CN114854859A - 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法 - Google Patents

一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法 Download PDF

Info

Publication number
CN114854859A
CN114854859A CN202210479929.1A CN202210479929A CN114854859A CN 114854859 A CN114854859 A CN 114854859A CN 202210479929 A CN202210479929 A CN 202210479929A CN 114854859 A CN114854859 A CN 114854859A
Authority
CN
China
Prior art keywords
platelet
malignant
benign
nodules
nodule
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.)
Pending
Application number
CN202210479929.1A
Other languages
English (en)
Inventor
罗怀超
祖瑞铃
文霄瑕
张兴美
刘珊
王东生
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.)
Sichuan Cancer Hospital
Original Assignee
Sichuan Cancer Hospital
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 Sichuan Cancer Hospital filed Critical Sichuan Cancer Hospital
Priority to CN202210479929.1A priority Critical patent/CN114854859A/zh
Publication of CN114854859A publication Critical patent/CN114854859A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • 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
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/6851—Quantitative amplification
    • 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
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种基于血小板内FlnA基因表达的肺结节良恶性诊断方法，包括以下步骤：S1：数据收集和生物信息学分析，筛选出肺癌与正常人群之间的差异基因；S2：前瞻性，收集经CT筛查为可疑肺结节/肿块且进行手术的患者，健康人的EDTA抗凝全血，最终诊断基于病理诊断。验证队列最终分为恶性结节组、良性结节组，及健康对照组；S3：血小板分离和血小板纯度评估，血小板RNA提取及逆转；S4：荧光定量聚合酶链反应，利用荧光定量PCR检测非小细胞肺癌患者，良性结节患者和正常人血小板中差异基因的表达量并进行比较，评价该基因判断良、恶性结节以及诊断肺癌的价值。本发明，通过检测血小板内的基因即可判断肺结节/肿块的良、恶性，减轻患者的痛苦，减少不必要的手术，从而创新地建立适合临床应用的肺癌的分子诊断以及预后新方法。

Description

一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法
技术领域
本发明涉及医疗技术领域，具体为一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法。
背景技术
肺癌是我国发病率和死亡率最高的恶性肿瘤，发病人数占所有肿瘤的20％，由肺癌导致的死亡人数占所有肿瘤的27％。由于肺癌在起病初期并无特异性的症状，约75％的患者就诊时已属晚期，故肺癌的5年生存率仅15.6％。有统计显示早期发现IA期肺癌的5年生存率可达到80％，因此早发现、早诊断对延长肺癌患者生存期有着重要意义。
目前临床肺癌早期诊断主要利用低剂量螺旋CT(low-dose spiral CT,LDCT)，每年通过LDCT能够查出大量肺结节/肿块，肺结节/肿块是在肺部影像学检查时表现为圆形或类圆形阴影的一类疾病，圆形或类圆形直径≤3mm称为肺结节，而＞3mm称为肿块。肺部结节/肿块疾病的种类较多，从严重程度分为恶性和良性，恶性疾病主要是原发性肺癌以及转移性肺癌，而良性疾病包括结核结节，错构瘤，炎性假瘤等。近年研究显示，手术切除的结节经病理诊断30％-45％为良性，由此可见LDCT在很多情况下不能判断结节的良、恶性。
因此研究一个能够准确无创区分良、恶性肺结节/肿块的方法，提高肺结节良、恶性质鉴别的精准水平，既能使肺癌患者尽早获得治疗，也能避免良性肺结节患者过度治疗。
近年来，液体活检因其可连续取样、自动化完成以及结果可重复等优势被认为是癌症早期检测和癌症病程中的无创性肿瘤分析和监测的重要工具，其中研究较多的有ctDNA、CTCs、EVs和TEPs等。在血小板与肿瘤相互作用的病理生理过程中，肿瘤细胞和肿瘤微环境能够通过不同信号分子间接或通过不同受体(如血小板活化受体P选择素)直接与血小板相互作用，从而改变血小板的RNA信息及蛋白质含量，这种因肿瘤影响导致RNA谱发生改变的血小板我们称为TEPs，近年来大量研究表明TEPs可促进肿瘤侵袭、迁徙和增殖，是肿瘤生长的全身和局部反应的核心参与者，尽管目前关于TEPs形成机制还没有明确，但是相比于血液中其他生物分子，TEPs含量丰富、容易分离、RNA质量相对更高以及它们响应外部信号处理RNA的能力都更具优势，使其在液体活检中有着良好的应用前景，旨在从Tep找到差异基因从而可以通过分子技术判断肺结节良恶性及肺癌诊断。
发明内容
本发明的目的在于提供一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，包括以下步骤：
S1：数据收集和生物信息学分析，筛选出肺癌与正常人群之间的差异基因；
S2：样本采集，收集经CT筛查为可疑肺结节/肿块且进行手术的患者纳入研究，最终诊断根据术后病理检测结果。参验证队列分为恶性结节组、良性结节组及健康对照组；
S3：血小板分离和血小板纯度评估，血小板RNA的提取与逆转；
S4：荧光定量聚合酶链反应，利用荧光定量PCR验证差异基因在恶性、良性结节以及正常人之间的表达量，评价该基因判断良、恶性结节以及诊断肺癌的价值；
S5：统计数据分析，将差异基因结合血小板相关生长因子表达量以及临床资料，影像学定量资料，按照性别年龄配对，建立多维肺结节/肿块良恶性预测模型，并在新的临床队列中进行验证。
优选的，所述S1中的数据收集和生物信息学分析是，基于通过使用GSE89843的数据集获得的NSCLC血小板RNA图谱，和数据集GSE68086，这是283个具有六种不同恶性肿瘤(NSCLC，CRC，PCA，GBM，BrCA和HC)的血小板样品的RNA测序数据，该数据集可在公共存储库Gene E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法pression Omnibus(GEO)数据库中获得。
优选的，所述S2中患者和样本采集的最终诊断均基于病理检查，且将患者分为以下三组：
恶性结节组(n＝47)：通过明确的病理(细胞学、组织病理学)确诊为组织学类型和分期的NSCLC患者；
良性结节组(n＝30)：术后病理学被确定为非肺癌受试者；
健康供者组(n＝39)：被纳入低剂量螺旋CT筛查的随访，排除了可能的肺癌受试者，没有其他危重疾病，并排除了任何异常的临床和实验室指数。
优选的，所述S3中血小板分离和血小板纯度评估还包括以下步骤：
1)将S2三个对照组中分别用EP管收集2ml血液样本；并将1.5ml EDTA抗凝血剂加入到2ml EP管中；
2)使用离心机，分别通过20分钟120×g、360×g离心步骤将血小板从PRP中分离出来；
3)再将贫血小板血浆(PPP)在3000g下离心15分钟并冷冻；
4)血小板纯度通过形态测定实验和血小板计数，标准为每百万个血小板少于5个白细胞；
5)最后使用带有gDNA橡皮擦的Prime Script RT试剂盒进行逆转录。
优选的，所述S4中荧光定量聚合酶链反应使用了CF基于血小板内FlnA基因表达量的肺结节良恶性诊断方法连接实时荧光定量PCR检测系统和结核病绿色预混料E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法Taq II PCR试剂盒。
优选的，所述S5中统计数据分析，是使用了统计编程语言R和Graphpad Prism 8.4统计软件，并通过ROC分析评估了TEP FlnA的诊断价值。
与现有技术相比，本发明的有益效果是：
综上所述，该方法应用转录组测序技术，研究肺部恶性结节、良性结节及正常人血小板转录组谱差异基因的表达变化，寻找潜在的差异基因以作为判断肺结节良、恶性的指标，另外结合差异基因、患者临床信息及影像学检查结果等建立多维肺结节/肿块良、恶性预测模型，推广到肺癌早期预测，肺癌治疗过程监测，以及预后等研究中，为血小板液体活检载体研究提出新的方向；通过检测血小板内的基因即可判断肺结节/肿块的良、恶性，减轻患者的痛苦，减少不必要的手术，从而创新地建立更适合临床应用的肺癌诊断以及预后新方法。
附图说明
图1为本发明检测步骤示意图；
图2为本发明流程结构示意图；
图3为本发明非小细胞肺癌患者、良性肺结节患者和健康供体的基本特征示意图；
图4为本发明性别、年龄与FlnAmRNA相对表达水平与非小细胞肺癌的关系示意图；
图5为本发明性别、年龄、FlnAmRNA相对表达水平与肺结节良恶性的关系示意图；
图6-8为本发明来自402名NSCLC患者和377名健康个体的血小板RNA样本的高通量测序数据示意图；
图9-12为本发明血小板FlnA mRNA表达与NSCLC相关性分析示意图；
图13-15为本发明TEP中FlnA mRNA的相对表达图；
图16-17为本发明TEP FlnA mRNA在NSCLC中的诊断潜力曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-17，本发明提供一种技术方案：一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，包括以下步骤：
S1：数据收集和生物信息学分析，收集经CT筛查为可疑肺结节/肿块且进行手术的患者；S2：患者和样本采集，根据术后病理检测结果，将患者分为恶性结节组、良性结节组及健康对照组；S3：血小板分离和血小板纯度评估，对各组中的血小板转录组谱进行测序分析，筛选出恶性结节、良性结节与正常人群之间的差异基因；S4：荧光定量聚合酶链反应，基于组学结果，利用荧光定量PCR验证差异基因在恶性、良性结节以及正常人之间的表达量，评价该基因判断良、恶性结节以及诊断肺癌的价值；S5：统计数据分析，将差异基因结合血小板相关生长因子表达量以及临床资料，影像学定量资料，按照性别年龄配对，建立多维肺结节/肿块良恶性预测模型，并在新的临床队列中进行验证。
S1中的数据收集和生物信息学分析是，基于通过使用GSE89843的数据集获得的NSCLC血小板RNA图谱，和数据集GSE68086，这是283个具有六种不同恶性肿瘤(NSCLC，CRC，PCA，GBM，BrCA和HC)的血小板样品的RNA测序数据，该数据集可在公共存储库Gene E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法pression Omnibus(GEO)数据库中获得，S2中患者和样本采集的最终诊断均基于病理检查，且将患者分为以下三组：恶性结节组(n＝47)：通过明确的病理(细胞学、组织病理学)确诊为组织学类型和分期的NSCLC患者；良性结节组(n＝30)：术后病理学被确定为非肺癌受试者；健康供者组(n＝39)：被纳入低剂量螺旋CT筛查的随访，排除了可能的肺癌受试者，没有其他危重疾病，并排除了任何异常的临床和实验室指数；
该数据集包括来自不同阶段的NSCLC患者的402个血小板样本和来自健康受试者的377个样本，以便于增加实验的准确性。
S3中血小板分离和血小板纯度评估还包括以下步骤：1)将S2三个对照组中分别用EP管收集2ml血液样本；并将1.5ml EDTA抗凝血剂加入到2ml EP管中；2)使用离心机，分别通过20分钟120×g、360×g离心步骤将血小板从PRP中分离出来；3)再将贫血小板血浆(PPP)在3000g下离心15分钟并冷冻；4)血小板纯度通过形态测定实验和血小板计数，标准为每百万个血小板少于5个白细胞；5)最后使用带有gDNA橡皮擦的Prime Script RT试剂盒进行逆转录；
使用离心机在20分钟120×g离心步骤，是为了将富血小板血浆(PRP)从有核血细胞中分离出来，而360×g离心步骤，是为了将血小板从PRP中分离出来，并且为了尽量减少由于时间效应引起的血小板RNA降解，该分离步骤在采血后2小时内完成。
S4中荧光定量聚合酶链反应使用了CF基于血小板内FlnA基因表达量的肺结节良恶性诊断方法连接实时荧光定量PCR检测系统和结核病绿色预混料E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法Taq II PCR试剂盒，该S4中的聚合酶链反应使用酶引物为：GAPDH(正向：GGAGCGAGATCCCTCCAAAAT；反向：GGCTGTTGTCATACTTCTCATGG)；FlnA-1(前进：TCATTCGTGCCCAAGGAGAC；反向：CTGACCAGAGACCCGAACAC)。
S5中统计数据分析，是使用了统计编程语言R和Graphpad Prism 8.4统计软件，并通过ROC分析评估了TEP FlnA的诊断价值；
采用均匀流形近似和投影对测序数据分析中的异构样品进行高效聚类，并使用DeSeq2算法在Seurat R包中使用FindAllMarkers进行差异基因与NSCLC的关联，T检验(和非参数检验)用于比较FlnA NSCLC患者、健康供体和良性结节患者的差异表达水平，P值〈0.05被认为具有统计学意义，以便于进一步确认血小板FLNA对非小细胞肺癌的诊断意义。
如图1-4所示，分析了来自402名NSCLC患者和377名健康个体的血小板RNA样本的高通量测序数据(GSE89843)，以log2(FC)>0.5或〈-0.5，P值〈0.05作为统计边界，组内CV控制在≤20％，如图6、7、8所示，选择了15个符合条件的DEG，结果表明，血小板中的15个DEG可以清楚地区分NSCLC患者和健康个体，为了进一步选择最合适的差异表达基因进行验证，从15个基因中选择了log2(FC)的前五个最大的差异表达基因：ITGA2B，FlnA，TLN1，TIMP1和CFL1。由于FlnA在许多癌症研究中显示异常表达，例如甲状旁腺肿瘤，宫颈癌和乳腺癌，而NSCLC中的作用很少被讨论，所以选择FlnA作为最合适的差异表达基因，以纳入后续验证，从而进一步确定血小板中FlnA mRNA表达与NSCLC的相关性，首先，使用FPKM根据高通量测序数据(GSE89843)对表达量进行标准化，然后分析血小板FlnA mRNA在NSCLC和健康个体中的表达水平，结果表明，在FPKM标准化后，NSCLC患者中血小板FlnA mRNA的表达也显着高于健康个体；
此外，使用283个血小板样本和6种不同类型的恶性肿瘤(NSCLC，结直肠癌，胰腺癌，胶质母细胞瘤，乳腺癌和肝胆汁癌)在R软件包中进行降维分析，然后分析了第三组中主要分布个体的样本，结果表明该组中的大多数是NSCLC和乳腺癌个体，其中NSCLC的比例最高；
通过qRT-PCR测定在NSCLC患者和健康个体之间的血小板中表达FlnA mRNA本研究纳入了47名NSCLC患者和39名健康受试者，我们使用qRT-PCR方法检查健康人组和NSCLC患者血小板中的FlnA mRNA表达水平，结果显示，与纳入的健康对照组(n＝39)相比，NSCLC患者(47)的TEPs FlnA表达水平显着更高(p＝0.01)。
此外，为了验证NSCLC患者血小板中FlnA差异表达的特异性，我们比较了两组血浆样品中FlnA表达水平，结果显示，健康受试者与NSCLC患者血浆样本无显著差异(p＝0.3893)。
随着NSCLC的概率随着年龄的增加而发展，我们通过使用逻辑回归模型来校正所选受试者的性别和年龄因素，以减少选择性偏倚，结果还显示，TEPs FlnA mRNA是鉴别NSCLC患者的独立诊断因素(p<0.05)。
为了验证良性和恶性肺结节之间FlnA mRNA在血小板中的表达水平是否不同，从30例良性肺结节患者中采集了血小板样本，使用qRT-PCR测定检测良性肺结节患者(n＝30)和NSCLC患者(n＝47)血小板中的FlnA mRNA表达水平，令人惊讶的是，结果显示，NSCLC患者中血小板FlnA mRNA的表达显着高于良性肺结节患者(p＝0.0097)。
此外，我们通过使用逻辑回归模型来校正选定的NSCLC和良性受试者的性别和年龄因素，以减少选择性偏倚，结果显示，TEPs FlnA mRNA是鉴别NSCLC患者和良性肺结节的独立诊断因子(p<0.05)。
TEP FlnA mRNA在NSCLC中的诊断潜力，我们使用受试者操作特征(ROC)曲线来分析FlnA在具有健康供体的NSCLC患者鉴别诊断中的可用性，分析结果表明，TEPs FlnA mRNA在区分NSCLC患者和健康供体方面具有良好的诊断准确性，ROC曲线的曲线下面积(AUC)为0.713(95％CI，0.605-0.805)。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于，包括以下步骤：
S1：数据收集和生物信息学分析，筛选出肺癌与正常人群之间的差异基因。
S2：样本采集，收集经CT筛查为可疑肺结节/肿块且进行手术的患者纳入研究，最终诊断根据术后病理检测结果。参验证队列分为恶性结节组、良性结节组及健康对照组；
S3：血小板分离和血小板纯度评估，血小板RNA的提取与逆转。
S4：荧光定量聚合酶链反应，利用荧光定量PCR验证差异基因在恶性、良性结节以及正常人之间的表达量，评价该基因判断良、恶性结节以及诊断肺癌的价值；
S5：统计数据分析，将差异基因结合血小板相关生长因子表达量以及临床资料，影像学定量资料，按照性别年龄配对，建立多维肺结节/肿块良恶性预测模型，并在新的临床队列中进行验证。
2.根据权利要求1所述的一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于：所述S1中的数据收集和生物信息学分析是，基于通过使用GSE89843的数据集获得的NSCLC血小板RNA图谱，和数据集GSE68086，这是283个具有六种不同恶性肿瘤(NSCLC，CRC，PCA，GBM，BrCA和HC)的血小板样品的RNA测序数据，该数据集可在公共存储库Gene E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法pression Omnibus(GEO)数据库中获得。
3.根据权利要求1所述的一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于：所述S2中患者和样本采集的最终诊断均基于病理检查，且将患者分为以下三组：
恶性结节组(n＝47)：通过明确的病理(细胞学、组织病理学)确诊为组织学类型和分期的NSCLC患者；
良性结节组(n＝30)：术后病理学被确定为非肺癌受试者；
健康供者组(n＝39)：被纳入低剂量螺旋CT筛查的随访，排除了可能的肺癌受试者，没有其他危重疾病，并排除了任何异常的临床和实验室指数。
4.根据权利要求1所述的一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于：所述S3中血小板分离和血小板纯度评估还包括以下步骤：
1)将S2三个对照组中分别用EP管收集2ml血液样本；并将1.5ml EDTA抗凝血剂加入到2ml EP管中；
2)使用离心机，分别通过20分钟120×g、360×g离心步骤将血小板从PRP中分离出来；
3)再将贫血小板血浆(PPP)在3000g下离心15分钟并冷冻；
4)血小板纯度通过形态测定实验和血小板计数，标准为每百万个血小板少于5个白细胞；
5)最后使用带有gDNA橡皮擦的Prime Script RT试剂盒进行逆转录。
5.根据权利要求1所述的一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于：所述S4中荧光定量聚合酶链反应使用了CF基于血小板内FlnA基因表达量的肺结节良恶性诊断方法连接实时荧光定量PCR检测系统和结核病绿色预混料E基于血小板内FlnA基因表达量的肺结节良恶性诊断方法Taq II PCR试剂盒。
6.根据权利要求1所述的一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法，其特征在于：所述S5中统计数据分析，是使用了统计编程语言R和Graphpad Prism 8.4统计软件，并通过ROC分析评估了TEP FlnA的诊断价值。
CN202210479929.1A 2022-05-05 2022-05-05 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法 Pending CN114854859A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210479929.1A CN114854859A (zh) 2022-05-05 2022-05-05 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210479929.1A CN114854859A (zh) 2022-05-05 2022-05-05 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法

Publications (1)

Publication Number Publication Date
CN114854859A true CN114854859A (zh) 2022-08-05

Family

ID=82635562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210479929.1A Pending CN114854859A (zh) 2022-05-05 2022-05-05 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法

Country Status (1)

Country Link
CN (1) CN114854859A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719649A (zh) * 2022-11-18 2023-02-28 中国医学科学院北京协和医院 一种干燥综合征诊断模型的构建及应用
CN117982987A (zh) * 2024-04-03 2024-05-07 四川厚浦生物科技有限公司 一种白细胞过滤材料及其制备方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719649A (zh) * 2022-11-18 2023-02-28 中国医学科学院北京协和医院 一种干燥综合征诊断模型的构建及应用
CN115719649B (zh) * 2022-11-18 2023-06-02 中国医学科学院北京协和医院 一种干燥综合征诊断模型的构建及应用
CN117982987A (zh) * 2024-04-03 2024-05-07 四川厚浦生物科技有限公司 一种白细胞过滤材料及其制备方法

Similar Documents

Publication Publication Date Title
CN114854859A (zh) 一种基于血小板内FlnA基因表达量的肺结节良恶性诊断方法
CN105219844A (zh) 一种谱筛查十一种疾病的基因标志物组合、试剂盒以及疾病风险预测模型
CN109658980A (zh) 一种粪便基因标志物的筛选及应用
CN111833963A (zh) 一种cfDNA分类方法、装置和用途
US20240002949A1 (en) Panel of mirna biomarkers for diagnosis of ovarian cancer, method for in vitro diagnosis of ovarian cancer, uses of panel of mirna biomarkers for in vitro diagnosis of ovarian cancer and test for in vitro diagnosis of ovarian cancer
CN112748191A (zh) 诊断急性疾病的小分子代谢物生物标志物及其筛选方法和应用
CN108531597A (zh) 一种用于口腔鳞癌早期诊断的检测试剂盒
CN116083584A (zh) 一组用于评估非小细胞肺癌风险的血浆miRNA标志物及其筛选方法和应用
CN111996249A (zh) 癌症诊断和病程监控方法
CN111763740B (zh) 基于lncRNA分子模型预测食管鳞癌患者新辅助放化疗的疗效和预后的系统
CN112382341A (zh) 一种用于鉴定食管鳞癌预后相关的生物标志物的方法
US20070184511A1 (en) Method for Diagnosing a Person Having Sjogren&#39;s Syndrome
CN115521982A (zh) 基于MLP构建结直肠癌血清外泌体miRNA诊断分类器
CN111961716B (zh) 一种急性胰腺炎预后标志物、急性胰腺炎预后预测模型及其应用
CN115927614A (zh) 基于Alu重复原件的肠癌早期筛查检测引物、检测方法和试剂盒
CN112779331B (zh) 一种血管痴呆血清外泌体microRNAs标志物及其应用
CN111748626B (zh) 用于预测食管鳞癌患者新辅助放化疗的疗效和预后的系统及其应用
CN117476097B (zh) 一种基于三级淋巴结构特征基因的结直肠癌预后和治疗反应预测模型及其构建方法和应用
CN113393901B (zh) 一种基于单核细胞采集肿瘤核酸的胶质瘤分检装置
CN112986588B (zh) 脂质标志物在制备结直肠癌检测试剂盒中的用途
CN110568115B (zh) 尿液中的代谢标志物及其在胶质瘤早期诊断中的用途
US8969022B2 (en) Method and system for detecting lymphosarcoma in cats using biomarkers
WO2021087388A1 (en) Urinary ev rna biomarkers for urothelial cancer
CN118348143A (zh) 用于区分健康与非结直肠癌疾病的代谢标志物组合物及其应用
de Matos Simoes et al. Confounding Effects of Heterogeneity and the Impact on the Accuracy of Urothelial Cancer Classifiers for Haematuria Patients

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