CN110468200B - 一种用于癌症预后的多基因检测试剂盒 - Google Patents

Abstract

本发明公开了一种用于癌症预后的多基因检测试剂盒，试剂盒包括可检测MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2、TMPRSS2表达水平的检测试剂；本发明提供了可高效预测癌症的预后的试剂盒。

Description

一种用于癌症预后的多基因检测试剂盒

技术领域

本发明涉及医药卫生领域领域，尤其涉及一种用于癌症预后的多基因检测试剂盒。

背景技术

前列腺癌根治术是治疗局限性前列腺癌的重要手段之一。但是，前列腺癌根治术后，仍有相当多的患者会出现生化复发。当患者在发生生化复发后，需要明确是否已经发生临床复发，以及是局部复发，区域淋巴结转移还是远处转移。在临床工作中，前列腺癌根治术后生化复发的评估常常是令人头疼的，从而导致其治疗也是缺乏精准的。

功能基因组学(Functional genomics)又往往被称为后基因组学(Postgenomics)，它利用结构基因组所提供的信息和产物，发展和应用新的实验手段，通过在基因组或系统水平上全面分析基因的功能，使得生物学研究从对单一基因或蛋白质的研究转向多个基因或蛋白质同时进行系统的研究。这是在基因组静态的碱基序列弄清楚之后转入对基因组动态的生物学功能学研究。研究内容包括基因功能发现、基因表达分析及突变检测。基因的功能包括:生物学功能，如作为蛋白质激酶对特异蛋白质进行磷酸化修饰；细胞学功能，如参与细胞间和细胞内信号传递途径；发育上功能，如参与形态建成等。采用的手段包括经典的减法杂交，差示筛选，cDNA代表差异分析以及mRNA差异显示等，但这些技术不能对基因进行全面系统的分析，新的技术应运而生，包括基因表达的系统分析(serialanalysis of gene expression,SAGE)，cDNA微阵列(cDNA microarray)，DNA芯片(DNAchip) 和序列标志片段显示(sequence tagged fragments display，中科院曾邦哲提出，20th ICG德国柏林)技术、微流控芯片实验室等。

现有研究已经发现了大量的与前列腺癌相关基因，2018年发表于癌症研究和临床肿瘤学杂志(Cancer Research and Clinical Oncology)的一篇论文， Validation of a10-gene molecular signature for predicting biochemical recurrence andclinical metastasis in localized prostate cancer，公开了 FRZB,LEF1,SDCBP,WNT2,ING3,ANK3,MEIS2,ANXA4,PLA2G7和CHD5 共10个基因的表达用于预测前列腺癌生化复发的模型。该论文还公开了采用该模型预测前列腺癌的结果：AUC值为0.65，HR值为0.24，95％CI：0.09-0.59。

虽然现有技术公开了大量的与前列腺癌相关基因，但是前列腺癌相关基因在实际应用中用于评估前列腺癌却受限。现有模型的预测效果仍有待增强，需要从大量的前列腺癌基因中建立能够更加精准预测前列腺癌复发风险的模型。

发明内容

针对上述技术问题，本发明提供了一种多基因试剂盒。

本发明的一个方面，公开了一种用于癌症预后的多基因检测试剂盒，所述试剂盒包括可检测MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、 COL4A6、MMP19、MSR1、PALLD、CCNG2、TMPRSS2表达水平的检测试剂。

优选地，所述检测试剂为多核苷酸引物或探针。

优选地，多核苷酸引物的序列如SEQ ID NO:1-30所示。

优选地，其中所述癌症选自前列腺癌，优选的，所述试剂盒用于前列腺癌根治术后预后的评估。

优选地，本发明的癌症预后方法包括以下步骤：

(a)检测样本中MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2、TMPRSS2的mRNA表达水平；

(b)根据步骤(a)获得的表达水平数据评估患者的癌症复发风险。

优选地，步骤(b)中通过以下方法评估患者的癌症复发风险：

风险值＝(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+(-0.1810 ×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+(-0.0775× GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318×COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平)+(0.0650 ×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106×TMPRSS2表达水平)，其中所述的表达水平为步骤(a)中检测获得的mRNA表达值。

优选的，所述检测mRNA表达水平的方法包括：Affymetrix/Illumina的芯片检测、全转录组鸟枪法测序、RT-PCR。

本发明的另一个方面，检测MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、 WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2、TMPRSS2表达水平的检测试剂在制备用于癌症预后的产品中的用途。

优选地，本发明可用于前列腺癌生化复发的早期预测，优选的，本发明可用于前列腺癌根治术后预后的评估。

优选地，所述癌症预后方法包括以下步骤：

(a)检测样本中MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2、TMPRSS2的mRNA表达水平；

(b)根据步骤(a)获得的表达水平数据评估患者的癌症复发风险。

优选地，步骤(b)中通过以下方法评估患者的癌症复发风险：

风险值＝(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+(-0.1810 ×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+(-0.0775× GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318×COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平)+(0.0650 ×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106×TMPRSS2表达水平)，其中所述的表达水平为步骤(a)中检测获得的mRNA表达值。

优选的，所述检测mRNA表达量的方法包括：Affymetrix/Illumina的芯片检测、全转录组鸟枪法测序、RT-PCR。

与现有技术相比，本发明的技术方案具有以下优点：本发明的试剂盒和方法能够准确预测癌症预后后果，尤其是对于前列腺癌生化复发的诊断具有较高的预测价值和重要的基础及临床价值和广阔的应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的15个mRNA为基础的基因决策模型；

图2是本发明实施例的149例患者ROC曲线图；

图3是本发明实施例的149例患者生化复发曲线图；

图4是本发明实施例的461例患者ROC曲线图；

图5是本发明实施例的461例患者生化复发曲线图。

具体实施方式

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

术语“癌症”和“癌”是指或者描述哺乳动物中通常以异常或失控的细胞生长为特征的生理状态。癌症和癌症病理可以伴随着例如转移、干扰邻近细胞的正常机能、以异常水平释放细胞因子或其他分泌产物、抑制或加重炎性或免疫应答、瘤形成、癌前病变、恶性肿瘤、周围或远距离组织或器官如淋巴结的浸润等。尤其包括的是前列腺癌。

术语“预后”指对医学结果(medical outcome)，例如不良或良好结果的预测(例如长期存活的可能性)；消极的预后或不良结果包括复发、疾病进展(例如肿瘤生长或转移或耐药性)或死亡的预测。积极的预后或良好结果包括疾病好转(例如无疾状态)、改善(例如肿瘤消退)或稳定的预测。

实施例1前列腺癌复发和/或存活后果或预后的评估模型的建立

通过从Gene Expression Omnibus(GEO)数据库检索并筛选了149例前列腺癌患者，从其中提取了相应的芯片数据。并根据前列腺腺癌的研究进展确定了522 个潜在的靶基因，应用Lasso Cox回归模型分析预测这些患者生化复发密切相关的 mRNA。最终确定和构建了以15个mRNA为基础的基因决策模型(见图1)。并根据决策模型的风险，采用以下评分公式，得出风险值，将患者分为前列腺癌术后生化复发高危组和低危组。

风险值＝(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+ (-0.1810×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3 表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+ (-0.0775×GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318× COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平) +(0.0650×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106× TMPRSS2表达水平)。

决策基因mRNA表达值代入模型中计算出风险值，风险值大于1判定为前列腺癌生化复发高危组，风险值小于1判定为前列腺癌生化复发低危组。

将149例前列腺癌患者的风险值分别计算出，结合患者的临床资料，绘制ROC 曲线，见图2，可见两年内，前列腺癌患者的早期生化复发诊断AUC值为0.766, 推衍至五年生化复发的AUC值为0.773。并根据risk score分为的前列腺癌术后生化复发高危组和低危组，绘制生化复发曲线，见图3，可见两组术后生化复发存在着显著差异，HR＝0.12,95％CI：0.07-0.21，C-index值为0.711。

实施例2用于前列腺癌预后的多基因试剂盒

本实施例中用于前列腺癌预后的多基因试剂盒包括：

总RNA提取试剂Trizol；

氯仿(三氯甲烷)；

异戊醇；

无水乙醇；

DEPC水(DD1005)；

焦磷酸乙二酯(DEPC)；

抗RNA酶液(RNaseZap)；

反转录试剂盒；

iQ SYBR Green Supermix；

序列为SEQ ID NO:1-30的多核苷酸引物。

利用试剂盒对各基因进行实时定量PCR(qRT-PCR)检测后，初始数据结果以 Ct值(cycle threshold)表示，即每个反应体系内的荧光信号达到设定的阈值所需要的循环数。每一样品的Ct值与该样品起始拷贝数的对数存在线性关系，起始拷贝数越多，则Ct值越小。采用ΔΔCT法计算各基因mRNA表达水平，并进行标准化处理。

根据上述步骤获得的各基因mRNA表达水平，代入以下前列腺癌生化复发预测模型计算前列腺癌生化复发的风险值，风险值大于1判定为前列腺癌生化复发高危组，风险值小于1判定为前列腺癌生化复发低危组。

风险值＝(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+ (-0.1810×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3 表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+ (-0.0775×GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318× COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平) +(0.0650×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106× TMPRSS2表达水平)。

实施例3样本RNA的制备和预处理

(1)组织RNA提取实验用枪头、镊子在DEPC水中浸泡过夜后高温高压灭菌，预冷4℃离心机，实验台、移液枪、手套等用抗RNA酶液(RNase Zap)擦拭。

(2)组织匀浆取50～100mg组织样品，用无菌手术刀片稍切碎后置于1.5mL EP管中，加入500μL Trizol试剂，用电动组织研磨器充分匀浆，然后补充加入 500μL Trizol试剂。

(3)每1mL Trizol试剂匀浆样品中加入0.2mL氯仿，盖紧EP管盖。剧烈振荡15秒，室温放置3min。4℃12,000rpm离心15min(提前预冷离心机)。离心后混合体系将分为上层的无色水相，中层的蛋白质和下层的红色酚氯仿相。DNA溶于氯仿分布于下层，RNA溶于水相分布于上层。水相的体积为匀浆时加入Trizol试剂体积的60％左右。

(4)RNA沉淀，将上层水相转移至新的EP管中。每1mL Trizol试剂匀浆样品中加入0.5mL异丙醇。混匀后室温放置10min，4℃下12,000rpm离心10min。离心后将在管壁底部和侧壁上可见白色沉淀物。

(5)RNA清洗，轻轻弃去上清，向每1mL Trizol试剂匀浆样品中加入1mL 75％的乙醇，清洗RNA沉淀。振荡，4℃下10,000rpm离心5min。

(6)RNA溶解，轻弃乙醇溶液，空气中干燥RNA沉淀约5～10min。注意切勿完全干燥RNA沉淀，否则将大大降低RNA的可溶性。溶解RNA时，加入适量无RNase 的DEPC水，用移液枪反复吹打，确保RNA充分溶解后，将RNA溶液保存于-80℃冰箱。

(7)RNA浓度测定和质控，使用

紫外分光光度计测定RNA 溶液的浓度和纯度。

1)测量前先用溶解RNA用的DEPC水调零；

2)用移液枪吸取2μL RNA样品滴加至测量基座的表面；

3)轻轻合上基座后，液滴会自动在上下基座之间形成液柱，完成测定后电脑中即显示RNA溶液的各种参数包括RNA浓度和纯度等。A260/A280的比值是一种常用的评估RNA纯度的参数，一般认为其比值范围1.8～2.1表示RNA纯度较好。

4)一次检测完成后，用擦镜纸轻轻擦去上下基座表面液体，即可进行下一个样品的检测。

ii)琼脂糖凝胶电泳

1)制胶：称取1g琼脂糖加入100mL 1×TAE buffer中，置于微波炉加热至沸腾，灌制凝胶板，待胶凝后取下梳子，将凝胶板放入电泳槽内，加入适量的1×TAE buffer至液面完全覆盖胶面。

2)准备RNA样品：取3μg RNA，加3倍体积的甲醛上样染液，再加EB于甲醛上样染液中至EB终浓度为10ug/mL，将体系加热至70℃孵育5min使样品变性。

3)电泳：上样后，5～6V/cm电压下电泳，至溴酚蓝指示剂进入胶内至少2～ 3cm。

4)紫外透射光下观察结果：经过变性RNA电泳后，在凝胶成像系统上可见28SrRNA、18S rRNA和5S rRNA三条带。观察到28S rRNA条带的强度约为18S rRNA 的2倍，而且5S rRNA条带较弱，说明总RNA未发生明显降解。

实施例4决策基因mRNA检测

(1)采用全式金公司的

1st Strand cDNA Synthesis SuperMix 进行第一链cDNA的合成，反应体系的配制在冰上进行，反应体系如下：

(2)采用Bio-Rad公司的iQ SYBR Green Supermix进行实时定量PCR反应。一般引物终浓度为0.2μM可以得到较好的结果，反应性能不佳时，可在0.1～1.0 μM范围内调整引物浓度。实时定量PCR试验引物序列如下：

(3)反应体系

PCR引物分别为：MCM2基因的扩增引物为：SEQ ID NO:1、SEQ ID NO:2；

GATM基因的扩增引物为：SEQ ID NO:3、SEQ ID NO:4；

PTGDS基因的扩增引物为：SEQ ID NO:5、SEQ ID NO:6；

ETV1基因的扩增引物为：SEQ ID NO:7、SEQ ID NO:8；

CASP3基因的扩增引物为：SEQ ID NO:9、SEQ ID NO:10；

NOTCH3基因的扩增引物为：SEQ ID NO:11、SEQ ID NO:12；

WNT5A基因的扩增引物为：SEQ ID NO:13、SEQ ID NO:14；

GLIS1基因的扩增引物为：SEQ ID NO:15、SEQ ID NO:16；

TNFRSF10B基因的扩增引物为：SEQ ID NO:17、SEQ ID NO:18；

COL4A6基因的扩增引物为：SEQ ID NO:19、SEQ ID NO:20；

MMP19基因的扩增引物为：SEQ ID NO:21、SEQ ID NO:22；

MSR1基因的扩增引物为：SEQ ID NO:23、SEQ ID NO:24；

PALLD基因的扩增引物为：SEQ ID NO:25、SEQ ID NO:26；

CCNG2基因的扩增引物为：SEQ ID NO:27、SEQ ID NO:28；

TMPRSS2基因的扩增引物为：SEQ ID NO:29、SEQ ID NO:30。

(4)反应程序

(5)对各基因mRNA的表达进行定量

实时定量PCR反应结束后对Real time PCR扩增曲线及熔解曲线进行数据分析处理，初始数据结果以Ct值(cycle threshold)表示，即每个反应体系内的荧光信号达到设定的阈值所需要的循环数。每一样品的Ct值与该样品起始拷贝数的对数存在线性关系，起始拷贝数越多，则Ct值越小。采用ΔΔCT法计算各基因mRNA 表达水平。

实施例5前列腺癌生化复发模型与前列腺癌生化复发的相关性分析

采用本发明的试剂盒进行预测，对461例TCGA前列腺癌患进行了验证，通过上述实施例的方法，将验证人群风险值计算出并分为高危组和低危组，绘制ROC 曲线及生化复发曲线，见图4和图5，结果显示在验证人群中本发明的方法对前列腺癌术后患者生化复发有很强的预测价值，两年及五年的生化复发AUC 值分别为 0.682和0.692，HR＝0.32,95％CI：0.21-0.50，C-index值为0.650。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

序列表

<110> 复旦大学附属肿瘤医院

<120> 一种用于癌症预后的多基因检测试剂盒

<141> 2018-05-08

<160> 30

<170> SIPOSequenceListing 1.0

<210> 1

<211> 17

<212> DNA

<213> Artificial Sequence

<400> 1

agaatctatg gcgacag 17

<210> 2

<211> 20

<212> DNA

<213> Artificial Sequence

<400> 2

acctgctctg ccactaactg 20

<210> 3

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 3

ggaaggagtg acagtaagga gg 22

<210> 4

<211> 23

<212> DNA

<213> Artificial Sequence

<400> 4

gcccacaact atcaggatgt ctc 23

<210> 5

<211> 20

<212> DNA

<213> Artificial Sequence

<400> 5

ccagggctga gttaaaggag 20

<210> 6

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 6

cgtcatgcac ttatcggttt gg 22

<210> 7

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 7

ctgaaccctg taactccttt cc 22

<210> 8

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 8

agacatctgg cgttggtaca ta 22

<210> 9

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 9

catggaagcg aatcaatgga ct 22

<210> 10

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 10

ctgtaccaga ccgagatgtc a 21

<210> 11

<211> 20

<212> DNA

<213> Artificial Sequence

<400> 11

tggcgacctc acttacgact 20

<210> 12

<211> 23

<212> DNA

<213> Artificial Sequence

<400> 12

cactggcagt tataggtgtt gac 23

<210> 13

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 13

attcttggtg gtcgctaggt a 21

<210> 14

<211> 20

<212> DNA

<213> Artificial Sequence

<400> 14

cgccttctcc gatgtactgc 20

<210> 15

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 15

cgtctctggt cacctgtgta a 21

<210> 16

<211> 19

<212> DNA

<213> Artificial Sequence

<400> 16

ctcatggctg tccgtcgat 19

<210> 17

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 17

atggaacaac ggggacagaa c 21

<210> 18

<211> 19

<212> DNA

<213> Artificial Sequence

<400> 18

ctgctgggga gctaggtct 19

<210> 19

<211> 19

<212> DNA

<213> Artificial Sequence

<400> 19

cagcagcggg agagaagtc 19

<210> 20

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 20

ccagtagagc cagtgaatcc t 21

<210> 21

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 21

gcttcctact ccccatgaca g 21

<210> 22

<211> 23

<212> DNA

<213> Artificial Sequence

<400> 22

cccatattgt gacaggtagt cca 23

<210> 23

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 23

gcagtgggat cactttcaca a 21

<210> 24

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 24

agctgtcatt gagcgagcat c 21

<210> 25

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 25

aagaaggcca gtagaactgc t 21

<210> 26

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 26

aagcgaagtt ttcgttccag g 21

<210> 27

<211> 21

<212> DNA

<213> Artificial Sequence

<400> 27

tctcgggttg ttgaacgtct a 21

<210> 28

<211> 22

<212> DNA

<213> Artificial Sequence

<400> 28

gtagcctcaa tcaaactcag cc 22

<210> 29

<211> 20

<212> DNA

<213> Artificial Sequence

<400> 29

gtccccactg tctacgaggt 20

<210> 30

<211> 19

<212> DNA

<213> Artificial Sequence

<400> 30

cagacgacgg ggttggaag 19

Claims (6)

1.一种用于癌症预后的多基因检测试剂盒，其特征在于，所述试剂盒包括检测MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2和TMPRSS2表达水平的检测试剂；所述癌症选自前列腺癌。

2.如权利要求1所述的试剂盒，其特征在于，所述检测试剂包括多核苷酸引物或探针。

3.如权利要求2所述的试剂盒，其特征在于，所述多核苷酸引物的序列如SEQIDNO:1-30所示。

4.如权利要求1所述的试剂盒，其特征在于，所述癌症预后的确定包括以下步骤：

（a）检测样本的MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2和TMPRSS2的mRNA表达水平；

（b）根据步骤（a）获得的表达水平数据评估患者的癌症复发风险；

其中步骤（b）中通过以下方法评估患者的癌症复发风险：

风险值=(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+(-0.1810×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+(-0.0775×GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318×COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平)+(0.0650×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106×TMPRSS2表达水平)。

5.检测MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2和TMPRSS2表达水平的检测试剂在制备用于癌症预后的产品中的用途；所述癌症为前列腺癌。

6.如权利要求5所述的检测试剂在制备用于癌症预后的产品中的用途，其特征在于，所述癌症预后的确定包括以下步骤：

（a）检测样本的MCM2、GATM、PTGDS、ETV1、CASP3、NOTCH3、WNT5A、GLIS1、TNFRSF10B、COL4A6、MMP19、MSR1、PALLD、CCNG2和TMPRSS2的mRNA表达水平；

（b）根据步骤（a）获得的表达水平数据评估患者的癌症复发风险；

其中步骤（b）中通过以下方法评估患者的癌症复发风险：

风险值=(0.4237×MCM2表达水平)+(0.1915×GATM表达水平)+(-0.1810×PTGDS表达水平)+(0.2629×ETV1表达水平)+(0.0140×CASP3表达水平)+(0.0802×NOTCH3表达水平)+(0.1480×WNT5A表达水平)+(-0.0775×GLIS1表达水平)+(-0.4323×TNFRSF10B表达水平)+(-0.0318×COL4A6表达水平)+(-0.4802×MMP19表达水平)+(0.0775×MSR1表达水平)+(0.0650×PALLD表达水平)+(0.0254×CCNG2表达水平)+(0.0106×TMPRSS2表达水平)。

Images