CN114252612B - 基于神经细胞粘附分子的肝癌转移预测系统及方法 - Google Patents
基于神经细胞粘附分子的肝癌转移预测系统及方法 Download PDFInfo
- Publication number
- CN114252612B CN114252612B CN202111514232.5A CN202111514232A CN114252612B CN 114252612 B CN114252612 B CN 114252612B CN 202111514232 A CN202111514232 A CN 202111514232A CN 114252612 B CN114252612 B CN 114252612B
- Authority
- CN
- China
- Prior art keywords
- liver cancer
- analysis
- sample
- cancer metastasis
- cell adhesion
- 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
- 201000007270 liver cancer Diseases 0.000 title claims abstract description 266
- 208000014018 liver neoplasm Diseases 0.000 title claims abstract description 266
- 206010027476 Metastases Diseases 0.000 title claims abstract description 187
- 230000009401 metastasis Effects 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 27
- 210000002569 neuron Anatomy 0.000 title claims abstract description 23
- 102000016289 Cell Adhesion Molecules Human genes 0.000 title claims abstract description 22
- 108010067225 Cell Adhesion Molecules Proteins 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 8
- 210000004027 cell Anatomy 0.000 claims abstract description 7
- 102000001068 Neural Cell Adhesion Molecules Human genes 0.000 claims description 48
- 108010069196 Neural Cell Adhesion Molecules Proteins 0.000 claims description 48
- 206010028980 Neoplasm Diseases 0.000 claims description 25
- 238000011282 treatment Methods 0.000 claims description 15
- 210000004369 blood Anatomy 0.000 claims description 13
- 239000008280 blood Substances 0.000 claims description 13
- 238000007477 logistic regression Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 108010094028 Prothrombin Proteins 0.000 claims description 7
- 102100027378 Prothrombin Human genes 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 201000011510 cancer Diseases 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 claims description 7
- 230000001575 pathological effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 229940039716 prothrombin Drugs 0.000 claims description 7
- 230000010100 anticoagulation Effects 0.000 claims description 6
- 230000009545 invasion Effects 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 6
- 102000004169 proteins and genes Human genes 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 241000700721 Hepatitis B virus Species 0.000 claims description 5
- 238000003118 sandwich ELISA Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 208000002672 hepatitis B Diseases 0.000 claims description 3
- 238000011221 initial treatment Methods 0.000 claims 1
- 230000004083 survival effect Effects 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 210000002966 serum Anatomy 0.000 description 17
- 210000001519 tissue Anatomy 0.000 description 11
- 102000013529 alpha-Fetoproteins Human genes 0.000 description 10
- 108010026331 alpha-Fetoproteins Proteins 0.000 description 10
- 108010063628 acarboxyprothrombin Proteins 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000001394 metastastic effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 206010061289 metastatic neoplasm Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009456 molecular mechanism Effects 0.000 description 4
- 230000000683 nonmetastatic effect Effects 0.000 description 4
- 230000009400 cancer invasion Effects 0.000 description 3
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241000711549 Hepacivirus C Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 210000000805 cytoplasm Anatomy 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002055 immunohistochemical effect Effects 0.000 description 2
- 238000003364 immunohistochemistry Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000022309 Alcoholic Liver disease Diseases 0.000 description 1
- 206010008909 Chronic Hepatitis Diseases 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000021164 cell adhesion Effects 0.000 description 1
- 230000024245 cell differentiation Effects 0.000 description 1
- 230000003915 cell function Effects 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000000405 serological effect Effects 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- 210000003462 vein Anatomy 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
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57438—Specifically defined cancers of liver, pancreas or kidney
-
- 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
- G01N33/531—Production of immunochemical test materials
- G01N33/532—Production of labelled immunochemicals
- G01N33/535—Production of labelled immunochemicals with enzyme label or co-enzymes, co-factors, enzyme inhibitors or enzyme substrates
-
- 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
- G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
- G01N33/54306—Solid-phase reaction mechanisms
-
- 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
- G01N33/6863—Cytokines, i.e. immune system proteins modifying a biological response such as cell growth proliferation or differentiation, e.g. TNF, CNF, GM-CSF, lymphotoxin, MIF or their receptors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
- G01N2333/70503—Immunoglobulin superfamily, e.g. VCAMs, PECAM, LFA-3
- G01N2333/70525—ICAM molecules, e.g. CD50, CD54, CD102
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Cell Biology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Gastroenterology & Hepatology (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及细胞监测技术领域，公开了一种基于神经细胞粘附分子的肝癌转移预测系统及方法，包括样本采集模块、样本分析模块和控制模块；样本采集模块，用于采集多个特定目标的分析样本形成第一分析样本，并将第一分析样本发送至样本分析模块；样本分析模块通过对第一样本的分析与处理，找到与肝癌转移最相关的指标并建立预测模型，从而对肝癌是否发生转移作出准确性判断，最后将判断结果实时显示在控制模块的显示单元中。本发明具有提高对肝癌转移预测准确性，保障肝癌患者的生存率和生存质量的有益效果。
Description
技术领域
本发明涉及细胞监测技术领域，具体涉及一种基于神经细胞粘附分子的肝癌转移预测系统及方法。
背景技术
肝细胞肝癌（Hepatocellular carcinoma，HCC）是全球最常见的恶性肿瘤之一，作为恶性肿瘤，其发病率排全球第五名，致死率则排名第三，严重危害人类的健康[1]。肝细胞肝癌(以下简称肝癌或HCC)主要致病因素包括乙型肝炎病毒（hepatitis B virus, HBV）感染、丙型肝炎病毒（hepatitis C virus, HCV）感染及酒精性肝病。
近年来，虽然各种治疗方法不断改进，但是肝癌的死亡率仍高居不下，究其原因主要是肝癌切除术后高的复发率以及肝内外转移，因此深入探索肝癌侵袭转移的分子机制，并以此为基础筛选判断肝癌的预后指标，是发展防治肝癌侵袭转移的有效措施，具有十分重要的临床意义。随着科学技术的发展，不断有肿瘤预后判定生物标志物运用于临床实践中，肝癌作为高发病率肿瘤，其分子判断研究也跃上了新的平台。肿瘤标记物的存在或量变可以显示肿瘤的性质和反映肿瘤细胞的生物学特性和活动状况，如肿瘤组织发生、细胞分化、细胞功能，以检测癌症在早期阶段、预测生存和复发和监测治疗效果。
自从20世纪80年代食品药品监督管理局（FDA）批准以来，测定血清甲种胎儿球蛋白（AFP）浓度一直是肝癌判断的常规方法之一，尽管AFP对早期和极早期的肝癌的判断更加敏感，但AFP在慢性肝炎患者，肝硬化或其他肝病患者中也有所升高，其特异性不尽如人意。异常凝血酶原（PIVKA-II），又称脱-γ-羧基凝血酶原(DCP)，虽然 PIVKA-II在肝癌中产生的机制仍未完全阐明，但其对肝癌的判断价值已受到了国际上的肯定。由于血清PIVKA-II对肝癌的判断药时曲线下面积（AUC）、灵敏度、特异度均优于AFP，PIVKA-II的检测已被纳入日本肝癌高危人群的筛查管理项目。但是，据不同研究报道AFP和PIVKA-II的预测判断效力只能达到70%-85%，其准确性受到广泛质疑。因此，寻找新的血清学肿瘤标志物对于预测肝癌转移具有重要意义。
发明内容
本发明意在提供基于神经细胞粘附分子的肝癌转移预测系统，以解决现有技术中对肝癌转移预测准确性不高的技术问题。
为达到上述目的，本发明采用如下技术方案：基于神经细胞粘附分子的肝癌转移预测系统，包括样本采集模块、样本分析模块和控制模块；
样本采集模块，用于采集多个特定目标的分析样本形成第一分析样本，并将第一分析样本发送至样本分析模块；
样本分析模块，包括预先处理单元和样本分析单元，预先处理单元，用于对第一分析样本进行初步处理，得到第二分析样本；样本分析单元，用于根据预设的分析策略对第二分析样本进行分析处理，并得到肝癌转移预测的分析结果；
控制模块，包括数据存储单元和显示单元，数据存储单元，用于存储第一分析样本和第二分析样本的相关信息以及分析结果；显示单元，用于显示肝癌转移预测的分析结果。
本方案的原理及优点是：实际应用时，通过样本采集模块对特定目标采集分析样本，然后通过样本分析模块对分析样本作预先处理和分析处理，得到与肝癌转移相关性强的指标，并通过指标建立肝癌预测模型对肝癌患者是否会发生肝癌转移作出准确预测。相比于现有技术，本方案的优点在于在进行肝癌转移具体情况及原因分析时所采用的分析模型和分析手段更先进，使对与肝癌转移相关的指标分析得更全面，从而建立了准确性更高的肝癌转移预测模型，使对肝癌转移的预测能力得到明显提高，肝癌转移预测结果的准确性得到了有效保障，能够针对肝癌转移尽早作出干预手段，使肝癌患者的生存率和生存质量得到提高。
优选的，作为一种改进，特定目标包括肝癌无转移患者和肝癌有转移患者。
将特定目标设定为肝癌无转移患者和肝癌有转移患者，使采集到的分析样本更全面，从而利于对肝癌发生转移的相关性指标进行对比分析，得到与肝癌发生转移最相关的指标，进而提高对肝癌发生转移进行预测的准确性。
优选的，作为一种改进，分析样本为目标在空腹状态下的静脉血液样本。
正常人的血液中的化学成分含量受年龄、性别等影响，同时还受精神、饮食、活动及用药等因素的影响，血液中的化学成分会随以上状态变化而发生变化，因此分析样本采集空腹状态下的静脉血，此时体内各种物质达到相对稳定和平衡状态，能够较清晰、清楚地反映人体的生理状态，从而便于进行对肝癌发生转移的相关分析，保证分析结果的准确性。
优选的，作为一种改进，对第一分析样本进行初步处理为，对第一分析样本做抗凝处理。
临床做血液检验时,基本都是使用的血清,而不使用含血细胞的全血，因此对采集到的血液分析样本做抗凝处理，能够避免因血液发生凝集不利于吸取血清做血液检验的情况发生，保证了分析处理过程的顺利进行。
优选的，作为一种改进，预设的分析策略包括以下内容，
利用双抗体夹心酶联免疫吸附测定法检测样本试剂盒检测第二分析样本中神经细胞粘附分子的浓度；
分析特定目标的特征信息与神经细胞粘附分子蛋白水平的相关性，同时分析神经细胞粘附分子的表达水平与肝癌侵袭转移之间的关系；
利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标，并根据逻辑回归模型输出的筛选结果建立肝癌转移预测模型；
将第二分析样代入肝癌转移预测模型中，得到肝癌转移预测的分析结果。
通过此预设的分析策略，不仅能够分析出与肝癌发生转移的相关特征信息，同时能够通过逻辑回归模型筛选出与肝癌转移相关性最强的指标，并在此基础上建立肝癌转移预测模型，实现对肝癌转移的准确预测，使对肝癌是否发生转移的判断结果更准确，使肝癌患者能够得到相应的干预处理，极大程度上提高了肝癌患者的生存率。
优选的，作为一种改进，特征信息包括年龄、性别、乙肝病史、肝癌肿瘤大小、结节数量、肝癌肿瘤转移情况和肝癌肿瘤病理分化程度。
根据临床试验经验与医学常识，将可能与肝癌发生转移的因素都考虑在内，能够全面进行与神经细胞粘附分子蛋白水平的相关性的分析，从而得到这些因素与肝癌转移之间的相关关系，为后续对肝癌转移的预测提供可靠依据。
优选的，作为一种改进，利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标为，利用单因素回归模型分析出与肝癌转移具有强相关性的第一指标，并将第一指标中具有统计意义的第二指标纳入多因素回归模型进行相互校正，得到与肝癌转移相关性最高的具有统计意义的第三指标。
通过单因素回归模型与多因素回归模型的重重筛选，能够将干扰因素全部排除，得到与肝癌转移相关性最高的具有统计意义的指标，从而提高对肝癌转移预测的准确率，实现对肝癌转移的精准预测。
优选的，作为一种改进，第一指标包括乙肝病毒载量阳性、肝癌肿瘤大小、结节数量、肝癌肿瘤病理分化程度、巴塞罗那评级、血小板浓度、异常凝血酶原浓度和神经细胞粘附分子浓度。
通过单因素回归模型采集到的相关性强的指标，一方面能够侧面印证与肝癌转移相关的因素，另一方面，也能够通过对这些因素的统计筛选，选择出最具代表性的部分，实现对肝癌转移的准确预测。
优选的，作为一种改进，第三指标包括结节数量、巴塞罗那评级和神经细胞粘附分子浓度。
通过分析，选择了结节数量、巴塞罗那评级和神经细胞粘附分子浓度这三个最具代表性和统计意义的指标，来实现对肝癌转移的预测，从而能够在保证实现肝癌转移预测的功能基础上，大幅提高对肝癌转移预测的准确率，保证肝癌患者的生存率。
本发明还提供了一种基于神经细胞粘附分子的肝癌转移预测方法，包括以下步骤：
步骤S1，采集用于肝癌转移预测的分析样本；
步骤S2，对分析样本进行分析处理，得到与肝癌转移相关性最高的指标后建立肝癌转移预测模型；
步骤S3，根据肝癌转移预测模型对分析样本进行分析，得到肝癌转移预测的分析结果；
步骤S4，实时显示对肝癌转移预测的分析结果。
通过本方法，能够分析出与肝癌转移最相关的指标并根据这些指标建立预测肝癌是否发生转移的模型，从而实现对肝癌患者和已治疗肝癌患者是否会发生肝癌转移的准确分析判断，提高对肝癌转移预测的准确率，使肝癌患者能够尽早得到相应的处理，提高生存质量。
附图说明
图1为本发明基于神经细胞粘附分子的肝癌转移预测系统及方法实施例一的系统示意图。
图2为本发明基于神经细胞粘附分子的肝癌转移预测系统及方法实施例一的血清神经细胞粘附分子在肝癌中的表达及其与肝癌临床特征之间的关系示意图。
图3为本发明基于神经细胞粘附分子的肝癌转移预测系统及方法实施例一的血清神经细胞粘附分子在肝癌转移患者的组织中评分示意图。
图4为本发明基于神经细胞粘附分子的肝癌转移预测系统及方法实施例一的血清神经细胞粘附分子组织表达水平与发生肝癌转移率的示意图。
图5为本发明基于神经细胞粘附分子的肝癌转移预测系统及方法实施例一的分析流程示意图。
具体实施方式
下面通过具体实施方式进一步详细说明：
说明书附图中的标记包括：样本采集模块1、样本分析模块2、控制模块3、预先处理单元4、样本分析单元5、数据存储单元6、显示单元7。
实施例一：
本实施例基本如附图1所示：基于神经细胞粘附分子的肝癌转移预测系统，包括样本采集模块1、样本分析模块2和控制模块3；
样本采集模块1，用于采集肝癌无转移患者和肝癌有转移患者在空腹状态下的静脉血液样本形成第一分析样本，并将第一分析样本发送至样本分析模块2；
样本分析模块2，包括预先处理单元4和样本分析单元5，预先处理单元4，用于对第一分析样本进行抗凝处理，得到第二分析样本；样本分析单元5，用于根据预设的分析策略对第二分析样本进行分析处理，并得到肝癌转移预测的分析结果；
控制模块3，包括数据存储单元6和显示单元7，数据存储单元6，用于存储第一分析样本和第二分析样本的相关信息以及分析结果；显示单元7，用于显示肝癌转移预测的分析结果。
在样本分析模块2对进行抗凝处理后的静脉血液样本进行分析时，首先利用双抗体夹心酶联免疫吸附测定法检测样本试剂盒检测血清中神经细胞粘附分子的浓度，从而分析血清神经细胞粘附分子蛋白水平与患者的临床特征之间的关系，如表1所示，列出肝癌患者的年龄、性别、乙肝病史、肝癌肿瘤大小、结节数量、肝癌肿瘤转移情况和肝癌肿瘤病理分化程度。
表1：血清神经细胞粘附分子蛋白在肝癌肿的表达水平及其与肝癌临床特征之间的关系
如附图2所示，血清神经细胞粘附分子水平与肿瘤大小、数量及肿瘤病理分化程度无明显相关性，但在肝癌转移组及非转移组中差异明显，转移组患者神经细胞粘附分子水平明显升高（2091.184±892.501 vs. 1561.479±586.745，P=0.002），提示神经细胞粘附分子可能与肝癌的转移特性相关。
然后分析神经细胞粘附分子的表达水平与肝癌侵袭转移之间的关系，在发生转移肝癌和未发生转移的人肝癌组织中，利用免疫组化进行初步检测神经细胞粘附分子的表达情况。对39例肝癌组织标本进行分析，发现发生肝癌转移标本16例，未发生转移标本23例，则表明神经细胞粘附分子蛋白主要定位于细胞质与细胞膜上。
如附图3所示，根据Barnes评分标准进行免疫组化评分，结果显示：神经细胞粘附分子在16例肝癌转移患者的组织中评分为6.75±3.49，在未转移患者中为2.74±1.66。综上所述，神经细胞粘附分子在肝癌转移患者组织中表达水平比未转移患者高，两者差异具有统计学意义（P<0.001），提示神经细胞粘附分子表达水平可能与肝癌转移特性相关。
如附图4所示，将患者进行分类，分为神经细胞粘附分子相对低水平表达组（22例，0<评分＜4分）和相对高表达水平组（17例，4≤评分≤12分），结果显示以神经细胞粘附分子组织表达水平低与高进行分组时，低表达组发生肝癌转移率为18.18%，高表达组发生肝癌转移率为70.59%，两组差异有统计学意义（P<0.001），则得到神经细胞粘附分子表达水平越高肝癌发生转移的可能性越高的结论。
进一步，利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标，如表2所示，单因素回归模型中发现，乙肝病毒载量阳性（P=0.001）、肝癌肿瘤大小（P<0.001）、结节数量（P<0.001）、肝癌肿瘤病理分化程度（P=0.031）、巴塞罗那评级（P<0.001）、血小板浓度（P=0.023）、异常凝血酶原浓度（P=0.012）和神经细胞粘附分子浓度（P=0.014）与肝癌转移具有强相关性。将上述指标中具有统计意义（P<0.05）的指标纳入多因素模型进行相互校正，判断找出与肝癌转移直接相关的指标，分析得到多个结节（P=0.043）、巴塞罗那评级（P=0.036）和神经细胞粘附分子浓度（P=0.033）是与肝癌转移相关性最高的具有统计意义的指标。
表2：单因素和多因素逻辑回归寻找肝癌转移的关键预测因子
根据多因素回归模型分析得到的结果，结节数量、巴塞罗那评级和神经细胞粘附分子浓度与肝癌转移相关性最高，则利用这三个指标建立肝癌转移预测模型：
巴塞罗那评级（A=O，B-C=1）*2.511306+结节数量（单个=0，多个=1）*1.719567+神经细胞粘附分子浓度*0.001018
式中，评级A为早期肝癌的评级结果，评级B-C为晚期肝癌的评级结果；结节数量为癌细胞汇集点个数。
通过曲线下受试面积（ROC）的方法比较本肝癌判断模型与现有的甲种胎儿球蛋白、异常凝血酶原和神经细胞粘附分子单独预测肝癌转移的能力，本肝癌转移预测模型的判断能力（ROC 0.95 , 95%CI 0.90-0.99, P<0.001）明显高于单个指标的判断能力，包括神经细胞粘附分子(ROC 0.87, 95%CI 0.79-0.94, P<0.001)、甲种胎儿球蛋白(ROC 0.87,95%CI 0.80-0.93, P<0.001)和异常凝血酶原(ROC 0.84, 95%CI 0.77-0.92, P<0.001)。
利用肝癌转移预测模型对患者的分析样本进行分析，若计算得到的模型计算值大于2.37，则判断患者体内发生了肝癌转移现象，并通过多次测试分析得知，该肝癌转移预测模型的判断敏感性为73.1%，即不遗漏的几率为73.1%，特异性为88.37%，即正确判断的几率为88.37%。
如附图5所示，本发明还提供了一种基于神经细胞粘附分子的肝癌转移预测方法，包括以下步骤：
步骤S1，采集用于肝癌转移预测的分析样本；
步骤S2，对分析样本进行分析处理，得到与肝癌转移相关性最高的指标后建立肝癌转移预测模型；
步骤S3，根据肝癌转移预测模型对分析样本进行分析，得到肝癌转移预测的分析结果；
步骤S4，实时显示对肝癌转移预测的分析结果。
本实施例的具体实施过程如下：
第一步，采集肝癌无转移患者和肝癌有转移患者在空腹状态下的静脉血液样本。
第二步，在静脉血液样本中加入抗凝剂对静脉血液样本做抗凝处理，然后利用双抗体夹心酶联免疫吸附测定法检测样本试剂盒检测血清中神经细胞粘附分子的浓度，得到血清神经细胞粘附分子蛋白水平与患者的临床特征之间的关系。
第三步，分析神经细胞粘附分子的表达水平与肝癌侵袭转移之间的关系，在发生转移肝癌和未发生转移的人肝癌组织中，利用免疫组化进行初步检测神经细胞粘附分子的表达情况，对39例肝癌组织标本进行分析，发现发生肝癌转移标本16例，未发生转移标本23例，则表明神经细胞粘附分子蛋白主要定位于细胞质与细胞膜上。
第四步，根据Barnes评分标准进行免疫组化评分得到，神经细胞粘附分子在肝癌转移患者组织中表达水平比未转移患者高，两者差异具有统计学意义，则神经细胞粘附分子表达水平可能与肝癌转移特性相关；然后将患者进行分类统计，得到神经细胞粘附分子表达水平越高肝癌发生转移的可能性越高的结论。
第五步，利用单因素回归模型检测出了与肝癌转移具有强相关性的指标，再将指标中具有统计意义的指标纳入多因素模型进行相互校正，判断找出与肝癌转移直接相关的指标为结节数量、巴塞罗那评级和神经细胞粘附分子浓度。
第六步，根据与肝癌转移直接相关的指标建立肝癌转移预测模型，并通过肝癌转移预测模型对患者的分析样本进行分析，若计算得到的模型计算值大于2.37，则判断患者体内发生了肝癌转移现象，反之则没有发生肝癌转移现象。
第七步，控制模块3的显示单元7将对患者的分析判断结果实时显示出来。
近年来，肝癌的发病率呈逐渐升高的趋势，其特点是治疗效果差，病情进展迅速，生存时间短，死亡率高，虽然各种治疗方法不断改进，但是肝癌的死亡率仍居高不下，究其原因主要是肝癌切除术后高的复发率以及肝癌细胞发生转移。因此，系统深入探索肝癌侵袭转移的分子机制，并以此为基础筛选判断肝癌的预后指标，是发展防治肝癌侵袭转移的有效措施，具有十分重要的临床意义。针对肝癌的转移预测技术，由于之前检测设备及分析技术发展缓慢的原因，对肝癌的转移预测分析都是基于单一指标来完成的，例如有单独利用血清甲种胎儿球蛋白（AFP）浓度、异常凝血酶原（PIVKA-II）浓度和神经细胞粘附分子（NRCAM）浓度来判断肝癌是否发生转移的手段，其判断因素太过单一，导致单一指标来完成转移判断的准确率不能得到有效保证，而肝癌的转移过程是一个极其复杂的过程，其中涉及到的病理以及相关指标多样性强，导致利用多个指标联合分析预测肝癌转移的技术停滞不前，从而导致肝癌转移预测准确性只是得到了基本保证，因此肝癌患者的肝癌转移现象也不能保证准确及时被发现，严重危及患者的生命健康。
而本方案中，通过采集肝癌无转移患者和肝癌有转移患者在空腹状态下的静脉血液样本，利用双抗体夹心酶联免疫吸附测定法检测样本试剂盒检测血清中神经细胞粘附分子的浓度，从而分析血清神经细胞粘附分子蛋白水平与患者的临床特征之间的关系，再通过分析神经细胞粘附分子的表达水平与肝癌侵袭转移之间的关系，得到神经细胞粘附分子表达水平越高肝癌发生转移的可能性越高的结论；然后通过单因素回归模型和多因素回归模式分析出与肝癌转移相关性最高的指标，并根据分析出的指标建立肝癌转移预测模型，对肝癌转移情况进行准确分析判断，根据多个指标来对肝癌转移进行精准分析判断，提高了肝癌转移预测模型的判断能力，从而有效提高了临床肝癌转移预测能力，使肝癌患者的肝癌转移情况得到准确判断，从而提高了肝癌患者的生存率和生存质量。
实施例二：
本实施例与实施例一基本相同，区别在于：样本分析模块2能够结合肝癌转移预测模型分析对采集的分析样本深入分析，从而得到该肝癌患者的肝癌转移概率以及预计肝癌发生转移时间，并通过显示单元7显示出来。
本实施例的具体实施过程与实施例一相同，区别在于：
第六步，根据与肝癌转移直接相关的指标建立肝癌转移预测模型，并通过肝癌转移预测模型对患者的分析样本进行分析，若计算得到的模型计算值小于2.37，则判断患者体内没有发生肝癌转移现象，同时结合样本分析模块2对样本的深入分析，得到该肝癌患者的肝癌转移概率，并且预计该患者的肝癌转移发生时间。
第七步，控制模块3的显示单元7将患者没有发生肝癌转移现象的分析判断结果实时显示出来，同时显示该肝癌患者的肝癌转移概率以及预计该患者的肝癌转移发生时间。
结合实际情况，若当前肝癌患者没有发生肝癌转移现象，则能够有效检测得出，但是实际上若该患者平日的生活模式不健康以及受其他因素的影响，也有很大可能在以后会发生肝癌转移，因此通过深入分析将该患者以后发生肝癌转移概率以及预计的转移时间显示出来，给予患者及时提醒，从而好提前采取相应对策，提高肝癌患者的生存率。
实施例三：
本实施例与实施例一基本相同，区别在于：上述基于神经细胞粘附分子的肝癌转移预测系统中还包括智能模块，用以根据当前进行检测的肝癌患者的具体检测结果，向该肝癌患者提供健康生活方式和肝癌不复发的有效方法的建议。
本实施例的具体实施过程与实施例一相同，区别在于：
第六步，根据与肝癌转移直接相关的指标建立肝癌转移预测模型，并通过肝癌转移预测模型对患者的分析样本进行分析，若计算得到的模型计算值小于2.37，则判断患者体内没有发生肝癌转移现象，同时智能模块根据当前进行检测的肝癌患者的具体检测结果，向该肝癌患者提供健康生活方式和肝癌不复发的有效方法的建议。
第七步，控制模块3的显示单元7将对患者的分析判断结果以及智能模块提供的健康生活方式和肝癌不复发的有效方法实时显示出来。
针对肝癌没有发生转移的检测对象，智能模块通过分析相关数据向该患者提供健康生活方式和肝癌不复发的有效方法的建议，从而有效提醒患者如何主动保持健康、正向的恢复状态，使肝癌不再复发，极大程度上提高了肝癌患者的生存率。
以上所述的仅是本发明的实施例，方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明技术方案的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：包括样本采集模块、样本分析模块和控制模块；
所述样本采集模块，用于采集多个特定目标的分析样本形成第一分析样本，并将第一分析样本发送至样本分析模块，所述分析样本为目标在空腹状态下的静脉血液样本；
所述样本分析模块，包括预先处理单元和样本分析单元，所述预先处理单元，用于对第一分析样本进行初步处理，得到第二分析样本；
利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标；所述利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标为，利用单因素回归模型分析出与肝癌转移具有强相关性的第一指标，并将第一指标中具有统计意义的第二指标纳入多因素回归模型进行相互校正，得到与肝癌转移相关性最高的具有统计意义的第三指标；所述第三指标包括结节数量、巴塞罗那评级和神经细胞粘附分子浓度；根据逻辑回归模型输出的第三指标建立肝癌转移预测模型：
巴塞罗那评级*2.511306+结节数量*1.719567+神经细胞粘附分子浓度*0.001018，
式中，当所述巴塞罗那评级结果为早期肝癌时巴塞罗那评级为0，所述巴塞罗那评级结果为晚期肝癌时巴塞罗那评级为1；所述结节数量为癌细胞汇集点个数，当所述癌细胞汇集点个数是单个时，式中结节数量为0，所述癌细胞汇集点个数是多个时，式中结节数量为1；
所述样本分析单元，用于根据预设的分析策略对第二分析样本进行分析处理，并得到肝癌转移预测的分析结果；
所述控制模块，包括数据存储单元和显示单元，所述数据存储单元，用于存储第一分析样本和第二分析样本的相关信息以及分析结果；
利用肝癌转移预测模型对患者的分析样本进行分析，若计算得到的模型计算值大于2.37，则判断患者体内发生了肝癌转移现象，若计算得到的模型计算值小于2.37，则判断患者体内没有发生肝癌转移现象，同时结合样本分析模块对样本的深入分析，得到该肝癌患者的肝癌转移概率，并且预计该患者的肝癌转移发生时间；
所述显示单元，用于实时显示对患者的分析判断结果以及智能模块提供的健康生活方式和肝癌不复发的有效方法。
2.根据权利要求1所述的基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：所述特定目标包括肝癌无转移患者和肝癌有转移患者。
3.根据权利要求1所述的基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：所述对第一分析样本进行初步处理为，对第一分析样本做抗凝处理。
4.根据权利要求1所述的基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：所述预设的分析策略包括以下内容，
利用双抗体夹心酶联免疫吸附测定法检测样本试剂盒检测第二分析样本中神经细胞粘附分子的浓度；
分析特定目标的特征信息与神经细胞粘附分子蛋白水平的相关性，同时分析神经细胞粘附分子的表达水平与肝癌侵袭转移之间的关系；
利用逻辑回归模型筛选临床特征变量中可对肝癌精确判断的指标，并根据逻辑回归模型输出的筛选结果建立肝癌转移预测模型；
将第二分析样代入肝癌转移预测模型中，得到肝癌转移预测的分析结果。
5.根据权利要求4所述的基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：所述特征信息包括年龄、性别、乙肝病史、肝癌肿瘤大小、结节数量、肝癌肿瘤转移情况和肝癌肿瘤病理分化程度。
6.根据权利要求4所述的基于神经细胞粘附分子的肝癌转移预测系统，其特征在于：所述第一指标包括乙肝病毒载量阳性、肝癌肿瘤大小、结节数量、肝癌肿瘤病理分化程度、巴塞罗那评级、血小板浓度、异常凝血酶原浓度和神经细胞粘附分子浓度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111514232.5A CN114252612B (zh) | 2021-12-10 | 2021-12-10 | 基于神经细胞粘附分子的肝癌转移预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111514232.5A CN114252612B (zh) | 2021-12-10 | 2021-12-10 | 基于神经细胞粘附分子的肝癌转移预测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114252612A CN114252612A (zh) | 2022-03-29 |
| CN114252612B true CN114252612B (zh) | 2023-11-14 |
Family
ID=80791991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111514232.5A Active CN114252612B (zh) | 2021-12-10 | 2021-12-10 | 基于神经细胞粘附分子的肝癌转移预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114252612B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114917348B (zh) * | 2022-06-21 | 2023-08-04 | 四川大学华西医院 | 神经粘附因子在制备抑制和标记肝癌细胞转移的试剂中的应用 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1654953A (zh) * | 2005-02-24 | 2005-08-17 | 郭爱林 | 构建肝癌蛋白质组指纹图谱模型的方法及其血清检测应用 |
| CN103389376A (zh) * | 2013-08-21 | 2013-11-13 | 中南大学湘雅医院 | 评估肝细胞癌临床分期和预后的试剂盒及ecscr 的应用 |
| CN104200060A (zh) * | 2014-07-30 | 2014-12-10 | 福建医科大学附属第一医院 | 预测巨大肝癌患者术后近期复发转移概率的模型及方法 |
| WO2018189215A1 (en) * | 2017-04-12 | 2018-10-18 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for predicting the survival time of a patient suffering from hepatocellular carcinoma |
| CN111235271A (zh) * | 2019-12-12 | 2020-06-05 | 中山大学附属第三医院 | 基于指导肝细胞癌的精准治疗中的应用及用于试剂盒 |
| CN111584082A (zh) * | 2020-05-15 | 2020-08-25 | 高春芳 | 一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用 |
| CN112017791A (zh) * | 2020-04-24 | 2020-12-01 | 首都医科大学附属北京地坛医院 | 一种基于人工神经网络模型确定肝癌患者预后情况的系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103687963A (zh) * | 2011-07-12 | 2014-03-26 | 小利兰·斯坦福大学理事会 | 利用与转移相关的多基因标签来确定肝细胞癌的预后的方法 |
-
2021
- 2021-12-10 CN CN202111514232.5A patent/CN114252612B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1654953A (zh) * | 2005-02-24 | 2005-08-17 | 郭爱林 | 构建肝癌蛋白质组指纹图谱模型的方法及其血清检测应用 |
| CN103389376A (zh) * | 2013-08-21 | 2013-11-13 | 中南大学湘雅医院 | 评估肝细胞癌临床分期和预后的试剂盒及ecscr 的应用 |
| CN104200060A (zh) * | 2014-07-30 | 2014-12-10 | 福建医科大学附属第一医院 | 预测巨大肝癌患者术后近期复发转移概率的模型及方法 |
| WO2018189215A1 (en) * | 2017-04-12 | 2018-10-18 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for predicting the survival time of a patient suffering from hepatocellular carcinoma |
| CN111235271A (zh) * | 2019-12-12 | 2020-06-05 | 中山大学附属第三医院 | 基于指导肝细胞癌的精准治疗中的应用及用于试剂盒 |
| CN112017791A (zh) * | 2020-04-24 | 2020-12-01 | 首都医科大学附属北京地坛医院 | 一种基于人工神经网络模型确定肝癌患者预后情况的系统 |
| CN111584082A (zh) * | 2020-05-15 | 2020-08-25 | 高春芳 | 一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用 |
Non-Patent Citations (6)
| Title |
|---|
| EP-CAM、N-CAM1及C-KIT与原发性肝癌分级、转移及患者预后的关系;郑国文 等;实用癌症杂志;摘要、第3小节 * |
| Multilayered prevention and treatment of chronic inflammation, organ fibrosis and cancer associated with canonical WNT/βcatenin signaling activation (Review);Katoh M;Int J Mol Med;第42卷(第2期);第713-725页 * |
| 晚期肝癌肝动脉化疗栓塞术前后血清转化生长因子β1变化及预后意义;曾军 等;中国现代普通外科进展;第22卷;第415-418页 * |
| 细胞粘附分子在肝细胞癌发生及转移中的作用;徐斌,居小萍,张晓华,夏放;中华肝胆外科杂志(第07期);第405-407页 * |
| 肝癌根治性切除术后早期复发危险因素分析及预测模型构建;陈凯 等;中华肿瘤防治杂志;摘要、第1-3小节 * |
| 血清PIVKA-Ⅱ与AFP检测在原发性肝细胞癌诊断中的应用;侯帅;欧阳锡武;李荣华;傅蕾;符小玉;郑宜翔;彭仕芳;;生命科学研究(第02期);第46-52页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114252612A (zh) | 2022-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Serra-Burriel et al. | Transient elastography for screening of liver fibrosis: cost-effectiveness analysis from six prospective cohorts in Europe and Asia | |
| Chan et al. | Current application of proteomics in biomarker discovery for inflammatory bowel disease | |
| CN110187113A (zh) | 一种用于食管鳞癌早期筛查的自身抗体联合检测elisa试剂盒 | |
| CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与系统 | |
| CN114252612B (zh) | 基于神经细胞粘附分子的肝癌转移预测系统及方法 | |
| CN111122865A (zh) | 一种基于CD11b和CD169蛋白分子的用于肝癌预后预测的标志物 | |
| CN107255711B (zh) | 骨桥蛋白用于制备或筛选慢加急性肝衰竭诊断试剂的用途 | |
| Zhang et al. | Prognostic significance of the preoperative albumin/fibrinogen ratio in patients with esophageal squamous cell carcinoma after surgical resection | |
| CN114121147B (zh) | 神经细胞粘附分子检测系统 | |
| Li et al. | Assessment of non-invasive markers for the prediction of esophageal variceal hemorrhage | |
| CN116030963A (zh) | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 | |
| Lee et al. | Complete blood count reflects the degree of oesophageal varices and liver fibrosis in virus‐related chronic liver disease patients | |
| Trape et al. | Biological variation of tumor markers and its application in the detection of disease progression in patients with non-small cell lung cancer | |
| CN111748624B (zh) | 用于预测肝癌是否复发的生物标志物 | |
| CN114974562A (zh) | 一种基于机器学习的重症胰腺炎的临床预测模型构建方法 | |
| Shi et al. | Peptidome profiling of human serum of uveal melanoma patients based on magnetic bead fractionation and mass spectrometry | |
| Toraman et al. | Fragmented QRS as a predictor of subclinical cardiovascular disease in patients with chronic kidney disease | |
| CN110993092A (zh) | 一种基于n-糖指纹图谱和大数据算法鉴别肝硬化及肝癌的方法 | |
| US20130260399A1 (en) | Biomarkers for determining breast cancer bone metastasis | |
| CN114354931B (zh) | 脾肿大在确定肿瘤患者免疫检查点抑制剂治疗疗效中的应用 | |
| CN109097465A (zh) | Clip3基因的snp位点的应用 | |
| US20220283163A1 (en) | Biomarkers for Detecting Secondary Liver Cancer | |
| CN116087530A (zh) | 用于检测胰腺癌的蛋白组合物、装置、设备和存储介质 | |
| El Garem et al. | Noninvasive prediction of hepatitis C-associated hepatocellular carcinoma using circulating apolipoproteins | |
| JP2009210355A (ja) | 肺腺癌予後診断マーカー |
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 |