CN112852969B - 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物 - Google Patents

表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物 Download PDF

Info

Publication number
CN112852969B
CN112852969B CN202110421033.3A CN202110421033A CN112852969B CN 112852969 B CN112852969 B CN 112852969B CN 202110421033 A CN202110421033 A CN 202110421033A CN 112852969 B CN112852969 B CN 112852969B
Authority
CN
China
Prior art keywords
sample
tumor
ensg
5hmc
lncrna
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
CN202110421033.3A
Other languages
English (en)
Other versions
CN112852969A (zh
Inventor
周猛
侯萍
孙杰
苏建忠
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.)
Wenzhou Medical University
Original Assignee
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 Wenzhou Medical University filed Critical Wenzhou Medical University
Priority to CN202110421033.3A priority Critical patent/CN112852969B/zh
Publication of CN112852969A publication Critical patent/CN112852969A/zh
Application granted granted Critical
Publication of CN112852969B publication Critical patent/CN112852969B/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
    • 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
    • C12Q2600/158—Expression markers
    • 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
    • C12Q2600/178—Oligonucleotides characterized by their use miRNA, siRNA or ncRNA

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

本发明涉及表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物及其应用。肿瘤的早期诊断对临床意义重大，发明人分析了不同癌症及其健康对照中5hmC修饰的lncRNAs情况，发现了一些广谱的5hmC修饰的lncRNA，进一步，在不同疾病的数据集进行独立验证，结果均表明，本申请中5hmC修饰的lncRNA不仅能有效区分肿瘤患者和健康人群，还在肿瘤进展中具有潜在应用价值。

Description

表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物
技术领域
本发明属于生物医药领域，涉及表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物及其应用，具体为5hmC修饰的lncRNA作为肿瘤诊断或肿瘤进展预测标志物及其应用。
背景技术
肿瘤的早期诊断对临床意义重大，恶性肿瘤的预后取决于是否能做到早发现、早诊断。如果在早期筛查中发现肿瘤并及时给予合理治疗，相当部分的病人都能取得满意的治疗效果。使用广谱性肿瘤标志物进行肿瘤筛查，不仅降低筛查成本，也降低筛查难度，特别适用早期筛查。许多研究表明，表观遗传异常与肿瘤、老年性疾病和发育性疾病的发生密切相关。因此，表观遗传修饰可以作为疾病的新型生物标志物，为诊治人类复杂疾病提供新契机。
大量结果证实lncRNA参与了调节细胞命运并影响一系列生理和病理状态的重要生物学功能的调控。与蛋白编码基因相比，lncRNA在癌症中表现出不同的表观遗传学改变模式。
随着研究的深入，人们认识到5-羟甲基胞嘧啶(5hmC)是人类基因组中稳定的表观遗传标记，在肺癌、脑癌、肝癌、肾癌、皮肤癌、前列腺癌、乳腺癌和结肠癌等多种癌症中的含量均有显著降低，表明5hmC在肿瘤的发生发展中可能发挥重要作用。不过，目前许多研究集中于分布在蛋白质编码基因体和启动子上的5hmC。但是，尚不清楚5hmC在lncRNA(longnon-coding RNAs)上的作用。
发明内容
为了研究5hmC修饰的lncRNA对于肿瘤诊断的作用，我们整合分析了各种肿瘤和健康人群中5hmC修饰的lncRNA情况，发现了一些广谱性的5hmC修饰的lncRNA，发明人进一步，在不同疾病的数据集进行独立验证，结果表明所述5hmC修饰的lncRNA在各种肿瘤里均能有效区分肿瘤患者和健康人群，具有非常好的临床应用价值。
本发明提供了用作肿瘤诊断或肿瘤进展预测的生物标志物其可用于对受试者中的是否患肿瘤进行区分。
为了实现上述目的，本发明采用如下技术方案：
一种肿瘤诊断或肿瘤进展预测的产品，所述产品包括检测生物标志物的试剂，所述生物标志物包括下列5hmC修饰的lncRNA的一种或多种：ENSG00000272610、ENSG00000274895、ENSG00000082929、ENSG00000178457、ENSG00000203706、ENSG00000204682、ENSG00000222033、ENSG00000223492、ENSG00000225680、ENSG00000226101、ENSG00000227945、ENSG00000229459、ENSG00000230437、ENSG00000230680、ENSG00000233539、ENSG00000234899、ENSG00000235781、ENSG00000240175、ENSG00000250250、ENSG00000253381、ENSG00000253576、ENSG00000254109、ENSG00000254645、ENSG00000257194、ENSG00000257614、ENSG00000257995、ENSG00000259152、ENSG00000259275、ENSG00000265413、ENSG00000266767、ENSG00000267240、ENSG00000268560、ENSG00000277692、ENSG00000284452、ENSG00000284954、ENSG00000286081、ENSG00000286951、ENSG00000287528、ENSG00000287969。
优选的，所述lncRNA包括列5hmC修饰的lncRNA的一种或多种ENSG00000274895、ENSG00000272610、ENSG00000204682、ENSG00000254645、ENSG00000287528、ENSG00000257614、ENSG00000234899、ENSG00000235781、ENSG00000229459、ENSG00000253381、ENSG00000277692、ENSG00000230437；
优选的，所述lncRNA包括ENSG00000274895，与任选地下列lncRNA的一种或多种ENSG00000272610、ENSG00000204682、ENSG00000254645、ENSG00000287528、ENSG00000257614、ENSG00000234899、ENSG00000235781、ENSG00000229459、ENSG00000253381、ENSG00000277692、ENSG00000230437；
优选地，所述lncRNA包括ENSG00000274895，与任选地下列lncRNA的一种或多种ENSG00000272610、ENSG00000204682、ENSG00000254645、ENSG0000028752；
优选的，所述lncRNA包括表3中所列组合。
进一步，所述产品包括测序产品、芯片、试剂盒。
进一步，所述检测通过RT-PCR、实时定量PCR、免疫检测、原位杂交或芯片检测样本以检测lncRNA或其片段存在、不存在和/或量的情况。
本发明提供了上述检测生物标志物试剂在制备肿瘤诊断或肿瘤进展预测的产品中的应用，所述生物标志物包括下列5hmC修饰的lncRNA的一种或多种：ENSG00000272610、ENSG00000274895、ENSG00000082929、ENSG00000178457、ENSG00000203706、ENSG00000204682、ENSG00000222033、ENSG00000223492、ENSG00000225680、ENSG00000226101、ENSG00000227945、ENSG00000229459、ENSG00000230437、ENSG00000230680、ENSG00000233539、ENSG00000234899、ENSG00000235781、ENSG00000240175、ENSG00000250250、ENSG00000253381、ENSG00000253576、ENSG00000254109、ENSG00000254645、ENSG00000257194、ENSG00000257614、ENSG00000257995、ENSG00000259152、ENSG00000259275、ENSG00000265413、ENSG00000266767、ENSG00000267240、ENSG00000268560、ENSG00000277692、ENSG00000284452、ENSG00000284954、ENSG00000286081、ENSG00000286951、ENSG00000287528、ENSG00000287969。
进一步，所述产品包括检测样本中至少一种5hmC修饰的lncRNA或其片段存在、不存在和/或量的试剂。
进一步，所述检测包括两步检测：筛选样本中5hmC修饰基因，进而检测样本中5hmC修饰基因中至少一种lncRNA或其片段存在、不存在和/或量的情况；或者检测样本中至少一种lncRNA或其片段存在、不存在和/或量的情况，进而筛选其中5hmC修饰的占比。
进一步，所述试剂包括通过传统色谱、质谱、荧光法、特异性抗体识别的方法、电化学法、电致化学发光法、光电化学法、沉淀法(GLIB、CMS、JBP1、hMeDIP)、亚硫酸氢盐测序及其衍生法(BS-Seq、TAB-Seq、oxBS-Seq、TAPS、CAM-Seq、hmC-CATCH)、单分子检测技术(SMRT、纳米孔传感、单分子成像)检测样本中至少一种5hmC修饰的lncRNA或其片段存在、不存在和/或量的试剂。
进一步，采用特异性抗体识别检测样本中至少一种5hmC修饰的lncRNA或其片段存在、不存在和/或量的试剂包括抗体。
优选的，对含有5hmC的区域进行特异性富集，再通过点印迹或酶联免疫吸附试验(ELISA)对5hmC修饰的lncRNA进行定量和定位分析。
优选的，采用包括单碱基分辨率的亚硫酸氢盐测序及其衍生法、单分子检测技术对基因组中5hmC修饰的lncRNA进行定量分析。
进一步，所述样本包括组织、外周血、体液。
本发明涉及一种预测对象患肿瘤风险或肿瘤进展的系统/装置，包括：
获取单元，用于获得对象样本中上述39种的一种或几种5hmC修饰的lncRNA生物标志物的数据；
分析单元，分析单元根据对象样本中上述5hmC修饰的lncRNA生物标志物的数据的评分或分类，输出患肿瘤风险或肿瘤进展的预测结果。
本发明的优点和有益效果：
本发明选择包括作为生物标志物的39种5hmC修饰的lncRNA含量，可以有效预测肿瘤患病风险或者预测肿瘤进展，实现肿瘤的精准诊断。
附图说明
图1是肿瘤相关的5hmC修饰的lncRNA对样本进行的层次聚类分析图；
图2是诊断模型诊断性能汇总图；
图3是诊断模型对训练集分析结果图；
图4是诊断模型对验证集分析结果图；
图5是诊断模型对独立验证集分析结果图；其中，A为蔡组分析结果图；B为田组分析结果图；C为张组分析结果图；
图6是诊断模型用于区分健康样本、良性肿瘤和肿瘤的分析结果图；A为区分结肠癌、结肠良性肿瘤、胃癌、胃部良性肿瘤、健康样本；B为区分肝癌、肝硬化、肝炎、良性肝病、健康样本。
具体实施方式
本发明通过收集不同肿瘤患者以及健康人群的样本，首先筛选在与健康人群相比，在肿瘤患者中呈现显著性差异的5hmC修饰的lncRNA，进而，取在不同种类肿瘤患者中呈现显著性差异的5hmC修饰的lncRNA的交集，作为标志物组合，并进一步分析5hmC修饰的lncRNA的诊断效能，从而发现适于区分不同肿瘤的5hmC修饰的生物标志物。
如本文中在诸如“A和/或B”的短语中使用的术语“和/或”旨在包括A和B两者；A或B；A(单独)；以及B(单独)。同样地，在诸如“A、B和/或C”的短语中使用的术语“和/或”旨在涵盖以下实施方案的每一个：A、B和C；A、B或C；A或C；A或B；B或C；A和C；A和B；B和C；A(单独)；B(单独)；以及C(单独)。
术语“生物标志物”是指以可用于预测个体的肿瘤(癌症)状态的不同浓度存在于个体中的生物分子。生物标志物可包括，但不限于，核酸及其片段、修饰(表观遗传修饰)的核酸及其片段。可用于本发明的生物标志物核酸被认为包括包含任何目的核酸序列的全部或部分序列的DNA和RNA。
在本发明中，术语“肿瘤”和“癌症”在本文中可互换使用，是人体器官组织的细胞，在外来和内在有害因素的长期作用下所产生的一种以细胞过度增殖为主要特点的新生物。这种新生物与受累器官的生理需要无关，不按正常器官的规律生长，丧失正常细胞的功能，破坏了原来器官结构，有的可以转移到其它部位，危及生命。
在本发明的具体实施方式中，所述生物标志物为5hmC修饰的lncRNA及其片段的含量，包括上述39种5hmC修饰的lncRNA的一种或多种。
在本发明中，生物标志物包括其同源物，突变，表观遗传修饰，和同等型。该术语涵盖全长，未加工的生物标志物，以及源自细胞中加工的任何形式的生物标志物。该术语涵盖生物标志物的天然发生变体(例如剪接变体或等位变体)。
表观遗传修饰是指在不改变DNA序列的情况下，基因表达发生的可遗传变化，例如DNA甲基化和DNA去甲基化。常见的有5hmC与5mC，5mC被称为“第5种碱基”，而5hmC被称为“第6种碱基”。
如本文所用，术语“样本”是指从如本文所述的目的来源获得或衍生的生物样本。在一些实施方案中，目的来源包含生物体，诸如动物或人。在一些实施方案中，生物样本包含生物组织或液体。在一些实施方案中，生物样本可以是或包含骨髓；血液；血细胞；腹水；组织或细针活检样本；含有细胞的体液；游离漂浮核酸；痰液；唾液；尿液；脑脊液腹膜液；胸膜液；粪便；淋巴；皮肤拭子；口服拭子；鼻拭子；洗涤物(washings)或灌洗物，诸如导管灌洗物或支气管肺泡灌洗物；吸出物；刮屑；骨髓标本；组织活检标本；手术标本；粪便，其他体液，分泌物和/或排泄物；和/或其中的细胞等。在一些实施方案中，生物样本是或包含从个体获得的细胞。在一些实施方案中，样本是通过任何合适的手段直接从目的来源获得的“初级样本”。例如，在一些实施方案中，通过选自以下的方法获得初级生物样本：活组织检查(例如，细针抽吸或组织活组织检查)、手术组织、体液(例如，血液、淋巴、粪便等)的收集等。在一些实施方案中，如从上下文将显而易见的，术语“样本”是指通过加工(例如，通过去除初级样本的一种或多种组分和/或通过向初级样本添加一种或多种试剂)获得的制剂。例如，使用半透膜过滤。这类“经处理的样本”可以包含例如从样本中提取的或通过对初级样本进行诸如mRNA的扩增或逆转录、某些组分的分离和/或纯化等技术而获得的核酸或蛋白质。
可以通过将来自测试受试者的样本中的生物标志物的水平与合适的对照进行对比来确定来源于测试受试者的生物样本中的生物标志物的水平是否与存在于受试者中的生物标志物的水平不同。技术人员可以为所讨论的测定选择适当的对照。在一个实施方案中，通过执行软件分类算法进行样本中的一种或多种生物标志物相对于合适对照的水平之间的对比。在一些实施方案中，生物标志物的一种或组合的表达增加，其中该增加的表达比对照样本中相同生物标志物的表达高约10％，20％，30％，40％，50％，60％，70％，80％，90％，95％或约100％或更多。在一些实施方案中，生物标志物的一种或组合的表达增加，其中该增加的表达是与对照样本中相同的生物标志物的一种或组合的表达相比约2X，3X，4X，5X，6X，7X，8X，9X或约10X或更多的表达。
术语“参比”是指其水平可用于对比测试样本中生物标志物水平的生物标志物。在本发明的一个实施方案中，参比包括管家基因，诸如β-球蛋白、醇脱氢酶或任何其他管家基因，其水平或表达不根据含有标志物的细胞的疾病状态而变化。在另一个实施方案中，所有测定的生物标志物或其子集可用作参比。
术语“多核苷酸”和“核酸”和“核酸分子”在本文中可互换使用，并且是指任何长度的核苷酸的聚合物，并且包括DNA和RNA。多核苷酸可以是脱氧核糖核苷酸、核糖核苷酸、修饰的核苷酸或碱基，和/或其类似物，或可以通过DNA或RNA聚合酶掺入聚合物中的任何底物。
术语“多肽”和“肽”和“蛋白质”在本文中可互换使用，并且是指任何长度的氨基酸的聚合物。该聚合物可以是直链或支链的，它可以包含修饰的氨基酸，并且它可以被非氨基酸中断。
术语“受试者”是指任何动物(例如，哺乳动物)，包括，但不限于，人类、非人灵长类、犬、猫、啮齿动物等。进一步，受试者是人类受试者。术语“受试者”、“个体”和“患者”在本文中可互换使用。因此，术语“受试者”、“个体”和“患者”涵盖患有癌症的个体，包括已经经历或进行切除(手术)以去除癌组织的候选者的那些个体。
确定生物标志物的水平
生物样本中一种或多种生物标志物的水平可以通过任何合适的方法确定。可以使用任何可靠的方法来测量样本中的水平或数量。通常，可通过各种已知用于检测方法从样本(包括其级分)(诸如分离的RNA的样本)中检测以及定量，各种已知方法包括，例如，传统色谱、质谱、荧光法、特异性抗体识别的方法、电化学法、电致化学发光法、光电化学法、沉淀法(GLIB、CMS、JBP1、hMeDIP)、亚硫酸氢盐测序及其衍生法(BS-Seq、TAB-Seq、oxBS-Seq、TAPS、CAM-Seq、hmC-CATCH)、单分子检测技术(SMRT、纳米孔传感、单分子成像)。具体检测5hmC的方法可参考2021年文章“表观遗传修饰-5-羟甲基胞嘧啶检测的研究进展，化学学报”。
通过RT-PCR、实时定量PCR、免疫检测、原位杂交或芯片、测序检测样本中5hmC修饰的lncRNA及其片段的表达量。
生物标志物可通过直接或间接方法检测。在直接检测方法中，通过与核酸分子连接的可检测标记来检测一种或多种生物标志物。在这类方法中，生物标志物可以在与探针结合之前被标记。因此，通过筛选与探针结合的标记的生物标志物来检测结合。
本发明可以利用本领域内已知的任何方法测定基因表达。本领域技术人员应当理解，测定基因表达的手段不是本发明的重要方面。这些技术包括但不限于：核酸测序、核酸杂交、核酸扩增技术。
核酸测序技术的示例性非限制性实例包括但不限于链终止子(Sanger)测序和染料终止子测序。本领域的普通技术人员将认识到，由于RNA在细胞中不太稳定并且在实验中更易受到核酸酶攻击，因此在测序前通常将RNA逆转录成DNA。
核酸测序技术的另一示例性非限制性实例包括下一代测序(深度测序/高通量测序)，高通量测序技术是一种基于单分子簇的边合成边测序技术，基于专有的可逆终止化学反应原理。测序时将基因组的DNA的随机片段附着到光学透明的玻璃表面，这些DNA片段经过延伸和桥式扩增后，在玻璃表面形成数以亿计的簇，每个簇是具有数千份相同模板的单分子簇，然后利用带荧光基团的四种特殊脱氧核糖核苷酸，通过可逆性的边合成边测序技术对待测的模板DNA进行测序。
核酸杂交技术的示例性非限制性实例包括但不限于原位杂交(ISH)、微阵列和Southern或Northern印迹。原位杂交(ISH)是一种使用标记的互补DNA或RNA链作为探针以定位组织一部分或切片(原位)或者如果组织足够小则为整个组织(全组织包埋ISH)中的特异性DNA或RNA序列的杂交。DNA ISH可用于确定染色体的结构。RNA ISH用于测量和定位组织切片或全组织包埋内的mRNA和其他转录本(例如，ncRNA)。通常对样本细胞和组织进行处理以原位固定靶转录本，并增加探针的进入。探针在高温下与靶序列杂交，然后将多余的探针洗掉。分别使用放射自显影、荧光显微术或免疫组织化学，对组织中用放射、荧光或抗原标记的碱基标记的探针进行定位和定量。ISH也可使用两种或更多种通过放射性或其他非放射性标记物标记的探针，以同时检测两种或更多种转录本。
本发明可在检测前或与检测同时地对核酸(例如，ncRNA)进行扩增。核酸扩增技术的示例性非限制性实例包括但不限于：聚合酶链式反应(PCR)、逆转录聚合酶链式反应(RT-PCR)、转录介导的扩增(TMA)、连接酶链式反应(LCR)、链置换扩增(SDA)和基于核酸序列的扩增(NASBA)。本领域的普通技术人员将认识到，某些扩增技术(例如，PCR)需要在扩增前将RNA逆转录成DNA(例如，RT-PCR)，而其他扩增技术则直接扩增RNA(例如，TMA和NASBA)。
通常称为PCR的聚合酶链式反应使用变性、引物对与相反链的退火以及引物延伸的多个循环，以指数方式增加靶核酸序列的拷贝数；TMA的转录介导的扩增(在基本上恒定的温度、离子强度和pH的条件下自身催化地合成靶核酸序列的多个拷贝，其中靶序列的多个RNA拷贝自身催化地生成另外的拷贝；LCR的连接酶链式反应使用与靶核酸的相邻区域杂交的两组互补DNA寡核苷酸；其他扩增方法包括例如：通常称为NASBA的基于核酸序列的扩增；使用RNA复制酶(通常称为Qβ复制酶)扩增探针分子本身的扩增；基于转录的扩增方法；以及自我维持的序列扩增。
在某些实施方案中，通过与标记的探针直接结合来检测核酸，并随后检测探针。
通常根据测定的准确度、测定的灵敏度、测定的特异性或“曲线下面积”(AUC，例如，接受者操作特征(ROC)曲线下面积)来测量诊断测试正确预测疾病状态的能力。如本文所用，准确度是错误分类的样品的分数的量度。可以将准确度度计算为例如在测试群体中正确诊断的样本的总数除以样本的总数。灵敏度是通过测试预测为阳性的“真阳性”的量度。特异性是通过测试预测为阴性的“真阴性”的量度。AUC是接受者操作特征曲线下面积的量度，其为灵敏度对假阳性率(1-特异性)的曲线。AUC越大，测试的预测值越强大。测试效用的其他有用量度包括“阳性预测值”和“阴性预测值”两者，“阳性预测值”是测试为阳性的实际阳性的百分比，“阴性预测值”是测试为阴性的实际阴性的百分比。在一个优选的实施方案中，相对于正常受试者，或具有不同肿瘤的受试者的样品中一种或多种生物标志物的水平显示出至少p＝0.05，例如p＝0.05，p＝0.01，p＝0.005，p＝0.001等的统计学显著差异，如相对于合适的对照所确定的。在其他优选的实施方案中，单独或组合使用本文所述的生物标志物的诊断测试显示至少约75％的准确度，例如，至少约75％，约80％，约85％，约90％，约95％，约97％，约99％或约100％的准确度。在其他实施方案中，单独或组合使用本文所述的生物标志物的诊断测试显示出至少约75％的特异性，例如至少约75％，约80％，约85％，约90％，约95％，约97％，约99％或约100％的特异性。在其他实施方案中，单独或组合使用本文所述的生物标志物的诊断测试显示出至少约75％的灵敏度，例如至少约75％，约80％，约85％，约90％，约95％，约97％，约99％或约100％的灵敏度。在其他实施方案中，单独或组合地使用本文所述的生物标志物的诊断测试显示出各自至少约75％的特异性和灵敏度，例如，至少约75％，约80％，约85％，约90％，约95％，约97％，约99％或约100％的特异性和灵敏度(例如，至少约80％的特异性和至少约80％的灵敏度，或例如，至少约80％的特异性和至少约95％的灵敏度)。
确定样品中生物标志物的水平可以包括使用任何合适的方法(例如本文所述的方法)测量、检测或测定样品中生物标志物的水平。确定样品中生物标志物的水平还可以包括检查所测量、检测或测定样品中生物标志物的水平的测定的结果。该方法还可以涉及将样品中的生物标志物的水平与合适的对照进行对比。使用合适的对照评估的生物标志物相对于正常受试者中的生物标志物水平的变化指示受试者的肿瘤种类。可以使用诊断量的生物标志物，其表示高于或低于该诊断量时，受试者被归类为具有特定肿瘤。如本领域所熟知的，调节测定中使用的具体诊断截止值允许人们根据需要调节诊断测定的灵敏度和/或特异性。具体的诊断截止值可以例如通过测量来自具有不同肿瘤的受试者的统计上显著数量的样品中的生物标志物的量，并以期望的准确度、灵敏度和/或特异性水平绘制截止值来确定。在某些实施方案中，诊断截止值可在分类算法的帮助下确定。
虽然单独的生物标志物可用于肿瘤诊断的应用，如本文所示，但生物标志物的组合可比单独使用时的生物标志物提供更高的肿瘤诊断的预测值。具体地，检测多个生物标志物可以增加诊断测试的准确度、灵敏度和/或特异性。本发明包括这些表中列出的个体生物标志物和生物标志物组合，以及它们在本文所述的方法和试剂盒中的用途。
在一些实施方案中，使用诸如“已知样本”的样本生成的数据然后可用于“训练”分类模型。“已知样品”是已经被预先分类的样品，例如，被分类为来自健康受试者或来自患有不同肿瘤的受试者的样品。用于形成分类模型的数据可称为“训练数据集”。一旦被训练，分类模型可以识别从使用未知样品产生的数据中的模式。然后可以使用该分类模型来将这些未知样品分类成类。
可以使用任何合适的统计分类(或“学习”)方法来形成分类模型，该方法试图基于数据中存在的客观参数将数据体分成类。在监督分类中，将包含已知类别的示例的训练数据呈现给学习机制，该学习机制学习定义每个已知类别的一组或多组关系。然后可以将新数据应用于学习机制，该学习机制然后使用所学习的关系对新数据进行分类。监督分类过程的示例包括线性回归过程(例如，多重线性回归(MLR)、偏最小二乘(PLS)回归和主成分回归(PCR))、二元决策树(例如，诸如CART分类和回归树的递归分区过程)、诸如反向传播网络的人工神经网络、判别分析(例如，贝叶斯分类器(Bayesian classifier)或费舍尔分析(Fischer analysis))、逻辑分类器，以及支持向量分类器(支持向量机)。
在其他实施方案中，可以使用无监督学习方法来形成所创建的分类模型。无监督分类尝试基于训练数据集中的相似性来学习分类，而不对从中得出训练数据集的光谱进行预分类。无监督学习方法包括聚类分析。聚类分析试图将数据分成“聚类”或组，在理想情况下，这些“聚类”或组应该具有彼此非常相似且与其他聚类的成员非常不相似的成员。然后使用某种距离度量来测量相似性，该距离度量测量数据项之间的距离，并将彼此接近的数据项聚类在一起。
分类模型可以在任何合适的数字计算机上形成和使用。合适的数字计算机包括使用任何标准或专用操作系统(诸如基于Unix、WINDOWS或LINUX的操作系统)的微型(micro)、迷你(mini)或大型计算机。
训练数据集和分类模型可以通过由数字计算机执行或使用的计算机代码来体现。计算机代码可以存储在任何合适的计算机可读介质上，包括光盘或磁盘、磁棒、磁带等，并且可以用任何合适的计算机编程语言编写，包括C、C++、visual basic等。
上述学习算法可用于开发针对不同肿瘤生物标志物的分类算法。分类算法又可通过为单独或组合使用的生物标志物提供诊断值(例如，截止点)而用于诊断测试中。
试剂盒
本发明提供了用于诊断受试者是否患肿瘤或肿瘤进展的试剂盒。试剂盒可以包括适于选择性检测来源于受试者的样品中用于诊断是否患肿瘤的生物标志物或生物标志物组的存在的材料和试剂。例如，在一个实施方案中，该试剂盒可以包括与生物标志物特异性杂交的试剂。
在另一个实施方案中，试剂盒可以含有一个或多个容器，其具有生物标志物样品，以用作参比标准，合适的对照，或用于测定的校准以检测测试样品中的生物标志物。
系统/装置
本发明涉及一种预测对象患肿瘤风险或肿瘤进展的系统/装置，包括：
获取单元，用于获得对象样本中权利要求1所述39种的一种或几种5hmC修饰的lncRNA生物标志物的数据；
分析单元，分析单元根据对象样本中上述5hmC修饰的lncRNA生物标志物的数据的评分或分类，输出患肿瘤风险或肿瘤进展的预测结果。
如本文应用的装置应至少包括上述单元。装置的单元可操作地彼此连接。如何以操作方式链接单元将取决于装置中包含的单元的类型。例如，由在作为数据处理器的计算机上运行的获取单元。在一个实施方式中，数据处理器实行生物标志物的量与参考的比较。
进一步，在这种情况下，单元由单个装置构成。然而，分析单元和获取单元也可为物理上分离的。在这种情况下，可以经由允许数据传输的单元之间的有线和无线连接来实现操作连接(operative linkage)。无线连接可使用无线LAN(WLAN)或互联网。有线连接可通过单元之间的光学和非光学电缆连接实现。用于有线连接的电缆进一步适于高通量数据传输。
下面结合附图和实施例对本发明作进一步详细的说明。以下实施例仅用于说明本发明而不用于限制本发明的范围。实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。
实施例1 5hmC表观遗传数据集及数据处理
1、样本来源
收集了3399个样品的原始5hmC数据，包括1632个癌症样品和1767个非癌症样品，剔除部分样品，具体样品的详细信息在表1中给出。
表1
Figure BDA0003027846810000131
2、数据处理
使用Bowtie2(2.3.4.2版)将5hmC测序读数与人类基因组GRCh37进行比对。去除了极不正常的样品。将对齐的sam文件转换为bam文件，并使用samtools进行排序。与基因组的唯一非重复匹配保留在picard中。长链非编码RNA参考基因注释文件的发行版本(GRCh38版本)可从Gencode数据库下载。LiftOver用于将定位信息从长链非编码RNA参考基因注释文件的GRCh38版本传输到GRCh37版本。基于GRCh37注释提取编码lncRNA的基因。获得的每个RefSeq lncRNA中的片段计数，计算5hmC修饰的lncRNA的读数计数。将读数计数转换为TPM(每百万个映射的读数中lncRNA中5hmC的每千碱基碱基转录本)。
3、候选标记的识别和特征选择
在李组队列中，使用DESeq2软件包鉴定了CC，GC，HCC和健康患者的5hmC修饰的lncRNA差异。那些|fold change|>0.58and FDR adjusted P-value<0.05的lncRNA，作为差异5hmC修饰的lncRNA。基于递归特征消除(RFE)的袋装分类和回归树(CART)用于癌症诊断的特征选择。在进行10倍交叉验证(10-fold cross-validation procedure)的过程中，重复进行了5次用于癌症诊断的特征选择过程，并选择了导致最大“准确度”的模型。使用Caret的R软件包中的“rfe”和“treebagFuncs”功能进行选择。因此，产生了两个减少的5hmC修饰的lncRNA亚组，并用作进一步分析的输入。
4、肿瘤诊断的临床预测模型的开发
使用数据拆分功能“createDataPartition”将李组的CC，GC，HCC和健康患者的队列随机分为队列的四分之三(训练集)和队列的四分之一(内部验证集)。使用glmnet方法在多变量logistic回归模型上进行弹性网正则化(elastic net regularization)，以开发用于临床预测的肿瘤诊断模型。模型经过10倍交叉验证训练，并针对阿尔法(alpha)和拉姆达(lambda)(阿尔法范围：0.05–1，长度＝10；拉姆达范围：10-1至5*10-1，以0.1为增量)的参数值网格优化了接收器工作特性(ROC)曲线，其中阿尔法控制着Ridge和Lasso罚分之间的相对比例，而拉姆达控制着罚分的整体强度。重复此选择过程20次。
5、统计分析
共识聚类分析(The consensus clustering analysis)是使用R软件包“ConsensusClusterPlus”实施的，该软件包可以自动选择聚类数量，是一种无监督聚类方法。使用R包“pheatmap”执行分层聚类(Hierarchical clustering)。ROC曲线用于以图形方式显示每个可能组的临床敏感性和特异性之间的联系。
实验结果：
经过分析，与健康人相比，肿瘤富集的5hmC修饰的lncRNA中鉴定出1402个结肠癌分子标志物(正向富集1340，负向富集62)、3189个胃癌分子标志物(正向富集2583，负向富集606)和230个肝癌分子标志物(正向富集201，负向富集29)。具体来说，三种肿瘤共有140个肿瘤富集的5hmC修饰的lncRNA。为了进一步验证组织共享的lncRNA与样品之间的关系，对140个组织共享的5hmC修饰的lncRNA进行了共识聚类分析(consensus clusteringanalysis)，结果显示三个不同的肿瘤患者群。根据三个聚类的样本等级，无监督层次聚类分析产生了三个不同的患者聚类，其中癌症和健康人群之间存在差异。这些结果表明，血浆5hmC修饰的lncRNA可用于指导患者的液体活检。
在对模型进行训练和测试之前，对样本进行了肿瘤样本和健康样本划分，并将75％的样本用作训练集，其余25％代表了李组队列中的测试集。为了鉴定可用作癌症患者诊断生物标志物的5hmC修饰的lncRNA，基于袋装CART(bagged CART)对140个组织共享的5hmC修饰的lncRNA进行特征选择，从而获得39种肿瘤相关血浆衍生的5hmC修饰的lncRNA，作为无创生物标志物，并保留用于进一步分析。来自三种癌症和健康样品的诊断标志物的无监督分层聚类分析；基本上所有癌症样本都可以被确定为癌样簇，主要包含来自CC，GC和HCC患者的样本，而其他簇中绝大多数健康的样本被鉴定为健康样簇(卡卡方检验p<2.2e-16)(图1)。使用39个与肿瘤相关的5hmC修饰的lncRNA进行的层次聚类分析可以很好地将CC患者与健康对照(卡方检验p<2.2e-16)，GC患者和健康对照(卡方检验p<2.2e)区分开。HCC患者和健康对照组(卡方检验p＝5.586e-08)也可以很好地分开(图1)。
实施例2 5hLD诊断模型开发与验证
确定了肿瘤相关血浆衍生的5hmC修饰的lncRNA后，确定基于这些5hmC修饰的lncRNA开发诊断模型是否可以更加精确的区分癌症与非癌症。弹性网(The elastic net)是一种正则化回归方法，将套索(lasso)和脊方法(ridge)的L1和L2罚分线性地结合在一起，被用于建立5hmC-lncRNA诊断评分(5hLD评分)模型。为了开发并随后验证模型，根据样本类型(健康样本和肿瘤样本)将样本均匀分离，并将75％的样本用作训练集，其余25％代表李组的同类研究中的测试集。基于这些与肿瘤相关的5hmC修饰的lncRNA，对训练集进行10倍交叉验证可产生91.94％的灵敏度(真实阳性率)和87.50％(特异性2)的特异性(真实阴性率)(图2)。训练集中的ROC分析发现，来自健康样本的癌症(包括CC，GC和HCC)诊断模型的曲线下面积(AUC)可以达到0.96，并且HCC，GC和CC的AUC指数均高于0.95，见图3)。箱图(boxplot)比较了肿瘤来源和健康来源样品的5hLD得分，表明癌症样品的得分显着高于健康样品(图3，p<0.001)。当应用于测试集样本时，基于这些与肿瘤相关的5hmC修饰的lncRNA的模型实现了90.24％的敏感性和75％的特异性(图2)。不仅所有样品的癌症AUC指数，内部测试集的肿瘤类型也均高于0.9，并且癌症样品的5hLD得分显着高于健康样品(图4)。
开发得到5hLD诊断模型后，将其应用于三个独立的验证队列中。首先，包括1251例HCC样本和570例健康样本的独立验证集1与发现队列中的一种癌症类型相同，并且癌症样本中与肿瘤相关的5hmC修饰的lncRNA的水平总体上高于健康样本。热图(heatmap)表明，HCC样本倾向于具有较高的5hLD分数。将HCC样品与健康样品进行比较，HCC样品的5hLD得分显着高于健康样品(p<0.001)。使用曲线下面积(AUC)指标，基于5hLD得分的预测因子在验证队列中的HCC样本和健康样本之间表现良好，并且将HCC样本与健康样本独立分离(AUC：0.768，95％CI：0.746-0.790)(图5A)。接下来，包含150个EC样品和183个健康样品的独立验证集2与发现队列的癌症类型不同，并且样品的5hLD得分越高，就越有可能成为癌症样品(图5B)。同样，EC样品的5hLD得分显着高于健康样品(p<0.001)，并且曲线下面积(AUC)与EC高于0.8时相同(AUC：0.887，95％CI：0.852-0.922)(图5B)。最后，进一步验证了5hLD评分模型，以评估66个非小细胞癌(NSCLC)样本和67个健康样本，这些样本与训练集不同。与健康样本相比，NSCLC样本的5hLD分数越高，趋于与肿瘤相关的血浆衍生的5hmC修饰的lncRNA的水平越高，箱线图显示EC和健康样本之间的5hLD分数显着不同(p<0.001)(图5C)。来自健康样本的NSCLC样本的5hLD评分模型的预测率为0.851(95％CI：0.786-0.916)(图5C)。这些结果反映了5hLD诊断模型用于区分癌症样品与健康样品的鲁棒性和稳定性。
5hLD诊断模型可以揭示健康样本中的癌症样本，基于与肿瘤相关的5hmC修饰的lncRNA的样本评分是否可以表明疾病进展的相关性。在李组队列中进一步比较了癌症，良性癌症和正常样本的得分，癌症和良性结肠癌样本的得分显着高于正常样本，良性癌症样本分数也显着低于结肠癌和胃癌样本(图6A)。尽管这些比较是独立的，但将5hLD评分模型应用到独立验证队列进行多次比较，比较肝癌，肝硬化，肝炎，良性肝病和正常样本的5hLD得分，发现肝癌和肝炎评分明显高于正常样本(图6B)。此外，在从肝炎到肝癌的进展过程中，患者的评分有显着提高，这表明我们的评分可在肿瘤进展中具有潜在作用。
实施例3诊断效能验证
使用数据拆分功能“createDataPartition”将李组的CC，GC，HCC和健康患者的队列随机分为队列的四分之三(训练集)和队列的四分之一(内部验证集)，从39个与肿瘤相关的5hmC修饰的lncRNA任意选取组合，验证这些组合基因应用于肿瘤诊断时的效能。结果显示，选取的组合具有很高的诊断效果。
表2生物标志物的诊断效能
基因 AUC 敏感性 特异性 ACC
ENSG00000272610+ENSG00000274895 0.921 0.952 0.486 0.781
ENSG00000204682+ENSG00000274895 0.919 0.992 0.403 0.776
ENSG00000254645+ENSG00000274895 0.917 1.000 0.000 0.633
ENSG00000234899+ENSG00000274895 0.917 0.927 0.625 0.816
ENSG00000274895+ENSG00000287528 0.915 1.000 0.153 0.689
ENSG00000204682+ENSG00000257614+ENSG00000274895 0.942 0.911 0.736 0.847
ENSG00000234899+ENSG00000257614+ENSG00000274895 0.94 0.944 0.681 0.847
ENSG00000272610+ENSG00000257614+ENSG00000274895 0.94 0.952 0.764 0.883
ENSG00000274895+ENSG00000235781+ENSG00000229459 0.938 0.952 0.597 0.821
ENSG00000204682+ENSG00000253381+ENSG00000257614 0.938 0.984 0.528 0.816
ENSG00000204682+ENSG00000234899+ENSG00000257614+ENSG00000274895 0.954 0.984 0.569 0.832
ENSG00000204682+ENSG00000254645+ENSG00000257614+ENSG00000274895 0.954 1.000 0.389 0.776
ENSG00000204682+ENSG00000257614+ENSG00000274895+ENSG00000229459 0.954 0.944 0.667 0.842
ENSG00000204682+ENSG00000257614+ENSG00000274895+ENSG00000277692 0.952 0.968 0.569 0.821
ENSG00000204682+ENSG00000257614+ENSG00000274895+ENSG00000230437 0.953 0.944 0.708 0.857
实施例的说明只是用于理解本发明的方法及其核心思想。应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也将落入本发明权利要求的保护范围内。

Claims (7)

1.肿瘤诊断产品在制备肿瘤诊断或肿瘤进展预测试剂中的应用，所述肿瘤诊断为结肠癌、胃癌、肝癌诊断，所述肿瘤进展预测为肝癌进展预测，所述产品包括检测生物标志物的试剂，所述生物标志物为下列5hmC修饰的lncRNA的组合：ENSG00000272610 、ENSG00000274895、ENSG00000082929、ENSG00000178457、ENSG00000203706、ENSG00000204682、ENSG00000222033、ENSG00000223492、ENSG00000225680、ENSG00000226101、ENSG00000227945、 ENSG00000229459、ENSG00000230437、ENSG00000230680、ENSG00000233539、ENSG00000234899、ENSG00000235781、ENSG00000240175、ENSG00000250250、ENSG00000253381、 ENSG00000253576、ENSG00000254109、ENSG00000254645、ENSG00000257194、ENSG00000257614、ENSG00000257995、ENSG00000259152、ENSG00000259275、ENSG00000265413、ENSG00000266767、ENSG00000267240、ENSG00000268560、ENSG00000277692、ENSG00000284452、ENSG00000284954、ENSG00000286081、ENSG00000286951、ENSG00000287528和ENSG00000287969。
2.根据权利要求1所述的应用，其特征在于，所述产品包括检测样本中5hmC修饰的lncRNA组合或其片段存在、不存在和/或量的试剂。
3.根据权利要求2所述的应用，其特征在于，所述检测包括两步检测：筛选样本中5hmC修饰基因，进而检测样本中5hmC修饰的lncRNA组合或其片段存在、不存在和/或量的情况；
或者检测样本中lncRNA组合或其片段存在、不存在和/或量的情况，进而筛选其中5hmC修饰的占比。
4.根据权利要求2所述的应用，其特征在于，所述试剂包括通过传统色谱、质谱、荧光法、特异性抗体识别的方法、电化学法、电致化学发光法、光电化学法、沉淀法、亚硫酸氢盐测序及其衍生法、单分子检测技术检测样本中5hmC修饰的lncRNA组合或其片段存在、不存在和/或量的试剂。
5.根据权利要求4所述的应用，其特征在于，沉淀法包括GLIB、CMS、JBP1、hMeDIP；亚硫酸氢盐测序及其衍生法包括BS-Seq、TAB-Seq、oxBS-Seq、TAPS、CAM-Seq、hmC-CATCH；单分子检测技术包括SMRT、纳米孔传感、单分子成像。
6.根据权利要求2所述的应用，其特征在于，所述检测通过RT-PCR、实时定量PCR、免疫检测、原位杂交或芯片检测样本中5hmC修饰的lncRNA组合或其片段存在、不存在和/或量的情况。
7.根据权利要求2-6任意一项所述的应用，其特征在于，所述样本包括组织、体液、外周血。
CN202110421033.3A 2021-04-19 2021-04-19 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物 Active CN112852969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110421033.3A CN112852969B (zh) 2021-04-19 2021-04-19 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110421033.3A CN112852969B (zh) 2021-04-19 2021-04-19 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物

Publications (2)

Publication Number Publication Date
CN112852969A CN112852969A (zh) 2021-05-28
CN112852969B true CN112852969B (zh) 2022-06-10

Family

ID=75992642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110421033.3A Active CN112852969B (zh) 2021-04-19 2021-04-19 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物

Country Status (1)

Country Link
CN (1) CN112852969B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113881766B (zh) * 2021-11-02 2023-02-07 温州医科大学 重症新型冠状肺炎患者的诊断标志物

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201609977D0 (en) * 2016-06-08 2016-07-20 Cancer Rec Tech Ltd Chemosensitivity predictive biomarkers
JP7080458B2 (ja) * 2016-10-14 2022-06-06 国立大学法人京都大学 Ｐｄ－１経路阻害薬の薬剤感受性を判定する方法
CN109680060A (zh) * 2017-10-17 2019-04-26 华东师范大学 甲基化标志物及其在肿瘤诊断、分类中的应用
CN108753978A (zh) * 2018-07-09 2018-11-06 郑州大学第附属医院 肺癌预后新型分子标志物非编码rna linc01124的应用、试剂盒及检测方法
CN108949993A (zh) * 2018-08-14 2018-12-07 温州医科大学 一种lncRNA在作为肿瘤耐药性诊断试剂方面的应用以及试剂盒
CN110257525B (zh) * 2019-08-05 2022-10-11 上海奕谱生物科技有限公司 对肿瘤诊断具有显著性的标记物及其用途
CN112587663B (zh) * 2020-12-29 2022-01-07 浙江大学 长链非编码RNA-lncIVRL在防治甲型流感病毒感染中的应用

Also Published As

Publication number Publication date
CN112852969A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US11549148B2 (en) Neuroendocrine tumors
US12060617B2 (en) Marker genes for prostate cancer classification
US20100028876A1 (en) Diagnostic tests using gene expression ratios
EP2524051A2 (en) Diagnostic gene expression platform
KR20150100698A (ko) 갑상선 종양을 진단하기 위한 조성물 및 방법
KR102055305B1 (ko) 위식도경계부선암의 진단 및 표적 치료를 위한 마커
KR20150005726A (ko) 직장결장암용 예후 예측
CN111662982B (zh) 用于脑胶质瘤早期诊断和/或复发监测的生物标志物及其应用
WO2009037090A1 (en) Molecular markers for tumor cell content in tissue samples
CN112921083A (zh) 肠道息肉和结直肠癌评价中的基因标志物
US20190024184A1 (en) Distinguishing metastatic-lethal prostate cancer from indolent prostate cancer using methylation status of epigenetic markers
CN112852969B (zh) 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物
CN101457254B (zh) 用于肝癌预后的基因芯片和试剂盒
WO2020207685A1 (en) Method for determining rcc subtypes
WO2023172974A2 (en) Dna methylation biomarkers for detection of high-grade dysplasia and esophageal or junctional adenocarcinoma
CN113151469B (zh) 肿瘤分类标志物组合及其应用
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
CN115851923A (zh) 用于检测结直肠癌淋巴结转移的甲基化生物标记物及其应用
CN112980959A (zh) 用于预测或诊断结直肠癌/结直肠癌风险的基因标志物
CN113151465A (zh) 基于基因标志物的鉴定息肉和癌症的产品和相关应用
CN106636351B (zh) 一种与乳腺癌相关的snp标记及其应用
CN116555426B (zh) 一种鉴定肿瘤组织来源的试剂盒及数据分析方法
KR20240139498A (ko) 미생물 검출 제제를 포함하는 대장 질환 예측 또는 진단용 조성물
CN113416778A (zh) 基因组合作为诊断阿尔茨海默病的分子标志物
CN117248014A (zh) 多lncRNA诊断特征联合在早期诊断食管鳞状细胞癌中的应用

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