CN101861398A - 用于乳腺癌紊乱分析的方法 - Google Patents

用于乳腺癌紊乱分析的方法 Download PDF

Info

Publication number
CN101861398A
CN101861398A CN200880107404A CN200880107404A CN101861398A CN 101861398 A CN101861398 A CN 101861398A CN 200880107404 A CN200880107404 A CN 200880107404A CN 200880107404 A CN200880107404 A CN 200880107404A CN 101861398 A CN101861398 A CN 101861398A
Authority
CN
China
Prior art keywords
seq
sequence
methylation state
tissue
sequences
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200880107404A
Other languages
English (en)
Inventor
S·卡马拉卡兰
R·卢西托
J·B·希克斯
X·赵
J·肯达尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Cold Spring Harbor Laboratory
Original Assignee
Koninklijke Philips Electronics NV
Cold Spring Harbor Laboratory
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV, Cold Spring Harbor Laboratory filed Critical Koninklijke Philips Electronics NV
Publication of CN101861398A publication Critical patent/CN101861398A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6813—Hybridisation assays
    • C12Q1/6827—Hybridisation assays for detection of mutation or polymorphism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/154—Methylation markers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

用于乳腺癌紊乱分析的方法，包含确定在从根据SEQ ID NO.1至10和/或SEQ ID NO.50至SEQ ID NO.60的序列群组中选择的序列中的一种或多种CpG二核苷酸的基因组甲基化状态。可选地，附加地执行下述步骤：将来自甲基化状态测试的一种或多种结果输入到从诊断多变量模型获得的分类器中，计算关于该样本是来自正常组织还是乳腺癌组织的可能性，和/或计算用于预测置信度的关联p值。

Description

用于乳腺癌紊乱分析的方法
技术领域
本发明属于生物学和化学领域，更具体而言属于分子生物学和人类遗传学领域。本发明涉及识别人类DNA中的甲基化位，特别是某些规定序列中的甲基化位的领域，该甲基化位在被甲基化时指示乳腺癌。
背景技术
在全世界，乳腺癌是癌症死亡的第五位最常见起因(在肺癌、胃癌、肝癌和结肠癌之后)。在2005年，乳腺癌在全世界导致502,000例死亡(癌症死亡的7％；全部死亡的几乎1％)。在全世界的妇女中，乳腺癌是最常见的癌症且是癌症死亡的最常见起因。
在美国，乳腺癌是癌症死亡的第三位最常见起因(在肺癌和结肠癌之后)。在2007年，乳腺癌在美国预期引起40,910例死亡(癌症死亡的7％；全部死亡的几乎2％)。在美国的妇女中，乳腺癌是最常见的癌症且是癌症死亡的第二位最常见起因(在肺癌之后)。美国的妇女一生中有1/8的机会患上侵入性乳腺癌以及1/33的机会患上致其死亡的乳腺癌。
乳腺癌是通过对外科手术移除的乳房组织的病理(微观)检查来诊断。许多过程可以在病因性治疗之前获得用于组织学或细胞学检查的组织或细胞。这些过程包含细针抽吸、乳头抽吸、乳管灌洗、芯针切片以及局部手术切除切片。这些诊断步骤在与射线成像组合时经常精确地将乳腺病变诊断为癌症。有时候，诸如细针抽吸的手术前过程可能不会提供足够组织以进行诊断，或者会完全错过癌症。成像测试有时用于检测转移且包含胸部X射线、骨扫描、CT、MRI和PET扫描。尽管成像研究在确定转移性疾病的存在方面是有用的，但是成像研究不是在诊断癌症且本身不诊断癌症。仅切片样品的微观评价可提供癌症诊断。Ca 15.3(糖类抗原15.3，上皮粘蛋白)是在血液中确定的肿瘤标志物(marker)，其可以用于追随病因性治疗之后疾病活性随时间的变化。血液肿瘤标志物测试不为筛查乳腺癌而常规地进行，且对于此目的具有不良的表现特性。
因此，具有快速、可靠且可以理想地由未受训练人员进行的用于分析乳腺癌紊乱的方法将是有益的。这种方法理想地不需要由受训练医师进行分析。
发明内容
本发明教导了一种用于分析乳腺癌紊乱的方法，其包含确定从在SEQ ID NO.1至100的群组中选择的序列中的一种或多种CpG二核苷酸的基因组甲基化状态和/或确定特别是根据SEQ ID NO.1至10和/或SEQ ID NO.50至SEQ ID NO.60的序列中的一种或多种CpG二核苷酸的基因组甲基化状态。
感兴趣区域在表1A和表1B中指定(″开始″和″结束″)。
CpG岛是DNA骨架中存在彼此相邻(即，通过磷酸二酯键联接)的大量胞嘧啶和鸟嘌呤的区域。它们是在哺乳动物基因的启动子(promoter)约40％附近(在人类启动子中约70％)。CpG记号中的″p″是指胞嘧啶和鸟嘌呤之间的磷酸二酯键。
CpG岛的长度典型地为300至3000个碱基对。这些区域是由等于或大于统计学预期的CpG二核苷酸含量(≈6％)来表征，而基因组的其余部分具有低得多的CpG频率(≈1％)，此现象称为CG抑制。与基因的编码区域中的CpG位不同，在大多数情形中，如果基因被表达，则启动子的CpG岛中的CpG位是未甲基化的。这种观察导致这样的推测，即，基因的启动子中CpG位的甲基化会阻碍基因的表达。甲基化对于压印连同组织蛋白修正是至关重要的。CpG岛的通常的正式定义是这样的区域，该区域具有至少200个bp(碱基对)和具有大于50％的GC百分比以及具有大于0.6的观察/预期CpG比率。
这里，CpG二核苷酸为在活体中，特别是在人类中发现的处于甲基化和未甲基化状态的CpG二核苷酸。
本发明涉及一种方法，其中原发(primary)癌症使用此处公开的一种或多种序列的甲基化模式来探测，且其中所获得的甲基化模式还用于预测对于乳腺癌治疗的医疗响应。
这里，对象理解成是所有的人、患者、动物，无论它们是否呈现病理变化。在本发明的含义中，从细胞、组织、器官、有机体或类似物收集的任何样本可以是待诊断患者的样本。在根据本发明的优选实施例中，患者是人。在本发明的另一优选实施例中，患者为被怀疑具有选自下述群组的疾病的人：原发乳腺癌、继发(secondary)乳腺癌、表面上皮间质肿瘤，性索间质肿瘤、生殖细胞肿瘤。
该方法是例如通过使得能够改进识别和区分乳腺细胞增生紊乱的子类和到所述紊乱的基因倾向而用于对乳腺细胞增生紊乱的改进的诊断、治疗和监测。本发明较现有技术的改进在于，它使得能够对乳腺细胞增生紊乱进行非常具体的分类，由此允许对患者的改进的和信息充足的治疗。
这里，所要求保护的序列还涵盖与所指定序列是反向互补(reverse complement)的序列。
附图说明
图1示出用于确定基因组的差异化甲基化区域的方法。这在示例中更详细地概述。
图2示出群聚样本(列)对比甲基化基因座(行)。甲基化识别标志(signature)可以在肿瘤(顶部条左侧)和正常组织(顶部条右侧)之间进行区分。
图3示出用于构建本发明及其突出特征的方法的群聚。来自患者的样本被收集且其特定序列甲基化由任一优选实施例来确定。随后结果被馈送到诸如支持向量机之类的分类器，该分类器提供肿瘤样本或正常样本的分类并提供p值。
具体实施方式
发明人令人吃惊地发现，一小部分的DNA序列可用于分析乳腺癌紊乱。这是通过确定此处公开的序列或者其反向互补序列中一种或多种CpG二核苷酸的基因组甲基化状态来完成的。识别了适合于这种分析的总共900个序列。结果证明100个序列尤其适合。
基于仅10个序列，例如来自表1A或1B的前十个特征(p值0.000.1)，即可达到94％的分类精度(关于给定样品是否来自乳腺肿瘤这一问题的正确预测总数对比所进行的预测总数，49/52)。对于肿瘤探测的灵敏度为92.5％(37/40)，对于肿瘤探测的特异性(specificity)＝100％)。将特征大小增大到50，给出了96％的分类率(50/52被准确地分类)。
序列可以在如在下表1A中可看到的基因中找到。
表1A
  SEQID NO. ID 染色体 开始 结束 p值 基因名称
  1   ID173583   chr8   125810238   125810819   0.0000217   MTSS1
  2   ID135122   chr4   9040795   9041453   0.000058   DUB3
  3   ID59231   chr15   87711410   87711904   0.0000000747   hsa-mir-9-3
  4   ID135160   chr4   9459627   9459776   0.0000000115   DRD5
  5   ID123222   chr22   43445548   43445907   0.000000192   PRR5
  6   ID41349   chr12   105476974   105477298   0.000000362   RFX4
  7   ID146518   chr5   140703634   140703867   0.000000443   PCDHGA3
  8   ID66687   chr16   65169983   65170374   0.000000574   AY862139
  9   ID11596   chr1   146066973   146067308   0.000000872   AK123662
  10   ID112724   chr20   22514937   22515431   0.0000012   FOXA2
  11   ID56406   chr15   50874380   50874668   0.00000131   ONECUT1
  12   ID11658   chr1   146486000   146486341   0.00000157   AK123662
  13   ID114005   chr20   39198472   39198934   0.00000162   PLCG1
  14   ID41387   chr12   105851242   105851742   0.00000276   MGC17943
  15   ID130737   chr3   138963266   138963653   0.0000029   SOX14
  16   ID27050   chr11   3819507   3820119   0.00000306   RHOG
  17   ID98568   chr19   63407518   63407732   0.00000467   ZNF274
  18   ID160851   chr7   35070796   35071213   0.0000062   TBX20
  19   ID9698   chr1   92126308   92126790   0.00000624   BRDT
  20   ID35001   chr11   124134059   124134403   0.0000129   AY189281
  SEQID NO. ID 染色体 开始 结束 p值 基因名称
  21   ID188098   chrX   113641444   113641884   0.0000135   BC028688
  22   ID41218   chr12   103034912   103035336   0.0000139   NFYB
  23   ID4450   chr1   23416592   23417362   0.0000151   HNRPR
  24   ID97179   chr19   56695742   56696075   0.0000166   SIGLEC12
  25   ID137603   chr4   89285337   89285745   0.0000208   PKD2
  26   ID77777   chr17   55854004   55854719   0.0000242   LOC124773
  27   ID146531   chr5   140715120   140715429   0.0000303   PCDHGB2
  28   ID76724   chr17   44159203   44159574   0.0000679   PRAC
  29   ID135120   chr4   9006410   9006713   0.0000874   DUB3
  30   ID135121   chr4   9017069   9017727   0.0000911   AY509884
  31   ID71929   chr17   7695823   7696284   0.000130076   LOC92162
  32   ID11593   chr1   146066575   146066841   0.000154186   AK123662
  33   ID120446   chr22   20546877   20547317   0.0001669   MAPK1
  34   ID146484   chr5   140601695   140601937   0.000192752   PCDHB15
  35   ID103546   chr2   86334450   86334476   0.000264959   MRPL35
  36   ID161220   chr7   43853299   43853383   0.00030013   DBNL
  37   ID11654   chr1   146485690   146485868   0.000310651   AK123662
  38   ID146595   chr5   140777723   140778009   0.000318226   PCDHGA11
  39   ID173389   chr8   121206506   121207025   0.000396103   COL14A1
  40   ID160133   chr7   26919212   26919376   0.000432818   HOXA2
  41   ID118279   chr21   42946007   42946287   0.000498108   PDE9A
  42   ID68965   chr16   86694584   86695293   0.000498402   AK126852
  43   ID16024   chr1   224770811   224771150   0.000548832   BC043916
  SEQID NO. ID 染色体 开始 结束 p值 基因名称
  44   ID91933   chr19   18831977   18832267   0.000607126   AK125797
  45   ID146581   chr5   140768066   140768556   0.000680057   PCDHGA10
  46   ID61023   chr16   954593   954879   0.000792141   AK127296
  47   ID146570   chr5   140757958   140758452   0.000996446   PCDHGA9
  48   ID171504   chr8   65454257   65455748   0.000953039   hsa-mir-124a-2
  49   ID168737   chr8   9798186   9798550   0.000137444   hsa-mir-124a-1
  50   ID12521   chr1   153203369   153203671   0.000101994   hsa-mir-9-1
序列可以在如表1B中可看到的基因间区域中找到。
表1B
  SEQ ID NO.   ID   染色体   开始   结束   p值
  51   ID33426   chr11   89160048   89160322   1.14E-10
  52   ID90896   chr19   15148984   15149357   1.14E-10
  53   ID29499   chr11   49026728   49027002   4.06E-10
  54   ID169777   chr8   24827761   24828171   6.48E-10
  55   ID109204   chr2   220021958   220022344   8.65E-10
  56   ID103749   chr2   91295935   91296161   1.82E-09
  57   ID99161   chr2   2812784   2813304   1.82E-09
  58   ID45297   chr13   27400198   27400742   3.38E-09
  59   ID166666   chr7   149354316   149354562   6.06E-09
  60   ID167174   chr7   152884159   152884405   6.96E-09
  SEQ ID NO.   ID   染色体   开始   结束   p值
  61   ID34211   chr11   113989177   113989682   9.11E-09
  62   ID152478   chr6   42253517   42253868   9.63E-09
  63   ID24712   chr10   130382122   130382412   9.63E-09
  64   ID49246   chr14   28324500   28324758   1.30E-08
  65   ID34960   chr11   123811259   123816128   1.34E-08
  66   ID112713   chr20   22506327   22506681   1.59E-08
  67   ID54570   chr15   24795835   24796140   2.70E-08
  68   ID89508   chr19   9469673   9470021   2.98E-08
  69   ID13622   chr1   177614171   177614509   3.10E-08
  70   ID1820   chr1   3672455   3672910   3.10E-08
  71   ID29015   chr11   45136542   45137024   3.10E-08
  72   ID91861   chr19   18622132   18622478   3.46E-08
  73   ID77745   chr17   55571595   55571965   4.18E-08
  74   ID98238   chr19   61846590   61847055   4.44E-08
  75   ID76689   chr17   44074514   44074967   4.50E-08
  76   ID76692   chr17   44075076   44075400   6.20E-08
  77   ID59231   chr15   87711410   87711904   7.47E-08
  78   ID124608   chr3   6878205   6878499   8.97E-08
  79   ID10950   chr1   116868496   116868706   9.58E-08
  80   ID159953   chr7   24097508   24097911   9.58E-08
  SEQ ID NO.   ID   染色体   开始   结束   p值
  81   ID115475   chr20   58536847   58537548   1.23E-07
  82   ID126115   chr3   38714269   38714730   1.92E-07
  83   ID71392   chr17   6057091   6057605   2.51E-07
  84   ID105601   chr2   121341432   121341916   2.61E-07
  85   ID168382   chr8   1982797   1983256   2.61E-07
  86   ID147288   chr5   158456751   158457100   2.69E-07
  87   ID137304   chr4   81466911   81467150   3.30E-07
  88   ID179567   chr9   101579069   101579476   3.92E-07
  89   ID3487   chr1   16606704   16606778   4.25E-07
  90   ID92361   chr19   34425570   34426104   4.25E-07
  91   ID177598   chr9   66276397   66276499   4.45E-07
  92   ID3846   chr1   18994906   18995319   5.42E-07
  93   ID35773   chr12   125067   125386   5.88E-07
  94   ID117488   chr21   33327565   33327930   7.29E-07
  95   ID89802   chr19   10450948   10451249   8.72E-07
  96   ID64615   chr16   29702807   29703873   8.92E-07
  97   ID168612   chr8   7917174   7917432   9.20E-07
  98   ID16187   chr1   225850241   225850586   9.73E-07
  99   ID73339   chr17   21160807   21161232   1.13E-06
  100   ID18029   chr10   11462206   11463043   1.53E-06
形成本发明的基础的基因优选地用于形成″基因面板(genepanel)″，即，包含本发明的具体基因序列和/或它们各自的提供信息的甲基化位的集合。基因面板的形成允许对乳腺癌特定方面的快速和特定分析。如本发明中描述和采用的基因面板(多个)可以以具有令人吃惊的高效率地用于对乳腺细胞增生紊乱的诊断、治疗和监测且也用于对到乳腺细胞增生紊乱的倾向的分析，然而特别是用于乳腺肿瘤的探测。
此外，与单一基因诊断和探测工具相比，使用来自多种基因阵列的多个CpG位允许相对高程度的灵敏度和特异性。
本发明涉及一种用于分析乳腺癌紊乱的方法，其包含确定从根据SEQ ID NO.1至SEQ ID NO.10和/或SEQ ID NO.50至SEQ ID NO.60的序列群组中选择的序列中的一种或多种CpG二核苷酸的基因组甲基化状态。
在一个实施例中，优选的是，确定根据SEQ ID NO.1至100的一种或多种序列的甲基化状态，其中该序列具有如此处所确定的p值，如表1A或1B所指定，该p值小于1E-4(0.0001)。
在根据本发明的方法的一个实施例中，该分析是对对象中的乳腺癌的探测，且其中执行下述步骤：(a)提供来自待分析对象的样本，(b)确定从根据SEQ ID NO.1至SEQ ID NO.10和/或SEQ ID NO.50至SEQ ID NO.60的序列群组中选择的序列中的一种或多种CpG二核苷酸的甲基化状态。
CpG岛的甲基化状态是乳腺癌的指示。然而优选地，针对每个CpG确定甲基化状态且确定差异化甲基化模式，这是因为不一定所有的CpG岛都需要被甲基化。
可选地，附加地执行下述步骤：(a)将来自甲基化状态测试的一种或多种结果输入到从诊断多变量模型获得的分类器中，(b)计算有关该样本是来自正常组织还是乳腺癌组织的可能性，和/或(c)计算用于预测置信度(confidence in the prediction)的关联p值。
例如，我们使用支持向量机分类器，用于基于来自患者的预定义组织组来“学习”肿瘤或正常样本的重要特征。该算法现在输出分类器(其中变量为来自所使用特征组的甲基化比率的方程)。来自新患者样本的甲基化比率随后被放到此分类器中。结果可以是1或0。与边际平面的距离用于提供p值。
优选的是，为根据SEQ ID NO.1至10和/或SEQ ID NO.50至SEQ ID NO.60的序列中的至少四个确定甲基化状态。
优选的是，附加地为根据SEQ ID NO.11至49和/或61至100的序列中的一个或多个确定甲基化状态。
在一个实施例中，为根据SEQ ID NO.1至SEQ ID NO.100的序列的至少十个序列、二十个序列、三十个序列、四十个序列或者多于四十个序列确定甲基化状态。尤其优选的是，为根据SEQ ID NO.1至SEQ ID NO.100的所有序列确定甲基化状态。
在一个实施例中，为根据SEQ ID NO.1至SEQ ID NO.10和SEQID NO.50至SEQ ID NO.60的序列确定甲基化状态。原则上，本发明还涉及确定根据SEQ ID NO.1至SEQ ID NO.100的序列的仅其中一个的甲基化状态。
有许多种方法用于确定DNA分子的甲基化状态。优选的是，甲基化状态借助从下述群组选择的方法的一种或多种来确定：重亚硫酸盐排序、焦磷酸排序、甲基化敏感单链构象分析(MS-SSCA)、高分辨率熔解分析(HRM)、甲基化敏感单核苷酸引物延伸(MS-SnuPE)、碱基特异性分裂(cleavage)/MALDI-TOF、甲基化特异性PCR(MSP)、微阵列基方法、msp I分裂。探测5-甲基胞嘧啶的另外已知方法的概述可以从下述综述性文章搜集到：Rein，T.，DePamphilis，M.L.，Zorbas，H.，Nucleic Acids Res.1998，26，2255。另外的方法在US2006/0292564A1中公开。
在优选实施例中，甲基化状态通过下述来确定：mspI分裂、衔接体(adaptor)的连接(ligation)、McrBC消化、PCR扩增、标记(labeling)及随后杂化。
优选的是，待分析的样本是来自从诸如下述的组织群组选择的组织类型：来自待分析组织的组织切片、阴道组织、舌头、胰腺、肝、脾、卵巢、肌肉、关节组织、神经组织、胃肠道组织、肿瘤组织、体液、血液、血清、唾液和尿。
在优选实施例中，探测原发癌症。
在根据本发明的方法的一个实施例中，所获得的甲基化模式用于预测对乳腺癌治疗的医疗响应。
本发明涉及探针，诸如位于上CpG位区域内的寡核苷酸。根据本发明的寡聚物通常在所谓的″组″中使用，该组含有用于SEQ IDNO.1至SEQ ID NO.100内的每个CpG二核苷酸，或者至少用于10个、优选地20个、更优选地30个、最优选地多于50个所述序列的至少一个寡核苷酸。本发明还涉及位于CpG位的区域内的寡核苷酸的反向互补。
要用于这种分析的探针基于下述标准的一种或多种来定义。(1)探针序列仅在人类基因组中出现一次；(2)C/G核苷酸的探针密度介于30％和70％；(3)杂化的熔解特性和其它标准是根据Mei R et al.Proc.Natl.Acad.Sci.USA，2003，Sept.30；100(20).11237-42。
在非常优选实施例中，所述涉及一组寡核苷酸，该组寡核苷酸针对根据SEQ ID NO.1至10和/或SEQ ID NO：50至60，或者SEQ IDNO.50至60的序列是特异的。根据本发明的寡核苷酸可以针对序列在人体内出现时是特异的，或者可以是针对已经经过重亚硫酸盐处理的序列是特异的。这种探针长度介于10和80个核苷酸，更优选地长度介于15和40个核苷酸。
在根据本发明的寡核苷酸组的情形中，优选的是，至少一个寡核苷酸结合(bind)到固相。另外优选的是，一个组的所有寡核苷酸都结合到固相。
本发明另外涉及通过分析所述序列或者所述序列的经过处理的版本(根据SEQ ID NO.1至SEQ ID NO.100以及与其互补的序列)而用于探测基因组DNA的胞嘧啶甲基化状态的具有至少10个探针(寡核苷酸和/或PNA-寡聚物)的组。
这些探针使得能够对乳腺细胞增生紊乱进行改进的探测、诊断、治疗和监测。
该组寡核苷酸还可以用于通过分析根据SEQ ID NO.1至SEQ IDNO.100之一的所述序列或者所述序列的经过处理的版本来探测单核苷酸多态性(SNP)。
根据本发明，优选的是，通过本发明而可得到的不同寡核苷酸和/或PNA-寡聚物序列的布置(所谓的″阵列″)按照其类似地结合到固相的方式存在。
不同寡核苷酸寡聚物-和/或PNA-寡聚物序列的这一阵列的特征可以在于，其以矩形或六角形晶格的形式布置在该固相上。该固相表面优选地由硅、玻璃、聚苯乙烯、铝、钢、铁、铜、镍、银或金组成。然而，硝化纤维以及塑料，诸如可以以丸形式存在或者也可以作为树脂基体存在的尼龙，是合适的备选。
因此，本发明的另一主题是一种用于制造固定到载体材料的阵列的方法，该阵列用于对乳腺细胞增生紊乱的改进的探测、诊断、治疗和监测和/或对到乳腺细胞增生紊乱的倾向的探测。在所述方法中，根据本发明的至少一种寡核苷酸耦合到固相。用于借助固相化学和光不稳定保护基团来制造这种阵列的方法例如根据美国专利NO.5,744,305而是已知的。本发明的另一主题涉及用于对乳腺细胞增生紊乱的改进的探测、诊断、治疗以及监测的DNA芯片。此外，该DNA芯片使得能够探测到乳腺细胞增生紊乱的倾向。
DNA芯片含有至少一种根据本发明的核酸和/或寡核苷酸。DNA芯片例如在美国专利NO.5,837,832中是已知的。
本发明还涉及一种包含核酸的成份(composition)或阵列，该核酸具有与根据SEQ ID NO.1至100的序列的至少10个是相同的序列，其中该成份或阵列包含不多于100种的不同核酸分子。
本发明涉及一种成份或阵列，其包含累计p值小于0.001，优选地小于0.0001的至少5种序列。
再者，本发明的一个主题是一种试剂盒(kit)，该试剂盒可由例如含有重亚硫酸盐的试剂、含有至少两种寡核苷酸的引物寡核苷酸组所组成，在每一种情形中，该至少两种寡核苷酸的序列与SEQ ID NO.1至SEQ ID NO.100中指定的碱基序列的至少15个碱基长的区段(segment)对应或互补。优选的是，该引物用于SEQ ID NO.1至10和/或SEQ ID NO.50至SEQ ID NO.60。
示例
样本
患者样本从挪威奥斯陆的Norwegian Radium Hospital和National Cancer Institute的Cooperative Human Tissue Network(CHTN)获得，且患者同意是是按法律规定而获得的。
CPG岛
注释的CpG岛从UCSC基因组浏览器获得。这些岛使用已出版的Gardiner-Garden定义(Gardiner-Garden，M.and M.Frommer(1987).″CpG islands in vertebrate genomes.″J Mol Biol 196(2)：261-82)来预测，该定义涉及下述标准：长度≥200bp，％GC≥50％，观察/预期CpG≥0.6。在基因组中存在200bp至2000bp范围内～26219个CpG岛。这些岛被Msp I限制性碎裂所良好地覆盖。
阵列是由Nimblegen Systems Inc使用390K格式根据下述规格来制造。来自人类基因组版本33(hg17)的CpG岛注释被用于设计50mer(碱基)的瓦片阵列。50mer在岛序列坐标的任一侧上被偏移以使岛均匀地分布。390K格式具有367,658个可用的特征，这些特征并不匹配具有50mer瓦片的所有岛。因此我们基于大小对将被表示的岛进行截止，仅大小为200b至2000b的CpG岛被测定。控制探针设计成表示背景信号。样本制备：表示(representation)在先前已经予以描述(Lucito，R.，J.Healy等(2003).″Representational oligonucleotidemicroarray analysis：a high-resolution method to detect genome copynumber variation″Genome Res 13(10)：2299-305.)，其变化如下。所使用的主要限制性核酸内切酶为MspI。在消化之后，下述联接体(linker)被连接(MspI24mer和MSPI12mer)。12mer不被磷酸化且不连接。在连接之后，该材料用苯酚氯仿清洁、析出、离心以及再悬浮(re-suspend)。该材料分为两半，一半由核酸内切酶McrBC消化以及另一半被模拟消化。每个样本对使用少至四个250μl试管来扩增该表示，每个试管进行100ul体积反应。循环条件为95℃1分钟、72℃3分钟，进行15个循环，随后在72℃延伸10分钟。当完成时，用于每一对的试管的内容被冷却。表示通过苯酚：氯仿提取来清洁、析出、再悬浮，且确定浓度。DNA如所述用较小变化来标记(Lucito，R.，J.Healy 等(2003).″Representational oligonucleotide microarrayanalysis：a high-resolution method to detect genome copy numbervariation″Genome Res 13(10)：2291-305.)。简单地说，将2ug的DNA模板放置(溶解在pH 8的TE中)在0.2mL PCR试管中。添加5μl的随机九聚体(Sigma Genosys)，用dH2O补足到25μL，并混合。试管放置在四分体(Tetrad)中以100℃放置5分钟，随后在冰上放置5分钟。向此试管中添加5μl的NEB Buffer2，5μL的dNTP(0.6nm dCTP、1.2nm dATP、dTTP、dGTP)，来自GE Healthcare的5μl的标记(Cy3-dCTP或Cy5-dCTP)，2μl的NEB Klenow碎片(fragment)以及2μldH2O。杂化和清洗的过程遵从先前报导(Lucito，R.，J.Healy等(2003).″Representational oligonucleotide microarray analysis：ahigh-resolution method to detect genome copy number variation″Genome Res 13(10)：2291-305)，不同之处为用于杂化的炉温提高到50℃。使用被设定在像素大小为5μm的Axon GenePix 4000B扫描器来扫描阵列。GenePix Pro 4.0软件用于对阵列的强度定量。阵列数据被引入S-PLUS供进一步分析。
数据分析
微阵列图像在GenePix 4000B扫描器上被扫描，且数据使用Nimblescan软件(Nimblegen Systems Inc)来提取。对于每个探针，McrBc和控制经处理样本的比率(GeoMeanRatio)的几何平均值针对每个实验及其相关染料交换进行计算。数据集中所有样本的GeoMeanRatio随后使用分位数归一化方法(Bolstad，B.M.，R.A.Irizarry等(2003).″A comparison of normalization methods for highdensity oligonucleotide array data based on variance and bias″Bioinformatics 19(2)：185-93)来归一化。每个实验的归一化比率随后使用中位数平滑模型折叠(collapsed)以得到用于每个MspI碎片中的所有探针的一个值。折叠的数据随后用于进一步分析。
方差分析用于识别最显著(significant)的岛。为了确定肿瘤和正常样本之间的甲基化中最为一致地发生的变化，我们使用t测试(t-test)方法。在针对多次测试校正之后使用0.001的p值截止(FalseDiscovery Rate，Benjamini and Hotchberg(Benjamini 1995))，我们得到表现差异化甲基化的916个MspI碎片的列表，其是基于与基因的关联而从这些916个碎片导出的。
受监督的学习：我们使用受监督的机器学习分类器来识别用于将肿瘤样本与正常样本区分开所需要的多个特征。公开可得的支持向量机(SVM)库(LibSVM Ver 2.8)用于使用省去一个(leave one out)的方法(Lin，C.-C.C.a.C.-J.(2001).LIBSVM：a library for support vectormachine)来获得分类精度。用于分类的甲基化特征先使用t测试而单独在训练数据中选择。SVM随后使用径向基函数(RBF)内核在前(top)10、50和100个特征上进行训练。
对于N个样本，t测试针对(N-1)个样本进行，以识别甲基化比率具有显著差异的碎片。对于乳房数据集，这针对所有52个乳房样本进行52次，使得在t测试计算期间每个样本被省去一次。来自(N-1)个样本的前10个碎片特征的甲基化比率随后用于训练SVM且来自一个未受训练样本的比率用于测试。基于仅仅10个特征，我们可以得到94％的分类精度(正确预测总数/预测总数，49/52)。对于肿瘤探测的灵敏度为92.5％(37/40)，对于肿瘤探测的特异性＝100％)。将特征大小增大到50，得到96％的分类率(50/52被正确地分类)。令人感兴趣的是，在此分析中被分类为正常的两个肿瘤样本在基因表达和ROMA分析中均最接近正常。
甲基化位的探测
在优选实施例中，该方法包含下述步骤：在该方法的第一步骤中，基因组DNA样本必须与诸如细胞系、组织或者血液样本的源隔离。提取可通过对于本领域技术人员而言是标准的手段来进行，这些手段包含使用洗涤剂裂解(lysate)、发音(sonification)以及用玻璃珠涡旋。一旦已经提取了核酸，则在分析中使用基因组双链DNA。
在优选实施例中，DNA可以在该方法的下一步骤之前被分裂，这可以是通过现有技术中标准的任何手段，具体地但不限于使用限制性核酸内切酶来进行。
在该方法的第二步骤中，基因组DNA样本按照下述方式来处理，即，在5′-位置未甲基化的胞嘧啶碱基被转换成尿嘧啶、胸腺嘧啶、或者就杂化行为而言与胞嘧啶不相似的另一碱基。这在下文中将被理解为′预处理′。
如上所述的基因组DNA的处理优选地使用重亚硫酸盐(亚硫酸盐、偏重亚硫酸盐(disulfite))以及随后的碱水解来实施，该碱水解导致非甲基化的胞嘧啶核苷碱基转换成尿嘧啶或者就碱基变化(vairine)行为而言与胞嘧啶不同的另一碱基。如果重亚硫酸盐溶液用于该反应，则加成反应发生在非甲基化的胞嘧啶碱基处。再者，变性试剂或溶剂以及自由基拦截体必须存在。随后的碱水解则引起非甲基化的胞嘧啶核苷碱基转换成尿嘧啶。经转换的DNA随后用于甲基化胞嘧啶的探测。
扩增碎片。由于统计学和实际考虑，优选地扩增具有长度为100-2000个碱基对的多于十个的不同碎片。若干DNA区段的扩增可以在一个相同的反应容器中同时实施。通常，扩增是借助聚合酶链式反应(PCR)来实施。这些引物的设计对于本领域技术人员而言是显而易见的。这些应包含至少两种寡核苷酸，其序列均与附录中所指出的碱基序列(SEQ ID NO.1至SEQ ID NO.100)的至少15个碱基对长的区段是反向互补的或者是相同的。所述引物寡核苷酸优选特征在于，它们不含有任何CpG二核苷酸。在该方法的尤为优选的实施例中，所述引物寡核苷酸的序列设计为选择性地退火到和扩增仅感兴趣的乳腺细胞特异DNA，由此最小化背景或不相干DNA的扩增。在本发明的上下文中，背景DNA意指不具有相关组织特异甲基化模式的基因组DNA，这种情况下，该相关组织为健康以及患病的乳腺细胞。
根据本发明，优选的是，至少一个引物寡核苷酸在扩增期间结合到固相。不同的寡核苷酸和/或PNA-寡聚物序列可以以矩形或六角形晶格的形式布置在平面固相上，该固相表面优选地由硅、玻璃、聚苯乙烯、铝、钢、铁、铜、镍、银或金组成，诸如硝化纤维或塑料的其它材料也同样可以被使用。借助扩增获得的碎片可携带直接或间接可探测的标记。优选的是形式为这样的标记：荧光标记、放射性核素、或者具有在质谱仪中可以被探测到的典型质量的可分开的分子碎片，优选地所制作的碎片具有单个正或负净电荷以在质谱仪中具有更好的可探测性。该探测可以借助基质辅助激光解吸电离质谱(MALDI)或者使用电子喷雾质谱(ESI)来实施或可视化。
在下一步骤中，分析核酸扩增子从而在处理之前确定基因组DNA的甲基化状态。
核酸的后处理分析可以使用备选方法来实施。用于经过处理的核酸的甲基化状态特异分析的若干种方法是已知的，其它备选方法对于本领域技术人员而言将是显而易见的。
使用本领域中已知的若干种方法，该分析可以在该方法的扩增步骤期间实施。在一个这种实施例中，包含SEQ ID NO.1至SEQ ID NO.100的核酸内的预选定CpG位置的甲基化状态可以使用甲基化特异引物寡核苷酸来探测。此技术已经在美国专利NO.6,265,171中予以描述。

Claims (13)

1.一种用于乳腺癌紊乱分析的方法，包含确定在从根据SEQ IDNO.1至10和/或SEQ ID NO.50至SEQ ID NO.60的序列群组中选择的序列中的一种或多种CpG二核苷酸的基因组甲基化状态。
2.根据权利要求1所述的方法，其中该分析是探测对象中的乳腺癌以及其中执行下述步骤，
a.提供来自待分析对象的样本
b.确定在从根据SEQ ID NO.1至10和/或SEQ ID NO.50至SEQID NO.60的序列群组中选择的序列中的一种或多种CpG二核苷酸的甲基化状态。
3.根据权利要求1或2所述的方法，其中附加地执行下述步骤，
a.将来自甲基化状态测试的一种或多种结果输入到从诊断多变量模型获得的分类器中，
b.计算关于该样本是来自正常组织还是乳腺癌组织的可能性，和/或，
c.计算用于预测置信度的关联p值。
4.根据权利要求1至3所述的方法，其中为根据SEQ ID NO.1至10和/或SEQ ID NO.50至SEQ ID NO.60的至少四个序列确定甲基化状态。
5.根据权利要求1至4所述的方法，其中附加地为根据SEQ IDNO.11至49和/或61至100的一个或多个序列确定甲基化状态。
6.根据权利要求1至5所述的方法，其中为根据SEQ ID NO.1至100的至少二十个序列确定甲基化状态。
7.根据权利要求1至6所述的方法，其中为根据SEQ ID NO.1至SEQ ID NO.10以及SEQ ID NO.50至SEQ ID NO.60的序列确定甲基化状态。
8.根据权利要求1至7所述的方法，其中甲基化状态借助从下述群组选择的一种或多种方法来确定，
a.重亚硫酸盐排序
b.焦磷酸排序
c.甲基化敏感单链构象分析(MS-SSCA)
d.高分辨率熔解分析(HRM)
e.甲基化敏感单核苷酸引物延伸(MS-SnuPE)
f.碱基特异分裂/MALDI-TOF
g.甲基化特异PCR(MSP)
h.微阵列基方法，和
i.msp I分裂。
9.根据权利要求1至8任意一项所述的方法，其中待分析的样本是来自从诸如下述的组织群组选择的组织类型：来自待分析组织的组织切片、阴道组织、舌头、胰腺、肝、脾、卵巢、肌肉、关节组织、神经组织、胃肠道组织、肿瘤组织、体液、血液、血清、唾液和尿。
10.根据权利要求2至9所述的方法，其中探测原发癌症。
11.根据权利要求1至10所述的方法，其中所获得的甲基化模式用于预测对乳腺癌治疗的医疗响应。
12.包含核酸的成份或阵列，该核酸具有与根据SEQ ID NO.1至100的至少10种序列是相同的序列，其中该成份或阵列包含不多于100种的不同核酸分子。
13.根据权利要求12所述的成份或阵列，包含累计p值小于0.001，优选地小于0.0001的至少5种序列。
CN200880107404A 2007-09-17 2008-09-16 用于乳腺癌紊乱分析的方法 Pending CN101861398A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US97284307P 2007-09-17 2007-09-17
US60/972843 2007-09-17
PCT/IB2008/053745 WO2009037635A2 (en) 2007-09-17 2008-09-16 Method for the analysis of breast cancer disorders

Publications (1)

Publication Number Publication Date
CN101861398A true CN101861398A (zh) 2010-10-13

Family

ID=40445638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880107404A Pending CN101861398A (zh) 2007-09-17 2008-09-16 用于乳腺癌紊乱分析的方法

Country Status (6)

Country Link
US (1) US20100279879A1 (zh)
EP (1) EP2193209B1 (zh)
JP (1) JP5604300B2 (zh)
CN (1) CN101861398A (zh)
RU (1) RU2492243C2 (zh)
WO (1) WO2009037635A2 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105296655A (zh) * 2015-11-26 2016-02-03 北京市中医研究所 检测顺式作用元件有无甲基化修饰或其修饰位点的方法
CN107043814A (zh) * 2017-02-23 2017-08-15 吉林大学 Nfyb基因作为急性心肌梗死风险预测标记物中的用途
CN108866191A (zh) * 2018-07-26 2018-11-23 上海奕谱生物科技有限公司 基于甲基化修饰的肿瘤标记物stamp-ep2

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110113642A (ko) * 2009-01-30 2011-10-17 코닌클리케 필립스 일렉트로닉스 엔.브이. 유방 종양의 하위분류 방법
EP2450455B1 (en) * 2009-06-30 2016-03-16 Sysmex Corporation Method for determining presence or absence of epithelial cancer-origin cell in biological sample, and kit therefor
WO2011036604A2 (en) * 2009-09-22 2011-03-31 Koninklijke Philips Electronics N.V. Method and compositions for assisting in diagnosing and/or monitoring breast cancer progression
CN103620608A (zh) * 2010-10-08 2014-03-05 皇家飞利浦电子股份有限公司 生物医学标记物之间多模态关联的鉴定
WO2017119510A1 (ja) * 2016-01-08 2017-07-13 国立大学法人京都大学 乳がんの診断のための検査方法、遺伝子マーカー、および検査薬
RU2623857C1 (ru) * 2016-06-22 2017-06-29 федеральное государственное бюджетное образовательное учреждение высшего образования "Новосибирский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО НГМУ Минздрава России) Способ выявления предраковых изменений в молочной железе
WO2019055505A1 (en) * 2017-09-13 2019-03-21 Christiana Care Health Services, Inc. IDENTIFICATION OF EPIGENETIC SIGNATURES INDICATING BREAST CANCER
RU2674164C1 (ru) * 2017-10-17 2018-12-05 федеральное государственное бюджетное образовательное учреждение высшего образования "Новосибирский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО НГМУ Минздрава России) Способ выявления предраковых изменений в молочной железе
RU2696114C2 (ru) * 2017-12-27 2019-07-31 Общество с ограниченной ответственностью "ПостгенТех" (ООО "ПостгенТех") Способ диагностики рака молочной железы и рака яичников
CN112382342A (zh) * 2020-11-24 2021-02-19 山西三友和智慧信息技术股份有限公司 一种基于集成特征选择的癌症甲基化数据分类方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5744101A (en) 1989-06-07 1998-04-28 Affymax Technologies N.V. Photolabile nucleoside protecting groups
US5837832A (en) 1993-06-25 1998-11-17 Affymetrix, Inc. Arrays of nucleic acid probes on biological chips
US6017704A (en) 1996-06-03 2000-01-25 The Johns Hopkins University School Of Medicine Method of detection of methylated nucleic acid using agents which modify unmethylated cytosine and distinguishing modified methylated and non-methylated nucleic acids
KR100870486B1 (ko) * 2000-09-01 2008-12-11 에피제노믹스 아게 게놈 디엔에이 시료의 서열 콘택스트 5'-씨피쥐-3'에서 특정 시토신의 메틸화 정도 측정방법
ATE429511T1 (de) * 2001-03-01 2009-05-15 Epigenomics Ag Verfahren zur entwicklung von gensätzen zu diagnostischen und therapeutischen zwecken auf grundlage des expressions- und methylierungsstatus der gene
DE10112515B4 (de) * 2001-03-09 2004-02-12 Epigenomics Ag Verfahren zum Nachweis von Cytosin-Methylierungsmustern mit hoher Sensitivität
US20030215842A1 (en) * 2002-01-30 2003-11-20 Epigenomics Ag Method for the analysis of cytosine methylation patterns
EP1540014A2 (en) 2002-08-27 2005-06-15 Epigenomics AG Method and nucleic acids for the analysis of breast cell proliferative disorders
CA2487578A1 (en) * 2003-12-11 2005-06-11 Epigenomics Ag Prognostic markers for prediction of treatment response and/or survival of breast cell proliferative disorder patients
RU2245551C1 (ru) * 2004-04-23 2005-01-27 Белохвостов Александр Сергеевич Способ диагностики онкологических заболеваний
WO2005123945A2 (en) * 2004-06-21 2005-12-29 Epigenomics Ag Epigenetic markers for the treatment of breast cancer
EP2281902A1 (en) * 2004-07-18 2011-02-09 Epigenomics AG Epigenetic methods and nucleic acids for the detection of breast cell proliferative disorders
WO2007019670A1 (en) * 2005-07-01 2007-02-22 Graham, Robert Method and nucleic acids for the improved treatment of breast cancers
CA2678919A1 (en) * 2007-03-27 2008-10-02 Ranit Aharonov Gene expression signature for classification of cancers

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105296655A (zh) * 2015-11-26 2016-02-03 北京市中医研究所 检测顺式作用元件有无甲基化修饰或其修饰位点的方法
CN107043814A (zh) * 2017-02-23 2017-08-15 吉林大学 Nfyb基因作为急性心肌梗死风险预测标记物中的用途
CN107043814B (zh) * 2017-02-23 2018-09-14 吉林大学 Nfyb基因作为急性心肌梗死风险预测标记物中的用途
CN108866191A (zh) * 2018-07-26 2018-11-23 上海奕谱生物科技有限公司 基于甲基化修饰的肿瘤标记物stamp-ep2
CN108866191B (zh) * 2018-07-26 2021-07-09 上海奕谱生物科技有限公司 基于甲基化修饰的肿瘤标记物stamp-ep2

Also Published As

Publication number Publication date
WO2009037635A2 (en) 2009-03-26
RU2492243C2 (ru) 2013-09-10
RU2010115274A (ru) 2011-10-27
JP5604300B2 (ja) 2014-10-08
EP2193209B1 (en) 2014-11-12
EP2193209A2 (en) 2010-06-09
WO2009037635A3 (en) 2009-07-02
US20100279879A1 (en) 2010-11-04
JP2010538638A (ja) 2010-12-16

Similar Documents

Publication Publication Date Title
CN101861398A (zh) 用于乳腺癌紊乱分析的方法
US8652777B2 (en) Method for the analysis of ovarian cancer disorders
JP6954964B2 (ja) エピジェネティックドメインの安定性の全般的な損失を通して癌を検出する方法およびその組成物
EP3329010B1 (en) Nucleic acids and methods for detecting chromosomal abnormalities
US20020137086A1 (en) Method for the development of gene panels for diagnostic and therapeutic purposes based on the expression and methylation status of the genes
US20110177517A1 (en) Partition defined detection methods
CN107406885A (zh) 使用血浆dna的尺寸和数目畸变检测癌症
CN106795562A (zh) Dna混合物中的组织甲基化模式分析
CN104781422A (zh) 从血浆无创测定胎儿或肿瘤的甲基化组
CN110029158B (zh) 一种马凡综合征检测panel及其应用
CN104264231B (zh) 构建测序文库的方法及其应用
EP3649260B1 (en) Target-enriched multiplexed parallel analysis for assessment of tumor biomarkers
CN107475403A (zh) 从外周血游离dna中检测循环肿瘤dna的方法、试剂盒及其测序结果的分析方法
Bai et al. Single-cell sequencing technology in tumor research
WO2022124717A1 (ko) 인공지능을 이용하여 도출된 리보좀 유전자 세트를 이용한 유방암 예후 예측방법
EP2379744B1 (en) Method for the detection of dna methylation patterns
WO2023226939A1 (zh) 用于检测结直肠癌淋巴结转移的甲基化生物标记物及其应用
EP3649258B1 (en) Target-enriched multiplexed parallel analysis for assessment of fetal dna samples
WO2022124718A1 (ko) 인공지능을 이용하여 도출된 미토콘드리아 리보좀 유전자 세트를 이용한 유방암 예후 예측방법
CN102776270A (zh) 检测dna甲基化的方法和装置
CN103131782A (zh) 一种检测早期非小细胞肺癌多位点关联基因的试剂盒
CN109022592A (zh) 用于四种常用品系大鼠鉴定的snp标记及其应用
US20170022570A1 (en) Methods, treatment, and compositions for characterizing thyroid nodule
TWI676688B (zh) 辨識細胞種類型之方法及系統
EP4234720A1 (en) Epigenetic biomarkers for the diagnosis of thyroid cancer

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20101013

RJ01 Rejection of invention patent application after publication