CN111850108B - 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途 - Google Patents

冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途 Download PDF

Info

Publication number
CN111850108B
CN111850108B CN202010510421.4A CN202010510421A CN111850108B CN 111850108 B CN111850108 B CN 111850108B CN 202010510421 A CN202010510421 A CN 202010510421A CN 111850108 B CN111850108 B CN 111850108B
Authority
CN
China
Prior art keywords
methylation
heart disease
site corresponding
coronary heart
gene
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
CN202010510421.4A
Other languages
English (en)
Other versions
CN111850108A (zh
Inventor
钟诗龙
陈慧
秦敏
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.)
Guangdong General Hospital
Original Assignee
Guangdong General Hospital
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 Guangdong General Hospital filed Critical Guangdong General Hospital
Priority to CN202010510421.4A priority Critical patent/CN111850108B/zh
Publication of CN111850108A publication Critical patent/CN111850108A/zh
Application granted granted Critical
Publication of CN111850108B publication Critical patent/CN111850108B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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
    • G16B20/40—Population genetics; Linkage disequilibrium
    • 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
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • 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
    • 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
    • C12Q2600/154—Methylation markers

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Theoretical Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Organic Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Wood Science & Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Zoology (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Ecology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Microbiology (AREA)
  • Algebra (AREA)
  • Immunology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

本发明提供了一组评估冠心病生存预后风险的DNA甲基化标志物，所述的标志物包括以下基因所对应的甲基化位点：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5。通过监测这16个位点甲基化水平的改变可预测冠心病患者的预后和死亡风险。本发明还基于这16个甲基化位点构建了评估冠心病生存预后风险的模型，通过该模型可以提高冠心病患者血液诊断和预后预测的准确性。本发明使用了Lasso Cox回归模型对重要变量进行筛选，使模型维度大幅降低，有助于降低检测成本并有利于在临床应用中的推广。

Description

冠心病患者死亡风险相关的DNA甲基化组合物及其筛选方法 和用途
技术领域
本发明属于表观遗传学技术领域，涉及冠心病患者死亡风险相关的DNA甲基化组合物及其筛选方法和用途。
背景技术
冠心病，又称冠状动脉粥样硬化(AS)性心脏病，是一种冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞，造成心肌缺血、缺氧或坏死而导致的心脏病。冠心病是目前世界范围内高发病率及致死率的疾病之一，其发病率呈逐渐升高趋势。柳叶刀公开数据显示，缺血性心脏病是过去十年间中国人群的第二大死因，其病理过程具有进展性、不可逆性等特征，其在发病率、入院率和医药治疗方面给社会带来负担。目前，冠心病死亡风险预测手段仍十分欠缺。因此，发现冠心病死亡风险相关的生物学标志物，进而对冠心病进展的病理生理学深入研究，具有重要意义。
冠心病的发生发展是环境因素与遗传因素相互作用的复杂过程，而异常的表观遗传学修饰是连接环境与遗传因素的桥梁。研究发现，多种分子和细胞生物学机制在冠心病的发生和发展过程中均有参与。其中，表观遗传修饰机制在心血管疾病的基因表达方面起到了重要的作用。DNA甲基化是表观遗传调控中重要的修饰方式，与基因调控、生物发育以及疾病的发生密切相关。DNA甲基化主要是指在DNA甲基化转移酶(DNMTs)的催化下，CpG(胞嘧啶-磷酸-鸟嘌呤)二核苷酸序列内的5’胞嘧啶被甲基共价取代的过程。DNA甲基化由DNA甲基转移酶(DNMTs)和DNA去甲基化酶共同调控，并且可以随细胞分裂而遗传给子代，在基因表达调控、染色体稳定和亲本印记中发挥着重要作用。DNA甲基化通过改变染色质结构并抑制转录因子和辅因子与相应靶位点的结合而抑制基因的转录，从而降低基因的表达水平。越来越多的研究表明，动脉粥样硬化的病理进程出现异常DNA甲基化改变与血管平滑肌细胞功能、AS的斑块形成和病变程度密切相关。另外，DNA甲基化异常参与动脉粥样硬化性心脏病的发生发展过程，是冠心病发病机制的一部分。与此同时，冠心病全基因组的甲基化研究发现其整体基因组呈低甲基化状态。因此，DNA甲基化可以作为高危患者的筛查及早期诊断的标志物。筛选与冠心病死亡风险相关的DNA甲基化标志物并构建风险评分模型，尤其是多个标志物的联合使用，对冠心病的治疗和预后具有重大意义。
发明内容
针对上述问题，本发明的目的是提供一种冠心病死亡风险相关的DNA甲基化位点集合及其筛选方法，并利用该标志物组合构建预测冠心病预后和死亡风险的模型。
为实现上述目的，本发明采取的技术方案为：
第一方面本发明提供了一组评估冠心病生存预后风险的DNA甲基化标志物，所述的标志物包括以下基因所对应的DNA甲基化位点：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5。
优选地，所述chr3:101901234所对应的甲基化位点为cg12992827；所述基因SEMA3B所对应的甲基化位点为cg12999941；所述基因CORO2B所对应的甲基化位点为cg03714754；所述基因SLC39A8所对应的甲基化位点为cg24524837；所述chr7:27235733所对应的甲基化位点为cg10643049；所述chr10:3086002所对应的甲基化位点为cg04833391；所述chr2:164594200所对应的甲基化位点为cg08280341；所述基因RNASEH1所对应的甲基化位点为cg12263535；所述chr10:134897731所对应的甲基化位点为cg06355908；所述基因ABCA3所对应的甲基化位点为cg21484914；所述基因ZNF444所对应的甲基化位点为cg09782621；所述基因UBE2E2所对应的甲基化位点为cg20015729；所述基因DAZAP1所对应的甲基化位点为cg00013733；所述基因NAT10所对应的甲基化位点为cg19045191；所述基因DDAH1所对应的甲基化位点为cg22211198；所述基因FKBP5所对应的甲基化位点为cg03546163。
第二方面本发明提供了本发明所述基因DNA甲基化标志物在制备用于评估冠心病生存预后风险的试剂盒中的应用，其中所述甲基化标志物包括以下基因所对应的甲基化位点：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5。
优选地，所述试剂盒包括检测基因chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5甲基化水平的试剂。
第三方面本发明提供了一种评估冠心病生存预后风险的模型，所述模型为以下计算公式：
MRS＝∑(甲基化水平×LASSO相关系数) (公式3)
其中MRS为甲基化风险评分，根据所述模型获得甲基化风险评分的中位数，根据所述中位数评估冠心病患者生存预后风险；式中所述甲基化水平为以下基因的甲基化位点的甲基化水平：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5。
优选地，所述模型具体如下：MRS＝cg00013733×(-0.217)+cg03714754×(-0.513)+cg04833391×(-0.520)+cg06355908×1.155+cg08280341×(-0.031)+cg09782621×(-0.382)+cg10643049×(-0.075)+cg12263535×0.328+cg12992827×(-0.168)+cg12999941×(-0.259)+cg20015729×0.313+cg21484914×0.326+cg24524837×0.538+cg19045191×0.224+cg22211198×0.277+cg03546163×(-0.269)；
其中，cg00013733、cg03714754、cg04833391、cg06355908、cg08280341、cg09782621、cg10643049、cg12263535、cg12992827、cg12999941、cg20015729、cg21484914、cg24524837、cg19045191、cg22211198和cg03546163为各甲基化位点的甲基化水平；
根据所述模型获得的中位数为5.598，当MRS>5.598时冠心病患者为高风险，生存显著较差；当MRS≤5.598时冠心病患者为低风险，生存较好。
第四方面本发明提供了一种如上所述的评估冠心病生存预后风险的DNA甲基化标志物的筛选方法，其特征在于，包括以下方法：
(1)获取冠心病患者外周血样本，以随访年限内出现全因性死亡事件与否进行分组；
(2)对步骤(1)获取的外周血样本提取DNA，经重亚硫酸盐转化处理后，进行850K甲基化芯片检测，获得每个甲基化位点的甲基化水平；
(3)采用单因素Cox回归模型方法对甲基化位点和死亡事件进行关联分析，其后使用Bonferroni方法对每个DNA甲基化位点的统计P值进行校正，设定Bonferroni校正后P值小于0.05的DNA甲基化位点为具有统计学意义的显著差异，筛选得到与死亡事件相关的甲基化位点；
(4)选择步骤(3)筛选的甲基化位点为候选甲基化位点，通过LASSO-Cox回归分析，采用10折交叉验证200次，用二次抽样方法不重复随机抽样200次，选择回归系数不为0且出现频率为200次的甲基化位点，最终筛选出16种甲基化标志物，分别为chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1以及FKBP5；
(5)根据所确定的甲基化位点中所对应的相关系数，计算其合并后的甲基化风险评分(Methylation Risk Score，MRS)和评分中位数，将冠心病患者分为生存预后高风险组和低风险组；所述甲基化风险评分指数由以下公式计算获得：
MRS＝∑(甲基化水平×LASSO相关系数) (公式3)。
优选地，所述步骤(2)中每个甲基化位点的甲基化水平采用以下公式计算获得：
β值和M值表示甲基化水平，其中Mi表示甲基化探针的信号值，Ui表示未甲基化探针的信号值。
优选地，所述步骤(5)中甲基化风险评分公式具体为：
MRS＝cg00013733×(-0.217)+cg03714754×(-0.513)+cg04833391×(-0.520)+cg06355908×1.155+cg08280341×(-0.031)+cg09782621×(-0.382)+cg10643049×(-0.075)+cg12263535×0.328+cg12992827×(-0.168)+cg12999941×(-0.259)+cg20015729×0.313+cg21484914×0.326+cg24524837×0.538+cg19045191×0.224+cg22211198×0.277+cg03546163×(-0.269)；根据所述模型获得的中位数为5.598，当MRS>5.598时冠心病患者为高风险，生存会显著较差；当MRS<5.598时冠心病患者为低风险，生存较好。
其中，cg00013733、cg03714754、cg04833391、cg06355908、cg08280341、cg09782621、cg10643049、cg12263535、cg12992827、cg12999941、cg20015729、cg21484914、cg24524837、cg19045191、cg22211198和cg03546163为各甲基化位点的甲基化水平；所述甲基化水平由公式2计算获得。
本发明的有益效果：本发明提供一组用于评估冠心病生存预后风险的DNA甲基化标志物，同时提供该甲基化集合预测死亡风险的模型及其构建方法。所述模型共包含16个基因的甲基化位点，通过检测患者血液中16个基因甲基化水平的改变，可以预测冠心病患者的预后和死亡风险，提高了冠心病患者血液诊断和预后预测的准确性。本发明使用了Lasso Cox回归模型对重要变量进行筛选，使模型维度大幅降低，有助于降低检测的成本，有利于在临床应用中的推广。
附图说明
图1为本发明建立预后模型的示例性工作流程图。
图2为Lasso Cox模型中正则化参数λ与部分似然估计偏差的关系。
图3为通过ROC和AUC评估甲基化风险评分预后模型区分事件组与对照组的准确性结果图。
图4为用于分类对照组与事件组甲基化风险评分的箱线图。
图5为高、低甲基化风险评分组的Kaplan-Meier生存曲线。
具体实施方式
为更好的说明本发明的目的、技术方案和优点，下面将结合附图和具体实施例对本发明作进一步说明。
实施例1
本实施例提供了一种冠心病预后诊断甲基化位点的筛选方法，包括如下步骤(流程如图1所示)：
(1)冠心病患者数据
入选对象为广东省人民医院确诊的接受PCI术治疗的稳定型冠心病患者和非急性ACS冠心病患者，本方案经广东省人民医院伦理委员会的批准，每位受试者均签署知情同意书。病例收集时间为2010年1月至2013年12月。
(2)研究的临床终点及随访方案
本研究的临床终点事件为死亡事件。患者入选后，每6个月1次以电话方式对其进行定期随访，详细询问并记录患者是否发生心血管不良事件等情况。随访工作截止至2017年4月。
(3)获取甲基化数据
DNA由患者外周血提取获得，经重亚硫酸氢盐转化后进行甲基化检测。全基因组甲基化水平由Infinium MethylationEPICBeadChip(简称850k芯片)测定，850K芯片可检测人全基因组约853,307个CpG位点的甲基化状态。Infinum 850K甲基化芯片的检测生成了包含每个扫描珠的比值的甲基化数据的IDAT格式文件。使用来自Bioconductior的ChAMP包，将这些数据文件经过质控后转换成甲基化率。每个CpG位点的甲基化水平由β值和M值表示，β值计算如公式1所示，M值计算如公式2所示。
其中：
-Mi＝甲基化探针的信号值；-Ui＝未甲基化探针的信号值。
β其值范围在0(完全未甲基化)和-1(完全甲基化)之间。其后为使数据处于正态分布以及统计分析的稳健性，采用将β值转换为M值进行后续分析，M＝log2(β/1-β)。M值接近0则意味着该位点50％被甲基化；当M值为正值，则意味着该位点甲基化的胞嘧啶多于未甲基化的；相反，当M值为负值，则说明未甲基化程度更大。
(4)统计分析
首先采用单因素Cox回归模型方法对甲基化位点和死亡事件进行关联分析，其后使用Bonferroni方法对上述每个DNA甲基化位点的统计P值进行多重校正，设定Bonferroni校正后P值小于0.05的DNA甲基化位点为具有统计学意义的显著差异，筛选得到与死亡风险显著相关的甲基化位点，用于后续建模。
(5)在训练集中构建冠心病死亡风险相关的预后模型
为了构建冠心病患者预后风险评分模型，将数据集信息完整的404例样本按照3:2的比例随机分为训练集和测试集，并在测试集中构建冠心病预后模型。基于甲基化数据具有高纬度、高相关性等特征，对于高维生存数据预测模型的选择包括但不限于Lasso Cox回归模型。对步骤(4)中得到的甲基化位点采用Lasso Cox回归方法进一步筛选并构建预后模型。
Lasso Cox回归模型引入了回归系数的L1范数惩罚项的权重λ，其又称为正则化参数λ。通过调整参数λ值，可使某些变量的回归系数为0，λ值越大，所选择的变量则越少，以实现变量选择和简化模型的目的。
最优的λ值是根据在训练集中采用10折交叉验证的方法确定的，在该λ取值时模型的部分似然估计偏差达到最小值(以图2为示例)，并得出在该λ取值时，模型中各个变量的回归系数。进一步采用二次抽样方法不重复随机抽样200次，当回归系数不为0时，出现频率为200次的甲基化位点共16个，这16个甲基化位点所在基因及其200次平均所得的回归系数见表1。
表1：16个冠心病患者死亡风险相关甲基化位点
甲基化风险评分计算公式为：
MRS＝∑(甲基化水平×LASSO相关系数) (公式3)
具体地，
MRS＝cg00013733×(-0.217)+cg03714754×(-0.513)+cg04833391×(-0.520)+cg06355908×1.155+cg08280341×(-0.031)+cg09782621×(-0.382)+cg10643049×(-0.075)+cg12263535×0.328+cg12992827×(-0.168)+cg12999941×(-0.259)+cg20015729×0.313+cg21484914×0.326+cg24524837×0.538+cg19045191×0.224+cg22211198×0.277+cg03546163×(-0.269)；
其中，cg00013733、cg03714754、cg04833391、cg06355908、cg08280341、cg09782621、cg10643049、cg12263535、cg12992827、cg12999941、cg20015729、cg21484914、cg24524837、cg19045191、cg22211198和cg03546163为各甲基化位点的甲基化水平，即根据实施例1公式2计算得到的M值。
实施例2测试数据集中评估模型预测效果
采用时间依赖的ROC曲线(Receiver Operating Characteristic curve,受试者工作曲线)的AUC(曲线下面积)对实施例1构建的模型的预测效果进行评估，结果如图3。
AUC的取值范围在0-1之间，AUC越大则说明模型的预测效果越好。如图3，LassoCox回归模型在训练集中AUC1年＝0.869、AUC3年＝0.902、AUC5年＝0.879，测试集中AUC1年＝0.706、AUC3年＝0.767、AUC5年＝0.928，说明该模型预测患者预后效果较好。
实施例3通过测试数据集中评估模型预测效果
根据这16个甲基化位点的M值与Lasso Cox模型中的回归系数，可获得测试集样本的甲基化风险评分。无论在训练数据集或是测试数据集，采用甲基化风险评分，可以很好地预测冠心病患者的预后情况，发生死亡事件的患者MRS显著高于无事件的患者(p＜0.0001)，见图4。根据甲基化风险评分的中位数作为cut-off值(在本实施例中中位数为5.598)，将患者划分为具有粗略相等数目的观察值的高风险组(MRS>5.598)和低风险组(MRS≤5.598)。分别绘制两组的Kaplan-Meier生存曲线，采用Log-rank检验两组间的生存期是否具有显著差异，并计算出HR值和95％置信区间。测试数据集中，低甲基化风险评分组相对于高甲基化风险评分组的HR＝0.178，95％CI＝0.0848-0.272,P＝4.62E-06，即说明本发明构建的模型能显著地区分高死亡风险和低死亡风险的冠心病患者，见图5。
所有分析均以R 3.6.1版使用以下软件包进行：“ChAMP”,“glmnet”、“limma”、“survival”、“broom”等。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的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实质和范围。

Claims (1)

1.甲基化标志物在制备冠心病生存预后风险的模型中的应用，其特征在于：
所述甲基化标志物由以下基因所对应的甲基化位点组成：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5；
所述chr3:101901234所对应的甲基化位点为cg12992827；所述基因SEMA3B所对应的甲基化位点为cg12999941；所述基因CORO2B所对应的甲基化位点为cg03714754；所述基因SLC39A8所对应的甲基化位点为cg24524837；所述chr7:27235733所对应的甲基化位点为cg10643049；所述chr10:3086002所对应的甲基化位点为cg04833391；所述chr2:164594200所对应的甲基化位点为cg08280341；所述基因RNASEH1所对应的甲基化位点为cg12263535；所述chr10:134897731所对应的甲基化位点为cg06355908；所述基因ABCA3所对应的甲基化位点为cg21484914；所述基因ZNF444所对应的甲基化位点为cg09782621；所述基因UBE2E2所对应的甲基化位点为cg20015729；所述基因DAZAP1所对应的甲基化位点为cg00013733；所述基因NAT10所对应的甲基化位点为cg19045191；所述基因DDAH1所对应的甲基化位点为cg22211198；所述基因FKBP5所对应的甲基化位点为cg03546163；
所述模型为以下计算公式：
MRS=（公式3）
其中MRS为甲基化风险评分，根据所述模型获得甲基化风险评分的中位数，根据所述中位数评估冠心病患者生存预后风险；公式3中所述甲基化水平为以下基因所在位点的甲基化水平：chr3:101901234、SEMA3B、CORO2B、SLC39A8、chr7:27235733、chr10:3086002、chr2:164594200、RNASEH1、chr10:134897731、ABCA3、ZNF444、UBE2E2、DAZAP1、NAT10、DDAH1和FKBP5；
所述模型的数学表达式具体如下：MRS=cg00013733×(-0.217)+cg03714754×(-0.513)+cg04833391×(-0.520)+cg06355908×1.155+cg08280341×(-0.031)+cg09782621×(-0.382)+cg10643049×(-0.075)+cg12263535×0.328+cg12992827×(-0.168)+cg12999941×(-0.259)+cg20015729×0.313+cg21484914×0.326+cg24524837×0.538+cg19045191×0.224+cg22211198×0.277+cg03546163×(-0.269)；根据所述模型获得的中位数为5.598，当MRS>5.598时冠心病患者为高风险，生存显著差；当MRS≤5.598时冠心病患者为低风险，生存较好。
CN202010510421.4A 2020-06-05 2020-06-05 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途 Active CN111850108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010510421.4A CN111850108B (zh) 2020-06-05 2020-06-05 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010510421.4A CN111850108B (zh) 2020-06-05 2020-06-05 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途

Publications (2)

Publication Number Publication Date
CN111850108A CN111850108A (zh) 2020-10-30
CN111850108B true CN111850108B (zh) 2023-09-05

Family

ID=72987188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010510421.4A Active CN111850108B (zh) 2020-06-05 2020-06-05 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途

Country Status (1)

Country Link
CN (1) CN111850108B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112501287B (zh) * 2021-01-14 2022-06-28 中南大学湘雅二医院 银屑病性关节炎的dna甲基化标记物、诊断试剂及其应用
CN112505199A (zh) * 2021-02-05 2021-03-16 中国医学科学院阜外医院 基于代谢组学数据的稳定型冠心病预警方法及装置
CN113462767A (zh) * 2021-07-23 2021-10-01 新开源晶锐(广州)生物医药科技有限公司 一种基于焦磷酸测序技术的fkbp5基因甲基化检测引物及试剂盒
CN114649091A (zh) * 2022-02-25 2022-06-21 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） 基于CpG甲基化的T淋巴母细胞淋巴瘤预后模型的构建方法
CN114592048A (zh) * 2022-03-10 2022-06-07 天津大学温州安全(应急)研究院 预测复发性流产人群孕期凝血功能异常的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014036314A2 (en) * 2012-08-31 2014-03-06 Ignyta, Inc. Diagnosis of rheumatoid arthritis (ra) using differentially methylated loci identified in peripheral blood mononuclear cells, t-cells, b-cells and monocytes
WO2014193999A2 (en) * 2013-05-28 2014-12-04 Caris Science, Inc. Biomarker methods and compositions

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014036314A2 (en) * 2012-08-31 2014-03-06 Ignyta, Inc. Diagnosis of rheumatoid arthritis (ra) using differentially methylated loci identified in peripheral blood mononuclear cells, t-cells, b-cells and monocytes
WO2014193999A2 (en) * 2013-05-28 2014-12-04 Caris Science, Inc. Biomarker methods and compositions

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
涂敏松 ; 李逸松 ; 代晓明 ; .DNA甲基化与口腔鳞状细胞癌的相关性研究进展.国际口腔医学杂志.2016,(第01期),全文. *

Also Published As

Publication number Publication date
CN111850108A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111850108B (zh) 冠心病患者死亡风险相关的dna甲基化组合物及其筛选方法和用途
Gregori et al. Viral quasispecies complexity measures
CN113366122B (zh) 游离dna末端特征
CA3098321A1 (en) Convolutional neural network systems and methods for data classification
CN112185546A (zh) 一种用于乳腺癌患者预后预测的模型及建立方法
CN112133365A (zh) 评估肿瘤微环境的基因集、评分模型及其应用
CN107034301A (zh) 一种检测肺结节为良性或恶性的试剂盒及其应用
CN109563544A (zh) 用于膀胱癌的尿监测的诊断测定
US20190259469A1 (en) Method for Evaluating Genotoxicity of Substance
CN115820860A (zh) 基于增强子甲基化差异的非小细胞肺癌标志物筛选方法及其标志物和应用
Foster et al. A multi-gene region targeted capture approach to detect plant DNA in environmental samples: A case study from coastal environments
CN111763738A (zh) 一种特征mRNA表达谱组合及肝癌早期预测方法
CN114703284A (zh) 一种血液游离dna甲基化定量检测方法及其应用
CN114507738A (zh) 甲基化位点、检测甲基化水平的产品的用途及试剂盒
JP6612509B2 (ja) 大腸癌の予後診断を補助する方法、記録媒体および判定装置
CN114678062A (zh) 基于多组学特征的肝细胞癌预后预测系统及其预测方法
JP6417465B2 (ja) 物質の遺伝毒性の評価方法
Ni et al. Development of a model for the prediction of biological age
Wang et al. Phylogenomic analyses revealed widely occurring hybridization events across Elsholtzieae (Lamiaceae)
CN117935933B (zh) Cdkn2a/b纯合性缺失的分析方法及系统
JP2019191952A (ja) プログラム、情報処理方法および情報処理装置
CN113278697B (zh) 一种基于外周血内基因甲基化的肺癌诊断试剂盒
CN115206440A (zh) 一种基于kras突变结肠癌基因的预后模型及其应用
CN116356022A (zh) 一种用于胶质瘤中预后评价预测的整合应激相关试剂盒
CN111793691A (zh) 一种特征mRNA表达谱组合及肺鳞癌早期预测方法

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