CN102930135A - 糖尿病及并发症的表征参数的获取方法 - Google Patents
糖尿病及并发症的表征参数的获取方法 Download PDFInfo
- Publication number
- CN102930135A CN102930135A CN2012103712225A CN201210371222A CN102930135A CN 102930135 A CN102930135 A CN 102930135A CN 2012103712225 A CN2012103712225 A CN 2012103712225A CN 201210371222 A CN201210371222 A CN 201210371222A CN 102930135 A CN102930135 A CN 102930135A
- Authority
- CN
- China
- Prior art keywords
- diabetes
- complication
- disease
- characterization parameter
- site
- 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
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及一种糖尿病及并发症的表征参数的获取方法,该方法包括以下步骤:1)建立糖尿病及并发症易感基因数据库;2)根据数据库构建个体糖尿病及并发症的表征参数分析平台;3)基于分析平台对个体的糖尿病及并发症的表征参数进行分析;4)输出个体的糖尿病及并发症的表征参数。本发明提供了一种获取的表征信息准确、获取信息及时以及为后续治疗工作奠定基础的糖尿病及并发症的表征参数的获取方法。
Description
技术领域
本发明属于医疗检测技术领域,涉及一种参数的获取方法,尤其涉及一种糖尿病及并发症的表征参数的获取方法。
背景技术
糖尿病(diabetes mellitus,DM)是一种与环境和遗传有关的复杂的代谢紊乱性疾病,糖尿病病情一旦失控,就会引发大血管病变(糖尿病冠心病、糖尿病脑卒中)和微血管病变(糖尿病视网膜病变、糖尿病肾病)等一系列并发症。
中国糖尿病流行病学研究显示,截止到2011年底,中国成年人的糖尿病患病人数已经超过9,200万,并且还有大约一亿五千万人即将成为糖尿病高危人群。糖尿病正在成为一种全球性疾病,同时也引发极高的并发症。国际糖尿病联合会(International Diabetes Federation)表示,到2030年时全球将会有大约4.35亿人患上糖尿病。美国糖尿病协会(ADA)统计数据显示,3年以上的糖尿病患者,出现并发症的几率在46%以上;5年以上的糖尿病患者,出现并发症的几率在61%以上;10年以上的糖尿病患者,出现并发症的几率竟高达98%。针对中国糖尿病流行病学特点,在国内率先开发出糖尿病及并发症基因检测遗传分析服务类产品。目前尚未有糖尿病及并发症的等病症的表征参数获取或判断的相关报道。
发明内容
为了解决背景技术中存在的上述技术问题,本发明提供了一种获取的表征信息准确、获取信息及时以及为后续治疗工作奠定基础的糖尿病及并发症的表征参数的获取方法。
本发明的技术解决方案是:本发明提供了一种糖尿病及并发症的表征参数的获取方法,其特殊之处在于:所述糖尿病及并发症的表征参数的获取方法包括以下步骤:
1)建立糖尿病及并发症易感基因数据库;
2)根据步骤1)所建立的糖尿病及并发症易感基因数据库构建个体糖尿病及并发症的表征参数分析平台;
3)基于步骤2)所建立的分析平台对个体的糖尿病及并发症的表征参数进行分析;
4)输出个体的糖尿病及并发症的表征参数。
上述步骤1)的具体实现方式是:
1.1)在GWAS网站上初步查询到与Ⅱ型糖尿病相关联的基因名称;
1.2)在NCBI的Pubmed数据库里面,筛查出与中国人Ⅱ型糖尿病相关的易感基因;
1.3)查找与中国人群相关的关联分析的结果,确定步骤1.2)中所得到的易感基因的位点;
1.4)在NCBI的SNP数据库中验证步骤1.3)中所确定的易感基因的位点;
1.5)编写易感基因文集;所述易感基因文集包括基因基本信息、功能信息、致病信息、提示信息以及环境因素等内容。
上述步骤1.3)中与中国人群相关的关联分析需要满足的条件是:样本是大样本人群、样本来源是中国人群、or值大于1、95%CI不包含1以及在统计学上呈显著;所述大样本人群至少包括200人。
上述与糖尿病相关联的易感基因是KCNQ1、CDKN2A/B、CDKAL1、TCF2、PPARG、TCF7L2、HNF1-beta、IGF2BP2、SLC30A8、HHEX、PTPRD、SRR、ADIPOQ、ACE、MTHFR、MTHFR、LPL、PON2、LTA、ACACB、ACE、MTHFR、EDN1、GLO1、ACE、IL5RA、NOS3以及APOA5;所述与糖尿病相关联的易感基因的位点是rs2237892、rs10811661、rs10946398、rs9465871、rs1801282、rs7903146、rs290487、rs4430796、rs4402960、rs13266634、rs7923837、rs17584499、rs391300、rs1501299、rs13447447、rs1801133、rs1801133、rs328、rs7493、rs1041981、rs2268388、rs13447447、rs1801133、rs5370、rs1049346、rs13447447、rs2290608、rs1799983、rs662799。
上述步骤2)中平台的构建过程是:
2.1)获取步骤1)所建立的糖尿病及并发症易感基因数据库中的疾病位点gr以及疾病群体gr值;
2.2)根据步骤2.1)所得到的疾病位点gr值以及疾病群体gr值获取个体疾病CGR值;
2.3)根据步骤2.2)所得到的个体疾病CGR值建立糖尿病及并发症的表征参数。
上述步骤2.1)的具体实现方式是:
所述疾病位点gr值的计算方式是:
疾病的检测位点有n个,其中,位点1有三种基因型:AA、AB、BB;所述三种基因型对应发病风险分别为or1、or2、or3;所述三种基因型对应基因型频率分别为fre1、fre2、fre3;则位点n的gr值=or1n×fre1n+or2n×fre2n+or3n×fre3n;
所述疾病群体gr是所有检测位点gr值的乘积。
上述步骤2.2)中个体疾病CGR值的计算方式是:
SGRn=基因型NN的or值/(位点n的gr值)。
CGR=SGR1×SGR2×……×SGRn。
上述步骤3)的具体实现方式是:
3.1)采集离体血液样本,并通过分子生物学手段获取该离体血液样本的个体基因检测数据;
3.2)将步骤3.1)所得到的个体基因检测数据逐个与糖尿病及并发症易感基因数据库进行比对,若对比一致,则进行步骤3.3);若不一致,则退出表征参数的获取过程;
3.3)根据步骤2)所建立的分析平台计算各种与糖尿病相关联疾病的CGR值;
3.4)根据高风险判断标准和步骤3.3)所计算出来的CGR值,得到个体糖尿病及并发症的表征参数。
本发明的优点是:
本发明通过建立基因数据库、建立表征参数检测信息平台以及输出表征参数信息等方式构建了一种糖尿病及并发症的表征参数的获取方法。对于糖尿病及并发症易感基因数据库而言,该数据库整合了糖尿病、糖尿病肾病、糖尿病视网膜病变、糖尿病脑卒中和糖尿病冠心病最新的27个易感基因29个位点。以目前的科技发展而言,基因检测能够检测出这些遗传的易感基因型,检测准确率达到99.9%。虽然将来糖尿病及并发症的易感基因会不断发掘,但是糖尿病及并发症易感基因数据库会不断更新,产品会不断进行升级。第二,本发明所采用的表征参数检测信息平台(并发症分析平台)可以高效整合、实现系统自动化处理基因检测数据,该平台引入了CGR(Combined Genetic Risk,综合发病风险指数)值为主的疾病风险评估模型,依据疾病易感基因位点检测结果,对糖尿病及并发症做了疾病遗传风险分析和高风险疾病深度遗传分析。第三,本发明所建立的基因文集(基因信息文库),在糖尿病及并发症易感基因数据库的指导下,糖尿病及并发症的每一种疾病易感基因都编写了基因文集,并信息化导入并发症分析平台。在并发症分析平台上,针对相关高风险疾病深度遗传分析,分析结果都会有疾病易感基因重点提示。第四,输出糖尿病及并发症的表征参数,该表征参数是基因导向下的健康管理建议,糖尿病及并发症基因检测是主动预防疾病的发生。了解个体在不同疾病上的发生倾向,并以基因检测结果为依据,进行全面的生活调整或干预,以期降低风险延缓疾病发生、发展。糖尿病及并发症的发生是基因、环境共同作用的结果,若检测出某种疾病的风险,那么基因导向下的健康管理建议可以针对性的进行个体干预,避开不良的生活方式和环境因素,做到真正的预防疾病。基于本发明的原理,可以预测糖尿病患者糖尿病并发症的发生倾向,延缓疾病的发生和发展。
具体实施方式
本发明提供了一种糖尿病及并发症的表征参数的获取方法,该糖尿病及并发症的表征参数的获取方法包括以下步骤:
1)建立糖尿病及并发症易感基因数据库:
1.1)在GWAS网站上初步查询到与∥型糖尿病相关联的基因名称;
1.2)在NCBI的Pubmed数据库里面,筛查出与中国人∥型糖尿病相关的易感基因;
1.3)查找与中国人群相关的关联分析的结果,确定步骤1.2)中所得到的易感基因的位点;与中国人群相关的关联分析需要满足的条件是:样本是大样本人群、样本来源是中国人群、or值大于1、95%CI不包含1以及在统计学上呈显著;所述大样本人群至少包括200人。
1.4)在NCBI的SNP数据库中验证步骤1.3)中所确定的易感基因的位点;
1.5)编写易感基因文集;所述易感基因文集包括基因基本信息、功能信息、致病信息、提示信息以及环境因素等内容。
2)根据步骤1)所建立的糖尿病及并发症易感基因数据库构建个体糖尿病及并发症的表征参数分析平台:
2.1)获取步骤1)所建立的糖尿病及并发症易感基因数据库中的疾病位点gr数据以及疾病群体gr数据;
疾病位点gr数据的计算方式是:
疾病的检测位点有n个,位点a有三种基因型:AA、AB、BB;所述三种基因型对应发病风险分别为or1、or2、or3;所述三种基因型对应基因型频率分别为fre1、fre2、fre3;则位点a的gr值=or1×fre1+or2×fre2+or3×fre3;
疾病群体gr数据是所有检测位点gr值的乘积。
2.2)根据步骤2.1)所得到的疾病位点gr数据以及疾病群体gr数据获取个体疾病CGR值:
其中:个体疾病CGR值的计算方式是:
SGRn=基因型NN的or值/(位点n的gr值)。
CGR=SGRa×SGRb×……×SGRn。
2.3)根据步骤2.2)所得到的个体疾病CGR值建立糖尿病及并发症的表征参数。
3)基于步骤2)所建立的分析平台对个体的糖尿病及并发症的表征参数进行分析:
3.1)采集离体血液样本,并通过分子生物学手段获取该离体血液样本的个体基因检测数据;
3.2)将步骤3.1)所得到的个体基因检测数据逐个与糖尿病及并发症易感基因数据库进行比对,若对比一致,则进行步骤3.3);若不一致,则退出表征参数的获取过程;
3.3)根据步骤2)所建立的分析平台计算各种与糖尿病相关联疾病的CGR值;
3.4)根据高风险判断标准和步骤3.3)所计算出来的CGR值,得到个体糖尿病及并发症的表征参数。
4)输出个体的糖尿病及并发症的表征参数。
与糖尿病相关联的易感基因是KCNQ1、CDKN2A/B、CDKAL1、TCF2、PPARG、TCF7L2、HNF1-beta、IGF2BP2、SLC30A8、HHEX、PTPRD、SRR、ADIPOQ、ACE、MTHFR、MTHFR、LPL、PON2、LTA、ACACB、ACE、MTHFR、EDN1、GLO1、ACE、IL5RA、NOS3以及APOA5;所述与糖尿病相关联的易感基因的位点是rs2237892、rs10811661、rs10946398、rs9465871、rs1801282、rs7903146、rs290487、rs4430796、rs4402960、rs13266634、rs7923837、rs17584499、rs391300、rs1501299、rs13447447、rs1801133、rs1801133、rs328、rs7493、rs1041981、rs2268388、rs13447447、rs1801133、rs5370、rs1049346、rs13447447、rs2290608、rs1799983、rs662799。
本发明采集了糖尿病及并发症27个基因29个位点的基因检测,与北京华大基因研究中心合作,采用国际上先进的ABI3730测序和MassARRAY技术平台。ABI3730测序技术平台采用毛细管电泳技术替代传统的聚丙烯酰胺平板电泳,精准的测序质量、专业的生物信息分析,保证样品每个多态性位点的精确定位;MassARRAY技术平台结合PCR的高灵敏度和质谱的高精密度,自动化分析基因变异。ABI3730测序和MassARRAY两种自动化平台极大的降低了人工操作失误的几率,完美整合保证基因检测的高质量、高效率。
糖尿病及并发症基因检测遗传分析服务类产品建立了糖尿病及并发症易感基因数据库,该数据库整合了中国汉族人糖尿病及四种并发症(糖尿病肾病、糖尿病视网膜病变、糖尿病脑卒中和糖尿病冠心病)的27个基因29个位点。在《Atherosclerosis》、《Molecular and Cellular Endocrinology》等权威杂志的《Predictive role of polymorphisms in interleukin-5receptor alpha-subunit,lipoprotein lipase,integrin A2and nitric oxide synthase genes on ischemic strokeintype 2 diabetes-An 8-year prospective cohort analysis of 1327 Chinesepatients》、《Recessive protective effect of ADIPOQ rs1501299 on cardiovascular diseaseswithtype 2 diabetes:A meta-analysis》等文章中,分析了这些多态性位点与相关疾病的关联性,证实这些位点是致病位点,与疾病强烈关联。并发症分析平台是糖尿病及并发症综合预警产品的一个独立的遗传分析平台,该平台可以快速整合、系统处理基因检测数据,自动化导出分析结果,方便进一步深度遗传分析。
本发明涉及糖尿病及并发症(糖尿病肾病、糖尿病视网膜病变、糖尿病脑卒中和糖尿病冠心病)的27个基因29个位点的基因检测,以及并发症分析平台,最后,产品针对基因检测和遗传分析结果,给出基因导向下的个性化健康管理建议。
具体而言,本发明的原理是:
①易感基因检测在ABI3730测序和MassARRAY技术平台上综合检测了糖尿病及其四种并发症相关的27个基因上29个位点,并依据检测结果对基因位点进行基因分型。②疾病遗传风险分析采用疾病风险评估模型,结合糖尿病患病史和家族病史,综合判断疾病遗传风险。③高风险疾病深度遗传分析从基因检测位点分析、综合发病风险分布、群体发病风险、个体发病风险和风险基因相关危险因素等方面对糖尿病疾病进行了深度遗传分析,从基因检测位点方面对糖尿病的四种并发症进行了深度遗传分析,详细阐释了导致糖尿病肾病和糖尿病四种并发症风险增高的遗传基因和与突变遗传基因相关的危险因素。④高风险疾病内外因综合评估糖尿病及并发症都是遗传因素(内因)和生活方式与环境危险因素(外因)的共同作用的结果。本对糖尿病及并发症风险状态进行内外因综合评估,找到与疾病相关的遗传因素和生活方式与环境危险因素。⑤基因导向下的个性化健康管理建议通过基因检测、预测分析,根据个体的基因组信息和个体差异性(年龄、膳食构成、运动等)有针对性地制定个性化健康管理。比如,可以进行有针对性的营养保健,选择适合自己遗传体质的保健品;可以对日常生活等进行科学指导,制定适应每个人不同特点的保健方案;同时可以根据基因组信息对重大疾病的预防进行指导。
表1是本糖尿病及并发症易感基因数据库的27个易感基因上29个检测位点。
本发明的工作详细过程是:
1.客户向健康管理中心提出检测申请,并填写知情同意书、基因检测申请单、健康信息记录表。2.血液样本采集、保存。步骤1和步骤2也可以由检测机构或代理商直接代办。3.样品送基因检测实验室。4.按照表1的易感基因检测位点进行基因检测,并及时反馈基因检测结果。5.疾病遗传风险分析和高风险疾病深度遗传分析。6.高风险疾病内外因综合评估。7.基因导向下的个性化健康管理建议。其中,步骤5、步骤6和步骤7是通过并发症分析平台自动化平台来实现的。专业遗传分析师会依据基因检测结果,完成步骤5、步骤6和步骤7,并会提供个性化健康管理方面的咨询。
在步骤5疾病遗传风险分析中引入综合发病风险指数(CGR)。CGR是综合疾病相关的所有SNP位点基因型患病风险,与相应位点的同民族人群之平均患病风险比值的乘积计算得来的,即CGR是患某种疾病风险与同民族人群之平均患病风险相比的结果。
如糖尿病的检测位点有n个,位点1有三种基因型:AA、AB、BB,对应发病风险为or1、or2、or3,对应基因型频率为fre1、fre2、fre3。而客户的位点基因型为AA,SGR(single-site genetic risk)值为疾病中单位点发病风险。
则该客户位点1的SGR1=or11/(or11×fre11+or21×fre21+or31×fre31),
SGR2=or12/(or12×fre12+or22×fre22+or32×fre32),
以此类推
SGRn=or1n/(or1n×fre1n+or2n×fre2n+or3n×fre3n),
那么,该客户糖尿病的综合发病风险:CGR=SGR1×SGR2×……×SGRn
or11,or21,or31依次表示第一个位点的第一、第二和第三三种基因型对应发病风险。
fre11,fre21,fre31依次表示第一个位点的第一、第二和第三三种基因型对应基因型频率。
糖尿病及并发症易感基因数据库建立过程是:
1.在GWAS(Genome-wide association study,全基因组关联分析)网站(http://www.genome.gov/),初步查询到与∥型糖尿病(diabetes mellitus,DM)相关联的基因名称。这些基因与∥型糖尿病相关。
2.在NCBI的Pubmed数据库里面,筛查出与中国人∥型糖尿病相关的易感基因。
3.查找与中国人群相关的关联分析的结果,确定该基因(位点)是易感基因(位点)。关联分析必须同时满足以下条件:
①样本是大样本人群(大于200人);
②样本来源是中国人群;
③or值>1,95%CI不包含1;
④p值小于0.05,统计学上显著。
①主要是保障研究的可参考性,小样本的结果可能存在一些样本特异性;
②是为了保证样本来源。
③和④都是为了确保基因位点与疾病相关在统计学上显著。
4.在NCBI的SNP数据库中验证该易感基因的位点。
5.编写(易感)基因文集。基因文集由基因基本信息、功能信息、致病信息、提示信息和环境因素组成。在Pubmed数据库查询易感基因基本信息和功能信息,根据关联分析结果分析致病信息、提示信息和环境因素。
Claims (8)
1.一种糖尿病及并发症的表征参数的获取方法,其特征在于:所述糖尿病及并发症的表征参数的获取方法包括以下步骤:
1)建立糖尿病及并发症易感基因数据库;
2)根据步骤1)所建立的糖尿病及并发症易感基因数据库构建个体糖尿病及并发症的表征参数分析平台;
3)基于步骤2)所建立的分析平台对个体的糖尿病及并发症的表征参数进行分析;
4)输出个体的糖尿病及并发症的表征参数。
2.根据权利要求1所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤1)的具体实现方式是:
1.1)在GWAS网站上初步查询到与Ⅱ型糖尿病相关联的基因名称;
1.2)在NCBI的Pubmed数据库里面,筛查出与中国人Ⅱ型糖尿病相关的易感基因;
1.3)查找与中国人群相关的关联分析的结果,确定步骤1.2)中所得到的易感基因的位点;
1.4)在NCBI的SNP数据库中验证步骤1.3)中所确定的易感基因的位点;
1.5)编写易感基因文集;所述易感基因文集包括基因基本信息、功能信息、致病信息、提示信息以及环境因素等内容。
3.根据权利要求2所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤1.3)中与中国人群相关的关联分析需要满足的条件是:样本是大样本人群、样本来源是中国人群、or值大于1、95%CI不包含1以及在统计学上呈显著;所述大样本人群至少包括200人。
4.根据权利要求3所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述与糖尿病相关联的易感基因是KCNQ1、CDKN2A/B、CDKAL1、TCF2、PPARG、TCF7L2、HNF1-beta、IGF2BP2、SLC30A8、HHEX、PTPRD、SRR、ADIPOQ、ACE、MTHFR、MTHFR、LPL、PON2、LTA、ACACB、ACE、MTHFR、EDN1、GLO1、ACE、IL5RA、NOS3以及APOA5;所述与糖尿病相关联的易感基因的位点是rs2237892、rs10811661、rs10946398、rs9465871、rs1801282、rs7903146、rs290487、rs4430796、rs4402960、rs13266634、rs7923837、rs17584499、rs391300、rs1501299、rs13447447、rs1801133、rs1801133、rs328、rs7493、rs1041981、rs2268388、rs13447447、rs1801133、rs5370、rs1049346、rs13447447、rs2290608、rs1799983、rs662799。
5.根据权利要求1或2或3或4所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤2)中平台的构建过程是:
2.1)获取步骤1)所建立的糖尿病及并发症易感基因数据库中的疾病位点gr以及疾病群体gr值;
2.2)根据步骤2.1)所得到的疾病位点gr值以及疾病群体gr值获取个体疾病CGR值;
2.3)根据步骤2.2)所得到的个体疾病CGR值建立糖尿病及并发症的表征参数。
6.根据权利要求5所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤2.1)的具体实现方式是:
所述疾病位点gr值的计算方式是:
疾病的检测位点有n个,其中,位点1有三种基因型:AA、AB、BB;所述三种基因型对应发病风险分别为or1、or2、or3;所述三种基因型对应基因型频率分别为fre1、fre2、fre3;则位点n的gr值=or1n×fre1n+or2n×fre2n+or3n×fre3n;
所述疾病群体gr是所有检测位点gr值的乘积。
7.根据权利要求6所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤2.2)中个体疾病CGR值的计算方式是:
SGRn=基因型NN的or值/(位点n的gr值)。
CGR=SGR1×SGR2×……×SGRn。
8.根据权利要求7所述的糖尿病及并发症的表征参数的获取方法,其特征在于:所述步骤3)的具体实现方式是:
3.1)采集离体血液样本,并通过分子生物学手段获取该离体血液样本的个体基因检测数据;
3.2)将步骤3.1)所得到的个体基因检测数据逐个与糖尿病及并发症易感基因数据库进行比对,若对比一致,则进行步骤3.3);若不一致,则退出表征参数的获取过程;
3.3)根据步骤2)所建立的分析平台计算各种与糖尿病相关联疾病的CGR值;
3.4)根据高风险判断标准和步骤3.3)所计算出来的CGR值,得到个体糖尿病及并发症的表征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103712225A CN102930135A (zh) | 2012-09-28 | 2012-09-28 | 糖尿病及并发症的表征参数的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103712225A CN102930135A (zh) | 2012-09-28 | 2012-09-28 | 糖尿病及并发症的表征参数的获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102930135A true CN102930135A (zh) | 2013-02-13 |
Family
ID=47644932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103712225A Pending CN102930135A (zh) | 2012-09-28 | 2012-09-28 | 糖尿病及并发症的表征参数的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930135A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226667A (zh) * | 2013-05-17 | 2013-07-31 | 西安时代基因健康科技有限公司 | 高血压及并发症的表征参数的获取方法 |
CN104050344A (zh) * | 2013-09-30 | 2014-09-17 | 西安时代基因健康科技有限公司 | 冠心病的表征参数的获取方法 |
CN105112502A (zh) * | 2015-07-07 | 2015-12-02 | 博奥颐和健康科学技术(北京)有限公司 | 用于检测与糖尿病相关的snp位点组合的成套引物及其应用 |
CN105740597A (zh) * | 2015-12-10 | 2016-07-06 | 西安时代基因健康科技股份有限公司 | 复杂疾病遗传风险参数检测系统 |
CN107145712A (zh) * | 2017-04-06 | 2017-09-08 | 广州慧扬信息系统科技有限公司 | 合并症与并发症的病历统计分析系统 |
CN107252098A (zh) * | 2017-06-27 | 2017-10-17 | 上海中优精准医疗科技股份有限公司 | 一种糖尿病个体化干预配方食品及其制备系统 |
CN107256323A (zh) * | 2016-09-05 | 2017-10-17 | 云健康基因科技(上海)有限公司 | 一种ⅱ型糖尿病风险评估模型的构建方法和构建系统 |
CN109762880A (zh) * | 2019-01-15 | 2019-05-17 | 广州序科码生物技术有限责任公司 | 一种检测健康人易感基因的方法及其应用 |
TWI827184B (zh) * | 2021-08-03 | 2023-12-21 | 國立政治大學 | 第2型糖尿病併發症的風險評估系統與方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101302563A (zh) * | 2008-07-08 | 2008-11-12 | 上海中优医药高科技有限公司 | 一种多基因疾病遗传风险综合评估方法 |
CN101617227A (zh) * | 2006-11-30 | 2009-12-30 | 纳维哲尼克斯公司 | 遗传分析系统和方法 |
CN101845501A (zh) * | 2010-05-18 | 2010-09-29 | 孟涛 | 一种复杂疾病易感性综合遗传分析方法 |
-
2012
- 2012-09-28 CN CN2012103712225A patent/CN102930135A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101617227A (zh) * | 2006-11-30 | 2009-12-30 | 纳维哲尼克斯公司 | 遗传分析系统和方法 |
CN101302563A (zh) * | 2008-07-08 | 2008-11-12 | 上海中优医药高科技有限公司 | 一种多基因疾病遗传风险综合评估方法 |
CN101845501A (zh) * | 2010-05-18 | 2010-09-29 | 孟涛 | 一种复杂疾病易感性综合遗传分析方法 |
Non-Patent Citations (1)
Title |
---|
NARAYANAN,K: "Visualization and Functional Analysis of Genome-Wide Association Results", 《IEEE CONFERENCE PUBLICATIONS》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226667A (zh) * | 2013-05-17 | 2013-07-31 | 西安时代基因健康科技有限公司 | 高血压及并发症的表征参数的获取方法 |
CN104050344A (zh) * | 2013-09-30 | 2014-09-17 | 西安时代基因健康科技有限公司 | 冠心病的表征参数的获取方法 |
CN105112502A (zh) * | 2015-07-07 | 2015-12-02 | 博奥颐和健康科学技术(北京)有限公司 | 用于检测与糖尿病相关的snp位点组合的成套引物及其应用 |
CN105112502B (zh) * | 2015-07-07 | 2017-12-08 | 博奥颐和健康科学技术(北京)有限公司 | 用于检测与糖尿病相关的snp位点组合的成套引物及其应用 |
CN105740597A (zh) * | 2015-12-10 | 2016-07-06 | 西安时代基因健康科技股份有限公司 | 复杂疾病遗传风险参数检测系统 |
CN105740597B (zh) * | 2015-12-10 | 2018-11-27 | 西安时代基因健康科技股份有限公司 | 复杂疾病遗传风险参数检测系统 |
CN107256323A (zh) * | 2016-09-05 | 2017-10-17 | 云健康基因科技(上海)有限公司 | 一种ⅱ型糖尿病风险评估模型的构建方法和构建系统 |
CN107256323B (zh) * | 2016-09-05 | 2020-11-13 | 云健康基因科技(上海)有限公司 | 一种ⅱ型糖尿病风险评估模型的构建方法和构建系统 |
CN107145712A (zh) * | 2017-04-06 | 2017-09-08 | 广州慧扬信息系统科技有限公司 | 合并症与并发症的病历统计分析系统 |
CN107145712B (zh) * | 2017-04-06 | 2021-01-01 | 广州慧扬健康科技有限公司 | 合并症与并发症的病历统计分析系统 |
CN107252098A (zh) * | 2017-06-27 | 2017-10-17 | 上海中优精准医疗科技股份有限公司 | 一种糖尿病个体化干预配方食品及其制备系统 |
CN109762880A (zh) * | 2019-01-15 | 2019-05-17 | 广州序科码生物技术有限责任公司 | 一种检测健康人易感基因的方法及其应用 |
TWI827184B (zh) * | 2021-08-03 | 2023-12-21 | 國立政治大學 | 第2型糖尿病併發症的風險評估系統與方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930135A (zh) | 糖尿病及并发症的表征参数的获取方法 | |
Rosenberg et al. | Genome-wide association studies in diverse populations | |
CN103226667B (zh) | 高血压及并发症的表征参数的获取方法 | |
Lan et al. | Distinguishing three distinct biogeographic regions with an in‐house developed 39‐AIM‐InDel panel and further admixture proportion estimation for Uyghurs | |
Cong et al. | Genomic analyses of 10,376 individuals in the Westlake BioBank for Chinese (WBBC) pilot project | |
Li et al. | Clinical utility of microarrays: current status, existing challenges and future outlook | |
CN112133365A (zh) | 评估肿瘤微环境的基因集、评分模型及其应用 | |
Chuang et al. | Building a genetic risk model for bipolar disorder from genome-wide association data with random forest algorithm | |
He et al. | A polygenic risk score for nasopharyngeal carcinoma shows potential for risk stratification and personalized screening | |
Zhang et al. | A network medicine approach to build a comprehensive atlas for the prognosis of human cancer | |
Daya et al. | Using multi-way admixture mapping to elucidate TB susceptibility in the South African Coloured population | |
Li et al. | Identification of hub genes associated with hypertension and their interaction with miRNA based on weighted gene coexpression network analysis (WGCNA) analysis | |
Jewett et al. | A coalescent model for genotype imputation | |
CN110349623A (zh) | 基于改进孟德尔随机化的老年痴呆病基因及位点筛选方法 | |
Xu et al. | Immunological significance of prognostic alternative splicing signature in hepatocellular carcinoma | |
Dou et al. | Using off-target data from whole-exome sequencing to improve genotyping accuracy, association analysis and polygenic risk prediction | |
Heidema et al. | Analysis of multiple SNPs in genetic association studies: comparison of three multi‐locus methods to prioritize and select SNPs | |
Zhang et al. | Genome-wide identification of allele-specific effects on gene expression for single and multiple individuals | |
US20230366037A1 (en) | Prediction tool for judging drug sensitivity and long-term prognosis of liver cancer based on gene detection and use thereof | |
Gu et al. | A high‐performance SNP panel developed by machine‐learning approaches for characterizing genetic differences of Southern and Northern Han Chinese, Korean, and Japanese individuals | |
Zheng et al. | Standardization efforts enabling next-generation sequencing and microarray based biomarkers for precision medicine | |
Schüffler et al. | MethMarker: user-friendly design and optimization of gene-specific DNA methylation assays | |
Mei et al. | Exploring the forensic effectiveness and population genetic differentiation by self-constructed 41 multi-InDel panel in Yunnan Zhuang group | |
Qu et al. | Prognostic prediction of clear cell renal cell carcinoma based on lipid metabolism-related lncRNA risk coefficient model | |
Chen et al. | Evaluation of a SNP-STR haplotype panel for forensic genotype imputation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 710075 Shaanxi city of Xi'an province high tech Zone Fenghui Road No. 34 Changan Plaza A block 9 room 902 Applicant after: XI'AN AGEN HEALTH INC. Address before: 710075 Shaanxi city of Xi'an province high tech Zone Fenghui Road No. 34 Changan Plaza A block 9 room 902 Applicant before: Xi'an AGEN Health Inc. |
|
COR | Change of bibliographic data | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130213 |