CN112553351A - 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 - Google Patents

基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 Download PDF

Info

Publication number
CN112553351A
CN112553351A CN202011341383.0A CN202011341383A CN112553351A CN 112553351 A CN112553351 A CN 112553351A CN 202011341383 A CN202011341383 A CN 202011341383A CN 112553351 A CN112553351 A CN 112553351A
Authority
CN
China
Prior art keywords
relative abundance
intestinal
bile duct
marker based
cancer
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
Application number
CN202011341383.0A
Other languages
English (en)
Other versions
CN112553351B (zh
Inventor
陈钢
李佳靓
王怡
张斯娜
金晨
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.)
First Affiliated Hospital of Wenzhou Medical University
Original Assignee
First Affiliated Hospital of Wenzhou Medical University
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 First Affiliated Hospital of Wenzhou Medical University filed Critical First Affiliated Hospital of Wenzhou Medical University
Priority to CN202011341383.0A priority Critical patent/CN112553351B/zh
Publication of CN112553351A publication Critical patent/CN112553351A/zh
Application granted granted Critical
Publication of CN112553351B publication Critical patent/CN112553351B/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
    • C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
    • C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
    • 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
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • C12Q1/06—Quantitative determination
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/70—Mechanisms involved in disease identification
    • G01N2800/7023—(Hyper)proliferation
    • G01N2800/7028—Cancer

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及基因工程技术领域，特别是公开了一种基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用，包括12个肠道菌群属，所述12个肠道菌群属分别为g__Agathobacter、g__Anaerostipes、g__Cetobacterium、g__Clostridium、g__Clostridium_sensu_stricto_1、g__Coprococcus_3、g__Faecalibacterium、g__Intestinimonas、g__Muribaculaceae_unclassified、g__Muribaculum、g__Rothia和g__Turicibacter。

Description

基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方 法及应用
技术领域
本发明涉及基因工程技术领域，特别是一种基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用。
背景技术
目前，胆管癌占原发性肝癌的10％-20％，是第二常见的恶性肝肿瘤，近年来在全世界范围内发病率呈上升趋势。胆管癌是最具侵袭性和破坏性的恶性亚型之一，具有发病隐匿、生长快速、易通过淋巴和血液循环早期转移，预后不良的特点，晚期胆管癌患者存活率低于5％。胆管癌给公众健康带来了沉重的负担，是一个严重的全球性公众健康问题。
迄今为止，胆管癌被认为可能与遗传和环境因素有关，其特定的病因学仍然无法解释。研究发现，人体肠道内寄居着种类繁多的微生物，这些微生物称为肠道菌群，他们能影响消化能力、抵御感染和患病风险。肠道菌群携带约2.5万个基因，是人自身基因数的150倍，是疾病发生过程中的一个关键的环境因素。研究发现，不同疾病患者的肠道微生物群的组成不同，肠道微生物群与许多癌症的发展和进展有关。过去十年积累的证据表明，肠道菌群通过肠肝轴与肝脏疾病的发展关联，在肝癌的发展中起着至关重要的作用。由肠道微生物群变化引起的炎症信号已被认为是一种新的潜在致癌机制。这些研究证明了肠道菌群的诊断潜力。另外，关于胆管癌患者的肠道菌群特征的文献相对较少，我们尚无法将胆管癌患者与其他肝病患者的肠道菌群区分开来，这表明了进行胆管癌患者肠道菌群研究的必要性。
目前诊断胆管癌的金标准为手术切除的肿瘤组织的病理报告，胆管癌诊断的血清肿瘤标志物为CA19-9，术前诊断准确率不高，仅有0.693。临床上缺乏针对胆管癌的有效非侵入性诊断标志物。
发明内容
为了克服现有技术的不足，本发明提供了一种肠道微生物属标志物可以用于早期诊断胆管癌，通过对受试者的粪便进行16Sr RNA基因测序，测定粪便中特定肠道菌群属的丰度，判断受试者是否患有胆管癌，从而实现通过无创手段诊断胆管癌，并提高胆管癌患者的早期诊断准确率。
为了实现上述目的，本发明采用的技术方案是：一种基于肠道微生物相对丰度的胆管癌非侵入性标志物，包括12个肠道菌群属。
作为本发明的进一步设置，所述12个肠道菌群属及相应的系
数如下表：
Genus Coef
g__Agathobacter 0.114687157
g__Anaerostipes 1.785618953
g__Cetobacterium -0.230269885
g__Clostridium -0.320320014
g__Clostridium_sensu_stricto_1 0.104688944
g__Coprococcus_3 0.051689828
g__Faecalibacterium 0.106173431
g__Intestinimonas -1.399324406
g__Muribaculaceae_unclassified -0.034562105
g__Muribaculum -0.254203749
g__Rothia 0.220752823
g__Turicibacter -0.065048068
一种基于肠道微生物相对丰度的胆管癌非侵入性标志物的筛选方法，包括：
(1)收集受试者的粪便样本，受试者包括胆管癌患者和非癌症者，对粪便样本进行16S rRNA基因检测；(2)DNA提取和16S rRNA基因测序：用E.Z.N.A.
Figure BDA0002798710420000031
StoolDNAKit(D4015,Omega,Inc.,USA)提取细菌基因组，对原核(细菌和古细菌)小亚基(16S)rRNA基因的V3-V4区用扩增，在Illumina NovaSeq平台进行测序；
(3)生物信息学分析，使用QIIME2软件包对原始读取数据进行分析，根据fqtrim(V0.94)，在特定的过滤条件下对raw data进行质量过滤，以获得clean data，以100％相似性对clean data进行聚类得到Feature(特征)，DADA2软件用于过滤测序读数并构建特征表和特征序列，物种注释的序列比对由Blast完成，比对数据库为SILVA和NT-16S；
(4)数据分析，利用α多样性，β多样性(PCoA)评估样本的总体差异；
(5)用Wilcoxon秩和检验筛选两组间显著丰度差异的微生物共98个，然后用线性判别分析效应大小(LEfSe)分析再次识别胆管癌和非癌组之间的差异微生物共60个，将以上两组差异微生物交叉，可得到32个共同差异微生物；接着，利用lasso-logistic回归(R包(v3.5.2))分析建立12个微生物属模型；
(6)用pROC包建立模型的受试者ROC曲线，分别计算每个属和12属组合的AUC，以评价其作为标记物的性能，并在Muribaculaceae_unclassified属中得到了较高的AUC＝0.84，12个属的组合作为预测因子得到的AUC＝0.93。
一种基于肠道微生物相对丰度的胆管癌非侵入性标志物的应用，所述胆管癌的测定方法如下：
(1)采集受检者的粪便标本进行16S rRNA基因测序，获取12个肠道菌群属的相对丰度；
(2)将12个肠道菌群属的相对丰度与各自相应的系数相乘，并将相乘后的各个结果相加，得到RiskScore，当RiskScore超过Cutoff值即可判断受检者患有胆管癌，Cutoff值为0.590917897。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：通过对受试者的粪便进行16Sr RNA基因测序，测定粪便中特定肠道微生物属的丰度，判断受试者是否患有胆管癌，从而实现通过无创手段诊断胆管癌，并提高胆管癌患者的早期诊断准确率。
下面结合附图对本发明作进一步描述。
附图说明
附图1为胆管癌和非癌中观测的Feature数和Simpson多样性指数差异图；
附图2为基于非加权(UniFrac distance metric)的PCoA图；
附图3为LEfSe分析图；
附图4为使用lasso-logistic建立基于肠道菌群特征的疾病诊断模型图；
附图5为使用ROC曲线评价12个微生物属单独及其组合的胆管癌诊断效果图；
附图6为使用随机森林法比较12个微生物属组合和临床变量对CCA的影响图。
具体实施方式
本发明的具体实施例如图1-6所示，收集胆管癌患者33名和非癌症47名受试者的粪便样本，对粪便样本进行16S rRNA基因检测。调查记录人口统计学基线数据，包括年龄、性别、体重、身高、吸烟和饮酒习惯等，追踪血清肿瘤标记物、肝功能指标。临床变量中，性别、吸烟和饮酒习惯、肝硬化和HBV感染史，在CCA和CF之间具有可比性。
DNA提取和16S rRNA基因测序：
首先，用E.Z.N.A.
Figure BDA0002798710420000051
StoolDNAKit(D4015,Omega,Inc.,USA)提取细菌基因组。对原核(细菌和古细菌)小亚基(16S)rRNA基因的V3-V4区用扩增。在整个脱氧核糖核酸提取过程中，超纯水被用来排除作为阴性对照的假阳性聚合酶链反应结果的可能性。聚合酶链反应产物用AMPure XT beads(Beckman Coulter Genomics,Danvers,MA,USA)纯化，用Qubit(Invitrogen,USA)定量。扩增子池用于测序。Agilent 2100生物分析仪(Agilent,USA)和Illumina的文库定量试剂盒(美国马萨诸塞州沃本市卡帕生物科学公司)用于评估扩增子文库的大小和数量。样品在Illumina NovaSeq平台上进行测序。
生物信息学分析：
根据fqtrim(V0.94)，在特定的过滤条件下对原始读数进行质量过滤，以获得高质量的干净标签。以100％相似性进行聚类得到Feature(特征)。DADA2软件用于过滤测序读数并构建特征表和特征序列。利用mafft软件(V 7.310)对不同类群优势种的差异进行多重序列比对。物种注释的序列比对由Blast完成，比对数据库为SILVA和NT-16S。
数据分析：
利用Chao1、observing species,goods_Coverage,Shannon和Simpson描述样本的α多样性。β多样性(PCoA)用于评估样本的总体差异。然后，用非参数检验筛选两组间显著丰度差异的微生物共98个，然后用线性判别分析效应大小(LEfSe)分析再次识别胆管癌和非癌组之间的差异微生物共60个。将以上两组差异微生物交叉，我们得到了32个共同差异微生物。接着，利用lasso-logistic回归分析确定了12个最能区分胆管癌和非癌的属。我们分别用单个属和12个属组合作为预测因子，生成了各自的AUC，并在Muribaculaceae_unclassified属中得到了较高的AUC，为0.84，12个属的组合作为预测因子得到的AUC为0.93，能最好地区分胆管癌和非癌。最后应用随机森林算法消除临床变量对微生物的影响。
胆管癌和非癌组的alpha-diversity和beta-diversity比较，两组之间差异显著。图1胆管癌和非癌中观测的Feature数和Simpson多样性指数差异。箱型图表示四分位数(IQR)，箱型图中的中线表示中位数。图2基于非加权(UniFrac distance metric)的PCoA展示了胆管癌与非癌组的菌群组成差异显著(P＝0.032)。具体表现为，有3个门、79个属及204个种仅存在于胆管癌队列中，而5个门、106个属及248个种仅存在于非癌队列中。图3展示了两组之间9个显著差异门。图3LEfSe分析显示，两组之间有60个显著差异的微生物属。(LDA评分>3.0,p<0.05)。具体微生物名称如下表1：
Figure BDA0002798710420000061
Figure BDA0002798710420000071
表2：胆管癌和非癌组之间显著差异细菌。使用Wilcoxon秩和检验，筛选得到98个差异细菌属。
Figure BDA0002798710420000072
Figure BDA0002798710420000081
Figure BDA0002798710420000091
Figure BDA0002798710420000101
表3:根据非参数检验和LEfSe，找到32个共同差异表达微生物属。
Figure BDA0002798710420000102
Figure BDA0002798710420000111
如图4所示，建立基于肠道菌群特征的疾病诊断模型，使用lasso-logistic建立了包含12个肠道微生物属的模型。12个微生物模型具体内容及系数见下表4：
Figure BDA0002798710420000112
Figure BDA0002798710420000121
胆管癌的测定方法如下：
(1)采集受检者的粪便标本进行16S rRNA基因测序，获取12个肠道菌群属的相对丰度；
(2)将12个肠道菌群属的相对丰度与各自相应的系数相乘，并将相乘后的各个结果相加，得到RiskScore，当RiskScore超过Cutoff值即可判断受检者患有胆管癌，Cutoff值为0.590917897。
如图5所示，使用ROC曲线评价12个微生物属单独及其组合的胆管癌诊断效果。
如图6所示，使用随机森林法比较12个微生物属组合和临床变量的重要性，结果显示，12个属的组合对CCA的影响大于所有临床变量。
本发明不局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其他多种具体实施方式实施本发明的，或者凡是采用本发明的设计结构和思路，做简单变化或更改的，都落入本发明的保护范围。

Claims (4)

1.一种基于肠道微生物相对丰度的胆管癌非侵入性标志物，其特征在于：包括12个肠道菌群属。
2.根据权利要求1所述的基于肠道微生物相对丰度的胆管癌非侵入性标志物，其特征在于：所述12个肠道菌群属及相应的系数如下表：
Genus Coef g__Agathobacter 0.114687157 g__Anaerostipes 1.785618953 g__Cetobacterium -0.230269885 g__Clostridium -0.320320014 g__Clostridium_sensu_stricto_1 0.104688944 g__Coprococcus_3 0.051689828 g__Faecalibacterium 0.106173431 g__Intestinimonas -1.399324406 g__Muribaculaceae_unclassified -0.034562105 g__Muribaculum -0.254203749 g__Rothia 0.220752823 g__Turicibacter -0.065048068
3.如权利要求2所述的基于肠道微生物相对丰度的胆管癌非侵入性标志物的筛选方法，其特征在于：包括：
(1)收集受试者的粪便样本，受试者包括胆管癌患者和非癌症者，对粪便样本进行16SrRNA基因检测；并调查记录人口统计学基线数据；
(2)DNA提取和16S rRNA基因测序：用E.Z.N.A.
Figure FDA0002798710410000021
(D4015,Omega,Inc.,USA)提取细菌基因组，对原核(细菌和古细菌)小亚基(16S)rRNA基因的V3-V4区用扩增，在Illumina NovaSeq平台进行测序；
(3)生物信息学分析，使用QIIME2软件包对原始读取数据进行分析：根以100％相似性对clean data进行聚类得到Feature(特征)，使用Blast对序列进行物种注释，比对数据库为SILVA和NT-16S；
(4)数据分析，利用α多样性，β多样性(PCoA)用于评估样本的总体差异；
(5)用Wilcoxon秩和检验和线性判别分析效应大小(LEfSe)分析分别识别胆管癌和非癌组之间的差异微生物，将以上两组差异微生物交叉，可得到32个共同差异微生物，接着，利用lasso-logistic回归(R包(v3.5.2))分析建立12个微生物属模型；
(6)用pROC包分别计算每个属和12属组合的AUC，以评价其作为标记物的性能，在Muribaculaceae_unclassified属中得到了较高的AUC＝0.84，12个属的组合作为预测因子得到的AUC＝0.93。
4.如权利要求2所述的基于肠道微生物相对丰度的胆管癌非侵入性标志物的应用，其特征在于：所述胆管癌的测定方法如下：
(1)采集受检者的粪便标本进行16S rRNA基因测序，获取12个肠道菌群属的相对丰度；
(2)将12个肠道菌群属的相对丰度与各自相应的系数相乘，并将相乘后的各个结果相加，得到RiskScore，当RiskScore超过Cutoff值即可判断受检者患有胆管癌。Cutoff值为0.590917897。
CN202011341383.0A 2020-11-25 2020-11-25 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 Active CN112553351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011341383.0A CN112553351B (zh) 2020-11-25 2020-11-25 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011341383.0A CN112553351B (zh) 2020-11-25 2020-11-25 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用

Publications (2)

Publication Number Publication Date
CN112553351A true CN112553351A (zh) 2021-03-26
CN112553351B CN112553351B (zh) 2022-06-28

Family

ID=75043735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011341383.0A Active CN112553351B (zh) 2020-11-25 2020-11-25 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用

Country Status (1)

Country Link
CN (1) CN112553351B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111549155A (zh) * 2020-05-13 2020-08-18 朱彧 一种通过肠道菌群相对丰度预测肝脏疾病的分析技术
CN114045337A (zh) * 2021-10-15 2022-02-15 温州医科大学附属第一医院 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用
CN117286266A (zh) * 2023-09-26 2023-12-26 山东大学齐鲁医院 一种用于胆管癌诊断或预后评估的微生物标志物及其应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146966A1 (ko) * 2018-01-23 2019-08-01 주식회사 엠디헬스케어 세균 메타게놈 분석을 통한 담관암 진단방법
CN110090231A (zh) * 2018-01-30 2019-08-06 青岛东海药业有限公司 酪酸梭菌在制备预防或治疗胆管癌制剂中的应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146966A1 (ko) * 2018-01-23 2019-08-01 주식회사 엠디헬스케어 세균 메타게놈 분석을 통한 담관암 진단방법
CN111630189A (zh) * 2018-01-23 2020-09-04 Md保健株式会社 通过细菌性宏基因组分析来诊断胆管癌的方法
CN110090231A (zh) * 2018-01-30 2019-08-06 青岛东海药业有限公司 酪酸梭菌在制备预防或治疗胆管癌制剂中的应用

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111549155A (zh) * 2020-05-13 2020-08-18 朱彧 一种通过肠道菌群相对丰度预测肝脏疾病的分析技术
CN114045337A (zh) * 2021-10-15 2022-02-15 温州医科大学附属第一医院 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用
CN117286266A (zh) * 2023-09-26 2023-12-26 山东大学齐鲁医院 一种用于胆管癌诊断或预后评估的微生物标志物及其应用

Also Published As

Publication number Publication date
CN112553351B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN112553351B (zh) 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用
US9938579B2 (en) Biomarker panel for diagnosis and prediction of graft rejection
WO2016049932A1 (en) Biomarkers for obesity related diseases
CN104769132A (zh) 肝脏相关的炎性疾病的基因标记
JP2020516231A (ja) 個体における結腸直腸癌の状態を決定する方法
EP2909336A1 (en) Determination of reduced gut bacterial diversity
TW201802247A (zh) 檢測癌症之存在風險的方法
CN113637744B (zh) 微生物标志物在判断急性胰腺炎病程进展中的应用
Boubrik et al. Potential non-invasive biomarkers of helicobacter pylori-associated gastric cancer
CN108949969A (zh) 长链非编码rna在结直肠癌中的应用
CN111968702B (zh) 一种基于循环肿瘤dna的恶性肿瘤早期筛查系统
CN113388685A (zh) 一组诊断食管癌的甲基化标志物
CN106929596B (zh) Cpne3基因作为预测诊疗急性心肌梗死标记物的用途
US20150275275A1 (en) Prognostic of diet impact on obesity-related co-morbidities
CN114480636B (zh) 胆汁细菌作为肝门部胆管癌诊断及预后标志物的用途
CN111778335A (zh) 用于检测胰腺癌的癌组织和癌旁组织的tsRNA标志物、探针及其应用
WO2014060542A1 (en) Determination of a tendency to gain weight
CN114657270B (zh) 一种基于肠道菌群的阿尔茨海默病生物标志物及其应用
CN113584193B (zh) 毛螺菌属作为评估慢性自发性荨麻疹患者抗组胺药物疗效的标志物的应用
CN113684242A (zh) 一种基于淋巴结微生物菌群的头颈癌预后生物标志物及其应用
CN111630189B (zh) 通过细菌性宏基因组分析来诊断胆管癌的方法
WO2016049927A1 (en) Biomarkers for obesity related diseases
CN114045337A (zh) 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用
Kirschenbaum et al. The use of integrated molecular testing in the assessment and management of pancreatic cysts
KR102468788B1 (ko) 미생물 검출 제제를 포함하는 과민성대장증후군 예측 또는 진단용 조성물

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