CN104903468A - 用于帕金森氏病的新诊断MiRNA标志物 - Google Patents

用于帕金森氏病的新诊断MiRNA标志物 Download PDF

Info

Publication number
CN104903468A
CN104903468A CN201380069445.9A CN201380069445A CN104903468A CN 104903468 A CN104903468 A CN 104903468A CN 201380069445 A CN201380069445 A CN 201380069445A CN 104903468 A CN104903468 A CN 104903468A
Authority
CN
China
Prior art keywords
seq
mirna
expression level
patient
sample
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.)
Granted
Application number
CN201380069445.9A
Other languages
English (en)
Other versions
CN104903468B (zh
Inventor
A.凯勒
C.F.斯塔勒
J.柯尔斯滕
E.米斯
C.巴克斯
P.莱丁格
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.)
Universitaet des Saarlandes
Original Assignee
Siemens AG
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
Priority claimed from EP12192974.9A external-priority patent/EP2733219B1/en
Priority claimed from EP12192979.8A external-priority patent/EP2733220B1/en
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN104903468A publication Critical patent/CN104903468A/zh
Application granted granted Critical
Publication of CN104903468B publication Critical patent/CN104903468B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • C12Q2600/158—Expression markers
    • 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
    • C12Q2600/178—Oligonucleotides characterized by their use miRNA, siRNA or ncRNA

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Organic Chemistry (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Zoology (AREA)
  • Analytical Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及用于用miRNA标志物诊断帕金森氏病(PAD)的方法。为了鉴定用于诊断PD的生物标志物，获得miRNA表达样式的广泛分析。鉴定出显著失调的miRNA。

Description

用于帕金森氏病的新诊断MiRNA标志物
本发明涉及用于帕金森氏病(PD)的新标志物。
发明背景
新近，分子诊断学的重要性已经日趋增加。已经发现了进入疾病的临床诊断中(特别是传染性病原体的检测、基因组的突变的检测、患病细胞的检测和易患病体质的风险因子的鉴定)。
特别地，通过测定组织中的基因表达，核酸分析在疾病的研究和诊断中打开了非常有希望的新可能性。
待检测的感兴趣核酸包括基因组DNA、表达的mRNA和其它RNA，诸如微小RNA(缩写为miRNA)。miRNA是具有各种生物学功能的新一类小RNA(A.Keller et al.,Nat Methods.20118(10):841-3)。它们是发现于真核细胞中的短(平均具有20-24个核苷酸)核糖核酸(RNA)分子。已经在哺乳动物中鉴定出几百个不同种类的微小RNA(即，几百种不同序列)。它们对于转录后基因调控是重要的，并且与靶信使RNA转录物(mRNA)上的互补序列结合，这能导致翻译阻抑或靶物降解和基因沉默。因此，它们还可用作研究、诊断和治疗目的的生物学标志物。
帕金森氏病(Parkinson’s disease,P)是一种中枢神经系统的变性性病症。帕金森氏病的运动症状源自神经系统中多巴胺生成细胞的死亡；此细胞死亡的原因是未知的。
经常误认早期症状是年龄相关问题。帕金森氏病影响运动，产生运动症状，并且可以引起情绪、认知、行为或思想变化。帕金森氏病的诊断基于医学史和神经学检查。没有能清楚鉴定所述疾病的实验室测试，但是有时使用成像形式来排除其它病症。
症状(诸如虚弱和运动症状)可以与其它神经学病症类似。诊断可以是费时的，昂贵的且困难的。特别地，基于非侵入性分子生物标志物的可靠且早期的帕金森诊断仍然是一项挑战。
因此，存在着对有效、简单、可靠的PD诊断测试的未满足需要。
定义
除非另有定义，本文中使用的技术和科学术语与本发明所属领域普通技术人员的通常理解具有相同的含义。
如本文中使用的，术语“预测疾病的结果”意在包括预测经历给定疗法的患者的结果和预后不治疗的患者两者。
本发明的含义内的“结果”是在疾病的进程中获得的限定状况。此疾病结果可以例如是临床状况诸如“疾病的复发”、“疾病的消退”、“对治疗的响应”，疾病阶段或等级等。
“风险”理解为受试者或患者形成或达到某种疾病结果的可能性。在本发明的上下文中，术语“风险”并不意在指就患者的健康而言携带任何积极或消极含义，而仅指发生或形成给定事件或状况的可能性或概率。
术语“临床数据”指关于患者的健康状况的可用数据和信息的总体，包括但不限于年龄、性别、重量、绝经期/激素状况、疾病发生学数据、既往病例(anamnesis)数据、通过体外诊断方法诸如血液或尿液测试获得的数据、通过成像方法获得的数据，诸如x-射线、计算机断层摄影术、MRI、PET、spect、超声、电生理学数据、遗传分析、基因表达分析、活组织检查评估、术中发现。
如本文中使用的，术语患者的“样品的分类”指所述样品与至少两类中至少一种的关联。这些种类可以是例如“高风险”和“低风险”；或高、中等和低风险；其中风险是在某个时期中发生某个事件的可能性，例如，疾病的发生、疾病的进程等。它可进一步意为疾病的有利的或不利的临床结果、对给定治疗的响应性或非响应性等的种类。可以通过利用算法(尤其是判别函数)实施分类。算法的简单例子是根据第一定量参数的分类，例如，高于或低于某个阈值的感兴趣核酸的表达水平。患者样品的分类可用于预测疾病的结果或发生疾病的风险。代替利用感兴趣的单一核酸的表达水平，可使用感兴趣的几种核酸的组合评分。此外，可将额外的数据与第一定量参数组合使用。所述额外的数据可以是来自患者的临床数据，诸如性别、年龄、患者的重量、疾病分级等。
“判别函数”是用于分类对象或事件的一组变数的函数。因此，判别函数允许根据从患者、样品或事件可获得的数据或参数将所述患者、样品或事件分类为一个种类或多个种类。此种分类是技术人员公知的统计学分析的标准手段。例如，根据从所述患者、样品或事件中获得的数据可将患者分类为“高风险”或“低风险”、“需要治疗”或“不需要治疗”或其它种类。分类不限于“高对低”，而是可以实施到多个种类、分级等中。允许分类的判别函数的例子包括但不限于由支持向量仪(support vector machine,SVM)、k-最近邻(k-nearest-neighbor,kNN)、(朴素(naive))贝叶斯模型定义的判别函数，或分段定义的函数，诸如例如在子集发现、决策树、数据的逻辑分析(LAD)等中。
术语“表达水平”指例如感兴趣核酸的测定水平表达。术语“表达水平的样式(pattern)”指与来自参照核酸(例如来自对照)比较，或与计算的平均表达值(例如在DNA芯片分析中)比较的测定表达水平。样式不限于两种基因的比较，而且还涉及基因与参照基因或样品的多重比较。某个“表达水平样式”也可作为结果(result)并通过下文公开的几种感兴趣核酸的比较和测量来测定，并展示出这些转录物彼此的相对丰度。表达水平还可相对于不同组织，患者对健康对照等中的表达来评估。
本发明的含义中的“参照表达水平样式”应理解为可用于与另一表达水平样式比较的任何表达水平样式。在本发明的一个优选的实施方案中，参照表达水平样式是例如在充当参照组的一组健康或患病个体中观察到的平均表达水平样式。
在本发明的上下文中，“样品”或“生物样品”是源自生物学生物体或已经与生物学生物体接触的样品。生物样品的例子是：细胞、组织、体液、活组织检查样本、血液、尿液、唾液、痰液、血浆、血清、细胞培养上清液等。
“探针”是能够与特定生物分子特异性结合或相互作用的分子或物质。术语“引物”、“引物对”或“探针”应具有分子生物学领域技术人员已知的这些术语的常规含义。在本发明的一个优选的实施方案中，“引物”、“引物对”和“探针”指具有下述序列的寡核苷酸或多核苷酸分子，所述序列与待检测或定量的靶分子或靶序列的区域相同、互补、作为该区域的同源物、或同源，从而引物、引物对或探针可特异性结合靶分子(例如，待检测或待定量的靶核酸、RNA、DNA、cDNA、基因、转录物、肽、多肽或蛋白质)。如本文中理解的，引物可自身发挥探针功能。如本文中理解的，“探针”还可包含例如引物对和内部标记探针的组合，其是许多商品化qPCR方法中所常见的。
“基因”是含有以受控方式产生功能性RNA产物必需的信息的核酸区段区。“基因产物”是通过基因转录或表达产生的生物分子，例如mRNA或翻译蛋白。
“miRNA”是短的、天然存在的RNA分子，并且应当具有本领域技术人员所理解的一般含义。“源自miRNA的分子”是以化学方法或酶促方法自miRNA模板获得的分子，诸如cDNA。
术语“阵列”指装置(例如芯片装置)上可寻址位置的排列。位置的数目可从几个变化到至少几百或几千个。每个位置代表独立的反应位点。阵列包括但不限于核酸阵列、蛋白质阵列和抗体阵列。“核酸阵列”指含有核酸探针(诸如寡核苷酸、多核苷酸或基因的较大部分)的阵列。阵列上的核酸优选为单链的。“微阵列”指生物芯片或生物学芯片，即具有至少约100/cm2的含有固定探针的离散区域密度的区域的阵列。
“基于PCR的方法”指包含聚合酶链式反应PCR的方法。这是通过利用一种、两种或更多种引物在体外酶促复制指数扩增核酸(例如DNA或RNA)的方法。对于RNA扩增，可使用逆转录作为第一步。基于PCR的方法包含动力学或定量PCR(qPCR)，其特别适宜于分析表达水平。当其实现表达水平的测定时，可以例如使用基于PCR的方法以检测给定mRNA的存在，其通过(1)在酶逆转录酶的帮助下将完整的mRNA库(所谓的转录物组)逆转录为cDNA，并(2)在相应引物的帮助下检测给定cDNA的存在。此方法通常称为逆转录酶PCR(rtPCR)。术语“基于PCR的方法”包含端点PCR应用及应用特殊的荧光团或嵌入染料的动力学/实时PCR技术两者，所述荧光团或嵌入染料发射荧光信号作为扩增靶标的函数，并允许靶标的监测和定量。定量方法根据外部标准曲线或相对于比较性内部标准品可以是绝对的。
术语“下一代测序”或“高通量测序”指使测序方法平行化，一次产生几千个或几百万个序列的高通量测序技术。例子包括大规模平行标签测序(Massively Parallel Signature Sequencing,MPSS)、Polony测序、454焦磷酸测序、Illumina(Solexa)测序、SOLiD测序、离子半导体测序、DNA纳米球测序、Helioscope(TM)单分子测序、单分子SMRT(TM)测序、单分子实时(RNAP)测序、纳米孔DNA测序。
术语“标志物”或“生物标志物”指其存在或浓度可进行检测并与已知的状况(诸如疾病状态)或临床结果(诸如对治疗的响应)相关联的生物分子，例如核酸、肽、蛋白质、激素等。
发明目的
本发明根本的技术问题是提供允许诊断、筛查或监测帕金森氏病、预测形成帕金森氏病的风险或预测帕金森氏病的结果的生物学标志物。
发明概述
在详细描述本发明前，应理解本发明不限于所描述的方法的过程步骤的特定组成部分，因为此类方法可以变化。还应理解的是，本文所用的术语仅用于描述特定的实施方案的目的，并不意图是限制的。必须注意的是，除非上下文另外清楚叙述，如本说明书和所附权利要求书中所用的，单数形式“一个/种”、“该/所述”包括单数和/或复数指代物。还应理解的是，除非文中另外清楚叙述，复数形式包括单数和/或复数指代物。此外，应理解的是，在给出由数值划定的参数范围的情况下，该范围视为包括这些限度值。
概括而言，本发明涉及可用于帕金森氏病的诊断、预后和预测的miRNA标志物集合。
具体地，本发明涉及一种分类患有或有风险形成帕金森氏病的患者的样品的方法，其中所述样品是血液样品，所述方法包括下列步骤：
a)在所述样品中测定选自下组的至少一种miRNA的表达水平：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO58和SEQ ID NO 65的miRNA；
b)比较步骤a)中测定的表达水平样式与一种或几种参照表达水平样式；并
c)自步骤b)中比较的结果将所述患者的样品分类成至少两类之一。
这些序列对应于以下miRNA：miR-1285-5p(SEQ ID NO:69)、miR-151-3p(SEQ ID NO:58)、hsa-let-7f(SEQ ID NO:2)和miR-5010(SEQ ID NO:65)及新发现的miRNA，即脑-mir-112(SEQ ID NO:59)和脑-mir-161(SEQ ID NO:142)。
例如，可以通过在至少一名健康受试者中测定选自下组的至少一种miRNA的表达水平获得参照表达水平样式：具有序列SEQ ID NO 69、SEQ IDNO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA。
例如，可以通过在至少一名具有另一种神经学疾病的患者中测定选自下组的至少一种miRNA的表达水平进一步获得参照表达水平样式：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO58和SEQ ID NO 65的miRNA。其它神经学疾病的例子包括阿尔茨海默氏病(Alzheimer’s Disease,AD)、认知障碍(Cognitive Impairement,MCI)、多发性硬化(本文中又称为临床孤立综合征(Clinically Isolated Syndrome),CIS)、轻度抑郁(n＝15)、双相型障碍(Bipolar Disorder,BD)、和精神分裂症(Schizophrenia,Schiz)。
在本发明范围内的是将数值归入步骤a)中测定的至少一种miRNA的表达水平。
进一步在本发明范围内的是以数学方式组合表达水平值以获得步骤(b)中的表达水平样式，例如通过应用算法以获得相对于参照表达水平样式的标准化表达水平。
在另一个方面，本发明涉及一种用于在患有或有风险形成帕金森氏病的患者中诊断帕金森氏病，预测形成帕金森氏病的风险，或预测帕金森氏病的结果的方法，所述方法包括下列步骤：
a)在来自所述患者的血液样品中测定选自下组的至少一种miRNA的表达水平：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO59、SEQ ID NO 58和SEQ ID NO 65的miRNA；
b)比较步骤a)中测定的表达水平样式与一种或几种参照表达水平样式；并
c)自步骤b)中比较的结果诊断帕金森氏病，预测形成帕金森氏病的风险，或预测帕金森氏病的结果。
依照本发明的一个方面，所述至少一种miRNA选自下组：具有序列SEQID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA。
依照本发明的一个方面，以表达水平值测定多个miRNA的表达水平，并且步骤(b)包括以数学方式组合所述多个miRNA的表达水平值。
在本发明范围内的是对步骤a)中测定的至少一种miRNA的表达水平的数值应用算法以获得疾病得分，从而容许分类样品或诊断、预后或预测形成帕金森氏病的风险，或预测帕金森氏病的结果。此类算法的一个非限制性例子是比较表达水平的数值与阈值数值以将结果分类成两类之一，诸如高风险/低风险，患病/健康等。此类算法的另一个非限制性例子是组合多个表达水平数值(例如通过求和)，以获得组合得分。可以通过乘以代表miRNA表达水平的数值或因数、代表临床数据的数值或其他因数将单独的被加数标准化或加权。
在本发明的范围内的是应用判别函数以将结果分类、诊断疾病、预测结果或风险。
依照本发明的一个方面，通过使用选自下组的方法获得步骤(a)中的表达水平：基于测序的方法、基于阵列的方法和基于PCR的方法。
依照本发明的一个方面，测定至少2、3、4、5、或6种miRNA的表达水平以获得表达水平样式。
本发明进一步涉及一种用于实施本发明方法的试剂盒，所述试剂盒包含：
-用于在来自所述患者的所述血液样品中测定选自下组的至少一种miRNA的表达水平的手段：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA。
用于测定所述至少一种miRNA的表达水平的手段可以包含用于检测或扩增所述至少一种miRNA的寡核苷酸探针，用于以基于阵列的方法、基于PCR的方法、基于测序的方法为基础测定表达水平的手段或用于测定表达水平的任何其它适宜的手段。
依照本发明的一个方面，试剂盒还包含用于与来自所述样品的至少一种miRNA的表达水平比较的至少一种参照表达水平样式。参照表达样式可以包括至少一种数字或数值信息，且可以以任何可读的或电子可读的形式(包括但不限于印刷形式、计算机可读介质上的电子存储形式，如CD、智能卡)提供，或以可下载形式(例如在计算机网络诸如因特网中)提供。
本发明进一步涉及可用于实施本发明方法的计算机程序产品，其包含：
-用于接收代表患者血液样品中选自下组的至少一种miRNA的表达水平的数据的手段：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA，
-用于接收代表至少一种参照表达水平样式的数据以与来自所述样品的所述至少一种miRNA的表达水平比较的手段，
-用于比较代表患者样品中的所述至少一种miRNA的表达水平的所述数据的手段，和
-任选地，用于自步骤b)中比较的结果测定帕金森氏病的诊断、形成帕金森氏病的风险预测或帕金森氏病的结果预测的手段。
计算机程序产品可以在可存储电子介质(如固态存储器、磁盘、CD等)上提供。它可在计算机上当地存储。它可以作为基于网络的程序或应用(包括基于网络或基于因特网的应用)执行。它可以在诊断装置(如分析器仪器)中执行。它可以可操作连接于用于输出信息的装置，如显示器、打印机等。
发明详述
本发明的目的的其它细节、特征、特点和优点在以下的描述和相应实施例的附图中进一步公开，其以示例的方式显示本发明的优选实施方案。然而，这些实施例绝不应当理解为限制本发明的范围。
本发明涉及用于利用miRNA标志物诊断帕金森氏病的方法。
帕金森氏病的诊断在呈现出一般年龄相关症状(诸如健忘)的患者中可以是挑战性的。特别地，难以诊断疾病的最早阶段。然而，特别需要的是对于该疾病阶段的可靠的诊断测试，因为治疗和社会干预的机会在此早期疾病阶段期间是改善的。
这里，已经在无偏差方法(unbiased approach)中与健康对照和罹患其它神经病症的患者比较帕金森氏病患者的血液样品中的miRNA的丰度。此方法涉及从样品中测序miRNA的大量工作且从而引领了现有技术中尚未描述的新标志物的发现。此外，血液样品作为miRNA标志物的表达信息来源的用途已经具有几项切实进步，其在其他样品来源(诸如血清或组织)中不可获得，如易于样品获得和操作、样品制备和表达样式的稳健性(robustness)和一致性。
附图简述
在附图中：
图1显示了本发明的新核酸分子miRNA标志物(a)对已知的miRNA标志物(b)在血液中的分布；
图2显示了具有不同神经元病症的患者和对照的样品中本发明的第一种例示性新核酸分子miRNA标志物(脑-mir-112)的delta CT值；
图3显示了具有不同神经元病症的患者和对照的样品中本发明的另一种例示性新核酸分子miRNA标志物(脑-mir-161)的delta CT值；
图4显示了具有帕金森氏病、不同神经元病症(ND)的患者和健康对照的不同样品中6种miRNA标志物的delta CT值；
图5显示了具有帕金森氏病的患者对具有不同神经元病症(ND)的患者和健康对照的不同样品中6种miRNA标志物的t-检验值；
图6显示了7种疾病(AD、MCI、PD、DEP、CIS、SCH、和BD及对照)中12种miRNA的确认。12种miRNA是(分别以柱1-12表示)hsa-let-7f-5p、hsa-miR-1285-5p、hsa-miR-107、hsa-miR-103a-3p、hsa-miR-26b-3p、hsa-miR-26a-5p、hsa-miR-532-5p、hsa-miR-151a-3p、脑-mir-161、hsa-let-7d-3p、脑-mir-112、和hsa-miR-5010-3p；
图7显示了对于所有疾病的7-miRNA标签(signature)脑-mir-112、hsa-miR-5010-3p、hsa-miR-103a-3p、hsa-miR-107、hsa-let-7d-3p、hsa-miR-532-5p、和脑-mir-161的组合得分。使用定量RT PCR获得组合得分(y轴)；及
图8显示了对于所有疾病的12-miRNA标签hsa-let-7f-5p、hsa-miR-1285-5p、hsa-miR-107、hsa-miR-103a-3p、hsa-miR-26b-3p、hsa-miR-26a-5p、hsa-miR-532-5p、hsa-miR-151a-3p、脑-mir-161、hsa-let-7d-3p、脑-mir-112、和hsa-miR-5010-3p的组合得分。使用定量RT PCR获得组合得分(y轴)。
材料和方法
患者分组(cohort)
通过NGS或者通过qRT-PCR或两者测定总共219名患者和健康对照的外周血中miRNA的表达。自具有帕金森氏病(PD)的患者(n＝9)，具有阿尔茨海默氏病(AD)的患者(n＝106)，具有轻度认知障碍(MCI)的患者(n＝21)，具有多发性硬化(临床孤立综合征,CIS)的患者(n＝17)，具有轻度抑郁(DEP)的患者(n＝15)，具有双相型障碍(BD)的患者(n＝15)、精神分裂症(Schiz)的患者(n＝14)、和健康对照(n＝22)获得血液。
首先，通过下一代测序分析了来自AD患者(n＝48)、MCI患者(n＝20)和健康对照(n＝22)的样品。为了验证的目的，若可获得足够的RNA，则利用qRT-PCR在与NGS所用相同的样品中分析单一miRNA的表达。通过来自患有AD、CIS、PD、DEP、BD和Schiz的患者的进一步样品进一步扩大样品的数目，产生通过qRT-PCR分析的总共205个样品。具体地，分析来自AD患者的总共95个样品、来自MCI患者的19个样品、来自CIS患者的17个样品、来自PD患者的9个样品、来自DEP患者的15个样品、来自BD患者的15个样品、来自Schiz患者的14个样品和来自健康对照的21个样品。
RNA分离
利用PAXgene血液miRNA试剂盒(Qiagen)按照制造商的推荐分离包含miRNA的总RNA。将分离的RNA于-80℃贮存。利用Bioanalyzer 2100(Agilent)分析RNA完整性并利用NanoDrop 2000(Thermo Scientific)测量浓度和纯度。总共4个样品(3个对照和1个RRMS)不符合质量标准，并且排除在研究之外。
实验室制备和下一代测序
对于实验室制备，每样品使用了200ng的总RNA，如在生物分析仪(Bioanalyzer)2100(Agilent)上利用RNA 6000Nano Chip测定的。按照TruSeqSmall RNA Sample Prep Kit(Illumina)的方案实施制备。在生物分析仪上利用DNA 1000芯片测量已经制备好的文库的浓度。然后，将文库在相等量的6个样品的批次中合并，并利用cBot(Illumina)在每个单一阅读流动池1道中以9pmol的浓度聚簇。在HiSeq 2000(Illumina)上实施50个循环的测序。利用CASAVA v.1.8.2进行原始测序数据的去多重化(demultiplexing)和fastq文件的生成。
NGS数据分析
首先使用来自FASTX-Toolkit(http://hannonlab.cshl.edu/fastx_toolkit/)的程序fastx_clipper通过切割3’接头序列预处理原始Illumina读段。除去剪取(clipping)后短于18nt的读段。对每份样品将剩余的读段简化成独特读段(unique read)及其频率以使得定位(mapping)步骤更具时效性。对于剩余的步骤，我们使用了miRDeep2流水线(pipeline)。这些步骤由以下组成：相对于基因组(hg19)定位读段，相对于来自mirbase v18版的miRNA前体序列定位读段，将样品的计数相加，并预测新miRNA。由于miRDeep2流水线预测每份样品的新miRNA，随后如下合并miRNA：首先，提取每份样品的具有超过10的信噪比的新miRNA。随后，仅合并位于相同染色体上的那些新miRNA，且它们成熟的形式都共享至少11个核苷酸的重叠。
具体地，对6种miRNA标志物选择其区分PD和(健康)对照及PD和其它神经学疾病的能力。在NGS结果中，选择这6种miRNA，因为它们在具有帕金森氏病的患者和具有其它神经学疾病的患者之间的比较以及具有帕金森氏病的患者和健康个体之间的比较两者中是失调的。6种miRNA中的4种，即miR-1285-5p(SEQ ID NO:69)、miR-151-3p(SEQ ID NO:58)、hsa-let-7f(SEQ ID NO:2)和miR-5010(SEQ ID NO:65)是miRBase中包括的已知成熟miRNA，2种miRNA，即脑-mir-112(SEQ ID NO:59)和脑-mir-161(SEQ ID NO:142)是新鉴定的并且尚未纳入miRBase中。
使用miScript PCR System(Qiagen)进行逆转录和qRT-PCR。使用miScript逆转录试剂盒根据生产商的方案将总共200ng RNA转化为cDNA。对于每种RNA，我们另外制备了含有200ng RNA和4μl的5x miScript RT缓冲液但无miScript逆转录酶混合物的5μl反应物，作为逆转录的阴性对照(RT-对照)。根据生产商的方案在含1μl cDNA的每次反应20μl总体积中利用miScriptGreen PCR Kit实施qRT-PCR。对于每个miScript引物测定法，我们另外利用水替代cDNA制备PCR阴性对照(非模板对照，NTC)。
生物信息学分析
首先使用标准的分位数标准化将读段计数标准化。将具有少于50个读段计数的所有miRNA从进一步考虑中排除。接着，我们对每种miRNA计算接受者工作特征曲线(receiver operator characteristic curve)下面积(AUC)、倍数变化、和使用t-检验的显著性值(p值)。利用Benjamini Hochberg方法调节所有显著性值以进行多重测试。使用免费可用的工具R实施生物信息学分析。此外，我们使用TAM工具(http://202.38.126.151/hmdd/tools/tam.html)实施miRNA富集分析。
计算组合得分
简言之，为了计算n个上调的标志物和m个下调的标志物的组合表达得分，测定患者的表达值x(a)和所有对照的平均表达值μ之间的差d。对于下调的标志物，可以将差乘以(-1)，如此产生正值。可以将n个标志物的差相加以产生组合得分Z，从而
Z(a)＝∑d(1-n)(上调)+∑(-1)d(1-m)(下调)
其中
d＝x(a)-μ。
为了使不同的标志物得分之间组合的得分可比较(例如为了比较(n+m)＝7个标志物得分与(n+m)＝12个标志物得分，可将组合得分除以(n+m)：Zcomp＝1/(n+m)(∑d(1-n)(上调)+∑(-1)d(1-m)(下调))。
可以将其它因子应用于组合得分的单个被加数d或作为整体的组合得分Z。
结果
最丰富的miRNA是具有映射到该miRNA处的13,886,676个平均读段计数和总共12亿个读段的hsa-miR-486-5p，具有映射到该miRNA处的平均575,359个读段和总共5200万个读段的hsa-miR-92a-3p和具有映射到该miRNA处的平均135,012个读段和总共1200万个读段的miR-451a。
本发明提供了血液细胞中存在的非常罕见的miRNA变体。虽然常见的变体已经被发现并且与自组织活组织检查发现的miRNA大量重叠，但是预期miRNA的很大部分仍然是未知的。在本文中，表征患有神经学病症(包括轻度认知障碍、阿尔茨海默病或多发性硬化)的患者及未受累对照。产生约20亿个来自患者和对照样品的序列，其中14亿左右匹配已知或预测的新miRNA。如图1中详述的，绝大多数这些序列匹配已知的miRNA(99.9％)，而仅0.1％左右匹配预测的新miRNA，指出为何不得不使用巨大的测序能力。已经发现了可以使用这些新的miRNA作为指示疾病(诸如神经元疾病，例如帕金森氏病)的诊断性标志物。
然而，与已知的人miRNA相比，这些miRNA候选物一般是丰度少得多的。
在图2和图3中，具有不同神经学疾病AD(两个分组)、BD、CIS、DEP、MCI、和Schiz(柱1，3-8)的患者和对照(柱2)的样品中本发明的第一种例示性新核酸分子miRNA标志物脑-mir-112和本发明的另一种例示性新核酸分子miRNA标志物脑-mir-161的delta CT值。
在增补的表2中给出了本文中描述的所有miRNA分子列表，该表2中含有miRNA标志物的概述，包括序列信息。
注意到，成熟的miRNa源自120个碱基左右的长度的miRNA前体分子。存在着几个例子，其中miRNA前体彼此有所变化，而属于成熟miRNA的20个碱基左右的子集是相同的。如此，新的成熟miRNA可以具有相同的序列但不同的SEQ ID NO标识符。
miRNA标志物以其常用名称来表示(例如has-miR-144-5p或hsa-let7f-5p)，且在公众可用的数据库中是可搜索的。在本发明中，还存在描述的新miRNA标志物，其以始于前缀“脑-miR”的名字命名。它们与其序列和其SEQ ID NO根据序列方案列于补充表1中。
除了单一标志物外，多种标志物的组合已经证明了改善诊断准确性的潜力。我们选择仅6标志物的标签，6种中的4种已知标志物(即miR-1285-5p(SEQID NO:69)、miR-151-3p(SEQ ID NO:58)、hsa-let-7f(SEQ ID NO:2)和miR-5010(SEQ ID NO:65))及新的标志物脑-mir-112(SEQ ID NO:59)和脑-mir-161(SEQ ID NO:142)。为了在一个得分中组合6种miRNA的数值，可以计算平均z-得分，如材料和方法部分中详述的。6种标志物的组合给出PD对对照及PD对其它神经学疾病的改善的区分。
其它神经学病症的得分
接着，询问的问题是其它神经学病症的分组是否显示与对照类似的显著偏差。我们在7种miRNA的标签(即hsa-miR-5010-3p、hsa-miR-103a-3p、hsa-miR-107、hsa-let-7d-3p、hsa-miR-532-5p、脑-mir-112和脑-mir-161)方面测量帕金森氏病、阿尔茨海默氏病、轻度认知障碍、精神分裂症、双相型障碍、多发性硬化(CIS)和抑郁患者的患者样品。在图11中，存在所有疾病和所有miRNA的条图。这里，阿尔茨海默患者得分设置为0，如早期描述的，我们具有用于对照的4种下调的和3种上调的miRNA。对于轻度认知障碍患者，相同的4种miRNA是下调的，并且相同的3种miRNA是上调的，提供了与AD相比MCI标签与对照接近得多的强烈证据。对于CIS患者，仅2种miRNA是下调的，而第三种不是失调的，并且剩余的3种是强烈上调的。对于帕金森氏病，前5种miRNA是下调的，而剩余的2种是强烈上调的。对于精神分裂症和双相疾病，几乎所有miRNA是强烈上调的，相反，对于抑郁，所有miRNA是显著下调的。总之，结果预示AD不仅能与对照区分，而且还非常好地与其它神经学病症区分。当然，可以对阿尔茨海默和对照患者应用相同的基于z-得分的方法以得到每个分组的总体得分。
在表1和2中，显示了PD患者以及其它神经学疾病患者和健康对照中miR-1285-5p(SEQ ID NO:69)、miR-151-3p(SEQ ID NO:58)、hsa-let-7f(SEQ ID NO:2)、miR-5010(SEQ ID NO:65)、脑-mir-112(SEQ ID NO:59)、和脑-mir-161(SEQ ID NO:142)的表达值的评估。
表1：脑-mir-112 脑-mir-161 hsa-let-7f的表达值的评估
脑-mir-112 脑-mir-161 hsa-let-7f
平均PD 11,03491038 9,898887474 5,25843664
平均ND 10,42592681 9,227711302 5,419797676
平均对照 11,03017957 9,726909301 4,050352325
sd PD 0,702870335 0,668545504 1,633235375
sd ND 0,740377036 1,153414403 1,965260211
sd对照 0,61149943 0,653667163 1,345809868
脑-mir-112 脑-mir-161 hsa-let-7f
t-检验PD对ND 0,032518756 0,017686328 0,781348899
t-检验PD对对照 0,9862585 0,52560265 0,072863496
表2：miR-1285-5p miR-151-3p miR-5010-3p的表达值的评估
miR-1285-5p miR-151-3p miR-5010-3p
平均PD 7,652496732 5,52538961 8,591982107
平均ND 7,999877681 4,975099637 8,093307165
平均对照 7,034357049 5,15991191 9,599724944
sd PD 0,401429288 0,776236856 0,961903123
sd ND 1,019311517 1,000358415 0,961563715
sd对照 0,561150883 0,672757054 0,720844163
miR-1285-5p miR-151-3p miR-5010-3p
t-检验PD对ND 0,041164926 0,070290871 0,164327666
t-检验PD对对照 0,002636065 0,240353234 0,015373015
较大分组中miRNA的聚焦分析和与其它神经学疾病的比较容许改善miRNA标志物或标志物组合的特异性。这使PD患者能够通过体外诊断学鉴定。追踪标志物表达样式的变化容许监测疾病进展和对疗法的响应。
本文中描述的miRNA也是帕金森患者的高度特异性疗法的潜在靶物。
补充表1，新发现的miRNA标志物
补充表2：miRNA标志物的概述，包括序列信息

Claims (9)

1.一种分类患有或有风险形成帕金森氏病的患者的样品的方法，其中所述样品是血液样品，所述方法包括下列步骤：
a)在所述样品中测定选自下组的至少一种miRNA的表达水平：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO58和SEQ ID NO 65的miRNA；
b)比较步骤a)中测定的表达水平样式与一种或几种参照表达水平样式；并
c)自步骤b)中比较的结果将所述患者的样品分类成至少两类之一。
2.一种用于在患有或有风险形成帕金森氏病的患者中诊断帕金森氏病，预测形成帕金森氏病的风险，或预测帕金森氏病的结果的方法，所述方法包括下列步骤：
a)在来自所述患者的血液样品中测定选自下组的至少一种miRNA的表达水平：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO59、SEQ ID NO 58和SEQ ID NO 65的miRNA；
b)比较步骤a)中测定的表达水平样式与一种或几种参照表达水平样式；并
c)自步骤b)中比较的结果诊断帕金森氏病，预测形成帕金森氏病的风险，或预测帕金森氏病的结果。
3.根据权利要求1或2所述的方法，其中所述至少一种miRNA选自下组：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA。
4.根据前述权利要求中任一项所述的方法，其中以表达水平值测定多个miRNA的表达水平，并且步骤(b)包括以数学方式组合所述多个miRNA的表达水平值。
5.根据前述权利要求中任一项所述的方法，其中通过使用选自下组的方法来获得步骤a)中表达水平的测定：基于测序的方法、基于阵列的方法和基于PCR的方法。
6.根据前述权利要求中任一项所述的方法，其中测定至少2、3、4、5、或6种miRNA的表达水平测定以获得表达水平样式。
7.一种用于实施根据权利要求1至6中任一项所述的方法的试剂盒，所述试剂盒包含：
-用于在来自所述患者的所述血液样品中测定选自下组的至少一种miRNA的表达水平的手段：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA。
8.权利要求7的试剂盒，其还包括至少一种参照表达水平样式以与来自所述样品的至少一种miRNA的表达水平比较。
9.一种可用于实施根据权利要求1至6中任一项所述的方法的计算机程序产品，其包含：
-用于接收代表患者血液样品中选自下组的至少一种miRNA的表达水平的数据的手段：具有序列SEQ ID NO 69、SEQ ID NO 142、SEQ ID NO 2、SEQ ID NO 59、SEQ ID NO 58和SEQ ID NO 65的miRNA，
-用于接收代表至少一种参照表达水平样式的数据以与来自所述样品的所述至少一种miRNA的表达水平比较的手段，
-用于比较代表患者样品中的所述至少一种miRNA的表达水平的所述数据的手段，和
-用于自步骤b)中比较的结果测定帕金森氏病的诊断、形成帕金森氏病的风险预测或帕金森氏病的结果预测的手段。
CN201380069445.9A 2012-11-16 2013-07-26 用于帕金森氏病的新诊断MiRNA标志物 Active CN104903468B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP12192974.9 2012-11-16
EP12192974.9A EP2733219B1 (en) 2012-11-16 2012-11-16 Diagnostic miRNA markers for Alzheimer
EP12192979.8 2012-11-16
EP12192979.8A EP2733220B1 (en) 2012-11-16 2012-11-16 Novel miRNA as a diagnostic marker for Alzheimer's Disease
PCT/EP2013/065819 WO2014075822A1 (en) 2012-11-16 2013-07-26 New diagnostic mirna markers for parkinson disease

Publications (2)

Publication Number Publication Date
CN104903468A true CN104903468A (zh) 2015-09-09
CN104903468B CN104903468B (zh) 2019-04-23

Family

ID=48916025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380069445.9A Active CN104903468B (zh) 2012-11-16 2013-07-26 用于帕金森氏病的新诊断MiRNA标志物

Country Status (3)

Country Link
US (2) US10011873B2 (zh)
CN (1) CN104903468B (zh)
WO (1) WO2014075822A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105617382A (zh) * 2015-12-30 2016-06-01 南方医科大学 miRNA-543-3p在帕金森病的诊断和治疗中的应用
CN105664163A (zh) * 2016-02-01 2016-06-15 北京泱深生物信息技术有限公司 mir-5010及其成熟miRNA在制备骨肉瘤诊疗制剂的应用
CN107475441A (zh) * 2017-10-13 2017-12-15 中国医学科学院肿瘤医院 一种预测乳腺癌患者对at方案新辅助化疗的反应性的生物标记物
CN108977533A (zh) * 2018-09-10 2018-12-11 镇江市第三人民医院 一种用于预测慢性乙肝炎症损伤的miRNA组合物
CN109055541A (zh) * 2018-09-26 2018-12-21 上海市精神卫生中心（上海市心理咨询培训中心） Ad所致mci诊断标志物及其应用
CN111187827A (zh) * 2020-01-20 2020-05-22 厦门大学 帕金森病生物标志物及其应用
CN113454240A (zh) * 2018-12-18 2021-09-28 蜂鸟诊断有限责任公司 作为帕金森综合征的生物标志物的miRNA
CN116064816A (zh) * 2022-11-25 2023-05-05 深圳市科芮达健康科技有限公司 血液microRNA作为肾癌筛查或诊断标志物的用途、检测引物和试剂盒

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105950705B (zh) * 2015-04-08 2019-10-22 中国人民解放军第二军医大学 一组microRNAs在制备阿尔兹海默氏症诊断试剂或诊断试剂盒中的应用
ITUB20155765A1 (it) * 2015-11-20 2017-05-20 Braindtech S R L Metodi per diagnosi, prognosi e monitoraggio terapeutico di patologie neurologiche, neurodegenerative e infiammatorie basati su microRNA contenuto in microvescicole microglia
EP3411500B9 (en) 2016-02-05 2023-10-04 St. John's University Circulating serum microrna biomarkers and methods for determining parkinson's disease
CN108330184A (zh) * 2017-01-19 2018-07-27 深圳北京大学香港科技大学医学中心 一种快速筛选特应性皮炎样本的方法
CN106913876B (zh) * 2017-02-24 2020-01-21 南方医科大学 miRNA-30a-5p在帕金森病检测、治疗、预后靶点的应用
US11739323B2 (en) * 2017-06-08 2023-08-29 Temple University-Of The Commonwealth System Of Higher Education Micro-RNAs as biomarkers for subconcussive and concussive injury and therapeutic applications
DK3642365T3 (da) * 2017-06-19 2021-10-18 St Johns Univ Cirkulerende serum-mikro-rna-biomarkører og fremgangsmåder til bestemmelse af progressionsraten af parkinsons sygdom
WO2019017680A2 (ko) * 2017-07-19 2019-01-24 국민대학교 산학협력단 파킨슨병 바이오마커로서의 miRNA 및 이를 이용한 진단키트
KR101956315B1 (ko) 2017-07-19 2019-03-08 국민대학교 산학협력단 파킨슨병 바이오마커로서의 miR494 및 이를 이용한 진단키트
EP4269621A3 (en) * 2017-07-20 2024-04-10 Hummingbird Diagnostics GmbH Mirnas as biomarkers for parkinson's disease
WO2021132725A1 (ja) * 2019-12-27 2021-07-01 国立大学法人弘前大学 認知機能障害のバイオマーカー及びその検出薬、被験者の認知機能障害を検査する方法、認知機能障害の治療又は改善手段を被験者に提示する方法、並びに、認知機能障害の治療又は改善物質のスクリーニング方法
CN114657178B (zh) * 2020-12-03 2023-07-21 南京大学 精子中miR-103-3p在制备抑郁症检测产品、抗抑郁症药物中的应用
CN114107478A (zh) * 2021-10-22 2022-03-01 中国人民解放军总医院第二医学中心 一种用于帕金森早期诊断的生物标志物及其应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101861399A (zh) * 2007-08-22 2010-10-13 申诺米克斯公司 使用miRNA检测体内细胞死亡情况的方法
WO2012036433A2 (ko) * 2010-09-13 2012-03-22 서울대학교 산학협력단 miRNA를 타겟으로 한 신경퇴행성 질환 치료

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7687616B1 (en) 2004-05-14 2010-03-30 Rosetta Genomics Ltd Small molecules modulating activity of micro RNA oligonucleotides and micro RNA targets and uses thereof
JPWO2008029790A1 (ja) 2006-09-04 2010-01-21 協和発酵キリン株式会社 新規核酸
WO2009009457A1 (en) 2007-07-06 2009-01-15 University Of Louisville Research Foundation, Inc. Alzheimer's disease-specific micro-rna microarray and related methods
EP3112464A1 (en) 2007-09-14 2017-01-04 The Ohio State University Research Foundation Mirna expression in human peripheral blood microvesicles and uses thereof
MY156951A (en) 2007-10-04 2016-04-15 Santaris Pharma As Micromirs
EP2112235A1 (en) 2008-04-24 2009-10-28 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Compositions and methods for microRNA expression profiling of nasopharyngeal carcinoma
US20100234445A1 (en) 2008-07-01 2010-09-16 Weng Onn Lui Patterns of known and novel small RNAS in human cervical cancer
CN102388149A (zh) 2009-02-02 2012-03-21 西菲伊德公司 检测败血症的方法
CA2780222C (en) 2009-11-04 2021-11-16 Diamir, Llc Methods of using small rna from bodily fluids for diagnosis and monitoring of neurodegenerative diseases
EP2734636B1 (en) 2011-02-07 2019-05-22 Gabriella Sozzi Micro-rna biomarkers for identifying risk of and/or for diagnosing lung tumour
RU2626540C2 (ru) 2011-04-18 2017-07-28 Диамир, Ллс Способы обнаружения патологических изменений в органе или системе органов
WO2013072920A2 (en) 2011-09-08 2013-05-23 Patel Jigar Dahyalal An improved device for displaying reflected three-dimensional images(s) or video(s)
US9956334B2 (en) 2011-11-04 2018-05-01 Asahi Kasei Medical Co., Ltd. Separation membrane for blood processing and blood processing apparatus having the membrane installed therein
EP2733219B1 (en) 2012-11-16 2017-09-20 Siemens Aktiengesellschaft Diagnostic miRNA markers for Alzheimer

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101861399A (zh) * 2007-08-22 2010-10-13 申诺米克斯公司 使用miRNA检测体内细胞死亡情况的方法
WO2012036433A2 (ko) * 2010-09-13 2012-03-22 서울대학교 산학협력단 miRNA를 타겟으로 한 신경퇴행성 질환 치료

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
REGINA MARGIS等: "Identification of blood microRNAs associated to Parkinson"s disease", 《JOURNAL OF BIOTECHNOLOGY》 *
高凯等: "帕金森病与microRNA研究", 《中华神经科杂志》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105617382A (zh) * 2015-12-30 2016-06-01 南方医科大学 miRNA-543-3p在帕金森病的诊断和治疗中的应用
CN105664163A (zh) * 2016-02-01 2016-06-15 北京泱深生物信息技术有限公司 mir-5010及其成熟miRNA在制备骨肉瘤诊疗制剂的应用
CN105664163B (zh) * 2016-02-01 2019-02-05 固安博健生物技术有限公司 mir-5010及其成熟miRNA在制备骨肉瘤诊疗制剂的应用
CN107475441A (zh) * 2017-10-13 2017-12-15 中国医学科学院肿瘤医院 一种预测乳腺癌患者对at方案新辅助化疗的反应性的生物标记物
CN107475441B (zh) * 2017-10-13 2020-09-01 中国医学科学院肿瘤医院 一种预测乳腺癌患者对at方案新辅助化疗的反应性的生物标记物
CN108977533A (zh) * 2018-09-10 2018-12-11 镇江市第三人民医院 一种用于预测慢性乙肝炎症损伤的miRNA组合物
CN108977533B (zh) * 2018-09-10 2021-09-17 镇江市第三人民医院 一种用于预测慢性乙肝炎症损伤的miRNA组合物
CN109055541A (zh) * 2018-09-26 2018-12-21 上海市精神卫生中心（上海市心理咨询培训中心） Ad所致mci诊断标志物及其应用
CN113454240A (zh) * 2018-12-18 2021-09-28 蜂鸟诊断有限责任公司 作为帕金森综合征的生物标志物的miRNA
CN111187827A (zh) * 2020-01-20 2020-05-22 厦门大学 帕金森病生物标志物及其应用
CN116064816A (zh) * 2022-11-25 2023-05-05 深圳市科芮达健康科技有限公司 血液microRNA作为肾癌筛查或诊断标志物的用途、检测引物和试剂盒

Also Published As

Publication number Publication date
US20180340228A1 (en) 2018-11-29
US20150315641A1 (en) 2015-11-05
CN104903468B (zh) 2019-04-23
US10011873B2 (en) 2018-07-03
US11111541B2 (en) 2021-09-07
WO2014075822A1 (en) 2014-05-22

Similar Documents

Publication Publication Date Title
US11111541B2 (en) Diagnostic MiRNA markers for Parkinson's disease
CN104981548B (zh) 用于阿尔茨海默氏病的诊断性miRNA标志物
US10457988B2 (en) MiRNAs as diagnostic markers
EP3356556A2 (en) A method for diagnosing a disease by detection of circrna in bodily fluids
US11667974B2 (en) Diagnostic, prognostic and therapeutic uses of long noncoding RNAs for pathologies and toxicities inducing heart disorders
US20170130269A1 (en) Diagnosis of neuromyelitis optica vs. multiple sclerosis using mirna biomarkers
CN108588230B (zh) 一种用于乳腺癌诊断的标记物及其筛选方法
TWI829042B (zh) 泛癌症早篩預測方法
JP2023511368A (ja) 低分子ｒｎａ疾患分類器
CN104428426B (zh) 多发性硬化的诊断miRNA概况
CN106544435A (zh) 检测miR‑206所需逆转录引物对在制备预测试剂盒中的应用
CN108531571B (zh) 用于检测注意力缺陷/过动症的方法和试剂盒
EP4189117A1 (en) Use of circular rna for the diagnosis of multiple sclerosis
EP2733634A1 (en) Method for obtaining gene signature scores
CN118652976A (zh) 识别受试体的特征的方法及微rna癌标志物

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180813

Address after: Saarbrucken, Germany

Applicant after: UNIV SAARLAND

Address before: Munich, Germany

Applicant before: Siemens AG

GR01 Patent grant
GR01 Patent grant