CN115678998A - 一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 - Google Patents
一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 Download PDFInfo
- Publication number
- CN115678998A CN115678998A CN202211439309.1A CN202211439309A CN115678998A CN 115678998 A CN115678998 A CN 115678998A CN 202211439309 A CN202211439309 A CN 202211439309A CN 115678998 A CN115678998 A CN 115678998A
- Authority
- CN
- China
- Prior art keywords
- mir
- mirna
- kit
- sample
- score
- 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
Links
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法。所述的miRNA标志物由miR‑10a‑5p、miR‑10b‑5p、miR‑34a‑5p、miR‑181a‑5p、miR‑203a‑3p、miR‑30e‑3p、miR‑542‑3p和miR‑4772‑3p组成。本发明通过运用limma包筛选与肺腺癌EGFR突变密切相关的差异miRNA,通过Lasso回归和logistic回归构建上述miRNA组合物的评分Score,可用于肺腺癌EGFR突变的检测。本发明的检测方法具有灵敏度、特异度高的特点,同时性价比高,能够简便、快速地为临床上EGFR‑TKI治疗提供科学的指导。
Description
技术领域
本发明涉及一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法,属于分子诊断技术领域。
背景技术
肺腺癌是当前最主要的肺癌病理亚型,已占据每年所有新发肺癌病例的近三分之二。近年来,随着miRNA及组织学等基础学科的进展,人们针对肺腺癌的分子机制有了更深入的理解。人们发现表皮生长因子受体(EGFR)突变是肺腺癌的主要驱动因素之一。肺腺癌患者EGFR突变率为50%左右,不吸烟肺腺癌患者可高达60%-70%。EGFR基因突变通常发生在外显子18-21,其中19外显子DEL缺失(约占45%)及21外显子L858R点突变(约占40%)最常见。
目前临床EGFR酪氨酸激酶抑制剂(EGFR-TKI)例如吉非替尼、阿法替尼、奥希替尼等已成为进展期且具有EGFR突变的肺腺癌患者的标准治疗方式。通过检测患者是否具有EGFR突变,来判断患者是否适合用EGFR-TKI治疗,已经是目前临床的常规操作。
目前检测EGFR突变的方法存在成本高昂、流程繁琐等缺陷。例如EGFR突变的标准检测方法直接测序法,过程稍繁琐、耗时长,检测10%以下突变率的样本常常出现假阴性。NGS是边合成边测序技术(Sequencing by Synthesis,SBS),高通量高深度,价格昂贵。
发明内容
本发明的目的是:提供一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法,通过检测多个miRNA标志物的表达量,作为生物标志物用于判断患者EGFR突变情况,为临床上EGFR-TKI治疗提供指导。
为了实现上述目的,本发明提供了一种检测试剂在制备检测肺腺癌EGFR突变的试剂盒中的应用,所述检测试剂由检测以下miRNA表达量的试剂组成:miR-10A-5P、miR-10B-5P、miR-34A-5P、miR-181A-5P、miR-203A-3P、miR-30E-3P、miR-542-3P和miR-4772-3P,所述检测试剂作为试剂盒实现检测肺腺癌EGFR突变的唯一关键成分。
优选地,所述试剂盒内还包括说明书,所述说明书记载如下评分模型:
Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893;
上述评分模型中各基因代表的是miRNA表达量的Log2(TPM+1)转换值,即采用TPM计算度量指标,TPM公式=(每条miRNA比对到的read数目)/(样本总比对read数目)×106,并转换成Log2(TPM+1)后代入评分模型中计算Score得分,当检测样本Score得分大于0时,则该检测样本存在EGFR突变;当检测样本得分等于或小于0时,则该检测样本不存在EGFR突变;所述检测样本为新鲜组织肿瘤样本。
本发明还提供了一种检测肺腺癌EGFR突变的试剂盒,至少包括特异性检测以下miRNA表达量的试剂:miR-10A-5P、miR-10B-5P、miR-34A-5P、miR-181A-5P、miR-203A-3P、miR-30E-3P、miR-542-3P和miR-4772-3P。
本发明还提供了一种用于非疾病诊断和治疗目的的检测肺腺癌EGFR突变的方法,包括如下步骤:
步骤1:使用miRcute miRNA提取分离试剂盒miRcute miRNA Isolation Kit提取肿瘤组织样本中的miRNA;
步骤2:miRNA文库构建:采用TruSeq miRNA Sample Prep Kitv2试剂盒完成;
步骤3:簇生成:采用TruSeq SR Cluster Kitv3-cBot–HS试剂盒完成;
步骤4:Illumina Hiseq2000测序:Hiseq2000上机,测序结果将原始数据转换成Fastq格式;
步骤5:数据分析及计算:
对原始Fastq文件数据去除接头序列后,并检验测序片段碱基的质量和长度,筛选质量可靠的测序片段;将测序结果与miRbase数据库比对过滤,鉴定出检测样本中的miRNA数据;根据鉴定的miRNA进行表达量统计,miRNA表达量计算采用TPM计算度量指标,TPM公式=(每条miRNA比对到的read数目)/(样本总比对read数目)×106,并转换成Log2(TPM+1);将目的miRNA的表达量转换成Log2(TPM+1)后代入评分模型:Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893计算Score得分。
步骤6:判断:当检测样本Score得分大于0时,则该检测样本存在EGFR突变;当检测样本得分等于或小于0时,则该检测样本不存在EGFR突变;所述检测样本为新鲜组织肿瘤样本。
与现有技术相比,本发明的有益效果在于:
(1)本发明中通过检测患者多个miRNA的表达量,作为生物标志物用于判断患者EGFR突变情况,将会更具性价比地为EGFR突变检测提供保障,同时具有高敏感性、特异性和应用价值,有助于实现针对患者的精准医疗;
(2)本发明首次提出了该miRNA组合物可用于评估肺腺癌EGFR突变,较目前常用的方法,具有操作便捷,可定量分析、准确性高、灵敏度和特异性好、性价比高的优点。
附图说明
图1为EGFR突变型和野生型患者显著差异miRNA火山图;
图2为LASSO回归结果图;
图3为ROC曲线。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
实施例1miRNA集的筛选及效果验证
(一)肺腺癌预后评分模型构建
1、方法
首先从TCGA数据库中获得448例肺腺癌样本的miRNA表达数据和突变数据,根据患者的EGFR突变与否分为EGFR突变型(51例)和野生型(397例),通过R语言limma包筛选出两组间的显著差异miRNA共38个,其中显著上调的miRNA共36个,显著下调的miRNA共2个(图1)。
进一步通过Lasso回归最终挑选出18个miRNA为:miR-101-3p、miR-10a-5p、miR-10b-5p、miR-34a-5p、miR-181a-5p、miR-203a-3p、miR-205-5p、miR-181a-3p、miR-224-5p、miR-30e-3p、miR-501-5p、miR-542-3p、miR-181a-2-3p、miR-339-3p、miR-146b-3p、miR-589-5p、miR-4772-3p、miR-664b-3p(图2)。
进一步对上述18个miRNA进行Logistic回归分析,最终挑选出8个miRNA(表1),并构建得分模型:
Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893;
表1:Logistic回归结果
最后我们基于该miRNA表达,计算每个样本的评分,通过ROC曲线(图3)分析其敏感性和特异性,将TCGA样本分为两组,评分大于0归于EGFR突变型,评分等于或小于0归于EGFR野生型。与实际检测结果相比较,计算灵敏度=41/51=80.4%,特异度=371/444=83.1%(表2)。
表2本方法在TCGA数据库肺腺癌中预测的灵敏度与特异度
(二)效果验证
我们将复旦大学附属中山医院胸外科收集的47例肺腺癌样本,进行miRNA测序。具体步骤如下:
①使用miRcute miRNA提取分离试剂盒(miRcute miRNA Isolation Kit)提取肿瘤组织样本中的miRNA;
②miRNA文库构建:采用TruSeq miRNA Sample Prep Kitv2试剂盒完成;
③簇生成:采用TruSeq SR Cluster Kitv3-cBot–HS试剂盒完成;
④Illumina Hiseq2000测序:Hiseq2000上机,测序结果将原始数据转换成Fastq格式;
⑤数据分析:
对原始Fastq文件数据去除接头序列后,并检验测序片段碱基的质量和长度,筛选质量可靠的测序片段;将测序结果与miRbase数据库比对过滤,鉴定出结果中的已知人的miRNA数据;根据鉴定的miRNA进行表达量统计,miRNA表达量计算采用TPM(transcript permillion)计算度量指标,TPM公式=(每条miRNA比对到的read数目)/(样本总比对read数目)×106,并转换成Log2(TPM+1)。将目的miRNA的表达量Log2(TPM+1)进行相关计算,根据评分模型Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893计算Score得分。
⑥根据计算结果分为两组,得到大于0的为EGFR突变型,等于或小于0的为EGFR野生型,与实际检测结果相比较,计算灵敏度=20/26=76.9%,特异度=16/21=71.4%。
表3本方法在中山医院肺腺癌患者中预测的灵敏度与特异度
上述实施例仅为本发明的优选实施例,并非对本发明任何形式上和实质上的限制,应当指出,对于本技术领域的普通技术人员,在不脱离本发明的前提下,还将可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。
Claims (4)
1.一种检测试剂在制备检测肺腺癌EGFR突变的试剂盒中的应用,其特征在于,所述检测试剂由检测以下miRNA表达量的试剂组成:miR-10A-5P、miR-10B-5P、miR-34A-5P、miR-181A-5P、miR-203A-3P、miR-30E-3P、miR-542-3P和miR-4772-3P,所述检测试剂作为试剂盒实现检测肺腺癌EGFR突变的唯一关键成分。
2.根据权利要求1所述的应用,其特征在于,所述试剂盒内还包括说明书,所述说明书记载如下评分模型:
Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893;
上述评分模型中各基因代表的是miRNA表达量的Log2(TPM+1)转换值,即采用TPM计算度量指标,TPM公式=(每条miRNA比对到的read数目)/(样本总比对read数目)×106,并转换成Log2(TPM+1)后代入评分模型中计算Score得分,当检测样本Score得分大于0时,则该检测样本存在EGFR突变;当检测样本得分等于或小于0时,则该检测样本不存在EGFR突变;所述检测样本为新鲜组织肿瘤样本。
3.一种检测肺腺癌EGFR突变的试剂盒,其特征在于,至少包括特异性检测以下miRNA表达量的试剂:miR-10A-5P、miR-10B-5P、miR-34A-5P、miR-181A-5P、miR-203A-3P、miR-30E-3P、miR-542-3P和miR-4772-3P。
4.一种用于非疾病诊断和治疗目的的检测肺腺癌EGFR突变的方法,其特征在于,包括如下步骤:
步骤1:使用miRcute miRNA提取分离试剂盒miRcute miRNA Isolation Kit提取肿瘤组织样本中的miRNA;
步骤2:miRNA文库构建:采用TruSeq miRNA Sample Prep Kitv2试剂盒完成;
步骤3:簇生成:采用TruSeq SR Cluster Kitv3-cBot–HS试剂盒完成;
步骤4:Illumina Hiseq2000测序:Hiseq2000上机,测序结果将原始数据转换成Fastq格式;
步骤5:数据分析及计算:
对原始Fastq文件数据去除接头序列后,并检验测序片段碱基的质量和长度,筛选质量可靠的测序片段;将测序结果与miRbase数据库比对过滤,鉴定出检测样本中的miRNA数据;根据鉴定的miRNA进行表达量统计,miRNA表达量计算采用TPM计算度量指标,TPM公式=(每条miRNA比对到的read数目)/(样本总比对read数目)×106,并转换成Log2(TPM+1);将目的miRNA的表达量转换成Log2(TPM+1)后代入评分模型:Score=0.558×miR-10a-5p+0.446×miR-10b-5p+0.635×miR-34a-5p+0.921×miR-181a-5p-0.346×miR-203a-3p+0.984×miR-30e-3p+0.503×miR-542-3p-0.74×miR-4772-3p-39.893计算Score得分。
步骤6:判断:当检测样本Score得分大于0时,则该检测样本存在EGFR突变;当检测样本得分等于或小于0时,则该检测样本不存在EGFR突变;所述检测样本为新鲜组织肿瘤样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439309.1A CN115678998A (zh) | 2022-11-17 | 2022-11-17 | 一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439309.1A CN115678998A (zh) | 2022-11-17 | 2022-11-17 | 一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115678998A true CN115678998A (zh) | 2023-02-03 |
Family
ID=85053727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211439309.1A Pending CN115678998A (zh) | 2022-11-17 | 2022-11-17 | 一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115678998A (zh) |
-
2022
- 2022-11-17 CN CN202211439309.1A patent/CN115678998A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156543B (zh) | 一种肿瘤ctDNA信息统计方法 | |
CN109830264B (zh) | 肿瘤患者基于甲基化位点进行分类的方法 | |
CN113096739A (zh) | 一种卵巢癌的免疫预后诊断标志物组合的分析方法 | |
CN111653314B (zh) | 一种分析识别淋巴管浸润的方法 | |
CN115588507A (zh) | 一种肺腺癌emt相关基因的预后模型及构建方法和应用 | |
CN110714078A (zh) | 一种用于ii期结直肠癌复发预测的标记基因及应用 | |
CN115410713A (zh) | 一种基于免疫相关基因的肝细胞癌预后风险预测模型构建 | |
CN113853444A (zh) | 癌症患者生存率的预测方法 | |
CN110760585B (zh) | 前列腺癌生物标志物及其应用 | |
CN113234829A (zh) | 结肠癌预后评估基因集及其构建方法 | |
CN115820860A (zh) | 基于增强子甲基化差异的非小细胞肺癌标志物筛选方法及其标志物和应用 | |
CN113362893A (zh) | 肿瘤筛查模型的构建方法及应用 | |
CN117079723B (zh) | 一种与肌萎缩侧索硬化症相关的生物标志物、诊断模型及其应用 | |
CN112037863B (zh) | 一种早期nsclc预后预测系统 | |
CN117275585A (zh) | 基于lp-wgs和dna甲基化的肺癌早筛模型构建方法及电子设备 | |
CN113345589A (zh) | 肝癌预后模型的构建方法及应用方法、电子设备 | |
CN117558345A (zh) | 一种评估乳腺癌患者cd8阳性t细胞抗肿瘤免疫的多基因模型及其构建方法 | |
CN110570951A (zh) | 构建乳腺癌新辅助化疗疗效分类模型的方法 | |
CN116153387A (zh) | 一种肺鳞癌患者总体生存率预后模型及应用 | |
CN110408706A (zh) | 一种评估鼻咽癌复发的生物标志物及其应用 | |
CN116189904A (zh) | 一种分化型甲状腺癌的基因甲基化诊断模型及其构建方法 | |
WO2022156610A1 (zh) | 基于基因检测判断肝癌药物敏感性和远期预后的预测工具及其应用 | |
CN115678998A (zh) | 一种检测肺腺癌EGFR突变的miRNA标志物、试剂盒及方法 | |
CN114724631A (zh) | 染色体拷贝数变异程度评估模型、方法及应用 | |
CN114171200A (zh) | Ptc预后标志物及其应用、ptc的预后评估模型的构建方法 |
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 |