ThyroProt®

View :251
Contact Us via Email:
service@westlakeomics.com
Online Enquiries

甲状腺结节在普通人群中很常见,目前,随着超声技术的提高及体检人群的扩大,甲状腺结节检出率持续攀升。国内研究显示甲状腺结节总患病率为36.9%,年龄和性别标准化的患病率为38.0%。大多数为甲状腺结节为良性结节,约有5%的结节是恶性的。如何精准判断甲状腺结节的良恶性,避免不准确诊断导致的误切漏切,成为摆在临床医生面前的一道难题。

西湖欧米研发团队正是基于此临床痛点问题,开发了一款专注于甲状腺结节良恶性鉴别的产品甲谱诺™(ThyroProt®),目前产品开发已经进入尾声阶段,即将面世。甲谱诺™(ThyroProt®)是基于什么的样的原理,能解决哪些问题?让我们先来一睹为快。

甲谱诺™(ThyroProt®)的原型

“甲谱诺ThyroProt™”的产品思路基于西湖大学郭天南老师团队发表在《Cell Discovery》上的一篇文章:“Artificial intelligence defines protein-based classification of thyroid nodules”,该研究首先收集了来自单中心的578个患者的1724个甲状腺样本,然后应用PCT-DIA质谱技术对样本进行检测,获得蛋白质组学数据,并根据遗传算法、神经网络模型筛选出甲状腺结节良恶性鉴别相关的蛋白质及分类模型,后在回顾性石蜡样本和前瞻性的穿刺样本分别进行验证。整体流程如下图:

西湖欧米研究团队基于以上研究思路,对国内多中心样本数据进行了分析和验证,同时结合临床患者的基本信息,最终形成了国内第一个基于多组学数据的甲状腺结节良恶性分类器——甲谱诺™(ThyroProt®)。其先进的技术和优秀的性能必将为临床甲状腺结节良恶性鉴别提供强大的助力。神秘面纱即将揭开,敬请期待。

参考文献:

1. Guo, T. et al. Rapid mass spectrometric conversion of tissue biopsy samples into permanent quantitative digital proteome maps. Nat Med 21, 407-413, doi:10.1038/nm.3807 (2015).

2. Cai, X. et al. High-throughput proteomic sample preparation using pressure cycling technology. Nat Protoc, doi:10.1038/s41596-022-00727-1 (2022).

3. Sun, Y. et al. Artificial intelligence defines protein-based classification of thyroid nodules. Cell Discovery, 2020.2004.2009.20059741, doi:10.1101/2020.04.09.20059741 (2022).

4. Li, Y.  et al. Prevalence of Thyroid Nodules in China_ A Health Examination Cohort-Based Study. Frontiers in Endocrinology, 2021, 5(12).

甲状腺结节在普通人群中很常见,目前,随着超声技术的提高及体检人群的扩大,甲状腺结节检出率持续攀升。国内研究显示甲状腺结节总患病率为36.9%,年龄和性别标准化的患病率为38.0%。大多数为甲状腺结节为良性结节,约有5%的结节是恶性的。如何精准判断甲状腺结节的良恶性,避免不准确诊断导致的误切漏切,成为摆在临床医生面前的一道难题。

西湖欧米研发团队正是基于此临床痛点问题,开发了一款专注于甲状腺结节良恶性鉴别的产品甲谱诺™(ThyroProt®),目前产品开发已经进入尾声阶段,即将面世。甲谱诺™(ThyroProt®)是基于什么的样的原理,能解决哪些问题?让我们先来一睹为快。

甲谱诺™(ThyroProt®)的原型

“甲谱诺ThyroProt™”的产品思路基于西湖大学郭天南老师团队发表在《Cell Discovery》上的一篇文章:“Artificial intelligence defines protein-based classification of thyroid nodules”,该研究首先收集了来自单中心的578个患者的1724个甲状腺样本,然后应用PCT-DIA质谱技术对样本进行检测,获得蛋白质组学数据,并根据遗传算法、神经网络模型筛选出甲状腺结节良恶性鉴别相关的蛋白质及分类模型,后在回顾性石蜡样本和前瞻性的穿刺样本分别进行验证。整体流程如下图:

西湖欧米研究团队基于以上研究思路,对国内多中心样本数据进行了分析和验证,同时结合临床患者的基本信息,最终形成了国内第一个基于多组学数据的甲状腺结节良恶性分类器——甲谱诺™(ThyroProt®)。其先进的技术和优秀的性能必将为临床甲状腺结节良恶性鉴别提供强大的助力。神秘面纱即将揭开,敬请期待。

参考文献:

1. Guo, T. et al. Rapid mass spectrometric conversion of tissue biopsy samples into permanent quantitative digital proteome maps. Nat Med 21, 407-413, doi:10.1038/nm.3807 (2015).

2. Cai, X. et al. High-throughput proteomic sample preparation using pressure cycling technology. Nat Protoc, doi:10.1038/s41596-022-00727-1 (2022).

3. Sun, Y. et al. Artificial intelligence defines protein-based classification of thyroid nodules. Cell Discovery, 2020.2004.2009.20059741, doi:10.1101/2020.04.09.20059741 (2022).

4. Li, Y.  et al. Prevalence of Thyroid Nodules in China_ A Health Examination Cohort-Based Study. Frontiers in Endocrinology, 2021, 5(12).

问询(英文)
Online enquiries

Please scan the QR code to follow us on WeChat :西湖欧米