CN115161398A - 用于结肠癌诊断或预后评估的标志物组合 - Google Patents

用于结肠癌诊断或预后评估的标志物组合 Download PDF

Info

Publication number
CN115161398A
CN115161398A CN202210620398.3A CN202210620398A CN115161398A CN 115161398 A CN115161398 A CN 115161398A CN 202210620398 A CN202210620398 A CN 202210620398A CN 115161398 A CN115161398 A CN 115161398A
Authority
CN
China
Prior art keywords
risk score
expression
patient
prognosis
marker combination
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
CN202210620398.3A
Other languages
English (en)
Inventor
陈怡羽
刘玉琛
潘逸航
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.)
Guangdong No 2 Peoples Hospital
Original Assignee
Guangdong No 2 Peoples 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 Guangdong No 2 Peoples Hospital filed Critical Guangdong No 2 Peoples Hospital
Priority to CN202210620398.3A priority Critical patent/CN115161398A/zh
Publication of CN115161398A publication Critical patent/CN115161398A/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
    • 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
    • G01N33/57419—Specifically defined cancers of colon
    • 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
    • G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
    • 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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Urology & Nephrology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Public Health (AREA)
  • Hematology (AREA)
  • Biotechnology (AREA)
  • Organic Chemistry (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • Cell Biology (AREA)
  • Oncology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Hospice & Palliative Care (AREA)
  • Genetics & Genomics (AREA)
  • General Physics & Mathematics (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明属于分子诊断技术领域，具体涉及用于结肠癌预后评估的标志物组合。本发明首次公开了用于结肠癌诊断或预后评估的标志物组合，包含以下标志物：MAP7、SMAD2、UBE2D2、SEC62和VPS33B，通过该标志物组合的ROC曲线可知：包含MAP7、SMAD2、UBE2D2、SEC62和VPS33B的标志物组合可用于结肠癌诊断或预后评估。该标志物组合能准确地预测结肠癌患者预后；且可以应用于临床试验，为医疗决策提供科学依据。

Description

用于结肠癌诊断或预后评估的标志物组合
技术领域
本发明属于分子诊断技术领域，具体涉及用于结肠癌诊断或预后评估的标志物组合。
背景技术
肿瘤作为不可治愈的疾病，治疗目标非常明确，自肿瘤被诊断之后，通过治疗让患者活得更久。结肠癌是发生于结肠部位的常见的消化道恶性肿瘤，占胃肠道肿瘤的第三位，中国人群的发病率低于西方国家，但各地资料显示，随着人民饮食结构的改变，其发病率呈逐年上各趋势。根据2020年Cancer Statistics研究，据估计，至2030年全球将新增结肠癌患者220万例，其中死亡例数将增至110万例。结肠癌的病程进展很快，患者当中，有近25％的在诊断时已经处于IV期伴有远处转移，还有10～15％的患者在5年内从原位癌发展到了出现远处转移。对结肠癌的预后进行早期预测可用于对结肠癌患者生存时间及状况的监测，利于临床对结肠癌进展情况的判断及提供更适合的治疗方案。
现有对结肠癌预后的预测往往通过肿瘤浸润、淋巴结转移、远处转移等情况进行临床分期和分级，现行国际通用分期方法为Duke分期及TNM分期，但上述两种方法仅依赖组织切片检测的结果，缺乏个体特异性。转录组测序(RNA-Seq)是指利用第二代高通量测序技术进行cDNA测序，全面快速地获取组织或细胞的基因表达谱。转录组是解读基因组功能元件和揭示细胞及组织中分子组成所必需的,并且对理解疾病发生发展具有重要作用。为了明确结肠癌的个体差异达到精准治疗的目的，需要对个体的癌症穿刺样本进行全面的转录组测序，以全面了解个体差异情况。然而目前有关如何在庞大的转录组数据中提取关键基因表达水平并据此准确预测预后及病人耐药情况，仍存在巨大的技术难题。
发明内容
本发明第一方面的目的，在于提供用于结肠癌诊断或预后评估的标志物组合。
本发明第二方面的目的，在于提供检测本发明第一方面的标志物组合的物质在制备结肠癌诊断或预后评估的产品中的应用。
本发明第三方面的目的，在于提供一种产品。
本发明第四方面的目的，在于提供一种结肠癌预后评估的方法。
本发明第五方面的目的，在于提供用于结肠癌预后评估的系统。
本发明第六方面的目的，在于提供一种计算设备。
本发明第七方面的目的，在于提供计算机可读存储介质。
本发明第八方面的目的，在于提供本发明第一方面的标志物组合作为靶点在开发结肠癌相关产品中的应用。
为了实现上述目的，本发明所采取的技术方案是：
本发明的第一个方面，提供用于结肠癌诊断或预后评估的标志物组合，包含以下标志物中的至少两种、至少三种、至少四种或至少五种：MAP7、SMAD2、UBE2D2、SEC62、VPS33B。
优选地，所述标志物组合包含以下标志物：MAP7、SMAD2、UBE2D2、SEC62和VPS33B。
优选地，所述MAP7的登录号为NCBI Entrez Gene ID:9053。
优选地，所述SMAD2的登录号为NCBI Entrez Gene ID:4087。
优选地，所述UBE2D2的登录号为NCBI Entrez Gene ID:7322。
优选地，所述SEC62的登录号为NCBI Entrez Gene ID:7095。
优选地，所述VPS33B的登录号为NCBI Entrez Gene ID:26276。
本发明的第二个方面，提供检测本发明第一方面的标志物组合的物质在制备结肠癌诊断或预后评估的产品中的应用。
所述检测标志物组合的物质包含定量检测标志物组合中的标志物的物质。
优选地，所述检测标志物组合的物质包含在基因水平和/或蛋白质水平上检测标志物组合中的标志物的物质。
优选地，所述物质包含用于选自下组的一种或多种检测技术或方法中的物质：免疫组织化学法、Western印迹法、Northern印迹法、PCR、生物芯片法。
优选地，所述免疫组织化学法选自下组中的至少一种：免疫荧光分析、反向酶联免疫吸附、免疫胶体金法。
优选地，所述检测标志物组合的物质选自下组中的至少一种：对标志物组合中的标志物具有特异性的物质，例如其抗体(优选单克隆抗体)；标志物组合中的标志物特异性的探针、基因芯片、PCR引物等。
优选地，所述产品包含试剂、试剂盒、试纸或芯片。
优选地，所述产品的受试样品选自血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
本发明的第三个方面，提供一种产品，包含：检测本发明第一方面的标志物组合的物质。
优选地，所述检测标志物组合的物质包含定量检测标志物组合中的标志物的物质。
优选地，所述检测标志物组合的物质包含在基因水平和/或蛋白质水平上检测标志物组合中的标志物的物质。
优选地，所述物质包含用于选自下组的一种或多种检测技术或方法中的物质：免疫组织化学法、Western印迹法、Northern印迹法、PCR、生物芯片法。
优选地，所述免疫组织化学法选自下组中的至少一种：免疫荧光分析、反向酶联免疫吸附、免疫胶体金法。
优选地，所述检测标志物组合的物质选自下组中的至少一种：对标志物组合中的标志物具有特异性的物质，例如其抗体(优选单克隆抗体)、标志物组合中的标志物特异性的探针、基因芯片、PCR引物等。
优选地，所述产品包含试剂、试剂盒、试纸或芯片。
优选地，所述产品的受试样品选自血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
本发明的第四个方面，提供一种结肠癌预后评估的方法，包括以下的步骤：
a)样本收集与数据检测：收集患者的样本，测定本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量；
b)风险分数计算：计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
c)预测结果：根据计算得到的患者的风险分数来预测患者的预后情况：患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者的样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第五个方面，提供一种结肠癌预后评估的系统，包括以下模块：
a)数据收集模块：收集患者的样本，测定本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，并将各标志物的表达量数据输出至模型计算模块；
b)模型计算模块：计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
c)输出预测模块，根据计算得到的患者的风险分数来预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则输出为预测预后不好，若低于界定值则输出为预后良好。
优选地，所述界定值为约1。
优选地，所述患者的样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第六个方面，提供一种计算设备，包含：
至少一个处理单元；和
至少一个存储器，所述存储器耦合至所述处理单元，并存储用于由所述处理单元执行的指令，所述指令当被执行时，所述设备能够实现预测结肠癌患者预后情况，所述预测包括如下步骤：
a)根据收集和测定的所述患者样本的本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第七个方面，提供计算机可读存储介质，其存储有计算机程序，该程序能够被机器执行，以实现预测结肠癌患者预后情况的步骤，所述步骤如下：
a)根据收集和测定的所述患者样本的本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种；进一步为组织。
优选地，所述组织包含癌组织。
本发明的第八个方面，提供本发明第一方面的标志物组合作为靶点在开发结肠癌相关产品中的应用。
优选地，所述产品包含：
用于结肠癌诊断或预后评估的试剂、试剂盒、试纸或芯片；或
防治结肠癌的药物。
本发明的有益效果是：
本发明首次公开了用于结肠癌诊断或预后评估的标志物组合，包含以下标志物：MAP7、SMAD2、UBE2D2、SEC62和VPS33B，通过该标志物组合的ROC曲线可知：包含MAP7、SMAD2、UBE2D2、SEC62和VPS33B的标志物组合可用于结肠癌诊断或预后评估。该标志物组合能准确地预测结肠癌患者预后；且可以应用于临床试验，为医疗决策提供科学依据。
附图说明
图1是受试者工作特征曲线(ROC)分析标志物组合(MAP7、SMAD2、UBE2D2、SEC62、VPS33B)对含246个样本的训练集进行结肠癌预后评估的结果图。
图2是受试者工作特征曲线(ROC)分析标志物组合(MAP7、SMAD2、UBE2D2、SEC62、VPS33B)对含83个样本的训练集进行结肠癌预后评估的结果图。
图3是展示模型构建过程中的部分似然偏差的cvfit图。
图4是展示lasso回归中的系数的lambda图，图中，1～14分别表示如下基因：CRIP2、VPS33B、SEC62、UBE2D2、SMAD2、MAP7、PI4K2A、SLC4A7、SPG21、MSLN、NOMO1、GALNT7、ALDH1A3、HBA1。
具体实施方式
本发明的第一个方面，提供用于结肠癌诊断或预后评估的标志物组合，包含以下标志物中的至少一种、至少两种、至少三种、至少四种或至少五种：MAP7、SMAD2、UBE2D2、SEC62、VPS33B。
优选地，所述标志物组合包含以下标志物：MAP7、SMAD2、UBE2D2、SEC62和VPS33B。
优选地，所述MAP7的登录号为NCBI Entrez Gene ID:9053。
优选地，所述SMAD2的登录号为NCBI Entrez Gene ID:4087。
优选地，所述UBE2D2的登录号为NCBI Entrez Gene ID:7322。
优选地，所述SEC62的登录号为NCBI Entrez Gene ID:7095。
优选地，所述VPS33B的登录号为NCBI Entrez Gene ID:26276。
用于结肠癌预后评估的公式为：分值＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量。
根据计算得到的分值来预测患者的预后情况，患者的分值越低，则预后越好；将分值与界定值比较，若高于界定值，则为预测预后不好，若低于界定值则为预后良好。
优选地，所述界定值为约1。
本发明的第二个方面，提供检测本发明第一方面的标志物组合的物质在制备结肠癌诊断或预后评估的产品中的应用。
所述检测标志物组合的物质包含定量检测标志物组合中的标志物的物质。
优选地，所述检测标志物组合的物质包含在基因水平和/或蛋白质水平上检测标志物组合中的标志物的物质。
优选地，所述物质包含用于选自下组的一种或多种检测技术或方法中的物质：免疫组织化学法、Western印迹法、Northern印迹法、PCR、生物芯片法。
优选地，所述免疫组织化学法选自下组中的至少一种：免疫荧光分析、反向酶联免疫吸附、免疫胶体金法。
优选地，所述检测标志物组合的物质选自下组中的至少一种：对标志物组合中的标志物具有特异性的物质，例如其抗体(优选单克隆抗体)、标志物组合中的标志物特异性的探针、基因芯片、PCR引物等。
优选地，所述产品包含试剂、试剂盒、试纸或芯片。
优选地，所述产品的受试样品选自血液、组织、细胞样品、尿液、粪便中至少一种。
本发明的第三个方面，提供一种产品，包含：检测本发明第一方面的标志物组合的物质。
优选地，所述检测标志物组合的物质包含定量检测标志物组合中的标志物的物质。
优选地，所述检测标志物组合的物质包含基因水平和/或蛋白质水平上检测标志物组合中的标志物的物质。
优选地，所述物质包含用于选自下组的一种或多种检测技术或方法中的物质：免疫组织化学法、Western印迹法、Northern印迹法、PCR、生物芯片法。
优选地，所述免疫组织化学法选自下组中的至少一种：免疫荧光分析、反向酶联免疫吸附、免疫胶体金法。
优选地，所述检测标志物组合的物质选自下组中的至少一种：对标志物组合中的标志物具有特异性的物质，例如其抗体(优选单克隆抗体)；标志物组合中的标志物特异性的探针、基因芯片、PCR引物等。
优选地，所述产品包含试剂、试剂盒、试纸或芯片。
优选地，所述产品的受试样品选自血液、组织、细胞样品、尿液、粪便中至少一种。
本发明的第四个方面，提供一种结肠癌预后评估的方法，包括以下的步骤：
a)样本收集与数据检测：收集患者的样本，测定本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量；
b)风险分数计算：计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
c)预测结果：根据计算得到的患者的风险分数来预测患者的预后情况：患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者的样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第五个方面，提供一种结肠癌预后评估的系统，包括以下模块：
a)数据收集模块：收集患者的样本，测定本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，并将各标志物的表达量数据输出至模型计算模块；
b)模型计算模块：计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
c)输出预测模块，根据计算得到的患者的风险分数来预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则输出为预测预后不好，若低于界定值则输出为预后良好。
优选地，所述界定值为约1。
优选地，所述患者的样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第六个方面，提供一种计算设备，包含：
至少一个处理单元；和
至少一个存储器，所述存储器耦合至所述处理单元，并存储用于由所述处理单元执行的指令，所述指令当被执行时，所述设备能够实现预测结肠癌患者预后情况，所述预测包括如下步骤：
a)根据收集和测定的所述患者样本的本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
在本文中，“约”在用于修饰数值时表示计算或测量值允许该数值包含准确数值的一些近似值，或合理接近的数值；本文中“约”至少表示由测量或使用此类参数的常用方法可产生的变异数值；应当理解“约”的存在或不存在不影响其数值的解释；优选地，表示其后的数值加或减10％范围内的所有数值。
本发明的第七个方面，提供计算机可读存储介质，其存储有计算机程序，该程序能够被机器执行，以实现预测结肠癌患者预后情况的步骤，所述步骤如下：
a)根据收集和测定的所述患者样本的本发明第一方面的标志物组合中标志物(即MAP7、SMAD2、UBE2D2、SEC62和VPS33B)的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
优选地，所述界定值为约1。
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
本发明的第八个方面，提供本发明第一方面的标志物组合作为靶点在开发结肠癌相关产品中的应用。
优选地，所述产品包含：
用于结肠癌诊断或预后评估的试剂、试剂盒、试纸或芯片；或
防治结肠癌的药物。
以下通过具体的实施例对本发明的内容作进一步详细的说明。
应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。
下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。本实施例中所使用的材料、试剂等，如无特别说明，为从商业途径得到的试剂和材料。
实施例1结肠癌预后评估模型的构建与验证
1.从TCGA数据库结肠癌队列中的329个样本，随机分成无重叠的两个数据集，其中有一个占比75％样本数的训练集包含246个样本的转录组数据和另一占比25％即83个样本转录组数据的验证集。模型构建首先在训练集样本中以VPS33B及其外泌体上调相关共25个基因(CRIP2、SEC62、UBE2D2、SMAD2、MAP7、PI4K2A、SLC4A7、SPG21、MSLN、NOMO1、GALNT7、ALDH1A3、HBA1、CDK11A、NDC1、UBE2K、CWF19L1、MAN2A1、ACTR1B、RPS6KA1、GRSF1、C9orf64、TAF9B、PGM3、CDKN2A)为种子，通过基于lasso惩罚的cox回归构建预后模型(展示模型构建过程中的部分似然偏差的cvfit图如图3所示，展示lasso回归中的系数的lambda图如图4所示)，最终模型包含MAP7、SMAD2、UBE2D2、SEC62、VPS33B这5个基因及模型基因对生存预后影响的权重系数，模型构建的结果如表1所示：VPS33B对生存影响的权重系数为0.731183，SEC62对生存影响的权重系数为1.00941，UBE2D2对生存影响的权重系数为-1.81234，SMAD2对生存影响的权重系数为-0.51502，MAP7对生存影响的权重系数为-0.87426。
表1各基因对生存影响的权重系数
序号 基因 权重系数(Coef)
1 VPS33B 0.731183
2 SEC62 1.00941
3 UBE2D2 -1.81234
4 SMAD2 -0.51502
5 MAP7 -0.87426
2.计算风险分数(Risk分数)，其计算公式为：风险分数(Risk分数)＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；计算出该患者的Risk分数，并按Risk Score大小排序，并以中位值(medium)对训练集患者进行分组，确定界定值，分析两组的生存差异性；将Risk分数值与界定值(界定值为1)比较，若高于界定值，则预测其预后不好，即为高风险组(high)组；若低于界定值，则预测其预后良好，即为低风险(Low)组；患者的Risk分数越低，则预后越好。
3.利用246个样本的训练集样本分析MAP7、SMAD2、UBE2D2、SEC62、VPS33B这5个基因表达量，代入下列权重公式(风险分数(Risk分数)＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量)，得到相应风险分数(Risk分数)。风险分数(Risk分数)>1的为预后不好组，即为高风险组(high)组；风险分数(Risk分数)<1为预后良好组，并通过ROC曲线评判该组基因集预测生存的模型的准确性，结果如图1所示：一年AUC为0.781(最佳阈值对应的灵敏度为0.857，特异度为0.631)，两年AUC为0.725(最佳阈值对应的灵敏度为0.876，特异度为0.483)，三年AUC为0.739(最佳阈值对应的灵敏度为0.894，特异度为0.518)；可见，本申请提供的标志物组合可以很好地预测结肠癌病人预后生存期。
4.利用包含83个样本的验证集分析MAP7、SMAD2、UBE2D2、SEC62、VPS33B这5个基因表达量，代入下列权重公式(风险分数(Risk分数)＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量)，得到相应风险分数(Risk分数)。风险分数(Risk分数)>1的为预后不好组，即为高风险组(high)组；风险分数(Risk分数)<1为预后良好组，并通过ROC曲线评判该组基因集预测生存的模型的准确性，结果如图2所示：一年AUC为0.798(最佳阈值对应的灵敏度为0.952，特异度为0.411)，两年AUC为0.813(最佳阈值对应的灵敏度为0.900，特异度为0.491)，三年AUC为0.809(最佳阈值对应的灵敏度为0.905，特异度为0.574)；可见，本申请提供的标志物组合可以很好地预测结肠癌患者预后生存期。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.标志物组合，包含以下标志物：MAP7、SMAD2、UBE2D2、SEC62和VPS33B。
2.检测权利要求1所述的标志物组合的物质在制备结肠癌诊断或预后评估的产品中的应用。
3.一种产品，包含：检测权利要求1所述的标志物组合的物质。
4.根据权利要求3所述的产品，其特征在于：
所述检测标志物组合的物质包含在基因水平和/或蛋白质水平上检测标志物组合中的标志物的物质；
优选地，所述物质包含用于选自下组的一种或多种检测技术或方法中的物质：免疫组织化学法、Western印迹法、Northern印迹法、PCR、生物芯片法；
优选地，所述免疫组织化学法选自下组中的至少一种：免疫荧光分析、反向酶联免疫吸附和免疫胶体金法；
优选地，所述检测标志物组合的物质选自下组中的至少一种：对标志物组合中的标志物具有特异性的物质、标志物组合中的标志物特异性的探针、基因芯片、PCR引物；
优选地，所述产品包含试剂、试剂盒、试纸或芯片。
5.一种结肠癌预后评估的的系统，包括以下模块：
a)数据收集模块：收集患者的样本，测定权利要求1所述的标志物组合中标志物的表达量，并将各标志物的表达量数据输出至模型计算模块；
b)模型计算模块：计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
c)输出预测模块：根据计算得到的患者的风险分数来预测患者的预后情况；将风险分数与界定值比较，若高于界定值，则输出为预测预后不好，若低于界定值则输出为预后良好。
6.根据权利要求5所述的系统，其特征在于：
所述界定值为约1；
优选地，所述患者的样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
7.一种计算设备，包含：
至少一个处理单元；和
至少一个存储器，所述存储器耦合至所述处理单元，并存储用于由所述处理单元执行的指令，所述指令当被执行时，所述设备能够实现预测结肠癌患者预后情况，所述预测包括如下步骤：
a)根据收集和测定的所述患者样本的权利要求1所述的标志物组合中标志物的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况，患者的风险分数越低，则预后越好；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好。
8.根据权利要求7所述的计算设备，其特征在于：
所述界定值为约1；
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
9.计算机可读存储介质，其存储有计算机程序，该程序能够被机器执行，以实现预测结肠癌患者预后情况的步骤，所述步骤如下：
a)根据收集和测定的所述患者样本的权利要求1所述的标志物组合中标志物的表达量，计算患者的风险分数；所述风险分数计算公式如下：
风险分数＝0.731183*VPS33B表达量+1.00941*SEC62表达量+-1.81234*UBE2D2表达量+-0.51502*SMAD2表达量+-0.87426*MAP7表达量；
b)根据结肠癌患者的风险分数预测患者的预后情况；将风险分数与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后良好；
优选地，所述界定值为约1；
优选地，所述患者样本来自患者的血液、组织、细胞样品、尿液、粪便中至少一种。
10.权利要求1所述的标志物组合作为靶点在开发结肠癌相关产品中的应用。
CN202210620398.3A 2022-06-02 2022-06-02 用于结肠癌诊断或预后评估的标志物组合 Pending CN115161398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210620398.3A CN115161398A (zh) 2022-06-02 2022-06-02 用于结肠癌诊断或预后评估的标志物组合

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210620398.3A CN115161398A (zh) 2022-06-02 2022-06-02 用于结肠癌诊断或预后评估的标志物组合

Publications (1)

Publication Number Publication Date
CN115161398A true CN115161398A (zh) 2022-10-11

Family

ID=83483121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210620398.3A Pending CN115161398A (zh) 2022-06-02 2022-06-02 用于结肠癌诊断或预后评估的标志物组合

Country Status (1)

Country Link
CN (1) CN115161398A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117330752A (zh) * 2023-11-17 2024-01-02 首都医科大学 Slc14a1作为标志物在制备评估结直肠癌肝转移风险和/或预后情况产品中的应用

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013205362A (ja) * 2012-03-29 2013-10-07 Forerunner Pharma Research Co Ltd 大腸癌マーカー、および予後の予測方法
KR20190113106A (ko) * 2018-03-27 2019-10-08 순천향대학교 산학협력단 대장암 진단 또는 재발 예측을 위한 마이크로rna-3960 및 이의 용도
CN113151483A (zh) * 2021-05-25 2021-07-23 复旦大学附属中山医院 结直肠癌代谢基因预后预测模型
CN113234829A (zh) * 2021-06-23 2021-08-10 至本医疗科技（上海）有限公司 结肠癌预后评估基因集及其构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013205362A (ja) * 2012-03-29 2013-10-07 Forerunner Pharma Research Co Ltd 大腸癌マーカー、および予後の予測方法
KR20190113106A (ko) * 2018-03-27 2019-10-08 순천향대학교 산학협력단 대장암 진단 또는 재발 예측을 위한 마이크로rna-3960 및 이의 용도
CN113151483A (zh) * 2021-05-25 2021-07-23 复旦大学附属中山医院 结直肠癌代谢基因预后预测模型
CN113234829A (zh) * 2021-06-23 2021-08-10 至本医疗科技（上海）有限公司 结肠癌预后评估基因集及其构建方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117330752A (zh) * 2023-11-17 2024-01-02 首都医科大学 Slc14a1作为标志物在制备评估结直肠癌肝转移风险和/或预后情况产品中的应用

Similar Documents

Publication Publication Date Title
US20090275057A1 (en) Diagnostic markers predictive of outcomes in colorectal cancer treatment and progression and methods of use thereof
CN111394456B (zh) 早期肺腺癌患者预后评估系统及其应用
CN113151483B (zh) 结直肠癌代谢基因预后预测模型
KR20170130441A (ko) 암 진단용 바이오마커 패널
CN105874080A (zh) 用于食道癌的分子诊断测试
US20090298097A1 (en) Methods for the diagnosis of lung cancer
CN113234829B (zh) 结肠癌预后评估基因集及其构建方法
US20180074061A1 (en) Lung cancer biomarkers
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
KR101478826B1 (ko) 신규한 대장암 진단용 마커 및 이를 이용한 대장암 진단 키트
CN115161398A (zh) 用于结肠癌诊断或预后评估的标志物组合
EP3215851B1 (en) Lung cancer sub-typing method
TWI598444B (zh) 用以評估乳癌罹患風險之方法及基因標記
CN113969312A (zh) 用于预测溃疡性结肠炎患者对戈利木单抗药物敏感性的标志物
CN113943803A (zh) Htr6在乳腺癌的诊断、预后中的应用
CN113981092A (zh) 用于预测肿瘤药物敏感性的生物标志物及其相关产品
CN115087869A (zh) 肺癌诊断用多种生物标志物及其用途
AU2018100578A4 (en) Method for detection &amp; diagnosis of oral cancer in a sample
Yang et al. Development and validation of peritoneal metastasis in gastric cancer based on simplified clinicopathological features and serum tumour markers
WO2018174859A1 (en) Methods and compositions for detection of early stage lung squamous cell carcinoma with rnaseq expression profiling
CN117925835A (zh) 一种结直肠癌肝转移标记物模型及其在预后及免疫治疗响应预测的应用
CN113897428A (zh) 生物标志物在判断溃疡性结肠炎患者对戈利木单抗的敏感性中的应用
CN113999902A (zh) 基因组合及其在制备评估受试者对戈利木单抗药物敏感性产品中的应用
CN113957139A (zh) 人源性基因在制备预测患者对戈利木单抗的敏感性的产品中的应用
CA3210972A1 (en) Biomarkers for the diagnosis of breast cancer

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