CN110551819B - 一组卵巢癌预后相关基因的应用 - Google Patents

一组卵巢癌预后相关基因的应用 Download PDF

Info

Publication number
CN110551819B
CN110551819B CN201910782392.4A CN201910782392A CN110551819B CN 110551819 B CN110551819 B CN 110551819B CN 201910782392 A CN201910782392 A CN 201910782392A CN 110551819 B CN110551819 B CN 110551819B
Authority
CN
China
Prior art keywords
ovarian cancer
genes
gene
prognosis
patients
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.)
Active
Application number
CN201910782392.4A
Other languages
English (en)
Other versions
CN110551819A (zh
Inventor
赵玥
王频
安托万·M·斯内德
毛建华
杭渤
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.)
Berkeley Nanjing Medical Research Co ltd
Original Assignee
Berkeley Nanjing Medical Research Co ltd
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 Berkeley Nanjing Medical Research Co ltd filed Critical Berkeley Nanjing Medical Research Co ltd
Priority to CN201910782392.4A priority Critical patent/CN110551819B/zh
Publication of CN110551819A publication Critical patent/CN110551819A/zh
Priority to PCT/CN2020/104023 priority patent/WO2021036620A1/zh
Application granted granted Critical
Publication of CN110551819B publication Critical patent/CN110551819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development

Landscapes

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

Abstract

本发明基于浆液性卵巢癌中一组11个预后相关基因谱的发现和其在临床肿瘤样本中表达水平的检测，根据一组这些基因的预后相关系数计算患者的预后评分，来评估卵巢癌患者的临床预后及其相关应用。此系统可辅助评估卵巢癌患者对治疗干预的反应，从而判断患者是否从化学或靶向治疗中获益，进行治疗选择，避免过度医疗，达到个体化治疗的目的。根据此系统和不同的检测技术平台，设计开发相应的11基因表达测量试剂盒。

Description

一组卵巢癌预后相关基因的应用
技术领域
本发明属于肿瘤基因检测技术领域，具体涉及一组浆液性卵巢癌相关基因及其应用。
背景技术
卵巢癌是严重威胁女性健康的重大疾病，其发病率位于女性生殖系统恶性肿瘤第二位，其病死率居恶性肿瘤的第五位，在妇科肿瘤中居于首位。根据著名期刊CA:a cancerjournal for clinicians的最新的年度报告显示，全球每年有超过29.5万新发卵巢癌患者，超过18.5万患者死亡，且患者和死亡人数呈上升趋势。卵巢的解剖位置隐蔽，卵巢癌早期症状不明显，目前还没有有效且有益的方法进行早期诊断或开展人群中的广泛筛查，因此卵巢癌的早期诊断率很低，有高达70％-80％的患者就诊时已属晚期。在众多人类肿瘤中，卵巢癌被称为女性的“沉默杀手”，足可见其临床和社会重要性之显著。虽然大多数卵巢癌患者可以通过肿瘤细胞减灭术以及初始化疗达到缓解，但是其复发率仍高达75％。此外，根据美国妇产科协会(ACOG)的统计数据，目前卵巢癌的治疗效果及预后均欠佳，5年生存率只有20％左右。因此，建立早期诊断方法、寻找有效治疗靶点、准确评估预后指导临床干预为提高卵巢癌患者生存率的重要挑战。
近年来，卵巢癌手术技术在不断进步，新型化疗药物不断投入使用，化疗方案也在不断优化。具体说来主要包括BRCA突变患者的PARP抑制剂治疗、叶酸受体等分子靶向治疗、免疫疗法、抗血管生成药物治疗、紫杉醇每周化疗方案等。
根据2014年世界卫生组织(WHO)标准，卵巢肿瘤在组织学上分为上皮性肿瘤、性索间质肿瘤、生殖细胞肿瘤等，每一大类下又细分为诸多亚类，如上皮性卵巢癌又分为浆液性癌、黏液性癌、子宫内膜样癌、透明细胞癌、浆液-黏液性癌等。浆液性卵巢癌(SerousOvarian Carcinoma,SOC)是上皮性卵巢癌中最主要的，占卵巢癌死亡率的70-80％。基于每种亚型特异性的基因过表达水平，大多数SOC可分为四种亚型：间充质性，免疫反应性，分化性和增殖性。浆液性卵巢癌的特征在于遗传改变，包括遗传性BRCA基因突变，TP53突变，DNA损伤，染色体不稳定，以及RNA和miRNA表达和甲基化状态的变化。
卵巢癌和其他肿瘤一样，是一种“多因素起因、多步骤发展的全身性、系统性疾病”，即使是同一类型的卵巢癌，不同个体间在分子水平上也存在着高度的异质性，因此简单的组织学分类对于临床干预的指导价值较为有限。不同的肿瘤患者，即使其病理类型、分期、分级乃至所接受的治疗均相同，其生存期仍然会呈现差异。肿瘤异质性包括相同类型肿瘤不同患者间的异质性和个体肿瘤内细胞间的异质性。现有比较一致的观点认为每个病人的肿瘤都是独一无二的，且这种独特性从宏观到微观可以延伸到个体肿瘤中的不同细胞克隆中，且在几乎所有类型的肿瘤中均存在这样的独特性。正如我们所知，不同的遗传背景、内在因素和环境因素构成了宏观的患者间的肿瘤异质性。伴随着高通量技术和单细胞测序技术的广泛推广应用，肿瘤内部异质性已然是目前肿瘤领域的一个研究热点。而针对每个个体肿瘤分子水平的差异而提供个体化的精准治疗是未来医疗发展的必然趋势。目前这方面工作做得最为成功的是乳腺癌，不仅可以根据相关分子(ER、Her2等)的不同表达情况进行分型并对不同类型的乳腺癌患者有针对性的实行手术和辅助治疗，还可以通过OncotypeDX(美国Genomic Health公司)和MammaPrint(挪威Agendia公司)，检测多基因表达对乳腺癌的复发和转移等预后情况进行评估以及指导治疗。以上方法均已成熟应用于临床并获得显著的疗效。目前这两项检测均获美国FDA批准上市。另外，Oncotype DX还获得NCCN指南推荐并为美国医疗保险覆盖项目，完整实现了从基础研究到临床应用的转化。此外，在前列腺癌和结肠癌方面也有类似Oncotype DX的基因检测项目被开发。但是目前针对卵巢癌则尚未有类似的基因检测可以用于指导治疗方案的选择，而我们知道卵巢癌是基因因素占较大发病原因的肿瘤种类，且是困扰病人和医生的巨大挑战。因此，针对卵巢癌开发类似的基因检测和评分系统用于指导临床，不仅有广泛坚实的技术条件和知识基础，而且也很有必要以及获得良好结果的前景和希望。
发明内容
本发明的目的在于对卵巢癌患者进行预后预测和治疗方案评估等基因诊断。
本发明中的样本为卵巢癌患者的肿瘤组织，由患者的肿瘤组织样本分离mRNA，测定卵巢癌相关基因表达水平，并利用评价卵巢癌预后的多基因表达谱和评分系统对浆液性卵巢癌预后相关基因在临床样本中表达水平进行检测，通过计算预后评分来预测病人的临床预后。
为了实现上述目的，本发明提供一组11个卵巢癌相关基因在制备用于卵巢癌预后预测试剂中的应用，上述11个卵巢癌相关基因为(1)同源重组修复基因：RAD51AP1；(2)编码生物酶类基因：MTHFD2，GALNT10，PYCR1；(3)信号转导相关基因：CADPS2，DSE，ITGB8，PDE10A，SNX1；(4)其他基因：C9orf16，ARL4；和(5)对照基因：GAPDH，ACTB，GUSB和TFRC。
在一些实施方案中，卵巢癌为浆液性卵巢癌。
在另一实施方案中，本发明提供针对权利要求1的11个卵巢癌相关基因在制备用于卵巢癌预后预测试剂中的应用所设计的一组基因探针或引物，该基因探针能够通过分子杂交与上述11个卵巢癌相关基因结合产生杂交信号，该引物能够通过基于PCR的技术对上述11个卵巢癌相关基因进行扩增。
在另一实施方案中，本发明提供一种卵巢癌预后预测诊断用组合物，其包括上述基因探针或引物。
在另一实施方案中，本发明提供一种卵巢癌预后预测诊断试剂盒，其包括上述组合物。
在一些实施方案中，上述11个卵巢癌相关基因可通过实时荧光定量PCR，基因芯片，二代高通量测序，Panomics或Nanostring技术来检测。
在一些实施方案中，可通过实时荧光定量PCR，基因芯片，二代高通量测序，Panomics或Nanostring技术来检测上述11个相关基因在卵巢癌中的mRNA表达水平。
本说明书中使用的术语“基因探针”和“引物”表示寡核苷酸，优选为单链的脱氧核糖核苷酸，包括天然(naturally occurring)dNMP(dAMP、dGMP、dCMP和dTMP)、变形核苷酸或非天然核苷酸，此外，还可以包含核糖核苷酸。
本发明中利用的基因探针和引物包含与靶核酸的目标位置互补的杂交核苷酸序列。术语“互补”的含义是指，在杂交条件下引物或探针与靶核酸序列选择性地进行杂交的充分互补，具有将实质上互补(substantially complementary)和完全互补(perfectlycomplementary)全部包括在内的含义，优选地为完全互补。本说明书中使用的术语“实质上互补的序列”不仅包括完全一致的序列，也包括在能够在特定靶序列上发挥引物作用且与作为比较对象的序列有部分不一致的序列。
基因探针和引物的序列不需要具有与模板的一部分序列完全互补的序列，只要在能够与模板杂交从而发挥其固有作用的范围内具有充分的互补性即可。因此，本发明中的基因探针和引物不需要具有与作为模板的上述核苷酸序列完全互补的序列，只要在能够与模板杂交从而发挥其固有作用的范围内具有充分的互补性即可。引物和基因探针的设计为本领域技术人员所掌握的技能，例如可以利用引物设计用程序(例如：PRIMER 3程序)。
本发明中mRNA表达水平的测定可以利用本领域公知的方法进行，包括但不限于实时荧光定量PCR、基因芯片、二代高通量测序、Panomics或Nanostring技术。
本发明提供一种含有本发明的基因探针或引物对卵巢癌的预后预测诊断试剂及试剂盒。本发明的试剂和试剂盒中，除了针对上述11-基因标记物的引物或基因探针之外，还可以追加含有用于PCR反应、试样的RNA分离和cDNA的合成的本领域公知的工具和/或试剂。本发明的试剂盒可以根据需要追加含有用于各成分的混合的管、微孔板和记载使用方法的指示资料等。
有益效果：
虽然一些分子特征研究已经在卵巢癌中进行，但很少有研究试图找出和卵巢癌预后相关的基因标记物，更尚未见预后评分系统在临床运用的报道。本发明通过使用多组学数据成功寻找到预测卵巢癌患者总生存期的一组11个重要的生物标记物基因，并首次建立了基于11个基因标记物的预后评分系统。我们也证实了该系统的预测分值能够准确区分卵巢癌患者不同的临床预后。此发明可用于辅助预测卵巢癌患者对治疗干预的反应，判断患者是否从化疗和靶向治疗中获益，进行治疗选择，避免过度医疗，达成个体化医疗的目的。
附图说明
图1：浆液性卵巢癌基因标签中的代表基因的Kaplan-Meier生存曲线举例。p值通过对比两组之间差别检定(log-rank test)而得到。
图2：用于本发明的卵巢癌232个总生存期相关基因的共表达网络图。
图3：本发明中卵巢癌前20个高度富集的基因功能组。
图4A：根据本发明预后评分不同预后卵巢癌患者被分为好中差三组的两个代表测试集的Kaplan-Meier生存曲线。
图4B：100次测试集中的危险比(HR)和其95％的HR置信区间。
图5：Kaplan-Meier生存曲线显示本发明预后评分可在多个数据库中对卵巢癌患者预后进行准确预测举例。
图6：本发明对卵巢癌患者预后的评估显著优于已报道的5个基因预后标签。
具体实施方式
以下配合图式及本发明的较佳实施例，进一步阐述本发明为达成预定发明目的所采取的技术手段。
本发明应用国际通用肿瘤数据库，采用多步骤的生物信息学分析方法，首先确认了488个在正常卵巢组织和浆液性卵巢癌组织中表达有显著差异的基因，通过生存分析，发现其中232个基因与总生存期(Overall Survival，OS)显著相关。这232个基因的生物学功能涉及到细胞分裂、上皮细胞分化、p53信号通路、血管形成和药物代谢等过程。利用TCGA(The Cancer Genome Atlas)数据库中的病人临床信息和相关基因的表达情况，采用典型判别分析法确定一组浆液性卵巢癌预后相关的基因标志物，在此基础上建立预后评分系统并验证其评估价值和准确性。
具体而言，我们使用了6个公开的国际肿瘤数据集(Affymetrix芯片[HG-U133_Plus_2]Affymetrix Human Genome U133Plus 2.0Array和[HG-U133A]Affymetrix HumanGenome U133A Array)：
GSE18520(https://www.ncbi.nlm.nih.gov/geo/geo2r/？acc＝GSE18520)
GSE26712(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE26712)
GSE40595(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE40595)
GSE38666(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE38666)
GSE27651(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE27651)
GSE6008(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE6008)
首先采用多步骤的生物信息学分析方法，比较正常卵巢组织和卵巢癌组织之间的基因表达情况确定每个数据集中显著差异表达的基因，共有397例样本(349例卵巢癌，48例正常卵巢组织)纳入分析。这6组数据集分别有24049、11262、37330、17903、11959和6733个差异表达基因(probe ID)达到了我们的标准(fold change(FC)≥1.5，校正后p值<0.05)，然后对这6组差异表达基因取其交集，共有590个基因(probe ID)入选。其中有562个基因(probe ID)在6个数据集中的表达变化趋势一致(在6个数据集中表达均为上调或均为下调)，其中260个基因(probe ID)表达下调，302个基因(probe ID)表达上调；根据芯片基因的探针找出了相应的488个基因，这些基因在6个数据集中的表达变化趋势一致(在6个数据集中均为上调或均为下调)，其中222个基因表达下调，266个基因表达上调。
通过进一步评估上述488个基因的差异表达在卵巢癌预后中的价值，我们使用生存预后在线工具Kaplan-Meier曲线(http://kmplot.com/analysis/index.php？p＝service&cancer＝ovar)和大型公共临床微阵列芯片数据库分析了基因表达水平与卵巢癌患者总生存期之间的关系。首先将上述488个基因分别根据其表达水平分为两组(高或低表达)，使用Cox回归分析、Kaplan-Meier生存曲线和对数秩检验来评价这些基因的高表达水平或低表达水平对总生存期(OS)的影响。发现488个基因中有232个基因的表达水平与卵巢癌患者的总生存期之间存在显著关联(adjusted p-value≤0.05)。图1显示了4个代表性基因表达水平对病人预后生存的影响。232个基因中有82个基因的危险比(HR)<1(较高的基因表达与良好的预后相关)，称为保护基因；而另150个基因HR＞1(较高的基因表达与不良预后相关的)，称为危险基因。这232个基因将是我们接下来研究分析的对象，卵巢癌预后相关基因标记物将从中筛选而来。最后，根据以上单因素分析产生的对数秩检验的p值对这些基因进行排序(见表1)。
我们利用基因功能注释分析工具Metascape对上述232基因进行基因本体(GeneOntology，GO)分析，发现这些基因显著富集于很多细胞过程，如细胞分裂、上皮细胞分化、p53信号通路、血管发育等，这些生物学过程都与癌症的发生发展有关。并据此构建了浆液性卵巢癌总生存期相关基因的共表达网络图(如图2和图3所示)。
基于上述结果，我们开发了一项浆液性卵巢癌预后评分系统。我们应用逐步的典型判别分析(canonical discriminant analysis)来识别能够以100％的准确性鉴别病人预后的基因标记物，最后确定了一组由11个特定的浆液性卵巢癌预后基因构成的评分系统，获得了100％的预后预测准确率。这些基因包括：(1)同源重组修复基因：RAD51AP1；(2)编码生物酶类基因：MTHFD2，GALNT10，PYCR1；(3)信号转导相关基因：CADPS2，DSE，ITGB8，PDE10A，SNX1；(4)其他基因：C9orf16，ARL4。各基因为本领域公知的各基因的序列、或各基因的同义词(synonym)的序列，优选为来源于人的各基因的序列，更优选RAD51AP1为Genbank登记号NM_006479所记载的序列、MTHFD2为Genbank登记号NM_006636所记载的序列、GALNT10为Genbank登记号NM_198321所记载的序列、PYCR1为Genbank登记号NM_006907所记载的序列、CADPS2为Genbank登记号NM_017954所记载的序列、DSE为Genbank登记号NM_013352所记载的序列、ITGB8为Genbank登记号NM_002214所记载的序列、PDE10A为Genbank登记号NM_001130690所记载的序列、SNX1为Genbank登记号NM_003099所记载的序列、C9orf16为Genbank登记号NM_024112所记载的序列、ARL4为Genbank登记号NM_005737所记载的序列。各基因的同义词及其序列可以通过Genbank或Swissprot进行检索。
上述浆液性卵巢癌预后评分系统用预测分值来计算患者的生存概率。评分系统被定义为通过典型判别函数为基础的基因表达水平的线性组合。计算公式如下：
Figure BDA0002177000220000071
注：见表2。
每个患者的预后评分可以用来评估其总生存期和死亡风险。对训练组的患者根据其预后评分进行排序，并根据其得分将患者分为三组数量相同的队列，记录相应的截点所对应的预后评分，取各截点评分的平均值作为真实截点得分，根据这两个截点得分将测试组患者分为(预后)“好”、“中”、“差”三组。对100个测试集的三组患者进行Kaplan-Meier分析和Log-Rank检验，将“中”和“差”组分别与“好”组比较，计算危险比(hazard ratios,HR)，确定三组患者总生存期(overall survival，OS)的差异(图4A为两个代表测试集的Kaplan-Meier生存曲线)。在99％的测试集中，“差”组患者的总生存期显著低于“好”组患者(95％置信区间的低值＞1)(图4B的上半部)；在60％以上的测试集中，“中”组患者的总生存期显著低于“好”组患者(95％置信区间的低值＞1)(图4B的下半部)。这些结果有力地验证了这个11-基因标记物以及预后评分系统对不同预后患者的区分能力，可以很好地将预后良好或较差的患者进行区分。
除了上文所述的利用同一组数据所做的内部验证外，我们采用了9个独立的外部的卵巢癌患者数据集对该11-基因标记物和评分系统进行了进一步验证。我们根据该11-基因标记物和评分系统对每个数据集分别计算其中所有患者的预后评分，并根据评分对患者进行排序。经过Kaplan-Meier分析，在所有9个数据集中，“好”组和“差”组患者被很好地区分，预后评分高的患者的总生存期明显少于评分低的患者(p<0.05)，组间总生存期差异显著，有统计学意义，HR值介于1.54-4.76之间(图5展示了其中的4个代表数据集的Kaplan-Meier生存曲线，并见表3)。我们至此可以得出结论：11-基因标记物和预后评分系统可独立预测卵巢癌患者的总生存期情况，且具有很好的可重复性。
本发明中，试样为卵巢癌患者的肿瘤组织，上述卵巢癌患者中有时也包含一部分正常细胞，包括但不限于新鲜活检组织、术后组织、固定后的组织和石蜡包埋的组织。本发明的卵巢癌预后预测诊断标签物可通过不同检测技术平台进行检测，包括但不限于实时荧光定量PCR、基因芯片、二代高通量测序、Panomics和Nanostring技术，并针对不同的技术平台，设计了相应的基因引物(实时荧光定量PCR)和探针(基因芯片、二代高通量测序、Panomics和Nanostring技术)。优选方案为目标基因的表达量检测，更优选为目标基因的表达量定量检测。为了检测表达量，需要从试样组织内分离RNA，可以利用本领域公知的分离试样中RNA的方法。我们定义的预测分值计算方法如上，但预测分值的绝对值和分数划界可依不同的技术平台而不同，需要分别确定。
另一方面，本发明提供一种卵巢癌预后预测诊断用组合物，其含有基因探针或引物作为有效成分，该基因探针或引物是针对上述11-基因标记物(RAD51AP1、MTHFD2、GALNT10、PYCR1、CADPS2、DSE、ITGB8、PDE10A、SNX1、C9orf16、ARL4)。
另一方面，本发明提供一种卵巢癌预后预测诊断试剂盒，其包括上述组合物。
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例1
现有技术文献中已有运用表达差异的方式显示基因或多基因组与卵巢癌预后的相关性研究。我们将11个基因评分系统与现有的单基因或基因组的系统进行比较，我们首先进行了单变量Cox回归分析，显示上面所述的232个来自GSE的单基因与卵巢癌总体存活仅呈弱关联。然后我们使用先前报道过的5-基因卵巢癌预后标签(Liu LW等，A Five-GeneExpression Signature Predicts Clinical Outcome of Ovarian SerousCystadenocarcinoma.Biomed Res Int.2016:6945304.)来计算预测分值。我们对其5个基因在之前的100个训练集中使用多元Cox回归分析方法进行分析，用同样的方法分别计算每个基因相应的系数并取平均值，用同样的公式计算TCGA 307例卵巢癌患者的预后评分。对训练组的患者根据其预后评分进行排序，并根据评分将患者分为三组数量相同的队列，记录相应的截点所对应的预后评分，取各截点对应评分的平均值作为真实截点评分，根据这两个截点评分将测试组患者分为(预后)“好”、“中”、“差”三组。对所有测试集的三组患者的进行Kaplan-Meier分析和Log-Rank检验，将“中”和“差”组分别与“好”组比较，计算危险比(hazard ratios,HR)，确定三组患者总生存期(overall survival，OS)的差异。在90％的测试集中，“差”组患者的总生存期显著低于“好”组患者(95％置信区间的低值＞1)；在12％的测试集中，“中”组患者的总生存期显著低于“好”组患者(95％置信区间的低值＞1)。而在我们的11-基因标记物中，这两个百分比分别是99％和61％。此外，我们的11-基因标记物的中位HR分别高出5个基因预后标记物中位HR1.46倍(“中”组vs.“好”组)和1.73倍(“差”组vs.“好”组)。图6分别显示了100个测试集中“中”组和“差”组与“好”组相比的HR，并将我们的11-基因标记物和其他研究者发表的5-基因预后标记物进行对比。这些结果表明本发明的11-基因标记物对不同预后(总生存期)卵巢癌患者的区分的能力显著优于5个基因预后标记物。
实施例2
预测临床浆液性卵巢癌患者的预后效果：
采集临床接收的卵巢癌患者的肿瘤组织并提取RNA，肿瘤组织可包括新鲜活检组织，术后组织，固定后的组织和石蜡包埋的组织。然后用本发明开发的试剂盒与相应的仪器定量检测预后评分系统11个基因的表达水平。将11基因的表达水平输入本发明建立的预后评分公式：
Figure BDA0002177000220000091
在计算出患者的预测分值后，医生根据分数值来预测患者的预后情况，比如5年生存率。目前我们通过回顾性研究建立了模型，成功地在不同数据库进行了验证(表3)。通过计算数据库内所有患者的预后评分，并根据患者的评分对患者进行排名。使用Kaplan-Meier分析在“好”和“差”预后的患者群组之间的显着差异。我们发现，具有高预后评分的患者的OS显着短于评分低的患者(p<0.05)(图5)。HR值范围从1.54到.9.76，证实11基因预后评分系统可重复预测卵巢癌患者的总体生存率。我们也开始实施前瞻性研究来进一步完善评分系统。
实施例3
预测临床卵巢癌患者对PARP抑制剂等靶向治疗(比如但不限于奥拉帕尼(olaparib)、雷拉帕尼(rucaparib)和尼拉帕尼(niraparib))的反应；
作为预后和预测生物标志物，BRCA1/BRCA2突变是卵巢癌的一个较大的危险因素(终身风险40％)，奥拉帕尼在无生殖细胞BRCA突变的人群中的应答率为30％，在铂类药物敏感人群中为50％，为减少无效或过度应用靶向药，降低医疗成本，本发明通过如下实施来预测临床卵巢癌患者对PARP抑制剂(比如但不限于奥拉帕尼(olaparib)、雷拉帕尼(rucaparib)和尼拉帕尼(niraparib))的反应；对临床接收的卵巢癌患者采集肿瘤组织并提取RNA，肿瘤组织可包括新鲜活检组织，术后组织，固定后的组织和石蜡包埋的组织。然后用本发明开发的试剂盒与相应的仪器定量检测预后评分系统11基因的表达水平。将11基因的表达水平输入本发明建立的预后评分公式：
Figure BDA0002177000220000101
在计算出患者的预测分值后，医生根据分数值来考虑患者是否应接受PARP抑制剂靶向治疗。对预测分值标示好预后的患者，可以建议医生酌情考虑PARP抑制剂靶向治疗的必要性，达到避免过度用药，降低医疗成本，最后达到精准或个体化医疗的目的。
实施例4
预测临床卵巢癌患者对化疗药物紫杉醇的反应：目前卵巢癌化疗复发率高，有效率低，为减少无效或过度用药，降低医疗成本，本发明通过以下方案实施来预测临床卵巢癌患者对化疗药物紫杉醇的反应：对临床接收的卵巢癌患者采集肿瘤组织并提取RNA，肿瘤组织可包括新鲜活检组织，术后组织，固定后的组织和石蜡包埋的组织。然后用本发明开发的试剂盒与相应的仪器定量检测预后评分系统11基因的表达水平。将11基因的表达水平输入本发明建立的预后评分公式：
Figure BDA0002177000220000111
在计算出患者的预测分值后，医生根据分数值来考虑患者是否应接受紫杉醇化疗。对预测分值标示好预后的患者，可以建议医生酌情考虑紫杉醇治疗的必要性，对预测分值标示差预后的患者，可以建议医生酌情增大紫杉醇或其他化疗药物的治疗强度。
表1.K-M绘图分析结果总结
差异表达基因对卵巢癌患者总生存期的影响(与总生存期显著相关基因用加深字体/数字突出显示)；如果基因具有多个Affymetrix探针，结果最显著的被列在此表中。
Figure BDA0002177000220000112
       
Figure BDA0002177000220000121
       
Figure BDA0002177000220000131
       
Figure BDA0002177000220000141
       
Figure BDA0002177000220000151
       
Figure BDA0002177000220000161
       
Figure BDA0002177000220000171
       
Figure BDA0002177000220000181
       
Figure BDA0002177000220000191
       
Figure BDA0002177000220000201
       
Figure BDA0002177000220000211
       
Figure BDA0002177000220000221
       
Figure BDA0002177000220000231
表2.典型判别函数系数
Figure BDA0002177000220000232
表3.九个独立公共数据库验证结果
Figure BDA0002177000220000233
Figure BDA0002177000220000241
以上所述仅是本发明的优选实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以优选实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.检测一组11个卵巢癌相关基因和4个对照基因组成的基因组合的表达水平的试剂在制备用于浆液性卵巢癌预后预测的试剂中的应用，其特征在于，所述11个卵巢癌相关基因为：（1）同源重组修复基因：RAD51AP1；（2）编码生物酶类基因：MTHFD2，GALNT10，和PYCR1；（3）信号转导相关基因：CADPS2，DSE，ITGB8，PDE10A，和SNX1；（4）其他基因：C9orf16，和ARL4；所述4个对照基因为GAPDH，ACTB，GUSB和TFRC。
2.根据权利要求1所述的应用，其特征在于，所述基因组合的表达水平通过实时荧光定量PCR，基因芯片或二代高通量测序来检测。
3.根据权利要求1所述的应用，其特征在于，所述基因组合的表达水平通过Panomics或Nanostring技术来检测。
4.根据权利要求1所述的应用，其特征在于，所述基因组合的表达水平为相关基因在卵巢癌中的mRNA表达水平。
5.根据权利要求4所述的应用，其特征在于，所述mRNA表达水平通过实时荧光定量PCR，基因芯片或二代高通量测序来检测。
6.根据权利要求4所述的应用，其特征在于，所述mRNA表达水平通过Panomics或Nanostring技术来检测。
CN201910782392.4A 2019-08-23 2019-08-23 一组卵巢癌预后相关基因的应用 Active CN110551819B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910782392.4A CN110551819B (zh) 2019-08-23 2019-08-23 一组卵巢癌预后相关基因的应用
PCT/CN2020/104023 WO2021036620A1 (zh) 2019-08-23 2020-07-24 一组卵巢癌预后相关基因的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782392.4A CN110551819B (zh) 2019-08-23 2019-08-23 一组卵巢癌预后相关基因的应用

Publications (2)

Publication Number Publication Date
CN110551819A CN110551819A (zh) 2019-12-10
CN110551819B true CN110551819B (zh) 2023-05-16

Family

ID=68737966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782392.4A Active CN110551819B (zh) 2019-08-23 2019-08-23 一组卵巢癌预后相关基因的应用

Country Status (2)

Country Link
CN (1) CN110551819B (zh)
WO (1) WO2021036620A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110551819B (zh) * 2019-08-23 2023-05-16 伯克利南京医学研究有限责任公司 一组卵巢癌预后相关基因的应用
CN111139300B (zh) * 2020-02-19 2021-08-17 伯克利南京医学研究有限责任公司 一组结肠癌预后相关基因的应用
CN112626215B (zh) * 2020-12-30 2023-03-24 武汉康圣达医学检验所有限公司 Aml预后相关基因表达检测试剂盒
CN112680523B (zh) * 2021-01-25 2022-07-29 复旦大学附属中山医院 用于判断卵巢癌患者预后的分子模型及应用
CN113774135B (zh) * 2021-09-17 2024-03-08 广东省人民医院 一组用于预测高级别浆液性卵巢癌预后的标志物及其应用
CN114613498B (zh) * 2022-03-24 2022-12-13 中国人民解放军总医院第五医学中心 一种基于机器学习的辅助mdt临床决策方法、系统及设备
CN114686590B (zh) * 2022-04-25 2023-07-28 重庆大学附属肿瘤医院 一种检测ahctf1表达水平的试剂在制备判断卵巢癌干性程度的试剂中的应用
CN114752673B (zh) * 2022-04-30 2023-07-28 重庆大学附属肿瘤医院 一种检测isyna1表达水平的试剂在制备卵巢癌干性鉴别试剂中的应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104854247A (zh) * 2012-10-12 2015-08-19 新加坡科技研究局 卵巢癌的预后及分层方法
CN106706915A (zh) * 2016-12-30 2017-05-24 山东大学齐鲁医院 Susd2在制备高级别浆液性卵巢癌诊断和/或预后判断的试剂盒中的应用

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090071603A (ko) * 2006-09-19 2009-07-01 노파르티스 아게 Ｒａｆ 억제제에 대한 표적 조절, 효능, 진단 및/또는 예후의 바이오마커
WO2009009890A1 (en) * 2007-07-16 2009-01-22 University Health Network Ovarian cancer biomarkers
WO2012031008A2 (en) * 2010-08-31 2012-03-08 The General Hospital Corporation Cancer-related biological materials in microvesicles
US9809858B2 (en) * 2012-04-05 2017-11-07 H. Lee Moffitt Cancer Center And Research Institute, Inc. O-glycan pathway ovarian cancer signature
US9771620B2 (en) * 2013-05-20 2017-09-26 Duke University Biomarkers of high-grade serous ovarian carcinomas
WO2015042115A1 (en) * 2013-09-17 2015-03-26 The Board Of Trustees Of The Leland Stanford Junior University Biomarkers for ovarian cancer
CN106771248B (zh) * 2016-12-30 2018-05-15 山东大学齐鲁医院 高级别浆液性卵巢癌诊断和/或预后判断的标志物
JP7377527B2 (ja) * 2017-03-07 2023-11-10 エリィプタ アーベー がんバイオマーカー
US20210254056A1 (en) * 2017-05-05 2021-08-19 Camp4 Therapeutics Corporation Identification and targeted modulation of gene signaling networks
WO2019008412A1 (en) * 2017-07-03 2019-01-10 Datar Rajan USE OF BLOOD GENE EXPRESSION ANALYSIS FOR CANCER CARE
CN108508212B (zh) * 2018-04-19 2020-11-03 山东大学齐鲁医院 高级别浆液性卵巢癌靶向治疗和预后判断的标志物
CN110551819B (zh) * 2019-08-23 2023-05-16 伯克利南京医学研究有限责任公司 一组卵巢癌预后相关基因的应用

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104854247A (zh) * 2012-10-12 2015-08-19 新加坡科技研究局 卵巢癌的预后及分层方法
CN106706915A (zh) * 2016-12-30 2017-05-24 山东大学齐鲁医院 Susd2在制备高级别浆液性卵巢癌诊断和/或预后判断的试剂盒中的应用

Also Published As

Publication number Publication date
WO2021036620A1 (zh) 2021-03-04
CN110551819A (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN110551819B (zh) 一组卵巢癌预后相关基因的应用
CN106834462B (zh) 一组胃癌基因的应用
US11220716B2 (en) Methods for predicting the prognosis of breast cancer patient
CN107881234B (zh) 一组肺腺癌相关基因标签及其应用
Balgobind et al. Evaluation of gene expression signatures predictive of cytogenetic and molecular subtypes of pediatric acute myeloid leukemia
US10718030B2 (en) Methods for predicting effectiveness of chemotherapy for a breast cancer patient
Liu et al. Circular RNA profiling identified as a biomarker for predicting the efficacy of Gefitinib therapy for non-small cell lung cancer
EP2121988B1 (en) Prostate cancer survival and recurrence
US8911940B2 (en) Methods of assessing a risk of cancer progression
MX2013013746A (es) Biomarcadores para cancer de pulmon.
CN111139300B (zh) 一组结肠癌预后相关基因的应用
CN113444804B (zh) 宫颈癌预后相关基因及其在制备宫颈癌预后预测诊断产品中的应用
EP2780476B1 (en) Methods for diagnosis and/or prognosis of gynecological cancer
US11111542B2 (en) Method for identifying high-risk AML patients
WO2013082105A1 (en) Stat3 activation as a marker for classification and prognosis of dlbcl patients
Liu et al. Gastric cancer-associated microRNA expression signatures: Integrated bioinformatics analysis, validation, and clinical significance
Zhao et al. A robust gene expression prognostic signature for overall survival in high‐grade serous ovarian cancer
US20210371937A1 (en) Method for identifying high-risk aml patients
US20150031032A1 (en) Methods and Compositions for Determining Indication for Prostate Biopsy
US20150329911A1 (en) Nucleic acid biomarkers for prostate cancer
JP5963748B2 (ja) 中枢神経原発悪性リンパ腫患者の予後予測方法、キット及び使用
US20240102100A1 (en) Ribosomal rnas 2&#39;o-methylation as a novel source of biomarkers relevant for diagnosis, prognosis and therapy of cancers
Zhang et al. Construction of prognostic risk markers for cervical cancer combined with anoikis-related genes and their clinical significance
CN116590418A (zh) 乳腺癌预后相关miRNA组合物及其在制备乳腺癌预后预测诊断产品中的应用
EP3411517A1 (en) Method for identifying high-risk aml patients

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
GR01 Patent grant
GR01 Patent grant