步的，所述正常个体数目为至少20个，所述患性激素相关疾病个体的数目为至少20个。
[0019] 更进一步的，所述性激素及其代谢产物水平通过检测尿液获得。进一步的，所述性激素及其代谢产物水平可以通过检测在
试纸上的干燥尿液获得，例如将试纸浸于病人的晨尿中，后将试纸自然
风干后再进行检测。具体的，可以采用的检测手段包括放射
免疫测定(RIA)、固相酶联免疫测定(EIA)和酶联
免疫吸附剂测定(ELISA)三种。更优选的，采用气相色谱三重四级杆质谱分析检测(GC-MS-MS)检测。通过研究比较发现，GC-MS-MS在特异性，重复性和准确度方面都有较为明显的优势。对于检测低激素水平的样本非常适用。
[0020] 尿液样本检测方法简单易学，且不产生创伤，相比于目前常用的血液检测性激素指标更为便捷，安全，病人的依从性也更高。
[0021] 本发明提供的一种评估待检测个体性激素代谢状态的系统，所述系统包括
数据采集模
块，训练模块和投票模块；
[0022] 所述数据采集模块用于采集正常个体的性激素及其代谢产物水平和其他临床影响因素，以及患性激素相关疾病个体的性激素及其代谢产物水平和其他临床影响因素；
[0023] 所述训练模块用于将采集的数据利用R语言软件通过bootstrap方法划分为与上述正常个体和患性激素相关疾病个体一一对应的训练集；
[0024] 所述投票模块用于通过随机森林法将待检测个体的至少一个性激素及其代谢产物水平和其他临床影响因素利用上述训练集进行性激素代谢状态投票，根据投票结果确定该待检测个体的性激素代谢状态；或者用于通过随机森林法利用平均基尼指数评价对性激素相关疾病影响最大的性激素及其代谢产物水平；
[0025] 所述性激素及其代谢产物包括以下29种物质：(1)雌激素类：雌酮，雌二醇，雌三醇，2-羟雌酮，4-羟雌酮，16-羟雌酮，2-甲基雌酮，4-甲基雌酮，2-羟雌二醇，4-羟雌二醇，2-甲基雌二醇，4-甲基雌二醇；(2)孕激素类：β-孕二醇，α-孕二醇，α-孕烷醇酮，3α-羟孕酮，20α-羟孕酮，5α孕二醇，孕酮；(3)雄激素类：脱氢表雄酮，雄烯二酮，雄酮，本胆烷醇酮，睾酮，5α-双氢睾酮，5α-雄固烷二醇，5β-双氢睾酮，5β-雄固烷二醇，表睾酮。
[0026] 进一步的，所述其他临床影响因素包括以下一种或多种：个体年龄，BMI，月经初潮年龄，月经周期，绝经年龄，怀孕次数，哺乳时间，流产次数，是否服用性激素类药物，以及是否具有生殖系统疾病。
[0027] 更进一步的，所述正常个体数目为至少20个，所述患性激素相关疾病个体的数目为至少20个。
[0028] 更进一步的，所述性激素及其代谢产物水平通过检测尿液获得。
[0029] 本发明提供的一种试剂盒，包括所述的系统。
[0030] 在本
申请的方案中，所述性激素相关疾病包括：(1)女性生殖系统疾病：外阴、宫颈、子宫、卵巢和输卵管的良
恶性肿瘤；妊娠滋养细胞疾病；功能失调性子宫出血；闭经；多囊卵巢综合征；痛经；经前期综合征；围绝经期综合征；高泌乳素血症；子宫内膜异位症；子宫腺肌病；不孕症(2)乳腺疾病：乳腺癌，乳腺
纤维腺瘤，乳腺
导管内
乳头状瘤，乳腺增生；(3)男性生殖系统疾病：前列腺增生，前列腺癌，阴茎癌，精原细胞瘤，睾丸癌，性功能障碍等；(4)与性激素相关的其他系统癌症：肝癌，
肺癌，肾癌等；(5)与性激素相关的其他疾病：
高血压，心脏病，糖尿病，脱发，男性型秃发、痤疮、多毛症。
[0031] 进一步的，所述性激素相关疾病包括乳腺癌、乳腺增生、子宫内膜异位症、肺癌。
[0032] 本发明采用R软件来评估性激素代谢状态，R是一个免费、开源的自由软件，有着强大的统计分析功能及作图功能，内置丰富的数学计算、统计、计算函数。在采集到所有临床相关影响因素和性激素及其代谢产物全部数值后，将所有信息输入计算机R软件，采用随机森林的方法对数据进行处理，随机森林是一种统计学习理论，本发明中利用bootstrap重抽样方法从原始样本中
抽取多个样本，对每个bootstrap样本进行
决策树建模，然后组合多棵决策树的预测，通过投票得出最终预测结果。
[0033]
现有技术中大量的理论和实证研究都证明了随机森林法具有很高的预测准确率。该方法由Breiman L在2001年首次提出(Random forests.Machine Learing.2001.18.45(1):5-32)。随机森林的优势在于：运算量没有显著增加的前提下提高了预测
精度，对于多元共线性不敏感，结果对于缺失数据和非平衡数据稳健，不容易出现过拟合。
[0034] 在本申请的方案中bootstrap方法，以及随机森林法都是数据统计领域常规的处理方法，本领域技术人员可以在获得的29个性激素及其代谢产物水平数据的
基础上采用这些常规的方法进行处理，最终获得针对待测个体的性激素代谢状态的投票结果，这对本领域技术人员来说是可以实现的。
[0035] 本发明方案具有以下优点：
[0036] 1)采用尿液来获得性激素及其代谢产物水平，避免采用血液带来的变异性大、敏感性低、可比性差的问题。
[0037] 2)本发明的方法和系统来确定该待检测个体的性激素代谢状态具有较低的误判率。
[0038] 3)通过该使用上述29个性激素及其代谢产物水平的组合，利用bootstrap方法，以及利用随机森林法能准确的评估人体性激素代谢状态，为性激素相关疾病发病风险评估提供数据支持，同时也可以为针对性激素代谢的干预治疗以及疾病
预后提供依据。
[0039] 4)通过本发明系统可以获知对性激素相关疾病中影响最大的性激素代谢产物，从而可以作为针对该性激素代谢产物进行的药物或物理干预提供依据，最终实现改善体内性激素代谢状态的效果。
附图说明
[0040] 图1本发明方案中计算的29个性激素及其代谢产物指标以及年龄和BMI的平均基尼指数。
具体实施方式
[0041]
实施例1使用本发明的系统投票结果确定该待检测个体性激素代谢状态
[0042] 所述系统包括数据采集模块，训练模块和投票模块；所述数据采集模块用于采集正常个体的性激素及其代谢产物水平和其他临床影响因素，以及患性激素相关疾病个体的性激素及其代谢产物水平和其他临床影响因素；所述训练模块用于将采集的数据利用R语言软件通过bootstrap方法划分为与上述正常个体和患性激素相关疾病个体一一对应的训练集；所述投票模块用于通过随机森林法将待检测个体的至少一个性激素及其代谢产物水平和其他临床影响因素利用上述训练集进行性激素代谢状态投票，根据投票结果确定该待检测个体的性激素代谢状态；
[0043] 所述性激素及其代谢产物包括以下29种物质：(1)雌激素类：雌酮，雌二醇，雌三醇，2-羟雌酮，4-羟雌酮，16-羟雌酮，2-甲基雌酮，4-甲基雌酮，2-羟雌二醇，4-羟雌二醇，2-甲基雌二醇，4-甲基雌二醇；(2)孕激素类：β-孕二醇，α-孕二醇，α-孕烷醇酮，3α-羟孕酮，20α-羟孕酮，5α孕二醇，孕酮；3)雄激素类：脱氢表雄酮，雄烯二酮，雄酮，本胆烷醇酮，睾酮，5α-双氢睾酮，5α-雄固烷二醇，5β-双氢睾酮，5β-雄固烷二醇，表睾酮。
[0044] 所述其他临床影响因素包括以下一种或多种：个体年龄，BMI，月经初潮年龄，月经周期，绝经年龄，怀孕次数，哺乳时间，流产次数，是否服用性激素类药物，以及是否具有生殖系统疾病。所述性激素及其代谢产物水平通过检测尿液获得。
[0045] 在本实施例中，采集22个正常个体以及29个乳腺癌个体所述29个性激素代谢产物水平(ug/mg肌酐)，其中雌激素及其代谢产物水平如下表1所示，孕激素及其代谢产物水平如下表2所示，雄激素及其代谢产物水平如下表3所示。表1-表3的29个性激素及其代谢产物水平通过收集检测对象的尿液，采用GC-MS-MS法进行检测获得。这29个乳腺癌个体为2012年1月至2013年1月期间江苏省人民医院普外科收治的原发性乳腺癌患者29例，均为绝经前女性，对照组为2012年6月在江苏省人民医院体检的健康女性22例。
[0046] 排除标准：吸烟及酗酒、孕妇或哺乳期；患生殖系统及内分泌系统疾病；肝肾功能异常；曾经使用过激素治疗的患者或健康女性。因为上述原因皆会导致体内雌激素水平变化、干扰检测结果，产生误差。
[0047] 标本的采集与储存：本检测所需样本为干燥尿液样品。
[0048] 材料：干尿试纸。
[0049] 收集时间：绝经前女性于月经周期第13-15天采集晨尿，绝经后女性采集任意一天晨尿。均为确诊后术前采集。
[0050] 收集方法：指导受试者将两张试纸置于尿道口，利用清洁中段尿使之完全浸湿，后将试纸悬挂于室温下阴凉
通风处风干。
[0051] 检测方法：气相色谱三重四级杆质谱分析检测(GC-MS-MS)。
[0052]
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059]
[0060] 对于数据的具体分析如下：
[0061] 我们首先将数据中与乳腺癌病风险相关的雌二醇指标使用t检验计算发现，乳腺癌患者尿液雌二醇含量为1.49±0.94，正常女性尿液雌二醇含量为1.24±0.81，p＝0.23，并没有统计学差异。因此，用单个指标评价并不合理。
[0062] 将表1-3采集的数据利用R语言软件通过bootstrap方法划分为与上述正常个体和患性激素相关疾病个体一一对应的训练集；然后通过随机森林法将待检测个体的至少一个性激素及其代谢产物水平和其他临床影响因素利用上述训练集进行人体性激素代谢状态投票，根据投票结果确定该待检测个体的性激素代谢状态。
[0063] 在本申请的方案中bootstrap方法，以及随机森林法都是数据统计领域常规的处理方法，本领域技术人员可以在已有的表1-3数据的基础上采用这些常规的方法进行处理，最终获得性激素代谢状态的投票结果，这对本领域技术人员来说是可以实现的。
[0064] 本实施例中将上述29个乳腺癌个体的性激素及其代谢产物水平数据作为待检测个体，分别使用本实施例的系统来确定其性激素代谢状态，对本发明的系统和方法进行验证。
[0065] 最终投票结果显示上述已知患乳腺癌的29个个体中有4个被投票为没有患病，25个被投票为患病，误判率为4/(4+25)＝0.138。可以看出，本申请方法和系统对性激素相关疾病判断的误判率小于0.2，说明该方法和系统有效可靠。
[0066] 乳腺增生患者，子宫内膜异位症患者，肺癌患者采用以上相同的方法也能获得较低的误判率。
[0067] 实施例2使用本发明方法和系统确定对乳腺癌影响最大的性激素及其代谢产物水平
[0068] 通过随机森林方法，得到每个性激素及其代谢产物在性激素相关疾病发病事件中的(MeanDecreaseGini)，从而找出对性激素相关疾病影响最大的代谢产物，平均基尼指数是随机森林法中反映变量重要程度的指标。
[0069] 将实施例1中表1-3中的数据利用随机森林(RF)法计算29个性激素及其
代谢物指标以及年龄和BMI的平均基尼指数，结果如图1所示，其中纵坐标为平均基尼指数，圈代表各性激素及其代谢产物。可以看出，4羟雌酮是对乳腺癌发病影响最大的指标，其次是睾酮和二甲基雌酮。通过本申请的方案获得的评价结果可以作为针对该性激素代谢产物进行的药物或物理干预提供依据，最终实现改善体内性激素代谢状态的效果。
