CN101671729B

CN101671729B - 用于肺癌治疗方案选择和/或预后评估的基因群、基因芯片和检测试剂盒

Info

Publication number: CN101671729B
Application number: CN200910092285A
Authority: CN
Inventors: 张力建; 姜文国
Original assignee: Individual
Current assignee: Beijing Yiling Pharmaceutical Technology Co ltd
Priority date: 2009-09-07
Filing date: 2009-09-07
Publication date: 2012-09-05
Anticipated expiration: 2029-09-07
Also published as: CN101671729A

Abstract

本发明涉及一基因群，该基因群涉及12个基因，检测该基因群中两个或两个以上基因的表达情况变化可用于肺癌治疗方案的选择和/或预后评估，该基因群可用于制备基因芯片和检测试剂盒。本发明通过对多个基因表达方式的鉴定，方法简便、准确性强，且成本较低，易于被广大患者接受。对临床治疗方案的选择(例如化疗或放疗)具有重要的指导意义，同时还能对该治疗方案的疗效作出预测。此外，本发明还可能发现肺癌治疗的新靶点。

Description

用于肺癌治疗方案选择和/或预后评估的基因群、基因芯片和检测试剂盒

技术领域

本发明涉及一基因群，检测该基因群的表达情况可用于肺癌治疗方案的选择和/或预后评估，该基因群可用于制备基因芯片和检测试剂盒。

背景技术

肺癌在中国和全世界范围内都是最常见的癌症。每年全世界范围内有超过130万的新发病例。至20世纪末已成为世界范围内最重要的人群死因之一，更为癌肿死亡的主要原因。从肺癌患者的年龄来看，40岁以下的病例很少见，40岁以后肺癌发病率陡增，发病高峰期出现在75到84岁之间。吸烟已被公认为是导致肺癌最主要的原因，约占所有肺癌的85％～90％，和不吸烟者相比，吸烟的男性患肺癌的概率要高10倍。另外，如环境污染、被动吸烟和职业危害等也是引起肺癌的重要因素。肺癌已经成为家庭、社会以及医疗体系的沉重负担。最令人担心的是，最新的统计数据表明，肺癌的发生率正呈现逐年上升趋势。据2005年最新报道表明，肺癌在中国男性和女性的新发病率分别上升了26.9％和38.4％，已成为中国发展最快的肿瘤。进一步调查表明，50岁以上尤其是65岁以上是最易感染肺癌的人群。

肺癌的早期诊断和有效治疗，以及对病人疗效和治疗反应的评估对医学界来说是很大的挑战。一直以来，人们都在积极探索能够有效评估肺癌患者预后的方法，然而这却是一个十分艰巨的任务，这主要是由于肺癌患者预后可受多种因素的影响。归纳起来，这些因素大致可分为三类：一、患者个体相关因素；二、肿瘤相关因素；三、治疗相关因素。个体相关因素包括患者的性别、年龄等因素。目前关于性别、年龄对肺癌患者生存率的影响各观点尚未统一，所以认为性别、年龄还不能完全作为判断预后的独立指标。肿瘤相关因素包括肿瘤分期、病理类型、分化程度、肿瘤大小、肿瘤侵犯程度、胸内淋巴结是否转移等。其中肿瘤分期、淋巴结情况是影响肺癌预后最主要的因素。治疗相关因素包括手术切除的范围、根治情况和术前术后辅助治疗等，手术为非细胞肺癌(non-small lung cancer，NSCLC)的首选治疗方法，其5年生存率可达40％，手术后约有70％的患者发生复发和转移。

过去常常用传统的病理学方法评价肿瘤的预后，即同时考虑病理变化如肿瘤大小、组织学分类、分化程度及肿瘤分期等，其中肿瘤分期一直被应用于判断临床预后。然而，仅靠肿瘤分期已经不能准确判断预后，尤其是对于NSCLC，因其具有明显的异质性，同期组织学相似的NLCLC可能有不同的临床结果：有的肿瘤可能有潜在的浸润和转移能力，有的可能已经发生了微转移，这些危险变化单靠临床诊断分期(cTNM分期)、外科评价分析(sTNM分期)、手术后分期或临床病理分期印TNM分期)不易发现。近年来随着肿瘤生物学和分子生物学的发展，分子筛查已经成为鉴定新标志物的重要手段，它可以帮助人们发现用于诊断癌症和预后评估的标志物。高通量分子筛查技术在乳腺癌中已有报道，通过对新的分子标记基因的检测来预测乳腺癌患者的预后。在一些病例中该技术还作为选择临床治疗方案的有力工具。但是，在肺癌领域尤其是针对中国人群，分子筛查方面的研究工作还很欠缺。

综上所述，用于肺癌治疗方案选择和预后评估分子筛查用基因群以及相关的检测试剂盒仍是本领域技术人员研究的热点。

发明内容

本发明的目的在于弥补现有技术的空白，而提出一组可快速、准确、简便的进行肺癌治疗方案选择和/或预后评估的基因群。

本发明的再一目的在于提出了这个基因群的用途。

本发明的第三目的在于利用该基因群制备基因芯片和检测试剂盒。

本发明的发明思路为：本发明基因群中对标记基因的命名有的是参照www.NCBI.LM.NIH.gov数据库，有的是已被广泛接受的命名。标记基因的选择是通过对101位肺癌患者的肺组织标本(其中1例为待测，59例为独立的验证对照)进行仔细的系统性检测和筛选而得到的。通过早期的大量筛查工作，我们鉴定出一组基因，这些基因的表达方式已发生很大变化，这些改变与临床有很大的相关性。进一步的统计学分析表明，通过检测其中34个基因的表达方式可以对患者的预后做出准确的评估。进一步研究又表明，只需检测34个基因中的12个基因就可以评估预后，而不需要进行繁琐的统计学分析。同时这些标记基因还可用于判断患者是否适合于常规治疗，从而为临床治疗方案的选择提供指导。本方法和试剂盒可以为肺部肿瘤转移患者(或活检组织)作常规和快速两种检测。检测结果可以为临床医生和患者提供准确的疗效评估，同时还能检测出对常规治疗方案不敏感的患者，帮助医生选择新的有效治疗方案，从而真正实现“个性化治疗”。最后，标记基因表中所列基因可以作为潜在的治疗靶点，对未来癌症的治疗具有重大意义。

为了实现本发明的目的，本发明采用如下具体技术方案：

用于肺癌治疗方案选择和/或预后评估的基因群，所述基因群包括以下基因中的两个或两个以上：

β-catenin、Endomuscin、BMP15T/N、BMP7T/N、BMP8、CD133、IL24、OSG、OSP-C、PlGF1-TN、TEM8、SDF1、GAPDH(管家基因对照)、CK19(管家基因对照)。

上述的用于肺癌治疗方案选择和/或预后评估的基因群，其中，所述基因群为以下基因：

上述基因群检测其中两个或两个以上即可用于预后的评估，并且可以得到准确的结果，发明人推荐同时检测12个基因，效果最佳。

一种用于肺癌治疗方案选择和/或预后评估的基因芯片，包括固相载体和探针，所述探针与上述基因群和/或其互补序列进行杂交。

一种用于肺癌治疗方案选择和/或预后评估的检测试剂盒，试剂盒包括检测上述基因群表达的一种或多种试剂。

提供用于检测上述基因群表达的引物序列，所述序列如SEQ ID No.1-SEQ IDNo.28所示。

上述检测试剂盒，其中，所述试剂为对所述基因群进行免疫组化检测所用试剂。

所述试剂盒的组成为：

(1)Master mix for quantitative RT-PCR；

(2)用于检测上述基因群各基因的引物，如SEQ ID No.1至28所示；

(3)FAM标记的通用探针。

上述的基因群用于制备肺癌治疗方案选择和/或预后评估的检测试剂盒和/或基因芯片的用途，其主要是检测该基因群中的基因表达量变化，对肺癌患者的预后作出准确评估，同时可以对临床治疗方案的选择做出重要的指导。

本发明的优点和效益：

本发明通过对多个基因表达方式的鉴定，方法简便、准确性强，且成本较低，易于被广大患者接受。本发明公开的基因群，对其12个基因中的两个或两个以上进行检测，依据基因表达量的变化，可以准确评估预后，避免了繁琐的统计学分析。本发明基因群检测结果还可以用于判断该患者适合于何种治疗方案，为医生临床治疗方案的选择具有重要指导意义。本发明试剂盒可以为肺部肿瘤转移患者(或活检组织)作常规和快速两种检测。检测结果可以为临床医生和患者提供准确的疗效评估，同时还能检测出对常规治疗方案不敏感的患者，帮助医生选择新的有效治疗方案，从而真正实现“个性化治疗”。最后，标记基因表中所列基因可以作为潜在的治疗靶点，在未来癌症的治疗研究方面具有重大意义。

上述内容已经充分的说明了本发明的技术方案和有益效果，下面结合附图和具体实施方式对本发明作进一步叙述，以使公众对发明内容有更深入的了解，具体实施方式的实施例均为最佳的技术方案，而并非对本发明的限制。

附图说明

图1‘sumgr6’类型的12个标记基因；“预后好”组患者与“预后差”组患者相比，生存期明显延长。

图2A标记基因和淋巴结转移状况；标记基因可以很好地将淋巴结转移阴性。

图2B具有高风险的淋巴结转移阳性分为“预后好”组和“预后差”组。

图3A根据标记基因鉴别术后化疗高风险患者；根据标记基因又可将未接受术后化疗患者。

图3B接受术后化疗患者分成“预后好”组和“预后差”组。这样就能鉴别出高风险患者。

图4对患者进行三组法分类与患者的生存期有很大相关性；“预后好”、“预后中”、“预后差”组患者的生存率分别为100％、86.4％和0％(p＜0.0001)。

图5独立肺癌患者组(n＝59)的验证研究；两组法分类，P＝0.002。

图6独立肺癌患者组(n＝59)的验证研究；三组法分类，P＝0.001。

图7对于化疗失败预测结果可靠性的验证研究；两组法分类，P＝0.009。

图8对于化疗失败预测结果可靠性的验证研究；三组法分类，P＝0.029。

具体实施方式

实施例1

一、组织的收集、储存和记录

本实施例中所收集的待测组织均为肺癌手术切除后迅速取样的新鲜组织(包括正常组织、近肿瘤组织和肿瘤组织)。将待测组织迅速储存于-80℃冰箱中，使用前再取出。记录相关的临床和病理学信息，其中包括：诊断时间、手术类型、非手术治疗类型(术前或术后)、病理诊断结果(包括肿瘤类型、淋巴结转移状况、向周边组织扩散程度以及肿瘤分期)。在随后的临床治疗过程中记录以下信息：健康状况、复发率和死亡率。其中第1组(筛查组)的中位观察期是19个月(12-25IQR)，第2组(验证组)的中位观察期是49个月(5.8-62.5IQR)。

二、组织处理方法

组织处理以及从人创伤或皮肤组织中构建cDNA文库

用低温控制器(Leica)对组织进行冰冻处理，每份待测组织的1/30用于组化分析。剩下组织用手持式匀浆器进行混合匀浆以提取RNA。操作方法见下文。提取RNA后进行定量，并用等量的RNA进行cDNA文库的构建。

早期的筛查结果是通过对一组(筛查组)101个肺癌患者样本的待测标记基因转录本的表达水平进行分析得到的。在得到这组待测标记基因后，再用另一个不同患者组(验证组)的不相关肿瘤进行验证分析。这两组的信息收集、组织储存和处理方法均相同。

三、从细胞和组织中提取RNA以及cDNA的合成

将待测冰冻组织的1/30进行切片(厚度5-10μm)用于免疫组化和常规的组化分析(Jiang et al 2003a)。剩下组织用手持式匀浆器进行混合匀浆以提取RNA，用冰冻的RNA提取试剂(RNA分离试剂)处理。RNA浓度用紫外分光光度计检测(Jiang et al 2003a)。使用Promega的逆转录试剂盒对3μg总RNA进行逆转录反应，引物使用Oligo-dT。用β-actin引物扩增来鉴定cDNA的质量。PCR的引物设计使用Beacon Designer软件(California，USA)，引物在Invitrogen^TM和Sigma公司进行合成。分子生物学级的琼脂糖和DNA ladder购自Invitrogen公司，常规PCR Mix和定量PCR试剂分别购自AbGene和Biorad公司。

四、标记基因的定量分析

运用Amplifuor原理为基础的实时定量PCR方法对所制备的cDNA中相关基因的转录本水平进行定量。

具体步骤如下：运用Beacon Designer软件(version 2，Biosoft，Palo Alto，California，USA)设计一对PCR引物。在一条引物(在我们实验室通常是反义引物)上添加额外的与通用Z探针(Nazarenko et at 1997)(Intergen Inc.，England，UK)序列互补的Z序列(5’actgaacctgaccgtaca’3)。用于检测β-actin基因的Taqman检测试剂盒购自Perkin-Elmer公司。

反应具体程序如下：向反应体系中加入热启动Q-master mix，、10pmol上游引物、1pmol带有Z序列的下游引物、10pmol的FAM标记的通用Z探针(IntergenInc.)。反应在96孔实时荧光检测系统IcyclerIQ(Bio-Rad^TM，Hemel Hamstead，England，UK)上进行。

反应条件如下：94℃12分钟，然后进行50个循环，在每个循环中94℃15秒，55℃40秒72℃秒。样本扩增的同时，根据内参对转录本进行定量。结果用两种方式表示：一种是根据平均总RNA量得出的转录本水平，另一种是目的基因与GAPDH基因或CK19基因量的相对比值。

五、基因表达方式和标记基因的意义分析

首先用Minitab软件(Minitab Inc.，State College，PA 16801，USA)对样本的基因转录本的表达方式进行分析。

“优选基因”-潜在候选基因的选择：为了能够对不同组织类型的基因表达水平进行自动数据分析，我们专门编辑了基于宏命令(专为lung bank.docx.mtb而精心设计)的简便应用程序，程序的名称：“statlung2009”，用这个程序可使计算简化，其它用于数据分析的程序也可以应用于此。

“最优化基因”的选择：根据备选基因转录本的特性及其是否能将长期患病组同其它组区分开来进行最后筛选。采用Excel和SPSS进行数据处理。

“标记基因的编辑”：同样用程序“statlung2009”进行多细胞作表法分析。在备选基因列表中去除不相关基因后，可以用该宏命令在Minitab软件中实现自动化快速统计学分析。

“最优化基因”检测试剂盒的配制：在确定标记基因后，根据这些标记基因配制检测试剂盒。首先配制所有用于检测基因的试剂，然后将其自动点样到用于检测临床和细胞样本的96孔板中。试剂盒在实验室配制好后，储存于-20℃备用。

六、标记基因的鉴定

在对101对样本的研究中，我们得到优选标记基因：由12个基因组成，作为试剂盒的最终检测基因，所选基因为：β-catenin、Endomuscin、BMP15T/N、BMP7T/N、BMP8、CD133、IL24、OSG、OSP-C、PlGF1-TN、TEM8、SDF1、GAPDH(管家基因对照)、CK19(管家基因对照)。如表1所示。

表1作为肺癌遗传标记物的12个基因标记物

SEQ IDNo.	分子	Genbank登录号	异常表达方式	引物序列(5′-3′)
					1、2	β-catenin	X87838	上调	AGGGATTTTCTCAGTCCTTC ANDACTGAACCTGACCGTACACATGCCCTCATCTAATGTCT
3、4	Endomuscin	AB034695	下调	AAATGTTGTCACACCAACAA ANDACTGAACCTGACCGTACAAGCTGTTGACATCAGAGACA
					5、6	BMP15T/N	NM_005448	下调	GTGAAGCCCTTGACCAGT ANDACTGAACCTGACCGTACATTGGTATAGTCCTCGGTTTG
7、8	BMP7T/N	BC004248	下调	AGAAGCACGAGCTCTATGTC ANDACTGAACCTGACCGTACACTTCACAGTAATACGCAGCA
					9、10	BMP8	NM_181809	下调	GCCTCTATGTGGAGACTGAG ANDACTGAACCTGACCGTACAGAAGAAAGTGACCACGAAAG
11、12	CD133	BC012089	上调	GCAAATGTGGAAAAACTGAT ANDACTGAACCTGACCGTACATTAAATAGCTTCCCAGAGAGA
					13、14	IL24	BC009681	下调	GATGTTTTCCATCAGAGACAG ANDCTGAACCTGACCGTACACATCCAGGTCAGAAGAATGT
15、16	OSG	U94332	下调	GTTCTGCTTGAAACATAGGAG ANDACTGAACCTGACCGTACACGTCTCATTTGAGAAGAACC
					17、18	OSP-C	NM_001040060	上调	AAGTTCTGAGGAAAAGCAGA ANDACTGAACCTGACCGTACACTTTCGTTGGACTTACTTGG
19、20	PIGF1-TN	X54936	上调	GTTCTCTCAGCACGTTCG ANDACTGAACCTGACCGTACACATCGCCGCACCTTTC
					21、22	TEM8	NM_032208	上调	ACAGGGTCCTCTGCAGCTT ANDACTGAACCTGACCGTACACTTTCATGCCAACTTG

				TTT
					23、24	SDF1	XM_165565	上调	TTCAGGAGTACCTGGAGAAA ANDACTGAACCTGACCGTACACCTAACACTGGTTTCAGAGC
25、26	GAPDH(管家基因对照)	NM_002046	Housekeeping	AAGGTCATCCATGACAACTT ANDACTGAACCTGACCGTACAGCCATCCACAGTCTTCTG
					27、28	CK19(管家基因对照)	NM_002276	Housekeeping	CAGGTCCGAGGTTACTGAC ANDACTGAACCTGACCGTACACACTTTCTGCCAGTGTGTCTTC

以生存期为指标进行分析，初期筛查鉴定出的34个基因可以将患者分为“预后好”和“预后差”两组。通过进一步计算分析得出最优化的12个标记基因，其临床相关性具体细节如下文所述。

七、对最优化肺癌标记基因进行验证

用所列的12个标记基因对患者生存期进行预测，从而将患者分为“预后好”和“预后差”两类的划分方法如下：

所选标记基因无论是表达上调还是表达下调，均视为异常表达，如果有多于或等于6个基因表达异常则将患者划为“预后差”组，如果少于6个基因表达异常则划为“预后好”组。两组法均按此划分。如图1所示，按照sumgr6模式进行分类是最好的方法，该法将患者分为“预后好”组(平均生存期为38.7个月)和“预后差”组(平均生存期为11.8个月)(p＜0.00001)。在整个观察期间，有91％“预后好”组患者可存活到观察期结束，而“预后差”组患者不到10％。多变量分析表明，与其它三个独立指标-肿瘤大小(p＝0.035)、淋巴结状态(p＝0.014)和TNM分期(p＝0.020)相比，所选最优化的标记基因是一个很好的独立指标(p＜0.0001)。

以淋巴结转移状况为指标的12个最优化标记基因能够更好地评估预后

将患者按照淋巴结转移状况分为淋巴结转移阴性组(node＝0)和淋巴结转移阳性组(node＝1)，通过检测12个最优化标记基因，来确定在不同的淋巴结转移状况下能否进一步判断患者的预后。结果表明，不管是淋巴结转移阳性组还是阴性组，根据这些标记基因均可明显地将患者划分为“预后好”和“预后差”两个亚组，并且这两个亚组的生存期有很大差别，如图2所示，图2标记基因和淋巴结转移状况；标记基因可以很好地将淋巴结转移阴性(上方)P＝0.01；具有高风险的淋巴结转移阳性(下方)P＜0.0001分为“预后好”组和“预后差”组。

八、鉴别术后化疗高风险患者

根据这些标记基因进行评估，“预后差”两组患者有可能出现化疗失败和生存期较短(10个月)的状况，而“预后好”组患者生存期较长(38.0个月)，p＜0.0001。这与未接受术后化疗患者情况相符，p＝0.001。如图3所示，图3根据标记基因鉴别术后化疗高风险患者；根据标记基因又可将未接受术后化疗患者(上方)和接受术后化疗患者(下方)分成“预后好”组和“预后差”组。这样就能鉴别出高风险患者。

根据12个最优化标记基因将患者分为三组

划分方法：如果有多于6个标记基因表达异常则划为“预后好”组，如果有4到6个标记基因表达异常则划为“预后中”组，如果有少于4个标记基因表达异常则划为“预后差”组。

如前所述，用两组分类法可将患者分为“预后好”组和“预后差”组。这里我们将患者进一步分为“预后好”组(图4中的1)、“预后中”组(2)和“预后差”组(3)。非常明显，如图4所示，“预后好”组患者均存活，而“预后差”组患者均死亡。在后续调查中，“预后中”组患者的生存率为86.4％。以上统计学分析均具有显著性差异(p＜0.0001)。

不管是两组还是三组分类法，这些标记基因与目前常用临床和病理学方法如TNM、淋巴结转移分期、肿瘤分期、个体差异、吸烟、胸膜侵犯以及是否出现肺栓塞相比，具有明显的优越性。用TNM分期来评估预后p＝0.006，同样用栓形成状况来评估预后p＝0.014。

对本试剂盒进行验证研究

在后续研究中，我们以一组独立的肺癌组织(n＝59)为检测样本，对试剂盒中的12个最优化标记基因进行检测以验证试剂盒的有效性。如图5所示，运用两组分类法根据生存期长短可明显地将患者分为两组(p＝0.002)，其中“预后好”组患者生存期为69.3个月，而“预后差”组患者生存期为46.3个月。

如图6所示，用三组分类法进行区分，差异更加显著。“预后好”组、“预后中”组和“预后差”组患者的中位生存期分别为69.5个月、51.4个月和18.8个月。

通过验证进一步说明标记基因可以区分接受化疗失败可能性最大的患者。如图7所示，“预后好”组与“预后差”组患者相比接受化疗失败的可能性要大很多(p＝0.009)。同样，三组分类法也能很好地区分化疗效果好、中、差的患者(如图8所示)

九、结果

试剂盒的推荐使用方法：

1、反应体系：反应在96low-profile PCR plate中进行，针对每个标记基因需要做三个平行反应，另外还需检测两个管家基因作为内参。每个反应(每孔)的反应体系如下：q-PCR master mix(8μl)，上游引物(10pmol/μl，1μl)，下游引物(1pmol/μl，1μl)，FAM标记的通用Z探针(10pmol/μl，1μl)，PCR级H₂O 1μl，待测样本cDNA或管家基因4μl。其中待测样本cDNA可从新鲜组织或新鲜的冰冻组织中提取，然后用PCR级H2O溶解后取4μl加入到反应体系中。

2、反应条件：反应在Bio-Rad Q-PCR thermocycler中进行，具体反应条件如下：94℃12分钟，然后进行50个循环，在每个循环中94℃15秒，55℃40秒72℃秒。样本扩增的同时，根据内参对转录本进行定量。结果用两种方式表示：一种是根据平均总RNA量得出的转录本水平，另一种是目的基因与GAPDH基因或CK19基因量的相对比值。

本发明为肺癌患者的预后评估以及患者接受术后化疗失败的可能性进行预测提供了新的方法和工具。

对肺癌患者的临床疗效进行预测一直以来是一个难题。最常用的方法是术后对患者进行临床和病理学检测。例如，淋巴结转移状况、肿瘤分期和TNM已被用来进行疗效预测。的确，目前的研究表明，TNM分期和栓形成状况对疗效的预测很有意义。但是所有这些参数在统计学匹配程度上均不能与我们所选的标记基因相比。该分类方法(两组分类法和三组分类法)作为独立的预测指标对于临床疗效评估有重大意义。或许目前所选标记基因在预测患者对化疗反应方面有更多尚不清楚的相关性，这些都是临床和病理学检测方法所不能预测的。显然，从目前的发现来看，本发明所选标记基因群是可以对患者化疗失败的可能性进行预测，这在以后会有更为广泛的临床应用。

序列表

<110>张力建

姜文国

<120>用于肺癌治疗方案选择和/或预后评估的基因群、基因芯片和检测试剂盒

<130>

<160>28

<170>PatentIn version 3.5

<210>1

<211>20

<212>DNA

<213>人工序列

<400>1

agggattttc tcagtccttc 20

<210>2

<211>38

<212>DNA

<213>人工序列

<400>2

actgaacctg accgtacaca tgccctcatc taatgtct 38

<210>3

<211>20

<212>DNA

<213>人工序列

<400>3

aaatgttgtc acaccaacaa 20

<210>4

<211>38

<212>DNA

<213>人工序列

<400>4

actgaacctg accgtacaag ctgttgacat cagagaca 38

<210>5

<211>18

<212>DNA

<213>人工序列

<400>5

gtgaagccct tgaccagt 18

<210>6

<211>38

<212>DNA

<213>人工序列

<400>6

actgaacctg accgtacatt ggtatagtcc tcggtttg 38

<210>7

<211>20

<212>DNA

<213>人工序列

<400>7

agaagcacga gctctatgtc 20

<210>8

<211>38

<212>DNA

<213>人工序列

<400>8

actgaacctg accgtacact tcacagtaat acgcagca 38

<210>9

<211>20

<212>DNA

<213>人工序列

<400>9

gcctctatgt ggagactgag 20

<210>10

<211>38

<212>DNA

<213>人工序列

<400>10

actgaacctg accgtacaga agaaagtgac cacgaaag 38

<210>11

<211>20

<212>DNA

<213>人工序列

<400>11

gcaaatgtgg aaaaactgat 20

<210>12

<211>39

<212>DNA

<213>人工序列

<400>12

actgaacctg accgtacatt aaatagcttc ccagagaga 39

<210>13

<211>21

<212>DNA

<213>人工序列

<400>13

gatgttttcc atcagagaca g 21

<210>14

<211>37

<212>DNA

<213>人工序列

<400>14

ctgaacctga ccgtacacat ccaggtcaga agaatgt 37

<210>15

<211>21

<212>DNA

<213>人工序列

<400>15

gttctgcttg aaacatagga g 21

<210>16

<211>38

<212>DNA

<213>人工序列

<400>16

actgaacctg accgtacacg tctcatttga gaagaacc 38

<210>17

<211>20

<212>DNA

<213>人工序列

<400>17

aagttctgag gaaaagcaga 20

<210>18

<211>38

<212>DNA

<213>人工序列

<400>18

actgaacctg accgtacact ttcgttggac ttacttgg 38

<210>19

<211>18

<212>DNA

<213>人工序列

<400>19

gttctctcag cacgttcg 18

<210>20

<211>34

<212>DNA

<213>人工序列

<400>20

actgaacctg accgtacaca tcgccgcacc tttc 34

<210>21

<211>19

<212>DNA

<213>人工序列

<400>21

acagggtcct ctgcagctt 19

<210>22

<211>37

<212>DNA

<213>人工序列

<400>22

actgaacctg accgtacact ttcatgccaa cttgttt 37

<210>23

<211>20

<212>DNA

<213>人工序列

<400>23

ttcaggagta cctggagaaa 20

<210>24

<211>38

<212>DNA

<213>人工序列

<400>24

actgaacctg accgtacacc taacactggt ttcagagc 38

<210>25

<211>20

<212>DNA

<213>人工序列

<400>25

aaggtcatcc atgacaactt 20

<210>26

<211>36

<212>DNA

<213>人工序列

<400>26

actgaacctg accgtacagc catccacagt cttctg 36

<210>27

<211>19

<212>DNA

<213>人工序列

<400>27

caggtccgag gttactgac 19

<210>28

<211>40

<212>DNA

<213>人工序列

<400>28

actgaacctg accgtacaca ctttctgcca gtgtgtcttc 40

Claims

1.用于肺癌治疗方案选择和/或预后评估的检测试剂盒，其特征在于，所述试剂盒的组成为：

(1)Master mix for quantitative RT-PCR；

(2)用于检测所述基因群各基因的引物，引物序列如SEQ ID No.1至28所示；和

(3)FAM标记的通用探针；

所述基因群为：β-catenin、Endomuscin、BMP15T/N、BMP7T/N、BMP8、CD133、IL24、OSG、OSP-C、PlGF1-TN、TEM8、SDF1、GAPDH管家基因对照和CK19管家基因对照。

2.用于检测权利要求1所述基因群表达的引物，其特征在于，所述引物序列如SEQ ID No.1-SEQ ID No.28所示。

3.特异检测所述的基因群的引物或探针用于制备肺癌治疗方案选择和/或预后评估的检测试剂盒的用途，其特征在于，所述基因群为：β-catenin、Endomuscin、BMP15T/N、BMP7T/N、BMP8、CD133、IL24、OSG、OSP-C、PlGF1-TN、TEM8、SDF1、GAPDH管家基因对照和CK19管家基因对照。

4.特异检测权利要求1所述的基因群的基因芯片用于制备肺癌治疗方案选择和/或预后评估的用途，其特征在于，所述基因群为：β-catenin、Endomuscin、BMP15T/N、BMP7T/N、BMP8、CD133、IL24、OSG、OSP-C、PlGF1-TN、TEM8、SDF1、GAPDH管家基因对照和CK19管家基因对照。