CN107201401A - 一种用于乳腺癌发病风险预测的多因素模型及其建立方法 - Google Patents
一种用于乳腺癌发病风险预测的多因素模型及其建立方法 Download PDFInfo
- Publication number
- CN107201401A CN107201401A CN201710368779.6A CN201710368779A CN107201401A CN 107201401 A CN107201401 A CN 107201401A CN 201710368779 A CN201710368779 A CN 201710368779A CN 107201401 A CN107201401 A CN 107201401A
- Authority
- CN
- China
- Prior art keywords
- history
- breast
- factor model
- pathogenesis
- 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.)
- Pending
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
- C12Q1/6869—Methods for sequencing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/150007—Details
- A61B5/150015—Source of blood
- A61B5/15003—Source of blood for venous or arterial blood
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/150007—Details
- A61B5/150343—Collection vessels for collecting blood samples from the skin surface, e.g. test tubes, cuvettes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/153—Devices specially adapted for taking samples of venous or arterial blood, e.g. with syringes
-
- 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
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Organic Chemistry (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Immunology (AREA)
- Surgery (AREA)
- Hematology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Dermatology (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种用于乳腺癌发病风险预测的多因素模型及其建立方法,该多因素模型的建立方法包括对基因检测的筛查,筛查包括步骤:(1)外周血样本的收集及处理;(2)构建样本的文库DNA,并采用Hiseq测序平台进行上机测序;(3)对下机数据进行生物信息分析,找出致病突变;(4)采用金标准Sanger测序技术对突变位点进行测序,获得准确基因突变信息。本发明方法建立的用于乳腺癌发病风险预测的多因素模型,能对这部分人群进行早期筛查、早期诊断,采取积极的干预措施,特别适用于家族性乳腺癌高危人群预测。
Description
技术领域
本发明涉及乳腺癌的发病风险评估领域,具体涉及一种采用多种高危因素结合胚系基因突变构建的用于乳腺癌发病风险预测的多因素模型及其建立方法,特别适用于家族性乳腺癌高危人群预测。
背景技术
乳腺癌是女性最常见恶性肿瘤之一。2014年中国肿瘤登记年报数据显示,2012年中国乳腺癌发病率达42.55/10万,并以每年2-3%的速度增加,城市地区尤为明显。月经初潮年龄早、绝经年龄晚、不孕、营养过剩、肥胖、饮食、乳腺癌家族史等危险因素与乳腺癌发病有关。而家族史是最确定的乳腺癌高危因素之一,家族性乳腺癌在整个乳腺癌人群中占相当大的比例。如果能对这部分人群进行早期筛查、早期诊断,采取积极的干预措施,对降低我国乳腺癌发病率和提高这部分人群术后生存率,具有重要意义。
国外在10年前就开始研究评估家族性乳腺癌发病风险的模型,并且先后开发出了以Gail、Claus、Cuzick-tyrer、BRCAPPO和Myriad等模型。Gail及Claus模型是在西方应用较为广泛的风险评估模型。缺点是该模型在亚洲女性人群中的应用效果仍缺乏相关证据。Cuzick-tyrer、BRCAPPO和Myriad模型尽管结合了相关高危因素及BRCA基因突变检测,但这些模型建立的数据是主要来源于北美和欧洲人群。因此这些模型对中国人群的基因风险评估意义值得探讨。
发明内容
本发明为解决现有技术中的上述问题,提出一种采用多种高危因素结合胚系基因突变构建的用于乳腺癌发病风险预测的多因素模型及其建立方法。
为实现上述目的,本发明采用以下技术方案:
本发明的第一个方面是提供一种用于乳腺癌发病风险预测的多因素模型的建立方法,包括对基因检测的筛查,所述筛查具体包括如下步骤:
(1)外周血样本的收集及处理;
(2)构建样本的文库DNA,并采用Hiseq测序平台进行上机测序,保证每个文库的原始的数据量达到0.6Gb以上,目标区域的平均测序深度为200X,目标区域覆盖度达99%以上;
(3)对下机数据进行生物信息分析找到样本中的点突变和插入/缺失突变,并对目标区域的乳腺癌易感基因突变进行解读,找出致病突变;
(4)采用金标准Sanger测序技术对突变位点进行测序,根据测序峰图分析目标位点的突变情况,验证高通量测序所获突变位点的准确性,获得准确基因突变信息。
进一步地,所述步骤(1)中外周血样本的收集及处理的具体方法为:每个受试者使用EDTA抗凝管收集约5ml静脉血,上下混匀,经DNA提取试剂盒DNA Blood minikit提取样本中基因组DNA 200ul,使用2.0检测DNA浓度,每份样本的DNA获得量≥2μg。
进一步地,所述步骤(2)中构建样本文库DNA的具体方法为:基因组DNA经随机打断、纯化、末端修复加A后,与Hiseq测序所需特殊接头连接,然后经PCR预扩增,乳腺癌易感基因芯片目标区域靶向杂交捕获和PCR再扩增后,得到目标区域DNA的hiseq上机文库。
进一步地,所述步骤(3)中对下机数据进行生物信息分析的具体方法为:对原始测序数据进行初步处理和质量控制,将所得序列用BWA软件比对到人的参考基因组Hg19上,经Picard和GATK软件去重,校正和突变检测后,找到样本中的点突变和插入/缺失突变。
进一步地,所述步骤(4)中采用金标准Sanger测序技术对突变位点进行测序的具体方法为:首先,对该突变位点所在的区域设计引物进行PCR扩增,然后以提取的基因组DNA为模板,使用设计的引物进行PCR扩增,扩增的条件为:95℃预变性3min;94℃变性25sec,57℃退火30sec,72℃延伸40sec,30个循环;最后72℃充分延伸8min;40ul扩增的体系为:2XKapa2G Robust HotStart ReadyMix 20ul,引物F和R各2ul(10uM),DNA模板1ul(50ng/ul)后,最后加双蒸水补至40ul;PCR产物经琼脂糖凝胶电泳验证后,进行PCR产物纯化及测序。
进一步地,还包括对常规高危因素的筛选:以乳腺癌家族史的发病人群及未患病人群为受试人群,确定受试者的肿瘤家族史、乳腺良性疾病史、月经史、初潮史、是否绝经、流产史、母乳喂养史、钼靶照射史、是否服用雌激素类药物。
进一步优选地,还包括对上述基因检测的筛查和常规高危因素的筛选两部分进行数据统计分析,建立用于乳腺癌发病风险预测的多因素模型,包括:先单因素分析筛选到有统计学意义的乳腺癌危险因素:分别为家族史,乳腺良性疾病史,怀孕史,乳腺钼靶照射史,及ATM、BRCA2、BRIP1基因突变;再根据Logistic回归分析,最终得到预测乳腺癌发病风险模型:
Y=1.614+0.764X1+0.324X2-1.699X3-1.970X4+1.619X5
其中,X1=家族史,X2=乳腺良性疾病史,X3=怀孕史,X4=乳腺钼靶照射史,X5=BRCA基因突变Y=乳腺癌发病风险。
本发明的第二个方面是提供一采用上述方法建立的种用于乳腺癌发病风险预测的多因素模型,所述多因素模型为:
Y=1.614+0.764X1+0.324X2-1.699X3-1.970X4+1.619X5
其中,X1=家族史,X2=乳腺良性疾病史,X3=怀孕史,X4=乳腺钼靶照射史,X5=BRCA基因突变Y=乳腺癌发病风险。
本发明的第三个方面是提供一种用于样本收集的抗凝管,其包括管体,管体包括粗管和细管两部分,粗管与细管之间平滑过渡连接,粗管的管口处设置有密封盖,密封盖的中央设置有一个可直接在采血点采血的取血管,该取血管穿过密封盖伸入细管的内腔中。
进一步地,在用于样本收集的抗凝管中,所述细管的内腔为横截面呈三星形或椭圆形的腔体。
本发明采用上述技术方案,与现有技术相比,具有如下技术效果:
本发明用于乳腺癌发病风险预测的多因素模型,采用多种高危因素结合胚系基因突变构建,其主要由常规高危因素和基因突变因素两大部分构成,通过对单因素分析筛选到有统计学意义的乳腺癌危险因素进行数据统计,再根据Logistic回归分析;该用于乳腺癌发病风险预测的多因素模型,能对这部分人群进行早期筛查、早期诊断,采取积极的干预措施,特别适用于家族性乳腺癌高危人群预测,对降低我国乳腺癌发病率和提高这部分人群术后生存率,具有重要意义。
附图说明
图1为本发明一种用于乳腺癌发病风险预测的多因素模型的Logistic回归线性关系图;
图2为本发明一种用于乳腺癌发病风险预测的多因素模型的建立流程图。
具体实施方式
下面通过具体实施例对本发明进行详细和具体的介绍,以使更好的理解本发明,但是下述实施例并不限制本发明范围。
一种评估家族性乳腺癌发病风险的多因素预测模型主要有常规高危因素和基因突变因素两大部分构成。
如图2所示,本发明实施例的评估家族性乳腺癌发病风险的多因素预测模型的建立方法包括以下步骤:
(1)高危因素的筛选:
选择乳腺癌家族史的发病人群及未患病人群进行随访调查研究。调查内容包括:肿瘤家族史,乳腺良性疾病史,月经史,初潮史,是否绝经,流产史,母乳喂养史,钼靶照射史,是否服用雌激素类药物等;受试人群获得知情同意之后,填写调查问卷,后期统计分析。
(2)基因检测的筛查:
(a)人全血DNA的提取
每个受试者使用EDTA抗凝管收集约5ml静脉血,上下混匀,经DNA提取试剂盒DNA Blood mini kit提取样本中基因组DNA 200ul,使用2.0检测DNA浓度,每份样本的DNA获得量≥2μg。
(b)样本的文库构建与上机测序
基因组DNA经随机打断、纯化、末端修复加A后,与Hiseq测序所需特殊接头连接,然后经PCR预扩增,乳腺癌易感基因芯片目标区域靶向杂交捕获和PCR再扩增后,得到目标区域DNA的hiseq上机文库。经质控合格后的文库DNA,按照Hiseq测序平台的操作说明进行上机测序,保证每个文库的原始的数据量达到0.6Gb以上,目标区域的平均测序深度为200X,目标区域覆盖度达99%以上。
(c)生物信息分析与突变解读
下机数据由专业人士进行解读,首先对原始测序数据进行初步处理和质量控制,然后将所得序列用BWA软件比对到人的参考基因组Hg19上,经Picard和GATK软件去重,校正和突变检测后,找到样本中的点突变和插入/缺失突变;最后,对目标区域的乳腺癌易感基因突变进行解读,找出致病突变。
(d)sanger验证
为了验证高通量测序所获突变位点的准确性,采用金标准Sanger测序技术对突变位点进行测序验证。首先对该突变位点所在的区域设计引物进行PCR扩增,然后以提取的基因组DNA为模板,使用设计的引物进行PCR扩增,扩增的条件为:95℃预变性3min;94℃变性25sec,57℃退火30sec,72℃延伸40sec,30个循环;最后72℃充分延伸8min。40ul扩增的体系为:2X Kapa2G Robust HotStart ReadyMix 20ul,引物F和R各2ul(10uM),DNA模板1ul(50ng/ul)后,最后加双蒸水补至40ul。PCR产物经琼脂糖凝胶电泳验证后,进行PCR产物纯化及测序。最后根据测序峰图分析目标位点的突变情况。
(3)数据统计分析,建立多因素预测模型:先单因素分析筛选到有统计学意义的乳腺癌危险因素:分别为家族史,乳腺良性疾病史,怀孕史,乳腺钼靶照射史,及ATM、BRCA2、BRIP1基因突变;再根据Logistic回归分析,最终得到预测乳腺癌发病风险模型:
Y=1.614+0.764X1+0.324X2-1.699X3-1.970X4+1.619X5
其中,X1=家族史,X2=乳腺良性疾病史,X3=怀孕史,X4=乳腺钼靶照射史,X5=BRCA基因突变Y=乳腺癌发病风险,如图1所示为用于乳腺癌发病风险预测的多因素模型的Logistic回归线性关系图。
本发明实施例还提供了提供一种用于样本收集的抗凝管,其包括管体,管体包括粗管和细管两部分,粗管与细管之间平滑过渡连接,粗管的管口处设置有密封盖,密封盖的中央设置有一个可直接在采血点采血的取血管,该取血管穿过密封盖伸入细管的内腔中。优选地,细管的内腔为横截面呈三星形或椭圆形的腔体。
以上对本发明的具体实施例进行了详细描述,但其只是作为范例,本发明并不限制于以上描述的具体实施例。对于本领域技术人员而言,任何对本发明进行的等同修改和替代也都在本发明的范畴之中。因此,在不脱离本发明的精神和范围下所作的均等变换和修改,都应涵盖在本发明的范围内。
Claims (10)
1.一种用于乳腺癌发病风险预测的多因素模型的建立方法,其特征在于,包括对基因检测的筛查,所述筛查具体包括如下步骤:
(1)样本的收集及处理;
(2)构建样本的文库DNA,并采用Hiseq测序平台进行上机测序,保证每个文库的原始的数据量达到0.6Gb以上,目标区域的平均测序深度为200X,目标区域覆盖度达99%以上;
(3)对下机数据进行生物信息分析找到样本中的点突变和插入/缺失突变,并对目标区域的乳腺癌易感基因突变进行解读,找出致病突变;
(4)采用金标准Sanger测序技术对突变位点进行测序,根据测序峰图分析目标位点的突变情况,验证高通量测序所获突变位点的准确性,获得准确基因突变信息。
2.根据权利要求1所述多因素模型的建立方法,其特征在于,所述步骤(1)中样本的收集及处理的具体方法为:每个受试者使用EDTA抗凝管收集约5ml静脉血,上下混匀,经DNA提取试剂盒DNABlood mini kit提取样本中基因组DNA 200ul,使用2.0检测DNA浓度,每份样本的DNA获得量≥2μg。
3.根据权利要求1所述多因素模型的建立方法,其特征在于,所述步骤(2)中构建样本文库DNA的具体方法为:基因组DNA经随机打断、纯化、末端修复加A后,与Hiseq测序所需特殊接头连接,然后经PCR预扩增,乳腺癌易感基因芯片目标区域靶向杂交捕获和PCR再扩增后,得到目标区域DNA的hiseq上机文库。
4.根据权利要求1所述多因素模型的建立方法,其特征在于,所述步骤(3)中对下机数据进行生物信息分析的具体方法为:对原始测序数据进行初步处理和质量控制,将所得序列用BWA软件比对到人的参考基因组Hg19上,经Picard和GATK软件去重,校正和突变检测后,找到样本中的点突变和插入/缺失突变。
5.根据权利要求1所述多因素模型的建立方法,其特征在于,所述步骤(4)中采用金标准Sanger测序技术对突变位点进行测序的具体方法为:首先,对该突变位点所在的区域设计引物进行PCR扩增,然后以提取的基因组DNA为模板,使用设计的引物进行PCR扩增,扩增的条件为:95℃预变性3min;94℃变性25sec,57℃退火30sec,72℃延伸40sec,30个循环;最后72℃充分延伸8min;40ul扩增的体系为:2X Kapa2G Robust HotStart ReadyMix 20ul,引物F和R各2ul(10uM),DNA模板1ul(50ng/ul)后,最后加双蒸水补至40ul;PCR产物经琼脂糖凝胶电泳验证后,进行PCR产物纯化及测序。
6.根据权利要求1所述多因素模型的建立方法,其特征在于,还包括对常规高危因素的筛选:以乳腺癌家族史的发病人群及未患病人群为受试人群,确定受试者的肿瘤家族史、乳腺良性疾病史、月经史、初潮史、是否绝经、流产史、母乳喂养史、钼靶照射史、是否服用雌激素类药物。
7.根据权利要求6所述多因素模型的建立方法,其特征在于,还包括对上述基因检测的筛查和常规高危因素的筛选两部分进行数据统计分析,建立用于乳腺癌发病风险预测的多因素模型,包括:先单因素分析筛选到有统计学意义的乳腺癌危险因素:分别为家族史,乳腺良性疾病史,怀孕史,乳腺钼靶照射史,及ATM、BRCA2、BRIP1基因突变;再根据Logistic回归分析,最终得到预测乳腺癌发病风险模型:
Y=1.614+0.764X1+0.324X2-1.699X3-1.970X4+1.619X5
其中,X1=家族史,X2=乳腺良性疾病史,X3=怀孕史,X4=乳腺钼靶照射史,X5=BRCA基因突变Y=乳腺癌发病风险。
8.一种用于乳腺癌发病风险预测的多因素模型,采用权利要求1-7任一项方法建立而得,所述多因素模型为:
Y=1.614+0.764X1+0.324X2-1.699X3-1.970X4+1.619X5
其中,X1=家族史,X2=乳腺良性疾病史,X3=怀孕史,X4=乳腺钼靶照射史,X5=BRCA基因突变Y=乳腺癌发病风险。
9.一种用于权利要求1步骤(1)样本收集的抗凝管,其特征在于,包括管体,管体包括粗管和细管两部分,粗管与细管之间平滑过渡连接,粗管的管口处设置有密封盖,密封盖的中央设置有一个可直接在采血点采血的取血管,该取血管穿过密封盖伸入细管的内腔中。
10.根据权利要求9所述的抗凝管,其特征在于,所述细管的内腔为横截面呈三星形或椭圆形的腔体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368779.6A CN107201401A (zh) | 2017-05-23 | 2017-05-23 | 一种用于乳腺癌发病风险预测的多因素模型及其建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368779.6A CN107201401A (zh) | 2017-05-23 | 2017-05-23 | 一种用于乳腺癌发病风险预测的多因素模型及其建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107201401A true CN107201401A (zh) | 2017-09-26 |
Family
ID=59906075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710368779.6A Pending CN107201401A (zh) | 2017-05-23 | 2017-05-23 | 一种用于乳腺癌发病风险预测的多因素模型及其建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107201401A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341347A (zh) * | 2017-06-27 | 2017-11-10 | 天方创新(北京)信息技术有限公司 | 基于评分模型对乳腺癌进行风险评分的方法及装置 |
CN108447566A (zh) * | 2018-04-17 | 2018-08-24 | 余之刚 | 一种适用于中国女性的乳腺癌筛选模型及其建立方法 |
CN110129439A (zh) * | 2019-04-28 | 2019-08-16 | 安徽鼎晶生物科技有限公司 | 一种人brca1/2基因变异检测质控品及其制备方法和应用 |
CN110880356A (zh) * | 2018-09-05 | 2020-03-13 | 南京格致基因生物科技有限公司 | 对卵巢癌进行筛查、诊断或风险分级的方法和装置 |
CN110890131A (zh) * | 2019-11-04 | 2020-03-17 | 深圳市华嘉生物智能科技有限公司 | 一种基于遗传性基因突变预测癌症风险的方法 |
CN111899888A (zh) * | 2020-07-16 | 2020-11-06 | 山东大学 | 一种妇科肿瘤疾病风险预测可视化系统 |
CN112375815A (zh) * | 2020-11-11 | 2021-02-19 | 上海市儿童医院 | 基于核心家系的遗传病高通量测序致病突变筛选方法 |
CN112863666A (zh) * | 2021-01-18 | 2021-05-28 | 山东大学齐鲁医院 | 一种预测妊娠期急性脂肪肝母儿不良围产期结局的方法和系统 |
CN112904016A (zh) * | 2021-01-20 | 2021-06-04 | 浙江大学滨海产业技术研究院 | 一种基于蛋白质组学的乳腺癌早期预警方法 |
CN112927795A (zh) * | 2021-02-23 | 2021-06-08 | 山东大学 | 基于bagging算法的乳腺癌预测方法 |
CN113066553A (zh) * | 2021-03-31 | 2021-07-02 | 南阳市第二人民医院 | 一种乳腺癌易感基因筛查方法 |
CN113707222A (zh) * | 2021-07-28 | 2021-11-26 | 邢传华 | 用于预测预定疾病风险的方法、计算设备和存储介质 |
CN113838526A (zh) * | 2021-09-16 | 2021-12-24 | 赛业(广州)生物科技有限公司 | 一种病毒突变体的生成方法、系统、计算机设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101748200A (zh) * | 2008-12-16 | 2010-06-23 | 上海基康生物技术有限公司 | 一种乳腺癌相关位点检测方法 |
CN202051714U (zh) * | 2011-03-28 | 2011-11-30 | 秦学军 | 医用一次性末梢血抗凝管 |
CN102586420A (zh) * | 2011-12-27 | 2012-07-18 | 盛司潼 | 一种检测乳腺癌易感基因的方法及试剂盒 |
CN203885506U (zh) * | 2014-02-18 | 2014-10-22 | 湖南千山制药机械股份有限公司 | 一种采血管 |
EP2859118A1 (en) * | 2012-06-07 | 2015-04-15 | Institut Curie | Methods for detecting inactivation of the homologous recombination pathway (brca1/2) in human tumors |
EP2385135B1 (en) * | 2010-04-09 | 2015-09-09 | Helmut Hanenberg | RAD51C as a human cancer susceptibility gene |
CN105779636A (zh) * | 2016-05-18 | 2016-07-20 | 广州安必平医药科技股份有限公司 | 用于扩增人乳腺癌易感基因brca1和brca2编码序列的pcr引物及应用 |
CN106295241A (zh) * | 2015-06-25 | 2017-01-04 | 杭州圣庭生物技术有限公司 | 基于brca1和brca2突变的乳腺癌患病风险评估算法 |
CN106676169A (zh) * | 2016-11-15 | 2017-05-17 | 上海派森诺医学检验所有限公司 | 一种用于乳腺癌易感基因brca1和brca2突变检测的杂交捕获试剂盒及其方法 |
-
2017
- 2017-05-23 CN CN201710368779.6A patent/CN107201401A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101748200A (zh) * | 2008-12-16 | 2010-06-23 | 上海基康生物技术有限公司 | 一种乳腺癌相关位点检测方法 |
EP2385135B1 (en) * | 2010-04-09 | 2015-09-09 | Helmut Hanenberg | RAD51C as a human cancer susceptibility gene |
CN202051714U (zh) * | 2011-03-28 | 2011-11-30 | 秦学军 | 医用一次性末梢血抗凝管 |
CN102586420A (zh) * | 2011-12-27 | 2012-07-18 | 盛司潼 | 一种检测乳腺癌易感基因的方法及试剂盒 |
EP2859118A1 (en) * | 2012-06-07 | 2015-04-15 | Institut Curie | Methods for detecting inactivation of the homologous recombination pathway (brca1/2) in human tumors |
CN203885506U (zh) * | 2014-02-18 | 2014-10-22 | 湖南千山制药机械股份有限公司 | 一种采血管 |
CN106295241A (zh) * | 2015-06-25 | 2017-01-04 | 杭州圣庭生物技术有限公司 | 基于brca1和brca2突变的乳腺癌患病风险评估算法 |
CN105779636A (zh) * | 2016-05-18 | 2016-07-20 | 广州安必平医药科技股份有限公司 | 用于扩增人乳腺癌易感基因brca1和brca2编码序列的pcr引物及应用 |
CN106676169A (zh) * | 2016-11-15 | 2017-05-17 | 上海派森诺医学检验所有限公司 | 一种用于乳腺癌易感基因brca1和brca2突变检测的杂交捕获试剂盒及其方法 |
Non-Patent Citations (4)
Title |
---|
DAVID E GOLDGAR等: "Rare variants in the ATMgene and risk of breast cancer", 《BREAST CANCER RESEARCH》 * |
张安秦等: "广东地区妇女乳腺癌高危因素分析与对策", 《南方医科大学学报》 * |
李达学等: "遗传性乳腺癌及其相关易感基因的研究进展", 《转化医学电子杂志》 * |
陈翱翔等: "乳腺钼靶伴有倾向恶性钙化的乳腺癌患者保乳术后的预后分析", 《中国肿瘤临床》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341347A (zh) * | 2017-06-27 | 2017-11-10 | 天方创新(北京)信息技术有限公司 | 基于评分模型对乳腺癌进行风险评分的方法及装置 |
CN108447566A (zh) * | 2018-04-17 | 2018-08-24 | 余之刚 | 一种适用于中国女性的乳腺癌筛选模型及其建立方法 |
CN110880356A (zh) * | 2018-09-05 | 2020-03-13 | 南京格致基因生物科技有限公司 | 对卵巢癌进行筛查、诊断或风险分级的方法和装置 |
CN110129439A (zh) * | 2019-04-28 | 2019-08-16 | 安徽鼎晶生物科技有限公司 | 一种人brca1/2基因变异检测质控品及其制备方法和应用 |
CN110890131B (zh) * | 2019-11-04 | 2023-08-25 | 深圳市华嘉生物智能科技有限公司 | 一种基于遗传性基因突变预测癌症风险的方法 |
CN110890131A (zh) * | 2019-11-04 | 2020-03-17 | 深圳市华嘉生物智能科技有限公司 | 一种基于遗传性基因突变预测癌症风险的方法 |
CN111899888A (zh) * | 2020-07-16 | 2020-11-06 | 山东大学 | 一种妇科肿瘤疾病风险预测可视化系统 |
CN112375815A (zh) * | 2020-11-11 | 2021-02-19 | 上海市儿童医院 | 基于核心家系的遗传病高通量测序致病突变筛选方法 |
CN112863666A (zh) * | 2021-01-18 | 2021-05-28 | 山东大学齐鲁医院 | 一种预测妊娠期急性脂肪肝母儿不良围产期结局的方法和系统 |
CN112904016A (zh) * | 2021-01-20 | 2021-06-04 | 浙江大学滨海产业技术研究院 | 一种基于蛋白质组学的乳腺癌早期预警方法 |
CN112927795B (zh) * | 2021-02-23 | 2022-09-23 | 山东大学 | 基于bagging算法的乳腺癌预测系统 |
CN112927795A (zh) * | 2021-02-23 | 2021-06-08 | 山东大学 | 基于bagging算法的乳腺癌预测方法 |
CN113066553A (zh) * | 2021-03-31 | 2021-07-02 | 南阳市第二人民医院 | 一种乳腺癌易感基因筛查方法 |
CN113707222A (zh) * | 2021-07-28 | 2021-11-26 | 邢传华 | 用于预测预定疾病风险的方法、计算设备和存储介质 |
CN113838526A (zh) * | 2021-09-16 | 2021-12-24 | 赛业(广州)生物科技有限公司 | 一种病毒突变体的生成方法、系统、计算机设备及介质 |
CN113838526B (zh) * | 2021-09-16 | 2023-08-25 | 赛业(广州)生物科技有限公司 | 一种病毒突变体的生成方法、系统、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107201401A (zh) | 一种用于乳腺癌发病风险预测的多因素模型及其建立方法 | |
CN105506115B (zh) | 一种检测诊断遗传性心肌病致病基因的dna文库及其应用 | |
CN105132407B (zh) | 一种脱落细胞dna低频突变富集测序方法 | |
CN105087568A (zh) | 一组用于肿瘤分子分型的基因及其应用 | |
CN111833965A (zh) | 一种尿沉渣基因组dna的分类方法、装置和用途 | |
CN106676178A (zh) | 一种评估肿瘤异质性的方法及系统 | |
CN109124660A (zh) | 基于深度学习的胃肠间质瘤术后风险检测方法和系统 | |
CN106319058B (zh) | 一种检测特发性肺纤维化致病基因的dna文库及其应用 | |
CN115482880A (zh) | 一种头颈鳞癌糖酵解相关基因预后模型及构建方法和应用 | |
CN106399304A (zh) | 一种与乳腺癌相关的snp标记 | |
CN104988141A (zh) | BRCA2基因g.32912799T>C突变及其在乳腺癌辅助诊断中的应用 | |
CN107435062A (zh) | 甄别肺部微小结节良恶性的外周血基因标志物及其用途 | |
CN113362893A (zh) | 肿瘤筛查模型的构建方法及应用 | |
CN110643721A (zh) | 一种检测结直肠癌指示菌的试剂盒 | |
CN104975082A (zh) | 一组用于评估肺癌预后的基因及其应用 | |
CN111554381A (zh) | 一种基于深度学习的肾透明细胞癌人工智能病理诊断方法及其诊断模型 | |
CN106676637B (zh) | 一种检测多发性骨软骨瘤致病基因的dna文库及其应用 | |
CN114941031A (zh) | 早期胃癌预后差异基因与复发预测模型 | |
CN112481380A (zh) | 一种评估晚期膀胱癌抗肿瘤免疫治疗反应性和预后生存的标志物及其应用 | |
CN104962613A (zh) | 一种用于乳腺癌辅助诊断的突变基因及其应用 | |
CN104962612A (zh) | BRCA1基因g.41256139delT移码突变及其在乳腺癌辅助诊断中的应用 | |
CN104946751A (zh) | BRCA1基因g.41244291delT突变及其在乳腺癌辅助诊断中的应用 | |
CN115678999B (zh) | 标志物在肺癌复发预测中的应用和预测模型构建方法 | |
WO2023063049A1 (ja) | がん検出のためのバイオマーカーセットの作製方法 | |
US20240229114A1 (en) | Production method of biomarker set for cancer detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170926 |
|
RJ01 | Rejection of invention patent application after publication |