用于疾病的区别诊断的系统和方法
阅读：813发布：2022-02-05
专利汇可以提供用于疾病的区别诊断的系统和方法专利检索，专利查询，专利分析的服务。并且本 发明 提供用于通过利用选择的确定性 传感器 组连同 模式识别 分析器分析测试对象的呼吸来诊断、筛选或监测 疾病 的系统和方法，其中模式识别分析器接收传感器组的输出 信号 ，将它们与衍生自传感器组对具有已知疾病的对象的呼出气体的响应模式的 数据库 的疾病特异性模式比较，其中每种疾病特异性模式是特定疾病的特征，并且在传感器组的 输出信号 与疾病特异性模式之间选择最接近的匹配。本发明进一步提供基于来自通用 生物 标志物组的 挥发性有机化合物 (VOCs)的 水 平的测定来诊断、筛选或监测疾病的方法，挥发性有机化合物包括2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙 酮 、 乙醇 、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬 醛 、苯乙烯、 甲苯 和十一烷。，下面是用于疾病的区别诊断的系统和方法专利的具体信息内容。
1.用于在测试对象中诊断、筛选或监测疾病的系统，所述系统包括：
(a)选择的确定性传感器组，其包括至少三个传感器，所述传感器对所述测试对象的呼出气体中挥发性有机化合物(VOC)的存在反应，所述传感器包括选自涂覆有第一有机涂层的金属纳米颗粒与涂覆有第二有机涂层的单壁碳纳米管(SWCNT)的纳米材料；以及(b)处理单元，其包括模式识别分析器，其中所述模式识别分析器
接收所述传感器组的输出信号；
将它们与源于所述传感器组对具有已知疾病的对象的呼出气体的响应模式的数据库的疾病特异性模式进行比较，其中每个所述疾病特异性模式是特定疾病的特征，所述特定疾病选自神经变性疾病，增生性疾病、肾病、呼吸性疾病、炎性肠疾病、和产科疾病；以及选择所述传感器组的所述输出信号与所述疾病特异性模式之间的最接近的匹配。
2.根据权利要求1所述的系统，其中所述选择的确定性传感器组以至少约80％的准确度提供两种疾病之间的区分，所述两种疾病选自神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病、和产科疾病。
3.根据权利要求1或2中任一项所述的系统，其中所述选择的确定性传感器组以至少约
80％的准确度提供两种疾病之间的区分，所述两种疾病选自多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病和先兆子痫。
4.根据权利要求1至3中任一项所述的系统，其中所述金属纳米颗粒选自Au、Ag、Ni、Co、Pt、Pd、Cu、和Al纳米颗粒。
5.根据权利要求1至4中任一项所述的系统，其中所述第一涂层包含选自以下的化合物：烷基硫醇、芳基硫醇、烷基芳基硫醇、烷基硫醇酯、ω-官能化的烷烃硫醇酯、芳烃硫醇酯、(γ-巯基丙基)三甲基氧基硅烷、二烷基二硫化物和其组合和衍生物。
6.根据权利要求1至5中任一项所述的系统，其中所述第二有机涂层包含选自以下的化合物：小分子、寡聚体、聚合物、和其组合。
7.根据权利要求1至6中任一项所述的系统，其中所述第二有机涂层包含选自以下的化合物：棓酸丙酯(C10H12O5)、蒽(C14H10)、二十四烷酸(C24H48O2)、二十三烷(C23H48)、3-甲基-2-苯基戊酸(C12H16O2)、三(羧甲基)硝基-甲烷(C4H9NO5)、二十四烷(C24H50)、邻苯二甲酸二辛酯(C24H38O4)、1，2，5，6，9，10-六溴-环十二烷(C12H18Br6)、十五烷(C15H32)、和其组合；或者其中所述第二有机涂层包括六-周六苯并冠烯(HBC)分子，所述六-周六苯并冠烯(HBC)分子是未取代的或由以下中的任一个取代的：甲基醚(HBC-OC1)、2-乙基-己基(HBC-C6，2)、2-己基癸烷(HBC-C10，6)、2-癸基十四烷(HBC-C14，10)、和十二烷(HBC-C12)。
8.根据权利要求1至7中任一项所述的系统，其中所述传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒和涂覆有3-乙氧基苯硫酚的Au纳米颗粒。
9.根据权利要求8所述的系统，其中所述传感器组进一步包括涂覆有十八烷硫醇的Au纳米颗粒、涂覆有4-氯苯甲硫醇的Au纳米颗粒和涂覆有己硫醇的Au纳米颗粒。
10.根据权利要求9所述的系统，其中所述传感器组进一步包括涂覆有甲氧基六-周六苯并冠烯的SWCNT。
11.根据权利要求1至10中任一项所述的系统，其中所述至少三个传感器以选自以下的形式配置：电容传感器、电阻传感器、阻抗传感器、和场效应晶体管传感器。
12.根据权利要求1至11中任一项所述的系统，进一步包括在暴露于所述呼吸样本时测量所述传感器组的所述输出信号的装置。
13.根据权利要求12所述的系统，其中所述装置测量所述传感器组的至少一种性能中的改变，所述至少一种性能选自电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能和电压阈值。
14.根据权利要求1至13中任一项所述的系统，其中所述模式识别分析器接收提取自所述传感器组的所述输出信号的至少两种响应诱导参数，所述至少两种响应诱导参数选自在所述信号开始处的全非稳态响应、在标准化到基线的所述信号开始处的全非稳态响应、在所述信号中间处的全非稳态响应、在标准化到基线的所述信号中间处的全非稳态响应、在所述信号峰值处的全非稳态响应、在标准化到基线的所述信号峰值处的全非稳态响应、在所述信号末端处的全稳态响应、在标准化到基线的所述信号末端处的全稳态响应、非稳态响应下的面积、稳态响应下的面积、在暴露于所述测试样本时所述响应的梯度、在去除所述测试样本时所述响应的梯度、在暴露于所述测试样本时达到一定百分比的所述响应需要的时间、或在去除所述测试样本时达到一定百分比的所述响应需要的时间。
15.根据权利要求14所述的系统，其中所述响应诱导参数包括传感器的电阻在以下的标准化的改变：在标准化到基线的所述信号中间处的全非稳态响应、在标准化到基线的所述信号峰值处的全非稳态响应、在标准化到基线的所述信号末端处的全稳态响应、和所述稳态响应下的面积。
16.根据权利要求1至15中任一项所述的系统，其中所述数据库包括所述传感器组对至少500名患有已知疾病的对象的呼出气体的响应模式，其中至少15％被诊断有神经变性疾病、至少30％被诊断有增生性疾病、至少5％被诊断有肾病、至少1％被诊断有呼吸性疾病、和至少5％被诊断有炎性肠疾病。
17.根据权利要求1至16中任一项所述的系统，其中所述神经变性疾病选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。
18.根据权利要求1至16中任一项所述的系统，其中所述增生性疾病选自选自肺癌，结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。
19.根据权利要求1至16中任一项所述的系统，其中所述炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。
20.根据权利要求1至16中任一项所述的系统，其中所述呼吸性疾病包括肺动脉高压。
21.根据权利要求1至16中任一项所述的系统，其中所述肾病包括慢性肾病。
22.根据权利要求16所述的系统，其中所述数据库进一步包括所述传感器组对诊断有先兆子痫的对象的呼出气体的响应模式。
23.在测试对象中诊断、筛选或监测疾病的方法，所述方法包括以下步骤：
(a)提供根据权利要求1的系统；
(b)使所述传感器组暴露于所述测试对象的呼出气体样本；
(c)在暴露于所述呼吸样本时，测量所述传感器组的输出信号；
(d)利用模式识别分析器将所述输出信号与所述数据库衍生的疾病特异性模式进行比较；以及
(e)在所述传感器组的所述输出信号与所述数据库衍生的疾病特异性模式之间，选择最接近的匹配。
24.根据权利要求23所述的方法，其用于在选自以下的两种或更多种疾病之间进行区分：神经变性疾病，其包括多发性硬化、阿尔茨海默氏病、或帕金森氏病；增生性疾病，其包括肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、或胃癌；炎性肠疾病，其包括克罗恩氏病、溃疡性结肠炎或肠易激综合征；呼吸性疾病，其包括肺动脉高压；肾病，其包括慢性肾病；以及产科疾病，其包括先兆子痫。
25.根据权利要求23或24中任一项所述的方法，包括在暴露于所述呼吸样本时，通过测量所述传感器组的至少一种性能中的改变的装置来测量所述传感器组的所述输出信号，所述至少一种性能选自电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能和电压阈值。
26.根据权利要求23至25中任一项所述的方法，其进一步包括在步骤(b)之前利用呼吸浓缩器和减湿单元的至少一个，浓缩所述呼出气体样本的步骤。
27.根据权利要求23至26中任一项所述的方法，其中所述传感器组检测选自以下的至少10种VOC：2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷。
28.根据权利要求27所述的方法，其中所述传感器组检测每一种所述VOC。
29.根据权利要求23至28中任一项所述的方法，其中步骤(e)通过利用选自以下的至少一种算法来执行：人工神经网络(ANN)算法、支持向量机(SVM)、主成分分析(PCA)、多层知觉(MLP)、广义回归神经网络(GRNN)、模糊推理系统(FIS)、自组织映射(SOM)、径向偏差函数(RBF)、遗传算法(GAS)、神经模糊系统(NFS)、自适应共振理论(ART)、偏最小二乘方(PLS)、多元线性回归(MLR)、主成分回归(PCR)、判别式函数分析(DFA)、线性判别式分析(LDA)、聚类分析、和最近邻法。
30.在测试对象中诊断、筛选或监测疾病的方法，其包括以下步骤：
(a)收集来自所述测试对象的测试呼吸样本；
(b)从通用生物标志物组测定至少10种挥发性有机化合物(VOC)的水平，所述通用生物标志物组包括2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷；
(c)将来自所述测试呼吸样本的所述VOC的水平与衍生自在具有已知疾病的对象的呼出气体中检测的所述VOC的数据库的所述VOC的参考水平进行比较，其中所述通用生物标志物组的每种所述VOC的所述参考水平的组合是选自以下的特定疾病的特征：神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病、和产科疾病；以及
(d)在所述来自所述测试呼吸样本的所述VOC水平与所述通用生物标志物组的所述VOC的所述参考水平的所述组合之间选择最接近的匹配。
31.根据权利要求30所述的方法，其包括测定来自所述通用生物标志物组的每种VOC的水平。
32.根据权利要求30或31中任一项所述的方法，其中测定所述VOC的水平的步骤包括使用选自以下的至少一种技术：气相色谱分析(GC)、气相色谱-质谱联用(GC-MS)、质子传递反应质谱分析法(PTR-MS)、电子鼻装置、和石英晶体微量天平(QCM)。
33.根据权利要求30至32中任一项所述的方法，其中所述疾病选自神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病。
34.根据权利要求30至33中任一项所述的方法，其中所述神经变性疾病选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。
35.根据权利要求30至33中任一项所述的方法，其中所述增生性疾病选自肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。
36.根据权利要求30至33中任一项所述的方法，其中所述炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。
37.根据权利要求30至33中任一项所述的方法，其中所述呼吸性疾病包括肺动脉高压。
38.根据权利要求30至33中任一项所述的方法，其中所述肾病包括慢性肾病。
39.根据权利要求30至33中任一项所述的方法，其中所述产科疾病包括先兆子痫。
用于疾病的区别诊断的系统和方法
技术领域
[0001] 本发明涉及用于通过呼吸分析诊断疾病的系统和方法。
背景技术
[0002] 自古代医学以来，医师学会了评估他们的患者，尤其是通过他们的呼吸气味。例如，Hippocrates(公元前400年左右)告诉他的学生：“嗅你的患者的呼吸”，以寻找疾病的线索，如糖尿病(甜味)和肾衰竭(尿味)。在1700年代，Antoine Lavoisier第一个证明人类的呼出气体(exhaled breath)含有二氧化碳作为代谢副产物，并且，此外，其水平是可测量的和提供信息的。1971年，诺贝尔奖获得者Linus Pauling首次利用气液分配色谱法(gas-liquid partition chromatography)分析了呼吸样本。在他的实验中，Pauling揭示了人类呼出气体含有发现以非常小浓度的数百种分子标志物。此标志物的家族被称为挥发性有机化合物(VOC；具有低分子量、低沸点和/或高蒸汽压的有机分子)，其可以由疾病状态发出或由疾病状态导致。
[0003] 自从Linus Pauling的发现以来，已有数千项研究报道了各种疾病——包括各种类型的癌症、内科疾病(internal diseases)、神经变性疾病、传染病等—-的呼吸成分中的显著变化[Broza，Y.Y.&Haick，H.Nanomedicine(Future Medicine)8，785-806(2013)；Nakhleh，M.，Broza，Y.Y.，Haick，H.&2014，Nanomedicine(Future Medicine)9，1991-
2002]。
2002]。
[0004] 考虑到临床实践中的现代标准，呼出气体的分析应该是低成本、低能耗、超小型化、在特定时间间隔容易重复的，并且对被诊断的人的日常活动具有极少或没有影响。基本上，通过基于纳米技术的传感器识别VOC可通过选择性检测(预先)鉴定的VOC来实现[Vishinkin，R.；Haick，H.，Small 2015，11，6142-6164；Gouma，P.；Stanacevic，M.，Procedia Eng.2011，25，1557-1560；Gouma，P.I.；Kalyanasundaram，K.，Appl.Phys.Lett.2008，93，244102；Zhou，Y.；Yu，G.；Chang，F.；Hu，B.；Zhong，C.J.Anal.Chim.Acta 2012，757，56-62]。此方法在干扰气态物质或背景存在的情况下使用为此目的设计的高选择性受体对检测具体定义明确的VOC——这是费力的工作——是有用的。尽管在通过基于高选择性纳米材料的识别方法检测VOC中已取得进展，但迄今为止这仅可用于指示来自相对窄范围的疾病的VOC。虽然在受控制的背景和干扰中的特定识别可实现，但目前大多数疾病不能通过单独的个别VOC适当地鉴定[Haick，H.；Broza，Y.Y.；
Mochalski，P.；Ruzsanyi，V.；Amann，A.，Chem.Soc.Rev.2014，43，1423-1449，Konvalina，G.；Haick，H.，Acc.Chem.Res.2014，47，66-76]。另外的限制是针对每种VOC合成高选择性纳米材料的问题，特别是当它们是非极性时。
Mochalski，P.；Ruzsanyi，V.；Amann，A.，Chem.Soc.Rev.2014，43，1423-1449，Konvalina，G.；Haick，H.，Acc.Chem.Res.2014，47，66-76]。另外的限制是针对每种VOC合成高选择性纳米材料的问题，特别是当它们是非极性时。
[0005] 用于疾病检测和更多种类的疾病的分类的补充方法依赖于交叉反应的(即，半选择性)基于纳米技术的传感器阵列，利用模式识别，在本文中也称为“人工智能纳米阵列”[Shehada，N.et al.，ACS Nano 2016，10，7047-7057；Wang，B.；Cancilla，J.C.；Torrecilla，J.S.；Haick，H.Nano Lett.2014，14，933-938；Nakhleh，M.K.；Baram，S.；
Jeries，R.；Salim，R.；Haick，H.；Hakim，M.，Adv.Healthcare Mater.2016，1600132；
Homede，E.；Abo Jabal，M.；Ionescu，R.；Haick，H.，Adv.Funct.Mater.2016，26，6359-
6370]。与选择性方法相比，人工智能纳米阵列更适用于快速诊断的方法，其中VOC概要(compendium)的评估是定性的和半定量的，通过概要的模式识别实现选择性。由于交叉反应性，每个传感器响应于各种VOC，从而允许从多组分样本感测和分析单独的组分[Peng，G.；Tisch，U.；Adams，O.；Hakim，M.；Shehada，N.；Broza，Y.Y.；Billan，S.；Abdah-Bortnyak，R.；Kuten，A.；Haick，H.，Nat.Nanotechnol.2009，4，669-673；Shehada，N.； G.；
Funka，K.；Christiansen，S.；Leja，M.；Haick，H.，Nano Lett.2015，15，1288-1295；Wang，B.et al.，Adv.Mater.2016，28，4012-4018]。人工智能纳米阵列的概念基于每个传感器检测全部或部分的样本化合物的能力。虽然这些传感器对特定分析物(或VOC)的灵敏度可能低于选择性传感器的灵敏度，但它们在不同气氛中在检测多组分和复杂的VOC混合物中是更多功能的。不同组成的人工智能纳米阵列在一系列分开的实验室(临床前)和临床研究中进行评价，用于检测大范围的癌性和非癌性疾病[Hakim，M.et al.，Chem.Rev.2012，112，
5949-5966；Cohen-Kaminsky，S.et al.，Am.J.Respir.Crit.Care Med.2013，188，756-759；
Amal，H.et al.，Int.J.Cancer 2016，138，229-236；Amal，H.et al.，Gut 2016，65，400-
407；Amal，H.et al.，Int.J.Cancer 2015，136，E614-E622；Barash，O.et al.，Nanomedicine(N.Y.，NY，U.S.)2012，8，580-589；Barash，O.；et al.，Oncotarget 2015，6，
44864-44876；Davies，M.P.et al.，Br.J.Cancer 2014，111，1213-1221；Hakim，M.et al.，Br.J.Cancer 2011，104，1649-1655；Peled，N.et al.，J.Thorac.Oncol.2012，7，1528-
1533；Peng，G.et al.，Br.J.Cancer 2010，103，542-551；Ionescu，R.et al.，Neurosci.2011，2，687-693；(50)Karban，A.et al.，Adv.Healthcare Mater.2016，5，2339-
2344；Marom，O.et a1.，Nanomedicine(London，U.K.)2012，7，639-650；Nakhleh，M.K.et al.，Parkinsonism Relat.Disord.2015，21，150-153；Nakhleh，M.K.et al.，Eur.Respir.J.2014，43，1522-1525；Nardi-Agmon，I.et al.，J.Thorac.Oncol.2016，11，
827-837；Peled，N.et al.，Nanomedicine(N.Y.，NY，U.S.)2013，9，758-766；Shuster，G.et al.，Breast Cancer Res.Treat.2011，126，791-796；Xu，Z.Q.et al.，Br.J.Cancer 2013，
108，941-950]。到目前为止，该领域的大多数研究已经专注于二元比较，其中将具体疾病与相应的(健康的)对照相比较。特别地，在上述研究中，疾病检测主要参照健康的对照组进行，而不检查相关的和不相关的临床混杂因素。临床分类本身超出了所述研究的焦点。
Jeries，R.；Salim，R.；Haick，H.；Hakim，M.，Adv.Healthcare Mater.2016，1600132；
Homede，E.；Abo Jabal，M.；Ionescu，R.；Haick，H.，Adv.Funct.Mater.2016，26，6359-
6370]。与选择性方法相比，人工智能纳米阵列更适用于快速诊断的方法，其中VOC概要(compendium)的评估是定性的和半定量的，通过概要的模式识别实现选择性。由于交叉反应性，每个传感器响应于各种VOC，从而允许从多组分样本感测和分析单独的组分[Peng，G.；Tisch，U.；Adams，O.；Hakim，M.；Shehada，N.；Broza，Y.Y.；Billan，S.；Abdah-Bortnyak，R.；Kuten，A.；Haick，H.，Nat.Nanotechnol.2009，4，669-673；Shehada，N.； G.；
Funka，K.；Christiansen，S.；Leja，M.；Haick，H.，Nano Lett.2015，15，1288-1295；Wang，B.et al.，Adv.Mater.2016，28，4012-4018]。人工智能纳米阵列的概念基于每个传感器检测全部或部分的样本化合物的能力。虽然这些传感器对特定分析物(或VOC)的灵敏度可能低于选择性传感器的灵敏度，但它们在不同气氛中在检测多组分和复杂的VOC混合物中是更多功能的。不同组成的人工智能纳米阵列在一系列分开的实验室(临床前)和临床研究中进行评价，用于检测大范围的癌性和非癌性疾病[Hakim，M.et al.，Chem.Rev.2012，112，
5949-5966；Cohen-Kaminsky，S.et al.，Am.J.Respir.Crit.Care Med.2013，188，756-759；
Amal，H.et al.，Int.J.Cancer 2016，138，229-236；Amal，H.et al.，Gut 2016，65，400-
407；Amal，H.et al.，Int.J.Cancer 2015，136，E614-E622；Barash，O.et al.，Nanomedicine(N.Y.，NY，U.S.)2012，8，580-589；Barash，O.；et al.，Oncotarget 2015，6，
44864-44876；Davies，M.P.et al.，Br.J.Cancer 2014，111，1213-1221；Hakim，M.et al.，Br.J.Cancer 2011，104，1649-1655；Peled，N.et al.，J.Thorac.Oncol.2012，7，1528-
1533；Peng，G.et al.，Br.J.Cancer 2010，103，542-551；Ionescu，R.et al.，Neurosci.2011，2，687-693；(50)Karban，A.et al.，Adv.Healthcare Mater.2016，5，2339-
2344；Marom，O.et a1.，Nanomedicine(London，U.K.)2012，7，639-650；Nakhleh，M.K.et al.，Parkinsonism Relat.Disord.2015，21，150-153；Nakhleh，M.K.et al.，Eur.Respir.J.2014，43，1522-1525；Nardi-Agmon，I.et al.，J.Thorac.Oncol.2016，11，
827-837；Peled，N.et al.，Nanomedicine(N.Y.，NY，U.S.)2013，9，758-766；Shuster，G.et al.，Breast Cancer Res.Treat.2011，126，791-796；Xu，Z.Q.et al.，Br.J.Cancer 2013，
108，941-950]。到目前为止，该领域的大多数研究已经专注于二元比较，其中将具体疾病与相应的(健康的)对照相比较。特别地，在上述研究中，疾病检测主要参照健康的对照组进行，而不检查相关的和不相关的临床混杂因素。临床分类本身超出了所述研究的焦点。
[0006] 本申请的一些发明人的专利和专利申请号US 8,366,630、US 8,481,324、US 8,597,953、US 8,945,935、US 8,999,244、US 9,359,197、US 2012/0245854、US 2013/
0150261、US 2013/0236981、WO 2010/079490和WO 2011/083473公开了基于化学灵敏性传感器阵列的系统，用于检测源自呼吸样本的挥发性有机化合物，特别地用于诊断单独的疾病和病症，包括肺癌、乳腺癌、头颈癌、前列腺癌、结肠癌、肾机能不全、阿尔茨海默氏病、帕金森氏病和多发性硬化。
0150261、US 2013/0236981、WO 2010/079490和WO 2011/083473公开了基于化学灵敏性传感器阵列的系统，用于检测源自呼吸样本的挥发性有机化合物，特别地用于诊断单独的疾病和病症，包括肺癌、乳腺癌、头颈癌、前列腺癌、结肠癌、肾机能不全、阿尔茨海默氏病、帕金森氏病和多发性硬化。
[0007] 然而，据发明人所知，从未报道过这样的通用传感器阵列，其提供各种疾病的诊断并且允许所述疾病之间的有效区分。另外地，虽然发现几组挥发性有机化合物指示特定疾病，但是目前已知没有单一组的VOC将能够实现多种疾病之间和不同分类(class)的疾病之间的诊断和区分。
[0008] 因此，对于基于呼吸分析的可靠通用系统和方法存在未满足的需求，所述系统和方法将能够区别地诊断各种疾病，而不是单一疾病或单一分类的疾病。
发明内容
[0009] 本发明提供了用于诊断、筛选或监测对象的疾病的系统和方法。可通过本发明的系统和方法诊断的疾病包括，尤其，各种神经变性、肾、呼吸性和炎性肠疾病、以及不同类型的癌症。
[0010] 本发明部分地基于惊人发现：仔细选择的在测试对象的呼出气体中测量的VOC组合允许诊断对象的多种疾病和在所述疾病之间区分，而不是仅提供关于单一疾病的信息。允许鉴定多种疾病的所述通用生物标志物组已经由本发明的发明人利用，以产生基于交叉反应的纳米阵列传感器的通用诊断系统，其响应于通用生物标志物组的VOC，其与模式识别分析器组合。出乎意料地发现，在通用系统内使用的少至三个不同的传感器能够区别地诊断多种疾病。如组合的所选传感器能够以充分的可靠性和效率在来自上述列举的每两种不同疾病之间分辨。将所选传感器对各种疾病的响应模式集合到数据库中，并且编制具体疾病的模式特征。因此，从暴露于患有未知疾病的对象的呼吸样本的所选传感器获得的响应信号可与响应模式、具体疾病的特征——其衍生自所述响应模式的数据库——进行比较。
因此，本发明不是诊断一种具体疾病并在患有所述疾病的对象和健康的对象之间区分，而是使用一种基于纳米阵列传感器的通用诊断系统，通过测量它们对测试对象的呼出气体的响应信号并且将它们与所述传感器的疾病特异性模式进行比较，允许以测试对象的呼出气体在多种疾病之间鉴定和区分。
因此，本发明不是诊断一种具体疾病并在患有所述疾病的对象和健康的对象之间区分，而是使用一种基于纳米阵列传感器的通用诊断系统，通过测量它们对测试对象的呼出气体的响应信号并且将它们与所述传感器的疾病特异性模式进行比较，允许以测试对象的呼出气体在多种疾病之间鉴定和区分。
[0011] 如与一些先前已知的基于传感器纳米阵列的系统——其仅可检测一种疾病——相比，这种通用诊断系统还具有改进的特异性。疾病特异性传感器系统未被配置以在不同疾病之间分辨。作为所述特定疾病的特征的至少一些VOC可以是不同类型的疾病共有的。因此，如果测试对象患有不同疾病(其不意图通过所述疾病特异性传感器系统诊断)，但具有VOC标记——其至少部分地类似于指定的疾病的标记，传感器纳米阵列将检测不同疾病的VOC，导致假阳性响应。相反，本发明的通用诊断系统被设计成基于单一组的所选传感器的疾病特异性响应模式在不同疾病之间辨别，从而显著降低假阳性诊断的风险。发明人已进一步发现，一种疾病的检测不会筛选出其他疾病，这可能导致假阴性结果。因此，本发明的通用诊断系统允许在对象中检测多于一种疾病。
[0012] 因此，根据一方面，本发明提供用于诊断、筛选或监测测试对象的疾病的系统，系统包括：选择的确定性(definitive)传感器组，其包括至少三个传感器，所述三个传感器对在测试对象的呼出气体中挥发性有机化合物(VOC)的存在具有反应，传感器包括选自涂覆有第一有机涂层的金属纳米颗粒和涂覆有第二有机涂层的单壁碳纳米管(SWCNT)的纳米材料，和包括模式识别分析器的处理单元，其中模式识别分析器接收传感器组的输出信号；将它们与源自传感器组对具有已知疾病的对象的呼出气体的响应模式的数据库的疾病特异性模式比较，其中每种疾病特异性模式是特定疾病——选自神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病——的特征；以及选择在传感器组的输出信号和疾病特异性模式之间最接近的匹配。
[0013] 根据一些实施方式，选择的确定性传感器组提供选自以下的两种疾病之间的区分：神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病，其中准确度至少约80％。根据进一步实施方式，选择的确定性传感器组提供选自以下的两种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病和先兆子痫，其中准确度至少约80％。
[0014] 两种疾病之间的所述区分可用选自以下的至少一种算法来执行：判别式函数分析(discriminant function analysis)(DFA)、人工神经网络算法、主成分分析(PCA)、多层知觉(multi-layer perception)(MLP)、广义回归神经网络(GRNN)、模糊推理系统(FIS)、自组织映射(SOM)、径向偏差函数(RBF)、遗传算法(GAS)、神经模糊系统(NFS)、自适应共振理论(adaptive resonance theory)(ART)、偏最小二乘方(PLS)、多元线性回归(MLR)、主成分回归(PCR)、线性判别式分析(LDA)、聚类分析、和最近邻法(nearest neighbor)。每种可能性代表本发明的一种单独(separate)实施方式。在一个实施方式中，至少一种算法是判别式函数分析(DFA)。
[0015] 在一些实施方式中，金属纳米颗粒选自Au、Ag、Ni、Co、Pt、Pd、Cu、和Al纳米颗粒。每种可能性代表本发明的一种单独实施方式。在一个实施方式中，金属纳米颗粒是Au纳米颗粒。
[0016] 在一些实施方式中，第一有机涂层包含选自以下的化合物：烷基硫醇、芳基硫醇、烷基芳基硫醇、烷基硫醇盐、ω-官能化的烷烃硫醇酯(alkanethiolate)、芳烃硫醇酯、(γ-巯基丙基)三甲氧基硅烷、二烷基二硫化物和其组合和衍生物。每种可能性代表本发明的一种单独实施方式。在特定实施方式中，第一有机涂层包含选自以下的化合物：烷基硫醇、芳烃硫醇酯、和其组合。
[0017] 第一有机涂层可包含单层或多层的有机化合物。每种可能性代表本发明的一种单独实施方式。在一些实施方式中，第一有机涂层包含1-6层的有机化合物。
[0018] 金属纳米颗粒可具有选自以下的形态学：立方体的、球形的、和类似球体的形态学。每种可能性代表本发明的一种单独实施方式。在一个实施方式中，纳米颗粒具有球形的形态学。
[0019] 在一些实施方式中，涂覆有第一有机涂层的金属纳米颗粒以膜的形式配置。膜厚度可在约1nm至约500nm的范围。
[0020] 在一些实施方式中，第二有机涂层包含多环芳族烃(PAH)。在进一步的实施方式中，多环芳族烃包括六-周六苯并冠烯(六-周六苯并晕苯，六-周六苯并六苯并苯，六苯并蔻hexa-perihexabenzocoronene)(HBC)或其衍生物。六-周六苯并冠烯分子可以是未取代的或被以下中的至少一个取代：甲基醚(HBC-OC1)、2-乙基-己基(HBC-C6，2)、2-己基癸烷(HBC-C10，6)、2-癸基十四烷(HBC-C14，10)、和十二烷(HBC-C12)。每种可能性代表本发明的一种单独实施方式。在特定实施方式中，第二有机涂层包含甲基醚-取代的HBC(甲氧基六-周六苯并冠烯)。甲基醚-取代的HBC可以是六角形或半三角形的形式。每种可能性代表本发明的一种单独实施方式。
[0021] 在其他实施方式中，第二有机涂层包含选自以下的化合物：棓酸丙酯(C10H12O5)、蒽(C14H10)、二十四烷酸(C24H48O2)、二十三烷(C23H48)、3-甲基-2-苯戊酸(C12H16O2)、三(羟甲基)硝基-甲烷(C4H9NO5)、二十四烷(C24H50)、邻苯二甲酸二辛酯(C24H38O4)、1，2，5，6，9，10-六溴-环十二烷(C12H18Br6)、十五烷(C15H32)、和其组合。每种可能性代表本发明的一种单独实施方式。
[0022] 单壁碳纳米管可以随机网络配置组织。在一些实施方式中，单壁碳纳米管的直径范围为约0.9纳米(nm)至约5纳米，并且长度范围为约1微米(μm)至约50微米。每种可能性代表本发明的一种单独实施方式。
[0023] 根据一些实施方式，确定性传感器组包括至少三个Au纳米颗粒传感器。根据进一步的实施方式，确定性传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒和涂覆有3-乙氧基苯硫酚的Au纳米颗粒。
[0024] 在一些实施方式中，确定性传感器组包括至少四个传感器。在一些实施方式中，确定性传感器组包括至少五个传感器。任选地，确定性传感器组可包括至少六个传感器。在一些实施方式中，确定性传感器组包括至少七个传感器。
[0025] 根据一些实施方式，确定性传感器组进一步包括涂覆有十八烷硫醇的Au纳米颗粒和涂覆有4-氯苯甲硫醇的Au纳米颗粒。在进一步的实施方式中，确定性传感器组进一步包括涂覆有己硫醇的Au纳米颗粒。在另外的实施方式中，传感器组进一步包括涂覆有甲氧基六-周六苯并冠烯(六苯并蔻)的SWCNT。
[0027] 根据一些实施方式，系统进一步包括检测传感器组响应于测试对象的呼出气体的装置。根据进一步的实施方式，装置测量传感器组在暴露于呼吸样本时的输出信号。在进一步的实施方式中，模式识别分析器接收由所述装置测量的传感器组的输出信号。在一些实施方式中，装置测量传感器组的至少一个性能中的改变，所述性能选自电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能和电压阈值。每种可能性代表本发明的一种单独实施方式。在特定实施方式中，装置测量传感器的电阻或电导中的改变。
[0028] 根据一些实施方式，模式识别分析器接收从传感器组的输出信号提取的至少两个响应诱导参数。响应诱导参数可选自以下：在信号开始处的全非稳态响应、在标准化到基线的信号开始处的全非稳态响应、在信号中间处的全非稳态响应、在标准化到基线的信号中间处的全非稳态响应、在信号峰值处的全非稳态响应、在标准化到基线的信号峰值处的全非稳态响应、在信号末端处的全稳态响应、在标准化到基线的信号末端处的全稳态响应、非稳态响应下的面积、稳态响应下的面积、暴露于测试样本时响应的梯度、去除测试样本时响应的梯度、暴露于测试样本时达到一定百分比响应所需要的时间、或者去除测试样本时达到一定百分比响应所需要的时间。在特定实施方式中，模式识别分析器接收响应诱导参数，其包括在标准化到基线的信号的中间处处于全非稳态响应的传感器的电阻的标准化改变、在标准化到基线的信号的峰值处的全非稳态响应、在标准化到基线的信号的末端处的全稳态响应、和稳态响应下的面积。
[0029] 根据一些实施方式，传感器组对具有已知疾病的对象的呼出气体的响应模式(存储在数据库中)包括从传感器组的输出信号提取的至少两个响应诱导参数。所述响应诱导参数可选自在信号开始处的全非稳态响应、在标准化到基线的信号开始处的全非稳态响应、在信号中间处的全非稳态响应、在标准化到基线的信号中间处的全非稳态响应、在信号峰值处的全非稳态响应、在标准化到基线的信号峰值处的全非稳态响应、在信号末端处的全稳态响应、在标准化到基线的信号末端处的全稳态响应、非稳态响应下的面积、稳态响应下的面积、暴露于测试样本时响应的梯度、去除测试样本时响应的梯度、暴露于测试样本时达到一定百分比响应所需要的时间、或者去除测试样本时达到一定百分比响应所需要的时间。在特定实施方式中，响应模式包括响应诱导参数，响应诱导参数包括在标准化到基线的信号中间处处于全非稳态响应的传感器的电阻的标准化改变、在标准化到基线的信号峰值处的全非稳态响应、在标准化到基线的信号末端处的全稳态响应、稳态响应下的面积。
[0030] 根据一些实施方式，数据库包括传感器组对患有已知疾病的至少约500名对象的呼出气体的响应模式，其中至少约15％被诊断有神经变性疾病、至少约30％被诊断有增生性疾病、至少约5％被诊断有肾病、至少约1％被诊断有呼吸性疾病、以及至少约5％被诊断有炎性肠疾病。数据库可进一步包括传感器组对诊断有先兆子痫的对象的呼出气体的响应模式。
[0031] 根据一些实施方式，疾病选自神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病。神经变性疾病可选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。在一些实施方式中，帕金森疾病包括特发性帕金森或非典型性帕金森病。增生性疾病可选自肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。在进一步的实施方式中，炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。呼吸性疾病可包括肺动脉高压。肾病可包括慢性肾病。产科疾病可包括先兆子痫。
[0032] 在另一方面，提供了诊断、筛选或监测测试对象中的疾病的方法，方法包括以下步骤：(a)提供根据本发明的各种实施方式的系统；(b)将传感器组暴露于测试对象的呼出气体样本；(c)测量传感器组暴露于呼吸样本时的输出信号；(d)利用模式识别分析器，将输出信号与数据库衍生的疾病特异性模式进行比较；以及(e)选择在传感器组的输出信号与数据库衍生的疾病特异性模式之间的最接近的匹配。
[0033] 根据一些实施方式，方法提供诊断、筛选或监测选自以下的疾病：神经变性疾病、增生性疾病、炎性肠疾病、呼吸性疾病、肾病和产科疾病。根据进一步的实施方式，方法提供诊断、筛选或监测选自以下的疾病：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病、和先兆子痫。每种可能性代表本发明的一种单独实施方式。
[0034] 根据进一步的实施方式，方法提供在选自以下的两种或更多种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾衰竭和先兆子痫。每种可能性代表本发明的一种单独实施方式。根据一些实施方式，方法提供至少约
80％的区分准确度。
80％的区分准确度。
[0035] 根据一些实施方式，方法提供测试对象中至少一种疾病的诊断。根据其他实施方式，方法提供测试对象中多种疾病，如两种，三种或更多种疾病的诊断。每种可能性代表本发明的一种单独实施方式。
[0036] 根据一些实施方式，方法包括通过测量传感器组的至少一种性能的改变的装置测量传感器组在暴露于呼吸样本时的输出信号，至少一种性能选自电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能和电压阈值。每种可能性代表本发明的一种单独实施方式。
[0037] 根据一些实施方式，方法进一步包括利用呼吸浓缩器和减湿单元中的至少一个在步骤(b)之前浓缩呼出气体样本的步骤。
[0038] 在一些实施方式中，传感器组检测选自以下的至少10种VOC：2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷。在进一步的实施方式中，传感器组检测所述VOC的每一种。
[0039] 根据一些实施方式，在传感器组的输出信号和数据库衍生的疾病特异性模式之间选择最接近匹配的步骤是利用选自以下的至少一种算法来执行的：判别式函数分析(DFA)、人工神经网络(ANN)算法、支持向量机(SVM)、主成分分析(PCA)、多层知觉(MLP)、广义回归神经网络(GRNN)、模糊推理系统(FIS)、自组织映射(SOM)、径向偏差函数(RBF)、遗传算法(GAS)、神经模糊系统(NFS)、自适应共振理论(ART)、偏最小二乘方(PLS)、多元线性回归(MLR)、主成分回归(PCR)、线性判别式分析(LDA)、聚类分析、和最近邻方法。每种可能性代表本发明的一种单独实施方式。在某些实施方式中，所述算法是DFA。
[0040] 在另一方面，本发明提供诊断、筛选或监测测试对象中的疾病的方法，包括以下步骤：(a)从测试对象收集测试呼吸样本；(b)从通用生物标志物组测定至少10种挥发性有机化合物(VOC)的水平，该组包括2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷；(c)将来自测试呼吸样本的所述VOC的水平与衍生自具有已知疾病的对象的呼出气体中检测的所述VOC的数据库的所述VOC的参考水平进行比较，其中通用生物标志物组的每种VOC的参考水平的组合是选自以下的特定疾病的特征：神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病、和产科疾病；以及(d)在来自测试呼吸样本的所述VOC的水平与通用生物标志物组的VOC的参考水平的组合之间选择最接近的匹配。根据一些实施方式，方法包括测定来自通用生物标志物组的每种VOC的水平。
[0041] 在一些实施方式中，测定VOC的水平的步骤包括使用选自以下的至少一种技术：气相色谱法(GC)、气相色谱-质谱联用(GC-lined Mass-Spectrometry)(GC-MS)、质子传递反应质谱分析法(PTR-MS)、电子鼻装置(Electronic nose device)、和石英晶体微量天平(Quartz Crystal Microbalance)(QCM)。每种可能性代表本发明的一种单独实施方式。在一个实施方式中，测定VOC水平的步骤包括使用气相色谱-质谱(GC-MS)。任选地，GC-MS可与固相微萃取(SPME)组合。
[0042] 根据一些实施方式，疾病选自神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病。神经变性疾病可选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。在一些实施方式中，帕金森疾病包括特发性帕金森或非典型性帕金森病。增生性疾病可选自肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。在进一步的实施方式中，炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。呼吸性疾病可包括肺动脉高压。肾病可包括慢性肾病。产科疾病可包括先兆子痫。
[0043] 由下文给出的详细描述，本发明的进一步实施方式和全部适用范围将变得显而易见。然而，应当理解，虽然指示本发明的优选实施方式，详细描述和具体实例仅通过示例方式给出，因为在本发明的精神和范围内的各种改变和修改通过此详细描述对本领域技术人员而言将变得显而易见。附图说明
[0044] 图1A-1C：呼吸样本的GC-MS分析，表示为在三种代表性VOC的不同疾病中测量的峰值(丰度)下的面积：图1A-壬醛、图1B-十一烷和图1C-异壬烷。箱线图(whisker boxes)呈现第一四分位数、第三四分位数、中位数(线)和平均数(平方)；条代表10％和90％点，而点代表最小和最大读数。
[0045] 图2A：患者的呼吸样本的定量GC-MS分析的热图(以黑色和白色)。13种VOC的每一种的平均数以色标(color-scale)呈现。具有斜线的方框代表其中在少于70％的具体患者组样本中发现VOC的情况(cases)。VOC是2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛苯乙烯、甲苯和十一烷(分别编号)。
[0046] 图2B：对照呼吸样本的定量GC-MS分析的热图(以黑色和白色)。13种VOC的每一种的峰值下的平均面积根据色标呈现。具有斜线的方框代表其中在少于70％的具体对照组样本中发现VOC的情况。VOC的编号如图2A所示。
[0047] 图3：传感器阵列响应的热图(以黑色和白色)，包括提取自20个不同的基于纳米材料的传感器的59个稳定的响应-诱导参数，也被称为感测特征。热图中的行表示连续感测特征，从SF1(顶行)至SF59(底行)，其中“SF”代表感测特征。每行数据表示通过此方法研究的对17种疾病的每一种的平均响应。
[0048] 图4：用于传感器阵列分析的二元分类器的准确度的图示(Graphical presentation)。每个方框表示在每对对象组的盲验证中实现的准确度。左热图表示在患者组之间比较的结果，而在左侧的热图表示应用于相应的对照组的相同分类器的结果。全部疾病分类器的平均准确度是86％，而当将相同模型应用于相应的对照组时，获得58％的准确度。
[0049] 图5：获自传感器的响应的聚类分析，其中每个聚类表示类似的响应曲线，表明在具体聚类的样本(对象)中相当大的相似之处。
具体实施方式
[0050] 本发明提供用于诊断各种疾病的系统和方法，尤其包括神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病。
[0051] 本发明的系统和方法提供诊断大量各种疾病，同时成功地在不同的分类的疾病和相同分类和/或不同分类内的疾病之间区分的独特的能力。本发明部分地基于来自全世界9个临床中心中的14个部门的出人意料的结果，其显示虽然每种疾病具有其自身独特的挥发性分子印记(molecular print)模式，包括数百种VOC，但是相对少量的VOC的特定组合的检测允许对每种所述疾病的区别诊断(区分诊断，differential diagnosis)。测试群体包括诊断有各种神经变性疾病、增生性疾病、炎性肠疾病、呼吸性疾病、肾病和产科疾病的患者。对获自此测试群体的呼吸样本的分析允许鉴定通用生物标志物组，其提供对每种所述疾病的区别诊断。发现当单独分析时，在测试的呼吸样本中不存在此通用生物标志物组中的VOC之一并且不存在VOC的任何其他组合能够以充分的效率提供区别诊断。
[0052] 已进一步发现，通过测量来自确定性组的所述VOCS的水平检测一种疾病的存在，未筛选出其他疾病——该发现允许开发用于以非创伤性、便宜的和便携的方式个性化诊断和筛选各种疾病的通用系统。本发明的通用诊断系统因此能够在相同测试对象中检测多种疾病。
[0053] 通用诊断系统包括交叉反应的纳米阵列传感器，其与模式识别分析器组合对测试对象的呼出气体中存在的VOC起反应。已经出乎意料地发现，少至三个这样的传感器能够在检查的疾病列举的每两种疾病之间区别地分辨。所述传感器包括纳米材料，其选自涂覆有有机涂层(例如，巯基衍生物)的金属纳米颗粒和涂覆有不同有机涂层(例如，六-周六苯并冠烯分子)的单壁碳纳米管。
[0054] 此途径提供了集合VOC模式，其不需要具体VOC鉴定和量化。不希望被理论或作用机制束缚，本发明的通用诊断系统鉴定多种疾病和在它们之间分辨的能力部分基于传感器组从通用生物标志物组检测VOC并产生响应模式的能力，其是特定疾病的特征。
[0055] 已经进一步发现，分析从所述确定性组的传感器的响应信号提取的多于一个响应诱导参数增强了系统的区分(区别，differentiation)效率。所述确定性组的传感器对患有特定疾病的对象的呼吸样本的响应模式的数据库被本发明的发明人用于编制每种疾病的特征性疾病特异性模式，其可由所述传感器组检测。根据本发明的原理，疾病特异性模式被模式识别分析器用于发现获自传感器组暴露于测试呼吸样本的响应信号与来自数据库的经验响应模式之间的最接近的匹配。
[0056] 因此，根据一方面，本发明提供用于在测试对象中诊断、筛选和/或监测疾病的系统，该系统包括选择的确定性传感器组，所述确定性传感器组包括至少三个传感器，其对测试对象的呼出气体中的挥发性有机化合物(VOC)的存在具有反应性，传感器包括选自以下的纳米材料：涂覆有第一有机涂层的金属纳米颗粒和涂覆有第二有机涂层的单壁碳纳米管(SWCNT)。本发明的系统进一步包括包含模式识别分析器的处理单元，其中模式识别分析器接收传感器组的输出信号；将它们与衍生自传感器组对具有己知疾病的对象的呼出气体的响应模式的数据库的疾病特异性模式进行比较，其中每种疾病特异性模式是特定疾病的特征，并且在传感器组的输出信号与疾病特异性模式之间选择最接近的匹配。
[0057] 在另一方面，本发明提供利用根据本发明的原理和各种实施方式的系统在测试对象中诊断、筛选和/或监测疾病的方法。将传感器组暴露于测试对象的呼出气体样本，并且利用模式识别分析器将输出信号与数据库衍生的疾病特异性模式比较，以选择传感器组的输出信号与数据库衍生的疾病特异性模式之间的最接近的匹配。
[0058] 在一些实施方式中，本发明的系统和/或方法提供疾病的诊断。在一些实施方式中，本发明的系统和/或方法提供疾病的筛选。在一些实施方式中，本发明的系统和/或方法提供疾病的监测。当患者患有多于一种疾病时，通过本发明的系统监测疾病是特别有利的，因为评估一种疾病的进展不受另外的疾病存在的影响。根据一些实施方式，即使存在至少一种混杂因素——例如但不限于吸烟，也可执行在对象中诊断、筛选或监测疾病。此外，在相同对象中诊断、筛选或监测疾病可在各种地理位置——包括医院、诊所或甚至在家——执行，因为没有发现地理位置对传感器组的响应的影响。
[0059] 根据一些实施方式，待诊断、筛选、和/或监测的疾病和/或疾病特异性模式源于其存在的疾病选自以下：神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病和产科疾病。神经变性疾病可选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。在一些实施方式中，帕金森病包括特发性帕金森或非典型性帕金森病。增生性疾病可选自肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。在进一步的实施方式中，炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。呼吸性疾病可包括肺动脉高压。肾病可包括慢性肾病。产科疾病可包括先兆子痫。术语“先兆子痫”、“毒血症”、和“先兆子痫-毒血症”在整个说明书中可互换地使用。
[0060] 根据一些实施方式，所选择的确定性传感器组包括金属纳米颗粒，金属纳米颗粒包括涂覆有第一有机涂层的导电金属芯。导电金属芯的适合的非限制性实例包括，但不限于，Au、Ag、Ni、Co、Pt、Pd、Cu、和Al纳米颗粒。每种可能性代表本发明的一种单独实施方式。
[0061] 在一个实施方式中，导电纳米颗粒芯的涂层包括单层或多层有机化合物，其中有机化合物可以是小分子、单体、寡聚体或聚合物。每种可能性代表本发明的一种单独实施方式。适合的有机化合物包括，但不限于，烷基硫醇，例如，具有C3-C24链的烷基硫醇、芳基硫醇、烷基芳基硫醇、烯基硫醇、炔基硫醇、环烷基硫醇、杂环基硫醇、杂芳基硫醇、烷基硫醇酯、烯基硫醇酯、炔基硫醇酯、环烷基硫醇酯、杂环基硫醇酯、杂芳基硫醇盐、□-官能化的烷烃硫醇酯、芳烃硫醇酯、(γ-巯基丙基)三甲氧基硅烷、二烷基二硫化物和其组合。每种可能性代表本发明的一种单独实施方式。
[0062] “烷基”基团指代饱和的脂族烃，包括直链、支链和环烷基基团。在一个实施方式中，烷基基团具有1-12个碳，此处指定为C1-C12-烷基。在另一个实施方式中，烷基基团具有2-6个碳，此处指定为C2-C6-烷基。在另一个实施方式中，烷基基团具有2-4个碳，此处指定为C2-C4-烷基。在目前优选的实施方式中，烷基基团具有3-24个碳，此处指定为C3-C24烷基。烷基基团可以是未取代的或被一个或多个选自以下的基团取代：醇、酮、醛、卤素、碳酸酯(盐)、羧酸酯(盐)、羧酸、酰基、酰氨基、酰胺、胺、亚胺、酯、醚、氰基、硝基、和叠氮基。每种可能性代表本发明的一种单独实施方式。
[0063] “环烷基”基团指代非芳族单环或多环环系统。在一个实施方式中，环烷基基团具有3-10个碳原子。在另一个实施方式中，环烷基基团具有5-10个碳原子。示例性单环环烷基基团包括环戊基、环己基、环庚基等。烷基环烷基是键合到如本文所定义的环烷基基团的如本文所定义的烷基基团。环烷基基团可以是未取代的或被上面对烷基定义的任何一个或多个取代基取代的。
[0064] “烯基”基团指代含有至少一个碳-碳双键的脂族烃基团，包括直链、支链和环烯基基团。在一个实施方式中，烯基基团具有2-8个碳原子(C2-8烯基)。在另一个实施方式中，烯基基团在链中具有2-4个碳原子(C2-4烯基)。示例性烯基基团包括乙烯基、丙烯基、正丁烯基、异丁烯基、3-甲基丁-2-烯基、正戊烯基、庚烯基、辛烯基、环己基-丁烯基和癸烯基。烷基烯基是键合到如本文所定义的烯基基团的如本文所定义的烷基基团。烯基基团可以是未取代的或通过可用的碳原子被在上文对烷基定义的一个或多个基团取代的。
[0065] “炔基”基团指代含有至少一个碳-碳三键的脂族烃基团，包括直链和支链。在一个实施方式中，炔基基团在链中具有2-8个碳原子(C2-8炔基)。在另一个实施方式中，炔基基团在链中具有2-4个碳原子(C2-4炔基)。示例性炔基基团包括乙炔基、丙炔基、正丁炔基、2-丁炔基、3-甲基丁炔基、正戊炔基、庚炔基、辛炔基和癸炔基。烷基炔基是键合到如本文所定义的炔基基团的如本文所定义的烷基基团。炔基基团可以是未取代的或通过可用的碳原子被在上文对烷基定义的一个或多个基团取代的。
[0066] “芳基”基团指代芳族单环或多环环系统。在一个实施方式中，芳基基团具有6-10个碳原子。芳基任选地取代有如本文所定义的至少一个″环系统取代基″及其组合。示例性芳基基团包括苯基或萘基。烷基芳基是键合到如本文所定义的芳基基团的如本文所定义的烷基基团。芳基基团可以是未取代的或通过可用的碳原子被在上文对烷基定义的一个或多个基团取代的。
[0067] “杂芳基”基团指代含有至少一个杂原子环的杂芳族系统，其中原子选自氮、硫和氧。杂芳基含有5个或更多个环原子。杂芳基基团可以是单环的、双环的、三环的等。此定义中还包括苯并杂环的环。杂芳基的非限制性实例包括噻吩基、苯并噻吩基、1-萘并噻吩基、噻蒽基、呋喃基、苯并呋喃基、吡咯基、咪唑基、吡唑基、吡啶基、吡嗪基、嘧啶基、哒嗪基、吲哚基、异氮杂茚基、吲唑基、嘌呤基(purinyl)、异喹啉基、喹啉基、萘啶基、喹握啉基、喹唑啉基、噌啉基(cinnolinyl)、蝶啶基、咔啉基(carbolinyl)、噻唑基、 唑基、异噻唑基、异 唑基等。杂芳基基团可以是未取代的或通过可用的原子被在上文对烷基定义的一个或多个基团取代的。
[0068] “杂环(heterocyclic ring)”或“杂环基”基团指代具有1至4个杂原子的五元至八元环，杂原子如氧、硫和/或特别是氮。这些五元至八元环可以是饱和的，完全不饱和的或部分地不饱和的，其中优选为完全饱和的环。示例性杂环包括哌啶基、吡咯烷基吡咯啉基、吡唑啉基、吡唑烷基、吗啉基、硫代吗啉基、吡喃基、硫代吡喃基、哌嗪基(piperazinyl)、二氢吲哚基、二氢呋喃基、四氢呋喃基、二氢苯硫基、四氢苯硫基、二氢吡喃基、四氢吡喃基等。烷基杂环基是键合到如本文所定义的杂环基基团的如本文所定义的烷基基团。杂环基基团可以是未取代的或通过可用的原子被在上文对烷基定义的一个或多个基团取代的。
[0069] “环系统取代基”指代与芳族或非芳族环系统相连的取代基，包括，但不限于，H、卤素、卤代烷基、(C1-C8)烷基、(C2-C8)烯基、(C2-C8)炔基、(C6-C10)芳基、醇、酮、醛、碳酸酯(盐)、羧酸酯(盐)、羧酸、酰基、酰氨基、酰胺、胺、亚胺、酯、醚、氰基、硝基、叠氮基等。每种可能性代表本发明的一种单独实施方式。
[0070] 在特定实施方式中，第一有机涂层包含选自芳烃硫醇酯、烷基芳基硫醇和其组合的化合物。每种可能性代表本发明的一种单独实施方式。在进一步的实施方式中，第一有机涂层包含选自十二烷硫醇、1-癸硫醇、3-乙氧基苯硫酚、十八烷硫醇、和4-氯苯甲硫醇的化合物。在一些示例性实施方式中，确定性传感器组包括涂覆有十二烷硫醇、1-癸硫醇、3-乙氧基苯硫酚、十八烷硫醇、4-氯苯甲硫醇、和己硫醇的金属纳米颗粒。
[0071] 在进一步的具体实施方式中，第一有机涂层包含选自烷基硫醇、芳烃硫醇酯、和其组合的化合物。每种可能性代表本发明的一种单独实施方式。在某些这样的实施方式中，第一有机涂层可以是十二烷硫醇、1-癸硫醇和3-乙氧基苯硫酚中的至少一种。在一些示例性实施方式中，确定性传感器组包括涂覆有十二烷硫醇、1-癸硫醇和3-乙氧基苯硫酚的金属纳米颗粒。
[0072] 在一些实施方式中，第一有机涂层包括单层的有机化合物。在进一步的实施方式中，第一有机涂层包括二、三、四、五、六、七、八、九、十或更多层的有机化合物。每种可能性代表本发明的一种单独实施方式。在进一步的实施方式中，第一有机涂层包括1-6层有机化合物。
[0073] 在一些实施方式中，第一有机涂层包括1-10层己硫醇。在进一步的实施方式中，第一有机涂层包括1-6层己硫醇。在一些实施方式中，第一有机涂层包括一层己硫醇、两层己硫醇、三层己硫醇、四层己硫醇、五层己硫醇、或六层己硫醇。每种可能性代表本发明的一种单独实施方式。
[0074] 包括覆盖有各种有机涂层的金属纳米颗粒的传感器可以如本领域已知的那样合成，例如利用具有一些修改(Hostetler et al.，Langmuir，1998，14，24)的二相法(Brust et al.，J.Chem.Soc.Chem.Commun.，1994，801，2)。覆盖的金纳米颗粒可通过将AuCl4-通过相转移试剂TOAB从HAuCl4·xH2O水溶液转移到甲苯溶液合成。分离有机相后，将过量的硫醇添加至溶液。硫醇：HAuCl4·xH2O的摩尔比可在1∶1和10∶1之间变化，取决于所使用的硫醇。这是为了制备平均数尺寸为约2-5nm的金纳米颗粒的单分散溶液而执行的。示例性程序包括，但不限于，覆盖十二烷硫醇、1-癸硫醇和3-乙氧基苯硫酚的金纳米颗粒的硫醇：Au摩尔比为1：10，平均尺寸为3-4nm。剧烈搅拌溶液之后，添加大量过量的还原剂NaBH4的水溶液。将反应在室温下持续地搅拌至少3小时以产生覆盖硫醇的Au纳米颗粒的深棕色溶液。将所得溶液在旋转蒸发器中进一步进行溶剂去除，随后利用乙醇和甲苯多次洗涤。覆盖有特定硫醇如，例如，2-巯基苯并唑(2-mercaptobenzoazole)或2-巯基苯并咪唑的金纳米颗粒可通过配体-交换方法由预制备的覆盖己硫醇的金纳米颗粒合成。在一般反应中，将过量的硫醇添加到覆盖己硫醇的金纳米颗粒在甲苯中的溶液。将溶液在持续搅拌下保持几天，以允许尽可能多的配体转化。通过重复提取将纳米颗粒从游离硫醇配体纯化。
[0075] 金属纳米颗粒可具有任何期望的形态学，包括，但不限于，立方体的、球形的、和类似球体的形态学。每种可能性代表本发明的一种单独实施方式。在一些实施方式中，金属纳米颗粒具有球形的形态学。在一些实施方式中，金属纳米颗粒具有立方体的形态学。
[0076] 根据一些实施方式，金属纳米颗粒的平均颗粒尺寸在约1至约10nm的范围内，如，例如，约2至约5nm或约3或约4nm。每种可能性代表本发明的一种单独实施方式。根据进一步的实施方式，金属纳米颗粒的特征在于窄的粒度分布。
[0077] 然后可将合成的纳米颗粒装配(例如通过自装配过程)以产生覆盖的纳米颗粒的膜。术语″膜″，如本文所使用，对应于覆盖的纳米颗粒的良好排列的装配的配置。还可以使用覆盖的纳米颗粒的2D或3D膜。用于获得覆盖的纳米颗粒的良好有序的二或三维装配的示例性方法包括，但不限于，
[0079] ii.在固体表面上从覆盖的纳米颗粒的溶液场增强的或分子-相互作用-诱导的沉积。
[0080] iii.Langmuir-Blodgett或Langmuir-Schaefer技术。将底物在空气-亚相(subphase)界面处垂直地浸没通过覆盖的纳米颗粒的自组织的/良好有序的2D单层，其中后者随后转移到其上。底物在空气-亚相界面处通过覆盖的纳米颗粒的2D单层的多次浸没导致3D-有序的多层覆盖的纳米颗粒的制造。
[0081] iv.软光刻技术(软石印技术，soft lithographic technique)，如微接触印刷(mCP)、复制模塑、毛细管中的微模塑(MIMIC)、和微转移模塑(mTM)。这些方法基于有机分子和聚合物材料的自装配和复制模塑的变化，用于制造纳米尺度至介观尺度的覆盖的纳米颗粒(Zhao et al.，J.Mater.CheM.，1997，7(7)，1069)。
[0082] v.Langmuir-Blodgett或Langmuir-Schaefer方法与软光刻技术的各种组合可被用于产生分子修饰的覆盖的纳米颗粒(其转移到固体底物上)的图案化的(patterned)Langmuir-Blodgett膜。
[0084] 纳米颗粒溶液在固体表面和/或底物上的不同实验条件和/或不同沉积技术可导致传感器的不同分布/表面覆盖度。纳米颗粒膜可具有连续的或不连续的形态学。在一些实施方式中，本发明的系统包括具有纳米颗粒膜的传感器，纳米颗粒膜具有连续的形态学、不连续的形态学或连续的或不连续的形态学的组合。每种可能性代表本发明的一种单独实施方式。根据一些实施方式，关于纳米颗粒膜的形态学的控制可改变传感器对对象的呼出气体中的VOC的响应。
[0085] 根据一些实施方式，本发明的系统包括传感器，其含有涂覆有相同第一涂层但在基底(substrate)上具有不同形态学的纳米颗粒分布的金属纳米颗粒。
[0086] 本发明的膜的厚度一般在约1nm至约500nm的范围。膜一般沉积在固体表面和/或基底的顶部上。在本发明的范围内的适合的基底包括可以是刚性的或柔性的物质。还可以是可拉伸的柔性底物在本发明的范围内。示例性基底包括，但不限于，金属、绝缘体、半导体、半金属、聚合物、和其组合。每种可能性代表本发明的一种单独实施方式。在一些实施方式中，底物是聚合物，其可以是聚酰亚胺(例如Kapton)、聚酰胺、聚亚胺(例如聚氮丙啶)、聚酯(例如聚对苯二甲酸乙二酯、聚萘二甲酸乙二酯)、聚二甲基硅氧烷、聚氯乙烯(PVC)、聚苯乙烯等。每种可能性代表本发明的一种单独实施方式。在一个实施方式中，基底包括二氧化硅(例如涂覆有SiO2的玻璃或硅片)。在另一个实施方式中，基底包括氧化铟锡。
[0087] 根据一种实施方式，传感器组包括涂覆有第二有机涂层的单壁碳纳米管(SWCNT)。纳米管可以随机网络配置排列。在一些实施方式中，SWCNT网络可通过物理操作或以自装配过程制造。如本文所使用的术语“自装配”指代在不受外部源干预的情况下分子组织的过程。自装配过程在溶液/溶剂中或直接在固态基底上发生。
[0088] 根据本发明用于合成碳纳米管的主要方法包括，但不限于，碳的激光消融、石墨棒的电弧放电、和烃的化学气相沉积(CVD)。在这些方法中，已经发现与光刻法结合的CVD在各种碳纳米管装置的制备中是最多功能的。在CVD方法中，过渡金属催化剂以期望的模式沉积在基底(例如硅片)上，其可利用光刻法随后蚀刻来制作(fashioned)。然后将具有催化剂沉积物的硅片在例如二甲苯和二茂铁的气相混合物的存在下放置在炉中。碳纳米管一般在催化剂沉积物上以垂直于基底表面的方向生长。各种碳纳米管材料和装置目前可从商业来源获得。
[0089] 其它CVD方法包括在不使用过渡金属催化剂的情况下在二氧化硅(SiO2)和硅表面上制备碳纳米管。因此，通过光刻法和蚀刻在硅片上将二氧化硅的区域图案化。然后在CVD或等离子体-增强的CVD(PECVD)过程中使碳纳米管生长在二氧化硅表面上。这些方法以各种形状提供碳纳米管束的生产。
[0090] 如本文所使用的术语“单壁碳纳米管”指代圆柱形的具有壁的碳原子的薄片，其基本上由以具有石墨型的键合的六角形晶体结构组织的单层碳原子组成。纳米管的特征在于长度与直径比。应理解，如本文所使用的术语″纳米管″指代纳米以及微米范围内的结构。
[0091] 根据各种实施方式，本发明的单壁碳纳米管的直径范围为约0.6纳米(nm)至约100nm，且长度范围为约50nm至约10毫米(mm)。更优选地，单壁碳纳米管的直径范围为约
0.7nm至约50nm，且长度范围为约250nm至约1mm。甚至更优选地，单壁碳纳米管的直径范围为约0.8nm至约10nm，且长度范围为约0.5微米(μm)至约100μm。最优选地，本发明的单壁碳纳米管的直径范围为约0.9nm至约5nm，且长度范围为约1μm至约50μm。
0.7nm至约50nm，且长度范围为约250nm至约1mm。甚至更优选地，单壁碳纳米管的直径范围为约0.8nm至约10nm，且长度范围为约0.5微米(μm)至约100μm。最优选地，本发明的单壁碳纳米管的直径范围为约0.9nm至约5nm，且长度范围为约1μm至约50μm。
[0092] 根据本发明的原理，单壁碳纳米管涂覆有包括小分子、寡聚物、聚合物或其组合的第二有机涂层。在一些实施方式中，第二有机涂层包含分子，其包括，但不限于，未取代的或取代的C1-C40直链或支链烷、环烷、芳族化合物、和其组合。每种可能性代表本发明的一种单独实施方式。分子可被羧基、酰基、酯、硝基、卤素、羟基或卤代烷基部分中的至少一种取代。每种可能性代表本发明的一种单独实施方式。适合的小有机分子包括，但不限于，棓酸丙酯(C10H12O5)、蒽(C14H10)、二十四烷酸(C24H48O2)、二十三烷(C23H48)、3-甲基-2-苯戊酸(C12H16O2)、三(羟甲基)硝基-甲烷(C4H9NO5)、二十四烷(C24H50)、邻苯二甲酸二辛酯(C24H38O4)、1，2，5，6，9，10-六溴-环十二烷(C12H18Br6)、十五烷(C15H32)、和其组合。每种可能性代表本发明的一种单独实施方式。
[0093] 适合的寡聚物或聚合物包括，但不限于，芳烃、聚芳烃或其组合。如本文所使用的术语″芳烃″指代单一的以及连接的或稠合的芳族环，其可被进一步取代。如本文所使用的术语“聚芳烃”指代包含三个或更多个环的多环芳烃，其中其至少两个是芳族的，并且其中这些芳族环的至少两个通过共享两个相邻碳原子稠合。适合的芳烃或聚芳烃包括，但不限于，萘、苊(acenaphtene)、蒽、菲、芘、苯并[a]芘、 荧蒽、C18-C180石墨烯和其组合。每种可能性代表本发明的一种单独实施方式。术语“芳烃”进一步包括杂芳烃，其中芳烃的一个或多个环碳原子被杂原子(例如，N、S、P或O)置换，例如，苯基-苯硫基-苯基-苯硫基。芳烃可以是非官能化的(未取代的)或可以是用一个或多个取代基(例如疏水的或亲水的碳链)官能化的。另外，芳烃或疏水的或亲水的碳链可以是用包括，但不限于，酯、醚、醇、胺、亚胺、酰胺、铵、酮(keto)、醛、卤素(卤(halo))、吡啶基、磷酸酯(盐)、硫醇、磺酸酯(盐)、磺酰基、羟基、羧酸酯(盐)、羧基、和碳酸酯(盐)基团的至少一个官能团官能化的。每种可能性代表本发明的一种单独实施方式。
[0094] 在本发明的范围内的一类芳烃或聚芳烃是C18-C180石墨烯，例如C42石墨烯、C50石墨烯等。如本文所使用的术语″石墨烯″指代这样的分子，其中多个碳原子(例如，以五元环、六元环、和/或七元环的形式)彼此共价键合以形成(一般片状)多环芳族分子。在一个实施方式中，石墨烯包括彼此共价键合(最一般地sp2键合)的单层碳原子。应该注意，这种片可具有各种构型，并且特定构型将尤其取决于五元和/或七元环在片中的量和位置。在另一个实施方式中，石墨烯包括几个(例如，两个、三个、四个、五至十个、一至二十个、一至五十个、或一至一百个)碳原子单层，其堆叠在一起以使最大厚度小于约100纳米。
[0095] 在一些实施方式中，用于官能化纳米管的表面的小有机分子包括，但不限于，多环芳烃衍生物，如六-周六苯并冠烯(HBC)分子。HBC分子可以是未取代的或被甲基醚(HBC-OCl)、2-乙基-己基(HBC-C6，2)、2-己基癸烷(HBC-C10，6)、2-癸基十四烷(HBC-C14，10)、和十二烷(HBC-C12)中的任一种取代的。每种可能性代表本发明的一种单独实施方式。在特定实施方式中，第二有机涂层包含甲基醚-取代的HBC(甲氧基六-周六苯并冠烯)。甲基醚-取代的HBC可以是六角形或半三角形。每种可能性代表本发明的一种单独实施方式。
[0096] 根据一些实施方式，确定性传感器组的至少三个纳米传感器选自涂覆有十二烷硫醇的金属纳米颗粒、涂覆有1-癸硫醇的金属纳米颗粒、涂覆有3-乙氧基苯硫酚的金属纳米颗粒、涂覆有十八烷硫醇的金属纳米颗粒、涂覆有4-氯苯甲硫醇的金属纳米颗粒、涂覆有己硫醇的金属纳米颗粒和涂覆有取代的HBC的SWCNT。
[0097] 根据一些实施方式，确定性传感器组包括Au纳米颗粒传感器。根据一些实施方式，所述传感器是球形的。在进一步的实施方式中，Au纳米颗粒被以膜的形式配置。根据一些实施方式，膜具有Au纳米颗粒的连续的区域、不连续的区域和其组合。
[0098] 根据进一步的实施方式，确定性传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒和涂覆有3-乙氧基苯硫酚的Au纳米颗粒。在一些示例性实施方式中，这些Au纳米颗粒是球形的。
[0099] 在一些实施方式中，确定性传感器组包括至少四个传感器。在一些实施方式中，确定性传感器组包括至少五个传感器。任选地，确定性传感器组可包括至少六个传感器。在其他实施方式中，传感器组包括至少七个传感器。在进一步的实施方式中，传感器组包括至少八个传感器。
[0100] 根据一些实施方式，确定性传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒、涂覆有十八烷硫醇的Au纳米颗粒和涂覆有4-氯苯甲硫醇的Au纳米颗粒。根据进一步的实施方式，确定性传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒、涂覆有十八烷硫醇的Au纳米颗粒、和涂覆有4-氯苯甲硫醇的Au纳米颗粒。根据还进一步的实施方式，确定性传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒、涂覆有十八烷硫醇的Au纳米颗粒、涂覆有4-氯苯甲硫醇的Au纳米颗粒、和涂覆有己硫醇的Au纳米颗粒。
[0101] 根据一些实施方式，确定性传感器组包括涂覆有取代的六-周六苯并冠烯的SWCNT。在进一步的实施方式中，传感器组包括涂覆有甲氧基六-周六苯并冠烯的SWCNT。
[0102] 根据一些实施方式，确定性传感器组包括涂覆有第一有机涂层的金属纳米颗粒和涂覆有第二有机涂层的单壁碳纳米管的组合。在某些这样的实施方式中，确定性传感器组可包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒和涂覆有HBC-OC1的SWCNT。在一些实施方式中，传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒、涂覆有十八烷硫醇的Au纳米颗粒、涂覆有4-氯苯甲硫醇的Au纳米颗粒、和涂覆有HBC-OC1的SWCNT。在进一步的实施方式中，传感器组包括涂覆有十二烷硫醇的Au纳米颗粒、涂覆有1-癸硫醇的Au纳米颗粒、涂覆有3-乙氧基苯硫酚的Au纳米颗粒、涂覆有十八烷硫醇的Au纳米颗粒、涂覆有4-氯苯甲硫醇的Au纳米颗粒、涂覆有己硫醇的Au纳米颗粒和涂覆有HBC-OC1的SWCNT。
[0103] 在某些实施方式中，本发明的传感器包括一个或多个导电元件。根据一些实施方式，本发明的传感器包括一对电极(正电极和负电极)或多对电极。在某些这样的实施方式中，电极对的数量的范围为约10至约100对电极之间。在另外的实施方式中，电极对的数量的范围在约20至约50对电极之间。在还进一步的实施方式中，电极对的数量的范围在约20至约30对电极之间。在各种实施方式中，限定感测区域的相邻电极之间的相邻电极之间的距离范围在约0.5μm至约3mm之间。根据某些实施方式，每个电极的宽度范围在约1μm值约50μm之间。电极可包括图案化的电极，例如，互相交错电极(interdigitated electrode)。在一些实施方式中，传感器包括多组互相交错电极。互相交错电极可具有本领域已知的任何形状，如，但不限于圆形或矩形形状。在某些实施方式中，互相交错电极的相邻电极之间的间距范围在约0.5μm至约3mm之间。可选地，电极可包括通过源极-漏极间隙(source-drain gap)彼此分开的源电极和漏电极。本文公开的系统可进一步包括门电极，其中传感器信号可在门电压的影响下指示纳米材料的某种性能(例如电阻)。可选地，传感器信号可指示纳米材料的电容性能。包括金属纳米颗粒的连续的和不连续的区域的传感器在本发明的范围内，金属纳米颗粒涂覆有形成在包括多个电极(例如Au电极)的基底上的第一有机涂层。
[0104] 根据一些实施方式，传感器组以电容传感器、电阻传感器、阻抗传感器或场效应晶体管传感器的形式配置。每种可能性代表本发明的一种单独实施方式。
[0105] 根据本发明的原理，通过改变确定性传感器组在暴露于呼吸样本时的传感器的导电率、电阻、阻抗、电容、电感、或光学性能的任何一种或多种，可诱导确定性传感器组的输出信号。在具体实施方式中，传感器组输出信号包括导电率或电阻的改变。
[0106] 传感器组的输出信号可通过检测装置检测和/或测量。因此，在一些实施方式中，系统包括检测传感器组响应于测试对象的呼出气体的装置。根据一些实施方式，装置测量暴露于呼吸样本时传感器组的输出信号。在进一步的实施方式中，模式识别分析器接收由所述装置测量的传感器组的输出信号。适合的装置包括对电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能或电压阈值中的任何一种或多种的改变易受影响的装置。每种可能性代表本发明的一种单独实施方式。在另外的实施方式中，装置包括对纳米材料的溶胀或聚集易受影响的装置以及对光学信号、荧光、化学发光(chemiluminsence)、photophorescence、弯曲、表面声波、压电等中的任何一种或多种的改变易受影响的装置。每种可能性代表本发明的一种单独实施方式。传感器组的电性能如电阻、电导、交流电、电容、阻抗、电势、或电压阈值的改变可由本领域已知的任何适合的装置测量，装置尤其包括，数据记录器、稳压器、电压表、导电率计、LCR三用表(电感电容电阻测定计、LCR测试仪)或毫米表(millimeter)。传感器组的光学性能(包括荧光、化学发光、或photophorescence)的改变可通过任何适合的技术和/或装置测量，如但不限于，光谱椭球测量(spectroscopic ellipsometry)、荧光光谱学或光亮度计。传感器组的压电性能的改变可利用例如压电传感器测量。
[0107] 根据一些实施方式，检测装置包括测量确定性传感器组的至少一种性能的改变的装置，该装置选自电阻测量装置、电导测量装置、交流电测量装置、频率测量装置、电容测量装置、阻抗测量装置、电感测量装置、迁移率测量装置、电势测量装置、光学性能测量装置、电压阈值测量装置、荧光测量装置、化学发光测量装置、phosphorescence测量装置、弯曲测量装置、表面声波测量装置、和压电测量装置。
[0108] 根据一些实施方式，处理单元从传感器组的输出信号提取多个响应-诱导参数。不希望受理论或作用机制的束缚，从传感器组的输出信号提取多个响应诱导参数(在下文也称为“感测特征”)允许提高传感器组的区分准确度、灵敏度和/或特异性。提取多个响应诱导参数可进一步允许减少提供期望的区分效率所需的传感器组中的传感器的最少数量。
[0109] 在一些实施方式中，模式识别分析器接收提取自传感器组的输出信号的所述多个响应诱导参数。在一些实施方式中，衍生自所述数据库的响应模式和/或疾病特异性模式的数据库包括多个响应-诱导参数。
[0110] 多个响应诱导参数可包括至少两个响应诱导参数。根据其他实施方式，多个响应诱导参数包括至少三个响应诱导参数、至少四个响应诱导参数、至少五个响应诱导参数、至少六个响应诱导参数、或至少七个响应诱导参数。每种可能性代表本发明的一种单独实施方式。
[0111] 响应诱导参数可选自稳态标准化响应、用于获得稳态标准化响应的时间间隔、和去除测试样本后达到基线所需要的时间。在一些实施方式中，响应诱导参数包括在信号开始处的全非稳态响应、在标准化到基线的信号开始处的全非稳态响应、在信号中间处的全非稳态响应、在标准化到基线的信号中间处的全非稳态响应、全稳态响应、标准化到基线的全稳态响应、非稳态响应下的面积、稳态响应下的面积、暴露于测试样本时响应的梯度、去除测试样本时响应的梯度、在暴露于测试样本时达到一定百分比的响应所需要的时间——如达到10％、20％、30％、40％、50％、60％、70％、80％、90％或100％的响应所需要的时间，和在去除测试样本时达到一定百分比的响应所需要的时间——如达到100％、90％、80％、70％、60％、50％、40％、30％、20％或10％的响应所需要的时间。每种可能性代表本发明的一种单独实施方式。
[0112] 在特定实施方式中，响应-诱导参数选自传感器的电阻在标准化到基线的信号的中间处的全非稳态响应、在标准化到基线的信号的峰值处的全非稳态响应、在标准化到基线的信号的末端处的全稳态响应时的标准化改变，以及稳态响应下的面积。在某些实施方式中，至少两个所述响应诱导参数提取自传感器组的传感器的输出信号。在某些实施方式中，至少两个所述响应诱导参数提取自传感器组的每个传感器的输出信号。任选地，至少三个所述响应-诱导参数提取自输出信号。在其他实施方式中，提取自输出信号的响应-诱导参数包括传感器的电阻在标准化到基线的信号的中间处的全非稳态响应、在标准化到基线的信号的峰值处的全非稳态响应、在标准化到基线的信号的末端处的全稳态响应时的标准化改变，以及稳态响应下的面积。
[0113] 在某些实施方式中，衍生自所述数据库的响应模式和/或疾病特异性模式的数据库包括至少两个所述响应诱导参数。任选地，响应模式和/或疾病特异性模式的数据库包括至少三个所述响应-诱导参数。在其他实施方式中，响应模式和/或疾病特异性模式的数据库包括传感器的电阻在标准化到基线的信号的中间处的全非稳态响应、在标准化到基线的信号的峰值处的全非稳态响应、在标准化到基线的信号的末端处的全稳态响应时的标准化改变，以及稳态响应下的面积。
[0114] 在另一个实施方式中，多个响应诱导参数提取自传感器组的输出信号，包括传感器的电阻、阻抗、电容、电感、导电率、和光学性能在其暴露于呼吸样本时的改变。每种可能性代表本发明的一种单独实施方式。在特定实施方式中，多个响应诱导参数提取自传感器的电阻或导电率的改变。
[0115] 根据本发明的原理，模式识别分析器分析传感器组的输出信号。在一些实施方式中，模式识别分析器分析提取自传感器组的输出信号的多个响应诱导参数。
[0116] 为了鉴定呼出气体样本中的具体疾病，必须将传感器组的输出信号与参考进行比较。根据本发明的原理，参考是这样的疾病特异性模式，其衍生自相同选择的确定性传感器组对具有已知疾病的对象的呼出气体的响应模式的数据库。每种参考，即，每种疾病特异性模式是选自以下的特定疾病的特征：神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病。因此，模式识别分析器接收传感器组的输出信号，其中所述输出信号可包括提取自所述信号的多个响应诱导参数，将它们与衍生自数据库的疾病特异性模式(patters)进行比较，并且选择传感器组的输出信号与疾病特异性模式之间的最接近的匹配。换句话说，模式识别分析器选择具有与传感器组的输出信号最接近的匹配的疾病特异性模式。最接近的匹配选择可通过统计学分类来执行。统计学分类允许基于含有其类别(category)关系已知(即，疾病特异性模式)的观察的数据的训练组，鉴定新观察(即，传感器组的输出信号)所属一组类别(即，疾病)的哪一个。新的观察(new observations)可被分析成一组变量。例如，当在每两组属于两种不同疾病的数据库样本之间比较时，可对获自传感器组的响应进行处理并组合成具有新正交轴的一个变量，所谓的规范值(canonical values)。然后对于每组(each group)，平均规范值可被计算，并被用作测试样本的参考。当通过模式识别分析器分析测试样本时，可将相同算法应用在测试样本上，并且根据从两组(two groups)中的每一组的中心/平均值(center/mean)的“距离”确定分类。可选地，该组变量可与同时提取自所有疾病特异性模式的那组变量比较。任选地，新的观察可通过相似性或距离函数与已知观察比较。
[0117] 根据一些实施方式，为了统计学分类，模式识别分析器利用选自但不限于以下的算法：人工神经网络(ANN)算法、支持向量机(SVM)、和判别式函数分析(DFA)。每种可能性代表本发明的一种单独实施方式。在一个实施方式中，模式识别分析器利用判别式因素分析。通过利用输入变量的线性组合，DFA以最小化每种给定分类内的变异且最大化两种分类之间的变异的方式找到新正交轴(规范值)。在另一个实施方式中，模式识别分析器利用支持向量机算法。SVM是具有分析数据并识别模式的相关学习算法的监督学习模型，用于分类和回归分析。给定一组训练实例，每个实例标记为属于两个类别之一，SVM训练算法建立将新实例分配到一个类别或另一个类别中的模型，使其成为非概率二元线性分类器。
[0118] 模式识别分析器可利用选自以下的算法：主成分分析(PCA)、多层知觉(MLP)、广义回归神经网络(GRNN)、模糊推理系统(FIS)、自组织映射(SOM)、径向偏差函数(RBF)、遗传算法(GAS)、神经模糊系统(NFS)、自适应共振理论(ART)、偏最小二乘方(PLS)、多元线性回归(MLR)、主成分回归(PCR)、线性判别式分析(LDA)、聚类分析、和最近邻法。每种可能性代表本发明的一种单独实施方式。
[0119] 另外的算法——其可用于本发明的系统和方法——包括Fisher线性判别式分析(FLDA)、软独立建模分类法(SIMCA)、K-最近邻(KNN)、遗传算法、和模糊逻辑算法以及规范判别式分析(CDA)。根据一些实施方式，在将算法应用于传感器的测量响应之前，算法的可行性通过利用响应模式的数据库来评估。
[0121] 统计学数据分析领域的技术人员已知的其他分类技术也可被使用。无论使用何种分类技术，技术和其在此上下文中的应用易于受到计算机化实施的影响。在分析完成后，所得信息可在显示器上呈现或传输到主计算机。在某些实施方式中，利用处理单元将所得信息呈现在显示器上或将所述信息传输到主计算机。在一些实施方式中，处理单元包括报告单元，其为传感器组的输出信号和/或输出信号和疾病特异性模式之间的最接近的匹配提供定量的信号。
[0122] 在一些实施方式中，术语“最接近的匹配”涉及传感器组的输出信号与疾病特异性模式之间的差异，其小于所述输出信号与任何其他疾病特异性模式之间的差异。在其他实施方式中，“最接近的匹配”涉及输出信号的绝对数值和/或提取自所述响应信号的响应诱导参数与疾病特异性模式和/或提取自所述疾病特异性模式的响应诱导参数的差异，其低于10％、5％、1％或0.5％。每种可能性代表本发明的一种单独实施方式。
[0123] 根据本发明的原理的数据库必须足以提供选自以下的特定疾病特有的可靠的累积的疾病特异性模式：神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病，这将充当参考以允许基于与所述参考的比较区别地诊断疾病。因此，根据一些实施方式，数据库包括传感器组对至少500个对象的呼出气体的响应模式。任选地，数据库可包括获自至少600个对象、700个对象、800个对象、900个对象或1000个对象的响应模式。每种可能性代表本发明的一种单独实施方式。
[0124] 在一些实施方式中，至少一部分所述对象患有已知疾病。根据进一步的实施方式，所述对象的至少约15％被诊断有神经变性疾病、至少约30％被诊断有增生性疾病、至少约5％被诊断有肾病、至少约1％被诊断有呼吸性疾病、和至少约5％被诊断有炎性肠疾病。在一些示例性实施方式中，约22％的所述对象被诊断有神经变性疾病、约49％被诊断有增生性疾病、约10％被诊断有肾病、约3％被诊断有呼吸性疾病、和约13％被诊断有炎性肠疾病。
数据库可进一步包括传感器组对诊断有产科疾病的对象呼出气体的响应模式。在某些实施方式中，数据库包括传感器组对诊断有先兆子痫的对象呼出气体的响应模式。
数据库可进一步包括传感器组对诊断有产科疾病的对象呼出气体的响应模式。在某些实施方式中，数据库包括传感器组对诊断有先兆子痫的对象呼出气体的响应模式。
[0125] 根据一些实施方式，传感器组对患有神经变性疾病的患者呼出气体的响应模式的约25％获自具有帕金森氏病的患者。根据一些实施方式，传感器组对患有神经变性疾病的患者呼出气体的响应模式的约25％获自具有多发性硬化的患者。
[0126] 根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约5％获自具有肺癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约10％获自具有结肠癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约3％获自具有头颈癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约5％获自具有卵巢癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约10％获自具有膀胱癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约1％获自具有前列腺癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约4％获自具有肾癌的患者。根据一些实施方式，传感器组对患有增生性疾病的患者呼出气体的响应模式的约15％获自具有胃癌的患者。
[0127] 根据一些实施方式，传感器组对患有炎性肠疾病的患者呼出气体的响应模式的约20％获自具有克罗恩氏病的患者。根据一些实施方式，传感器组对患有炎性肠疾病的患者呼出气体的响应模式的约20％获自具有溃疡性结肠炎的患者。根据一些实施方式，传感器组对患有炎性肠疾病的患者呼出气体的响应模式的约15％获自具有肠易激综合征的患者。
[0128] 根据一些实施方式，数据库进一步包括传感器组对健康对象的呼出气体的响应模式。在某些实施方式中，数据库包括传感器组对至少50个健康对象、至少约100个健康对象、至少约200个健康对象、至少约300个健康对象、至少约400个健康对象、至少约500个健康对象、或至少约800个健康对象的呼出气体的响应模式。每种可能性代表发明的分开的实施方式。
[0129] 在一些实施方式中，数据库包括传感器组对患有已知疾病的至少约500个对象和至少约100个健康对象的呼出气体的响应模式。在进一步的实施方式中，数据库包括传感器组对患有已知疾病的至少约500个对象和至少约500个健康对象的呼出气体的响应模式。在另外的实施方式中，数据库包括传感器组对患有已知疾病的至少约800个对象和至少约800个健康对象的呼出气体的响应模式。
[0130] 在某些实施方式中，疾病特异性模式包括传感器组对对象中的两种或更多种疾病的组合的响应模式。所述组合模式可基于对不同疾病的单独响应模式编制或可(con)获自传感器对患有多于一种疾病的对象的呼吸样本的响应。
[0131] 根据一些实施方式，利用所述系统，本发明的系统和方法的区别诊断效率由两种疾病之间或两种分类的疾病之间的区分的准确度、灵敏度和/或特异性表示。每种可能性代表本发明的一种单独实施方式。灵敏度和特异性是二元分类测试的性能(performance)的统计学测量，在统计学中也被称为分类函数(classification function)。如本文所使用，“灵敏度”指代由此正确地鉴定的实际阳性的比例(例如，正确地鉴定为具有状况的病人的百分比或正确地鉴定为具有特定状况的病人的百分比)。灵敏度是对特异性的补充。如本文所使用，“特异性”指代由此正确地鉴定的阴性的比例(例如，正确地鉴定为不具有状况的健康人的百分比或不具有特定疾病的病人的百分比)。如本文所使用，“准确度”指代从整个测试群体中正确地鉴定的阳性和阴性的比例。
[0132] 根据一些实施方式，选择的确定性传感器组提供在选自以下的两种分类的疾病之间的区分：神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病，其中准确度为至少90％。根据进一步的实施方式，传感器组提供在所述两种分类的疾病之间的区分，其中准确度为至少92％、95％或甚至97％。每种可能性代表本发明的一种单独实施方式。神经变性疾病可选自多发性硬化、阿尔茨海默氏病、和帕金森氏病。在一些实施方式中，帕金森疾病包括特发性帕金森或非典型性帕金森病。增生性疾病可选自肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、和胃癌。在进一步的实施方式中，炎性肠疾病选自克罗恩氏病、溃疡性结肠炎和肠易激综合征。呼吸性疾病可包括肺动脉高压。肾病可包括慢性肾病。产科疾病可包括先兆子痫。
[0133] 根据进一步的实施方式，选择的确定性传感器组提供在一种分类的疾病内的两种疾病之间的区分，其中准确度为至少80％。根据进一步的实施方式，传感器组提供两种疾病之间的区分，其中准确度为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。
[0134] 根据进一步的实施方式，选择的确定性传感器组提供在选自以下的两种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病和先兆子痫，其中准确度为至少80％。根据进一步的实施方式，传感器组提供在两种疾病之间的区分，其中准确度为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。在某些实施方式中，传感器组提供在两种疾病之间的区分，其中准确度为86％。在进一步的实施方式中，传感器组提供在任何两种疾病之间的区分，其中准确度为86％。
[0135] 根据一些实施方式，选择的确定性传感器组提供在选自以下的两种分类的疾病之间的区分：神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病，其中灵敏度为至少90％。根据进一步的实施方式，传感器组提供在所述两种分类的疾病之间的区分，其中灵敏度为至少92％、95％或甚至97％。每种可能性代表本发明的一种单独实施方式。根据还进一步的实施方式，选择的确定性传感器组提供在所述分类的疾病内的两种疾病之间的区分，其中灵敏度为至少80％。根据还进一步的实施方式，传感器组提供在两种疾病之间的区分，其中灵敏度为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。根据还进一步的实施方式，选择的确定性传感器组提供在选自以下的两种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病和先兆子痫，其中灵敏度为至少80％。根据还进一步的实施方式，传感器组提供在任何两种疾病之间的区分，其中灵敏度为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。
[0136] 根据一些实施方式，选择的确定性传感器组提供在选自以下的两种分类的疾病之间的区分：神经变性疾病、增生性疾病、肾病、呼吸性疾病、和炎性肠疾病，其中选择性为至少90％。根据进一步的实施方式，传感器组提供在所述两种分类的疾病之间的区分，其中选择性为至少92％、95％或甚至97％。每种可能性代表本发明的一种单独实施方式。根据还进一步的实施方式，选择的确定性传感器组提供在所述分类的疾病内的两种疾病之间的区分，其中选择性为至少80％。根据还进一步的实施方式，传感器组提供在两种疾病之间的区分，其中选择性为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。根据还进一步的实施方式，选择的确定性传感器组提供在选自以下的两种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病和先兆子痫，其中选择性为至少80％。根据还进一步的实施方式，传感器组提供在任何两种疾病之间的区分，其中选择性为至少82％、85％、86％、87％、90％、92％或甚至95％。每种可能性代表本发明的一种单独实施方式。
[0137] 根据一些实施方式，所公开的准确度值对应于获自不同对疾病之间的多个区分的平均值。根据一些实施方式，所公开的灵敏度值对应于获自不同对疾病之间的多个区分的平均值。根据一些实施方式，所公开的特异性值对应于获自不同对疾病之间的多个区分的平均值。
[0138] 在两种分类的疾病之间的、在两种不同的疾病之间的和/或在相同分类的疾病内的两种疾病之间的区分可以以选自以下的至少一种算法来执行：人工神经网络，如多层知觉(MLP)、广义回归神经网络(GRNN)、模糊推理系统(FIS)、自组织映射(SOM)、径向偏差函数(RBF)、遗传算法(GAS)、神经模糊系统(NFS)、自适应共振理论(ART)和统计学方法，如主成分分析(PCA)、偏最小二乘方(PLS)、多元线性回归(MLR)、主成分回归(PCR)、判别式函数分析(DFA)包括线性判别式分析(LDA)、聚类分析包括最近邻法、Fisher线性判别式分析(FLDA)、软独立建模分类法(SIMCA)、K-最近邻法(KNN)、神经网络、遗传算法、和模糊逻辑算法。每种可能性代表本发明的一种单独实施方式。根据一些实施方式，所选择的数据库的可靠性可通过利用所述至少一种算法分析具有已知疾病的对象的数据库响应模式来评估。根据另外的实施方式，选择的确定性传感器组的可靠性可通过利用所述至少一种算法分析来自传感器组对具有已知疾病的对象呼出气体的输出信号来评估。
[0139] 在一些实验性实施方式中，在两种疾病之间的或在生病的和健康的对象之间的区分通过DFA来执行。DFA是监督线性方法，其提供有关于训练组中每个测量的分类信息(Breteton R.Chemometrics，application of mathematics and statistics to laboratory systems Ellis Horwood，Chichester，UK 1990)。如上文所述，利用输入变量En的线性组合，DFA找到新正交轴(规范值)，以最小化每个给定分类内的变异(差异，方差，variance)并最大化两个分类之间的变异(方差，variance)。从每组(group)测试的疾病，随机选择并且使用限定数量的呼吸样本以获得利用DFA的二元分类器。所选的呼吸样本中的一些用作训练组以获得二元分类器，而其他用于获取的分类器的盲验证。每个盲验证样本被相应地分类，其中所述分类测试的可能的结果可以是真阳性(TP，意为对象患有测试的疾病并且分类显示它)、假阳性(FP，意为对象未患有测试的疾病，但分类显示他患有)、真阴性(TN，意为患者未患有测试的疾病并且分类显示它)或假阴性(FN，意为对象患有测试的疾病，但分类不显示它)。分类效率通过计算构建的模型的灵敏度(TP/TP+FN)、特异性(TN/TN+FP)、和准确度(TP+TN/样本尺寸)来鉴定。与健康的对照组相比，患有特定疾病的每个测试群体可通过DFA分析。另外地，所获得的分类器可利用所选择的确定性传感器组来测试以在两种不同类型的疾病之间区分。灵敏度值、特异性值和准确度值可用于评估所选择的数据库和/或所选择的确定性传感器组的可靠性。
[0140] 根据一些实施方式，疾病特异性模式通过本领域已知的任何计算和/或图解方法从数据库得到。根据一些实施方式，疾病特异性模式是存在于数据库中的获自具有特定疾病的对象的呼出气体的传感器组的响应模式的线性或非线性组合。根据一些实施方式，待用于推导疾病特异性模式的响应模式通过模式识别算法处理，模式识别算法如，但不限于，人工神经网络、主成分分析(PCA)和判别式函数分析(DFA)——包括线性判别式分析(LDA)。每种可能性代表本发明的一种单独实施方式。
[0141] 根据进一步的实施方式，诊断、筛选或监测疾病的方法提供在对象中选自以下的两种或更多种疾病之间的区分：神经变性疾病、增生性疾病、炎性肠疾病、呼吸性疾病、肾病、和产科疾病。方法可进一步提供在对象中选自以下的两种或更多种疾病之间的区分：多发性硬化、阿尔茨海默氏病、帕金森氏病、肺癌、结肠癌、头颈癌、卵巢癌、膀胱癌、前列腺癌、肾癌、胃癌、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、慢性肾病或先兆子痫。
[0142] 传感器组暴露于呼吸样本时的输出信号可由测量传感器组的选自以下的至少一种性能的改变的装置来检测：电阻、电导、交流电(AC)、频率、电容、阻抗、电感、迁移率、电势、光学性能和电压阈值。每种可能性代表本发明的一种单独实施方式。
[0143] 本发明的方法可包括利用呼吸浓缩器(呼吸集中器，breath concentrator)和/或减湿单元在测量之前浓缩测试呼出气体样本的步骤。
[0144] 本发明范围内的呼吸预浓缩器包括，但不限于，
[0145] I.固相微萃取(SPME)-SPME技术基于涂覆有液体(聚合物)、固体(吸着剂)、或其组合的纤维。纤维涂层通过吸收(其中涂层是液体)或通过吸附(其中涂层是固体)从样本提取化合物。然后将SPME纤维直接插入感测仪器(装置，apparatus)，用于解吸和随后的分析(Ouyang，et al.，Anal.Bioanal.CheM.，2006，386，1059-1073；Coelho et al.，J.Chromatography B，2007，853，1-9)。
[0146] II.吸着剂(吸附剂，sorbent)管-吸着剂管一般由玻璃组成，并且含有各种类型的固体吸收剂(absorbent)材料(吸着剂)。通常使用的吸着剂包括活性炭、硅胶、和有机多孔聚合物，如Tenax和Amberlite XAD树脂。将吸着剂管附接到用于样本收集的空气取样泵。具有校准流速(ml/min)的泵通过吸着剂管吸取预定体积的空气。在整个取样时期，化学品被捕获到吸着剂材料上。此技术由美国国家职业安全与健康研究所(NIOSH)开发。
[0147] III.低温冷凝物-低温冷凝是允许回收挥发性化合物用于再用的过程。冷凝过程需要非常低的温度，使得挥发性化合物可被冷凝。传统上，含氯氟烃(CFC)制冷剂已经被用于诱导冷凝。目前，液体氮被用于低温(低于-160℃)冷凝过程。
[0148] 本发明范围内的减湿器包括，但不限于，
[0149] I.在冷的冷冻旋管(cold refrigerated coils)上吸取湿空气的装置-利用此方法，当空气湿气通过冷的冷冻旋管进入容器时，空气湿气冷凝成小滴。然后将″干的″空气带到其原始温度并返回到感测仪器。
[0150] II.硅胶-是二氧化硅的无定形形式，其以硬的不规则颗粒或珠的形式合成生产。联锁腔的微孔结构产生(give)非常高的表面积(800平方米/克)。此独特的结构使硅胶成为高容量干燥剂。水分子由于其与周围空气相比的低蒸汽压而粘附到硅胶的表面。当达到压力平衡时，吸附停止。因此，周围空气的湿度越高，达到平衡之前所吸附的水量越大。硅胶作为干燥物质是有利的，因为干燥过程不需要化学反应，并且其不产生副产物或副作用。
[0151] III.活性炭-是通过将炭加工成极多孔碳物质形成的。由于其高度的微孔率，活性炭拥有可用于化学反应的非常大的表面积。尽管进一步的化学处理常常增强材料的吸附性能，但仅从高表面积可获得足够的活化。
[0152] IV.干燥剂分子筛-是合成生产的，高多孔晶体金属-铝硅酸盐。它们被很多精确直径的内腔分类，也就是， 和 吸附仅当待吸附的分子具有比腔开口更小的直径时发生。高极性的分子被更好地吸附到分子筛中。分子筛从液体和气体吸附水分子和其他污染物，下至非常低水平的浓度，常常下至1ppm。
[0153] 本发明的方法使检测多种挥发性有机化合物——包括通用生物标志物组的VOC——成为可能，其提供多种疾病的区别诊断。所述通用生物标志物组包括VOC，其在具有特定疾病的患者的呼吸样本中的丰度显著不同于在健康的对照的呼吸样本中和在具有任何其他疾病的患者的呼吸样本中的所述VOC的丰度。
[0154] 如本文所使用的术语″显著不同″指代与获自健康个体的对照样本中和/或获自具有不同疾病患者的样本中的VOC水平相比，来自获自具有特定疾病的患者的样本中的通用生物标志物组的每种VOC的浓度或水平的定量差异。统计学上显著差异可通过本领域技术人员已知的任何测试确定。用于统计学显著性的常见测试包括，t检验、ANOVA1 Kruskal-Wallis、Wilcoxon、Mann-Whitney和让步比(odds ratio)等。统计学显著性可计算为P＜0.05，或更优选地为P＜0.01。在进一步的替代方案中(alternative)，显著差异可通过借助(recourse to)分析参考极限(assay reference limits)或参考间隔(reference
intervals)来确定。这些可由直观评价或非参数方法计算。总体而言，这些方法将0.025、和
0.975分位数计算为0.025*(n+1)和0.975*(n+1)。这种方法是本领域公知的。在健康对照样本中和/或不同疾病样本中缺乏的VOC生物标志物的存在也被认为(contemplated as)是显著差异。在健康对照中和/或不同疾病样本中存在的VOC生物标志物的缺乏也被认为是显著差异。
intervals)来确定。这些可由直观评价或非参数方法计算。总体而言，这些方法将0.025、和
0.975分位数计算为0.025*(n+1)和0.975*(n+1)。这种方法是本领域公知的。在健康对照样本中和/或不同疾病样本中缺乏的VOC生物标志物的存在也被认为(contemplated as)是显著差异。在健康对照中和/或不同疾病样本中存在的VOC生物标志物的缺乏也被认为是显著差异。
[0155] 在某些实施方式中，通用生物标志物组包括2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷。
[0156] 在一些实施方式中，传感器组从通用生物标志物组检测所述VOC的至少10种。在一些实施方式中，传感器组从通用生物标志物组检测所述VOC的至少11种、或至少12种VOC。每种可能性代表本发明的一种单独实施方式。在一些示例性实施方式中，传感器组从通用生物标志物组检测所述VOC的每一种。
[0157] 本发明进一步提供在对象中诊断、筛选和/或监测疾病的方法，包括测定呼吸样本中通用生物标志物组的VOC水平。方法包括以下步骤：收集来自测试对象的呼吸样本，测定来自通用生物标志物组的至少10种VOC的水平，包括2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷；将来自测试呼吸样本的所述VOC的水平与衍生自在具有已知疾病的对象呼出气体中检测的所述VOC的数据库的所述VOC的参考水平进行比较，其中通用生物标志物组的每种VOC的参考水平的组合是选自以下的特定疾病的特征：神经变性疾病、增生性疾病、肾病、呼吸性疾病、炎性肠疾病、和产科疾病；以及选择在来自测试呼吸样本的所述VOC水平与通用生物标志物组的VOC的参考水平的组合之间的最接近的匹配。在一些实施方式中，方法包括测定来自独特组合的所述VOC的通用生物标志物组的至少11种VOC或至少12种VOC的水平。每种可能性代表本发明的一种单独实施方式。在一些实施方式中，方法包括单独地测定每种VOC的水平。
[0158] 在一些实施方式中，VOC的参考水平包括在患有特定疾病的对象呼吸样本中测量的VOC的平均水平。
[0159] 根据本发明的原理，通用生物标志物组的挥发性有机化合物的水平的测定可通过使用包括但不限于以下的至少一种技术来执行：气相色谱法(GC)、气相色谱-质谱联用(GC-MS)、质子传递反应质谱分析法(PTR-MS)、电子鼻装置(E-nose)、和石英晶体微量天平(QCM)。每种可能性代表本发明的一种单独实施方式。
[0160] 气相色谱(GC)质谱分析(MS)联用(Gas chromatography(GC)linked to masss spectrometry(MS))常常用于确定呼吸VOC的化学身份(化学特性，chemical identity)和成分(Miekisch et al.Clinica Chimica Acta，2004，347，25-39)。在此设置(set-up)中，GC利用具有特征尺寸(长度、直径、膜厚度)以及特征相性能的毛细管柱。混合物中不同分子的化学性能的差异允许在样本行进通过柱时分离分子，其中每种分子具有其中在设置条件下通过柱的特征时间(称为保留时间)。这允许质谱仪分别捕获、电离、加速、偏转、和检测电离的分子。MS信号通过电离分子或分子片段以及测量其质荷比(通过比较其与参考收集)获得。
[0161] 质子传递反应-质谱分析(PTR-MS)由Lindinger等人(Int.J.Mass Spectrom.Ion Process，1998，173，191-241)和Lindinger等人(Adv.Gas Phase Ion CheM.，2001，4，191-+241)进行了综述(reviewed)。简而言之，PTR-MS测量与从离子源添加的H3O离子反应的VOC。
其中质子亲和力大于水(166.5kcal×mol-1)的质子亲和力的VOC经历与H3O+离子的质子-转移反应，如下：H3O++R→RH++H2O。在漂移管反应器的末端，离子的部分由四极质谱仪取样，其测量H3O+和RH+离子。一定质量的离子信号线性地取决于在样本空气中的前体VOC的浓度。在PTR-MS中，仅VOCs的质量被确定，导致VOC的身份(特性)中的一些模糊性(ambiguity)。因此，此技术不允许单独检测具有相同质量的不同VOC。离子质量的进一步重叠由在漂移管中有限程度的离子碎裂(fragmentation)和离子聚集(clustering)引起。
其中质子亲和力大于水(166.5kcal×mol-1)的质子亲和力的VOC经历与H3O+离子的质子-转移反应，如下：H3O++R→RH++H2O。在漂移管反应器的末端，离子的部分由四极质谱仪取样，其测量H3O+和RH+离子。一定质量的离子信号线性地取决于在样本空气中的前体VOC的浓度。在PTR-MS中，仅VOCs的质量被确定，导致VOC的身份(特性)中的一些模糊性(ambiguity)。因此，此技术不允许单独检测具有相同质量的不同VOC。离子质量的进一步重叠由在漂移管中有限程度的离子碎裂(fragmentation)和离子聚集(clustering)引起。
[0162] 石英晶体微量天平(QCM)是基于压电的装置，其可测量非常小的质量改变，通常(mostly)低至几纳克。简而言之，QCM通过发送电信号通过镀金的石英晶体来运转(works)，其在由QCM测量的特定共振频率下在晶体中引起振动。产生的频移(frequency shift)可转化为QCM表面上质量的改变，主要通过利用Sauerbrey方程：
[0163]
[0164] 此等式(equitation)用于将压电晶体的振荡频率的改变(Δf)与沉积在其上的质量(Δm)相关联。影响信号的其他参数是共振频率(f0)、在压电晶体的电极之间的面积(A)、石英的密度(ρq)和剪切模量(μq)。
[0165] 电子鼻装置通过使用广泛交叉反应的传感器阵列连同模式识别方法一一如，例如，本发明的系统——来执行气味检测。
[0166] 根据本发明的各种实施方式，在对象中诊断疾病的方法进一步包括基于诊断的疾病向所述对象提供适合的治疗的步骤。如本文所使用，在一些实施方式中，术语“治疗”指代逆转、缓解(alleviating)、减轻(mitigating)、抑制这种术语所适用的疾病、病症或状况或这种病症或状况的一种或多种症状的进展、或预防这种术语所适用的疾病、病症或状况或这种病症或状况的一种或多种症状。
[0167] 例如，物理疗法和/或免疫抑制剂可用于治疗多发性硬化。帕金森的治疗可包括多巴胺促进剂、抗抑郁剂、认知增强药物、抗震颤药物、和其组合。认知增强药物可用于阿尔茨海默疾病的治疗。如果正在诊断肺癌，适合的治疗可包括手术、化学疗法、放射疗法、靶向药物疗法、免疫疗法、或其组合。结肠癌可通过如但不限于以下的手术来治疗，淋巴结清除术(lymph node dissection)和结肠切除术；化学疗法；和/或放射疗法。头颈癌治疗可选自尤其包括以下的手术，喉切除术、颈淋巴清扫术(neck dissection)、和皮瓣手术(flap surgery)；放射、和/或化学疗法。如果诊断卵巢癌，其可通过手术和/或化学疗法治疗，其中手术可以是选自网膜切除术、剖腹术、子宫切除术、骨盆淋巴结清除术、淋巴结清除术、输卵管卵巢切除术(salpingoophorectomy)、和腹膜后淋巴结清除术。膀胱癌的一般治疗包括手术、生物疗法、化学疗法、输尿管造口术、放射疗法、和尿路改道(urinary diversion)。适合的前列腺癌治疗的非限制性实例包括远距离放射疗法、近距离放射疗法、颗粒疗法、放射疗法、腹腔镜根治性前列腺切除术、放射外科、腹腔镜手术、前列腺切除术、根治性耻骨后前列腺切除术、性激素抑制、骨骼健康(bone health)、化学疗法、激素、基于激素的化学疗法、和尿潴留药物。在肾癌的情况中，治疗可包括立体定向放射疗法、射频消融、移除肾的手术、化学疗法和免疫疗法。适用于胃癌的治疗的一些非限制性实例包括手术，如，胃切除术和胃肠吻合术、放射、和/或化学疗法。上面列出的类型的癌症治疗可导致肿瘤的萎缩(shrinking)，停止其生长、或减缓或抑制肿瘤中的细胞增值。
[0168] 对于克罗恩氏病，可使用药物如类固醇和免疫抑制剂以减缓疾病的进展或可进行肠切除术。溃疡性结肠炎治疗的非限制性实例包括抗炎药物、免疫抑制药、类固醇、镇痛剂、膳食补充剂、非甾体抗炎药物、和抗生素、以及结肠造口术、回肠造口术、结肠切除术、和直肠结肠切除术手术。如果在对象中诊断肠易激综合征，治疗步骤可包括施用腹泻药物、肠解痉药、轻泻药、神经痛药物、抗生素、和膳食补充剂的至少一种。在另外的实施方式中，肠易激综合征的治疗包括选自以下的疗法，生物反馈、认知行为疗法、和简短心理疗法。在慢性肾病的情况中，治疗步骤可包括医疗程序，其选自腹膜透析、血液滤过、和透析；药物，包括，但不限于，维生素、钙还原剂、骨髓刺激剂、利尿剂、和膳食补充剂；以及肾移植手术。
[0169] 先兆子痫常常可以用口服或IV药物处理(managed)，直到婴儿足够成熟以被分娩。
[0170] 如本文和所附权利要求中所使用的单数形式“一”、“一个”、和“该”包括复数提及，除非该内容另有明确指示。因此，例如，提及“一个有机涂层”或“一疾病”分别包括多个这种有机涂层和多种疾病，以及本领域技术人员已知的其等同物，等等。术语“多个”意为一个或多个。应该注意，术语″和″或术语″或″总体上以包括″和/或″的其含义使用，除非该内容另有明确指示。如本文所使用，当指代可测量的值(如量、持续时间等)时，术语″约″意指涵盖从给定值+/-10％、更优选地+/-5％、甚至更优选地+/-1％、和还更优选地+/-0.1％的变化，因为这种变化适合于执行所公开的方法。
[0171] 提供以下实施例是为了更全面地示例本发明的一些实施方式。然而，它们决不应该被解释为限制本发明广泛范围。在不脱离本发明范围的情况下，本领域技术人员可容易地想到本文公开的原理的很多变化和修改。
[0172] 实施例
[0173] 实施例1：研究设计和测试群体
[0174] 将获自全世界的9个临床中心中的14个部门的呼吸样本(总数2808)进行元分析(meta-analysis)。所有参与地点中使用相同收集设备和相同严格程序，所以样本是可比较的。每个检查组(group)的临床特征总结在表1中。
[0175] 表1.目前研究中所有测试的患者和对照的临床特征
[0176]
[0177] 对获自诊断患有以下疾病之一的813名患者中的每一名的两个呼吸样本进行分析：慢性肾衰竭(CKD)(n＝82)(Poria Hospital，太巴列，以色列)；特发性帕金森氏病(iPD)和非典型性帕金森病(PDISM)(n＝60)(Carmel Medical Center，海法，以色列)；多发性硬化(MS)(n＝118)(Carmel Medical Center，海法，以色列)；炎性肠疾病(IBD)，包括克罗恩氏病(CD)(n＝41)、溃疡性结肠炎(UC)(n＝37)和肠易激综合征(IBS)(n＝27)(Rambam Medical Center，海法，以色列)；肺动脉高压(PAH)(n＝22)(French National Referral Center for PAH，Antoine-Béclère Hospital，巴黎，法国)；妇女的先兆子痫妊娠(PET)(n＝24)(Nazareth English Hospital，拿撒勒，以色列)；头颈癌(HNC)(n＝22)(Carmel Medical Center，海法，以色列)；肺癌(LC)(n＝45)(Baptist Cancer Institute(BCI)，杰克逊维尔，佛罗里达州，美国)；结肠直肠癌(CRC)(n＝71)(Faculty of Medicine，Riga East University Hospital，里加，拉脱维亚)；膀胱癌(BC)(n＝73)，肾癌(KC)(n＝33)和前列腺癌(PC)(n＝11)(Bnai-Zion Medical Center，海法，以色列)；胃癌(GC)(n＝99)(Faculty of Medicine，Riga East University Hospital，里加，拉脱维亚)；以及卵巢癌(OC)(n＝48)(肿瘤科，安徽医科大学附属第一医院，合肥，中国)。患者组的平均年龄为55±10岁，其中423名(52％)为男性性别，并且包括296名(36％)的主动吸烟者。还从在每个地点与患者同时登记的591名对照对象中的每一个收集两个呼吸样本。对照群体平均年龄为52±8岁，257名(43％)为男性，并且134名(23％)为主动吸烟者。
[0178] 实施例2：临床研究
[0179] 帕金森疾病(PD)
[0180] 43名特发性帕金森氏病、16名帕金森病和37名健康的对象登记了该研究。根据有经验的专家的临床检查确定每个患者的诊断。所有对象均为18岁以上并且签署了知情同意。研究组的临床特征总结在表2中。所有患者由运动病症专家检查至少两次。第一阶段包括全面神经检查，用于寻找指示非典型性帕金森病的临床体征和症状，尤其包括：早期自主体征的存在，如(尿急、阳痿等；疾病进展早期的反复发作(recurrent falls)；大脑或锥体系体征；眼运动病症(例如垂直眼肌麻痹)；过去或目前精神病治疗或新精神症状或妄想的出现。
[0181] 另外，所有患者通过计算机断层扫描(computed tomography)(CT)以排除其他疾病(一种或多种)如癌症。将怀疑具有帕金森病的患者通过磁共振成像(MRI)检查，以在可能时确定亚型。最后测试是对左旋多巴治疗的应答性，其中当利用最大每日剂量持续至少4周而没有任何响应迹象时确定为无应答的患者。在两种情况中，小型心理测试(Min-mental test)(MMT)、Hoehn和Yahr分期(Hoehn and Yahr staging)(H&Y)统一帕金森氏病评定量表(UPRDS)和Schwab&England日常生活活动评分(Schwab&England activities of daily living score)被用于确定疾病的严重性和监测疾病的进展。
[0182] 表2：PD研究群体的临床特征
[0183]
[0184] 多发性硬化(MS)
[0185] 呼吸样本获自128名MS患者(111名处于复发阶段和17名在缓解期间)和47名健康对照。取样在以色列海法的Carmel Medical center进行。研究组的临床特征总结在表3中。
[0186] 表3.MS研究群体的临床特征
[0187] MS复发 MS-缓解 对照
n 17 111 44
年龄 37±10 39±11 39±11
男性 10(58％) 32(29％) 17(38％)
EDSS(1 4.4±1.4 2.8±1.9
诊断 9.9±1 12.9±8.6
n 17 111 44
年龄 37±10 39±11 39±11
男性 10(58％) 32(29％) 17(38％)
EDSS(1 4.4±1.4 2.8±1.9
诊断 9.9±1 12.9±8.6
[0188] (1)扩大的残障状况量表(Expanded Disability Status Scale)
[0189] MS患者的入选标准(Inclusion Criteria)是：符合McDonald的临床标准的复发缓解性的(remitting)(RRMS)(Polman CH，Reingold SC，Edan G，Filippi M，Hartung HP，Kappos L.et al.Diagnostic criteria for multiple sclerosis：2005revisions to the″McDonald Criteria″.Ann Neurol.2005Dec；58(6)：840-6)该标准在以色列海法的Carmel Hospital中的MS诊所中提出。从未接受、或在过去已经接受，或者，目前正接受，或者，即将开始免疫调节治疗的复发MS患者；呈现急性复发并即将开始皮质类固醇的治疗方案的MS患者(IV-甲泼尼龙和口服泼尼松)；原发性进行性(PPMS)符合McDonald的临床标准，该标准在以色列海法的Carmel Hospital中的MS诊所中提出。组织如前所述将被收集；愿意并能够给出知情同意(inform consent)。
[0190] MS的对照组的入选标准是：年龄和性别匹配不具有MS或定义为″自身免疫的″的任何其他状况的对照个体。这些个体被招募为″健康的群体参考″组；愿意并能够给出知情同意。
[0191] 排除标准：18岁或以下的患者，怀孕的妇女；存在HIV、肝炎或任何其他潜在的严重疾病和传染病。具有患有MS或任何其他自身免疫疾病的多至三级的亲属的健康的个体。
[0192] 炎性肠疾病(IBD)
[0193] 呼吸样本获自41名克罗恩氏病(CR)、37名溃疡性结肠炎(UC)、27名肠易激综合征(IBS)和44名健康对照。所有人由胃肠病学家评估并且回答了问卷调查。将研究亚组根据年龄、性别、BMI和吸烟状态匹配。研究组群的临床特征总结在表4中。
[0194] 对同意参加我们的研究的年长于18岁(y/o)的所有IBD患者进行筛选。所有患者由专业的胃肠病学家利用公认的标准(包括临床表现、放射学的、内镜的和组织病理学的发现)诊断为具有CD或UC。研究包括仅具有回肠受累(ileal involvement)的CD患者。他们完成了医师指导的问卷调查，包括年龄、性别、种族背景(ethnic background)、吸烟状态医学治疗。
[0195] 年龄超过18岁、诊断患有胃肠症状(被交付给胃肠病学家进行评估)的所有患者被包括在研究中。符合Rome标准III的患者被筛选。Rome标准III包括在过去3个月中每月内至少3天患有复发性腹痛或不适并伴随以下两种或更多种情况：1.排便改善，2.发作伴随粪便频率的改变，以及3.发作伴随粪便松散或水样粪便的形式的改变，而在至少75％的排便中无痛发生。所有患者不具有解释他们症状的炎性、解剖的、代谢的、或瘤形成的过程的证据。他们完成了医师指导的问卷调查，包括年龄、性别、吸烟状态和种族背景。
[0196] 表4：IBD和IBS研究群体的临床特征
[0197]
[0198] 对照组包括从未选择的群体随机招募的年长于18岁的无关的健康以色列志愿者。他们完成了医师指导的问卷调查，包括年龄、性别、吸烟状态、种族背景、任何胃肠疾病的家族史和排除任何胃肠症状的问题。
[0199] 肺动脉高压(PAH)
[0200] 根据先前描述的方法，通过右心导管插入建立PAH的诊断，并且通过一氧化氮(NO)吸入或前列环素的静脉注射来执行急性血管扩张剂激发(Sitbon et al.，Circulation.2005Jun 14；111(23)：3105-11；Galie et al.，Eur Respir J.2009Dec；34(6)：1219-63)。在排除在更新分类中总结的所有相关状况之后识别特发性PAH(IPAH)(Simonneau et al.，JAm Coll Cardiol.2009Jun 30；54(Suppl 1)：S43-54)。如果BMP/TGF β家族的基因——包括BMPR2、ACVRL1、Endogline、Smad8——中的基因突变被检测和/或即使未定义突变，如果在家族中存在多于一种确认的PAH病例，则可遗传的PAH(HPAH)被识别(Sztrymfet al.，Am J Respir Crit Care Med.2008Jun 15；177(12)：1377-83)。
[0201] 表5：PAH研究群体的临床特征
[0202] PAH 对照
n 22 23
年龄(平均±SD) 47.5±3.3 38.2±2.0
男性(n，％) 6(27％) 10(43％)
可遗传的PAH 15
特发性PAH 7
NYHA(a)功能分类
I&II 15
III 7
疾病持续时间
0.1-5年 9
＞5年 13
n 22 23
年龄(平均±SD) 47.5±3.3 38.2±2.0
男性(n，％) 6(27％) 10(43％)
可遗传的PAH 15
特发性PAH 7
NYHA(a)功能分类
I&II 15
III 7
疾病持续时间
0.1-5年 9
＞5年 13
[0203] 22名中的21名患者进行了BMPR2突变筛选。7名患者具有可遗传的PAH(6名BMPR2突变的携带者和1名具有确认的PAH家族史但没在已知PAH易感基因中鉴定出突变的患者)，并且15名患者具有特发性PAH(14名筛选BMPR2突变和非携带者)。5名患者剧烈地响应于血管扩张剂，并且通过钙通道阻滞剂治疗。其他患者接受用于PAH的常规单一疗法或组合疗法。携带BMPR2突变的具有HPAH的患者进行与IPAH患者类似的疗法。前列腺素类(prostanoid)下的所有患者接受静脉内或皮下治疗；不包括吸入前列腺素类的患者。研究组的临床特征总结在表5中。
[0204] 慢性肾病(CKD)
[0205] 呼吸样本获自82名具有不同严重程度水平的CKD患者，和27名健康对照。如先前描述的，样本以受控制的方式收集。每个患者都进行了全面体格检查、以及血和尿常规试验。在呼吸测试时，没有患者进行透析或肾移植。生物化学数据在呼吸测试之前少于1个月获自标准血测试。将患者根据估计的GFR(eGFR)分期(staged)，估计的GFR是利用肾病方程中饮食的改变从等离子体肌酸酐水平、患者年龄和性别计算的。27名患者(patents)被认为是早期CKD(1期和2期)同时49名患者被确定为晚期(advanced stage)(3-5期)。6名患者的分期尚不确定，并且因此在部分分析中被排除。组群样本的临床特征总结在表6中。
[0206] 表6：CKD研究群体的临床特征
[0207] CKD 早期 晚期 对照
n 82 27 49 27
年龄 65±12 60±6 67±1 46±2
男性％ 64％ 55％ 70％ 45％
GFR(a) 51±3.5 89.4±4.2 32.8±2.1 NA
肌酸酐(mg/dl) 1.8±.13 0.83±0.03 2.3±0.1 0.68±0.01
BUN(b)(mg/dl) 40.9±2.9 15.4±1 49.7±3.6 12.6±.5
尿素(mg/dl) 99.1±29.4 35±2.3 128±45 NA
n 82 27 49 27
年龄 65±12 60±6 67±1 46±2
男性％ 64％ 55％ 70％ 45％
GFR(a) 51±3.5 89.4±4.2 32.8±2.1 NA
肌酸酐(mg/dl) 1.8±.13 0.83±0.03 2.3±0.1 0.68±0.01
BUN(b)(mg/dl) 40.9±2.9 15.4±1 49.7±3.6 12.6±.5
尿素(mg/dl) 99.1±29.4 35±2.3 128±45 NA
[0208] (q)肾小球滤过率
[0209] (b)血尿素氮
[0210] 先兆子痫毒血症(TOX)
[0211] 以受控制的方式在拿撒勒(以色列)的English Hospital和在Afula(以色列)的Ha’Emek Medical Center收集92个呼吸样本。研究组群由3组女性组成，如表7所述。如下分主要组：
[0212] 1.先兆子痫毒血症(PET)：具有有生命的胎儿的妊娠第24周后的31名孕妇。PET根据美国妇产科医师学会(American College of Obstetricians and Gynecologists)(ACOG)标准(血压高于140/90和蛋白尿)诊断。
[0213] 2.健康的怀孕的(HPR)：妊娠第24周后的31名健康的孕妇，无任何慢性疾病史和/或妊娠并发症史。
[0214] 3.未怀孕的对照(CNP)：30名未怀孕的，无医疗疾病史和或治疗史。
[0215] 排除标准包括：18岁以下，妊娠前体重指数＞35，吸香烟(Cigarette smoking)和慢性疾病和/或治疗。
[0216] 表7：毒血症和孕妇研究群体的临床特征
[0217]
[0218] 胃癌(GC)
[0219] 具有GC(形态学确认的腺癌)的患者在手术之前登记。在登记之前不允许化学疗法或放射疗法。具有非恶性疾病的患者在上消化道内窥镜检查(胃镜，upper endoscopy)之前登记。具有旧瘢痕或胃十二指肠区的变形而无新溃疡的证据的患者不包括在组中。
[0220] 获得相应更新Sydney系统的5个活检并且按照常规用苏木精和曙红和Giemsa染色剂染色。对胃肠化生(OLGIM)评价分期系统的操作环节被用于分层恶化前的病变(PMLs)的存在/缺乏和风险水平(13)。分期系统正考虑胃体和胃窦部分中的IM的存在和期(切迹活检与窦活检一起分析)。OLGIM 0表征没有IM的胃粘膜。需要所有诊断的组织学确认。病理学载玻片由专业的病理学家阅读和确认。
[0221] 在过去经历过胃手术的患者从研究中排除。目前吸烟者被包括在“吸烟”个体的组内。
[0222] 卵巢癌(OC)
[0223] 所有呼吸样本从中国合肥的安徽医科大学附属第一医院；安徽省立医院和安徽医科大学的妇幼保健院招募。对象(所有女性)在取样前已经没有摄取食物、咖啡和酒精2小时。对象被指示在呼吸收集当天期间放弃所有种类的化妆品和香水。检查对象的详细情况见表1。如表中所见，对象被分成两个主要组。由48个OC病例组成的第一组(恶性卵巢瘤形成)分成如下：具有上皮卵巢癌起源(EOC)的40个病例，称为″真卵巢癌″；生殖细胞起源的2个病例；以及临界性卵巢肿瘤(borderline ovarian tumor)的6个病例。25个病例被分类为早期(I和II期)和22个病例被分类为晚期(III和IV)。一个病例的期是未知的。OC的临床期根据美国癌症分期联合委员会(American Joint Committee on Cancer Staging)和国际妇产科联合会(International Federation of Gynecology and Obstetrics)确定。所有检查患者的癌症状况通过病理学确定。第二组由48名无肿瘤(TF)对照女性组成。TF志愿者在患者的亲属和医院工作人员中招募。此研究的参与者没有癌症或其他慢性疾病病史，如高血压、糖尿病、自身免疫性疾病(如类风湿性关节炎或系统性红斑狼疮)。所有志愿者都是非吸烟者，并且妊娠是所有检查组中的排除标准。
[0224] 头颈癌(HNC)
[0225] 呼吸样本是在以色列海法的Carmel Medical Center的耳鼻咽喉头颈科(Otolaryngology Head and Neck Department)，在获得书面的知情同意后，从44名女性和男性志愿者收集的。19名健康对照是在患者的陪同人员(通常为他们的配偶)中招募，以就年龄和生活方式上使他们与患者匹配。然而，以这种方式，对照组和患者组不能进行性别-匹配，因为头与颈的恶性病变主要地发生在男人中。健康的志愿者不知道任何疾病状态并且没有经历过医学检查。在样本收集之前，对所有42名志愿者应用以下排除标准：任何恶性肿瘤(癌，malignancy)的既往病史(past medical history)以及任何从前的肿瘤学治疗、
18岁以下、活性的传染病、现在抗生素治疗、妊娠或泌乳期。鉴于不同病变，22名恶性患者在指示时进行了相关既往症(anamnesis)、体格检查和放射学的研究。柔性的鼻喉镜检查(nasolaryngoscopy)在初步评价中是强制步骤。然后从所有22名参与的患者中进行活检，用于组织诊断。在进行活检之前收集呼吸样本；研究中的登记在任何病例中不延期活检或干扰管理方案。通过免疫组织化学针对人类乳头状病毒(HPV)状态评价口咽的恶性病变，并且所有样本为HPV阴性。
18岁以下、活性的传染病、现在抗生素治疗、妊娠或泌乳期。鉴于不同病变，22名恶性患者在指示时进行了相关既往症(anamnesis)、体格检查和放射学的研究。柔性的鼻喉镜检查(nasolaryngoscopy)在初步评价中是强制步骤。然后从所有22名参与的患者中进行活检，用于组织诊断。在进行活检之前收集呼吸样本；研究中的登记在任何病例中不延期活检或干扰管理方案。通过免疫组织化学针对人类乳头状病毒(HPV)状态评价口咽的恶性病变，并且所有样本为HPV阴性。
[0226] 因此，为了此研究，分析了42名明确定义的对象的样本：22名具有头与颈的鳞状细胞癌(HNSCC)(部位：喉和咽)，和19名健康对照。
[0227] 根据原发肿瘤期(T)、区域淋巴结期(N)和远端转移期(M)分类HNC。此研究中的22名HNSCC患者包括9名具有早期疾病的患者(T≤2；N＝0；M＝0)、11名具有晚期疾病的患者(所有较高的TNM分类)和2名未分期的患者。
[0228] 已经从Carmel Medical Center的机构审查委员会获得伦理批准(Ethical approval)，并且研究已经登记(registered)在http://clinicaltrials.gov。治疗决定仅基于上述常规诊断。
[0229] 结肠直肠癌
[0230] 将在Riga East University Hospital或Digestive Diseases Centre GASTRO中为手术或诊断性结肠镜检查转诊(referred)的患者招募到研究组。在任何病变的潜在去除之前(即在手术或结肠镜检查之前)收集呼吸样本。在禁食过夜后和停止吸烟至少2小时后收集用于挥发性标志物测试的样本。
[0231] 不招募在取样时具有任何活性的其他恶性肿瘤的患者以及在过去经历过重大胃肠手术的那些患者。具有IBD的患者(诊断或怀疑的疾病)也被排除。组群样本的临床特征总结在表8中。
[0232] 表8：结肠癌研究群体的临床特征
[0233] 结肠直肠癌 对照
n 71 89
年龄±SD 66±10 60±14
男性，n(％) 42(59％) 67(75％)
吸烟者，n(％) 9(11％) 09(13％)
n 71 89
年龄±SD 66±10 60±14
男性，n(％) 42(59％) 67(75％)
吸烟者，n(％) 9(11％) 09(13％)
[0234] 膀胱癌、肾癌和前列腺癌
[0235] 呼吸样本获自以色列海法的Bnai Zion Medical Center的泌尿科入院的患者。所有患者被指示在测试前禁食至少12小时。研究群体包括分成四组的152名患者：组I由73名具有膀胱病变的患者组成。第二组由33名具有恶性肾癌的增强固体肾肿块的患者组成。第三组由11名具有局限性前列腺癌的患者组成。第四组由35名参与者组成，此组经历一系列排除恶性肿瘤的一系列尿路成像测试并且充当对照组。恶性肿瘤和组织学分级的诊断基于相关标本的标准病理学。疾病期基于包括超声、计算机化断层显像或磁共振成像的成像研究确定。没有患者具有另一种生殖泌尿恶性肿瘤或者之前(prior)已经接受过抗癌症治疗。研究被医院伦理委员会批准，并且所有参与者在收集测试之前签署了书面的知情同意。这些四组的临床特征总结在表9中。
[0236] 表9：膀胱癌、肾癌和前列腺癌研究群体的临床特征
[0237] 膀胱癌 肾癌 前列腺癌 对照
n 73 33 11 35
年龄 69±11 65±13 66±08 66±12
男性 68(93％) 22(66％) 11(100％) 31(88％)
目前/过去吸烟者 53(68％) 15(45％) 05(45％) 25(71％)
n 73 33 11 35
年龄 69±11 65±13 66±08 66±12
男性 68(93％) 22(66％) 11(100％) 31(88％)
目前/过去吸烟者 53(68％) 15(45％) 05(45％) 25(71％)
[0238] 肺癌(LC)
[0239] 在2012年2月和2013年6月之间招募53名具有各种组织学异常和组织学分期的新诊断的LC患者，并且将其登记在美国佛罗里达州的杰克逊维尔的Baptist Cancer Institute(BCI)。所有患者具有恶性肿瘤的组织学确认，并且诊断是通过支气管镜检查刷、洗涤、或活检(34)，CT定向针活检(17)，痰细胞学(1)，或开放式活检(1)进行的。合格的患者具有病理性癌症确认，无既往癌症病史，并且对于他们的原发肺肿瘤尚未开始任何癌症疗法。3名患者被排除，因为他们在测试之前撤回同意或由于其他技术困难。所有50名剩下的患者完成了详细的个人病史并且经历了5项早期检测测试：PET/CT扫描、呼吸分析、血清肿瘤自身抗体测定、血清蛋白质肿瘤标志物测定、和3D细胞-CT痰细胞学分析。在测试之前或在测试期间对患者没有膳食或生活方式限制。大多数是目前或之前吸烟者并且大多数具有一种或多种复合病变疾病。看到了各种组织学(小细胞肺癌-8、腺癌-26、鳞状细胞癌-14、非特异性非小细胞-1、和类癌-1)。同时，要求23名具有良性肺疾病(COPD/哮喘-14、呼吸困难-4、咳嗽-2、异常胸部x-射线-2、和结节病-1)的对照患者提供呼吸样本，用于校准目的。15名患者具有早期疾病(I/II)，而35名晚期(advanced)(III/IV)。由于在分析(n＝45)期间的技术困难排除了5名患者的呼吸样本。这四组的临床特征总结在表10中。
[0240] 表10：肺癌研究群体的临床特征
[0241]肺癌 对照
n 45 23
年龄(平均±SD) 62±12 56±14
男性(n，％) 19(86％) 12(52％)
目前/过去吸烟 13(59％) 12(52％)
a
FEV1(Liter) 1.79 --
n 45 23
年龄(平均±SD) 62±12 56±14
男性(n，％) 19(86％) 12(52％)
目前/过去吸烟 13(59％) 12(52％)
a
FEV1(Liter) 1.79 --
[0242] a第1秒强制呼出体积
[0243] 实施例3：呼吸样本收集
[0244] 所有呼吸样本按以下严格方案以受控制的方式收集。相同呼吸收集设备和程序应用于所有呼吸收集位置。呼吸收集程序以3-5分钟的“肺洗涤”开始。在此过程期间，对象通过炭(ABEK)和细菌过滤器两者吸入在环境空气中发现的清洁约99.99％的外源性VOC。在完成时，对象通过具有两个单独端口的装置呼出。一个端口将第一部分呼出空气(主要由无效腔(dead space)空气组成)引导至塑料袋。将其余的呼出空气(肺泡气)引导到750ml化学惰性Mylar取样袋。一段短时期后重复该过程，对于每个对象总共两个样本。到取样过程结束时，利用简单的真空气泵将每个Mylar袋的内容物转移到Tenax TA和Carboxen-1018玻璃吸附剂管中(Sigma Aldrich Ltd.)或到两床ORBOTM 420Tenax TA吸着管中(Sigma-Aldrich，St Louis，MO，USA)。为了质量控制，通过将收集室中的环境空气通过吸着剂管以150ml/min的速率泵送7min来收集室内空气样本。将管密封并存储在4℃冰箱中直到分析。将一个样本用于利用GC-MS的化学分析，并且将另一个用于传感器阵列模式识别分析。关于这一点(in this context)重要的是强调在每个取样日期间在每个位置收集环境空气样本。
[0245] 通过两个独立方法分析所有样本。第一方法基于通过与质谱分析联用的气相相色谱(GC-MS)的化学分析，用于鉴定和量化存在于每个研究组中的各种呼吸VOC，如在下文中详述于实施例4。第二方法基于与模式识别方法组合的交叉反应纳米阵列传感器，如在下文详述于实施例5。此方法提供集合的VOC模式，而不是特定VOC鉴定和量化。
[0246] 表11.呼吸收集位置和疾病样本
[0247]
[0248] 实施例4：呼吸样本的GC-MS分析
[0249] 为了探索呼吸成分的性质，对于所有样本利用相同的仪器和固定分析条件，通过GC-MS分析获自1404名对象中的每一名的一种呼吸样本。
[0250] GC-MS分析分成两步骤。在第一个步骤中，样本通过GC毛细管柱，其中分子的速度与其化学性质相关；因此，不同分子在不同的时间点(保留时间)离开柱。混合物的分离允许MS分别捕获、电离、加速、偏转、和检测电离的分子。MS通过将每个分子破碎(breaking)成电离的片段并且利用它们的质荷比检测这些片段以及将其与给定文库比较来实现这点。最终输出含有色谱图，其为保留时间对每种化合物的丰度。对于特定化合物，曲线下的面积与混合物中其浓度是成比例的。利用GC-MS分析获自每个志愿者的两个呼吸样本中的一个以确定他/她的呼出气体的化学性质和组成。对于此分析，组合使用GC-MS(GCMS-QP2010；Shimadzu Corporation，日本)与热解吸系统(TD20；Shimadzu Corporation，日本)。设定以下烘箱温度曲线：(a)在35℃10min；(b)4℃/min缓升(ramp)直到150℃；(c)10℃/min缓升直到300℃；以及(d)在300℃5min。采用具有5％苯基甲基硅氧烷(30m长度、0.25mm内径、和0.5μm厚度)的SLB-5ms毛细管柱(Sigma AldrichLtd.)。以30cm/s恒定线速度和0.70mL/min柱流速使用无分流进样模式2min。在分析之前，将管与30ml/min纯氦流结合，以减少积累在其中的湿度的量。利用GC-MS解决方案版本2.53SU1 Postrunanalysis程序实现GC-MS色谱图分析(Shimadzu Corporation)。
[0251] 由于每种疾病群体的人口统计学特征中的差异，统计学方法被用于为可能的混杂效应测试并消除可能的混杂效应。将多元线性回归模型应用于GC-MS结果以检查因变量(每个鉴定的VOC的峰值下的面积)和自变量(年龄、性别、位置和吸烟状态)之间的关联。然后对呈现显著相关性(P值＜0.05)的协变量进行线性调整，并且将多元线性回归再次应用于校正数据以验证校正(统计学显著性的消失)。学生的(Student’s)t检验和/或非参数Wilcoxon检验被用于确定研究组之间VOC丰度的统计学差异。由于主要技术困难和仪器的修理(repair)，从CKD患者收集的呼吸样本以与其余的研究组群不同的方式和技术参数分析，并且因此，从GC-MS分析排除。
[0252] 结果
[0253] 在不同组群中鉴定了超过150种不同的VOC。然而，本发明的本发明人专注于以下35种，其：(i)与多于总研究群体(患者和对照)的70％共有的；(ii)通过纯标准的分析容易鉴定和验证；以及(iii)具有比等效的(相当的，equivalent)呼吸样本中的浓度至少低10倍(平均)的环境空气样本中的浓度。由于研究组之间的人口统计学差异，首先对35种VOC中的每一种的丰度进行多元线性回归，探索丰度和协变量(年龄、性别、位置和吸烟状态)之间的任何相关性。结果指示，15种VOC的丰度与年龄和/或吸烟是负相关的。它们中的三种也与性别是相关的。然而，在任何VOC的丰度和取样的地点之间没有发现显著相关性。因此，呈现显著相关性(p值＜0.05)的每种VOC根据与混杂元素相应的计算系数来调整(表12)。
[0254] 表12.混杂因素对测试的挥发性有机化合物组(volatolome)的影响
[0255]
[0256]
[0257] 表12总结了应用于报告的VOC浓度的多元线性回归(multilinear regression)模型。VOC浓度和包括年龄、吸烟习惯、性别和取样地点的自变量之间的显著相关性指示在下表中。然后根据与相关性有关的线性系数校正每种VOC的浓度。
[0258] 统计学分析揭示无单一VOC能从相关的对照组区分特定疾病。此外，无单一VOC具有足够的统计学信息以在不同类型的疾病之间区分。确切地说，观察到在目前研究中所有检查的疾病中共有的13种不同VOC，其与对照组和/或与其他疾病的丰度显著不同(P值＜0.01)。这些13种VOC是：2-乙基己醇、3-甲基己烷、5-乙基-3-甲基-辛烷、丙酮、乙醇、乙酸乙酯、乙苯、异壬烷、异戊二烯、壬醛、苯乙烯、甲苯和十一烷(表13)。
[0259] 表13.统计学验证的VOC的特征
[0260]VOC 主要M/z 保留时间 Cas编号
2-乙基己醇 57 29.3 104-76-7
3-甲基己烷 43 6.5 589-34-4
5-乙基-3-甲基-辛烷 43 28.7 62016-21-1
丙酮 43 2.75 67-64-1
乙醇 31 2.5 64-17-5
乙酸乙酯 43 4.4 141-78-6
乙苯 91 18.5 100-41-4
异壬烷 43 18.8 3221-61-2
异戊二烯 67 2.9 78-79-5
壬醛 57 30.5 124-19-6
苯乙烯 104 20.5 100-42-5
甲苯 91 12.5 108-88-3
十一烷 43 25.8 1120-2l-4
2-乙基己醇 57 29.3 104-76-7
3-甲基己烷 43 6.5 589-34-4
5-乙基-3-甲基-辛烷 43 28.7 62016-21-1
丙酮 43 2.75 67-64-1
乙醇 31 2.5 64-17-5
乙酸乙酯 43 4.4 141-78-6
乙苯 91 18.5 100-41-4
异壬烷 43 18.8 3221-61-2
异戊二烯 67 2.9 78-79-5
壬醛 57 30.5 124-19-6
苯乙烯 104 20.5 100-42-5
甲苯 91 12.5 108-88-3
十一烷 43 25.8 1120-2l-4
[0261] 每个检查组的呼吸挥发性有机化合物组(volatolome)，即，13种统计学验证的VOC的组合，在疾病中显示出清楚差异。虽然这些VOC的丰度在一些疾病状态中重叠，但是除了别的以外显著差异是清楚的。例如，壬醛在克罗恩氏病、肠易激综合征和先兆子痫中比在其他疾病中明显更低(图1A)。十一烷在肺癌、头颈癌和卵巢癌中比在剩余组中显著更高。其在克罗恩氏病、溃疡性结肠炎和肺动脉高压中也比在剩余组中显著地更低(图1B)。相反，异壬烷在具有特发性帕金森氏病、非典型性帕金森病和先兆子痫的患者中比所有其他疾病显著地更高(图1C)。类似模式对于其他10种VOC中的每一种也是明显的。如在图2A中的色图(color-map)所见，几乎不可能以单一VOC水平在不同疾病之间区分(热图中的行)。然而，对特定疾病，获得的13种VOC(色图中的列)的整个组合不同于其他疾病。换句话说，图2A中的结果显示对于每种疾病清楚不同的呼吸挥发性化合物组学(volatolomic)标记(signature)。
[0262] 检查上述各种对照组(图2B)中的13种VOC显示，在这些组之间VOC丰度具有显著差异的病例数(P值＜0.01)低35％。事实上，在与疾病组伴随收集的对照组中，在858个二元比较中的177个(即，21％)中存在显著差异(P值＜0.01)。为了比较，在各种疾病组之间的1768个二元比较中的760个(即，43％)中存在显著差异(P值＜0.01)。这表明了在对照的呼吸挥发性化合物组(volatolomes)中的个体内差异，但在具有不同疾病的患者之间其是更加明显和值得注意的(remarkable)。
[0263] 应用于来自1404个呼吸样本的原始GC-MS数据的回归模型揭示了呼吸挥发性化合物组学(volatolomics)受常见混杂因素的影响。虽然保存了整体挥发性化合物组(volatolome)成分，但是大范围的VOC的浓度受年龄和/或吸烟习惯影响，而较少的与受测试的对象的性别相关。与老化和/或吸烟伤害相关的呼吸性系统和循环中的解剖学和生理学改变是熟知的。这包括主要在吸烟者中的弹性纤维的僵硬和变性、纤维化、肺实质的老化相关的破坏、肺气肿和慢性支气管炎。这种变化能通过改变层厚度或通透性(所谓的膜电导)或通过减少膜的总表面积容易影响VOC通过血-气屏障的扩散。根据Fick′s第一定律，这些因素能容易改变通量，影响呼出空气中气体的扩散，最后减少/加压(stressing)大范围的呼出挥发性化合物组(volatolome)组分的压出(表达，expression)和/或浓度。另一方面，仅三种VOC与性别相关。
[0264] 考虑到混杂因素和回归结果，如上所述，VOC的信息不足以被用作基于阈值的生物标志物，用于任何特定疾病或相关疾病(例如癌性的相对于非癌性的)和/或群体相关特征(地理的/种族的等)的组。相反，注意到，相同VOC在多于一种疾病状态中被改变，指示不同病理生理学的途径能影响各种VOC，并且特定VOC能受多种途径影响。换句话说，结果指示，呼吸挥发性化合物组(volatolome)由很多生理学的系统不断地产生。然而，在病程期间，产生率之间的平衡可在特定路径中被改变，导致呼吸挥发性化合物组中的整体改变。
[0265] 不希望受理论或作用机制束缚，考虑此研究的结果指示，不管个体内的挥发性化合物组学(volatolomic)差异，每种疾病具有显著不同的挥发性化合物组(volatolome)组成——将其与对照和其他疾病状态区分；此外，集合的挥发性化合物组(volatolome)比任何特定VOC更具信息性。
[0266] 此研究中获得的VOC是熟知的并且记载在文献中，并且每种单一VOC在各种疾病状态中被获得。例如，壬醛与卵巢癌[Amal H，et al.Assessment of ovarian cancer conditions from exhaled breath.International Journal of Cancer，136(6)，E614-E622(2015)]、炎性肠疾病[Hicks LC，et al.Analysis of Exhaled Breath Volatile Organic Compounds in Inflammatory Bowel Disease：A Pilot Study.J Crohns Colitis9，731-737(2015)]、乳腺癌[Li J，et al.Investigation of potential breath biomarkers for the early diagnosis of breast cancer using gas chromatography-mass spectrometry.Clin Chim Acta436，59-67(2014)]和食管和胃腺癌[Kumar S，et al.Mass Spectrometric Analysis of Exhaled Breath for the Identification of Volatile Organic Compound Biomarkers in Esophageal and Gastric Adenocarcinoma.Ann Surg 262，981-990(2015)]有联系。作为另一个实例，异戊二烯与慢性肝病[Alkhouri N，et al.Isoprene in the Exhaled Breath is a Novel Biomarker for Advanced Fibrosis in Patients with Chronic Liver Disease：A Pilot
Study.Clin Transl Gastroenterol 17，40(2015)]、肾病[Davies SJ，Spanel P，Smith D.Breath analysis of ammonia，volatile organic compounds and deuterated water vapor in chronic kidney disease and during dialysis.Bioanalysis 6，843-857(2014)]、糖尿病[Smith D，Spanel P，Fryer AA，Hanna F，Ferns GA.Can volatile compounds in exhaled breath be used to monitor control in diabetes mellitus？J Breath Res 5，1752-7155(2011)]等有联系。然而，所述先前报告的结果都没有提议可用于在不同疾病之间进行区分的集合VOC模式。
Study.Clin Transl Gastroenterol 17，40(2015)]、肾病[Davies SJ，Spanel P，Smith D.Breath analysis of ammonia，volatile organic compounds and deuterated water vapor in chronic kidney disease and during dialysis.Bioanalysis 6，843-857(2014)]、糖尿病[Smith D，Spanel P，Fryer AA，Hanna F，Ferns GA.Can volatile compounds in exhaled breath be used to monitor control in diabetes mellitus？J Breath Res 5，1752-7155(2011)]等有联系。然而，所述先前报告的结果都没有提议可用于在不同疾病之间进行区分的集合VOC模式。
[0267] 实施例5：传感器的制造
[0268] 获自每名志愿者的两个呼吸样本中的第二个通过暴露细胞引入，并且通过交叉反应性传感器的阵列分析，该阵列涉及两种主要的化学电阻的(chemiresistive)类别：(i)单层-覆盖的金纳米颗粒(核心直径：3-4nm)；以及(ii)单壁碳纳米管(SWCNT)的有机官能化的随机网络。
[0269] 金纳米颗粒如在Dovgolevsky et al.，.J PHYS CHEM C.2010 2010/08/26；114：14042-9；Dovgolevsky et al.，Small.2009；5：1158-61；和Peng et al.，Nature Nanotechol.2009；4：669-73中描述的合成；这些参考文献的每一个的内容在此通过引用并入。合成的金纳米颗粒是球形的。将纳米颗粒滴铸(drop-casted)到半圆形微电子换能器上，直到达到几MΩ的电阻。将装置在环境温度下干燥2小时，并且然后在真空烘箱中在50℃下烘烤过夜。微电子换能器由具有300nm热氧化物的硅(Silicon Quest International，Nevada，US)上的十对圆形互相交错的(ID)金电极组成。圆形电极区域的外径为3mm，并且两个相邻电极之间的间隙和每个电极的宽度均为20mΩ。金纳米颗粒用不同感测层分子修饰，感测层包括，十二烷硫醇、十八烷硫醇、1-癸硫醇、3-乙氧基苯硫酚、4-氯苯-甲烷硫醇、和己硫醇。十二烷硫醇、十八烷硫醇、1-癸硫醇、3-乙氧基苯硫酚、和4-氯苯-甲烷硫醇用于制备包含单层的覆盖化合物的金纳米颗粒。己硫醇用于制备包含1至6层的覆盖化合物的金纳米颗粒。
[0270] SWCNT传感器基于SWCNT的电连续随机网络，其通过将SWCNT(来自ARRY International LTD，德国；～30％金属的，～70％半导体的，平均直径＝1.5nm，长度＝7mm)的二甲基甲酰胺(DMF，来自Sigma Aldrich Ltd.，＞98％纯度)溶液滴铸到预制备的电换能器上而形成。在沉积后，将装置在环境条件下缓慢干燥过夜，以增强SWCNT的自装配和蒸发溶剂。重复程序，直到获得100KΩ至10MΩ的电阻。用于SWCNT传感器的微电子换能器由具有两微米热氧化物的硅(Silicon Quest International，Nevada，US)上的十对4.5mm宽的互相交错的Ti/Pd电极组成。SWCNT传感器用多环芳香烃衍生物有机官能化，多环芳香烃衍生物包括六角形甲氧基六-周六苯并冠烯(HBC-1)和半三角形的甲氧基六-周六苯并冠烯(HBC-3)。在制造后，每个传感器经历表征程序，其中其暴露于通常在呼吸中发现的几种浓度的化合物(例如异丙醇、2-乙基-己醇、水蒸汽等)，范围为十亿分之几十(tens of Parts of billion)(ppb)-百万分之几(several Parts per millions)(ppm)。这种实验中获得的信息允许选择最灵敏、稳定的和可重复的传感器，以用于临床呼吸样本分析。
[0271] 实施例6：传感器阵列暴露于呼吸样本和信号处理
[0272] 含有30种不同的基于纳米材料的化学电阻器(chemiresistors)的暴露不锈钢电池安装在定制的聚四氟乙烯(polytetrafluoroethene)(PTFE)电路上。为了转移在吸收材料上捕获的VOC，样本在自动取样器热解吸系统(TD20；Shimadzu Corporation，日本)中经历(在250℃)热解吸，并且解吸的样本在150℃下暂时存储在不锈钢 样本环(Valco Instruments Co.Inc.)中。并行地，将含有传感器的腔室保持在真空条件(～30mtorr)下，直到将样本引导到腔室中，剩余的体积用N2(99.999％)填充直到达到大气压。使用Keithley数据记录器装置(2701DMM型)在暴露(基线)之前，在真空中5分钟、随后呼吸样本填充腔室5分钟、随后传感器恢复另外5分钟期间，从腔室真空开始依次从传感器阵列获取电阻读数。整个系统受定做的LabView程序控制。
[0273] 在将传感器暴露于呼吸样本或校准气体期间，VOC和有机感测层之间的相互作用导致传感器电阻的改变。在5分钟(minuets)暴露期间，并且因为传感器有机涂层中的多样性，记录了传感器的电阻(electrical resistance)中的30个不同的时间依赖性改变。此改变随着样本从腔室排出，几乎立即恢复到基线电阻。利用传感器阵列方法，在暴露于每种呼吸样本之前、期间和之后，监测传感器电阻中的时间依赖性改变。特别地，从每个传感器对每种呼吸样本的响应，提取四个响应-诱导参数：传感器的电阻在暴露的峰值处、中间处和末端处的标准化改变，以及整个测量信号的曲线下的面积。
[0274] 为了在实验期间监督传感器的功能，并且还克服传感器的响应漂移，传感器暴露于固定的校准气体混合物，该气体混合物在每日基础上含有11.5ppm异丙醇，2.8ppm三甲基苯和0.6ppm2-乙基己醇。
[0275] 在所述暴露之后，传感器对呼吸样本的原始响应信号被标准化为它们对在同一天测量的校准气体的响应。另外，由于能够吸附水蒸汽，因此使用湿度补偿方法以减少在Tenax和Carboxen捕获管上收集的样本中以较高水平发现的水蒸汽的影响。
[0276] 仅从21个传感器提取了感测特征，该21个传感器贯穿整个分析时期是有功能的(functional)和稳定的。由于在分析阶段期间的技术困难或功能障碍，9个传感器被从分析排除。
[0277] 在六个月至三年的时期范围内进行对照实验以测试感测响应和行为的再现性。一些日常波动在校准实验中是明显的(evident)，但是其量级(噪声)是可忽略的。
[0278] 实施例7：统计学分析
[0279] 多元线性回归模型应用于感测特征，以测试和校正协变量(年龄、性别、位置和吸烟状态)和数值结果之间的关联。然后将回归模型再次应用于调整的数据以验证校正。然后将判别式因素分析(DFA)作为模式识别算法应用于数据(感测特征)以测试传感器在研究亚群(疾病)中区别的可行性，并且使用交叉验证方法和盲测来验证结果。
[0280] 判别式因素分析是提供有关于训练组中每个测量的分类信息的监督线性方法。利用输入变量En的线性组合，DFA找到新正交轴(规范值)，以最小化每个给定分类内的变异并最大化两个分类之间的变异。为了防止数据的过度拟合，3个感测特征中的最大值用于建立判别模型，强调特征与样本的比例为1∶10。30个样本(或在患者数量有限的情况下更少，如可在表1中所见)被随机选择并使用以获得利用DFA的二元分类器。从每组中(Out of each group)首先排除7个样本用于获取的分类器的盲验证；剩余样本被用作训练组。然后将每个样本相应地分类，并且确定证明的结果是否为真阳性(TP)、假阳性(FP)、真阴性(TN)或假阴性(FN)。通过计算构建的模型的灵敏度(TP/TP+FN)、特异性(TN/TN+FP)、和准确度(TP+TN/样本尺寸)来鉴定分类准确度。已经利用最大2-4个传感器的输出对于每个特定疾病建立了二元分类器。
[0281] 与健康对照组相比，患有特定疾病的测试群体的每一个通过DFA分析。另外地，测试获得的分类器以在两种不同类型的疾病之间区分。由于前列腺癌群体(11名对象)规模小，此组未通过二元分类来分析。
[0282] 实施例8：呼吸样本的传感器阵列分析的结果
[0283] 从21个传感器提取了61个响应诱导参数，该21个传感器贯穿整个分析时期是有功能的和稳定的。响应诱导参数和相应的传感器的类型总结在表14中。
[0284] 表14.用于此研究的传感器和响应诱导参数
[0285]
[0286]
[0287] 在感测响应的统计学分析之前，获得了多元线性回归模型，以探索和分层可能的混杂因素的影响：性别、年龄、吸烟状态和取样地点的位置。分析揭示了59个合格的感测特征，39个与年龄和/或吸烟相关，大多数这些相关性为阴性(即较低的信号获自较年长的吸烟者)，而59个中仅3个与性别相关，但与地理位置无关。利用线性相关性将数据分层，并且获得第二回归模型以确保校正是有效的。
[0288] 图3呈现在暴露于来自各种类别的患者的呼吸样本时纳米阵列传感器组响应的热图。该图显示，在暴露于呼吸样本时，一些传感器对不同疾病群体的VOC模式之间的差异无响应，如SF-29(图3，上箭头)。其他则更加灵敏，并且指示来自不同疾病的呼吸样本的不同响应，如SF-43和SF-44(图3，下箭头)。然而，没有单独的感测特征的信息足以在所有疾病中区别；相反，整体响应模式显示判别潜力(图3中的列)。因此，更灵敏的感测特征用于创建一系列判别式因素分析二元分类器以获得将允许区分不同疾病的疾病呼吸标记。在此分析中，使用从每组(对于每个模型总共60个)随机选择的30个呼吸样本(对于较小组则更少)。46个样本被用于分类器的训练阶段，而剩下的组的14个独立样本随后被用于盲验证。
[0289] 分析由136个二元模型组成，每个二元模型辨别一对研究的疾病。将每个模型的盲分析的准确度计算为正确地分类的样本的总数与独立组(set)样本的总数(n＝14)的比(over)。所有136个分类器的平均准确度为86％。而在一种情况下，纳米阵列传感器组分析未能在两组之间辨别(先兆子痫和溃疡性结肠炎)(准确度50％)，在10种不同比较中发现最大准确度100％(图3)。为了测试在不同组之间实现的辨别是否受任何偏差影响，可能由混杂因素地理学和/或方法学引起，在疾病中成功辨别的分类器被应用于相应的对照组，被收集于相同条件下相同地点。再一次，30个随机选择的样本被用作训练组，并且将对每个分类器的14个独立样本以盲方式分类。此最后分析导致准确度在28％(对于PAH相对于CC)和85％(对于TOX相对于OC)之间，产生此分析的整体平均准确度为58％。在一些情况中，两种或更多种疾病共享相同对照组，如克罗恩氏病、溃疡性结肠炎和肠易激综合征中；肾和膀胱癌中；特发性和非典型性帕金森病中；所以最后分析不可应用于那些组(图4-具有斜线的方框)。与在疾病中实现的高准确度(86％)相对比，对照样本的分类导致具有总准确度为58％的随机结果，排除了巧合(coincidence)的可能性。在某些比较中，结果高于对照对象的任意分类，但整体结果指示传感器分析不受在定量分析中观察到的偏差影响。这不惊人，因为传感器是交叉反应的并且集体地感测混合物，所以在大多数情况中，(单一呼吸样本中平均约为80种VOC中的)一种或几种VOC的浓度的轻微变化的影响是可忽略的。这些结果显示，纳米阵列传感器组可在16种不同疾病之间以高准确度辨别，此外，相同分析无法在相应的组之间辨别。这些发现强调，在疾病期间挥发性化合物组(volatolome)中的差异比在对照组中发现的少数个体内的差异更加受注意(stressed)和显著。
[0290] 在此研究中三种最常使用的传感器是S17-十二烷硫醇覆盖的金-纳米颗粒、S19-3-乙氧基苯硫酚覆盖的金-纳米颗粒和S-20 1-癸硫醇覆盖的金-纳米颗粒。所述传感器对volatolome差异是最灵敏的。
[0291] 实施例9：聚类分析
[0292] 为了探索在与每种疾病相关的呼吸volatolomes中的相似性和/或差异，进行聚类分析，其中传感器的响应根据volatolome的集体模式中的相似性和/或差异来聚类和重组。每个聚类步骤代表在曲线之间更大的相似性，表明在特定聚类的样本(对象)中的相当大的相似之处。存在来自结果的两个重要的推断。第一个是数据未根据可能的混杂因素，如取样位置、人种和/或种族因素、性别或年龄来聚类。例如，在先兆子痫和卵巢癌之间没有发现相似之处，两组仅包括女性志愿者，此外，多发性硬化和帕金森疾病之间的相似之处是可忽略的，虽然这些样本获自完全相同(same exact)部门(department)。第二个，分析揭示在具有共同病理生理学的子组中的强烈相似之处。例如，在大多数癌性的疾病，以及与增加的炎性活性(CD、UC和先兆子痫)相关的疾病中存在高相似性，而帕金森相关组(特发性和非典型性帕金森病)一起被分亚组(sub-grouped)(图5)。
[0293] 在纳米阵列结果和通过GC-MS的定量的分析之间存在卓越的相关性，这显示癌症的VOC曲线比非癌性的疾病具有更加多的共同点(in common)。这些结果支持这样的假设，即病理生理学过程中的相似性以相当类似的呼吸模式表达。
[0294] 实施例10：通用诊断系统研究
[0295] 本研究旨在评估诊断系统的灵敏度、特异性和准确度，其包括三个纳米传感器，所述纳米传感器包括十二烷覆盖硫醇的GNP、3-乙氧基苯硫酚覆盖的GNP和1-十二烷硫醇覆盖的GNP，和一个模式识别分析器，其被配置以比较传感器的输出信号与衍生自实施例6-8中描述的实验中获得的数据库的疾病特异性模式。
[0296] 测试群体包括100名志愿者。从每个志愿者获得一个样本。在100名志愿者中，70名先前诊断患有以下疾病中的一种：肺癌、卵巢癌、结肠癌、肾癌、头颈癌、膀胱癌、前列腺癌、胃癌、卵巢癌、慢性肾衰竭、克罗恩氏病、溃疡性结肠炎、肠易激综合征、肺动脉高压、先兆子痫毒血症、特发性帕金森、非典型性帕金森病、和多发性硬化。剩下的30名志愿者是健康的对象，其没有对在上文列出的任何疾病的证据。
[0297] 呼吸样本是盲验证的。将传感器暴露于随机选择的呼吸样本，监测传感器的电阻中的时间依赖性改变，并且从如在实施例6中描述的每个响应中提取响应-诱导参数。获自每个样本的响应信号通过基于DFA算法的模式识别分析器来分析，以获得在测试信号与数据库衍生的疾病特异性模式之间最接近的匹配。
[0298] 将通过通用诊断系统进行的每个对象的诊断结果与所述对象的先前已知的诊断比较。诊断灵敏度、特异性和准确度计算如下：A)通过将“其他疾病”和“健康的”组合作为对照组；B)通过两个分开的比较：疾病A vs疾病B和疾病A vs健康的对照。
[0299] 虽然已经示例和描述了本发明的某些实施方式，但是很明显，本发明不限于本文所描述的实施方式。在不脱离如通过所附权利要求所描述的本发明的的精神和范围的情况下，许多修改、改变、变化、替代和等同物对本领域技术人员来说将是显而易见的。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种将单壁碳纳米管管束剥离成单根单壁碳纳米管的方法 | 2020-05-11 | 383 |
| 单壁碳纳米管及其制备方法和应用 | 2020-05-11 | 887 |
| 一种制备单壁碳纳米管的方法 | 2020-05-11 | 903 |
| 透明且导电的单壁碳纳米管 | 2020-05-12 | 970 |
| PBO/单壁碳纳米管聚合物的制备方法 | 2020-05-12 | 693 |
| 使用光偶极阱拣选单壁碳纳米管 | 2020-05-12 | 736 |
| 单壁碳纳米管的定位生长方法 | 2020-05-13 | 73 |
| 一种功能化单壁碳纳米管的制备方法 | 2020-05-13 | 64 |
| 半导体性单壁碳纳米管的制备方法 | 2020-05-13 | 448 |
| 一种氮掺杂单壁碳纳米管的制备方法 | 2020-05-11 | 112 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈