CN114236123B - 标志物在预测妊娠期糖尿病风险中的应用 - Google Patents
标志物在预测妊娠期糖尿病风险中的应用 Download PDFInfo
- Publication number
- CN114236123B CN114236123B CN202111520110.7A CN202111520110A CN114236123B CN 114236123 B CN114236123 B CN 114236123B CN 202111520110 A CN202111520110 A CN 202111520110A CN 114236123 B CN114236123 B CN 114236123B
- Authority
- CN
- China
- Prior art keywords
- gestational diabetes
- risk
- detecting
- reagent
- predicting
- 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
Links
- 208000004104 gestational diabetes Diseases 0.000 title claims abstract description 102
- 239000003550 marker Substances 0.000 title abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 102100036575 Coiled-coil domain-containing protein 175 Human genes 0.000 claims abstract description 7
- 101000715217 Homo sapiens Coiled-coil domain-containing protein 175 Proteins 0.000 claims abstract description 7
- 101000880124 Homo sapiens SERTA domain-containing protein 3 Proteins 0.000 claims abstract description 7
- 101000801891 Homo sapiens Thioredoxin, mitochondrial Proteins 0.000 claims abstract description 7
- 101000655171 Homo sapiens Transmembrane protein 230 Proteins 0.000 claims abstract description 7
- 102100037366 SERTA domain-containing protein 3 Human genes 0.000 claims abstract description 7
- 102100034795 Thioredoxin, mitochondrial Human genes 0.000 claims abstract description 7
- 102100033033 Transmembrane protein 230 Human genes 0.000 claims abstract description 7
- 101001125518 Homo sapiens Proline and serine-rich protein 2 Proteins 0.000 claims abstract description 5
- 102100029507 Proline and serine-rich protein 2 Human genes 0.000 claims abstract description 5
- 239000000090 biomarker Substances 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 19
- 230000035935 pregnancy Effects 0.000 claims description 18
- 239000012472 biological sample Substances 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 9
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 6
- 239000008103 glucose Substances 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 210000004381 amniotic fluid Anatomy 0.000 claims description 5
- 238000013058 risk prediction model Methods 0.000 claims description 5
- 210000002966 serum Anatomy 0.000 claims description 5
- XUIIKFGFIJCVMT-UHFFFAOYSA-N thyroxine-binding globulin Natural products IC1=CC(CC([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-UHFFFAOYSA-N 0.000 claims description 5
- 210000002700 urine Anatomy 0.000 claims description 5
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 claims description 4
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 claims description 4
- AUYYCJSJGJYCDS-LBPRGKRZSA-N Thyrolar Chemical compound IC1=CC(C[C@H](N)C(O)=O)=CC(I)=C1OC1=CC=C(O)C(I)=C1 AUYYCJSJGJYCDS-LBPRGKRZSA-N 0.000 claims description 4
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 claims description 4
- 108010004903 glycosylated serum albumin Proteins 0.000 claims description 4
- 238000012165 high-throughput sequencing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 150000003626 triacylglycerols Chemical class 0.000 claims description 4
- 229940035722 triiodothyronine Drugs 0.000 claims description 4
- XUIIKFGFIJCVMT-GFCCVEGCSA-N D-thyroxine Chemical compound IC1=CC(C[C@@H](N)C(O)=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-GFCCVEGCSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010837 poor prognosis Methods 0.000 claims description 3
- 229940034208 thyroxine Drugs 0.000 claims description 3
- XUIIKFGFIJCVMT-LBPRGKRZSA-N L-thyroxine Chemical compound IC1=CC(C[C@H]([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-LBPRGKRZSA-N 0.000 claims description 2
- 108090001030 Lipoproteins Proteins 0.000 claims description 2
- 102000004895 Lipoproteins Human genes 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 229950008325 levothyroxine Drugs 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000037213 diet Effects 0.000 abstract description 4
- 235000005911 diet Nutrition 0.000 abstract description 4
- 230000004083 survival effect Effects 0.000 abstract description 4
- 239000003814 drug Substances 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 35
- 201000010099 disease Diseases 0.000 description 34
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 14
- 108090000623 proteins and genes Proteins 0.000 description 13
- 108020004414 DNA Proteins 0.000 description 11
- 108020005198 Long Noncoding RNA Proteins 0.000 description 10
- 108020004999 messenger RNA Proteins 0.000 description 9
- 238000012216 screening Methods 0.000 description 9
- 108091092259 cell-free RNA Proteins 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 102000040650 (ribonucleotides)n+m Human genes 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 102000057248 Lipoprotein(a) Human genes 0.000 description 2
- 108010033266 Lipoprotein(a) Proteins 0.000 description 2
- AFWBWPCXSWUCLB-WDSKDSINSA-N Pro-Ser Chemical compound OC[C@@H](C([O-])=O)NC(=O)[C@@H]1CCC[NH2+]1 AFWBWPCXSWUCLB-WDSKDSINSA-N 0.000 description 2
- 108010026552 Proteome Proteins 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 208000002296 eclampsia Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 210000005259 peripheral blood Anatomy 0.000 description 2
- 239000011886 peripheral blood Substances 0.000 description 2
- 108010031719 prolyl-serine Proteins 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 2
- 108020004465 16S ribosomal RNA Proteins 0.000 description 1
- 206010004433 Benign ovarian tumour Diseases 0.000 description 1
- 208000021657 Birth injury Diseases 0.000 description 1
- -1 GDM nucleic acid Chemical class 0.000 description 1
- 206010070538 Gestational hypertension Diseases 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 241000217859 Lautropia Species 0.000 description 1
- 208000034702 Multiple pregnancies Diseases 0.000 description 1
- 241000588653 Neisseria Species 0.000 description 1
- 108091007412 Piwi-interacting RNA Proteins 0.000 description 1
- 208000006399 Premature Obstetric Labor Diseases 0.000 description 1
- 206010036600 Premature labour Diseases 0.000 description 1
- 206010040613 Shoulder Dystocia Diseases 0.000 description 1
- 108020004566 Transfer RNA Proteins 0.000 description 1
- 108091029474 Y RNA Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001640 apoptogenic effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000004153 glucose metabolism Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 108091070501 miRNA Proteins 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 201000011461 pre-eclampsia Diseases 0.000 description 1
- 208000012113 pregnancy disease Diseases 0.000 description 1
- 208000026440 premature labor Diseases 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003757 reverse transcription PCR Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000004055 small Interfering RNA Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036266 weeks of gestation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/573—Immunoassay; Biospecific binding assay; Materials therefor for enzymes or isoenzymes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
- G01N33/6827—Total protein determination, e.g. albumin in urine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/74—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving hormones or other non-cytokine intercellular protein regulatory factors such as growth factors, including receptors to hormones and growth factors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/74—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving hormones or other non-cytokine intercellular protein regulatory factors such as growth factors, including receptors to hormones and growth factors
- G01N33/78—Thyroid gland hormones, e.g. T3, T4, TBH, TBG or their receptors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/04—Endocrine or metabolic disorders
- G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Cell Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Endocrinology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Diabetes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明属于生物医药领域，尤其涉及标志物在制备检测妊娠期糖尿病的试剂、试剂盒的应用，该标志物包括TXN2、TMEM230、SERTAD3、PROSER2、CCDC175、LINC01748、AP000640.1、AL356807.1、AL355075.4、AL353648.1、AC090559.1的一种或多种在制备检测妊娠期糖尿病的试剂和/或试剂盒中的应用。该标志物制备的检测试剂、试剂盒在检测妊娠期糖尿病时准确度高，能精确反映当下的妊娠情况，使检测结果更可靠，且检测过程易于操作，对于高风险孕妇提前进行运动和饮食的调控，以降低他们后期发展为妊娠期糖尿病的可能性进而提高患者生存水平。
Description
技术领域
本发明属于生物医药领域，尤其涉及标志物在制备检测妊娠期糖尿病的试剂、试剂盒的应用。
背景技术
妊娠糖尿病(Gestational diabetes mellitus，GDM)指妊娠期发生的糖代谢异常。GDM可导致严重的不良妊娠结局，包括剖宫产、肩难产、产伤、妊娠高血压(包括子痫)等，还可能对产妇的远期心血管代谢产生影响，并且50％在产后可转变为二型糖尿病。随机临床试验表明，在妊娠早期对GDM高危因素孕妇进行干预，能显著降低GDM发病率、母儿并发症发生率，明显改善妊娠结局。因此，在孕早中期对GDM进行风险评估十分重要。
血浆游离RNA(cell free RNA,cfRNA)被认为主要来自不同组织的凋亡、坏死细胞，或者细胞的主动分泌，我们可以通过无创得到血浆样本，并通过血液中的cfRNA得知各种人体器官的健康、表型和发育状态。目前已有基于cfRNA预测孕期疾病的，如子痫、早产等，均有不错的预测效果。
目前对于GDM的预测，以临床数据方面的专利最多，并且因为易得，也是目前GDM早期预测文章的主力。中国福利会国际和平妇幼保健院(CN110808097)分析了16819例诊断为妊娠糖尿病的女性病历，基于K-NearestNeighbor算法从社会人口学特征、妊娠早期的临床变量和实验室指标中筛选得到7个特征，AUC为0.77，专利对应的文章已发表(10.1210/clinem/dgaa899)。
宏基因组对于GDM也有相应的研究。中科院动物所(CN112442531)收集唾液进行16s rRNA测序后，基于两个口腔微生物Lautropia Neisseria和Veillonella，对44个GDM样本进行预测，AUC为0.83，相应的文章已发表(10.1136/gutjnl-2018-315988)。
目前虽然已有基于GDM的早期预测的文章和专利，以临床信息为主，还有基于宏基因组、蛋白组、基因组的研究和专利。但是蛋白组和代谢组相较于转录组存在成本高，技术不成熟的问题。临床组预测结果较差，且相较于转录组，没法精确的反映当下的妊娠情况。
发明内容
有鉴于此，本发明提供了标志物在制备检测妊娠期糖尿病的试剂、试剂盒的应用。该标志物制备的检测试剂、试剂盒在检测妊娠期糖尿病时准确度高，同时能精确反映当下的妊娠情况，使得检测结果更加更靠，且检测过程易于操作，可以提前两个月精准的预测孕妇发展为妊娠期糖尿病的风险系数，对于高风险孕妇提前进行运动和饮食的调控，以降低他们后期发展为妊娠期糖尿病的可能性进而提高患者生存水平，并且转录组与临床信息的结合是目前最经济实惠的方法。
为了实现上述发明目的，本发明提供以下技术方案：
本发明提供了一种用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的生物标志物或其组合，包括以下一种或多种生物标志物：TXN2、TMEM230、SERTAD3、PROSER2、CCDC175、LINC01748、AP000640.1、AL356807.1、AL355075.4、AL353648.1、AC090559.1。
本发明还提供了包括以下一种或多种生物标志物：γ-谷氨酰转肽酶、糖化白蛋白、甘油三酯、空腹血糖、脂蛋白、年龄、总甲状腺素、总三碘甲状腺原氨酸、孕前BMI。
本发明还提供了一种用于检测该生物标志物或其组合的试剂，所述试剂包括与该生物标志物或其组合或者它们的表达产物特异性杂交的生物分子或者以该生物标志物或其组合为检测目的物的检测试剂；
优选地，所述生物分子包括选自引物、探针和抗体中的一种或多种；
更优选地，所述试剂还包括将该生物标志物或其组合的RNA制备成高通量测序文库的相关试剂。
本发明还提供了该生物标志物或其组合和/或所述试剂在制备试剂盒中的应用，所述试剂盒用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果；
优选地，所述试剂盒的检测样品包括血浆、血清、全血、尿液、羊水中的一种或多种。
本发明还提供了检测产品，包括该生物标志物或其组合和/或所述的试剂。
优选地，所述检测产品包括芯片、试剂盒中的一种或多种。
本发明还提供了一种用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的方法，其特征在于，所述方法包括：
步骤S1：提供待检测的生物样品；
步骤S2：确定所述生物样品中根据该生物标志物或其组合的检出量；
步骤S3：基于所述生物标志物或其组合的检出量，鉴别是否患有妊娠期糖尿病或相关疾病或者患有妊娠期糖尿病或相关疾病的风险或者预后效果；
优选地，在步骤S3中，鉴别是否患有妊娠期糖尿病或相关疾病或者患有妊娠期糖尿病或相关疾病的风险或者预后效果是通过利用妊娠期糖尿病或相关疾病风险预测模型来实施的，所述预测模型是通过利用来源于已确诊患有妊娠期糖尿病或相关疾病的孕妇和健康对照孕妇的生物样品中所述生物标志物或其组合的检出量训练计算机而产生；
优选地，所述训练计算机是通过机器学习方法来实施；
优选地，所述机器学习方法包括以下一种或多种：广义线性模型、梯度提升机、随机森林、支持向量机；
优选地，所述机器学习方法自动计算得出风险分数；
优选地，所述风险分数大于阈值表明所述孕妇患有妊娠期糖尿病或相关疾病或者存在患有妊娠期糖尿病或相关疾病的风险或者预后效果差；
优选地，所述阈值为0.5；
优选地，所述生物样品为以下一种或多种：血浆、血清、全血、尿液、羊水；
优选所述生物样品在所述孕妇第11至25孕周时采集获得；
更优选地所述生物样品在所述孕妇第16孕周时采集获得；
优选地，在步骤S2中，基因标志物或其组合的检出量为表达谱，通过对所述生物样品中的胞外游离RNA进行定量分析确定；
优选地，采用高通量测序法或RT-PCR法对所述生物样品中的胞外游离RNA进行定量分析；
更优选地，采用高通量测序法对所述生物样品中的胞外游离RNA进行定量分析。
本发明还提供了一种用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的装置，其特征在于，所述装置内置有妊娠期糖尿病或相关疾病风险预测模型，所述预测模型是通过利用来源于已确诊患有妊娠期糖尿病或相关疾病的孕妇和健康对照孕妇的生物样品中所述生物标志物或其组合的检出量训练计算机而产生；
优选地，所述训练计算机是通过机器学习方法来实施；
优选地，所述机器学习方法包括以下一种或多种：广义线性模型、梯度提升机、随机森林、支持向量机；
优选地，所述机器学习方法自动计算得出风险分数；
优选地，所述风险分数大于阈值表明所述孕妇患有妊娠期糖尿病或相关疾病或者存在患有妊娠期糖尿病或相关疾病的风险或者预后效果差；
优选地，所述阈值为0.5。
本发明还提供了一种用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的模型的构建方法，其特征在于，所述构建方法包括检测来源于妊娠期糖尿病或相关疾病的孕妇群体和非妊娠期糖尿病或相关疾病的孕妇群体的生物样品之间差异表达的物质的步骤，其中所述差异表达的物质包括该生物标志物或其组合；
优选地，所述生物样品为以下一种或多种：血浆、血清、全血、尿液、羊水；
优选所述生物样品在孕妇第11至25孕周时采集获得。
本发明还提供了生物标志物在检测检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果中的用途，其中所述生物标志物包括该生物标志物或其组合。
本发明还提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行所述用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的方法或所述的用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的模型的构建方法；
任选地，一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果和的方法或所述用于检测妊娠期糖尿病或相关疾病或者预测患妊娠期糖尿病或相关疾病的风险或预后效果的模型的构建方法。
本发明还提供了该生物标志物或其组合的筛选方法，其特征在于，筛选模型包括：广义线性模型、梯度提升机、随机森林、支持向量机中的一种或多种。
本发明提供的标志物及其组合包括TXN2、TMEM230、SERTAD3、PROSER2、CCDC175、LINC01748、AP000640.1、AL356807.1、AL355075.4、AL353648.1、AC090559.1。该标志物制备的检测试剂、试剂盒在检测妊娠期糖尿病时准确度高，能精确反映当下的妊娠情况，使检测结果更可靠，且检测过程易于操作，对于高风险孕妇提前进行运动和饮食的调控，以降低他们后期发展为妊娠期糖尿病的可能性进而提高患者生存水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1示挑选特征及构建预测模型；
图2示构建风险预测模型。
具体实施方式
本发明公开了标志物在制备检测妊娠期糖尿病的试剂、试剂盒的应用，本领域技术人员可以借鉴本文内容，适当改进工艺参数实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明的方法及应用已经通过较佳实施例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合，来实现和应用本发明技术。
本发明提供的标志物在制备检测妊娠期糖尿病的试剂、试剂盒的应用所用样品、试剂均可由市场购得或相关科研单位获取。
实施例1处理血检样本
(1)母体血浆游离RNA获取
获取孕周为16周左右的外周血，并立即存储在4℃，并在8小时实行血浆分离。血浆分离之后立即存储在-80℃后，在血浆中按照1:3比例加入TrizolLS并立即震荡混匀以提取RNA。
(2)cfRNA的测序
利用全转录组测序法PALM-seq，对孕妇外周血的血浆样本RNA进行测序，同时对血浆游离mRNA和游离lncRNA进行测序。
(3)cfRNA的表达谱定量
将原始的cfRNA测序数据进行质控，包括剪切接头，去除低质量读长，去除<17bp长度的的读长，去除rRNA序列和value RNA及Y RNA序列。将剩余读长比对到人转录组(顺序为miRNA、tRNA和piRNA，mRNA和lncRNA，最后为其他RNA)。预测样本的表达量根据已有的训练集表达量进行矫正。RNA比对用bowtie软件，定量用RSEM。
(4)处理表达值和临床数据
对mRNA和lncRNA的表达值-TPM进行标准化；
补充临床数据缺失值，对于连续性变量使用平均值进行补全，对于分类型变量使用众数进行补全。
计算基因之间的pearson相关系数后，去除相关性大于等于80％的基因。
实施例2基于机器学习模型挑选特征
把样本分为训练集和验证集，仅在训练集中筛选特征，同时使用随机森林算法(RF)和Lasso算法，先根据Lasso算法去除打分为0，即对模型没有贡献度的基因，然后使用RF算法在剩下的基因中筛选最重要的前10个基因。然后将这个过程重复20次，最后选取在这20次迭代中都出现的基因作为最终的特征，如图1所示；
结果表明，首先，通过筛选游离的mRNA，得到了5个mRNA分别为TXN2,TMEM230,SERTAD3,PROSER2,CCDC175，使用这5个mRNA分子标志物可以预测出高风险的GDM患者；
其次，通过筛选lncRNA，得到了6个lncRNA分别为LINC01748,AP000640.1,AL356807.1,AL355075.4,AL353648.1,AC090559.1，使用这6个lncRNA分子标志物可以预测出高风险的GDM患者；
最后，如果同时使用这11个基因，可以更精确的预测出更多的GDM患者，筛选的基因的核酸信息如表1所示；
除此之外，纳入了9个临床特征包括γ-谷氨酰转肽酶、糖化白蛋白、甘油三酯、空腹血糖、脂蛋白(A)、年龄、总四碘甲状腺原氨酸(TT4)、总三碘甲状腺原氨酸(TT3)、孕前BMI。补充临床特征后可以进一步提升模型的预测效果。在其中TT4对于模型的提升效果最优，能对GDM高风险样本全部精确的分类。
本发明中提及了9个临床特征，其中年龄、孕前BMI、空腹血糖和甘油三脂在以前预测GDM发病风险的专利中已经提及。专利CN110808097同时使用空腹血糖分类指标、年龄分类变量、多胎妊娠、妊娠期糖尿病既往史、糖尿病家族史、甘油三酯、糖化血红蛋白7个临床变量，可以较好的预测GDM发病风险。专利CN104063583同时使用年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前体重指数BMI、不良孕产史、高血压家族史、白细胞和血红蛋白，BMI增加量这9个临床特征，纳入16-20w的孕妇样本，预测的ACC可以达到0.85。
表1 GDM特征基因的核酸信息
| 基因名称 | 基因ID | 最长转录本登记号 | 最长转录本长度 |
| TXN2 | ENSG00000100348.9_2 | ENST00000216185.6_1 | 1736 |
| TMEM230 | ENSG00000089063.14_3 | ENST00000379286.6_1 | 1735 |
| SERTAD3 | ENSG00000167565.12_3 | ENST00000322354.3_2 | 1734 |
| PROSER2 | ENSG00000148426.12_4 | ENST00000277570.9_1 | 3333 |
| CCDC175 | ENSG00000151838.11_3 | ENST00000537690.6_1 | 2616 |
| LINC01748 | ENSG00000226476.3_4 | ENST00000635048.1_1 | 5678 |
| AP000640.1 | ENSG00000254477.2_5 | ENST00000648249.1_1 | 1705 |
| AL356807.1 | ENSG00000285826.1_1 | ENST00000649337.1_1 | 783 |
| AL355075.4 | ENSG00000259001.3_5 | ENST00000554988.1_1 | 638 |
| AL353648.1 | ENSG00000285840.1_1 | ENST00000648233.1_1 | 1443 |
| AC090559.1 | ENSG00000255197.5_5 | ENST00000532943.5_1 | 851 |
实施例3建立GDM的风险预测模型
建立四种机器学习模型，包括广义线性模型(GLM)、随机森林(RF)、梯度提升机(GBM)、支持向量机(SVM)，结合训练集筛选出来的分子特征，采用7折交叉验证选择超参，对孕妇发展为GDM的风险进行预测，其中风险系数大于0.5认为存在GDM高风险，风险系数小于0.5认为不存在高风险。所有的算法都是基于R包caret。最后，基于四种不同模型在验证集中的AUROC和Accuracy来选取GDM预测的最优模型；
结果表明，检测本发明标志物或其组合在患者体内的表达量可以提前两个月判断孕妇是否存在GDM患病高风险，使用5个mRNA时，训练集模型的AUC为0.91，灵敏性为0.86，验证集AUC为0.81，灵敏性为0.82；
使用6个lncRNA时，训练集模型的AUC为0.92，灵敏性为0.84，验证集AUC为0.80，灵敏性为0.82。并且我们发现结合临床信息时，可以显著提升模型的预测效果，当结合TT4时，验证集的灵敏性可达到1，结果如表3所示。
综上所述，我们通过11个游离RNA和TT4的结合，可以提前两个月精准的预测孕妇发展为GDM的风险系数，对于高风险孕妇提前进行运动和饮食的调控，以降低他们后期发展为GDM的可能性进而提高患者生存水平，并且转录组与临床信息的结合是目前最经济实惠的方法。
实施例4效果例
在医院共招募了54例GDM样本和57例健康对照进行分析，临床信息如表2所示，采用PALM-seq建库技术，同时得到mRNA和lncRNA的表达值；
将样本随机分为训练集和验证集。训练集中，GDM患者为43例，健康对照为45例；验证集中，GDM患者为11例，健康对照为12例；
表2入组样本临床信息
结果表明，首先，基于训练集中的全部mRNA去筛选特征并拟合模型，筛选得到TXN2,TMEM230,SERTAD3,PROSER2,CCDC175五个mRNA标记物，AUC为0.81并且准确性为0.78；
随后，基于训练集中的全部lncRNA去筛选特征并拟合模型，筛选得到LINC01748,AP000640.1,AL356807.1,AL355075.4,AL353648.1,AC090559.1六个lncRNA标记物，AUC为0.8并且准确性为0.78；
其次，将这11个特征合并预测验证集，AUC为0.89并且准确性为0.83，结果如图2所示；
最后，纳入了γ-谷氨酰转肽酶、糖化白蛋白、甘油三酯、空腹血糖、脂蛋白(A)、年龄、总甲状腺素、总三碘甲状腺原氨酸、孕前BMI共9个临床指标。用这9个临床去预测时，验证集的AUC为0.85并且准确性为0.74。当把11个cfRNA和9个临床数据整合在一起预测GDM时，验证集的AUC为0.92并且准确性为0.87，并且将11个RNA与TT4结合使用时，验证集的灵敏性为1，结果如表3所示，表4为模型调试阶段的结果。
表3整合临床信息进一步构建分析预测模型
因此，可以看出，仅使用RNA和仅使用临床信息都可以较好的预测GDM，但将这两个信息整合在一起，可以进一步提升模型的预测效果。
表4模型调试时其他的结果
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
序列表
<110> 深圳华大生命科学研究院、复旦大学附属妇产科医院
<120> 标志物在预测妊娠期糖尿病风险中的应用
<130> MP21029053
<160> 11
<170> SIPOSequenceListing 1.0
<210> 1
<211> 1736
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 1
aaatcccaga cgcccctcaa attggagagg gacagatggg cgctgtggct cacgcccgta 60
atcacaaccc tctgagaagc cgaggcgggc ggatcacgag gtcaaaagat cgagaccgtc 120
ctggccaacg tggtgaaacc ccgtctctac taaaaataaa aaaattagct gggcgtggtg 180
gcgcgcgcct ctagtcggga ggctgaggca ggagaatcgc ttgaacccgg aaggcggagg 240
ttgcagtgag ccgagatcgc gccactgcac cccagcctgg caacagagcg agactctggc 300
tcaaaaaaaa aaaaaaaaaa aaaaaaaatt ggagagggac gctcttccgc ctgcctgtac 360
ccggaagtga cgttatgtac gtcccccccc gaggaagtga cgacaggcgt gcccttgaca 420
ggcagggagg gctaggctgt gcatccctcc gctcgcattg cagggagatg gctcagcgac 480
ttcttctgag gaggttcctg gcctctgtca tctccaggaa gccctctcag ggtcagtggc 540
cacccctcac ttccagagcc ctgcagaccc cacaatgcag tcctggtggc ctgactgtaa 600
cacccaaccc agcccggaca atatacacca cgaggatctc cttgacaacc tttaatatcc 660
aggatggacc tgactttcaa gaccgagtgg tcaacagtga gacaccagtg gttgtggatt 720
tccacgcaca gtggtgtgga ccctgcaaga tcctggggcc gaggttagag aagatggtgg 780
ccaagcagca cgggaaggtg gtgatggcca aggtggatat tgatgaccac acagacctcg 840
ccattgagta tgaggtgtca gcggtgccca ctgtgctggc catgaagaat ggggacgtgg 900
tggacaagtt tgtgggcatc aaggatgagg atcagttgga ggccttcctg aagaagctga 960
ttggctgaca agcagggatg agtcctggtt cccttgcccg cgtgggaccc caatagaact 1020
cagcccttcc atgccagccc ttcctgctgc ctccctcctg tctggctcct ggggcccatg 1080
cttagagccc aggctccagc cctgagtgct tccgagctgg cggactgccc aggggccatc 1140
agaggatggt ggtgctgctg ctgatccggg gaccgctgtc ttccctccca tacgcctttc 1200
atccctcctt ctagggccta tggcagttct cccaggatgt gtggcgagag cctgggccag 1260
cccacagcgt tcctagtcag gcagccacac cttggtcctc atcttggtcc cttccaatct 1320
gaaacctcgt gcctggctcg tctgccacct acatttctct ttccagctgc tgttttgtaa 1380
aaagaaaaag aaaaaagaag cccaaactag tgagagtaat atctaattat ctcatttttt 1440
gtaggtctgt gataaagaac ttagtcatcc cttccacctc ctactgtgaa gaacagaccc 1500
tgggtcccac actgaaatcc cctctagtca cccattccca ccccccaggg agctgcctcc 1560
caggcagggg gtgcagaaaa tgattgatgg gctggggaac cctggagagc ctcgactccg 1620
gaagtctcaa ggtgcctcct cctctcctta gctggcccgt tggttttctg agcagggggc 1680
tgaactgtga acaagtcaga caaataaagc aagggtctgc accatctgca atgtca 1736
<210> 2
<211> 1735
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 2
aagcgggcca tgccatgcaa ccttgggcgc tgccaaccgt gggcgagctc tgggtgtgcg 60
ggcggcctgg cgcggcgctc cggtaaggcg tgtgtgcggc agggcgggga cagaaccgtc 120
ctctcgggct ctgggcgtgt ccgagaccgc gctccccgcc gaaatcaagc tccgagtcat 180
ccgtgtgggg cattcgtccc ccctggcaca gttggcctct ttccagaagc ccgttttgtt 240
tgttttacgt ctaaattcgc gtcggttctt atttctctcc ctggcaaggt ctgaagacgg 300
atggagtcta gttctgtcgc ccaggctgga gcccagtggt gtgatctcag ctcactgcaa 360
tctccacctc ctggcttcaa gcgattcttc tgcttcagcc tcccgactgt gtcagcgtgt 420
tatgatgccg tcccgtacca acctggctac tggaatcccc agtagtaaag tgaaatattc 480
aaggctctcc agcacagacg atggctacat tgaccttcag tttaagaaaa cccctcctaa 540
gatcccttat aaggccatcg cacttgccac tgtgctgttt ttgattggcg cctttctcat 600
tattataggc tccctcctgc tgtcaggcta catcagcaaa gggggggcag accgggccgt 660
tccagtgctg atcattggca ttctggtgtt cctacccgga ttttaccacc tgcgcatcgc 720
ttactatgca tccaaaggct accgtggtta ctcctatgat gacattccag actttgatga 780
ctagcaccca ccccatagct gaggaggagt cacagtggaa ctgtcccagc tttaagatat 840
ctagcagaaa ctatagctga ggactaagga attctgcagc ttgcagatgt ttaagaaaat 900
aatggccaga ttttttgggt ccttcccaaa gatgttaagt gaacctacag ttagctaatt 960
aggacaagct ctatttttca tccctgggcc ctgacaagtt tttccacagg aatatgtatc 1020
atggaagaat agaggttatt ctgtaatgga aaagtgttgc ctgccaccac cctctgtaga 1080
gctgagcatt tcttttaaat agtcttcatt gccaatttgt tcttgtagca aatggaacaa 1140
tgtggtatgg ctaatttctt attattaagt aatttatttt aaaaatatct gagtatatta 1200
tcctgtacac ttatccctac cttcatgttc cagtggaaga ccttagtaaa atcaaagatc 1260
agtgagttca tctgtaatat tttttttact tgctttctta ctgacagcaa ccaggaattt 1320
ttttatcctg cagagcaagt tttcaaaatg taaatacttc ctctgtttaa cagtccttgg 1380
accattctga tccagttcac cagtaggttg gacagcatat aatttgcatc attttgtccc 1440
ttgtaaatca agatgttctg cagattattc ctttaacggc cggacttttg gctgtttcct 1500
aatgaaacat gtagtggtta ttatttagag tttatagccg tattgctagc accttgtagt 1560
atgtcatcat tctgctcatg attccaagga tcagcctgga tgcctagagg actagatcac 1620
cttagtttga ttctattttt tagcttgcaa aaagtgactt atattccaaa gaaattaaaa 1680
tgttgaaatc caaatcctag aaataaaatg agttaacttc aaacatttca gaaaa 1735
<210> 3
<211> 1734
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 3
cggccccgcc cgcctgcaca gcgacttggg gaggggcatg ccagcccctc tggctccacg 60
gtggagtcca ggcctaccat aaaggaaccg cagggagcaa tggtgacgat cttggagcga 120
ggactgtagc tgagtggaag gaagcggttc tgttggaccg gccgccctcc accccggagt 180
cgctgccccg ccccctgcca gttgcacttc tttaaatggc ccggggcgct agggaggggt 240
gggcggatcc ggcgtctcgg ggcacgggcg gatggctccg cccagccaat cgacgccccg 300
cggcgggcgg gactccagcc aatcgcggct cgcggctcgg ctccggggcg gggctggtgg 360
gccagaggcc agacggagag gccccgccga ggtgagcgag gctccaaccg gtcactggtg 420
ggtcctggca ctggcgggtc gcaacgctgt gggcgttcca ggaggtggtc gtggcgaacc 480
tggcagctgc gggcatcatg gtgggaggct tgaagaggaa acactctgat ttggaagagg 540
aggaggagag gtgggagtgg agtccagcag gccttcagag ctaccagcaa gccctgctcc 600
gcatctccct agacaaagtc cagcgcagcc tgggcccccg agcacccagc ctccgcaggc 660
atgtcctcat ccataacacc ctccaacagc tgcaggctgc acttcgcctg gctcccgccc 720
ctgccctgcc ccccgagccc ctcttcctgg gcgaggagga tttctccctg tcagccacca 780
ttggctctat cctcagggag ctggacacct ccatggatgg gactgagccc cctcagaatc 840
cagtgactcc ccttggcctc cagaatgaag tgccacccca gcctgatcca gtcttcttag 900
aagctctgag ctcccggtac ttgggggact ctggcctgga tgacttcttt ctggacattg 960
acacatctgc ggtagaaaag gagcctgcac gggccccacc agagcctcct cacaacctct 1020
tctgtgcccc aggttcttgg gagtggaatg aactggatca catcatggaa atcattctgg 1080
ggtcctaaaa ctgtgataga ggggatcgat ccttcctcat gtcatcttcg gtggcctgga 1140
tccctgaatg caactctggg tgtgtgtttt tgtgggggct cgaagcagtg actatggcct 1200
cctttgttcc catttcaggg ttccacaaac tgtcttgcat gtgtgtgtgt gtctggttac 1260
cccgaccttc tgtgaaggtg ggtcttcctg aattaattta tctattccaa atgccttaac 1320
gagactctgt ttctgggagt ctgattttcc acttacacat ttcttccacc tttcctgcta 1380
gttcccactc ccctgtgacc actggggcct cagggaagat aaagaaagct gggcctgtcg 1440
aaggatgaca gggatgtgct gccaggttgc tatagaaacc caggctctgc ctcttgcacc 1500
ttgagggggt gggaggggct ggtgtcctcc ctccaggctg aaccccactt cctcggcagg 1560
accccagtct cagcagcctc ctgatttcat aaccaggccg gaccacgtgc aatagggtgg 1620
aaaccaaact gctccatgcc gggttattta aaagaaaggc agagtttgtg gtggcttttt 1680
tttttttttt tggattgttt gtaatttttt taaataaaag tattttggaa ggag 1734
<210> 4
<211> 3333
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 4
gggcggcggc gtgagggctc cgggtcgctg gcggcgtgga cacctgagtc ccggggtagg 60
ggtctcccgc gaggagtgag ctgttgccgc agaatgggct gctggctcct gccctgcttc 120
ctgtgatcga gccggccctg aggactctgt ggagatgcct gtaacccacc ggaaatcaga 180
cgcatctgac atgaactcag acacgtcccc cagctgcagg ctccgagcct tcagcagagg 240
cggcagcctg gagagtcgaa gcagcagctc tcgctccaga agcttcactt tggatgatga 300
gagcctgaag tacctcaccc atgaggaaaa ggatgtgctc ctgttttttg aagagacgat 360
tgactcccta gacgaggact ttgaggagcc agtgctgtgc gatggaggag tgtgctgcct 420
ctgctccccg tctctggagg agagcacctc cagtccctcc gagcctgaag atgtcatcga 480
cttagtgcag ccagcacctg gcgccgggga agccgagggc cttccagagg ggacccaggc 540
agcagggcct gcacctgctg ggaaggagca caggaaacaa gatgctgaga ctcctccacc 600
tccagacccc ccggctcccg agacccttct tgcgccacca cccctgccta gcacccccga 660
tccccccagg agggagctgc gcgccccctc cccgccggtg gagcacccca gactcctgcg 720
ctctgttccc acgcccctcg ttatggcgca gaagatttcc gagaggatgg cggggaacga 780
agccctctcg cccacctccc cgttcaggga gggccggccc ggggagtgga ggacacctgc 840
cgcccggggg ccccgcagtg gagaccctgg cccggggccc agccacccgg cgcagcccaa 900
ggcaccccgc ttccccagca acatcatcgt caccaacggc gcggcccggg agccccgcag 960
gaccctgtcc agggcggccg tcagcgtgca ggagcgcagg gcgcaggtgt tggccaccat 1020
ccacggccac gccggcgcct tccccgccgc gggggacgcc ggcgaggggg ccccaggggg 1080
cggctcctcc ccggagcggg tggcgcgtgg ccggggcctg ccgggccccg ctgagagtct 1140
ccgggcaggg ggtcaggctc cgcggggccc ggcgctggcc aacggcttcc caagtgcgca 1200
cgaggccctg aagagcgcac ccagctcctt cgcgcccgct gggaagtccc tctgcttccg 1260
ccctggcccg gccctgccca gcacgcgggc ccgtcagagc ttccccgggc cccggcagcc 1320
caacggcgcc caggactggc gccgcgcaga ctccctgccc cggccccagg gcatcaccgt 1380
gcagttcgcg ggccgcggct cctcggagga ggcgcgcagg gaggccctgc ggaagctggg 1440
gctgctcagg gagagttcgt gagggccgcg cgggctccag tccaccccgt ttctccccac 1500
cctgaagaga gggtgaaaga gtcgctgcac ccaggagctg tttggtctaa aatggaagtg 1560
acagcgggag cccctgccct ctgtggcaca tcggagtcta gaggtgcctg gctggggcct 1620
cctggctgag cacgcaccgc aagctccagc caccggcaca gagaactctt ccctaaagga 1680
atctggccga gggcttgtct cccttttccc aagaactgag agagagagaa taacctgtta 1740
gacccatagg tttccgtgat gtgtaaatgc catcttttgg gggttgggag gagtaggact 1800
ggtctgatta tcattcttga gtctcatcta ccctcttctc gaagtacatg acatgaaagt 1860
tcagatccct tccactcagg attctcgccg ccttttctaa gaaaataata aaaaaaaatg 1920
cttgtttcat tttttaatgt cttaatatac ttgcttttgt ttttgaaggg tgaggcatca 1980
tggtactttg cttttgtttc ttgacgtact ttagtttgcc cagttttgtt ttttactgaa 2040
aactgaaatg aaacctttag atattgagtt ttgggagtga aatggaaagg tggtaatttt 2100
gagaaagcaa gtctcatcag actctgaggt ctgggacgtg tgcgtgagcc tgtgtttgtg 2160
tgtgtatgtt tttagatacg tacgtgtcaa cacatacatg cataggtatc ctgtgtgtcc 2220
acatgcatca ttattatata aatagaaact tctgaacacc ctcctaagtc actacaggat 2280
gccagcgctt cctattcttg ggtagacaga gccacctcag catcctgatg gatgatacaa 2340
gaaattgtta cttcctagta tggaagtgtc ttaaggacac gtctccatga tattttggtg 2400
aaccaaaagt gctttatcct caacaaaatg ttcctctgtt cccagttaaa gtaatattcc 2460
ctgcttccaa gtaagcaaga ctgttcacta aagaaggaac tttttagaaa actaatctcc 2520
tttatcatcc aattttagtt ctgcatgttc cgaggtagcc agtcaacaga aggaagcaaa 2580
agattcttaa agatccaccg actgtcatgt tccacaagca agatctcagg gtagggaaaa 2640
accagtgaat gaggttacac agcaggaaaa gaaccggttt cctcccagac tatgtcttac 2700
acgctgagtt atgccacaag cgttatcatc aaaactattt aaggctggag tcttagacct 2760
ctaaaaatag acaggaaggg ctgccctgag cagtgacacc tttgtgtttt tatgtctccg 2820
ccagcgccgt aacagagcct gtttctttcc cgttgagtat tacttaaatt caggcttaaa 2880
tgtgctatga agggcatttt tcatagtatc ccatttgcct tgtaagttat ataaagtgca 2940
tgattataat tttttcctta gaaatgcaat atttagtttc atccagctct tatgaataat 3000
aacctcatag attcctgatc ttaatttaaa taggtgcttt aattttacag ctttcaaaag 3060
tagttactgt aaattttact cctgttaatg ctggattggt ttaaaggatt tataagggct 3120
gtgtttgctc tttacaaggc aagatgccat acagtgttca ataatagaag gtcttgatac 3180
aaccgacatt ttaaatattc tttatacatg aggactgcat ctttttcact gaccctatga 3240
tttcactgtg agtagggtga actggactgc atattagttt atttgttgcc ataatcacat 3300
ttttgaaaaa taaatttaag agttttttct taa 3333
<210> 5
<211> 2616
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 5
gtggcaaccg gcaatccttg gctctggctt aggaggcgct caagtagagc ggcaaaatgg 60
ccctgagccc ctggacccca gggctgggcg ctggcgagaa gctggtgcag gcggctgccg 120
tctccactgg cccctccctg gagttatgca ccttaccctc caccctgggc tcctcggtcg 180
cggtcgaggc gctggagcag ctgtttgttg tggaacaatc actgcaaagt gactatttta 240
aatgtaatga agaagctaag atctttctta aggacattgc tgtagctgtt aagaaattgg 300
aagaaatgag aaaagccaca atcgatcttt tggagattga aagcatggaa ctcaacaaac 360
tatactatct attggaaact cttcccaata gcattaagag ggaattggaa gaatgtgtcc 420
gagacgctcg cagattaaat ctttttgaga taaatacaat aaaaatgaga attacaagga 480
cagagaatga aatagagctt ctgaagaaga aaataactga cctgacaaaa tataatgaag 540
ctctggggga gaagcaggaa gagctagcaa ggaagcatgc aaggtttgtc ctgtcactca 600
accaaactat ggagaaaaaa gccaccacca ctgtttacat aaatgagact tataccaaaa 660
taaacttgaa gagagaagac atagcattgc aaaaaaaatg tattcaagag gcagaggagc 720
taatggaaaa agaaagggca gaatatctaa taagaaaaca agagttgact gcacagatta 780
atgaatttga aaatacccgt gaagtaaaga gaatggagac ttatcaaaag aagaaagaat 840
tggataaatt acaaactaaa atgtcaaaaa taaaagaaac agttactgtt tccgcagcgg 900
ttcttagtga tcacaattta gagatagcac gactacacga atcaataagg tattgggaac 960
aagaggtcag tgagctaaag aaagaccttg caattctgga ggcgaaactg tgttttttca 1020
cagataacaa agaaaaacta gatgatatat ctaatgatga aaaaaatgaa ttcctgaaca 1080
agataaaaca gctggttgaa acactgcatg ctgctcgtat ggaatacaaa gacctacgag 1140
agaaaatgaa aactcttgcc agacaatata agattgtttt aagtgaggaa gaaaaagctt 1200
ttttgcaaaa acaaaagatt catgatgaaa atcagaaaca gctgacattt atttctcaga 1260
aagaatactt tctgtcacaa aagagagtag acatcaaaaa tatggaagaa ggactcatca 1320
cactccagga acttcaacaa gcaacaaaaa cagtgtatca gcaacaaatc aaaatcctga 1380
gtgctaacct ggaaagagaa agtcagagat gtgttataac tcagtggaaa atggcttgct 1440
tgagaaaaaa gcatgcacgt tggacagcca agataaaagc tgaaatacaa gctattacag 1500
aaaaaattca gaatgcagaa gttagacgaa ttgaattact taacgagacc agtttcagac 1560
aacaggagat cagtggattt gtggcacaga ttgaaaaact tacaacagaa ttaaaagaag 1620
aggagaaagc atttgttaac aaagaaaaaa tgttaatgaa agagttaagc aagtatgagg 1680
aaatatttgt taaggaaaca caaattaaca aagaaaagga agaagaacta gttgagtatc 1740
ttccacaact tcaggtggca gaacaagagt ataaagagaa aagaagaaag ttagaagagc 1800
tcagtaatat tattacagca caaagacagg aggaagattt actgaacaat cacatttttc 1860
tgtttacaag ggacttttca agatacatta gcaacatgga agatgtaaaa caagaattac 1920
aacaattacg agatcaagaa agcaaaaaaa acaaagatca ttttgaaact ctaaagaact 1980
tagaaaatgg attctatata aatgaccaaa aagcagatct tctgctcctg gaaaataaaa 2040
aattaaaaga atatatttta tacttgaaga ataacataga gaaatacaga gaaggacaag 2100
aagccctcat gcacacctca agcgacttgt ctcggcaact aatagctcag gaggcacaat 2160
ataaggattt gtgggctgaa tttcagacca cagttaagat cttggtggac aatggtgaag 2220
agaccttgca agacataaac aatctaacag acaagctgcg tgaaagagat gaaaaaatgc 2280
agcatgtcag tacatggcta cgagggagtc ttgaagggct gcgtttgctt gtggaacagg 2340
aatcaccaat ggaccttctt aagaagaaga aacacattcg tacaagggtt catttcccag 2400
tggttaaatg tactgagaaa aatacattaa caaagtaact caaggataca actgctgtga 2460
attcaaaaga cagactacta caggaaaagt gagtgcactt actttcatat tttgcagctg 2520
ttaatagaag tcttaaacat ttaaaattta actaattcac acaacctcca ccaagtatca 2580
gtaaataaac ttctaaacaa taaaaatgga taaaca 2616
<210> 6
<211> 5678
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 6
gagaccgcag cctaagcaga taccttggtt gcagccatgt gagacaacct gaaacagagg 60
gcacagctaa gcctcagcca ggttcatgac cctctgagga aactgtgaga aagcaaatgt 120
cattttaagc tatttaattt tggaggtagt ttattacaca acaataaata actattataa 180
ttatcttgag gatttatttc ctggggagaa tacatggaat tgcatatata ggtcctcata 240
tgcagaatac tggtacccta gagatgttca ccccagagat gttttaggaa cctgtgaata 300
tgttacatta aatggcaaag ttttcctgga tggtttaagt ttaagatgga aaagttttac 360
tggattatcc agtgggtcca atctagtaac atgagtcctt aaaaatggag aatatttttt 420
ggccatgatc agagagacat gtgatgatgg aaaaagtgtc agagatgcaa tgtgagggga 480
ctaaaactgc tgttgctgac tttaaagatg gagagagggg aacccgagtc aaggaatgca 540
aatggcctct ggaagctgga aaaagcaaga aatggattct cctttagagc ctgtggaata 600
aaatgcagtc atgctgacac cttgatttta cctcagtgag accaatactg gagtatgacc 660
ttcggagctg aataaaatta tacgtacaca tcttaatttc ttgggatttg attacttctt 720
ctgctttgaa attagaccaa gtttagcctg cctttgctat tttggcgtat ctccaattct 780
tcatgatttt ctcatcgcaa aggccacata aggacagtga gaaggcagcc acctgcaagc 840
caggaagaaa ggtctcacca gataccaacc ctgccagcat gttgatcttg gacttccagc 900
ctccaaaact ggccttctgc tcacatgggc ttccgtgcac ctgcttcagg agacagcaac 960
acttgcgccc gcaccgcggc aggctcccat cacctggtgg atatgccgcg ccgagtctca 1020
tcacacctta gtgaaggaac acatggaccc atatgttagc ggatgtattt acatcgtttt 1080
atacagaaag gggaagaaaa ctgcatacct cagaaagggg ttgctcctca ctctgagtac 1140
tagactaaag ataaaaagac tagataaaag tactagacta aagacagagc tgacccatga 1200
cagatggagt cttgctctgt cacacatgct agagtccagt ggtatgacct cagctcactg 1260
caatctctgc ctcccgggtt caaatgattc ttctgccttg acctccctgg cagctgggac 1320
tacaggcctg caccaccacg cctggcaaat tttttaattt tttttagtag agatggggtt 1380
tcaccatgtt ggccaggcta gtctcgaact cctgacctca aatgatctgc ccgctttggc 1440
cttccaaagt tctgggatta taggagtgag ccaccatgcc cagcctgttc ttaagtctcc 1500
tagaacaggg attctgaaac acaaaactca tctgtttacg cactgagagc atctaaagaa 1560
tttgaatgag gagcaaagct ttttcaaagg ttggattaaa ctacaattgt cctctccaaa 1620
gaatgttcag ctatccttta tgtactctgt tgcaagtatt tcaagaagga ggtgagaata 1680
tatgaggttc acgtagcagc aaaggaacta catggtagaa gagggcacct tttttccaac 1740
atctctttat gctaatgttg tacatctgca agatgcaaga agaggacaag agcctatttt 1800
tgtagcattc ttgagtcaag agcttccatg aaaagcttta agtagcaaca agcctgccat 1860
tgaaaaagaa atatttggtt tggaatttga gattgttaaa aatcattata gaatgcatgt 1920
tctactgtga aataaactga taaatgaata gtatgttggg gcagcccctg aaaggtcatt 1980
tacactacct agatgcttta tagttaagga aagtaggtcc agagagggga aatgatctga 2040
ccatggtttc aaagttattt agtaagaaat agaatgagga gtagttctcc tgacatttag 2100
ataataggac caccatagaa aggtggtttt atgattccat taagatttgg atcatttttt 2160
tcaaggcttt gaaagtgagt ggtaaaattt ctattttcat tatctctgga gcagtatact 2220
agagtatacc agatatataa aaaagccttt catctaaaag gtaaatgaac aaattccccc 2280
caaaccaatg aataatatat aaaatgaaac ttcagaatac accatcaaag tggcaagaaa 2340
ataagaaatc ttaagaggaa taaaaaactt aaaaagttaa agcaagaatc taggaaatta 2400
agctagtata attttaaggc aaaaatgaaa gaaaattata aaggatggta tactatttat 2460
ttatgctgat cactgaatag tctcaactct ctgacttctt ggcccatagt aagattgtac 2520
tgcctggatt cccatgtgac caattctggc cagtgtcttg tgagagaaac taatgtgtct 2580
ctctggcttt gggctaagca tttaattgtc agtgagatcc tccagtgctt gttttctctc 2640
tagtaggatg attgacaata ttccacatag cattttcttc cacattttct ggtatatcat 2700
accacgtgtg atatgatttg gctgtgtccc aacccaaata tcatcttaaa ttcccacctg 2760
ttgtgggagg gatctgttgg ggggtaattg aatcatgggg gcatgacttt cctgtgctgt 2820
tcttatgata gtgaataagt gtcataagat ctgatggttt tataaggggg agtttctttg 2880
tacaagctct cttcccttgt ctgccaccat gtgagatgtg ccttttacct tctgccatga 2940
ttgtaaggcc tccccagcca tgtgggacag taagtcatta aatctctttc ttttgtaaat 3000
tgcccagtct tgggtatgtt tttatcagca gtgtgaaagt ggactaatac aacatgggaa 3060
ttatgggagc tacaagatga gatttgggtg ggtacacaga gccaaaccat ataaataatc 3120
ttctcagtag atgtgaaata aatactatta ttatttccac ttcatgaaaa aactgaagaa 3180
gcgcaaaagc tttaagtaat ttgcttcaag gtcacaaagt tactaaatta cagaactagc 3240
attattgtca gtaagaagga aaattacccc tattgtaaag tctaatatgc aatggcatga 3300
catatgaaga tactaatata tatgaggata tacctaaatt tcagaatgac gacacaaaac 3360
taccaaataa taatgattag agaagttatg aaaatgaaat agaactaaaa ccctcagcaa 3420
aaatagtata tagtttggaa aaggatggag attagatgtt caagtgttgt aagcttctcc 3480
cagtgttcaa aagtagagca aatatataaa tttttatttt attttgtttt atttcatttt 3540
aagacagcat cacagtggtg caatcatgga ttagtgcagc ctcaacttcc caggctcaag 3600
caatcctcct gcctcagcct ccttcgataa ttttaaactt tgtaaaatat ttggcaaaat 3660
atttataagt ggccactaca aagtcagcta aaaagtgtat actctccaac tggagaagat 3720
tagagaatta ataatagaga aaagactgaa tcaatttaaa gggagacaag aacgtgggaa 3780
aaaatggaaa aagcaagaca aataaaaatt aggtggtaga aagtagaatt agtaatttcc 3840
attgatgtaa gtggacttac tctttattta caacacagaa attttgaatg agtaacttga 3900
tatcaaaatt aaaaatagtg gaagtaataa gaaatacata ttatttctat tcatgttaaa 3960
atttttaaca tggtattagc aaaaataaat gaacaatcta aaaatgtata atacattatg 4020
aatgtttaga ttctccagga ctgcaaggta ggtttaatat taaaaaacca attagtataa 4080
attaatttta ttagcatatg attacaaaag aaaaatgcat gaccttctca acgggtataa 4140
aagaagcatt cactgacatt caatatccat gcttgataaa atttacggta aactagaatc 4200
agaagtgata tttaataagt acatgttgaa atacatagaa gatgccatgt cctgaatgtt 4260
tgtgtcttcc caaaattcta tgttgaaaac atagtcacct gtatgattgt gtaagaaggt 4320
gggttctttt gagaggtgat taggtcatga gggtagaatc ctcatggaaa agactagtgc 4380
cattataaaa gaggccccag agacctgcct ttcccctttc accatctgaa gacacagtta 4440
gaaggcatct tctatgaccc agaaaattgg tcttcatgag acattgactc tgctggcacc 4500
ttgatcttgg actctccagc ctccagaact gggagaaata aatttctgtt gtttacatgc 4560
tacccagtat atagtttttt gttatagtag cctgaatgga ctaagacaaa agacaaaaat 4620
gctcaccata actacttatt ttcaataatt ttctggaagt ccaaagcaag aagaagatat 4680
aaaagttaga aatactttta tagaagatag aaaagttaga aaaggacagc ataatgttgc 4740
tgttattatt cacatataca ttgtttccat ataaaatgta aagcatgtac tgataaacta 4800
ctagacttga acaggaaact ttgcaatgtt gatcaaaaca atagctctat ataaaattca 4860
atttgcattc ccatgcctaa tcaatgagaa ttagaaaatt taatgcaaaa atgatattat 4920
ttacaataac agcaaaaata caatgtattc acctctccat tcacatgtat acttataaga 4980
agaaataaaa gaaagatttt tatgacataa agaaaaatta taaaacttaa taacattaaa 5040
agagatttaa accaatggga aggtaaggta taccacgttc ataaacagaa agagtccagt 5100
agtttaaagc taccaagttc tctcttaaaa cttaagtcaa aaacttacca agacttttgt 5160
acaacttgac aaattaattc taaaattcta aattgattct aaaatttttg tgaaggagga 5220
agagctaaca acagccaaaa cacccctgaa ggaatgggag gagaaagcag aaaacatgtc 5280
ctattggatg tcaagatctt tgcataaagc actttagtta gaaatgcaat tttgacttaa 5340
agatagaaaa ataaatcaat taaatcagaa gagaattagc aaaaacagac ccacaaatat 5400
atggaaatga tatataataa aacttacagt acaaataatt gtgtaaagga aagacaactt 5460
aatgatacta gaaaaatagt tatttatata aaaaattaaa ttagatttct ctctgtgtat 5520
aaaaatctat tccagttaaa gtcttaaatt tgaaagtgag tcattttaga ttttatttta 5580
attttagaag acaatatagg agaatatcta tatgaccttt gggtggaaga aaattttata 5640
accaagacac agaagtgctt tcataacata aatttgta 5678
<210> 7
<211> 1705
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 7
ccccgttccc gtgtctgtaa atcagagatg gtacccactt cgtagttcgc tgtgaagcct 60
gtgagcgagg aggggcttta aaatacagaa ctttgcactg gagcgctccc cgtcctcgca 120
gcctgcttgg tgtgcaggtg gttcccaggc ggcttctgct tccgaaaagc agatcgtccc 180
tttatctcga gtcttctccc cgcctctccc tcttctccct accctatttg tcttcttggg 240
aacaaatggc acattcatca gagtggagat ccataaacgg gactggcgag ccgaagattt 300
aattctgaag aataggatct gctctgtgct ttcaggttaa aaagctgtaa atatctttgt 360
aattctagca gtactttgcc ctcttctgcc atctgaacgc gtgctccctg ctgacctcat 420
cggctcccat aaagatacga gatagggttt cgccatgttg cccaggctgg tctggaactc 480
ctgtattcaa gccatccgcc cgcctcggcc tctcgaaggg ctgggattac aggcgtgcgc 540
cactgcgccc tgccccttaa cagatttttg ttagtgggaa tacgtagttc cccgcgcttc 600
aagaaaatag agtcttccgc gagaggccga gatatgaaca acccttcacg ttaggaatct 660
gaaaaggacc attggggtct ggagtaaaaa attctctttc cacagcagga atcaagggtg 720
gcctgtctgc ctctgctcag agggttcctg ttacaggata attgttttga aaagagtaaa 780
atcatgactc ctctacaaat ataaaatgca cacacatcaa agactttaat tcattaatga 840
atgaggagac cagtaaagct agccctgtcc agaggaaaac acaaagtgta cacacatata 900
taggcaatca ggaatgctga aacgaacatg ttaataaatg cacaactggc cgggtgcagt 960
ggctcatgcc tgtaatccca gcactgtggg aggctgaggc gggcagatca cttgaagtta 1020
ggagttcaag accagcctgg ccaacatctt gaaacctcat ctctactaaa aatacaaaaa 1080
attagccggg cgtgatagtg cacgcctaca aatcccagct actcgggagg ctgcggcaga 1140
agaatctctg gaacctggga agcagaggtt gcagtgaact gagatcacac cactgcactc 1200
cagcctggac cacagagcaa aactctgtct taaaaattat atttttaata aaaataaata 1260
ataaatgcag aactggcctc ggggtgctgg gagagcaatt gcacttctac caggcatctc 1320
tatggacaag aatcattggc attcctatga attttctaca acttaccaag ttggaaaata 1380
gctgcaagat tttataaggc aaaaatcact aaaaaatcag gtaatccaga aaggtgcttt 1440
agataaggcc tagcatgcca caggacaccc aataattttt ggagtttttg ccattttaac 1500
ttttttagtt tttccagaca ttcccaaggt ggcaccttcc atagttgtac agtttcaact 1560
gtgttaaaat ttctttgtcg gggactgttg tggggtgggg gaacggggag ggatagcatt 1620
aggagatata cctaatgcta agtgacgagt taatgggtgc agcacaccaa catggcacat 1680
gtatacatat gtaacaaacc tgcac 1705
<210> 8
<211> 783
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 8
agactccggt tgatgagctg ctggctgcct agaaccttac agatggctta tttcagggag 60
agtgaatgca tagaactgta ttctcatagg cctgttggta agagggcata ttagacccta 120
aagcttttgg ataaagagaa ataaagattt gcttaataat aaatcaagaa tgtctcctct 180
tagagatgga gccccactct gttgcccaga ctggagtgca gtggcgtgat ctcggctcac 240
cgcaacttcc gcctcccggg ttcaagtgat tctcctgcct cagccttcca actagctggg 300
attgcagtgg gaaatctgaa aacgtggaaa cccaatccca tgagtcatct ctgaaaggat 360
cacatgtaag gtctgggaag atgggtctct actgacagtg tgacaggaaa ggttgtccct 420
tccttcaggg tttgtaaaag aagtaataag tcaaccaaga gtgacctgct gttggagcaa 480
aacagggaca cactatagaa tatggaagaa gagggacgat gtctagccaa ataaggaact 540
gaaggttctg atgaaaccac ttgtaacttt cagcctggtt gcctagcttt gctacagaaa 600
gttgaggtcc agtcactttg ggtacagggt acagatgaag aaggagcacc cccaggaggc 660
tacagtgtga aggcagttca ttgctaatgc tatgaatctt gaagcagtag gaagaatcca 720
cattctactt ccccgttttc atatgcagga gtacagaatg aactattaat acacaaatgg 780
att 783
<210> 9
<211> 638
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 9
ctcgccctgc cgccgccggt gctccgtcgc cgccgcgccg ccatggaatt cgaacgctga 60
cgtcatcaac ccgctccaag gaatcgcggg cccagtgtca ctaggcggga acacccagcg 120
cgcgtgcgcc ctggcaggaa gatggctgtg agggacaggg gagtggcgcc ctgcaatatt 180
tgcatgtcgc tatgtgttct gggaaatcac cataaacgtg aaatgtcttt ggatttggga 240
atcttataag ttctgtatga gaccactttt tcccataggg cggagggaag ctcatcagtg 300
gggccacgag ctgagtgcgt cctgtcactc cactcccatg tcccttggga aggtctgaga 360
ctagggccag aggcggccct aacagggctc tccctgagct tcggggaggt gagttcccag 420
agaacggggc tccgcgcgag gtcagactgg gcaggagatg ccgtggaccc cgcccttcgg 480
ggaggggccc ggcggatgcc tcctttgccg gagcttggaa cagactcacg gccagcgaag 540
tgagttcaat ggctgaggtg aggtaccccg caggggacct cataacccaa ttcagactac 600
tctcctccgc ccatttttgg aaaaaaaaaa aaaaaaaa 638
<210> 10
<211> 1443
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 10
gaggcgggag aggcagaggc agaggcagca gctgctacgg gaaagcagag ctctatggtg 60
tatgtgtgca tgtgtctaac ccaagccagc cccacaccgg agcggccgcc ggagcgaaaa 120
gggcctgact tttccacaag tgtctccaac tcctcaggca aaagagacac ccacaggtta 180
tggctgtatt gcccaggctg gagtgcagtg cagtggcatg atcacggctc actgcagcct 240
tgactttctg ggactgaagc catcctccca cctcagcttc ctgggaagcc aggactacag 300
agatggggtc tcactatgtt gcccaggctc aagggatcct cctgcctcag gctcctgaat 360
agctggaact acaggagacc actgcactca gctagggatt ttttgatgga gaaaaaaaaa 420
acacacagat gagattagaa gaagatctgc tacagcaaca gaaaaagaga atgccaagaa 480
ggggaagagt gaaggctgga gagcggaagc caatgccaaa acattccgaa gctacccaac 540
atctaagaaa ggtggcctga gggagattgc aagcactaac cgctaaacgc taaatgaagg 600
gttagatctt atctatgtcc agaaggagta ataagaaaga atgcgtatct ccaaaagctg 660
aaagatttgg acaggaccca aggcggaggc ctggcatttt tctaaattga gatgccaatc 720
ccatcatacc ttaggactat aagattcaag gatgaagact ggctcccccg gtggggcaaa 780
atcagtggat gggacacaac acatctgcca tcatgatgaa aacagtaaac ctctactgag 840
gctccactct tgaagcgtgc ctctgtcaga ccctagttat ccaaggctgg tgctcaaggg 900
aaaaaggacg cagtcttgga aggccaggaa gcttctgtct tactcattag cctgatatgc 960
cagctccatg taggtattct taagtctttc tttttttttt cttttgaaat ggagtcttgc 1020
tctgtcacca gtgcagtggt gcctcttggc tcaccacaac ctccgcctcc caggttcaag 1080
cgattctcct gcctcagcct cctgagtatc tgggactaca ggtgtgtgcc accacgccca 1140
gctaattttt gtatttttag tagaaacggg gtttcaccat attggccagg ctggtcttga 1200
actcctgatc tcaagtgatc tgcctgcctc gaggtattct tagtcttaaa tgtgctactg 1260
tagacacata ttattgtcac ataggttaat atttctcttg gagaaagaac tgaggcagga 1320
cacctgaagg tactctttca ggcaacattt tcacttagga aagttctaaa ttgagtttgt 1380
atcattccgt gtccctcctc ctctcccttt ctcttttctc ttcccttctc tcattgtccg 1440
aaa 1443
<210> 11
<211> 851
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 11
agcagctgcc tctgggtggt ggcagagatg cccatgtcta ggacctccag gccttaacta 60
atcaggggca ctgatgaagc cagcggggct ccactgggga ccacaggcaa gactgggcca 120
ggacgaggcg gtcacgcaga gaaagaagat aaaagggaac agaagagaaa attcaaaagg 180
agcacgggcc tccccgggag tgggcttcag cctccctaga ctcctgtctc cttccaaggg 240
ctaggcctgg gggaccagaa gcaagagtcc ctagagcgtc caagattttt ggtttcaaac 300
caatttcctg ctgaccagaa tgaaatggag ccacattcca gcacgatgca cctgctgacc 360
tcctgcaagt cagggacctt ctctgcccct cttttgctct gctgcaggag ggagaagctg 420
ggaatgtgtt cctctggggt cccatcacct ccagccagcc actgtccctg tctccccaaa 480
acctcctcgt tgtccctcct ctgtcctcct cctcctccat ctgccttcgc cctgctctcc 540
tctttttcgc ctgaggttcg tgctgcctcc tcacctcttg tcctgtttct cccttctctc 600
tgctccctcc tttgatcttg ctattttgct tctctttccc ttcctctctt ctcctccctc 660
cccttcctcc ctgctccctg cctcagcttc tcagtctctc tccgttcttc ctctagcttc 720
cttccctccc cagaagaccc agcccttcct agagccccag aagccagggt tcatgcccca 780
gctctctacc cacacatgct gtgcaaccct gggccagtca ctggtctctt gggcctcagt 840
tcaacagatg g 851
Claims (21)
1.一种用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果的生物标志物组合，包括以下生物标志物组合中的一种或两种：
组合一：TXN2、TMEM230、SERTAD3、PROSER2、CCDC175；
组合二：LINC01748、AP000640.1、AL356807.1、AL355075.4、AL353648.1、AC090559.1。
2.根据权利要求1所述的生物标志物组合，其特征在于，还包括以下一种或多种生物标志物：γ-谷氨酰转肽酶、糖化白蛋白、甘油三酯、空腹血糖、脂蛋白、总甲状腺素、总四碘甲状腺原氨酸或总三碘甲状腺原氨酸。
3.一种用于检测权利要求1或2所述的生物标志物组合的试剂，其特征在于，所述试剂包括与权利要求1所述的生物标志物组合或者它们的表达产物特异性杂交的生物分子或者以权利要求2所述的生物标志物组合为检测目的物的检测试剂。
4.如权利要求3所述的试剂，其特征在于，所述生物分子包括选自引物、探针和抗体中的一种或多种。
5.如权利要求3或4所述的试剂，其特征在于，所述试剂还包括将权利要求1所述的生物标志物组合的RNA制备成高通量测序文库的相关试剂。
6.权利要求1或2所述的生物标志物组合和/或权利要求3至5任一项所述的试剂在制备试剂盒中的应用，所述试剂盒用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果。
7.如权利要求6所述的应用，其特征在于，所述试剂盒的检测样品包括血浆、血清、全血、尿液、羊水中的一种或多种。
8.检测产品，其特征在于，包括如权利要求1或2所述的生物标志物组合和/或如权利要求3至5任一项所述的试剂。
9.如权利要求8所述的检测产品，其特征在于，所述检测产品包括芯片、试剂盒中的一种或多种。
10.一种用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果的装置，其特征在于，所述装置内置有妊娠期糖尿病风险预测模型，所述预测模型是通过利用来源于已确诊患有妊娠期糖尿病的孕妇和健康对照孕妇的生物样品中如权利要求1或2所述生物标志物组合的检出量训练计算机而产生。
11.如权利要求10所述的装置，其特征在于，所述训练计算机是通过机器学习方法来实施。
12.如权利要求11所述的装置，其特征在于，所述机器学习方法包括以下一种或多种：广义线性模型、梯度提升机、随机森林、支持向量机。
13.如权利要求11或12所述的装置，其特征在于，所述机器学习方法自动计算得出风险分数。
14.如权利要求13所述的装置，其特征在于，所述风险分数大于阈值表明所述孕妇患有妊娠期糖尿病或者存在患有妊娠期糖尿病的风险或者预后效果差。
15.如权利要求14所述的装置，其特征在于，所述阈值为0.5。
16.一种用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果的模型的构建方法，其特征在于，所述构建方法包括检测来源于妊娠期糖尿病的孕妇群体和非妊娠期糖尿病的孕妇群体的生物样品之间差异表达的指标的步骤，其中所述差异表达的指标包括权利要求1或2所述的生物标志物组合。
17.如权利要求16所述的构建方法，其特征在于，所述差异表达的指标还包括年龄和/或孕前BMI。
18.如权利要求17所述的构建方法，其特征在于，所述生物样品为以下一种或多种：血浆、血清、全血、尿液、羊水。
19.如权利要求16至18任一项所述的构建方法，其特征在于，所述生物样品在孕妇第11至25孕周时采集获得。
20.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求16至19任一项所述的用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果的模型的构建方法。
21.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求16至19任一项所述的用于检测妊娠期糖尿病或者预测患妊娠期糖尿病的风险或预后效果的模型的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111520110.7A CN114236123B (zh) | 2021-12-13 | 2021-12-13 | 标志物在预测妊娠期糖尿病风险中的应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111520110.7A CN114236123B (zh) | 2021-12-13 | 2021-12-13 | 标志物在预测妊娠期糖尿病风险中的应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114236123A CN114236123A (zh) | 2022-03-25 |
| CN114236123B true CN114236123B (zh) | 2024-04-19 |
Family
ID=80755291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111520110.7A Active CN114236123B (zh) | 2021-12-13 | 2021-12-13 | 标志物在预测妊娠期糖尿病风险中的应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114236123B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0800702D0 (en) * | 2008-01-15 | 2008-02-20 | Glaxo Group Ltd | Genes |
| CN102031261A (zh) * | 2010-10-27 | 2011-04-27 | 南京医科大学 | 一种与妊娠期糖尿病相关的血清/血浆miRNA标志物及其应用 |
| KR20130015414A (ko) * | 2011-08-03 | 2013-02-14 | 주식회사 바이오인프라 | 임신성 당뇨 조기 진단 방법, 임신성 당뇨의 진단을 위하여 아포립포프로틴 씨쓰리를 바이오마커로 사용하는 방법 및 임신성 당뇨 조기 진단 정보 처리 방법 |
| CN103205505A (zh) * | 2013-05-03 | 2013-07-17 | 周玲 | 一种诊断妊娠糖尿病的microRNA分子标志物及其检测试剂盒 |
| CN113008972A (zh) * | 2021-02-26 | 2021-06-22 | 南芯芯仪(广州)制造有限公司 | 用于妊娠期糖尿病诊断的血清代谢标志物及其应用 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015197915A2 (en) * | 2014-06-23 | 2015-12-30 | Wallac Oy | Biochemical markers for use in determining risk of diabetes |
| EP3847279B1 (en) * | 2018-09-05 | 2024-03-06 | Amoneta Diagnostics SAS | Long non-coding rnas (lncrnas) for the diagnosis and therapeutics of brain disorders, in particular cognitive disorders |
-
2021
- 2021-12-13 CN CN202111520110.7A patent/CN114236123B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0800702D0 (en) * | 2008-01-15 | 2008-02-20 | Glaxo Group Ltd | Genes |
| CN102031261A (zh) * | 2010-10-27 | 2011-04-27 | 南京医科大学 | 一种与妊娠期糖尿病相关的血清/血浆miRNA标志物及其应用 |
| KR20130015414A (ko) * | 2011-08-03 | 2013-02-14 | 주식회사 바이오인프라 | 임신성 당뇨 조기 진단 방법, 임신성 당뇨의 진단을 위하여 아포립포프로틴 씨쓰리를 바이오마커로 사용하는 방법 및 임신성 당뇨 조기 진단 정보 처리 방법 |
| CN103205505A (zh) * | 2013-05-03 | 2013-07-17 | 周玲 | 一种诊断妊娠糖尿病的microRNA分子标志物及其检测试剂盒 |
| CN113008972A (zh) * | 2021-02-26 | 2021-06-22 | 南芯芯仪(广州)制造有限公司 | 用于妊娠期糖尿病诊断的血清代谢标志物及其应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114236123A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230203573A1 (en) | Methods for detection of donor-derived cell-free dna | |
| JP7319553B2 (ja) | 在胎週数および早産を予測する胎児発達のための非侵襲的分子時計 | |
| CN114606309A (zh) | 使用机器学习和高维转录数据的诊断系统和方法 | |
| CN106978480A (zh) | 用于癌症的分子诊断试验 | |
| KR20100016525A (ko) | 녹내장 진행 리스크의 판정 방법 | |
| CN104968802B (zh) | 作为诊断标志物的新miRNA | |
| CN110257497B (zh) | 血清/血浆LncRNA标志物ENST00000449605.1及其应用 | |
| JPWO2020168118A5 (zh) | ||
| CN115135779A (zh) | 鉴定宿主rna感染生物标志物 | |
| CN105441454B (zh) | Scap基因突变体及其应用 | |
| CN104745592B (zh) | Cyp4v2基因突变体及其应用 | |
| CN114236123B (zh) | 标志物在预测妊娠期糖尿病风险中的应用 | |
| CN107447008B (zh) | 用于诊断不明原因复发性流产的增强子rna组合、引物组及应用和试剂盒 | |
| CN114717303B (zh) | 基于多重pcr及高通量测序技术检测成骨不全症相关基因的引物组、试剂盒及应用 | |
| WO2020021028A1 (en) | Biomarkers for the diagnosis and/or prognosis of frailty | |
| GB2454799A (en) | Diagnosing infection, SIRS or sepsis using RT-PCR and biomarkers | |
| CN110878346B (zh) | 基因突变体及其应用 | |
| CN106498051B (zh) | Znf800基因在制备骨质疏松症早期筛查产品中的应用 | |
| US20210027856A1 (en) | Screening system and method | |
| CN116179681B (zh) | 环状rnazbtb10及其检测引物和用途 | |
| CN113817818B (zh) | 用于诊断过敏性气道炎症的工具 | |
| CN108753950B (zh) | 血清中LncRNA作为URSA诊断及妊娠结局评估标志物的应用 | |
| JP2023002298A (ja) | 糖尿病指標値の検出方法 | |
| JP2023002299A (ja) | 内臓脂肪面積の検出方法 | |
| CN114410770A (zh) | 诊断金黄色葡萄球菌血流感染的检测方法及其试剂盒 |
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 |