目的:IgA肾病是我国最主要的原发性肾小球疾病,质谱和生物信息学技术给疾病的诊断提供了高通量分析和二次利用常规数据的平台。本研究的目的用统计学、生物信息学和MALDI-TOF Ms寻找鉴别诊断IgA肾病(IgAN)和非IgA肾病(non-IgAN)的生物标记。方法:实验一:用统计学和生物信息学分析原发性IgAN和non-IgAN常规血清生化参数。回顾性分析我院2007年全年肾脏病科649例住院患者病案。建立研究对象的纳入和排除标准。根据肾活检的结果分为原发性IgAN和non-IgAN,用CHISS统计学软件分析两组生化参数的差异;用生物信息学工具SVM-RFE做两组的分类预测准确度和特征选择。实验二:用MB-WCX提取血清蛋白及优化质谱仪和分析软件的部分参数。研究对象是根据肾活检的结果诊断为原发性IgAN和non-IgAN并治疗前的患者。调整质谱仪和ClinProttools部分参数、选择测定范围、用Flexanalysis软件处理原始图谱、选择运算方法以获得最佳分类模型及最多的差异峰。实验三:在实验二的基础上,建立IgAN和non-IgAN鉴别诊断模型,寻找差异峰,预测蛋白。结果:1.实验一的入选资料为145例,两组16项血清生化参数均有差异。当ALB<30g/L时,两组AFP、CA153、ALT和CK有统计学差异;当ALB>30g/L时,两组LDH,NSE有统计学差异。logistic回归结果表明LDH、NSE和CA153在IgAN的鉴别诊断中有统计学意义。SVM-RFE结果为,TP、ALB和LDH特征组合对IgAN和non-IgAN的分类预测准确度达73.76%。2.调整激光衰减器offset为30%、range为70%时,可得到50shots强度为1000的图谱;选定的测定范围为m/z=720～17061;用Flexanalysis软件对原始数据做“基线消减”和“平滑”处理;在ClinProt tools默认的校正参数的基础上,加入Savitsky GolaySoomthing选项,调整最小范围1800m/z及在峰的计算复选框选择Useintensity。SNN运算方法适合本实验,Cross Validation和RecognitionCapability分别是76.13%和86.82%。3.用血清肽质量指纹图谱建立IgAN和non-IgAN的鉴别诊断模型。获9个差异峰,Biotools软件预测多肽峰5338和2082分别为粘蛋白4同工型片段和α1-Ⅱ型胶原同工型片段。结论:生物信息学工具和质谱技术为肾脏病的研究提供了有前景的策略,LDH、ALB等在IgAN和non-IgAN预测分类上具有重要意义。用Biotools搜索线性模型肽质量指纹图谱、预测蛋白的方法可行,但仍需进一步研究。