CN116162709A - Nmibc预后预测模型及其构建方法和应用 - Google Patents

Nmibc预后预测模型及其构建方法和应用 Download PDF

Info

Publication number
CN116162709A
CN116162709A CN202310071162.3A CN202310071162A CN116162709A CN 116162709 A CN116162709 A CN 116162709A CN 202310071162 A CN202310071162 A CN 202310071162A CN 116162709 A CN116162709 A CN 116162709A
Authority
CN
China
Prior art keywords
bladder cancer
module
analysis
gene
amplification
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
CN202310071162.3A
Other languages
English (en)
Inventor
李明珠
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.)
Shanghai Aipu Tikang Biotechnology Co ltd
Original Assignee
Shanghai Aipu Tikang Biotechnology Co ltd
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 Shanghai Aipu Tikang Biotechnology Co ltd filed Critical Shanghai Aipu Tikang Biotechnology Co ltd
Publication of CN116162709A publication Critical patent/CN116162709A/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K45/00—Medicinal preparations containing active ingredients not provided for in groups A61K31/00 - A61K41/00
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P35/00—Antineoplastic agents
    • 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
    • C12Q1/6869—Methods for sequencing
    • 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
    • G16B20/10—Ploidy or copy number detection
    • 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
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • 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
    • G16B20/50—Mutagenesis
    • 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
    • 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)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Organic Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Public Health (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Immunology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Epidemiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medicinal Chemistry (AREA)
  • Veterinary Medicine (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Hospice & Palliative Care (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)

Abstract

本发明公开了一种NMIBC预后预测模型及其构建方法和应用，所述构建方法包括建立输入模块、建立分析模块以及建立输出模块，具体如本发明正文所述。本发明通过对非肌层浸润膀胱癌是否发生5p扩增进行检测，用以对非肌层浸润膀胱癌预后做预测。相较非5p扩增的非肌层浸润膀胱癌患者，5p扩增的非肌层浸润膀胱癌患者预后较差，有较高发生肿瘤进展或肿瘤侵袭的风险。本发明可以对非肌层浸润膀胱癌患者的诊断，治疗及用药提供一定的帮助。

Description

NMIBC预后预测模型及其构建方法和应用
技术领域
本发明属于分子生物学技术领域，涉及一种NMIBC预后预测模型及其构建方法和应用；更具体地，涉及一种5p扩增在评估非肌层浸润型膀胱癌预后中的应用。
背景技术
膀胱癌是泌尿系统常见的肿瘤，2018年全球范围内约有54.9万例确诊和20万例死亡，是十大常见的癌症。发病率有以下特点，(1)因地区而异，欧洲和北美发病率最高。(2)老年男性患病率较高，全球发病率和死亡率是女性的四倍。膀胱癌中90％为尿路上皮癌，其他少量组织学类型有膀胱腺癌、鳞癌等。非肌层浸润性膀胱癌占膀胱癌的75％左右，包含TNM分期中的Ta，Tis，T1，70％为乳头状，有高复发的特征，肌肉浸润膀胱癌为TNM分期中T2、T3及T4，占膀胱癌25％，死亡率较高，具有较高比例的脉管侵犯，神经侵犯和远端转移。
非肌层浸润膀胱癌尽管复发率很高(40-80％)，但通常预后很好。然而，大约15％的非肌层浸润患者会发展为肌肉浸润性或转移性，一旦患者发生进展，他们的预后通常是不利的。准确预测进展对非肌层浸润患者来说至关重要,此外一些高危的非肌层浸润患者还需要考虑根治性膀胱切除术。
目前已经有几项研究确定了与进展相关的风险因素，如原位癌的存在，对BCG的反应等。另外还有三种风险模型可用于预测非肌层浸润肿瘤复发和进展的风险：EORTC，CUETO，EORTC模型，但是由于他们各自的缺陷，预测的准确性不是很高，新的风险因素的鉴定对预测非肌层浸润膀胱癌来说至关重要。
发明内容
为了解决上述技术问题，本发明提供一种NMIBC(非肌层浸润性膀胱癌)预后预测模型及其构建方法和应用。本发明通过对非肌层浸润膀胱癌是否发生5p(5号染色体短臂)扩增进行检测，用以对非肌层浸润膀胱癌的预后评估。相较非5p扩增的非肌层浸润膀胱癌患者，5p扩增的非肌层浸润膀胱癌患者预后较差，有较高发生肿瘤进展或肿瘤侵袭的风险。本发明可以对非肌层浸润膀胱癌患者的诊断、治疗及用药提供一定的帮助。
概述
全外显子组测序技术(WES)，运用核酸序列捕获方法，将基因组外显子区域的DNA进行富集，而后通过插入接头，构建DNA文库，并通过二代测序技术(NGS)进行测序。该方法可检测基因外显子序列的单核苷酸变异(SNV)和拷贝数变异(CNV)，同时还可根据上述信息，评估染色体臂扩增、缺失等结构变异。
发明人对200例膀胱癌患者肿瘤组织和配对癌旁样本进行了WES检测，同时收集了相关患者的临床病理信息和超过10年的随访信息。发现在上述人群队列中，5号染色体短臂的扩增是膀胱癌的高频突变之一，在整体队列水平，5p扩增与膀胱癌生存以及侵袭转移显著相关。发明人进一步比较了肌肉浸润型膀胱癌患者和非肌层浸润型膀胱癌患者中5p扩增与生存的关系。结果表明，在肌肉浸润患者人群中，5p扩增与预后无显著差异；而在非肌层浸润患者中，5p扩增人群膀胱癌发病5p扩增与生存显著相关(如图3所示，非5p扩增的非肌层浸润膀胱癌患者十年总生存率接近100％，5p扩增的非肌层浸润膀胱癌患者十年总生存率低于60％)。通常在临床中，非肌层浸润膀胱癌患者预后较好，往往不需要进行手术切除、高强度化疗等治疗手段。但本发明结果表明，利用检出的5p扩增的非肌层浸润患者，5p扩增可作为一个发生非肌层浸润膀胱癌进展和侵袭的风险因素。
详述
为了解决上述技术问题，本发明第一方面提供一种非肌层浸润型膀胱癌预后预测模型的构建方法，其包含以下步骤：
(1)建立输入模块，所述输入模块用于输入非肌层浸润型膀胱癌样本的5号染色体短臂的基因扩增信息；
(2)建立分析模块，所述分析模块用于分析样本的5号染色体短臂的基因扩增信息与数据库相比是否有统计学上的显著增加；
(3)建立输出模块，若有统计学上的显著增加，则所述输出模块用于输出结果为样本的预后较差。
在某一较佳实施方案中，所述统计学上的显著增加的判断标准是q值小于0.1。
q值即q value(p-adjusted)，为校正后的p值(q value＝padj＝FDR＝Correctedp-Value＝p-adjusted)，是对p值进行了多重假设检验，能更好地控制假阳性率。
其中p值(p value)为统计学差异显著性检验指标。
本发明所述的q值优选为利用软件GISTIC2进行计算。
在某一较佳实施方案中，本发明所述的统计学上的显著增加的判断标准是p值小于0.01。
本发明中，5号染色体短臂也简称为5p。
本发明所述预后可体现在生存率上，比如进展生存期或总生存期；优选指的是总生存期。
进展生存期(PFS)即为患者接受治疗开始到疾病进展或因任何原因死亡的时间。一般PFS越长，意味着患者有质量的生存时间越长，活得越好。
总生存期(OS)即从患者接受治疗开始到患者因任何原因死亡的时间，即患者通过治疗活了多久。
本发明所述的预后较差可为本领域技术人员的常规理解，也可指生存率降低，优选为生存率低于60％，更优选为10年生存率低于60％。
本发明所述的5p扩增指的是整个5p上发生任一个或多个基因或基因片段的扩增，并不特指5p上某一序列或某一基因发生的扩增。
在某些较佳实施方案中，上述构建方法中：步骤(1)还包括对样本进行全外显子组测序技术来获得5号染色体短臂的基因扩增信息。
在某些较佳实施方案中，上述构建方法中：步骤(2)中的数据库包括配对千人基因数据库、膀胱癌人群癌旁基因组或血细胞基因数据库。
本发明所述的膀胱癌人群癌旁基因组的构建可为本领域常规，也可参考本发明实施例中膀胱癌人群癌基因组的构建进行。
在某些较佳实施方案中，步骤(1)还包括如下步骤：
S1、建立DNA提取模块：所述DNA提取模块用于提取样本的基因组DNA；
S2、建立基因文库模块：所述基因文库模块用于获得对基因组DNA实施超声处理打断、末端修复、接头连接、杂交捕获和PCR扩增所得到的基因文库；
S3、建立测序模块：所述测序模块例如为Illumina HiSeq进行全外显子组测序，获得测序数据；
S4、建立数据分析模块：所述数据分析模块对所述测序模块获得的测序数据进行选自以下组的分析：质控检测、片段匹配、变异分析、拷贝数分析和显著突变基因分析；以及获取拷贝数变异、单核苷酸变异以及小片段序列插入和缺失的信息；
S5、建立生物信息分析模块：所述生物信息分析模块用于确定相应基因或其片段的突变位置及突变类型，并进行生物学分析，筛选5号染色体短臂扩增基因变异情况。
在某些实施方案中，步骤S1中：所述DNA提取模块利用试剂盒提取样本的基因组DNA。
所述试剂盒优选为QIAamp DNA Mini Kit。
在某些较佳实施方案中，所述步骤S1，采用QIAamp DNA Mini Kit基因组DNA提取试剂盒及其标准操作步骤，提取样本基因组DNA；采用1％琼脂糖凝胶电泳，对所提取DNA进行质量控制，所提取DNA样本浓度，利用
Figure BDA0004073672360000051
DNA Assay Kit DNA浓度检测试剂盒，在
Figure BDA0004073672360000052
2.0Fluorimeter核酸检测仪中进行检测。
在某些实施方案中，步骤S2中，所述基因文库模块使用Agilent Sure SelectHuman All Exon 50Mb Kit进行基因文库构建。
在某些实施方案中，步骤S2中，采用0.6μg基因组DNA样本，进行后续文库构建。
在某些实施方案中，步骤S2中，所述超声处理打断包括通过超声处理将基因组DNA打碎为180bp-280bp的片段，并进行质控以及DNA浓度检测。
优选地，所述步骤S2，DNA样本利用超声仪(Covaris)进行片段破碎，使得DNA片段分子量范围在180-280bp之间。
优选地，步骤S2中末端修复是在片段DNA 3’端连接测序接头A碱基。
优选地，步骤S2中PCR扩增条件为：95℃预变性2min；98℃变性20s，70℃5mim，25～30个循环；得到的扩增产物4℃短期保存或-20℃长期保存。
优选地，步骤S2中PCR产物进行biotin磁珠富集。
优选地，步骤S2中PCR富集产物通过PCR添加接头标签序列，利用AMPure XP系统进行纯化，利用Agilent high sensitivity DNA assay DNA检测试剂盒，在AgilentBioanalyzer 2100系统中进行定量。
在某些实施方案中，步骤S3中，所述测序数据为原始序列数据。
优选地，步骤S3中样本通过Hiseq PE Cluster Kit(Illumina)试剂盒，在cBotCluster Generation系统中进行反应；在Illumina HiSeq平台测序仪中进行测序，获取150bp双尾序列信息。
优选地，步骤S3中，获取原始数据，根据Illumina数据处理标准流程进行数据清洗。
步骤S4～S5中，经过数据清洗的数据，利用人类基因组参考序列(UCSC hg19)，通过Burrows-Wheeler Aligner(BWA)软件、SAMtools软件、Picard软件(http://broadinstitute.github.io/picard/)进行序列匹配和基因注释，利用Samtools mpileup、bcftools、GATK’s(GATK 4)等工具进行位点变异分析、拷贝数变异分析。
在某些实施方案中，步骤S4中，所述的质控检测包括测序深度、覆盖度均一性和对比率分析。
本发明第二方面提供一种非肌层浸润型膀胱癌预后的预测模型，其通过如本发明第一方面所述的构建方法建立。
本发明第三方面提供用于5号染色体短臂扩增的试剂在制备非肌层浸润型膀胱癌样本的预后检测剂中的用途。
在某一较佳实施方案中，当5号染色体短臂发生扩增时，所述样本的预后较差。
在某一较佳实施方案中，所述样本可为患者。
在某一较佳实施方案中，采用测序技术检测样本的5号染色体短臂是否发生扩增。
在某一较佳实施方案中，使用全外显子组测序技术。
本发明第四方面提供一种评估非肌层浸润型膀胱癌预后的方法，其通过检测样本的5号染色体短臂上是否发生扩增来判断受试者的预后，当5号染色体短臂发生扩增时，所述受试者的预后较差。
在某一较佳实施方案中，采用测序技术检测样本的5号染色体短臂是否发生扩增。
在某一较佳实施方案中，使用全外显子组测序技术。
在某一较佳实施方案中，所述方法为非治疗或诊断目的，可适用的场景为实验室研究、环境检测等。
本发明第五方面提供一种治疗非肌层浸润型膀胱癌的方法，其向有需要的患者施用治疗有效量的抑制或激活5号染色体短臂上的基因的药剂。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明所用试剂和原料均市售可得。
本发明的积极进步效果在于：本发明通过对非肌层浸润膀胱癌是否发生5p扩增进行检测，用以对非肌层浸润膀胱癌预后做预测。相较非5p扩增的非肌层浸润膀胱癌患者，5p扩增的非肌层浸润膀胱癌患者预后较差，有较高发生肿瘤进展或肿瘤侵袭的风险。本发明可以对非肌层浸润膀胱癌患者的诊断，治疗及用药提供一定的帮助。
附图说明
图1为NMIBC(非肌层浸润性膀胱癌)和MIBC(肌层浸润性膀胱癌)臂事件的差异分析，显示只有5p扩增显著差异并且和生存相关。
图2为通过外显子测序结果，发现非肌层浸润膀胱癌患者有23.4％发生了5p的扩增，其中野生型代表未发生5p扩增的频率。
图3为生存分析结果，发现发生5p扩增的这部分患者较不发生5p扩增的这部分患者生存显著变差。
图4为生存分析结果，MIBC队列中，发生5p扩增的患者与不发生5p扩增的患者的生存率没有显著差异。
图5为样本的OS和PFS的分析。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法，按照常规方法和条件，或按照商品说明书选择。
实施例1：NMIBC和MIBC臂事件的差异分析，显示只有NMIBC队列5p扩增显著差异并且和生存相关
研究对象：113名尿路上皮膀胱癌手术治疗患者。
样本采集：手术切除/内镜摘除肿瘤组织样本。
利用全外显子组测序评估尿路上皮膀胱癌预后，包括如下步骤：
S1、尿路上皮膀胱癌切片癌和癌旁基因组DNA提取：采用试剂盒及标准DNA提取方法提取基因组DNA；
采用QIAamp DNA Mini Kit基因组DNA提取试剂盒及其标准操作步骤，提取样本基因组DNA；采用1％琼脂糖凝胶电泳，对所提取DNA进行质量控制，所提取DNA样本浓度，利用
Figure BDA0004073672360000081
DNA Assay Kit DNA浓度检测试剂盒，在/>
Figure BDA0004073672360000082
2.0Fluorimeter核酸检测仪中进行检测。
S2、基因文库构建：基因组DNA经超声处理打断、末端修复、接头连接、杂交捕获、PCR扩增；
采用0.6μg基因组DNA样本，利用超声仪(Covaris)进行片段破碎，使得DNA片段分子量范围在180-280bp之间；利用Agilent Sure Select Human All Exon kit试剂盒，通过试剂盒标准操作流程，进行文库构建。末端修复是在片段DNA 3’端连接测序接头A碱基，PCR扩增条件为：95℃预变性2min；98℃变性20s，70℃5mim，25～30个循环；得到的扩增产物4℃短期保存；PCR产物进行biotin磁珠富集；富集产物通过PCR添加接头标签序列，利用AMPureXP系统进行纯化，利用Agilent high sensitivity DNA assay DNA检测试剂盒，在AgilentBioanalyzer 2100系统中进行定量。
S3、测序：高通量测序采用包含但不限于Illumina HiSeq的NGS测序平台进行全外显子组测序；
样本通过Hiseq PE Cluster Kit(Illumina)试剂盒，在cBot ClusterGeneration系统中进行反应；在Illumina HiSeq平台测序仪中进行测序，获取150bp双尾序列信息。
S4、数据分析：对数据进行质控检测、片段匹配(reads mapping)、变异分析(Variant Calling)、拷贝数分析(CNA)、显著突变基因分析；
S5、筛选：将所得数据与数据库进行比对，得到拷贝数变异、单核苷酸变异、小片段序列插入以及缺失；
S6、结果生物信息分析：确定相应基因片段的突变位置及突变类型，并进行生物学分析。
获取原始数据，根据Illumina数据处理标准流程进行数据清洗。经过数据清洗的数据，利用人类基因组参考序列(UCSC hg19)，通过Burrows-Wheeler Aligner(BWA)软件、SAMtools软件、Picard软件(http://broadinstitute.github.io/picard/)进行序列匹配和基因注释，利用Samtools mpileup、bcftools、GATK’s(GATK 4)等工具进行位点变异分析、拷贝数变异分析，根据GISTIC2软件分析样本的5号染色体短臂的基因扩增信息与数据库相比是否有统计学上的显著增加，即计算q值是否小于0.1用于确定5号染色体短臂拷贝数变异情况。
结果表明，在NMIBC和MIBC臂事件的差异分析中，只有NMIBC 5p扩增显著差异，并且和生存相关(如图1所示)。
实施例2：生存分析显示NMIBC 5p扩增的患者的预后显著变差，MIBC中5p扩增和不扩增的患者预后没有显著差异
研究对象：113名尿路上皮膀胱癌手术治疗患者(45例NMIBC和68例MIBC)。
样本采集：手术切除/内镜摘除肿瘤组织样本。
利用全外显子组测序评估尿路上皮膀胱癌预后，包括如下步骤：
S1、肌肉浸润型膀胱癌切片癌基因组和癌旁基因组DNA提取：采用试剂盒及标准DNA提取方法提取基因组DNA；
采用QIAamp DNA Mini Kit基因组DNA提取试剂盒及其标准操作步骤，提取样本基因组DNA；采用1％琼脂糖凝胶电泳，对所提取DNA进行质量控制，所提取DNA样本浓度，利用
Figure BDA0004073672360000091
DNA Assay Kit DNA浓度检测试剂盒，在/>
Figure BDA0004073672360000092
2.0Fluorimeter核酸检测仪中进行检测。
S2、基因文库构建：基因组DNA经超声处理打断、末端修复、接头连接、杂交捕获、PCR扩增；
采用0.6μg基因组DNA样本，利用超声仪(Covaris)进行片段破碎，使得DNA片段分子量范围在180-280bp之间；利用Agilent SureSelect Human All Exon kit试剂盒，通过试剂盒标准操作流程，进行文库构建。末端修复是在片段DNA 3’端连接测序接头A碱基，PCR扩增条件为：95℃预变性2min；98℃变性20s，70℃5mim，25～30个循环；得到的扩增产物4℃短期保存；PCR产物进行biotin磁珠富集；富集产物通过PCR添加接头标签序列，利用AMPureXP系统进行纯化，利用Agilent high sensitivity DNA assay DNA检测试剂盒，在AgilentBioanalyzer 2100系统中进行定量。
S3、测序：高通量测序采用包含但不限于Illumina HiSeq的NGS测序平台进行全外显子组测序；
样本通过Hiseq PE Cluster Kit(Illumina)试剂盒，在cBot ClusterGeneration系统中进行反应；在Illumina HiSeq平台测序仪中进行测序，获取150bp双尾序列信息。
S4、数据分析：对数据进行质控检测、片段匹配(reads mapping)、变异分析(Variant Calling)、拷贝数分析(CNA)、显著突变基因分析；
S5、筛选：将所得数据与数据库进行比对，得到拷贝数变异、单核苷酸变异、小片段序列插入以及缺失；
S6、结果生物信息分析：确定相应基因片段的突变位置及突变类型，并进行生物学分析。
获取原始数据，根据Illumina数据处理标准流程进行数据清洗。经过数据清洗的数据，利用人类基因组参考序列(UCSC hg19)，通过Burrows-Wheeler Aligner(BWA)软件、SAMtools软件、Picard软件(http://broadinstitute.github.io/picard/)进行序列匹配和基因注释，利用Samtools mpileup、bcftools、GATK’s(GATK 4)等工具进行位点变异分析、拷贝数变异分析，根据GISTIC2软件分析样本的5号染色体短臂的基因扩增信息与数据库相比是否有统计学上的显著增加，即计算q值是否小于0.1，用以确定5号染色体短臂拷贝数变异情况。
结果如图4所示，5p扩增的不良预后在MIBC患者中没有观察到差异(p<1×103)。
实施例3
研究对象：45名非浸润性膀胱癌手术治疗患者。
样本采集：手术切除/内镜摘除肿瘤组织样本。
一种利用全外显子组测序评估非肌层浸润型膀胱癌预后的方法，包括如下步骤：
S1、非肌层浸润型膀胱癌切片癌基因组和癌旁基因组DNA提取：采用试剂盒及标准DNA提取方法提取基因组DNA；
采用QIAamp DNA Mini Kit基因组DNA提取试剂盒及其标准操作步骤，提取样本基因组DNA；采用1％琼脂糖凝胶电泳，对所提取DNA进行质量控制，所提取DNA样本浓度，利用
Figure BDA0004073672360000111
DNA Assay Kit DNA浓度检测试剂盒，在/>
Figure BDA0004073672360000112
2.0Fluorimeter核酸检测仪中进行检测。
S2、基因文库构建：基因组DNA经超声处理打断、末端修复、接头连接、杂交捕获、PCR扩增；
采用0.6μg基因组DNA样本，利用超声仪(Covaris)进行片段破碎，使得DNA片段分子量范围在180-280bp之间；利用Agilent SureSelect Human All Exon kit试剂盒，通过试剂盒标准操作流程，进行文库构建。末端修复是在片段DNA 3’端连接测序接头A碱基，PCR扩增条件为：95℃预变性2min；98℃变性20s，70℃5mim，25～30个循环；得到的扩增产物4℃短期保存；PCR产物进行biotin磁珠富集；富集产物通过PCR添加接头标签序列，利用AMPureXP系统进行纯化，利用Agilent high sensitivity DNA assay DNA检测试剂盒，在AgilentBioanalyzer 2100系统中进行定量。
S3、测序：高通量测序采用包含但不限于Illumina HiSeq的NGS测序平台进行全外显子组测序；
样本通过Hiseq PE Cluster Kit(Illumina)试剂盒，在cBot ClusterGeneration系统中进行反应；在Illumina HiSeq平台测序仪中进行测序，获取150bp双尾序列信息。
S4、数据分析：对数据进行质控检测、片段匹配(reads mapping)、变异分析(Variant Calling)、拷贝数分析(CNA)、显著突变基因分析；
S5、筛选：将所得数据与数据库进行比对，得到拷贝数变异、单核苷酸变异、小片段序列插入以及缺失；
S6、结果生物信息分析：确定相应基因片段的突变位置及突变类型，并进行生物学分析。
获取原始数据，根据Illumina数据处理标准流程进行数据清洗。经过数据清洗的数据，利用人类基因组参考序列(UCSC hg19)，通过Burrows-Wheeler Aligner(BWA)软件、SAMtools软件、Picard软件(http://broadinstitute.github.io/picard/)进行序列匹配和基因注释，利用Samtools mpileup、bcftools、GATK’s(GATK 4)等工具进行位点变异分析、拷贝数变异分析，获取5号染色体短臂拷贝数变异情况。
结果表明，在45名非浸润性膀胱癌手术治疗患者中，有9例存在5p扩增情况，36例没有发生5p扩增(如图2所示)。
根据上述病例十年随访信息进行统计，结果表明，发生5p扩增的非肌层浸润型膀胱癌患者(10年生存率低于60％)较不发生5p扩增的非肌层浸润型膀胱癌患者(10年生存率接近100％)生存显著较差(如图3所示)。图3显示非5p扩增的非肌层浸润膀胱癌患者十年总生存率接近100％，5p扩增的非肌层浸润膀胱癌患者十年总生存率低于60％。
实施例4样本的OS和PFS分析
依据上述实施例2同样的分析方法，对样本的进展生存期OS和总生存期PFS进行测定，结果见如图5，表明5p扩增后的样本存活可能性显著降低；且MIBC样本的存活可能性显著低于NMIBC样本。
参考文献
Bray F,Ferlay J,Soerjomataram I,et al.Global cancer statistics 2018:GLOBOCAN estimates of incidence and mortality worldwide for 36cancersin185countries.CA Cancer J Clin 2018；68:394-424.
Ku JH.Bladder cancer.London,United Kingdom:Academic Press,an imprintof Elsevier,2018.
Babjuk M,Burger M,Comperat EM,et al.European Association of UrologyGuidelines on Non-muscle-invasive Bladder Cancer(TaT1 and Carcinoma In Situ)-2019Update.Eur Urol 2019；76:639-657.
Li H,Durbin R.Fast and accurate short read alignment with Burrows-Wheeler transform.Bioinformatics 2009；25:1754-60.
Etherington GJ,Ramirez-Gonzalez RH,MacLean D.bio-samtools 2:apackagefor analysis and visualization of sequence and alignment data with SAMtoolsin Ruby.Bioinformatics 2015；31:2565-7.
本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种非肌层浸润型膀胱癌预后预测模型的构建方法，其特征在于，包含以下步骤：
(1)建立输入模块，所述输入模块用于输入非肌层浸润型膀胱癌样本的5号染色体短臂的基因扩增信息；
(2)建立分析模块，所述分析模块用于分析样本的5号染色体短臂的基因扩增信息与数据库相比是否有统计学上的显著增加，优选为q值小于0.1；
(3)建立输出模块，若有统计学上的显著增加，则所述输出模块用于输出结果为样本的预后较差。
2.如权利要求1所述的构建方法，其特征在于，步骤(1)还包括对样本进行全外显子组测序技术来获得5号染色体短臂的基因扩增信息；
和/或，步骤(2)中的数据库包括配对千人基因数据库、膀胱癌人群癌旁基因组或血细胞基因数据库。
3.如权利要求2所述的构建方法，其特征在于，步骤(1)还包括如下步骤：
S1、建立DNA提取模块：所述DNA提取模块用于提取样本的基因组DNA；
S2、建立基因文库模块：所述基因文库模块用于获得对基因组DNA实施超声处理打断、末端修复、接头连接、杂交捕获和PCR扩增所得到的基因文库；
S3、建立测序模块：所述测序模块例如为Illumina HiSeq进行全外显子组测序，获得测序数据；
S4、建立数据分析模块：所述数据分析模块对所述测序模块获得的测序数据进行选自以下组的分析：质控检测、片段匹配、变异分析、拷贝数分析和显著突变基因分析；以及获取拷贝数变异、单核苷酸变异以及小片段序列插入和缺失的信息；
S5、建立生物信息分析模块：所述生物信息分析模块用于确定相应基因或其片段片段的突变位置及突变类型，并进行生物学分析，筛选5号染色体短臂扩增基因变异情况。
4.根据权利要求3所述的构建方法，其特征在于，
步骤S1中：所述DNA提取模块利用试剂盒例如QIAamp DNA Mini Kit提取样本的基因组DNA；和/或，
步骤S2中，所述基因文库模块使用Agilent Sure Select Human All Exon50Mb Kit进行基因文库构建；和/或，
步骤S2中，所述超声处理打断包括通过超声处理将基因组DNA打碎为180bp-280bp的片段，并进行质控以及DNA浓度检测。
5.根据权利要求4所述的构建方法，其特征在于，步骤S3中，所述测序数据为原始序列数据；和/或，
步骤S4中，所述的质控检测包括测序深度、覆盖度均一性和对比率分析。
6.一种非肌层浸润型膀胱癌预后的预测模型，其特征在于，通过如权利要求1～5任一项所述的构建方法建立。
7.用于5号染色体短臂扩增的试剂在制备非肌层浸润型膀胱癌样品的预后检测剂中的用途。
8.一种评估非肌层浸润型膀胱癌预后的方法，其特征在于，通过检测样本的5号染色体短臂上是否发生扩增来判断受试者的预后，当5号染色体短臂发生扩增时，所述受试者的预后较差。
9.如权利要求8所述的方法，其特征在于，通过测序技术检测样本的5号染色体短臂是否发生扩增，优选使用全外显子组测序技术。
10.一种治疗非肌层浸润型膀胱癌的方法，其特征在于，向有需要的患者施用治疗有效量的抑制或激活5号染色体短臂上的基因的药剂。
CN202310071162.3A 2022-05-19 2023-01-12 Nmibc预后预测模型及其构建方法和应用 Pending CN116162709A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2022105581392 2022-05-19
CN202210558139 2022-05-19

Publications (1)

Publication Number Publication Date
CN116162709A true CN116162709A (zh) 2023-05-26

Family

ID=86415893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310071162.3A Pending CN116162709A (zh) 2022-05-19 2023-01-12 Nmibc预后预测模型及其构建方法和应用

Country Status (1)

Country Link
CN (1) CN116162709A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116751859A (zh) * 2023-06-16 2023-09-15 上海爱谱蒂康生物科技有限公司 Nmibc预测模型及其构建方法和应用

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120202200A1 (en) * 2010-09-08 2012-08-09 Cancer Genetics, Inc. Methods for detecting human papilloma virus-associated cancers
CN111440863A (zh) * 2019-01-17 2020-07-24 中山大学附属第六医院 Kazn基因甲基化检测试剂在制备结直肠癌预后诊断试剂中的应用
CN112725454A (zh) * 2021-02-03 2021-04-30 山东第一医科大学附属省立医院(山东省立医院) 膀胱癌患者总体生存率预后模型
CN114582425A (zh) * 2022-03-14 2022-06-03 上海交通大学医学院附属仁济医院 Nmibc预后预测分子标志物、筛选方法及建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120202200A1 (en) * 2010-09-08 2012-08-09 Cancer Genetics, Inc. Methods for detecting human papilloma virus-associated cancers
CN111440863A (zh) * 2019-01-17 2020-07-24 中山大学附属第六医院 Kazn基因甲基化检测试剂在制备结直肠癌预后诊断试剂中的应用
CN112725454A (zh) * 2021-02-03 2021-04-30 山东第一医科大学附属省立医院(山东省立医院) 膀胱癌患者总体生存率预后模型
CN114582425A (zh) * 2022-03-14 2022-06-03 上海交通大学医学院附属仁济医院 Nmibc预后预测分子标志物、筛选方法及建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NING XU等: "Integrated proteogenomic characterization of urothelial carcinoma of the bladder", JOURNAL OF HEMATOLOGY & ONCOLOGY, vol. 15, pages 76 *
SIA VIBORG LINDSKROG等: ""An integrated multi-omics analysis identifies prognostic molecular subtypes of non-muscleinvasive bladder cancer", NATURE COMMUNICATIONS, vol. 12, pages 2301 *
顿文超;顾沈阳;: "染色体畸变在膀胱癌监测中的研究进展", 现代医学, no. 08 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116751859A (zh) * 2023-06-16 2023-09-15 上海爱谱蒂康生物科技有限公司 Nmibc预测模型及其构建方法和应用

Similar Documents

Publication Publication Date Title
US11768208B2 (en) Protein and gene biomarkers for rejection of organ transplants
JP6161607B2 (ja) サンプルにおける異なる異数性の有無を決定する方法
CN105779434A (zh) 试剂盒及其用途
JP7499239B2 (ja) 体細胞変異のための方法およびシステム、ならびにそれらの使用
TW201639968A (zh) 血漿粒線體ｄｎａ分析之應用
WO2017075784A1 (zh) 肺腺癌生物标记物及其应用
EP3859010A1 (en) Second generation sequencing-based method for detecting microsatellite stability and genome changes by means of plasma
WO2024183507A1 (zh) 作为前列腺癌标志物的dna甲基化位点组合及其应用
CN116162709A (zh) Nmibc预后预测模型及其构建方法和应用
WO2021164709A1 (zh) Notch家族基因变异在预测实体瘤患者对免疫检查点抑制剂疗法敏感性中的应用
EP3864178B1 (en) Pre-surgical risk stratification based on pde4d7 and dhx9 expression
CN112951325A (zh) 一种用于癌症检测的探针组合的设计方法及其应用
CN110408706A (zh) 一种评估鼻咽癌复发的生物标志物及其应用
Wilmott et al. Tumour procurement, DNA extraction, coverage analysis and optimisation of mutation-detection algorithms for human melanoma genomes
EP4318493A1 (en) Artificial-intelligence-based method for detecting tumor-derived mutation of cell-free dna, and method for early diagnosis of cancer, using same
CN112695081B (zh) 原发性胆汁性胆管炎新的易感基因及其应用
US20130331279A1 (en) Recurrent spop mutations in prostate cancer
KR20220071122A (ko) 핵산 길이 비를 이용한 암 진단 및 예후예측 방법
CN114959031A (zh) 胰腺腺癌预后评估的标志物组合及其应用
CN110870017B (zh) 从无细胞核酸生成背景等位基因频率分布及检测突变的方法
CN116751859A (zh) Nmibc预测模型及其构建方法和应用
US20210040563A1 (en) Molecular signature and use thereof for the identification of indolent prostate cancer
CN116168839A (zh) 中高分化食管鳞癌预后预测模型及其构建方法和应用
US20240344141A1 (en) Cell-free dna analysis in the detection and monitoring of pancreatic cancer using a combination of features
US20240344142A1 (en) Cell-free dna analysis in the detection of pancreatic cancer using a combination of features

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