CN111584001A - 一种用于淋巴瘤预后判断的方法、试剂盒及应用 - Google Patents
一种用于淋巴瘤预后判断的方法、试剂盒及应用 Download PDFInfo
- Publication number
- CN111584001A CN111584001A CN202010090278.8A CN202010090278A CN111584001A CN 111584001 A CN111584001 A CN 111584001A CN 202010090278 A CN202010090278 A CN 202010090278A CN 111584001 A CN111584001 A CN 111584001A
- Authority
- CN
- China
- Prior art keywords
- gene
- ipi
- score
- prognosis
- value
- 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
Links
Classifications
-
- 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
- G16B20/50—Mutagenesis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G16B20/30—Detection of binding sites or motifs
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Educational Administration (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Genetics & Genomics (AREA)
- Biophysics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及基因突变检测领域，具体讲，涉及一种用于淋巴瘤预后判断的方法、试剂盒及应用。本发明通过数据分析计算IPI分型为中高危患者的预后风险值，协助区分高危与低危风险人群，能有效地区分出IPI分型无法确定的潜在不复发的患者，减少此类患者过度治疗的现象，从而降低患者的不良影响，有助于节省治疗成本，同时还能改善患者的生活条件。
Description
技术领域
本发明涉及基因突变检测领域，具体讲，涉及一种用于淋巴瘤预后判断的方法、试剂盒及应用。
背景技术
淋巴瘤是我国发病率最高的血液系统恶性肿瘤，具有种类多样、分型复杂的特点。在我国的癌症发病率的统计中位列前十。作为异质性很强的疾病，传统的淋巴瘤分类主要依托于病理形态、细胞遗传学和单基因突变的检测方法，对淋巴瘤细胞来源及恶性程度进行判断。在现有的对淋巴瘤的认识及多参数分类方法，大体上可以分为霍奇金淋巴瘤(Hodgkin’sLymphoma,HL)和非霍奇金淋巴瘤(Non-Hodgkin’s Lymphoma,NHL)两大类，后者又可以进一步根据免疫细胞来源分为如B细胞非霍奇金淋巴瘤或T细胞非霍奇金淋巴瘤等不同类别。
在我国，弥漫大B细胞淋巴瘤(Diffuse Large B Cell Lymphoma,DLBCL)是非霍奇金淋巴瘤中较为常见的且具有高度异质性的侵袭性淋巴瘤。发病率占到非霍奇金淋巴瘤(NHL)总数的30％和占B-细胞非霍奇金淋巴瘤(B-NHL)总数的50％以上。虽然现在有超过60％的DLBCL病患能够通过一利妥昔单抗(R)联合联合环磷酰胺(CTX)、阿霉素(ADR)、长春新碱(VCR)、强的松(Pred)的R-CHOP方案治疗达到完全缓解(Complete Remission,CR)，但是仍然有进1/3以上的患者短期内出现复发，针对这类高危患者，需要在R-CHOP方案的基础上，联合大剂量化疗和自体造血干细胞移植，因此早期发现此类高危患者，意义重大。
目前预后评分主要采用IPI国际预后指数(Intational Prognosis Index，IPI)，纳入包括如患者的年龄、血清LDH水平、Ann Arbor分期、结外疾病、体能状况、是否中枢侵犯等因素，将DLBCL分为不同的危险度，区分患者生存预后情况。然而，IPI评分主要针对患者的自身状态，没有考虑肿瘤本身的生物学特征，由于DLBCL肿瘤背景的复杂性，因此判断高危患者能力有限。
随着分子生物学技术的发展，大量研究表明，DLBCL中存在数百种异常的突变，每个DLBCL患者体内可能存在其中一种至十几种不等的基因改变，从而构成每个患者独有的分子学背景，产生特定的预后和药物反应特征。因而如何寻找淋巴瘤相关的分子标记物，从肿瘤生物学本质上揭示患者预后成为了研发发展的主要方向。2018年，R.Schmitz和B.Chapuy分别进行了针对DLBCL分子病理的全球多中心临床研究，对上百例患者的几百个相关基因进行了研究，依据基因变化的特点，分别鉴定出了4类和5类的DLBCL分子亚型，不仅从分子生物学的角度解释了DLBCL的致病过程，还发现一些驱动基因的改变可能与DLBCL的预后相关，如：CD79A/B、CARD11、TNFAIP3激活BCR-NF-KB信号通路，TP53、PTEN的突变使抑癌基因失去抑癌作用，这些都会加速疾病的进展，携带此类突变的患者预后往往不良。该分子分型，目前在国际上广泛认可，被一些研究性医院作为DLBCL高危患者筛选的重要手段。
由于人群的差异性，以西方人数据建立起来的模型算法在中国人群中并不适用，检测比例很低。如何建立一个适合中国人群DLBCL预后检测模型成为了国内淋巴瘤研究者研究的热点。
鉴于此，特提出本发明。
发明内容
本发明的首要发明目的在于提供一种用于淋巴瘤预后判断的方法。
本发明的第二发明目的在于提供一种用于淋巴瘤预后判断的试剂盒。
本发明的第三发明目的在于提供淋巴瘤预后相关基因的应用。
为了完成本发明的发明目的，采用的技术方案为：
本发明涉及一种淋巴瘤预后评估方法，至少包括以下步骤：
获得所述待测者的所述淋巴瘤预后相关基因的测序数据；
对所述测序数据进行数据分析，获得所述淋巴瘤预后相关基因是否发生突变的数据分析结果；
对所述数据分析结果进行评分，进行预后判断；所述预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将所述淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
可选的，IPI_3代表所述待测者的IPI评分等于3，IPI_4代表所述待测者的IPI评分等于3，IPI_5代表所述待测者的IPI评分等于5。
可选的，当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，
当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
本发明还涉及一种用于淋巴瘤预后判断的试剂盒，所述试剂盒中包括以下组件：组件A、组件B、组件C、组件D；
所述组件A为对待测者的淋巴瘤预后相关基因进行文库制备和杂交捕获的试剂盒；所述淋巴瘤预后相关基因至少包括：CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因；
所述组件B为用于测序的设备；
所述组件C为对所述组件B获得的测序结果进行数据处理的数据分析系统；
所述组件D为记载有如下方法的载体：
获得所述待测者的所述淋巴瘤预后相关基因的测序数据；
对所述测序数据进行数据分析，获得所述淋巴瘤预后相关基因是否发生突变的数据分析结果；
对所述数据分析结果进行评分，进行预后判断；所述预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将所述淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
可选的，IPI_3代表所述待测者的IPI评分等于3，IPI_4代表所述待测者的IPI评分等于3，IPI_5代表所述待测者的IPI评分等于5。
可选的，当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，
当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
本发明还涉及一种检测试剂在用于制备淋巴瘤预后评估制剂中的应用，所述检测试剂中含有检测CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因是否发生突变的制剂。
本发明至少具有以下有益的效果：
本发明筛选得到淋巴瘤预后相关基因：CD79B、CREBBP、EP300、KMT2C、KMT2D、MYD88、SOCS1、CD70、GNA13、NOTCH1、TNFAIP3、BTG1、BTG2、STAT3、PIM1、DTX1和TP53，通过数据分析计算IPI分型为中高危患者的预后风险值，协助区分高危与低危风险人群，能有效区分出IPI分型无法确定的潜在不复发的患者，减少此类患者过度治疗的现象，从而降低患者的不良影响，有助于节省治疗成本，同时还能改善患者的生活条件。
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本申请而不用于限制本发明的范围。
具体实施方式
下面通过实施例和对比例进一步说明本发明，这些实施例只是用于说明本发明，本发明不限于以下实施例。凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
本发明实施例涉及一种用于淋巴瘤预后判断的方法及试剂盒。本发明实施例对淋巴瘤相关基因进行进一步筛选，根据临床复发信息，结合基因突变逻辑值和标本的临床指标等条件进行逻辑回归分析(Logisticregression)，得到共17个关键基因，并以此得出基因突变、临床指标与18个月复发结果之间的联系，建立预后模型。通过数据分析计算IPI分型为中高危患者的预后风险值，协助区分高危与低危风险人群，能有效地区分出IPI分型无法确定的潜在不复发的患者，减少此类患者过度治疗的现象，从而降低患者的不良影响，有助于节省治疗成本，同时还能改善患者的生活条件。
本发明实施例的方法至少包括以下步骤：
S1、获得待测者的所述淋巴瘤预后相关基因的测序数据；
S2、对测序数据进行数据分析，获得淋巴瘤预后相关基因是否发生突变的数据分析结果；
S3、对数据分析结果进行评分，进行预后判断；预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
本发明实施例的试剂盒具体包括以下组件：组件A、组件B、组件C、组件D；
组件A为对待测者的淋巴瘤预后相关基因进行文库制备和杂交捕获的试剂盒，淋巴瘤预后相关基因包括：CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因。
采用组件A制备得到上述淋巴瘤预后相关基因的高通量测序文库，可采用已有技术进行制备，具体方法为：根据上述淋巴瘤预后相关基因的检测区域设计杂交捕获，根据核酸分子碱基互补杂交原理，针对目标区域设计特异探针并将探针合成在固相或液相芯片上，然后打断基因组DNA，加上测序接头后与探针杂交，将基因组DNA目标区域捕获下来，回收目标DNA片段，直接构建得到高通量测序文库。
组件B为用于测序的设备，具体可选用Illumina测序仪。
组件C为对组件B获得的测序结果进行数据处理的数据分析系统，具体可采用现有软件，例如Trimmomatic软件、BWA、Samtools、GATK软件等进行分析。
组件D为记载有如下方法的载体：
S1、获得待测者的淋巴瘤预后相关基因的测序数据；
S2、对测序数据进行数据分析，获得淋巴瘤预后相关基因是否发生突变的数据分析结果；
S3、对数据分析结果进行评分，进行预后判断，预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
其中，IPI_3代表所述待测者的IPI评分等于3，IPI_4代表所述待测者的IPI评分等于3，IPI_5代表所述待测者的IPI评分等于5。
具体的，当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
具体的，NHL国际预后指数(IPI)的判断方法具体为：
表1
根据表1中5项指标评分的总和即为国际预后指数(IPI)，根据IPI进行危险度型，0-1分为低危，2分为中低危，3分为中高危，4-5分为高危。
如一待测者，其淋巴瘤预后相关基因检测结果均为未突变，且IPI评分为0，则其预后评分为：
评分＝3.2593×0+1.8022×0+2.3581×0-2.8398×0+0.9023×0-2.6909×0+2.2589×0+1.4449×0-0.9538×0+1.6873×0+1.4748×0-1.6888×0-0.9441×0-1.1043×0+0.5809×0+0.4379×0+1.0021×0+0.5812×0+3.5937×0+18.2859×0＝0，属于预后不易复发。
如一待测者，其淋巴瘤预后相关基因检测结果均为突变，且IPI评分为3，则其预后评分为：
评分＝3.2593×1+1.8022×1+2.3581×1-2.8398×1+0.9023×1-2.6909×1+2.2589×1+1.4449×1-0.9538×1+1.6873×1+1.4748×1-1.6888×1-0.9441×1-1.1043×1+0.5809×1+0.4379×1+1.0021×0+0.5812×1+3.5937×1＝7.5682，属于预后易复发。
本发明实施例还涉及一种检测试剂在用于制备淋巴瘤预后评估制剂中的应用，检测试剂中含有检测CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因是否发生突变的制剂。
在本发明实施例的应用中，通过检测试剂检测上述基因是否发生突变，然后再将检测结果代入评分公式中，即可得到易复发或者不易复发的检测结果。
下面通过具体实施方式对试剂盒、试剂盒的使用方法展开进一步详细说明。
实施例1
一种用于淋巴瘤预后判断的试剂盒，包括以下组件：组件A、组件B、组件C、组件D；
组件A为对淋巴瘤预后相关基因进行文库制备和杂交捕获的试剂盒，淋巴瘤预后相关基因包括：CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因。组件A具体可采用IDT公司的文库准备试剂、杂交试剂和杂交纯化试剂，其中，文库准备试剂包括末端修补和ployA缓冲液、末端修补和ployA酶液、连接缓冲液、DNA连接酶液、UDI接头、2X HiFi PCR缓冲液、扩增引物混合液、工艺用水、TE混合液、纯化磁珠，杂交试剂包括2X杂交缓冲液、杂交增强缓冲液、通用屏蔽混合液、Human Cot DNA，杂交纯化试剂包括2X磁珠洗脱缓冲液、10X杂交纯化缓冲液1、10X杂交纯化缓冲液2、10X杂交纯化缓冲液3、10XStringent杂交纯化缓冲液。探针可根据核酸分子碱基互补杂交原理，针对目标区域设计。
组件B为用于测序的设备，具体可选用Illumina测序仪。
组件C为对组件B获得的测序结果进行数据处理的数据分析系统，具体可采用Trimmomatic软件、BWA、Samtools、GATK软件等进行分析。
组件D为记载有如下方法的载体：
S1、获得待测者的淋巴瘤预后相关基因的测序数据；
S2、对测序数据进行数据分析，获得淋巴瘤预后相关基因是否发生突变的数据分析结果；
S3、对数据分析结果进行评分，进行预后判断，预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，则该待测者属于预后不易复发；
若评分＞1.60，则该待测者样本属于预后易复发。
其中，IPI_3代表待测者的IPI评分等于3，IPI_4代表待测者的IPI评分等于3，IPI_5代表待测者的IPI评分等于5；
具体的，当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
实施例2
一、患者选择
1.实验组：选择进行了全基因组/全外显子组/靶向测序并获得突变信息的100例患者作为实验组。
2.验证组：回顾性地选择在上海瑞金医院治疗的，使用R-CHOP标准计量方案的初发弥漫大B细胞淋巴瘤患者40例作为验证组。
二、初始基因选择条件
选择82个基因，筛选其中在NHL001全体测序患者中至少存在3次及以上突变的基因进行计算。
三、构建预后模型
1、将IPI国际预后指数及各个基因突变进行逻辑回归计算(Logisticregression)，逐步去除P值(P-value)最大的因素。
2、建模结果如表2所示：
表2
| 预后因子 | 预后影响因子 |
| IPI_classD | 0.5812 |
| IPI_classE | 3.5937 |
| IPI_classF | 18.2859 |
| CD79B | 3.2593 |
| CREBBP | 1.8022 |
| EP300 | 2.3581 |
| KMT2C | -2.8398 |
| KMT2D | 0.9023 |
| MYD88 | -2.6909 |
| SOCS1 | 2.2589 |
| CD70 | 1.4449 |
| GNA13 | -0.9538 |
| NOTCH1 | 1.6873 |
| TNFAIP3 | 1.4748 |
| BTG1 | -1.6888 |
| BTG2 | -0.9441 |
| STAT3 | -1.1043 |
| PIM1 | 0.5809 |
| DTX1 | 0.4379 |
| TP53 | 1.0021 |
| 阈值(Cut-off) | 1.60 |
在实验组中，根据此模型获得的预后结果如表3所示。
表3
计算得到符合率数据如下：
阳性符合率＝A/(A+C)×100％＝75.00％；
阴性符合率＝D/(B+D)×100％＝87.50％；
阳性预测值＝A/(A+B)×100％＝77.14％；
阴性预测值＝D/(C+D)×100％＝86.15％；
总符合率＝(A+D)/(A+B+C+D)×100％＝83.00％；
Kappa值＝0.6288。
3、模型验证
在验证组中验证上述因数及界值的预后评价效果，结果如表4所示。
表4
计算得到符合率数据如下：
阳性符合率＝A/(A+C)×100％＝78.95％；
阴性符合率＝D/(B+D)×100％＝85.71％；
阳性预测值＝A/(A+B)×100％＝83.33％；
阴性预测值＝D/(C+D)×100％＝81.82％；
总符合率＝(A+D)/(A+B+C+D)×100％＝82.50％；
Kappa值＝0.6482。
4、小样本进一步验证
选择训练组与验证组之外的44例DLBCL标本进一步验证，结果如表5所示。
表5
计算得到符合率数据如下：
阳性符合率＝A/(A+C)×100％＝80.00％；
阴性符合率＝D/(B+D)×100％＝86.36％；
阳性预测值＝A/(A+B)×100％＝84.21％；
阴性预测值＝D/(C+D)×100％＝82.61％；
总符合率＝(A+D)/(A+B+C+D)×100％＝83.33％；
Kappa值＝0.6651。
本申请虽然以较佳实施例公开如上，但并不是用来限定权利要求，任何本领域技术人员在不脱离本申请构思的前提下，都可以做出若干可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (7)
1.一种淋巴瘤预后评估方法，其特征在于，至少包括以下步骤：
获得所述待测者的所述淋巴瘤预后相关基因的测序数据；
对所述测序数据进行数据分析，获得所述淋巴瘤预后相关基因是否发生突变的数据分析结果；
对所述数据分析结果进行评分，进行预后判断；所述预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将所述淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
2.根据权利要求1所述的方法，其特征在于，IPI_3代表所述待测者的IPI评分等于3，IPI_4代表所述待测者的IPI评分等于3，IPI_5代表所述待测者的IPI评分等于5。
3.根据权利要求2所述的方法，其特征在于，
当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，
当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
4.一种用于淋巴瘤预后判断的试剂盒，其特征在于，所述试剂盒中包括以下组件：组件A、组件B、组件C、组件D；
所述组件A为对待测者的淋巴瘤预后相关基因进行文库制备和杂交捕获的试剂盒；所述淋巴瘤预后相关基因至少包括：CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因；
所述组件B为用于测序的设备；
所述组件C为对所述组件B获得的测序结果进行数据处理的数据分析系统；
所述组件D为记载有如下方法的载体：
获得所述待测者的所述淋巴瘤预后相关基因的测序数据；
对所述测序数据进行数据分析，获得所述淋巴瘤预后相关基因是否发生突变的数据分析结果；
对所述数据分析结果进行评分，进行预后判断；所述预后判断的方法包括：
如某一基因发生突变，则将该基因记为1；如某一基因未发生突变，则将该基因记为0，将所述淋巴瘤预后相关基因的数值代入以下公式，得到评分：
评分＝3.2593×CD79B基因+1.8022×CREBBP基因+2.3581×EP300基因-2.8398×KMT2C基因+0.9023×KMT2D基因-2.6909×MYD88基因+2.2589×SOCS1基因+1.4449×CD70基因-0.9538×GNA13基因+1.6873×NOTCH1基因+1.4748×TNFAIP3基因-1.6888×BTG1基因-0.9441×BTG2基因-1.1043×STAT3基因+0.5809×PIM1基因+0.4379×DTX1基因+1.0021×TP53基因+0.5812×IPI_3+3.5937×IPI_4+18.2859×IPI_5；
将获得的评分按照以下标准进行评判：
若评分≤1.60，判断为预后不易复发；
若评分＞1.60，判断为预后易复发。
5.根据权利要求4所述的试剂盒，其特征在于，IPI_3代表所述待测者的IPI评分等于3，IPI_4代表所述待测者的IPI评分等于3，IPI_5代表所述待测者的IPI评分等于5。
6.根据权利要求5所述的试剂盒，其特征在于，
当IPI评分为2时，IPI_3的值、IPI_4的值和IPI_5的值均为0，
当IPI评分为3时，IPI_3的值为1，IPI_4的值和IPI_5的值为0，
当IPI评分为4时，IPI_4的值为1，IPI_3的值和IPI_5的值为0，
当IPI评分为5时，IPI_5的值为1，IPI_4的值和IPI_5的值为0。
7.一种检测试剂在用于制备淋巴瘤预后评估制剂中的应用，其特征在于，所述检测试剂中含有检测CD79B基因、CREBBP基因、EP300基因、KMT2C基因、KMT2D基因、MYD88基因、SOCS1基因、CD70基因、GNA13基因、NOTCH1基因、TNFAIP3基因、BTG1基因、BTG2基因、STAT3基因、PIM1基因、DTX1基因和TP53基因是否发生突变的制剂。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010090278.8A CN111584001B (zh) | 2020-02-13 | 2020-02-13 | 一种用于淋巴瘤预后判断的方法、试剂盒及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010090278.8A CN111584001B (zh) | 2020-02-13 | 2020-02-13 | 一种用于淋巴瘤预后判断的方法、试剂盒及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111584001A true CN111584001A (zh) | 2020-08-25 |
| CN111584001B CN111584001B (zh) | 2022-05-20 |
Family
ID=72116795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010090278.8A Active CN111584001B (zh) | 2020-02-13 | 2020-02-13 | 一种用于淋巴瘤预后判断的方法、试剂盒及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111584001B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113637751A (zh) * | 2021-07-16 | 2021-11-12 | 暨南大学 | Tnfaip3非编码序列突变检测试剂在制备预测t细胞淋巴瘤预后试剂盒中的应用 |
| CN113736870A (zh) * | 2021-09-08 | 2021-12-03 | 暨南大学 | 基于循环肿瘤dna的肿瘤突变负荷检测试剂在制备预测t细胞淋巴瘤预后试剂盒中的应用 |
| CN114277134A (zh) * | 2021-10-20 | 2022-04-05 | 上海交通大学医学院附属瑞金医院 | 一种弥漫大b细胞淋巴瘤的分型模型、分型方法和试剂盒 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107949642A (zh) * | 2015-05-27 | 2018-04-20 | 奎斯特诊断投资股份有限公司 | 用于筛选实体瘤的组合物和方法 |
| CN108823640A (zh) * | 2018-06-06 | 2018-11-16 | 珠海铂华生物工程有限公司 | 一种构建基于淋巴瘤基因检测的高通量测序文库的方法及其应用 |
| WO2018212071A1 (ja) * | 2017-05-17 | 2018-11-22 | 公益財団法人がん研究会 | びまん性大細胞型ｂ細胞リンパ腫の予後予測因子、及び予後予測方法 |
| CN110055338A (zh) * | 2019-04-11 | 2019-07-26 | 珠海铂华生物工程有限公司 | 一种弥漫性大b细胞淋巴瘤基因突变检测试剂盒 |
-
2020
- 2020-02-13 CN CN202010090278.8A patent/CN111584001B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107949642A (zh) * | 2015-05-27 | 2018-04-20 | 奎斯特诊断投资股份有限公司 | 用于筛选实体瘤的组合物和方法 |
| WO2018212071A1 (ja) * | 2017-05-17 | 2018-11-22 | 公益財団法人がん研究会 | びまん性大細胞型ｂ細胞リンパ腫の予後予測因子、及び予後予測方法 |
| CN108823640A (zh) * | 2018-06-06 | 2018-11-16 | 珠海铂华生物工程有限公司 | 一种构建基于淋巴瘤基因检测的高通量测序文库的方法及其应用 |
| CN110055338A (zh) * | 2019-04-11 | 2019-07-26 | 珠海铂华生物工程有限公司 | 一种弥漫性大b细胞淋巴瘤基因突变检测试剂盒 |
Non-Patent Citations (2)
| Title |
|---|
| 张晓娟 等: "弥漫性大B细胞淋巴瘤组织MYC和Bcl-2及Bcl-6检测的预后价值", 《中华肿瘤防治杂志》 * |
| 许彭鹏 等: "中国临床肿瘤学会淋巴瘤诊疗指南解读之弥漫性大B细胞淋巴瘤的规范治疗", 《华西医学》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113637751A (zh) * | 2021-07-16 | 2021-11-12 | 暨南大学 | Tnfaip3非编码序列突变检测试剂在制备预测t细胞淋巴瘤预后试剂盒中的应用 |
| CN113736870A (zh) * | 2021-09-08 | 2021-12-03 | 暨南大学 | 基于循环肿瘤dna的肿瘤突变负荷检测试剂在制备预测t细胞淋巴瘤预后试剂盒中的应用 |
| CN114277134A (zh) * | 2021-10-20 | 2022-04-05 | 上海交通大学医学院附属瑞金医院 | 一种弥漫大b细胞淋巴瘤的分型模型、分型方法和试剂盒 |
| CN114277134B (zh) * | 2021-10-20 | 2024-05-28 | 上海交通大学医学院附属瑞金医院 | 一种弥漫大b细胞淋巴瘤的分型模型、分型方法和试剂盒 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111584001B (zh) | 2022-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111584001B (zh) | 一种用于淋巴瘤预后判断的方法、试剂盒及应用 | |
| CN108753967B (zh) | 一种用于肝癌检测的基因集及其panel检测设计方法 | |
| Der et al. | Single cell RNA sequencing to dissect the molecular heterogeneity in lupus nephritis | |
| Sellarés et al. | Molecular diagnosis of antibody‐mediated rejection in human kidney transplants | |
| CN105189783B (zh) | 鉴定生物样品中定量细胞组成的方法 | |
| CN110400602B (zh) | 一种基于测序数据的abo血型系统分型方法及其应用 | |
| CN104531883A (zh) | Pkd1基因突变的检测试剂盒及检测方法 | |
| CN112746097A (zh) | 一种检测样本交叉污染的方法以及预测交叉污染源的方法 | |
| CN111424091A (zh) | 一组鉴别诊断甲状腺滤泡性肿瘤良恶性的标志物及其应用 | |
| CN115064211A (zh) | 一种基于全基因组甲基化测序的ctDNA预测方法及其应用 | |
| CN111534602A (zh) | 一种基于高通量测序分析人类血型基因型的方法及其应用 | |
| CN112029842A (zh) | 一种基于高通量测序进行abo血型基因分型的试剂盒和方法 | |
| CN111850116A (zh) | 一组nk/t细胞淋巴瘤的基因突变位点群、靶向测序试剂盒及应用 | |
| CN113564266B (zh) | Snp分型遗传标记组合、检测试剂盒及用途 | |
| CN112226440B (zh) | 一种遗传性原发不孕的致病突变及其检测试剂 | |
| Shin et al. | Detection of MYD88 L265P in patients with lymphoplasmacytic lymphoma/Waldenstrom macroglobulinemia and other B-cell non-Hodgkin lymphomas | |
| CN110373458A (zh) | 一种地中海贫血检测的试剂盒及分析系统 | |
| CN106874710A (zh) | 一种用于利用肿瘤ffpe样本检测体细胞突变的装置 | |
| CN108977449B (zh) | 原发性免疫缺陷病的致病突变及其应用 | |
| CN106119406B (zh) | 多发性肉芽肿血管炎及微小动脉炎的基因分型诊断试剂盒及使用方法 | |
| CN112760365B (zh) | 一种适用于产前无创的poag基因检测试剂盒及其检测方法 | |
| CN106778075A (zh) | 一种用于检测血液病相关体细胞突变的装置 | |
| Duhan et al. | Single-cell transcriptomics: background, technologies, applications, and challenges | |
| KR20210071983A (ko) | 임산부로부터 분리된 순환 페탈 세포가 현재 또는 과거의 임신의 것인지 확인하는 방법 | |
| CN117025809B (zh) | 结核分歧杆菌复合群鉴定及耐药位点检测引物组合、试剂盒、方法和系统 |
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 |