CN113528635B - 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物 - Google Patents

一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物 Download PDF

Info

Publication number
CN113528635B
CN113528635B CN202010298739.0A CN202010298739A CN113528635B CN 113528635 B CN113528635 B CN 113528635B CN 202010298739 A CN202010298739 A CN 202010298739A CN 113528635 B CN113528635 B CN 113528635B
Authority
CN
China
Prior art keywords
seq
primer
slc22a18
heart disease
coronary heart
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
CN202010298739.0A
Other languages
English (en)
Other versions
CN113528635A (zh
Inventor
狄飞飞
韦玉杰
王俊
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.)
Tengchen Biotechnology Shanghai Co ltd
Original Assignee
Tengchen Biotechnology Shanghai 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 Tengchen Biotechnology Shanghai Co ltd filed Critical Tengchen Biotechnology Shanghai Co ltd
Priority to CN202010298739.0A priority Critical patent/CN113528635B/zh
Publication of CN113528635A publication Critical patent/CN113528635A/zh
Application granted granted Critical
Publication of CN113528635B publication Critical patent/CN113528635B/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
    • 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
    • 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

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

Abstract

本发明公开了一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物。本发明提供了甲基化SLC22A18基因作为标志物在制备产品中的应用，所述产品的用途为如下至少一种：辅助诊断心脑血管疾病或在临床症状之前预警心脑血管疾病；辅助诊断冠心病或在临床症状之前预警冠心病；辅助诊断脑卒中或在临床症状之前预警脑卒中；辅助区分冠心病和脑卒中；辅助诊断不同临床特征的冠心病或在临床症状之前预警不同临床特征的冠心病；辅助诊断不同临床特征的脑卒中或在临床症状之前预警不同临床特征的脑卒中。本发明对提高心脑血管疾病早期诊疗效果和降低死亡率均有重要的科学意义和临床应用价值。

Description

一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物
技术领域
本发明涉及医学领域，特别涉及一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物。
背景技术
心脑血管疾病是心脏血管和脑血管疾病的统称，泛指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等所导致的心脏、大脑及全身组织发生的缺血性或出血性疾病。心脑血管疾病是一种严重威胁人类，特别是50岁以上中老年人健康的常见病，具有高患病率、高致残率和高死亡率的特点。目前，全世界每年死于心脑血管疾病的人数高达1500万人。我国心脑血管疾病的发病率和死亡率总体呈上升趋势，每年死于心脑血管疾病的人数有350万，占各种死亡原因的首位。
冠心病是指由于冠状动脉粥样硬化使管腔狭窄、痉挛或阻塞，导致心肌缺血、缺氧或坏死而引发的心脏病，统称为冠状动脉性心脏病或冠状动脉疾病。根据病变部位、范围和程度等临床特征将冠心病分为5种类型：(1)隐匿型或无症状性心肌缺血：无症状，但在静息、动态或负荷心电图下显示心肌缺血改变，或放射性核素心肌显像提示心肌灌注不足，无组织形态改变；(2)心绞痛：由心肌供血不足引起发作性胸骨后疼痛；(3)心肌梗死：缺血症状严重，因冠状动脉闭塞导致心肌急性缺血坏死；(4)缺血性心肌病：长期慢性心肌缺血或坏死导致心肌纤维化，表现为心脏增大、心力衰竭和心律失常；(5)猝死：突发心搏骤停引起的死亡，多为缺血心肌局部发生电生理紊乱引起的严重心律失常所致。近10余年冠心病发病率在我国呈明显上升趋势，冠心病发病率一般以心肌梗死发病率为代表。目前冠心病主要的诊断方法如下：(1)临床特征：一般结合检查者的病史和身体检查状况，用于初步诊断，但特异性很低；(2)影像学方法：心电图、超声心动图和冠状动脉血管造影，但往往受医生经验和仪器设备的影响；(3)目前最常用的冠心病标志物要有以下几类：心肌损伤标志物、炎症因子及黏附分子和细胞因子标志物、血浆脂蛋白及载脂蛋白标志物和凝血相关蛋白标志物等。因为某个标志物只反映疾病某个疾病机理导致这些标志物在临床并意义未得到广泛认同。
脑卒中俗称中风，是一种急性脑血管疾病，包括缺血性脑卒中和出血性脑卒中。缺血性脑卒中占所有脑卒中的60％～70％，主要是由于动脉粥样硬化引起脑部血管狭窄或者闭塞，从而引起脑组织缺血、缺氧，进一步导致局限性脑组织的缺血性坏死或软化，患者多在40岁以上，男性较女性多，严重者可引起死亡。出血性脑卒中分为脑出血和蛛网膜下腔出血，主要是由于长期的高血压、动脉瘤或脑血管先天比较脆弱等原因，导致脑血管破裂出血，这些血液在脑中压迫正常的脑组织，使大脑无法发挥正常的功能，也就是常说的“脑溢血”，且死亡率比较高。目前常使用影像学方法来进行脑卒中的诊断，例如CT和核磁共振检查，CT对于出血性脑卒中的灵敏度较高，但对于缺血性脑卒中的灵敏度只有16％，由于辐射的原因不宜频繁使用；核磁共振检查对缺血性脑卒中的灵敏度高于CT且没有辐射影响，但其缺点是较低的可行性、实用性和可及性(设备以及训练有素的人员)。
冠心病和脑卒中都属于心脑血管疾病。大多数心血管疾病是可以预防和治疗的，一般通过普及知识提高意识、避免外源性刺激因素和合理膳食适度运动来进行预防，其治疗效果很大程度上依赖于早期诊断及相应的干预措施。目前，临床上关于冠心病和脑卒中疾病诊断标志物的灵敏度和特异性很有限，尤其是缺乏早期诊断的标志物，因此更为敏感、特异的早期分子标记物亟待发掘。DNA甲基化是基因上重要的一种化学修饰，影响着基因转录的调控过程和细胞核结构。本研究通过飞行时间质谱DNA甲基化分析技术在多组样品中进行分析，发现了心脑血管疾病和健康对照组的血液DNA甲基化存在显著差异。因此，血液异常的DNA甲基化信号有可能为心脑血管疾病体外早期诊断带来突破。此外，血液容易收集，DNA甲基化常温较稳定的特点也让其在临床应用中独具优势。因此，探索和开发适用于临床检测需要的灵敏和特异血液DNA甲基化诊断技术对提高心脑血管疾病早期诊疗效果和降低死亡率均有重要的科学意义和临床应用价值。
发明内容
本发明的目的是提供印记基因SLC22A18(Solute Carrier Family22，member18)的甲基化水平在辅助诊断心脑血管疾病中的应用。
第一方面，本发明要求保护甲基化SLC22A18基因作为标志物在制备产品中的应用；所述产品的用途为如下中的至少一种：
(1)辅助诊断心脑血管疾病或在临床症状之前预警心脑血管疾病；
(2)辅助诊断冠心病或在临床症状之前预警冠心病；
(3)辅助诊断脑卒中或在临床症状之前预警脑卒中；
(4)辅助区分冠心病和脑卒中；
(5)辅助诊断不同临床特征的冠心病或在临床症状之前预警不同临床特征的冠心病；
(6)辅助诊断不同临床特征的脑卒中或在临床症状之前预警不同临床特征的脑卒中。
进一步地，(1)中所述辅助诊断心脑血管疾病具体可体现为如下中的至少一种：辅助区分冠心病患者和健康对照、脑卒中患者和健康对照。其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
在本发明的具体实施方式中，(5)中所述辅助诊断不同临床特征的冠心病或在临床症状之前预警不同临床特征的冠心病具体体现为如下中的至少一种：可辅助区分隐匿型或无症状性心肌缺血患者和健康对照、可辅助区分心绞痛患者和健康对照、可辅助区分心肌梗死患者和健康对照、可辅助区分缺血性心肌病患者和健康对照、可辅助区分猝死患者和健康对照。其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
在本发明的具体实施方式中，(6)中所述辅助区分不同临床特征的脑卒中或在临床症状之前预警不同临床特征的脑卒中具体体现为如下中的至少一种：可辅助区分缺血性脑卒中和健康对照、可辅助区分出血性脑卒中和健康对照。所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
在上述(1)-(6)中，所述心脑血管疾病可为能够引起机体内SLC22A18基因甲基化水平改变的疾病，如冠心病和脑卒中等。所述在临床症状之前为早于临床发病时间2年内或者1年内。
第二方面，本发明要求保护用于检测SLC22A18基因甲基化水平的物质在制备产品中的应用。所述产品的用途可为前文(1)-(6)中的至少一种。
第三方面，本发明要求保护用于检测SLC22A18基因甲基化水平的物质和储存有数学模型建立方法和/或使用方法的介质在制备产品中的应用。所述产品的用途可为前文(1)-(6)中的至少一种。
所述数学模型可按照包括如下步骤的方法获得：
(A1)分别检测n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平(训练集)；
(A2)取步骤(A1)获得的所有样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型，确定分类判定的阈值。
其中，(A1)中的n1和n2均可为50以上的正整数。
所述数学模型的使用方法包括如下步骤：
(B1)检测待测样本的SLC22A18基因甲基化水平；
(B2)将步骤(B1)获得的所述待测样本的SLC22A18基因甲基化水平数据代入所述数学模型，得到检测指数；然后比较检测指数和阈值的大小，根据比较结果确定所述待测样本的类型是A类型还是B类型。
在本发明的具体实施方式中，所述阈值设为0.5。大于0.5归为一类，小于0.5归为另外一类，等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
在实际应用中，所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类，小于阈值归为另外一类，等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
所述A类型样本和所述B类型样本可为如下中的任一种：
(C1)未来2年内发生冠心病的潜在患者和健康对照；
(C2)未来2年内发生脑卒中的潜在患者和健康对照；
(C3)未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
(C4)未来2年内发生不同临床特征冠心病的潜在患者和健康对照；
(C5)未来2年内发生不同临床特征脑卒中的潜在患者和健康对照；
(C6)未来1年内发生冠心病的潜在患者和健康对照；
(C7)未来1年内发生脑卒中的潜在患者和健康对照；
(C8)未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
(C9)未来1年内发生不同临床特征冠心病的潜在患者和健康对照；
(C10)未来1年内发生不同临床特征脑卒中的潜在患者和健康对照。
其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
第四方面，本发明要求保护前文第三方面中所述的“储存有数学模型建立方法和/或使用方法的介质”在制备产品中的应用。所述产品的用途可为前文(1)-(6)中的至少一种。
第五方面，本发明要求保护一种试剂盒。
本发明所要求保护的试剂盒包括用于检测SLC22A18基因甲基化水平的物质。所述试剂盒的用途可为前文(1)-(6)中的至少一种。
进一步地，所述试剂盒中还可含有前文第三方面或第四方面中所述的“储存有数学模型建立方法和/或使用方法的介质”。
第六方面，本发明要求保护一种系统。
本发明所要求保护的系统，包括：
(D1)用于检测SLC22A18基因甲基化水平的试剂和/或仪器；
(D2)装置，所述装置包括单元X和单元Y；
所述单元X用于建立数学模型，包括数据采集模块、数据分析处理模块和模型输出模块；
所述数据采集模块用于采集(D1)检测得到的n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平数据；
其中，n1和n2均可为50以上正整数。
所述数据分析处理模块能够基于所述数据采集模块采集的n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型，确定分类判定的阈值；
所述模型输出模块用于输出所述数据分析处理模块建立的数学模型；
所述单元Y用于确定待测样本类型，包括数据输入模块、数据运算模块、数据比较模块和结论输出模块；
所述数据输入模块用于输入(D1)检测得到的待测者的SLC22A18基因甲基化水平数据；
所述数据运算模块用于将所述待测者的SLC22A18基因甲基化水平数据代入所述数学模型，计算得到检测指数；
所述数据比较模块用于将所述检测指数与阈值进行比较；
所述结论输出模块用于根据所述数据比较模块的比较结果输出所述待测样本的类型是A类型还是B类型的结论；
所述A类型样本和所述B类型样本为如下中的任一种：
(C1)未来2年内发生冠心病的潜在患者和健康对照；
(C2)未来2年内发生脑卒中的潜在患者和健康对照；
(C3)未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
(C4)未来2年内发生不同临床特征冠心病的潜在患者和健康对照；
(C5)未来2年内发生不同临床特征脑卒中的潜在患者和健康对照；
(C6)未来1年内发生冠心病的潜在患者和健康对照；
(C7)未来1年内发生脑卒中的潜在患者和健康对照；
(C8)未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
(C9)未来1年内发生不同临床特征冠心病的潜在患者和健康对照；
(C10)未来1年内发生不同临床特征脑卒中的潜在患者和健康对照。
其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
在本发明的具体实施方式中，所述阈值设为0.5。大于0.5归为一类，小于0.5归为另外一类，等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
在实际应用中，所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类，小于阈值归为另外一类，等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
在前文各方面中，所述SLC22A18基因甲基化水平可为SLC22A18基因中如下(e1)-(e4)所示片段中全部或部分CpG位点的甲基化水平。所述甲基化SLC22A18基因可为SLC22A18基因中如下(e1)-(e4)所示片段中全部或部分CpG位点甲基化。
(e1)SEQ ID No.1所示的DNA片段或与其具有80％以上同一性的DNA片段；
(e2)SEQ ID No.2所示的DNA片段或与其具有80％以上同一性的DNA片段；
(e3)SEQ ID No.3所示的DNA片段或与其具有80％以上同一性的DNA片段；
(e4)SEQ ID No.4所示的DNA片段或与其具有80％以上同一性的DNA片段。
进一步地，所述“全部或部分CpG位点”可为SEQ ID No.1所示的DNA片段中所有CpG位点(见表1)、SEQ ID No.2所示的DNA片段中所有CpG位点(见表2)、SEQ ID No.3所示的DNA片段中所有CpG位点(见表3)、SEQ ID No.4所示的DNA片段中所有CpG位点(见表4)。
或，所述“全部或部分CpG位点”可为所述SEQ ID No.1所示的DNA片段中所有CpG位点(见表1)和所述SEQ ID No.2所示的DNA片段中所有CpG位点(见表2)。
或，所述“全部或部分CpG位点”可为所述SEQ ID No.1所示的DNA片段中所有CpG位点(见表1)和所述SEQ ID No.3所示的DNA片段中所有CpG位点(见表3)。
或，所述“全部或部分CpG位点”可为所述SEQ ID No.1所示的DNA片段中所有CpG位点(见表1)和所述SEQ ID No.4所示的DNA片段中所有CpG位点(见表4)。
或，所述“全部或部分CpG位点”可为所述SEQ ID No.1所示的DNA片段中的全部可区分的18项CpG位点的全部或任意17项或任意16项或任意15项或任意14项或任意13项或任意12项或任意11项或任意10项或任意9项或任意8项或任意7项或任意6项或任意5项或任意4项或任意3项或任意2项或任意1项。所述可区分的18项CpG位点为：SEQ ID No.1所示的DNA片段自5’端第33-34位和第36-37位所示CpG位点(SLC22A18_A_1,2)、SEQ ID No.1所示的DNA片段自5’端第109-110位所示CpG位点(SLC22A18_A_3)、SEQ ID No.1所示的DNA片段自5’端第127-128位所示CpG位点(SLC22A18_A_4)、SEQ ID No.1所示的DNA片段自5’端第170-171位所示CpG位点(SLC22A18_A_5)、SEQ ID No.1所示的DNA片段自5’端第190-191位所示CpG位点(SLC22A18_A_6)、SEQ ID No.1所示的DNA片段自5’端第246-247位所示CpG位点(SLC22A18_A_7)、SEQ ID No.1所示的DNA片段自5’端第331-332位所示CpG位点(SLC22A18_A_8)、SEQ ID No.1所示的DNA片段自5’端第395-396位所示CpG位点(SLC22A18_A_9)、SEQID No.1所示的DNA片段自5’端第418-419位所示CpG位点(SLC22A18_A_10)、SEQ ID No.1所示的DNA片段自5’端第460-461位所示CpG位点(SLC22A18_A_11)、SEQ ID No.1所示的DNA片段自5’端第545-546位所示CpG位点(SLC22A18_A_12)、SEQ ID No.1所示的DNA片段自5’端第598-599位所示CpG位点(SLC22A18_A_13)、SEQ ID No.1所示的DNA片段自5’端第716-717位所示CpG位点(SLC22A18_A_14)、SEQ ID No.1所示的DNA片段自5’端第728-729位所示CpG位点(SLC22A18_A_15)、SEQ ID No.1所示的DNA片段自5’端第746-747位所示CpG位点(SLC22A18_A_16)、SEQ ID No.1所示的DNA片段自5’端第770-771位所示CpG位点(SLC22A18_A_17)、SEQ ID No.1所示的DNA片段自5’端第780-781位所示CpG位点(SLC22A18_A_18)、SEQ ID No.1所示的DNA片段自5’端第800-801位所示CpG位点(SLC22A18_A_19)。
在本发明的具体实施方式中，有些相邻的甲基化位点在利用飞行时间质谱进行DNA甲基化分析时由于几个CpG位点位于一个甲基化片段上，峰图无法区分(无法区分的位点在表6中有记载)，因而在进行甲基化水平分析、以及构建和使用相关数学模型时将其按照一个甲基化位点进行处理。前文所述的SLC22A18_A_1,2便是这种情况。
或，所述“全部或部分CpG位点”可为所述SEQ ID No.1所示的DNA片段中的如下11个CpG位点中的全部或任意10个或任意9个或任意8个或任意7个或任意6个或任意5个或任意4个或任意3个或任意2个或任意1个：SEQ ID No.1所示的DNA片段自5’端第395-396位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第418-419位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第460-461位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第545-546位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第598-599位所示CpG位点、SEQ IDNo.1所示的DNA片段自5’端第716-717位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第728-729位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第746-747位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第770-771位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第780-781位所示CpG位点、SEQ ID No.1所示的DNA片段自5’端第800-801位所示CpG位点。
在上述各方面中，所述用于检测SLC22A18基因甲基化水平的物质可包含(或为)用于扩增SLC22A18基因全长或部分片段的引物组合。所述用于检测SLC22A18基因甲基化水平的试剂可包含(或为)用于扩增SLC22A18基因全长或部分片段的引物组合；所述用于检测SLC22A18基因甲基化水平的仪器可为飞行时间质谱检测仪。当然所述用于检测SLC22A18基因甲基化水平的试剂中还可包含进行飞行时间质谱所用的其他常规试剂。
进一步地，所述部分片段可为如下中至少一个片段：
(f1)SEQ ID No.1所示的DNA片段或其包含的DNA片段；
(f2)SEQ ID No.2所示的DNA片段或其包含的DNA片段；
(f3)SEQ ID No.3所示的DNA片段或其包含的DNA片段；
(f4)SEQ ID No.4所示的DNA片段或其包含的DNA片段；
(f5)与SEQ ID No.1所示的DNA片段或其包含的DNA片段具有80％以上同一性的DNA片段；
(f6)与SEQ ID No.2所示的DNA片段或其包含的DNA片段具有80％以上同一性的DNA片段；
(f7)与SEQ ID No.3所示的DNA片段或其包含的DNA片段具有80％以上同一性的DNA片段；
(f8)与SEQ ID No.4所示的DNA片段或其包含的DNA片段具有80％以上同一性的DNA片段。
在本发明中，所述引物组合具体可为引物对A和/或引物对B和/或引物对C和/或引物对D；
所述引物对A为引物A1和引物A2组成的引物对；所述引物A1具体可为SEQ ID No.5或SEQ ID No.5的第11-35位核苷酸所示的单链DNA；所述引物A2具体可为SEQ ID No.6或SEQ ID No.6的第32-56位核苷酸所示的单链DNA；
所述引物对B为引物B1和引物B2组成的引物对；所述引物B1具体可为SEQ ID No.7或SEQ ID No.7的第11-35位核苷酸所示的单链DNA；所述引物B2具体可为SEQ ID No.8或SEQ ID No.8的第32-56位核苷酸所示的单链DNA；
所述引物对C为引物C1和引物C2组成的引物对；所述引物C1具体可为SEQ ID No.9或SEQ ID No.9的第11-35位核苷酸所示的单链DNA；所述引物C2具体可为SEQ ID No.10或SEQ ID No.10的第32-56位核苷酸所示的单链DNA；
所述引物对D为引物D1和引物D2组成的引物对；所述引物D1具体可为SEQ IDNo.11或SEQ ID No.11的第11-35位核苷酸所示的单链DNA；所述引物D2具体可为SEQ IDNo.12或SEQ ID No.12的第32-56位核苷酸所示的单链DNA。
另外，本发明还要求保护一种区分待测样本为A类型样本还是B类型样本的方法。该方法可包括如下步骤：
(A)可按照包括如下步骤的方法建立数学模型：
(A1)分别检测n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平(训练集)；
(A2)取步骤(A1)获得的所有样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型，确定分类判定的阈值。
其中，(A1)中的n1和n2均可为50以上的正整数。
(B)可按照包括如下步骤的方法确定所述待测样本为A类型样本还是B类型样本：
(B1)检测所述待测样本的SLC22A18基因甲基化水平；
(B2)将步骤(B1)获得的所述待测样本的SLC22A18基因甲基化水平数据代入所述数学模型，得到检测指数；然后比较检测指数和阈值的大小，根据比较结果确定所述待测样本的类型是A类型还是B类型。
在本发明的具体实施方式中，所述阈值设为0.5。大于0.5归为一类，小于0.5归为另外一类，等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
在实际应用中，所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类，小于阈值归为另外一类，等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类，二分类的分组，哪一组是A类型，哪一组是B类型，要根据具体的数学模型来确定，无需约定。
所述A类型样本和所述B类型样本为中的任一种：
(C1)未来2年内发生冠心病的潜在患者和健康对照；
(C2)未来2年内发生脑卒中的潜在患者和健康对照；
(C3)未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
(C4)未来2年内发生不同临床特征冠心病的潜在患者和健康对照；
(C5)未来2年内发生不同临床特征脑卒中的潜在患者和健康对照；
(C6)未来1年内发生冠心病的潜在患者和健康对照；
(C7)未来1年内发生脑卒中的潜在患者和健康对照；
(C8)未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
(C9)未来1年内发生不同临床特征冠心病的潜在患者和健康对照；
(C10)未来1年内发生不同临床特征脑卒中的潜在患者和健康对照。
其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内。
在实际应用中，以上任一所述数学模型可能会根据DNA甲基化的检测方法以及拟合方式不同有所改变，要根据具体的数学模型来确定，无需约定。
在本发明的实施例中，所述模型具体为log(y/(1-y))＝b0+b1x1+b2x2+b3x3+…+bnXn，其中y为因变量即将待测样品的一个或者多个甲基化位点的甲基化值代入模型以后得出的检测指数，b0为常量，x1～xn为自变量即为该待测样品的一个或者多个甲基化位点的甲基化值(每一个值为0-1之间的数值)，b1～bn为模型赋予每一个位点甲基化值的权重。
在本发明的实施例中，所述模型的建立还可酌情加入年龄、性别、白细胞计数等已知参数来提高判别效率。本发明的实施例中建立的二个具体模型为用于辅助区分未来2年内发生心脑血管疾病的潜在患者(冠心病和脑卒中)和健康对照。所述模型一具体为：log(y/(1-y))＝1.195-1.546*SLC22A18_A_9+0.953*SLC22A18_A_10-0.536*SLC22A18_A_11-0.669*SLC22A18_A_12+1.542*SLC22A18_A_13+7.453*SLC22A18_A_14-4.522*SLC22A18_A_15-0.922*SLC22A18_A_16-4.237*SLC22A18_A_17-0.432*SLC22A18_A_18-1.977*SLC22A18_A_19-0.030*年龄+0.246*性别(男性赋值为1，女性赋值为0)-0.013*白细胞个数。所述模型一的阈值为0.5。通过模型计算的检测指数大于0.5的患者候选为未来2年内发生冠心病潜在患者，小于0.5的患者候选为健康对照。所述模型二具体为：log(y/(1-y))＝-2.921+0.546*SLC22A18_A_9+0.953*SLC22A18_A_10-0.656*SLC22A18_A_11+3.266*SLC22A18_A_12-0.542*SLC22A18_A_13-8.118*SLC22A18_A_14-0.082*SLC22A18_A_15-2.294*SLC22A18_A_16-0.535*SLC22A18_A_17-0.332*SLC22A18_A_18-3.062*SLC22A18_A_19+0.025*年龄-0.191*性别(男性赋值为1，女性赋值为0)-0.094*白细胞个数。所述模型二的阈值为0.5。通过模型计算的检测指数大于0.5的患者候选为未来2年内发生脑卒中潜在患者，小于0.5的候选为健康对照。所述模型一和所述模型二中，所述SLC22A18_A_9为SEQID No.1所示的DNA片段自5’端第395-396位所示CpG位点的甲基化水平；所述SLC22A18_A_10为SEQ ID No.1所示的DNA片段自5’端第418-419位所示CpG位点的甲基化水平；所述SLC22A18_A_11为SEQ ID No.1所示的DNA片段自5’端第460-461位所示CpG位点的甲基化水平；所述SLC22A18_A_12为SEQ ID No.1所示的DNA片段自5’端第545-546位所示CpG位点的甲基化水平；所述SLC22A18_A_13为SEQ ID No.1所示的DNA片段自5’端第598-599位所示CpG位点的甲基化水平；所述SLC22A18_A_14为SEQ ID No.1所示的DNA片段自5’端第716-717位所示CpG位点的甲基化水平；所述SLC22A18_A_15为SEQ ID No.1所示的DNA片段自5’端第728-729位所示CpG位点的甲基化水平；所述SLC22A18_A_16为SEQ ID No.1所示的DNA片段自5’端第746-747位所示CpG位点的甲基化水平；所述SLC22A18_A_17为SEQ ID No.1所示的DNA片段自5’端第770-771位所示CpG位点的甲基化水平；所述SLC22A18_A_18为SEQ IDNo.1所示的DNA片段自5’端第780-781位所示CpG位点的甲基化水平；所述SLC22A18_A_19为SEQ ID No.1所示的DNA片段自5’端第800-801位所示CpG位点的甲基化水平。
在上述各方面中，所述检测SLC22A18基因甲基化水平为检测血液中SLC22A18基因甲基化水平。
在上述各方面中，当所述A类型样本或所述B类型样本为(C4)和(C9)中不同临床特征的冠心病患者，所述A类型样本或所述B类型样本具体可为无症状性心肌缺血样本、心绞痛样本、心肌梗死患者样本、缺血性心肌病患者样本、猝死样本中的任意一种。
在上述各方面中，当所述A类型样本或所述B类型样本为(C5)和(C10)中不同临床特征的脑卒中患者，所述A类型样本或所述B类型样本具体可为缺血性脑卒中和出血性脑卒中样本中的任意一种。
以上任一所述SLC22A18基因具体可包括Genbank登录号：NM_002555.6(GI:1677501124)，转录物变体1和Genbank登录号：NM_183233.3(GI:1677531469)，转录物变体2，NM_001315501.1(GI:937500800)，转录物变体3和Genbank登录号：NM_001315502.2(GI:1677531744)，转录物变体4。
本发明提供了脑卒中血液中S100P低甲基化和冠心病血液中S100P高甲基化现象。实验证明，以血液为样本就能够区分心脑血管疾病(冠心病和脑卒中)和健康对照、区分不同临床特征的冠心病患者和健康对照、区分不同临床特征的脑卒中患者和健康对照。本发明对于提高心脑血管疾病早期诊疗效果和降低死亡率均有重要的科学意义和临床应用价值。
附图说明
图1为数学模型示意图。
图2为未来2年内发生冠心病数学模型举例说明。
图3为未来2年内发生脑卒中数学模型举例说明。
具体实施方式
下述实施例中所使用的实验方法如无特殊说明，均为常规方法。
下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
实施例1、用于检测SLC22A18基因甲基化位点的引物设计
经过大量序列和功能分析，选择了印记基因SLC22A18(Solute CarrierFamily22，member18，SLC22A18)中的四个片段(SLC22A18_A片段、SLC22A18_B片段、SLC22A18_C片段和SLC22A18_D片段)进行甲基化水平和心脑血管疾病相关性分析。
SLC22A18_A片段(SEQ ID No.1)位于hg19参考基因组chr11:2920020-2920844，正义链。
SLC22A18_B片段(SEQ ID No.2)位于hg19参考基因组chr11:2921564-2922490，反义链。
SLC22A18_C片段(SEQ ID No.3)位于hg19参考基因组chr11:2924390-2925287，正义链。
SLC22A18_D片段(SEQ ID No.4)位于hg19参考基因组chr11:2925321-2926242，正义链。
SLC22A18_A片段中的CpG位点信息如表1所示。
SLC22A18_B片段中的CpG位点信息如表2所示。
SLC22A18_C片段中的CpG位点信息如表3所示。
SLC22A18_D片段中的CpG位点信息如表4所示。
表1SLC22A18_A片段中CpG位点信息
表2SLC22A18_B片段中CpG位点信息
CpG位点 CpG位点在序列中的位置
SLC22A18_B_1 SEQ ID No.2自5’端第26-27位
SLC22A18_B_2 SEQ ID No.2自5’端第95-96位
SLC22A18_B_3 SEQ ID No.2自5’端第156-157位
SLC22A18_B_4 SEQ ID No.2自5’端第218-219位
SLC22A18_B_5 SEQ ID No.2自5’端第422-423位
SLC22A18_B_6 SEQ ID No.2自5’端第427-428位
SLC22A18_B_7 SEQ ID No.2自5’端第439-440位
SLC22A18_B_8 SEQ ID No.2自5’端第484-485位
SLC22A18_B_9 SEQ ID No.2自5’端第573-574位
SLC22A18_B_10 SEQ ID No.2自5’端第611-612位
SLC22A18_B_11 SEQ ID No.2自5’端第613-614位
SLC22A18_B_12 SEQ ID No.2自5’端第619-620位
SLC22A18_B_13 SEQ ID No.2自5’端第624-625位
SLC22A18_B_14 SEQ ID No.2自5’端第636-637位
SLC22A18_B_15 SEQ ID No.2自5’端第643-644位
SLC22A18_B_16 SEQ ID No.2自5’端第651-652位
SLC22A18_B_17 SEQ ID No.2自5’端第675-676位
SLC22A18_B_18 SEQ ID No.2自5’端第695-696位
SLC22A18_B_19 SEQ ID No.2自5’端第699-700位
SLC22A18_B_20 SEQ ID No.2自5’端第711-712位
SLC22A18_B_21 SEQ ID No.2自5’端第740-741位
SLC22A18_B_22 SEQ ID No.2自5’端第751-752位
SLC22A18_B_23 SEQ ID No.2自5’端第771-772位
SLC22A18_B_24 SEQ ID No.2自5’端第785-786位
SLC22A18_B_25 SEQ ID No.2自5’端第792-793位
SLC22A18_B_26 SEQ ID No.2自5’端第802-803位
SLC22A18_B_27 SEQ ID No.2自5’端第830-831位
SLC22A18_B_28 SEQ ID No.2自5’端第840-841位
SLC22A18_B_29 SEQ ID No.2自5’端第842-843位
SLC22A18_B_30 SEQ ID No.2自5’端第901-902位
表3SLC22A18_C片段中CpG位点信息
/>
表4SLC22A18_D片段中CpG位点信息
针对四个片段(SLC22A18_A片段、SLC22A18_B片段、SLC22A18_C片段和SLC22A18_D片段)设计特异PCR引物，如表5所示。其中，SEQ ID No.5、SEQ ID No.7、SEQ ID No.9和SEQID No.11为正向引物，SEQ ID No.6、SEQ ID No.8、SEQ ID No.10和SEQ ID No.12为反向引物；SEQ ID No.5、SEQ ID No.7、SEQ ID No.9和SEQ ID No.11中自5’第1至10位为非特异标签，第11至35位为特异引物序列；SEQ ID No.6、SEQ ID No.8、SEQ ID No.10和SEQ IDNo.12自5’第1至31位为非特异标签，第32至56位为特异引物序列。引物序列中不包含SNP和CpG位点。
表5SLC22A18甲基化引物序列
实施例2、SLC22A18基因甲基化检测及结果分析
一、研究样本
研究样本采用流行病学整群抽样方法，通过2年多的时间对某市18岁以上社区人群进行随访调查。本研究通过伦理委员会审查，所有调查对象均签署了知情同意书。每年通过当地医院、疾控中心慢病管理系统、社区卫生服务中心和工作站慢病常规登记项目、社保中心报销数据记录心脑血管疾病和癌症发病信息。队列开始时间为基线调查日期，结局变量为心脑血管发病，对于失访研究对象的随访时间，统一按照随访结束时间的一半来计算。截止随访日期2018年7月，共计心脑血管疾病发病620人，我们选择了队列入组后2年内新发心脑血管疾病患者作为病例组，其中342例为冠心病患者，278例为脑卒中患者。经年龄和性别匹配后，选择曾经及随访期间内未发生心脑血管疾病和癌症且血常规指标都在参考范围内的人群作为健康对照，共计612例。
所有患者离体血液样本都是入组时且发病前收集的。患病情况在后续发病时都经过影像学和病理确诊。
入组后2年以内发生冠心病的342例患者按照临床分型划分：隐匿型或无症状性心肌缺血45例，心绞痛64例，心肌梗死83例，缺血性心肌病74例、猝死76例。其中，137例是在入组后1年以内发生冠心病的，其中包括隐匿型或无症状性心肌缺血20例，心绞痛21例，心肌梗死33例，缺血性心肌病30例、猝死33例。
入组后2年以内发生脑卒中的278例患者按照临床分型划分：出血性脑卒中112例，缺血性脑卒中166例。其中，110例是在入组后1年以内发生脑卒中的，其中包括出血性脑卒中49例，缺血性脑卒中61例。
健康对照、冠心病和脑卒中患者各自年龄的中位数分别为65、64和65岁，且这3种群体中各自的男女比例都约为1:1。入组后1年以内发病的冠心病和脑卒中患者各自年龄的中位数分别为65和64岁，且群体中各自的男女比例都约为1:1。
二、甲基化检测
1、提取血液样本的总DNA。
2、将步骤1制备的血液样本总DNA进行重亚硫酸盐处理(参照Qiagen的DNA甲基化试剂盒说明书操作)。重亚硫酸盐处理后，未发生甲基化的胞嘧啶(C)被转化成尿嘧啶(U)，而甲基化的胞嘧啶保持不变，即原来CpG位点的C碱基经重亚硫酸盐处理后转化为C或U。
3、以步骤2经过重亚硫酸盐处理的DNA为模板，采用表5中的4对特异引物对通过DNA聚合酶按照常规PCR反应要求的反应体系进行PCR扩增，4对引物都采用相同的常规PCR体系，且4对引物都按照以下程序进行扩增。
PCR反应程序为：95℃，4min→(95℃，20s→56℃，30s→72℃，2min)45个循环→72℃，5min→4℃，1h。
4、取步骤3的扩增产物，通过飞行时间质谱进行DNA甲基化分析，具体方法如下：
(1)向5μl PCR产物中加入2μl虾碱性磷酸盐(SAP)溶液(0.3ml SAP[0.5U]+1.7mlH2O)然后按照以下程序在PCR仪中孵育(37℃,20min→85℃,5min→4℃,5min)；
(2)取出2μl步骤(1)得到的SAP处理后的产物，根据说明书加入5μl T-Cleavage反应体系中，然后在37℃孵育3h；
(3)取步骤(2)的产物，加入19μl去离子水，再用6μg Resin在旋转摇床进行去离子化孵育1h；
(4)2000rpm室温离心5min，将微量上清由Nanodispenser机械手臂上样384SpectroCHIP；
(5)飞行时间质谱分析；获得的数据用SpectroACQUIRE v3.3.1.3软件收集，通过MassArray EpiTyper v1.2软件实现可视化。
上述飞行时间质谱检测使用的试剂均来试剂盒(T-Cleavage MassCLEAVEReagent Auto Kit，货号：10129A)；上述飞行时间质谱检测使用的检测仪器为MassARRAY○R Analyzer Chip Prep Module 384，型号：41243；上述数据分析软件为检测仪器自带软件。
5、对步骤4得到的数据进行分析。
数据统计分析由SPSS Statistics 23.0进行。
非参数检验用于两组之间的比较分析。
多个CpG位点的组合对于不同样品分组的鉴别效果通过逻辑回归和受试者曲线的统计学方法得以实现。
所有的统计检验都是双侧的，P值<0.05被认为具有统计学意义。
通过质谱实验，共获得78个可以区别的甲基化片段的峰图。采用SpectroACQUIREv3.3.1.3软件根据含甲基化片段的峰和非甲基化片段的峰面积比较，计算甲基化水平(SpectroACQUIRE v3.3.1.3软件可自动通过计算峰面积得到每个样本在每个CpG位点的甲基化水平)。
三、结果分析
1、健康对照、冠心病和脑卒中患者血液中SLC22A18基因甲基化水平差异(早于临床发病时间2年)
以342位冠心病患者、278位脑卒中患者和612名健康对照的血液为研究材料进行分析SLC22A18基因中所有CpG位点的甲基化水平(表6)，其中冠心病和脑卒中患者在入组时均无症状，入组后2年以内发病。结果表明，健康对照的SLC22A18基因的甲基化水平中位数为0.27(IQR＝0.21-0.32)，脑卒中SLC22A18基因的甲基化水平中位数为0.23(IQR＝0.18-0.28)，冠心病患者甲基化水平中位数为0.29(IQR＝0.23-0.34)。通过比较分析三者间的SLC22A18基因的甲基化水平，结果发现脑卒中患者患者的SLC22A18基因中所有CpG位点甲基化水平分别显著低于健康对照(p<0.05，表6)，冠心病患者的SLC22A18基因中所有CpG位点甲基化水平分别显著高于健康对照(p<0.05，表6)。此外，脑卒中患者的SLC22A18基因中所有CpG位点甲基化水平显著低于冠心病患者(p<0.05，表6)。因此，S100P基因的甲基化水平可以在人群中用于筛选在未来2年时间内将会爆发脑卒中和冠心病的潜在患者，是非常有临床价值的分子标志物。
2、健康对照、冠心病和脑卒中患者血液中SLC22A18基因甲基化水平差异(早于临床发病时间1年)
以137位冠心病患者、110位脑卒中患者和612名健康对照的血液为研究材料进行分析三者之间SLC22A18基因中所有CpG位点的甲基化水平差异(表7)，其中冠心病和脑卒中患者在入组时均无症状，入组后1年以内发病。结果表明，健康对照的SLC22A18基因的甲基化水平中位数为0.27(IQR＝0.21-0.32)，脑卒中SLC22A18基因的甲基化水平中位数为0.23(IQR＝0.17-0.28)，冠心病患者甲基化水平中位数为0.30(IQR＝0.23-0.35)。通过比较分析三者的SLC22A18基因的甲基化水平，结果发现脑卒中患者的SLC22A18基因中所有CpG位点甲基化水平都显著低于健康对照(p<0.05，表7)，冠心病患者的SLC22A18基因中所有CpG位点甲基化水平都显著高于健康对照(p<0.05，表7)。此外，脑卒中患者的SLC22A18基因中所有CpG位点甲基化水平显著低于冠心病患者(p<0.05，表7)。因此，SLC22A18基因的甲基化水平可以在人群中用于筛选在1年时间内将会爆发脑卒中和冠心病的潜在患者，是非常有临床价值的分子标志物。
3、健康对照与不同临床特征的冠心病、脑卒中之间的甲基化水平差异(早于临床发病时间2年)
我们比较分析具有不同临床特征的342名冠心病患者、278名脑卒中患者和612名健康对照的SLC22A18基因的甲基化水平差异，其中冠心病和脑卒中患者在入组时均无症状，入组后2年以内发病。342名冠心病患者按照临床特征划分：隐匿型或无症状性心肌缺血45例，心绞痛64例，心肌梗死83例，缺血性心肌病74例、猝死76例。278例脑卒中患者按照临床分型划分：出血性脑卒中112例，缺血性脑卒中166例。通过比较分析具有不同临床特征的342名冠心病患者和612名健康对照的SLC22A18基因的甲基化水平，结果发现不同临床特征的冠心病患者(隐匿型或无症状性心肌缺血、心绞痛、心肌梗死、缺血性心肌病、猝死)中SLC22A18基因所有CpG位点的甲基化水平都与健康对照有显著性差异(p<0.05，表8)。此外，我们发现具有不同临床特征的脑卒中患者(出血性脑卒中、缺血性脑卒)SLC22A18基因中所有CpG位点的甲基化水平都与健康对照有显著性差异(p<0.05，表8)。
4、健康对照与不同临床特征的冠心病、脑卒中之间的甲基化水平差异(早于临床发病时间1年)
我们比较分析具有不同临床特征的137名冠心病患者、110名脑卒中患者和612名健康对照的SLC22A18基因的甲基化水平差异，其中冠心病和脑卒中患者在入组时均无症状，入组后1年以内发病。137名冠心病患者按照临床特征划分：隐匿型或无症状性心肌缺血20例，心绞痛21例，心肌梗死33例，缺血性心肌病30例、猝死33例。110例脑卒中患者按照临床分型划分：出血性脑卒中49例，缺血性脑卒中61例。通过比较分析具有不同临床特征的137名冠心病患者和612名健康对照的SLC22A18基因的甲基化水平，结果发现不同临床特征的冠心病患者(隐匿型或无症状性心肌缺血、心绞痛、心肌梗死、缺血性心肌病、猝死)中SLC22A18基因所有CpG位点的甲基化水平都与健康对照有显著性差异(p<0.05，表9)。此外，我们发现具有不同临床特征的脑卒中患者(出血性脑卒中、缺血性脑卒)SLC22A18基因中所有CpG位点的甲基化水平都与健康对照有显著性差异(p<0.05，表9)。因此，SLC22A18基因的甲基化水平可以用于预测在1年时间内爆发不同临床特征的冠心病和脑卒中疾病的可能性。
5、用于辅助心脑血管疾病诊断的数学模型的建立
本发明建立的数学模型可以用于达到如下目的：
(1)在临床发病以前，对人群中有冠心病发病风险的个体进行预警。
(2)在临床发病以前，对人群中有冠心病发病风险的个体进行预警，并且适用于各种类型的冠心病。
(3)在临床发病以前，对人群中有脑卒中发病风险的个体进行预警。
(4)在临床发病以前，对人群中有脑卒中发病风险的个体进行预警，并且适用于各种类型的脑卒中。
(5)在临床发病以前，对人群中有脑卒中和冠心病发病风险的个体进行预警，并且区分冠心病患者和脑卒中患者。
其中，所述冠心病发病风险的个体具体可为早于临床发病时间2年内或者1年内的冠心病潜在患者(即2年内或者1年内会被临床确诊为冠心病)。所述脑卒中发病风险的个体具体可为早于临床发病时间2年内或者1年内的脑卒中潜在患者(即2年内或者1年内会被临床确诊为脑卒中)。
数学模型的建立方法如下：
(A)数据来源：步骤一中列出的342例冠心病患者，278例脑卒中患者和612例健康对照的离体血液样本的目标CpG位点(表1-表4中的一种或多种的组合)甲基化水平(检测方法同步骤二)。
数据可根据实际需要加入年龄、性别、白细胞计数等已知参数来提高判别效率。
(B)模型建立
根据需要选取任意两类不同类型患者数据即训练集，(例如：未来2年内发生冠心病的潜在患者和健康对照、未来2年内发生脑卒中的潜在患者和健康对照、未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者、未来2年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来2年内发生心绞痛的潜在患者和健康对照、未来2年内发生心肌梗死的潜在患者和健康对照、未来2年内发生缺血性心肌病的潜在患者和健康对照、未来2年内发生猝死的潜在患者和健康对照、未来2年内发生出血性脑卒中的潜在患者和健康对照、未来2年内发生缺血性脑卒中的潜在患者和健康对照，未来1年内发生冠心病的潜在患者和健康对照、未来1年内发生脑卒中的潜在患者和健康对照、未来1年内发生冠心病的潜在患者和脑卒中患者、未来1年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来1年内发生心绞痛的潜在患者和健康对照、未来1年内发生心肌梗死的潜在患者和健康对照、未来1年内发生缺血性心肌病的潜在患者和健康对照、未来1年内发生猝死的潜在患者和健康对照、未来1年内发生出血性脑卒中的潜在患者和健康对照、未来1年内发生缺血性脑卒中的潜在患者和健康对照；其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内)作为用于建立模型的数据，使用SAS，R，SPSS等统计软件使用二分类逻辑回归的统计方法通过公式建立数学模型。数学模型公式计算出的最大约登指数对应的数值为阈值或直接设定0.5为阈值，待测样品经过测试和代入模型计算后得到的检测指数大于阈值归为一类(B类)，小于阈值归为另外一类(A类)，等于阈值作为不确定的灰区。在对新的待测样品进行预测来判断属于哪一类时，首先通过DNA甲基化的测定方法检测该待测样品SLC22A18基因上一个或者多个CpG位点的甲基化水平，然后将这些甲基化水平的数据代入上述数学模型(如果构建模型时纳入了年龄、性别、白细胞计数等已知参数，则该步骤同时向模型公式中代入该待测样品的相应参数的具体数值)，计算得到所述待测样本对应的检测指数，然后比较所述待测样本对应的检测指数和阈值的大小，根据比较结果确定所述待测样本属于哪一类样本。
举例：如图1所示，将训练集中SLC22A18基因单个CpG位点的甲基化水平或者多个CpG位点组合的甲基化水平的数据通过SAS、R、SPSS等统计软件使用二分类逻辑回归的公式建立用于区分A类和B类的数学模型。该数学模型在此为二类逻辑回归模型，具体为：log(y/(1-y))＝b0+b1x1+b2x2+b3x3+…+bnXn，其中y为因变量即将待测样品的一个或者多个甲基化位点的甲基化值代入模型以后得出的检测指数，b0为常量，x1～xn为自变量即为该测试样品的一个或者多个甲基化位点的甲基化值(每一个值为0～1之间的数值)，b1～bn为模型赋予每一个位点甲基化值的权重。具体应用时，先根据训练集中已经检测的样本的一个或者多个DNA甲基化位点的甲基化程度(x1～xn)及其已知的分类情况(A类或者B类，分别对y赋值0和1)建立数学模型，由此确定该数学模型的常量b0以及各个甲基化位点的权重b1～bn，并由该数学模型计算出的以最大约登指数对应的数值为阈值或直接设定0.5为划分的阈值。待测样品经过测试和代入模型计算后得到的检测指数即y值大于阈值归为B类，小于阈值归为A类，等于阈值作为不确定的灰区。其中A类和B类为相对应的两分类(二分类的分组，哪一组A类，哪一组是B类，要根据具体的数学模型来确定，在此不做约定)，比如：未来2年内发生冠心病的潜在患者和健康对照、未来2年内发生脑卒中的潜在患者和健康对照、未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者、未来2年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来2年内发生心绞痛的潜在患者和健康对照、未来2年内发生心肌梗死的潜在患者和健康对照、未来2年内发生缺血性心肌病的潜在患者和健康对照、未来2年内发生猝死的潜在患者和健康对照、未来2年内发生出血性脑卒中的潜在患者和健康对照、未来2年内发生缺血性脑卒中的潜在患者和健康对照，未来1年内发生冠心病的潜在患者和健康对照、未来1年内发生脑卒中的潜在患者和健康对照、未来1年内发生冠心病的潜在患者和脑卒中患者、未来1年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来1年内发生心绞痛的潜在患者和健康对照、未来1年内发生心肌梗死的潜在患者和健康对照、未来1年内发生缺血性心肌病的潜在患者和健康对照、未来1年内发生猝死的潜在患者和健康对照、未来1年内发生出血性脑卒中的潜在患者和健康对照、未来1年内发生缺血性脑卒中的潜在患者和健康对照(其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内)。对受试者的样品进行预测来判断属于哪一类时，首先采集受试者的血液，然后从中提取DNA。将提取的DNA通过重亚硫酸盐转化后，用DNA甲基化的测定方法对受试者的SLC22A18基因的单个CpG位点的甲基化水平或者多个CpG位点组合的甲基化水平进行检测，然后将检测得到的甲基化数据代入上述数学模型。如果该受试者的SLC22A18基因一个或者多个CpG位点的甲基化水平代入上述数学模型后计算出来的值即检测指数大于阈值，则该受试者判定与训练集中检测指数大于阈值的归属一类(B类)；如果该受试者的SLC22A18基因一个或者多个CpG位点的甲基化水平数据代入上述数学模型后计算出来的值即检测指数小于阈值，则该受试者跟训练集中检测指数小于阈值的归属一类(A类)；如果该受试者的SLC22A18基因一个或者多个CpG位点的甲基化水平数据代入上述数学模型后计算出来的值即检测指数等于阈值，则不能判断该受试者是A类还是B类。
举例：图2的示意图举例说明SLC22A18_A的优选CpG位点(SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19)的甲基化以及数学建模用于冠心病的判别：将未来2年内发生冠心病的潜在患者(早于临床发病时间≤2年)和健康对照训练集(在此为：342名冠心病患者和612名健康对照)中已经检测的SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19这11个可区分的CpG位点组合的甲基化水平的数据以及患者的年龄、性别(男性赋值为1，女性赋值为0)、白细胞计数通过R软件使用二分类逻辑回归的公式建立用于区分未来2年内发生冠心病潜在患者和健康对照的数学模型。该数学模型在此为二类逻辑回归模型，由此确定该数学模型的常量b0以及各个甲基化位点的权重b1～bn，在此例中具体为：log(y/(1-y))＝1.195-1.546*SLC22A18_A_9+0.953*SLC22A18_A_10-0.536*SLC22A18_A_11-0.669*SLC22A18_A_12+1.542*SLC22A18_A_13+7.453*SLC22A18_A_14-4.522*SLC22A18_A_15-0.922*SLC22A18_A_16-4.237*SLC22A18_A_17-0.432*SLC22A18_A_18-1.977*SLC22A18_A_19-0.030*年龄+0.246*性别(男性赋值为1，女性赋值为0)-0.013*白细胞个数，其中y为因变量即将待测样品的11个可区分甲基化位点的甲基化值以及年龄、性别、白细胞计数代入模型以后得出的检测指数。在设定0.5为阈值的情况下，待测样品的SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19这11个可区分CpG位点的甲基化水平经过测试后连同其年龄、性别、白细胞计数的信息代入模型进行计算，得到的检测指数即y值大于0.5归为未来2年内发生冠心病的潜在患者，小于0.5归为健康对照，等于0.5则不确定为未来2年内发生冠心病的潜在患者还是健康对照。此模型的曲线下面积(AUC)计算结果为0.69(表14)。
举例：图3的示意图举例说明SLC22A18_A的优选CpG位点(SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19)的甲基化以及数学建模用于脑卒中的判别：将未来2年内发生脑卒中的潜在患者(早于临床发病时间≤2年)和健康对照训练集(在此为：278名脑卒中患者和612名健康对照)中已经检测的这11个可区分的优选CpG位点组合的甲基化水平的数据以及患者的年龄、性别(男性赋值为1，女性赋值为0)、白细胞计数通过R软件使用二分类逻辑回归的公式建立用于区分脑卒中患者和健康对照的数学模型。该数学模型在此为二类逻辑回归模型，由此确定该数学模型的常量b0以及各个甲基化位点的权重b1～bn，在此例中具体为：log(y/(1-y))＝-2.921+0.546*SLC22A18_A_9+0.953*SLC22A18_A_10-0.656*SLC22A18_A_11+3.266*SLC22A18_A_12-0.542*SLC22A18_A_13-8.118*SLC22A18_A_14-0.082*SLC22A18_A_15-2.294*SLC22A18_A_16-0.535*SLC22A18_A_17-0.332*SLC22A18_A_18-3.062*SLC22A18_A_19+0.025*年龄-0.191*性别(男性赋值为1，女性赋值为0)-0.094*白细胞个数，其中y为因变量即将待测样品的11个可区分甲基化位点的甲基化值以及年龄、性别、白细胞计数代入模型以后得出的检测指数。在设定0.5为阈值的情况下，待测样品的SLC22A18_A的优选CpG位点(SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19这11个可区分CpG位点的甲基化水平经过测试后连同其年龄、性别、白细胞计数的信息代入模型进行计算，得到的检测指数即y值大于0.5归为未来2年内发生脑卒中的潜在患者，小于0.5归为健康对照，等于0.5则不确定为未来2年内发生脑卒中潜在患者还是健康对照。此模型的曲线下面积(AUC)计算结果为0.70(表14)。
从两位受试者(甲，乙)分别采集血液提取DNA，将提取的DNA通过重亚硫酸盐转化后，用DNA甲基化的测定方法对受试者的SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19这11个可区分的CpG位点的甲基化水平进行检测。然后将检测得到的甲基化水平数据连同受试者的年龄、性别和白细胞计数的信息代入上述数学模型。甲受试者经数学模型计算出来的值为0.81大于0.5，则甲受试者判定为未来2年内发生冠心病或脑卒中的潜在患者(未来2年内临床发病)；乙受试者经数学模型计算出来的值为0.12小于0.5，则乙受试者判定为健康对照(未来2年内不会临床发病)。检测结果与实际情况相符。
(C)模型效果评价
根据上述方法，分别建立用于区分未来2年内发生冠心病的潜在患者和健康对照、未来2年内发生脑卒中的潜在患者和健康对照、未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者、未来2年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来2年内发生心绞痛的潜在患者和健康对照、未来2年内发生心肌梗死的潜在患者和健康对照、未来2年内发生缺血性心肌病的潜在患者和健康对照、未来2年内发生猝死的潜在患者和健康对照、未来2年内发生出血性脑卒中的潜在患者和健康对照、未来2年内发生缺血性脑卒中的潜在患者和健康对照，未来1年内发生冠心病的潜在患者和健康对照、未来1年内发生脑卒中的潜在患者和健康对照、未来1年内发生冠心病的潜在患者和脑卒中患者、未来1年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来1年内发生心绞痛的潜在患者和健康对照、未来1年内发生心肌梗死的潜在患者和健康对照、未来1年内发生缺血性心肌病的潜在患者和健康对照、未来1年内发生猝死的潜在患者和健康对照、未来1年内发生出血性脑卒中的潜在患者和健康对照、未来1年内发生缺血性脑卒中的潜在患者和健康对照(其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内)的数学模型，并且通过受试者曲线(ROC曲线)对其有效性进行评价。ROC曲线得出的曲线下面积(AUC)越大，说明模型的区分度越好，分子标志物越有效。采用不同CpG位点进行数学模型构建后的评价结果如表10、表11、表12和表13所示。表10、表11、表12和表13中，1个CpG位点代表SLC22A18_A扩增片段中任意一个CpG位点的位点，2个CpG位点代表SLC22A18_A中任意2个CpG位点的组合，3个CpG位点代表SLC22A18_A中任意3个CpG位点的组合，……以此类推。表中的数值为不同位点组合评价结果的范围值(即任意个CpG位点组合方式的结果均在此范围内)。
上述结果显示，SLC22A18基因对于各组的鉴别能力(未来2年内发生冠心病的潜在患者和健康对照、未来2年内发生脑卒中的潜在患者和健康对照、未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者、未来2年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来2年内发生心绞痛的潜在患者和健康对照、未来2年内发生心肌梗死的潜在患者和健康对照、未来2年内发生缺血性心肌病的潜在患者和健康对照、未来2年内发生猝死的潜在患者和健康对照、未来2年内发生出血性脑卒中的潜在患者和健康对照、未来2年内发生缺血性脑卒中的潜在患者和健康对照，未来1年内发生冠心病的潜在患者和健康对照、未来1年内发生脑卒中的潜在患者和健康对照、未来1年内发生冠心病的潜在患者和脑卒中患者、未来1年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来1年内发生心绞痛的潜在患者和健康对照、未来1年内发生心肌梗死的潜在患者和健康对照、未来1年内发生缺血性心肌病的潜在患者和健康对照、未来1年内发生猝死的潜在患者和健康对照、未来1年内发生出血性脑卒中的潜在患者和健康对照、未来1年内发生缺血性脑卒中的潜在患者和健康对照；其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内)随着位点数的增加而增加。
除此以外，在表1-表4所示的CpG位点中，还存在少数几个优选位点的组合比多个非优选位点组合的鉴别能力更好的情况。例如表14、表15、表16和表17所示的SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19这11个可区分CpG位点的组合是SLC22A18_A中任意十一个组合的优选位点。
综上所述，SLC22A18基因上的CpG位点及其各种组合，SLC22A18_A片段上的CpG位点及其各种组合，SLC22A18_A片段上SLC22A18_A_9、SLC22A18_A_10、SLC22A18_A_11、SLC22A18_A_12、SLC22A18_A_13、SLC22A18_A_14、SLC22A18_A_15、SLC22A18_A_16、SLC22A18_A_17、SLC22A18_A_18和SLC22A18_A_19位点及其各种组合，SLC22A18_B片段上的CpG位点及其各种组合，SLC22A18_C片段上的CpG位点及其各种组合，SLC22A18_D片段上的CpG位点及其各种组合，以及SLC22A18_A、SLC22A18_B、SLC22A18_C和SLC22A18_D上的CpG位点及其各种组合的甲基化水平都对未来2年内发生冠心病的潜在患者和健康对照、未来2年内发生脑卒中的潜在患者和健康对照、未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者、未来2年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来2年内发生心绞痛的潜在患者和健康对照、未来2年内发生心肌梗死的潜在患者和健康对照、未来2年内发生缺血性心肌病的潜在患者和健康对照、未来2年内发生猝死的潜在患者和健康对照、未来2年内发生出血性脑卒中的潜在患者和健康对照、未来2年内发生缺血性脑卒中的潜在患者和健康对照，未来1年内发生冠心病的潜在患者和健康对照、未来1年内发生脑卒中的潜在患者和健康对照、未来1年内发生冠心病的潜在患者和脑卒中患者、未来1年内发生隐匿型或无症状性心肌缺血的潜在患者和健康对照、未来1年内发生心绞痛的潜在患者和健康对照、未来1年内发生心肌梗死的潜在患者和健康对照、未来1年内发生缺血性心肌病的潜在患者和健康对照、未来1年内发生猝死的潜在患者和健康对照、未来1年内发生出血性脑卒中的潜在患者和健康对照、未来1年内发生缺血性脑卒中的潜在患者和健康对照(其中，所述健康对照可理解为现在及曾经均没有患过心脑血管疾病和癌症且血常规指标都在参考范围内)有判别能力。
表6比较健康对照、冠心病和脑卒中患者之间的甲基化水平差异(早于临床发病时间≤2年)
/>
/>
表7比较健康对照、冠心病和脑卒中患者之间的甲基化水平差异(早于临床发病时间≤1年)
/>
表8比较健康对照与不同临床特征的冠心病、脑卒中之间的甲基化水平差异(早于临床发病时间≤2年)
/>
表9比较健康对照和不同临床特征的冠心病、脑卒中之间的甲基化水平差异(早于临床发病时间≤1年)
/>
/>
表10SLC22A18_A的CpG位点及其组合用于区分健康对照和脑卒中、健康对照和冠心病、脑卒中和冠心病(早于临床发病时间≤2年)
/>
表11SLC22A18_A的CpG位点及其组合用于区分健康对照和脑卒中、健康对照和冠心病、脑卒中和冠心病(早于临床发病时间≤1年)
表12SLC22A18_A的CpG位点及其组合用于区分健康对照和不同临床特征的冠心病、脑卒中患者(早于临床发病时间≤2年)
注：表中数据为曲线下面积(AUC)。
表13SLC22A18_B的CpG位点及其组合用于区分健康对照和不同临床特征的冠心病、脑卒中患者(早于临床发病时间≤1年)
注：表中数据为曲线下面积(AUC)。
表14SLC22A18_A的最佳CpG位点及其组合用于区分区分健康对照和脑卒中、健康对照和冠心病、脑卒中和冠心病(早于临床发病时间≤2年)
表15SLC22A18_A最佳CpG位点及其组合用于区分区分健康对照和脑卒中、健康对照和冠心病、脑卒中和冠心病(早于临床发病时间≤1年)
/>
表16SLC22A18_A最佳CpG位点及其组合用于区分健康对照和不同临床特征的冠心病、脑卒中患者(早于临床发病时间≤2年)
注：表中数据为曲线下面积(AUC)。
表17SLC22A18_A最佳CpG位点及其组合用于区分健康对照和不同临床特征的冠心病、脑卒中患者(早于临床发病时间≤1年)
/>
注：表中数据为曲线下面积(AUC)。
<110> 南京腾辰生物科技有限公司
<120> 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物
<130> GNCLN200848
<160> 12
<170> PatentIn version 3.5
<210> 1
<211> 825
<212> DNA
<213> Artificial sequence
<400> 1
ttggagaaca gaaggggctc agaaccctgc agcggcgtcc actgcacaca caggaagaac 60
tcaagtgctc ataggcagtg agtcatttcc ttaggcattg tggtgacccg ggatcatgtg 120
cctccccgaa gcctgcacat gcactctaat gatgcaagct accaccaggc ggtcagcttt 180
gccagctgac gtcccaaaca gctggcatgg ggcatgcaca cagtaggtgc ttaataaatg 240
tgtgtcgggt taagataggc ccaaagccat ttcaaatgtc caggcagtgg tgtaggcagg 300
ggtcagctct gaagctggcc tcctctcatt cgggagaccc ctcagaggtc ccagcctcca 360
ggatgcagtg ttcagagcaa tacttctcag tgcacgtctg gctgtgtccc tgcccagcgc 420
tcccagggtc acccctctct ctagactcac tttctgcccc gtcaccccac tgtacaccct 480
tggtcccagc cccttccagt ggctcagctt cctgaacact ccaagcctgg gctcacctct 540
aagccgttat ctatgctatt ctctcagcca ggatgccctt cccataccca aacaatccgt 600
gctcaccttt aagactggct gaggcatcac ctcctctgag aagccacctc tcccaaacct 660
gagcccagat gagccaaagc ccttccttcc tccagtcagc ctggatcctc tcatccggca 720
gaactgtcgc cttgcttctc tgaagcggtg aatgccctgg ggctggggac gcacaggctc 780
gctggcccac aaccaaagcc gcttcctctg gaggaggaag tccag 825
<210> 2
<211> 927
<212> DNA
<213> Artificial sequence
<400> 2
tgggagtggt tcagcagcta cccttcgttc agcagctcag atatgttggg catcagaaaa 60
caatacccca aaatgaaggc ctcagaagca gcttcggaag aaaaagtgtt tctctgacct 120
tctcttgctc tcctgtctct cagtgccatt ttccccgaag ctggccttag aaactggaat 180
ccattttccc cagggcaggt catagaaatc agaaccccgc ctttccacac agccagacat 240
caaacctaaa aatattgctc taactttccc tccacctttg tgtttagaag ctggccataa 300
attatctgac ctctcttgtt tgactgtagg gcataagacc ccattccagg agggtcctgc 360
tccatgccca gaaggaagga atgctgctca gaaagttcaa gaaatctaga ccaacagccc 420
tcgctgcgct tccccttgcg gtccaggagc attagtgcag gtcccttggt tcatctgtgt 480
tcccgcatgg atgtccatac tttgttgagc ctaagcatca gaaatggcaa tttcccccat 540
atcttttttt tttttttttt ttttttttga gacggagtct tgctctgtca cccaggctga 600
agtgcagtgg cgcgatctcg gctcgctgca agctccgcct cccgggttca cgccattctc 660
ctgcctcagc ctcccgagta gctgggacta caggcgcccg ccacagcccc cgctaatttt 720
tttgtatttt tagtagagac ggagtttcac cgtgttagcc aggatggtct cgatctcctg 780
acctcgtgat ccgccccccc tcggcctccc aaagtgctgg gattacaggc gtgagccacc 840
gcgcccagcc tgtttccccc atatctttgg gtctttgttc tgaaaactcc cattcacaca 900
cgtcaatcaa tttggggacc aaatgcc 927
<210> 3
<211> 898
<212> DNA
<213> Artificial sequence
<400> 3
tagcaggaga gctccactgg ggagggggtc ctgcagtgct gtcctctctt gcaggcaagg 60
ccaggcgggt gctgcctggg acccagtgac tcagcacccc tgcccggatc aactggactt 120
ttgccccctg ctccgccagc ctcctgcttg gatctctcct gggtctccct gctgcgcctg 180
tccaggatgc agggagctcg ggctcccagg gaccagggcc ggtcccccgg caggatgagc 240
gctctaggcc ggtcctcggt catcttgctt acctacgtgc tggccgccac agaacttacc 300
tgcctcttca tgcagttctc catcgtgcca gtgagtaaca caccccagcc cctgcagccc 360
cagccagggc tgaaccgctg ttcctcctgc cctccatctg ggccgtcgca gagagtgggg 420
gtgggggttt catgctgcca gggcccctcc cagttgggac tcatgccacg cttaagctga 480
gtaagttaag gactctgcct ctggaccccc gtcagcacat cctgtgctcc agcttcagtg 540
ccagccccgg gagaagccat ggggagccac cccacttccc tcctgggggc agcacctcct 600
caaaccttcc tagcgctgtt cctcctgcct ctcacccggc agcctttgcc ctctggagtc 660
cctgccccaa gggctgttca atccggtgtg gctctgggcg gatcacccct cagagaggct 720
ctccttgcac ctgcccgcag cttctatctc tcccctccat cttcttgggt ccttgttgtc 780
cactaaatga tctgtggcgg caaattgatc tcaagctttt tcttgcaaga gatagaatgc 840
tgtcttattt tattatctct gttgccaaat gcggaaacat ttcattggca aattcatg 898
<210> 4
<211> 922
<212> DNA
<213> Artificial sequence
<400> 4
cagtgtgtgg ctctggaagc tgtaatagta atgattaaat tatattcacc aagtctggag 60
aggcttggga acaaagtctc acatcaccaa gaagctcagg cagagtcagg gccaacctcg 120
gcccttcctg tgtttgcttc tgggaagccc ggcgtgcgtg ggctcagaca gctgccctcc 180
tcctctcagc cctcagagcc tggacctggg catctaggcg ggagtgggga tgggcctttg 240
gcaccattcc gggcctggca gaggctccca gcccgagggt gagcctaagg atccctcccc 300
gccgtgcctc aggcgccccg cccactcctg ctaaatggct ggggccaagc cctgaatctc 360
ctccctaccc gtggggaagg ctgggcagga gccttgcttt tctcatcata aaatgggtaa 420
taacagtccc tccctgtagg attggtgcgg ggaagagtga atgagaagtc agaacccttc 480
ccacagctgg gcacagagca caggtggagt ggcttcagcc acccatcgac tctcatgggg 540
agtaactccg tgctgagtgc ccaggagctg accctgatgt cagaacctga aatattgcag 600
agtgtaaaaa tcctcaacag cccactccct cggagctggg ggtccacacg cacaggggct 660
gcagtgggaa gggggcgagg tcttcctcat agagaaggca accttggagc agggctggaa 720
ggaagcagga gaggccccgg ggcagtggag agagcagagt ggctagagtg gaccggttga 780
ggccagaatg ggaccacacc ccacctgctg ctcaaagaac tccgggctgg tgatggctgt 840
ggaggaggtg agaggtggct ggattttgca tgtgttgtca atggactgta gtgggtgtga 900
gagaaagcag ggctcaggga gc 922
<210> 5
<211> 35
<212> DNA
<213> Artificial sequence
<400> 5
aggaagagag ttggagaata gaaggggttt agaat 35
<210> 6
<211> 56
<212> DNA
<213> Artificial sequence
<400> 6
cagtaatacg actcactata gggagaaggc tctaaacttc ctcctccaaa aaaaac 56
<210> 7
<211> 35
<212> DNA
<213> Artificial sequence
<400> 7
aggaagagag tgggagtggt tcagcagcta ccctt 35
<210> 8
<211> 56
<212> DNA
<213> Artificial sequence
<400> 8
cagtaatacg actcactata gggagaaggc taacatttaa tccccaaatt aattaa 56
<210> 9
<211> 35
<212> DNA
<213> Artificial sequence
<400> 9
aggaagagag tagtaggaga gttttattgg ggagg 35
<210> 10
<211> 56
<212> DNA
<213> Artificial sequence
<400> 10
cagtaatacg actcactata gggagaaggc tcataaattt accaataaaa tatttc 56
<210> 11
<211> 35
<212> DNA
<213> Artificial sequence
<400> 11
aggaagagag tagtgtgtgg ttttggaagt tgtaa 35
<210> 12
<211> 56
<212> DNA
<213> Artificial sequence
<400> 12
cagtaatacg actcactata gggagaaggc tactccctaa accctacttt ctctca 56

Claims (8)

1.用于检测SLC22A18基因甲基化水平的物质在制备产品中的应用；所述产品的用途为如下中的至少一种：
（1）在临床症状之前预警冠心病；所述在临床症状之前预警冠心病的待测者为冠心病潜在患者或者健康对照；
（2）在临床症状之前预警脑卒中；所述在临床症状之前预警脑卒中的待测者为脑卒中潜在患者或者健康对照；
（3）在临床症状之前预警并辅助区分冠心病和脑卒中；所述在临床症状之前预警并辅助区分冠心病和脑卒中的待测者为冠心病潜在患者或者脑卒中潜在患者；
所述冠心病潜在患者为在未来2年内或者1年内发生冠心病的潜在患者；
所述脑卒中潜在患者为在未来2年内或者1年内发生脑卒中的潜在患者；
所述SLC22A18基因甲基化水平为SLC22A18基因中如下（e1）-（e4）所示片段中全部CpG位点的甲基化水平：
（e1）SEQ ID No.1所示的DNA片段；
（e2）SEQ ID No.2所示的DNA片段；
（e3）SEQ ID No.3所示的DNA片段；
（e4）SEQ ID No.4所示的DNA片段。
2.用于检测SLC22A18基因甲基化水平的物质和储存有数学模型建立方法和/或使用方法的介质在制备产品中的应用；所述产品的用途为如下中的至少一种：
（1）在临床症状之前预警冠心病；
（2）在临床症状之前预警脑卒中；
（3）在临床症状之前预警并辅助区分冠心病和脑卒中；
所述数学模型按照包括如下步骤的方法获得：
（A1）分别检测n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平；
（A2）取步骤（A1）获得的所有样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型；
所述数学模型的使用方法包括如下步骤：
（B1）检测待测样本的SLC22A18基因甲基化水平；
（B2）将步骤（B1）获得的所述待测样本的SLC22A18基因甲基化水平数据代入所述数学模型，得到检测指数；然后比较检测指数和阈值的大小，根据比较结果确定所述待测样本的类型是A类型还是B类型；
所述A类型样本和所述B类型样本为如下中的任一种：
（C1）未来2年内发生冠心病的潜在患者和健康对照；
（C2）未来2年内发生脑卒中的潜在患者和健康对照；
（C3）未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
（C4）未来1年内发生冠心病的潜在患者和健康对照；
（C5）未来1年内发生脑卒中的潜在患者和健康对照；
（C6）未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
所述SLC22A18基因甲基化水平为SLC22A18基因中如下（e1）-（e4）所示片段中全部CpG位点的甲基化水平：
（e1）SEQ ID No.1所示的DNA片段；
（e2）SEQ ID No.2所示的DNA片段；
（e3）SEQ ID No.3所示的DNA片段；
（e4）SEQ ID No.4所示的DNA片段。
3.储存有数学模型建立方法和/或使用方法的介质在制备产品中的应用；所述产品的用途为如下中的至少一种：
（1）在临床症状之前预警冠心病；
（2）在临床症状之前预警脑卒中；
（3）在临床症状之前预警并辅助区分冠心病和脑卒中；
所述数学模型按照包括如下步骤的方法获得：
（A1）分别检测n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平；
（A2）取步骤（A1）获得的所有样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型；
所述数学模型的使用方法包括如下步骤：
（B1）检测待测样本的SLC22A18基因甲基化水平；
（B2）将步骤（B1）获得的所述待测样本的SLC22A18基因甲基化水平数据代入所述数学模型，得到检测指数；然后比较检测指数和阈值的大小，根据比较结果确定所述待测样本的类型是A类型还是B类型；
所述A类型样本和所述B类型样本为如下中的任一种：
（C1）未来2年内发生冠心病的潜在患者和健康对照；
（C2）未来2年内发生脑卒中的潜在患者和健康对照；
（C3）未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
（C4）未来1年内发生冠心病的潜在患者和健康对照；
（C5）未来1年内发生脑卒中的潜在患者和健康对照；
（C6）未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
所述SLC22A18基因甲基化水平为SLC22A18基因中如下（e1）-（e4）所示片段中全部CpG位点的甲基化水平：
（e1）SEQ ID No.1所示的DNA片段；
（e2）SEQ ID No.2所示的DNA片段；
（e3）SEQ ID No.3所示的DNA片段；
（e4）SEQ ID No.4所示的DNA片段。
4.根据权利要求1或2所述的应用，其特征在于：所述用于检测SLC22A18基因甲基化水平的物质为引物组合。
5.根据权利要求4所述的应用，其特征在于：所述引物组合为引物对A、引物对B、引物对C和引物对D；
所述引物对A为引物A1和引物A2组成的引物对；所述引物A1为SEQ ID No.5或SEQ IDNo.5的第11-35位核苷酸所示的单链DNA；所述引物A2为SEQ ID No.6或SEQ ID No.6的第32-56位核苷酸所示的单链DNA；
所述引物对B为引物B1和引物B2组成的引物对；所述引物B1为SEQ ID No.7或SEQ IDNo.7的第11-35位核苷酸所示的单链DNA；所述引物B2为SEQ ID No.8或SEQ ID No.8的第32-56位核苷酸所示的单链DNA；
所述引物对C为引物C1和引物C2组成的引物对；所述引物C1为SEQ ID No.9或SEQ IDNo.9的第11-35位核苷酸所示的单链DNA；所述引物C2为SEQ ID No.10或SEQ ID No.10的第32-56位核苷酸所示的单链DNA；
所述引物对D为引物D1和引物D2组成的引物对；所述引物D1为SEQ ID No.11或SEQ IDNo.11的第11-35位核苷酸所示的单链DNA；所述引物D2为SEQ ID No.12或SEQ ID No.12的第32-56位核苷酸所示的单链DNA。
6.系统，包括：
（D1）用于检测SLC22A18基因甲基化水平的试剂和/或仪器；
（D2）装置，所述装置包括单元X和单元Y；
所述单元X用于建立数学模型，包括数据采集模块、数据分析处理模块和模型输出模块；
所述数据采集模块用于采集（D1）检测得到的n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平数据；
所述数据分析处理模块能够基于所述数据采集模块采集的n1个A类型样本和n2个B类型样本的SLC22A18基因甲基化水平数据，按照A类型和B类型的分类方式，通过二分类逻辑回归法建立数学模型；
所述模型输出模块用于输出所述数据分析处理模块建立的数学模型；
所述单元Y用于确定待测样本类型，包括数据输入模块、数据运算模块、数据比较模块和结论输出模块；
所述数据输入模块用于输入（D1）检测得到的待测者的SLC22A18基因甲基化水平数据；
所述数据运算模块用于将所述待测者的SLC22A18基因甲基化水平数据代入所述数学模型，计算得到检测指数；
所述数据比较模块用于将所述检测指数与阈值进行比较；
所述结论输出模块用于根据所述数据比较模块的比较结果输出所述待测样本的类型是A类型还是B类型的结论；
所述A类型样本和所述B类型样本为如下中的任一种：
（C1）未来2年内发生冠心病的潜在患者和健康对照；
（C2）未来2年内发生脑卒中的潜在患者和健康对照；
（C3）未来2年内发生冠心病的潜在患者和未来2年内发生脑卒中的潜在患者；
（C4）未来1年内发生冠心病的潜在患者和健康对照；
（C5）未来1年内发生脑卒中的潜在患者和健康对照；
（C6）未来1年内发生冠心病的潜在患者和未来1年内发生脑卒中的潜在患者；
所述SLC22A18基因甲基化水平为SLC22A18基因中如下（e1）-（e4）所示片段中全部CpG位点的甲基化水平：
（e1）SEQ ID No.1所示的DNA片段；
（e2）SEQ ID No.2所示的DNA片段；
（e3）SEQ ID No.3所示的DNA片段；
（e4）SEQ ID No.4所示的DNA片段。
7.根据权利要求6所述的系统，其特征在于：所述用于检测SLC22A18基因甲基化水平的试剂为引物组合。
8.根据权利要求7所述的系统，其特征在于：所述引物组合为引物对A、引物对B、引物对C和引物对D；
所述引物对A为引物A1和引物A2组成的引物对；所述引物A1为SEQ ID No.5或SEQ IDNo.5的第11-35位核苷酸所示的单链DNA；所述引物A2为SEQ ID No.6或SEQ ID No.6的第32-56位核苷酸所示的单链DNA；
所述引物对B为引物B1和引物B2组成的引物对；所述引物B1为SEQ ID No.7或SEQ IDNo.7的第11-35位核苷酸所示的单链DNA；所述引物B2为SEQ ID No.8或SEQ ID No.8的第32-56位核苷酸所示的单链DNA；
所述引物对C为引物C1和引物C2组成的引物对；所述引物C1为SEQ ID No.9或SEQ IDNo.9的第11-35位核苷酸所示的单链DNA；所述引物C2为SEQ ID No.10或SEQ ID No.10的第32-56位核苷酸所示的单链DNA；
所述引物对D为引物D1和引物D2组成的引物对；所述引物D1为SEQ ID No.11或SEQ IDNo.11的第11-35位核苷酸所示的单链DNA；所述引物D2为SEQ ID No.12或SEQ ID No.12的第32-56位核苷酸所示的单链DNA。
CN202010298739.0A 2020-04-16 2020-04-16 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物 Active CN113528635B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010298739.0A CN113528635B (zh) 2020-04-16 2020-04-16 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010298739.0A CN113528635B (zh) 2020-04-16 2020-04-16 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物

Publications (2)

Publication Number Publication Date
CN113528635A CN113528635A (zh) 2021-10-22
CN113528635B true CN113528635B (zh) 2024-06-11

Family

ID=78088379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010298739.0A Active CN113528635B (zh) 2020-04-16 2020-04-16 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物

Country Status (1)

Country Link
CN (1) CN113528635B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104311655A (zh) * 2014-11-07 2015-01-28 雷桅 一种检测冠心病的血清学生物标志物及其应用
CN107034275A (zh) * 2017-04-24 2017-08-11 王思奎 一种与脑卒中发生发展相关的基因的用途
CN107406880A (zh) * 2015-02-24 2017-11-28 海德堡鲁普雷希特卡尔斯大学 用于检测癌症的生物标志物组
CN110241208A (zh) * 2019-08-02 2019-09-17 辽宁中医药大学 Trem2作为早期诊断冠心病的分子标志物的应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104311655A (zh) * 2014-11-07 2015-01-28 雷桅 一种检测冠心病的血清学生物标志物及其应用
CN107406880A (zh) * 2015-02-24 2017-11-28 海德堡鲁普雷希特卡尔斯大学 用于检测癌症的生物标志物组
CN107034275A (zh) * 2017-04-24 2017-08-11 王思奎 一种与脑卒中发生发展相关的基因的用途
CN110241208A (zh) * 2019-08-02 2019-09-17 辽宁中医药大学 Trem2作为早期诊断冠心病的分子标志物的应用

Also Published As

Publication number Publication date
CN113528635A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN105671181B (zh) 用于检测肺癌的基因标志物、引物、探针及试剂盒
WO2017054325A1 (zh) 乳腺癌联合诊断标志物及检测试剂盒
JP2022517456A (ja) 臓器健康および疾患をモニタリングするための方法およびシステム
CN105603101A (zh) 检测8个miRNA表达量的系统在制备诊断或辅助诊断肝细胞癌产品中的应用
CN102782151A (zh) 作为用于前列腺癌诊断和分期的非侵入性标志物的循环miRNA
CN111996249A (zh) 癌症诊断和病程监控方法
US20210214807A1 (en) Method and kit for the diagnosis of colorectal cancer
JP5522348B2 (ja) 成人ｔ細胞白血病・リンパ腫の予後推定法およびキット
CN113528635B (zh) 一种印记基因的甲基化作为心脑血管疾病早期诊断的标志物
Mosca et al. Cell-free DNA in the plasma of patients with systemic sclerosis
CN106676185A (zh) 一种预测个体动脉瘤发生的血液中外泌体miRNA谱及检测试剂盒
CN108300788A (zh) 一种用于检测轻型脑外伤的微小核糖核酸组合及其应用
CN113528636B (zh) 钙结合蛋白基因甲基化作为心脑血管疾病早期诊断的潜在标志物
CN113539365B (zh) 用于早期诊断心脑血管疾病的甲基化标志物
TWI758670B (zh) 健康風險評估方法
CN117568458A (zh) 一种辅助诊断心脑血管疾病的甲基化标志物
CN118028450A (zh) 一种对冠心病和脑卒中进行预警的数据处理装置、系统及其应用
CN101921863A (zh) 一种独立诊断肝脏疾病的miRNA表达量模型
CN116287195A (zh) 用于辅助诊断心脑血管疾病的分子标志物
CN116814773A (zh) 一种用于心脑血管疾病早期预警及预后的分子标志物
CN109182520B (zh) 一种宫颈癌及其癌前病变检测试剂盒及其应用
CN117568457A (zh) 用于诊断冠心病的甲基化标志物
RU2818052C2 (ru) Способы и системы мониторинга состояния здоровья и патологии органов
WO2020158260A1 (ja) 心房性不整脈検査方法及び心房性不整脈検査システム
CN113817812B (zh) 一种蛋白酶基因甲基化作为脑卒中早期诊断的潜在标志物

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200072, 3rd to 4th floors, Building 10, No. 351 Yuexiu Road, Hongkou District, Shanghai

Applicant after: Tengchen Biotechnology (Shanghai) Co.,Ltd.

Address before: 210032 building 02, life science and technology Island, No. 11, Yaogu Avenue, Jiangbei new area, Nanjing, Jiangsu Province

Applicant before: Nanjing Tengchen Biological Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant