临床特征联合外周血血管内皮生长因子和 α- 羟基丁酸脱氢酶对卵巢癌的诊断价值

来源期刊：广州医药 | 77-82 发布时间：2026-01-20 收稿时间：2026/2/6 22:51:45 阅读量：97

作者：: 张琼文,

于天舒,

张姗,

杨富涵,

关键词：: 临床特征血管内皮生长因子 α-羟基丁酸脱氢酶卵巢癌诊断; linical features vascular endothelial growth factor α-hydroxybutyrate dehydrogenase ovarian cancer diagnosis

DOI：: 10. 20223 / j. cnki. 1000-8535. 2026. 01. 011

收稿时间：: 2025-03-12
修订日期：
接收日期：
引用总数：: 0

目的探讨临床特征联合外周血血管内皮生长因子（VEGF）与α-羟基丁酸脱氢酶（α-HBDH）对卵巢癌的诊断价值。方法选取2022年6月—2024年6月在天津市中心妇产科医院妇科接收的84例卵巢癌恶性肿瘤患者纳入观察组，同期选取84例卵巢良性病变患者纳入对照组。对比两组患者临床资料及VEGF、α-HBDH水平的差异，分析VEGF、α-HBDH水平与卵巢癌恶性肿瘤患者临床特征的相关性。采用二元Logistics回归分析卵巢癌恶性肿瘤的独立危险因素，并采用受试者工作特征（ROC）曲线分析VEGF、α-HBDH水平诊断卵巢癌恶性肿瘤的价值。结果观察组年龄、身体质量指数（BMI）及血清CA125、HE4、VEGF、α-HBDH水平显著高于对照组（P＜0.05），VEGF与α-HBDH水平与国际妇产科联盟（FIGO）分期、分化等级及淋巴结转移均呈正相关关系（P＜0.05）。将年龄、BMI、VEGF、α-HBDH作为自变量纳入二元Logistic回归，结果显示BMI、VEGF、α-HBDH是卵巢癌恶性肿瘤的影响因素（P＜0.05），ROC曲线分析显示，联合检测VEGF和α-HBDH的AUC达0.921，灵敏度和特异度分别为81.0%和91.7%，优于单独检测（VEGF：AUC=0.702；α-HBDH：AUC=0.796）。结论 BMI联合VEGF与α-HBDH检测可为卵巢癌的诊断提供高效、无创的辅助手段，具有重要临床应用潜力。

Objective To explore the diagnostic value of clinical features combined with peripheral blood vascular endothelial growth factor（VEGF）and α-hydroxybutyrate dehydrogenase（α-HBDH）levels in ovarian cancer．Methods A total of 84 patients with malignant ovarian cancer admitted to the gynecology department of Tianjin Central Hospital of Gynecology and Obstetrics from June 2022 to June 2024 were included in the observation group，and 84 patients with benign ovarian lesions during the same period were included in the control group．The clinical data and VEGF，α-HBDH levels of the two groups were compared．Pearson analysis was used to explore the correlation between VEGF，α-HBDH levels，and clinical characteristics of patients with malignant ovarian cancer．Binary Logistic regression analysis was conducted to identify independent risk factors for malignant ovarian cancer，and receiver operating characteristic（ROC） curves were used to analyze the diagnostic value of VEGF and α-HBDH levels for malignant ovarian cancer．Results The observation group had significantly higher age，BMI，and serum CA125，HE4，VEGF，α-HBDH levels compared to the control group（P＜0.05）．VEGF and α-HBDH levels were significantly positively correlated with FIGO stage，differentiation grade，and lymph node metastasis（P＜0.05）．Age，BMI，VEGF，and α-HBDH were included as independent variables in binary Logistic regression，and the results showed that BMI，VEGF，and α-HBDH levelswere independent risk factors for malignant ovarian cancer（P＜0.05）．ROC curve analysis revealed that the AUC for combined detection of VEGF and α-HBDH reached 0.921，with sensitivity and specificity of 81.0% and 91.7%，respectively，significantly superior to individual detection（VEGF：AUC=0.702；α-HBDH：AUC=0.796）．Conclusions The detection of BMI combined with VEGF and α-HBDH levels can provide an efficient and noninvasive auxiliary means for the diagnosis of ovarian cancer，which has important clinical application potential．

卵巢癌是妇科恶性肿瘤中死亡率最高的疾病之一，大约70%的患者在确诊时病情已进入晚期，从而导致治疗效果和生存率显著降低^［1-2］。目前临床依赖影像学及传统肿瘤标志物糖类抗原125（carbohydrate antigen 125，CA125）进行诊断，但其早期诊断准确率低，并且特异性有限^［3］。近年来，分子标志物的研究为卵巢癌诊断提供了新方向，血管内皮生长因子（vascular endothelial growth factor，VEGF）在多种实体瘤如肺癌、乳腺癌中亦呈现高表达，研究显示，VEGF在卵巢癌组织及血清中高表达，且与肿瘤分期、腹水量及生存率相关，提示其可能为肿瘤标志物^［4-5］。代谢相关标志物α-羟基丁酸脱氢酶（α -hydroxybutyrate dehydrogenase，α-HBDH）作为乳酸脱氢酶同工酶，在肿瘤细胞异常代谢中异常升高^［6］。基于此，本研究聚焦于整合临床病理特征与血清VEGF、α-HBDH水平，评估其联合检测在卵巢癌诊断中的价值，通过联合检测及多因素分析优化现有诊断体系，为患者诊断提供更高效的辅助策略。

1 资料与方法

1.1 一般资料

选取2022年6月—2024年6月在某院妇科接收的卵巢癌恶性肿瘤患者84例作为研究对象，纳入观察组。纳入标准：（1）术后经病理确诊卵巢癌，符合诊断标准^［7］；（2）年龄大于18岁；（3）初次确诊，尚未进行卵巢癌手术、化学治疗（化疗）等治疗；（4）病历资料完整；（5）患者知情同意。排除标准：（1）转移性卵巢癌；（2）卵巢肉瘤、卵巢卵黄囊瘤；（3）合并严重心肝肾功能障碍者；（4）术后未化疗和积极治疗。

同期选取84例卵巢良性病变患者为对照组，其卵巢良性病变均经术后病理证实。观察组患者年龄30~80岁，平均年龄（55.81±14.28）岁；FIGO分期I~Ⅳ期分别有20例、18例、38例、8例；上皮性卵巢癌62例、卵巢生殖细胞性肿瘤11例、卵巢性索-间质肿瘤6例、其他肿瘤5例。对照组患者年龄31~80岁，平均年龄（51.69±12.64）岁。本研究通过医院伦理审查（伦理批件号：20211226）。

1.2 临床资料收集

1.2.1 基本信息记录收集所有入组患者的年龄、身高、BMI，以及既往病史等。

1.2.2 临床表现记录详细记录患者的临床症状，包括腹胀、腹痛、尿频、尿急、便秘、消瘦、乏力等，以及症状的持续时间、严重程度和变化情况。同时，记录患者的体格检查结果，如腹部肿块的大小、位置、质地、活动度等。

1.2.3 影像学检查资料收集患者入院检查时的B超、CT、MRI等影像学检查资料，评估卵巢肿瘤的大小、形态、位置以及与周围组织的关系，为临床分期提供依据。

1.2.4 病理学资料收集患者的组织病理学检查结果，包括肿瘤的类型、分化程度、浸润深度、淋巴结转移情况等，用于评估肿瘤的恶性程度和预后。

1.3 外周血VEGF和α-HBDH检测

1.3.1 样本采集于清晨患者空腹状态下，采集肘静脉血5 mL，分装至2种试管：（1） 3 mL置于促凝剂真空采血管（上海科华生物，货号KHSER-01），静置30 min离心（3 000 rpm，10 min）分离血清；（2）2 mL置于EDTA抗凝管（美国BD公司，货号367856），用于血常规检测。

1.3.2 VEGF检测采用酶联免疫吸附法（enzyme-linked immunosorbent assay，ELISA）检测血清中VEGF的水平，使用Quantikine^® H um a n VEGF ELISA试剂盒（美国R&D Systems，货号DVE00），检测灵敏度为5 pg/mL，批内及批间变异系数分别为＜5%和＜8%。

1.3.3 α-HBDH检测采用比色法对外周血中α-HBDH的浓度进行定量测定，使用罗氏cobas c701全自动生化分析仪及配套试剂盒（货号07062571），检测范围为10-1 000 U/L，严格遵循仪器标准化操作规程。

1.4 统计学分析

采用SPSS 26.0软件分析数据。符合正态分布的采用

描述连续变量，采用t检验；采用频数或百分比描述分类变量，采用χ ² 检验。采用Logistic回归模型分析临床特征、VEGF和α-HBDH等因素对卵巢癌诊断的影响，确定独立危险因素，采用受试者工作特征（receiver operating characteristic，ROC）曲线分析VEGF和α-HBDH对卵巢癌的诊断效能，计算曲线下面积（area under the curve，AUC）、灵敏度、特异度和约登指数等指标。P＜0.05表示差异有统计学意义，所有统计分析均为双侧检验。

2 结果

2.1 两组患者临床资料对比观察组年龄、BMI及血清CA125、HE4、VEGF、α-HBDH水平高于对照组（P＜0.05），见表1。

表1 一般资料对比 [, n（%），n=84 ]

项目	观察组	对照组	t/χ2	P
年龄/岁	55.81±14.28	51.69±12.64	1.979	0.049
BMI/（kg/m2）	24.02±2.35	21.15±1.97	8.585	<0.001
糖尿病史	10(11.90)	8(9.52)	0.249	0.618
高血压史	16(19.05)	13(15.48)	0.375	0.540
吸烟史	6(7.14)	2(2.38)	2.100	0.143
饮酒史	10(11.90)	4(4.76)	2.805	0.094
婚姻状态（已婚）	60(71.43)	55(65.48)	0.689	0.406
VEGF/（pg/mL）	2.49±1.13	1.72±0.61	5.472	<0.001
α-HBDH/（U/L）	139.77±16.57	120.86±14.44	7.886	<0.001

2.2 VEGF与α-HBDH水平与卵巢癌恶性肿瘤临床病理的相关性分析

对比VEGF与α-HBDH水平与卵巢癌恶性肿瘤患者FIGO分期、分化等级及淋巴结转移的相关性，Pearson相关性分析表明，VEGF与α-HBDH水平与FIGO分期、分化等级及淋巴结转移均呈显著正相关关系（P＜0.05），见表2。

表2 VEGF与α-HBDH水平与卵巢癌恶性肿瘤临床病理的Pearson相关性

影响因素	VEGF		α-HBDH
	r	P	r	P
FIGO分期	0.452	<0.001	0.525	<0.001
分化等级	0.657	<0.001	0.259	0.017
淋巴结转移	0.501	<0.001	0.550	<0.001

2.3 卵巢癌恶性肿瘤多因素分析

将年龄、BMI、VEGF、α-HBDH作为自变量纳入二元Logistic回归，结果表明，BMI、VEGF、α-HBDH是卵巢癌恶性肿瘤的独立危险因素（P＜0.05），见表3。

表3 卵巢癌恶性肿瘤患者二元Logistic回归结果

参数	B	SE	Wald χ²	P	OR	95%CI
VEGF	1.103	0.282	15.232	<0.001	3.012	1.731~5.239
HBDH	0.071	0.016	20.632	<0.001	1.073	1.041~1.107
BMI	0.629	0.127	24.387	<0.001	1.876	1.461~2.407
年龄	0.005	0.017	0.088	0.766	1.005	0.971~1.040
常量	-25.926	3.953	43.026	<0.001	0

2.4 BMI、VEGF、α-HBDH诊断卵巢癌恶性肿瘤的ROC曲线分析

根据二元Logistic回归结果，卵巢癌恶性肿瘤联合诊断模型的Logistic回归方程为：Logit（P）= -25.926 + 0.629×BMI + 1.103×VEGF + 0.071×α-HBDH。ROC曲线分析显示，联合检测VEGF和α-HBDH的AUC达0.921，灵敏度和特异度分别为81.0%和91.7%，显著优于BMI（Z=2.514，P=0.012）、VEGF（Z=3.821，P＜0.001）、α-HBDH（Z=2.962，P=0.003）单独检测，见表4和图1。

表4 BMI、VEGF、α-HBDH诊断卵巢癌恶性肿瘤的价值

变量	最佳截断值	AUC	标准误	P	95%CI	灵敏度/%	特异度/%
BMI	24.31	0.803	0.033	<0.001	0.739~0.867	0.464	0.988
VEGF	2.71	0.702	0.042	<0.001	0.620~0.784	0.464	0.954
α-HBDH	142.54	0.796	0.033	<0.001	0.731~0.861	0.488	0.964
联合诊断	0.559	0.921	0.020	<0.001	0.882~0.960	0.810	0.917

图 1 ROC 曲线分析

3 讨论

目前，临床上主要依赖影像学及传统肿瘤标志物CA125诊断卵巢癌恶性肿瘤，但早期诊断准确率较低，特异性有限^［8］。影像学方法如超声、CT或MRI等，虽然能够观察到卵巢的病变情况，但往往难以在早期发现卵巢癌^［9］。而CA125作为常用的肿瘤标志物，虽然在卵巢癌患者中会有所升高，但其特异性并不高，且在其他妇科疾病也可能出现升高，因此难以作为独立的诊断依据^［10］。本研究则通过整合临床特征与血清VEGF、α-HBDH水平，系统评估了二者联合检测对卵巢癌的诊断价值。

VEGF属于糖蛋白家族。它能够显著提高血管通透性，刺激血管内皮细胞的增殖，从而进一步促进血管通透性的增强，刺激血管的生成，在人体的血液循环中起到重要的作用^［11-12］。α-HBDH是一种广泛存在于哺乳动物体内的心肌酶，其活性与乳酸脱氢酶的某一种同工酶相似，能够作为心肌损伤、一般性肌肉损伤以及红细胞破坏等情况的生物标志物^［13］。本研究结果表明，卵巢癌患者的VEGF和α-HBDH水平显著高于良性病变组，江娜等^［14］研究也指出卵巢癌组VEGF水平异常升高。本研究结果还表明VEGF和α-HBDH水平与FIGO分期、分化程度低及淋巴结转移等恶性特征呈正相关，提示这两种标志物在卵巢癌进展中可能发挥重要作用。VEGF作为促血管生成关键因子，其高表达可能通过促进肿瘤血管生成和微环境重塑，加速肿瘤侵袭与转移^［15］。卵巢癌细胞的快速增殖和侵袭性生长需要大量的新生血管来提供必要的营养和氧气，同时移除代谢废物，VEGF通过促进血管内皮细胞的增殖、迁移以及管腔形成，显著增强了肿瘤区域的血管密度和通透性，这一过程被称为“血管生成开关”的激活^［16］。“血管生成开关”激活为肿瘤提供必要的生存条件，促进肿瘤远处转移^［17］。而α-HBDH作为代谢相关酶，其升高或与肿瘤细胞通过Warburg效应实现代谢重编程密切相关，从而支持肿瘤快速增殖和转移扩散^［18］。肿瘤细胞倾向于有氧条件、糖酵解途径进行能量代谢，迅速产生大量ATP和中间代谢产物，以此支持肿瘤细胞的快速增殖和迁移^［19］，α-HBDH作为参与能量代谢途径的关键酶之一，其活性的增加反映肿瘤细胞代谢需求的增加以及代谢途径的转变^［20］。VEGF与α-HBDH的协同作用可能从“血管生成-代谢调控”双维度反映了卵巢癌的恶性生物学行为，为联合检测提供了理论依据^［21］。

本文Logistic回归分析进一步证实，BMI、VEGF和α-HBDH是卵巢癌的影响因素。其中，BMI的关联性提示肥胖可能通过血脂紊乱和代谢紊乱等机制参与卵巢癌发生，与童露瑶等^［22］研究一致，也有研究表明，瘦素受体可能介导肥胖卵巢癌患者的肿瘤转移^［23］。但年龄在本研究中未显示显著相关性，可能与样本年龄分布较广或混杂因素未完全校正有关，需进一步验证。白永颖等^［24］研究表明，在Ⅰ期卵巢癌未绝经组中，α-HBDH的诊断性能与常用的肿瘤标志物CA125接近，但敏感度却明显高于CA125。Atallah等^［25］的综述清晰指出VEGF是卵巢癌诊断的生物标志物，VEGF对卵巢癌患者肿瘤形成有重大影响，VEGF 水平升高可导致患者腹水积聚，与患者生存期较短有关。本文ROC曲线分析显示，联合检测VEGF和α-HBDH的AUC达0.921，灵敏度和特异度分别为81.0%和91.7%，显著优于单独检测，表明联合标志物可有效提高诊断效能。这一结果支持多标志物联合策略在卵巢癌早期筛查中的应用潜力，尤其是在CA125等传统标志物存在局限性时，联合检测或可减少漏诊与误诊。

本研究的创新性在于首次将VEGF与α-HBDH联合应用于卵巢癌诊断，并结合临床分期、分化程度等病理特征进行多维度分析，为无创诊断提供了新思路。此外，通过化学发光法与ELISA技术实现标志物的精准定量，确保了数据的可靠性。然而，研究仍存在局限性：首先，样本量较小且为单中心数据，可能存在选择偏倚；其次，未纳入其他代谢标志物（如LDH同工酶）进行对比分析，未来需扩大样本并开展多中心研究以验证结论的普适性。此外，VEGF和α-HBDH的动态变化与治疗反应的关系尚未探讨，后续可结合预后随访数据进一步探索其作为疗效监测标志物的价值。

综上，本研究证实， BMI 联合 VEGF 与α-HBDH检测对卵巢癌有较高的诊断价值。未来需通过更大规模研究优化截断值，并探索与其他新兴标志物（如ctDNA、外泌体蛋白）的联合应用，以构建更完善的卵巢癌早期诊断体系。

1、国家癌症中心，国家肿瘤质控中心卵巢癌质控专家委员会．中国卵巢癌规范诊疗质量控制指标（2022版）［J］．中华肿瘤杂志，2022，4（7）：609-614．

2、GAONA-LUVIANO%E2%80%83P%EF%BC%8CMEDINA-GAONA%E2%80%83L%E2%80%83A%EF%BC%8C%0AMAGA%C3%91A-P%C3%89REZ%E2%80%83K%EF%BC%8EEpidemiology%E2%80%83of%E2%80%83ovarian%E2%80%83cancer%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EChin%E2%80%83Clin%E2%80%83Oncol%EF%BC%8C2020%EF%BC%8C9%EF%BC%884%EF%BC%89%EF%BC%9A47%EF%BC%8E

3、ZHANG%E2%80%83M%EF%BC%8CCHENG%E2%80%83S%EF%BC%8CJIN%E2%80%83Y%EF%BC%8Cet%E2%80%83al%EF%BC%8ERoles%E2%80%83%20of%E2%80%83%0ACA125%E2%80%83in%E2%80%83diagnosis%EF%BC%8Cprediction%EF%BC%8Cand%E2%80%83%20oncogenesis%E2%80%83%0Aof%E2%80%83ovarian%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBiochim%E2%80%83Biophys%E2%80%83Acta%E2%80%83Rev%E2%80%83%0ACancer%EF%BC%8C2021%EF%BC%8C1875%EF%BC%882%EF%BC%89%EF%BC%9A188503%EF%BC%8E

4、MARYAM%E2%80%83N%EF%BC%8CAHMED%E2%80%83S%E2%80%83S%EF%BC%8CALAM%E2%80%83R%EF%BC%8Cet%E2%80%83al%EF%BC%8ERole%E2%80%83%0Aof%E2%80%83%20serum%E2%80%83VEGF-A%E2%80%83%20biomarker%E2%80%83for%E2%80%83%20early%E2%80%83%20diagnosis%E2%80%83%20of%E2%80%83%0Aovarian%E2%80%83cancer%E2%80%83instead%E2%80%83of%E2%80%83CA-125%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83Pak%E2%80%83Med%E2%80%83%0AAssoc%EF%BC%8C2021%EF%BC%8C71%EF%BC%889%EF%BC%89%EF%BC%9A2192-2197%EF%BC%8E

5、HE%E2%80%83Y%EF%BC%8COUYANG%E2%80%83Z%EF%BC%8CLIU%E2%80%83W%EF%BC%8Cet%E2%80%83al%EF%BC%8ETARDBP%E2%80%83promotes%E2%80%83%20ovarian%E2%80%83%20cancer%E2%80%83%20progression%E2%80%83%20by%E2%80%83%20altering%E2%80%83%0Avascular%E2%80%83endothelial%E2%80%83growth%E2%80%83factor%E2%80%83splicing%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AOncogene%EF%BC%8C2023%EF%BC%8C42%EF%BC%881%EF%BC%89%EF%BC%9A49-61%EF%BC%8E

6、ZHAN%E2%80%83C%E2%80%83H%EF%BC%8CLIU%E2%80%83G%E2%80%83J%EF%BC%8EDiag%20no%20stic%E2%80%83%20val%20ue%E2%80%83%20of%E2%80%83%20a%E2%80%83%0Acombined%E2%80%83serum%E2%80%83%CE%B1-hydroxybutyrate%E2%80%83dehydrogenase%EF%BC%8C%0Acarcinoembryonic%E2%80%83antigen%E2%80%83and%E2%80%83glycoantigen%E2%80%83125%E2%80%83test%E2%80%83for%E2%80%83%0Aearly-stage%E2%80%83breast%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBreast%E2%80%83Cancer%EF%BC%88Dove%E2%80%83%0AMed%E2%80%83Press%EF%BC%89%EF%BC%8C2023%EF%BC%8815%EF%BC%89%EF%BC%9A617-623%EF%BC%8E

7、中国抗癌协会妇科肿瘤专业委员会．卵巢恶性肿瘤诊断与治疗指南（2021年版）［J］．中国癌症杂志，2021，31（6）：490-500．

8、王晓君，刘军秀．人工智能在妇科恶性肿瘤中的进展［J］．中山大学学报（医学科学版），2025，46（1）：21-29．

9、中国医师协会妇产科医师分会妇科肿瘤学组，中国医师协会微无创医学专业委员会妇科肿瘤学组，张国楠，等．卵巢透明细胞癌临床诊治指南（2024年版）［J］．中国实用妇科与产科杂志，2024，40（12）：1204-1216．

10、李曼菱，章桃，杨桃，等．术前超声联合临床特点构建的列线图对卵巢癌淋巴结转移的预测价值［J］．中国妇产科临床杂志，2025，26（1）：65-67．

11、韩清，史雨冉．血清VEGF、ES及性激素对多囊卵巢综合征患者子宫内膜及卵巢间质血流参数的影响分析［J］．中国超声医学杂志，2025，41（1）：79-82．

12、王丽，李苑瑛，高萍，等．消瘤汤对子宫肌瘤患者血清肿瘤标志物、雌激素及血管内皮生长因子水平的影响［J］．中华中医药学刊，2023，41（9）：160-162．

13、%E2%80%83%20YUAN%E2%80%83Z%E2%80%83M%EF%BC%8CWANG%E2%80%83L%E2%80%83H%EF%BC%8CCHEN%E2%80%83C%EF%BC%8EPrognostic%E2%80%83value%E2%80%83%0Aof%E2%80%83serum%E2%80%83%CE%B1-HBDH%E2%80%83levels%E2%80%83in%E2%80%83patients%E2%80%83with%E2%80%83lung%E2%80%83cancer%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EWorld%E2%80%83J%E2%80%83Surg%E2%80%83Oncol%EF%BC%8C2023%EF%BC%8C21%EF%BC%881%EF%BC%89%EF%BC%9A78%EF%BC%8E

14、江娜，王秀虹，程欣．YAP1、miR-31与老年卵巢癌患者微血管密度的关系［J］．中国老年学杂志，2022，42（1）：37-40．

15、AHMAD%E2%80%83A%EF%BC%8CNAWAZ%E2%80%83M%E2%80%83I%EF%BC%8EMolecular%E2%80%83mechanism%E2%80%83of%E2%80%83VEGF%E2%80%83and%E2%80%83its%E2%80%83role%E2%80%83in%E2%80%83pathological%E2%80%83angiogenesis%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AJ%E2%80%83Cell%E2%80%83Biochem%EF%BC%8C2022%EF%BC%8C123%EF%BC%8812%EF%BC%89%EF%BC%9A1938-1965%EF%BC%8E

16、孙丽莎，邓红玉，沈浩明，等．SP1介导CD147通过HIF-1α/VEGF信号通路影响卵巢癌的血管形成［J］．重庆医科大学学报，2021，46（6）：649-654．

17、DUDLEY%E2%80%83A%E2%80%83C%EF%BC%8CGRIFFIOEN%E2%80%83A%E2%80%83W%EF%BC%8EPathological%E2%80%83%0Aangiogenesis%EF%BC%9AMechanisms%E2%80%83and%E2%80%83therapeutic%E2%80%83strategies%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAngiogenesis%EF%BC%8C2023%EF%BC%8C26%EF%BC%883%EF%BC%89%EF%BC%9A313-347%EF%BC%8E

18、LEONE%E2%80%83R%E2%80%83D%EF%BC%8CPOWELL%E2%80%83J%E2%80%83D%EF%BC%8EMetabolism%E2%80%83of%E2%80%83immune%E2%80%83%0Acells%E2%80%83in%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8ENat%E2%80%83Rev%E2%80%83Cancer%EF%BC%8C2020%EF%BC%8C20%0A%EF%BC%889%EF%BC%89%EF%BC%9A516-531%EF%BC%8E

19、BIRTS%E2%80%83C%E2%80%83N%EF%BC%8CBANERJEE%E2%80%83A%EF%BC%8CDARLEY%E2%80%83M%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0Ap53%E2%80%83is%E2%80%83regulated%E2%80%83by%E2%80%83aerobic%E2%80%83glycolysis%E2%80%83in%E2%80%83cancer%E2%80%83cells%E2%80%83by%E2%80%83%0Athe%E2%80%83CtBP%E2%80%83family%E2%80%83of%E2%80%83NADH-dependent%E2%80%83transcriptional%E2%80%83%0Aregulators%EF%BC%BBJ%EF%BC%BD%EF%BC%8ESci%E2%80%83Signal%EF%BC%8C2020%EF%BC%8C13%EF%BC%88630%EF%BC%89%EF%BC%9A%0Aeaau9529%EF%BC%8E

20、%E2%80%83%20MART%C3%8DNEZ-REYES%E2%80%83I%EF%BC%8CCHANDEL%E2%80%83N%E2%80%83S%EF%BC%8ECancer%E2%80%83%0Ametabolism%EF%BC%9ALooking%E2%80%83forward%EF%BC%BBJ%EF%BC%BD%EF%BC%8ENat%E2%80%83%20Rev%E2%80%83%0ACancer%EF%BC%8C2021%EF%BC%8C21%EF%BC%8810%EF%BC%89%EF%BC%9A669-680%EF%BC%8E

21、李艳芹，郑子金，吕晋谊，等．免疫检查点抑制剂联合抗血管生成治疗在卵巢癌中的应用研究进展［J］．中国实用妇科与产科杂志，2023，39（6）：660-664．

22、童露瑶，雷理仪，陈军，等．代谢综合征及其组分与卵巢癌发病风险的关系［J］．实用医学杂志，2022，38（10）：1280-1285．

23、楼华，魏晓，周东晨，等．瘦素受体与高级别浆液性卵巢癌转移的生物信息学相关性［J］．现代妇产科进展，2021，30（4）：251-254．

24、白永颖，朱波，朱宇宁，等．血清α-羟基丁酸脱氢酶表达水平在卵巢癌辅助诊断中的应用［J］．中华检验医学杂志，2019，42（7）：529-534．

25、ATALLAH%E2%80%83G%E2%80%83A%EF%BC%8CABD%E2%80%83AZIZ%E2%80%83N%E2%80%83H%EF%BC%8CTEIK%E2%80%83C%E2%80%83K%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0ANew%E2%80%83predictive%E2%80%83biomarkers%E2%80%83for%E2%80%83ovarian%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ADiagnostics%EF%BC%88Basel%EF%BC%89%EF%BC%8C2021%EF%BC%8C11%EF%BC%883%EF%BC%89%EF%BC%9A465%EF%BC%8E