成果简介（300-500字）
结核病诊断方法的不理想其中较突出的问题是缺乏特异性的标识。目前许多团队致力于在宿主方面寻找新的突破，包括寻找新的生物标志物，用于活动性结核的诊断。本项目前期利用抗体芯片技术筛选了一系列在结核病人上特异性表达的蛋白，将最终确定的8蛋白标志物（I-TAC、I-309、MIG、Granulysin、FAP、MEP1B、Furin和LYVE-1）组合成小芯片，并建立随机森林（RF）分类模型。结果显示，在独立大样本验证队列中，RF模型AUC为84%（95% CI: 80%-88%），诊断特异性为82%（95% CI: 76-87%），敏感性为80%（95% CI:76-84%）。
本项目优越于其它能同时检测多个蛋白质的技术，需求标本量极低，在分辨活动性结核病人和非活动性结核人群（健康对照、非结核性肺炎病人和治愈后结核病人）实现较好的敏感性和特异性的优点。我们的成果在临床诊断上的应用有利于更快更准确的发现活动性结核病人，有望用于活动性结核的筛查诊断及活动性结核的确诊、健康人群的体检及结核治疗疗效的预测评估等，为结核病疫情的控制提供强有力的技术支持。
抗体芯片筛选特异性组合标识图解：
技术创新
具有较高的灵敏性和特异性、标本用量少、能在普通实验室推广和规模化等
专利情况
申请号（授权号）：CN201710613324.6
市场前景及应用领域
活动性结核的筛查诊断及活动性结核的确诊、健康人群的体检及结核治疗疗效的预测评估等。
合作方式：技术转让、许可使用、合作开发、面谈
成果单位：深圳大学基础医学院
成果负责人：陈心春
联系方式： 0755-26914468
电子邮箱：chenxinchun@szu.edu.cn
科研概况