CN117802236A - 用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 - Google Patents
用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 Download PDFInfo
- Publication number
- CN117802236A CN117802236A CN202311178697.7A CN202311178697A CN117802236A CN 117802236 A CN117802236 A CN 117802236A CN 202311178697 A CN202311178697 A CN 202311178697A CN 117802236 A CN117802236 A CN 117802236A
- Authority
- CN
- China
- Prior art keywords
- thyroid
- distinguishing
- seq
- gene
- benign
- 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
- 239000003550 marker Substances 0.000 title claims abstract description 56
- 201000002510 thyroid cancer Diseases 0.000 title claims abstract description 33
- 238000002360 preparation method Methods 0.000 title claims abstract description 12
- 208000024770 Thyroid neoplasm Diseases 0.000 title abstract description 43
- 210000001685 thyroid gland Anatomy 0.000 claims abstract description 277
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 182
- 201000011510 cancer Diseases 0.000 claims abstract description 181
- 230000011987 methylation Effects 0.000 claims abstract description 138
- 238000007069 methylation reaction Methods 0.000 claims abstract description 138
- 108091029430 CpG site Proteins 0.000 claims abstract description 79
- 230000007067 DNA methylation Effects 0.000 claims abstract description 65
- 208000016842 benign thyroid gland neoplasm Diseases 0.000 claims abstract description 49
- 102100028253 Breast cancer anti-estrogen resistance protein 3 Human genes 0.000 claims abstract description 25
- 102100021803 Leucine zipper transcription factor-like protein 1 Human genes 0.000 claims abstract description 25
- 101150073033 BCAR3 gene Proteins 0.000 claims abstract description 23
- 101150069680 LZTFL1 gene Proteins 0.000 claims abstract description 23
- 101150083832 LPR4 gene Proteins 0.000 claims abstract description 22
- 101000616300 Homo sapiens Leucine zipper transcription factor-like protein 1 Proteins 0.000 claims abstract description 18
- 101000597918 Homo sapiens Transmembrane 6 superfamily member 2 Proteins 0.000 claims abstract description 18
- 101000935648 Homo sapiens Breast cancer anti-estrogen resistance protein 3 Proteins 0.000 claims abstract description 17
- 239000000126 substance Substances 0.000 claims abstract description 10
- 230000036210 malignancy Effects 0.000 claims description 93
- 239000012634 fragment Substances 0.000 claims description 88
- 108020004414 DNA Proteins 0.000 claims description 74
- 238000013178 mathematical model Methods 0.000 claims description 67
- 108090000623 proteins and genes Proteins 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 31
- 102100035330 Transmembrane 6 superfamily member 2 Human genes 0.000 claims description 13
- 102000053602 DNA Human genes 0.000 claims description 12
- 108020004682 Single-Stranded DNA Proteins 0.000 claims description 12
- 239000002773 nucleotide Substances 0.000 claims description 12
- 125000003729 nucleotide group Chemical group 0.000 claims description 12
- 230000004069 differentiation Effects 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000007477 logistic regression Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 239000003153 chemical reaction reagent Substances 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims 1
- 201000009030 Carcinoma Diseases 0.000 abstract description 15
- 208000010576 undifferentiated carcinoma Diseases 0.000 abstract description 14
- 238000013399 early diagnosis Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 101000858029 Bos taurus Coxsackievirus and adenovirus receptor homolog Proteins 0.000 abstract 1
- 208000023356 medullary thyroid gland carcinoma Diseases 0.000 description 26
- 206010033701 Papillary thyroid cancer Diseases 0.000 description 25
- 208000030901 thyroid gland follicular carcinoma Diseases 0.000 description 25
- 208000030045 thyroid gland papillary carcinoma Diseases 0.000 description 23
- 208000013076 thyroid tumor Diseases 0.000 description 20
- 239000000047 product Substances 0.000 description 17
- 210000001519 tissue Anatomy 0.000 description 13
- 208000037196 Medullary thyroid carcinoma Diseases 0.000 description 11
- 208000013818 thyroid gland medullary carcinoma Diseases 0.000 description 11
- 230000003325 follicular Effects 0.000 description 10
- 208000019179 thyroid gland undifferentiated (anaplastic) carcinoma Diseases 0.000 description 10
- 208000004463 Follicular Adenocarcinoma Diseases 0.000 description 9
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000001574 biopsy Methods 0.000 description 5
- 230000001575 pathological effect Effects 0.000 description 5
- LSNNMFCWUKXFEE-UHFFFAOYSA-M Bisulfite Chemical compound OS([O-])=O LSNNMFCWUKXFEE-UHFFFAOYSA-M 0.000 description 4
- 206010016935 Follicular thyroid cancer Diseases 0.000 description 4
- 208000009018 Medullary thyroid cancer Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 108091081021 Sense strand Proteins 0.000 description 3
- 208000033781 Thyroid carcinoma Diseases 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 239000003147 molecular marker Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 208000013077 thyroid gland carcinoma Diseases 0.000 description 3
- 208000001490 Dengue Diseases 0.000 description 2
- 206010012310 Dengue fever Diseases 0.000 description 2
- ISAKRJDGNUQOIC-UHFFFAOYSA-N Uracil Chemical compound O=C1C=CNC(=O)N1 ISAKRJDGNUQOIC-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000002380 cytological effect Effects 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical group NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 208000025729 dengue disease Diseases 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 201000010198 papillary carcinoma Diseases 0.000 description 2
- 102000004196 processed proteins & peptides Human genes 0.000 description 2
- 108090000765 processed proteins & peptides Proteins 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101150094083 24 gene Proteins 0.000 description 1
- 241000143060 Americamysis bahia Species 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 102000016928 DNA-directed DNA polymerase Human genes 0.000 description 1
- 108010014303 DNA-directed DNA polymerase Proteins 0.000 description 1
- 241000272186 Falco columbarius Species 0.000 description 1
- 101150032213 LRP4 gene Proteins 0.000 description 1
- 208000007054 Medullary Carcinoma Diseases 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 238000012408 PCR amplification Methods 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 101100495925 Schizosaccharomyces pombe (strain 972 / ATCC 24843) chr3 gene Proteins 0.000 description 1
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 1
- 208000009453 Thyroid Nodule Diseases 0.000 description 1
- 102000004357 Transferases Human genes 0.000 description 1
- 108090000992 Transferases Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 208000015799 differentiated thyroid carcinoma Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 230000006718 epigenetic regulation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 238000001196 time-of-flight mass spectrum Methods 0.000 description 1
- 238000002137 ultrasound extraction Methods 0.000 description 1
- 229940035893 uracil Drugs 0.000 description 1
- 229910001868 water Inorganic materials 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了用于早期甲状腺鉴别的DNA甲基化组合标志物在制备产品中的应用。本发明提供了一种试剂盒,包括用于检测LZTFL1、BCAR和LPR4基因组合的甲基化水平的物质;该试剂盒可用于区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤及甲状腺恶性肿瘤不同亚型/不同分期。本发明揭示了相较于甲状腺良性肿瘤,甲状腺恶性肿瘤患者组织中LZTFL1、BCAR3和LPR4基因的低甲基化现象,另外将LZTFL1、BCAR3和LPR4基因标志物组合的CpG位点同时代入所训练出的模型后在区分甲状腺良肿瘤和甲状腺未分化癌时AUC值可达0.98,对提高甲状腺癌早期诊疗效果和降低甲状腺癌死亡率,具有重要临床应用价值。
Description
技术领域
本发明涉及医学领域,特别涉及用于早期甲状腺鉴别的DNA甲基化组合标志物在制备产品中的应用。
背景技术
甲状腺癌(Thyroid cancer)是最常见的内分泌系统恶性肿瘤,包括甲状腺乳头状癌、滤泡性甲状腺癌、未分化甲状腺癌和髓样癌。其中乳头状癌(Papillary thyroidcancer,PTC)最为常见,占所有甲状腺恶性肿瘤的90%以上[Xing,Mingzhao;Haugen,BryanR;Schlumberger,Martin(2013).Progress in molecular-based management ofdifferentiated thyroid cancer.TheLancet,381(9871),1058–1069.]。据统计,成人甲状腺结节的患病率约为5-10%,其中60岁以上的人群最为严重,高达50-70%[Guth S,TheuneU,Aberle J,et al.Very high prevalence ofthyroid nodules detected by highfrequency(13MHz)ultrasound examination.Eur J Clin Invest2009;39:699-706.]。影像学检查是比较普遍的甲状腺诊断方法,该方法大多依靠医生经验判断,存在一定的结果误差,且影像学对人身体有一定的辐射伤害。细针穿刺活检也是临床上常见的甲状腺癌诊断技术,该方法根据穿刺物的细胞学形态对结节的良恶性进行评估。由于甲状腺良恶性肿瘤的细胞学特征经常发生重叠,因此约有10-30%的细针穿刺诊断为不明确的细胞学结果[Cibas ES,Ali SZ.The 2017Bethesda System for Reporting ThyroidCytopathology.Thyroid.2017;27(11):1341-6.]。不确定的穿刺结果导致约60%的患者遭受过度治疗或者漏诊[Stewart R,Leang YJ,Bhatt CR,Grodski S,Serpell J,Lee JC.Quantifyingthedifferences in surgical management of patients with definitive andindeterminate thyroid nodulecytology.Eur J Surg Oncol.2020;46(2):252-7.]。这不仅增加了患者经济和身心负担,还占据了大量的公共卫生资源,导致医疗保健系统的巨额财务成本。因此,鉴别甲状腺良恶性肿瘤有利于临床医师采取更精准的治疗方案,具有重要的临床和公共卫生意义。
表观遗传学是一种不涉及DNA序列改变但可遗传的基因表达调控方式,并能够遗传给下一代[Nicoglou A,Merlin F.Epigenetics:A way to bridge the gap betweenbiological fields.Stud Hist Philos Biol Biomed Sci.2017;66:73-82]。DNA甲基化是表观遗传调控的重要方式之一,是指在DNA甲基化转移酶的作用下,在基因组CpG二核苷酸的胞嘧啶5’碳位共价键结合一个甲基基团[Bird A.Perceptions ofepigenetics.Nature.2007;447:396-398]。大量研究表明,DNA甲基化能引起染色质结构、DNA构象、DNA稳定性及DNA与蛋白质相互作用方式的改变,从而控制基因表达[Moore LD,LeT,Fan G.DNA methylation and its basic function.Neuropsychopharmacology.2013;38:23-38]。
DNA甲基化标志物是现阶段最佳的肿瘤体外早诊分子标志物,目前,临床上关于甲状腺癌诊断标志物的灵敏度和特异性很有限,尤其是缺乏早期诊断的标志物,因此更为敏感、特异的早期分子标记物亟待发掘。
发明内容
本发明的目的是提供用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用。
第一方面,本发明要求保护一种试剂盒。
本发明要求保护的试剂盒包含用于检测DNA甲基化标志物组合的甲基化水平的物质;所述DNA甲基化标志物组合由LZTFL1基因、BCAR3基因和LPR4基因组成或者由其中的任意两个基因组成。
进一步地,所述DNA甲基化标志物组合的甲基化水平由如下(A1)-(A3)所示三项组成或者由其中的任意两项组成:
(A1)LZTFL1基因中SEQ ID No.1所示的DNA片段中的全部或部分CpG位点的甲基化水平;
(A2)BCAR3基因中SEQ ID No.2所示的DNA片段中的全部或部分CpG位点的甲基化水平;
(A3)LPR4基因中SEQ ID No.3所示的DNA片段中的全部或部分CpG位点的甲基化水平。
更进一步地,所述DNA甲基化标志物组合的甲基化水平可为如下任一所示CpG位点的甲基化水平:
(B1)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点和BCAR3基因中SEQ ID No.2所示的DNA片段上的所有CpG位点;
(B2)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点和LPR4基因中SEQ ID No.3所示的DNA片段上的所有CpG位点;
(B3)BCAR3基因中SEQ ID No.2所示的DNA片段上的所有CpG位点和LPR4基因中SEQID No.3所示的DNA片段上的所有CpG位点;
(B4)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点、BCAR3基因中SEQ ID No.2所示的DNA片段上的所有CpG位点和LPR4基因中SEQ ID No.3所示的DNA片段上的所有CpG位点。
在本发明的具体实施方式中,有些相邻的甲基化位点在利用飞行时间质谱进行DNA甲基化分析时由于几个CpG位点位于一个甲基化片段上,峰图无法区分(无法区分的位点在表5中有记载),因而在进行甲基化水平分析、以及构建和使用相关数学模型时将其按照一个甲基化位点进行处理。
在所述试剂盒中,所述用于检测DNA甲基化标志物组合的甲基化水平的物质包含如下(C1)-(C3)所示三项或其中任意两项:
(C1)用于扩增LZTFL1基因全长或部分片段的引物对;
(C2)用于扩增BCAR3基因全长或部分片段的引物对;
(C3)用于扩增LPR4基因全长或部分片段的引物对。
进一步地,(C1)中所述部分片段可为SEQ ID No.1所示的DNA片段或其包含的DNA片段或与其具有80%以上同一性的DNA片段。
进一步地,(C2)中所述部分片段可为SEQ ID No.2所示的DNA片段或其包含的DNA片段或与其具有80%以上同一性的DNA片段。
进一步地,(C3)中所述部分片段可为SEQ ID No.3所示的DNA片段或其包含的DNA片段或与其具有80%以上同一性的DNA片段。
更进一步地,(C1)中所述引物对为引物对A,(C2)中所述引物对为引物对B,(C3)中所述引物对为引物对C。
所述引物对A为引物A1和引物A2组成的引物对;所述引物A1为SEQ ID No.4或SEQID No.4的第11-35位核苷酸所示的单链DNA;所述引物A2为SEQ ID No.5或SEQ ID No.5的第32-56位核苷酸所示的单链DNA;
所述引物对B为引物B1和引物B2组成的引物对;所述引物B1为SEQ ID No.6或SEQID No.6的第11-35位核苷酸所示的单链DNA;所述引物B2为SEQ ID No.7或SEQ ID No.7的第32-56位核苷酸所示的单链DNA;
所述引物对C为引物C1和引物C2组成的引物对;所述引物C1为SEQ ID No.8或SEQID No.8的第11-35位核苷酸所示的单链DNA;所述引物C2为SEQ ID No.9或SEQ ID No.9的第32-56位核苷酸所示的单链DNA。
根据需要,所述试剂盒中还可含有储存有数学模型和/或数学模型使用方法的介质。
所述数学模型可按照包括如下步骤的方法获得:
(D1)分别检测n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(D2)取步骤(D1)获得的所有样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据,按照A类型和B类型的分类方式,通过二分类逻辑回归法建立数学模型,确定分类判定的阈值;
其中,n1和n2均可为10以上正整数。
所述数学模型使用方法可包括如下步骤:
(E1)检测待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(E2)将步骤(E1)获得的所述待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据代入所述数学模型,得到检测指数;然后比较检测指数和阈值的大小,根据比较结果确定所述待测样本的类型是A类型还是B类型;
在本发明的具体实施方式中,所述阈值设为0.5。大于0.5归为一类,小于0.5归为另外一类,等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组是A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
在实际应用中,所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类,小于阈值归为另外一类,等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
所述A类型样本和所述B类型样本可为如下任一种:
(F1)甲状腺良性肿瘤和甲状腺恶性肿瘤;
(F2)甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(E3)甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(F4)不同亚型的甲状腺恶性肿瘤;
(F5)不同分期的甲状腺恶性肿瘤。
进一步地,(F2)和(F4)中所述不同亚型可为病理分型,如组织学分型。
进一步地,(F3)和(F5)中所述不同分期可为临床分期。
在本发明的具体实施方式中,(F2)中所述甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤具体可为如下任一种:甲状腺良性肿瘤和甲状腺乳头状癌、甲状腺良性肿瘤和甲状腺滤泡癌、甲状腺良性肿瘤和甲状腺髓样癌、甲状腺良性肿瘤和甲状腺未分化癌。
在本发明的具体实施方式中,(F3)中所述甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤具体可为如下任一种:甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤。
在本发明的具体实施方式中,(F4)中所述甲状腺恶性肿瘤不同亚型具体可为如下任一种:甲状腺乳头状癌和甲状腺滤泡癌、甲状腺乳头状癌和甲状腺髓样癌、甲状腺乳头状癌和甲状腺未分化癌、甲状腺滤泡癌和甲状腺髓样癌、甲状腺滤泡癌和甲状腺未分化癌、甲状腺髓样癌和甲状腺未分化癌。
在本发明的具体实施方式中,(F5)中所述甲状腺恶性肿瘤不同分期具体可为如下任一种:Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤、Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤。
所述试剂盒的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
其中,所述(1)至所述(5)的具体含义参见后文(第三方面中)。
第二方面,本发明要求保护一种系统。
本发明要求保护的系统,包括:
(G1)用于检测DNA甲基化标志物组合的甲基化水平的试剂和/或仪器;所述DNA甲基化标志物组合由LZTFL1基因、BCAR3基因和LPR4基因组成或者由其中的任意两个基因组成;
在(G1)中,所述用于检测DNA甲基化标志物组合的甲基化水平的试剂可为前文第一方面中所述的用于检测DNA甲基化标志物组合的甲基化水平的物质(如引物对)。用于检测所述DNA甲基化标志物组合的甲基化水平的仪器可为飞行时间质谱检测仪。当然所述用于检测DNA甲基化标志物组合的甲基化水平的试剂中还可包含进行飞行时间质谱所用的其他常规试剂。
(G2)装置,所述装置包括单元X和单元Y;
所述单元X用于建立数学模型,包括数据采集模块、数据分析处理模块和模型输出模块;
所述数据采集模块被配置为采集(G1)检测得到的n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据;
其中,n1和n2均可为10以上正整数。
所述数据分析处理模块被配置为接收来自于所述数据采集模块的所述n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据,按照A类型和B类型的分类方式,通过二分类逻辑回归法建立数学模型,确定分类判定的阈值;
所述模型输出模块被配置为接收来自于所述数据分析处理模块建立的所述数学模型,并进行输出;
所述单元Y用于确定待测样本类型,包括数据输入模块、数据运算模块、数据比较模块和结论输出模块;
所述数据输入模块被配置为输入(G1)检测得到的待测者的所述DNA甲基化标志物组合中各基因的甲基化水平的数据;
所述数据运算模块被配置为接收来自于所述数据输入模块的所述待测者的所述DNA甲基化标志物组合中各基因的甲基化水平的数据,并将所述待测者的所述DNA甲基化标志物组合中各基因的甲基化水平数据代入所述单元X中的所述数据分析处理模块建立的所述数学模型,计算得到检测指数;
所述数据比较模块被配置为接收来自于所述数据运算模块计算得到的检测指数,并将所述检测指数与所述单元X中的所述数据分析处理模块中确定的所述阈值进行比较;
所述结论输出模块被配置为接收来自于所述数据比较模块的比较结果,并根据所述比较结果输出所述待测样本的类型是A类型还是B类型的结论;
所述A类型样本和所述B类型样本为如下任一种:
(F1)甲状腺良性肿瘤和甲状腺恶性肿瘤;
(F2)甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(F3)甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(F4)不同亚型的甲状腺恶性肿瘤;
(F5)不同分期的甲状腺恶性肿瘤。
在本发明的具体实施方式中,所述阈值设为0.5。大于0.5归为一类,小于0.5归为另外一类,等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组是A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
在实际应用中,所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类,小于阈值归为另外一类,等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
进一步地,(F2)和(F4)中所述不同亚型可为病理分型,如组织学分型。
进一步地,(F3)和(F5)中所述不同分期可为临床分期。
在本发明的具体实施方式中,(F2)中所述甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤具体可为如下任一种:甲状腺良性肿瘤和甲状腺乳头状癌、甲状腺良性肿瘤和甲状腺滤泡癌、甲状腺良性肿瘤和甲状腺髓样癌、甲状腺良性肿瘤和甲状腺未分化癌。
在本发明的具体实施方式中,(F3)中所述甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤具体可为如下任一种:甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤、甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤。
在本发明的具体实施方式中,(F4)中所述甲状腺恶性肿瘤不同亚型具体可为如下任一种:甲状腺乳头状癌和甲状腺滤泡癌、甲状腺乳头状癌和甲状腺髓样癌、甲状腺乳头状癌和甲状腺未分化癌、甲状腺滤泡癌和甲状腺髓样癌、甲状腺滤泡癌和甲状腺未分化癌、甲状腺髓样癌和甲状腺未分化癌。
在本发明的具体实施方式中,(F5)中所述甲状腺恶性肿瘤不同分期具体可为如下任一种:Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤、Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤。
第三方面,本发明要求保护前文第一方面中所述用于检测DNA甲基化标志物组合的甲基化水平的物质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
进一步地,(2)和(4)中所述不同亚型可为病理分型,如组织学分型。
进一步地,(3)和(5)中所述不同分期可为临床分期。
在本发明的具体实施方式中,(2)中所述区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤具体可为如下任一种:区分或辅助区分甲状腺良性肿瘤和甲状腺乳头状癌、区分或辅助区分甲状腺良性肿瘤和甲状腺滤泡癌、区分或辅助区分甲状腺良性肿瘤和甲状腺髓样癌、区分或辅助区分甲状腺良性肿瘤和甲状腺未分化癌。
在本发明的具体实施方式中,(3)中所述区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤具体可为如下任一种:区分或辅助区分甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤、区分或辅助区分甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤、区分或辅助区分甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤、区分或辅助区分甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤。
在本发明的具体实施方式中,(4)中所述区分或辅助区分甲状腺恶性肿瘤不同亚型具体可为如下任一种:区分或辅助区分甲状腺乳头状癌和甲状腺滤泡癌、区分或辅助区分甲状腺乳头状癌和甲状腺髓样癌、区分或辅助区分甲状腺乳头状癌和甲状腺未分化癌、区分或辅助区分甲状腺滤泡癌和甲状腺髓样癌、区分或辅助区分甲状腺滤泡癌和甲状腺未分化癌、区分或辅助区分甲状腺髓样癌和甲状腺未分化癌。
在本发明的具体实施方式中,(5)中所述区分或辅助区分甲状腺恶性肿瘤不同分期具体可为如下任一种:区分或辅助区分Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤、区分或辅助区分Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、区分或辅助区分Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、区分或辅助区分Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤、区分或辅助区分Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤、区分或辅助区分Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤。
第四方面,本发明要求保护前文第一方面中所述用于检测DNA甲基化标志物组合的甲基化水平的物质和所述储存有数学模型和/或数学模型使用方法的介质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
第五方面,本发明要求保护前文第一方面中所述储存有数学模型和/或数学模型使用方法的介质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
第六方面,本发明要求保护甲基化LZTFL1、BCAR3和LPR4三基因中的全部或任意两者作为甲基化标志物组合在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
在第四至第六方面中,(1)-(5)的具体含义同第三方面中所述。
另外,本发明还要求保护一种区分待测样本为A类型样本还是B类型样本的方法。该方法可包括如下步骤:
(A)可按照包括如下步骤的方法建立数学模型:
(a1)分别检测n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(a2)取步骤(a1)获得的所有样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据,按照A类型和B类型的分类方式,通过二分类逻辑回归法建立数学模型,确定分类判定的阈值。
其中,(a1)中的n1和n2均为10以上的正整数。
(B)可按照包括如下步骤的方法确定所述待测样本为A类型样本还是B类型样本:
(b1)检测所述待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(b2)将步骤(b1)获得的所述待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据代入所述数学模型,得到检测指数;然后比较检测指数和阈值的大小,根据比较结果确定所述待测样本的类型是A类型还是B类型。
在本发明的具体实施方式中,所述阈值设为0.5。大于0.5归为一类,小于0.5归为另外一类,等于0.5作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组是A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
在实际应用中,所述阈值也可根据最大约登指数确定(具体可为最大约登指数对应的数值)。大于阈值归为一类,小于阈值归为另外一类,等于阈值作为不确定的灰区。其中A类型和B类型为相对应的两分类,二分类的分组,哪一组是A类型,哪一组是B类型,要根据具体的数学模型来确定,无需约定。
所述A类型样本和所述B类型样本可为前文(F1)-(F5)中的任一种。
以上任一所述数学模型在实际应用中可能会根据DNA甲基化的检测方法以及拟合方式不同有所改变,要根据具体的数学模型来确定,无需约定。
在本发明的实施例中,所述模型具体为lg(y/(1-y))=b0+b1x1+b2x2+b3x3+…+bnXn,其中y为因变量即将待测样品的一个或者多个甲基化位点的甲基化值代入模型以后得出的检测指数,b0为常量,x1-xn为自变量即为该测试样品的一个或者多个甲基化位点的甲基化值(每一个值为0-1之间的数值),b1-bn为模型赋予每一个位点甲基化值的权重。
本发明的实施例中建立的一个具体模型为用于区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤的模型,所述模型具体为:lg(y/(1-y))=2.710+0.539*LZTFL1_A_1-4.362*LZTFL1_A_2+3.115*LZTFL1_A_3+0.901*LZTFL1_A_4–5.183*BCAR3_B_1
-0.718*BCAR3_B_2.3.4.5+2.609*BCAR3_B_6+1.402*LPR4_C_1-0.113*LPR4_C_2+4.091*LPR4_C_3-0.692*LPR4_C_4+1.341*LPR4_C_5+0.805*LPR4_C_6。所述LZTFL1_A_1为SEQ ID No.1所示的DNA片段自5’端第46-47位所示CpG位点的甲基化水平;所述LZTFL1_A_2为SEQ ID No.1所示的DNA片段自5’端第75-76位所示CpG位点的甲基化水平;所述LZTFL1_A_3为SEQ ID No.1所示的DNA片段自5’端第128-129位所示CpG位点的甲基化水平;所述LZTFL1_A_4为SEQ ID No.1所示的DNA片段自5’端第156-157位所示CpG位点的甲基化水平;所述BCAR3_B_1为SEQ ID No.2所示的DNA片段自5’端第58-59位所示CpG位点的甲基化水平;所述BCAR3_B_2.3.4.5为SEQ ID No.2所示的DNA片段自5’端第82-83位、第84-85位、第86-87位和第88-89位所示CpG位点的甲基化水平;所述BCAR3_B_6为SEQ ID No.2所示的DNA片段自5’端第113-114位所示CpG位点的甲基化水平;所述LPR4_C_1为SEQ ID No.3所示的DNA片段自5’端第35-36位所示CpG位点的甲基化水平;所述LPR4_C_2为SEQ ID No.3所示的DNA片段自5’端第60-61位所示CpG位点的甲基化水平;所述LPR4_C_3为SEQ ID No.3所示的DNA片段自5’端第88-89位所示CpG位点的甲基化水平;所述LPR4_C_4为SEQ ID No.3所示的DNA片段自5’端第100-101位所示CpG位点的甲基化水平;所述LPR4_C_5为SEQ ID No.3所示的DNA片段自5’端第126-127位所示CpG位点的甲基化水平;所述LPR4_C_6为SEQID No.3所示的DNA片段自5’端第135-136位所示CpG位点的甲基化水平。所述模型的阈值为0.5。通过模型计算的检测指数大于0.5的患者候选为甲状腺恶性肿瘤患者,小于0.5的患者候选为甲状腺良性肿瘤患者。
在上述各方面中,所述检测DNA甲基化标志物组合的甲基化水平为检测肿瘤组织样本中所述DNA甲基化标志物组合的甲基化水平。
在本发明中,甲状腺恶性肿瘤组织中的所述DNA甲基化标志物组合的甲基化水平明显低于甲状腺良性肿瘤对应位点上的甲基化水平。
在本发明中,不同临床特征甲状腺癌如:乳头状癌、滤泡癌、髓样癌和未分化癌肿瘤组织中的所述DNA甲基化标志物组合的甲基化水平均呈现下降的趋势。
在本发明中,随着甲状腺恶性肿瘤的分期的增加组织中的所述DNA甲基化标志物组合的甲基化位点的甲基化水平分别呈现降低趋势。
以上任一所述LZTFL1基因具体可参见Genbank登录号:NM_020347.4(GI:1519243235),转录变体1;NM_001276378.2(GI:1889541251),转录变体2;NM_001276379.2(GI:1889706081),转录变体3;NM_001386451.1(GI:1894925280),转录变体4;NM_001386452.1(GI:1894925276),转录变体5。
以上任一所述BCAR3基因具体可参见Genbank登录号:NM_001261408.2(GI:1675178356),转录变体1;NM_003567.4(GI:1519311780),转录变体2;NM_001261409.1(GI:387157908),转录变体3;NM_001261410.2(GI:1675175859),转录变体4;NM_001308251.1(GI:815891261),转录变体5;NM_001412043.1(GI:2302515426),转录变体7;NM_001412044.1(NM_001412044.1GI:2303311949),转录变体8;NM_001412045.1(GI:2303318054),转录变体9;NM_001412046.1(GI:2303321770),转录变体10;NM_001412048.1(GI:2303321774),转录变体12;NM_001412049.1(GI:2303321776),转录变体13;NM_001412050.1(GI:2303321778),转录变体14;NM_001412051.1(GI:2303321780),转录变体15;NM_001412052.1(GI:2303321783),转录变体16;NM_001412054.1(GI:2302515512),转录变体17;NM_001412055.1(GI:2302515475)转录变体18;NM_001412056.1(GI:2302515533),转录变体19;NM_001412057.1(GI:2302515479)转录变体20;NM_001412058.1(GI:2302515417),转录变体21;NM_001412059.1(GI:2302515497),转录变体22;NM_001412060.1(GI:2302515409),转录变体23;NM_001412061.1(GI:2302515435),转录变体24;NM_001412062.1(GI:2302515466),转录变体25;NM_001412064.1(GI:2302515451),转录变体27;NM_001412065.1(GI:2302515508),转录变体28;NM_001412066.1(GI:2302515449),转录变体29;NM_001412067.1(GI:2302515528),转录变体30;NM_001412072.1(GI:2302515488),转录变体31;NM_001412073.1(GI:2302515437),转录变体32;NM_001412074.1(GI:2302515492),转录变体33;NM_001412075.1(GI:2302515490),转录变体34;NM_001412076.1(GI:2302515414)转录变体35;NM_001412077.1(GI:2302515526)转录变体36。
以上任一所述LRP4基因具体可参见Genbank登录号:NC_000011.10。
本发明证明活检样本LZTFL1、BCAR3和LPR4组合基因甲基化可作为甲状腺良性肿瘤和甲状腺恶性肿瘤、不同亚型或不同分期的甲状腺恶性肿瘤的鉴别诊断的潜在标志物组合。本发明对鉴别甲状腺良性肿瘤和甲状腺恶性肿瘤、不同亚型或不同分期的甲状腺恶性肿瘤,以及指导制定合理的临床治疗方案均有重要的科学意义和临床应用价值。
附图说明
图1为数学模型示意图。
图2为甲状腺良恶性肿瘤数学模型举例说明。
具体实施方式
下面结合具体实施方式对本发明进行进一步的详细描述,给出的实施例仅为了阐明本发明,而不是为了限制本发明的范围。以下提供的实施例可作为本技术领域普通技术人员进行进一步改进的指南,并不以任何方式构成对本发明的限制。
下述实施例中的实验方法,如无特殊说明,均为常规方法,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
实施例1、用于检测LZTFL1、BCAR3和LPR4基因甲基化位点的引物设计
本次检测选择了LZTFL1_A片段、BCAR3_B片段和LPR4_C片段上的CpG位点进行甲基化水平和甲状腺恶性肿瘤的相关性分析。
LZTFL1_A片段(SEQ ID No.1)位于hg19参考基因组chr3:45957192-45957378,正义链。
BCAR3_B片段(SEQ ID No.2)位于hg19参考基因组chr1:94240928-94241067,负义链。
LPR4_C片段(SEQ ID No.3)位于hg19参考基因组chr11:46940579-46940753,正义链。
LZTFL1_A片段中的位点信息如表1所示。
BCAR3_B片段中的位点信息如表2所示。
LPR4_C片段中的位点信息如表3所示。
表1、LZTFL1_A片段中CpG位点信息
CpG位点 | CpG位点在序列中的位置 |
LZTFL1_A_1 | SEQ ID No.1自5’端第46-47位 |
LZTFL1_A_2 | SEQ ID No.1自5’端第75-76位 |
LZTFL1_A_3 | SEQ ID No.1自5’端第128-129位 |
LZTFL1_A_4 | SEQ ID No.1自5’端第156-157位 |
表2、BCAR3_B片段中CpG位点信息
CpG位点 | CpG位点在序列中的位置 |
BCAR3_B_1 | SEQ ID No.2自5’端第58-59位 |
BCAR3_B_2 | SEQ ID No.2自5’端第82-83位 |
BCAR3_B_3 | SEQ ID No.2自5’端第84-85位 |
BCAR3_B_4 | SEQ ID No.2自5’端第86-87位 |
BCAR3_B_5 | SEQ ID No.2自5’端第88-89位 |
BCAR3_B_6 | SEQ ID No.2自5’端第113-114位 |
表3、LPR4_C片段中CpG位点信息
CpG位点 | CpG位点在序列中的位置 |
LPR4_C_1 | SEQ ID No.3自5’端第35-36位 |
LPR4_C_2 | SEQ ID No.3自6’端第60-61位 |
LPR4_C_3 | SEQ ID No.3自7’端第88-89位 |
LPR4_C_4 | SEQ ID No.3自8’端第100-101位 |
LPR4_C_5 | SEQ ID No.3自9’端第126-127位 |
LPR4_C_6 | SEQ ID No.3自10’端第135-136位 |
针对三个片段(LZTFL1_A片段、BCAR3_B片段和LPR4_C片段)设计特异性PCR引物,如表4所示。SEQ ID No.4、SEQ ID No.6和SEQ ID No.8为正向引物;SEQ ID No.5、SEQ IDNo.7和SEQ ID No.9为反向引物。SEQ ID No.4、SEQ ID No.6和SEQ ID No.8中自5’端第1至10位为非特异性标签,第11至35位为特异性引物序列;SEQ ID No.5、SEQ ID No.7和SEQ IDNo.9中自5’端第1至31位为非特异性标签,第32至56位为特异性引物序列。引物序列中不包含SNP和CpG位点。
表4、本发明DNA甲基化标志物组合的甲基化检测引物序列
实施例2、LZTFL1、BCAR3和LPR4基因组合甲基化检测及结果分析
一、研究样本
经患者知情同意,共收集380例甲状腺良性肿瘤组织和598例甲状腺恶性肿瘤组织。甲状腺癌分期以美国癌症联合会(AJCC)第八版分期系统为判断标准。根据病理类型,甲状腺恶性肿瘤包括甲状腺乳头状癌、甲状腺滤泡癌、髓样癌和未分化癌四大类。本次收集的598例甲状腺恶性肿瘤患者中包括甲状腺乳头状癌380例,甲状腺滤泡癌138例,甲状腺髓样癌44例,甲状腺未分化癌36例。按照病理分期划分,598例甲状腺恶性肿瘤患者中有470例Ⅰ期患者,68例Ⅱ期患者,24例Ⅲ期患者,36例Ⅳ期患者。
二、甲基化检测
1、提取肿瘤组织中的总DNA。
2、将上述提取获得的DNA,进行亚硫酸盐转化,获得亚硫酸盐转化后的DNA,具体参照Qiagen的DNA甲基化试剂盒说明书操作。此处根据“亚硫酸氢盐能够将所有未发生甲基化的胞嘧啶被转化为尿嘧啶,而甲基化的胞嘧啶不变”的原理。
3、以步骤2经过重亚硫酸盐处理的DNA为模板,采用表4中的3对特异引物分别对通过DNA聚合酶按照常规PCR反应要求的反应体系进行PCR扩增,所有引物都采用常规的标准PCR反应体系,且都按照以下表5所示程序进行扩增。
表5、扩增程序
4、取步骤3的扩增产物,通过飞行时间质谱进行DNA甲基化分析,具体方法如下:
(1)向5μl PCR产物中加入2μl虾碱性磷酸盐(SAP)溶液(0.3ml SAP[0.5U]+1.7mlH2O)然后按照以下程序在PCR仪中孵育(37℃,20min→85℃,5min→4℃,5min);
(2)取出2μl步骤(1)得到的SAP处理后的产物,根据说明书加入5μl T-Cleavage反应体系中,然后在37℃孵育3h;
(3)取步骤(2)的产物,加入19μl去离子水,再用6μg Resin在旋转摇床进行去离子化孵育1h;
(4)2000rpm室温离心5min,将微量上清由Nanodispenser机械手臂上样384SpectroCHIP;
(5)飞行时间质谱分析;获得的数据用SpectroACQUIRE v3.3.1.3软件收集,通过MassArray EpiTyper v1.2软件实现可视化。
上述飞行时间质谱检测使用的试剂均来试剂盒(T-Cleavage MassCLEAVEReagent AutoKit,货号:10129A);上述飞行时间质谱检测使用的检测仪器为MassARRAY○RAnalyzer ChipPrep Module 384,型号:41243;上述数据分析软件为检测仪器自带软件。
5、对步骤4得到的数据进行分析。
数据统计分析由SPSS Statistics 23.0进行。
非参数检验用于两组之间的比较分析。
多个CpG位点的组合对于不同样品分组的鉴别效果通过逻辑回归和受试者曲线的统计学方法得以实现。
所有的统计检验都是双侧的,p值<0.05被认为具有统计学意义。
通过质谱实验,共获得13个可以区别的峰图。采用SpectroACQUIRE v3.3.1.3软件根据“甲基化水平=甲基化片段的峰面积/(非甲基化片段的峰面积+甲基化片段的峰面积)”公式可自动通过计算峰面积得到每个样本在每个CpG位点的甲基化水平。
三、统计分析
采用中位数表示甲基化水平,采用非参数检验比较两组或多组之间的甲基化水平差异。通过受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)评价单个CpG位点和多个CpG位点组合的鉴别诊断价值。以双侧P<0.05为差异有统计学意义,所有数据均通过SPSS25.0进行统计分析。
四、结果分析
1、甲状腺良性肿瘤和甲状腺恶性肿瘤LZTFL1、BCAR3和LPR4基因甲基化水平
以380例甲状腺良性肿瘤和598例甲状腺恶性肿瘤的组织样本为研究材料分析LZTFL1、BCAR3和LPR4基因片段(SEQ ID No.1至SEQ ID No.3)中所有CpG位点的甲基化水平。甲状腺良性肿瘤、甲状腺恶性肿瘤、甲状腺乳头状癌、甲状腺滤泡癌、甲状腺髓样癌、甲状腺未分化癌、Ⅰ期甲状腺恶性肿瘤、Ⅱ期甲状腺恶性肿瘤、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤病例LZTFL1、BCAR3和LPR4组合基因3个片段的甲基化水平的具体结果见表6。结果表明,甲状腺良性肿瘤LZTFL1、BCAR3和LPR4组合基因的甲基化水平中位数为0.61(IQR=0.36-0.87),甲状腺恶性肿瘤LZTFL1、BCAR3和LPR4组合基因的甲基化水平中位数为0.56(IQR=0.35-0.77),不同亚型LZTFL1、BCAR3和LPR4组合基因的甲基化水平中位数依次为:甲状腺乳头状癌0.59(IQR=0.36-0.81)、甲状腺滤泡癌0.57(IQR=0.35-0.79)、甲状腺髓样癌0.55(IQR=0.33-0.79)、甲状腺未分化癌0.53(IQR=0.33-0.77),不同分期LZTFL1、BCAR3和LPR4组合基因的甲基化水平中位数依次为:I期为0.58(IQR=0.36-0.81)、II期为0.56(IQR=0.34-0.79)、Ⅲ期为0.53(IQR=0.32-0.78)、Ⅳ期为0.51(IQR=0.31-0.75)。通过比较分析几者之间的甲基化水平,结果发现甲状腺良性肿瘤LZTFL1、BCAR3和LPR4组合基因中所有CpG位点的甲基化水平显著高于甲状腺恶性肿瘤中LZTFL1、BCAR3和LPR4组合基因中所有CpG位点的甲基化水平(表6)。另外,本发明中列出的几类甲状腺癌亚型如:甲状腺乳头状癌、甲状腺滤泡癌、甲状腺髓样癌和甲状腺未分化癌组织中的LZTFL1、BCAR3和LPR4组合基因中SEQ ID No.1、SEQ ID No.2和SEQ ID No.3所示的DNA片段上甲基化位点的甲基化水平依次呈下降趋势(表6),与甲状腺良性肿瘤之间的甲基化水平差异越来越明显。另外,随着甲状腺恶性肿瘤分期的增加组织中LZTFL1、BCAR3和LPR4组合基因中SEQ ID No.1、SEQID No.2和SEQ ID No.3所示的DNA片段上甲基化位点的甲基化水平也呈现降低趋势(表6),与甲状腺良性肿瘤之间甲基化水平差异也越来越明显。
表6、甲状腺良性肿瘤和甲状腺恶性肿瘤及其各亚型、各分期的各基因甲基化水平
注:表中的CpG位点均指可区分的CpG位点。
2、LZTFL1、BCAR3和LPR4组合基因甲基化用于辅助癌症诊断的数学模型的建立本发明建立的数学模型可以用于达到如下目的:
(1)区分甲状腺恶性肿瘤患者和甲状腺良性肿瘤;
(2)区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分甲状腺恶性肿瘤不同亚型;
(5)区分甲状腺恶性肿瘤不同分期。
数学模型的建立方法如下:
(A)数据来源:步骤一中列出380例甲状腺良性肿瘤和598例甲状腺恶性肿瘤(甲状腺乳头状癌380例,甲状腺滤泡癌138例,甲状腺髓样癌44例和甲状腺未分化癌36例)的组织样本的目标CpG位点(表1-表3中的一种或多种的组合)甲基化水平(检测方法同步骤二)。
(B)模型建立
根据需要选取任意两类不同类型患者数据即训练集(例如:甲状腺良性肿瘤和甲状腺恶性肿瘤患者、甲状腺良性肿瘤和甲状腺乳头状癌患者、甲状腺良性肿瘤和甲状腺滤泡癌患者、甲状腺良性肿瘤和甲状腺髓样癌患者、甲状腺良性肿瘤和甲状腺未分化癌患者、甲状腺乳头状癌和甲状腺滤泡癌患者、甲状腺乳头状癌和甲状腺髓样癌患者、甲状腺乳头状癌和甲状腺未分化癌患者、甲状腺滤泡癌和甲状腺髓样癌患者、甲状腺滤泡癌和甲状腺未分化癌患者、甲状腺髓样癌和甲状腺未分化癌患者、甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者)作为用于建立模型的数据,使用SAS,R,SPSS等统计软件使用二分类逻辑回归的统计方法通过公式建立数学模型。数学模型公式计算出的最大约登指数对应的数值为阈值或直接设定0.5为阈值,待测样品经过测试和代入模型计算后得到的检测指数大于阈值归为一类(B类),小于阈值归为另外一类(A类),等于阈值作为不确定的灰区。在对新的待测样品进行预测来判断属于哪一类时,首先通过DNA甲基化的测定方法检测该待测样品LZTFL1、BCAR3和LPR4基因上一个或者多个CpG位点的甲基化水平,然后将这些甲基化水平的数据代入上述数学模型,计算得到所述待测样本对应的检测指数,然后比较所述待测样本对应的检测指数和阈值的大小,根据比较结果确定所述待测样本属于哪一类样本。
举例:如图1所示,将训练集中LZTFL1、BCAR3和LPR4基因片段(SEQ ID No.1至SEQID No.3)中所有或部分CpG位点组合的甲基化水平的数据通过SAS、R、SPSS等统计软件使用二分类逻辑回归的公式建立用于区分A类和B类的数学模型。该数学模型在此为二类逻辑回归模型,具体为:ln(y/(1-y))=b0+b1x1+b2x2+b3x3+…+bnXn,其中y为因变量即将待测样品的一个或者多个甲基化位点的甲基化水平代入模型以后得出的检测指数,b0为常量,x1-xn为自变量即为该测试样品的一个或者多个甲基化位点的甲基化水平(每一个值为0-1之间的数值),b1-bn为模型赋予每一个位点甲基化水平的权重。具体应用时,先根据训练集中已经检测的样本的一个或者多个DNA甲基化位点的甲基化水平(x1-xn)及其已知的分类情况(A类或者B类,分别对y赋值0和1)建立数学模型,由此确定该数学模型的常量b0以及各个甲基化位点的权重b1-bn,并由该数学模型计算出的以最大约登指数对应的数值为阈值或直接设定0.5为划分的阈值。待测样品经过测试和代入模型计算后得到的检测指数即y值大于阈值归为B类,小于阈值归为A类,等于阈值作为不确定的灰区。其中A类和B类为相对应的两分类(二分类的分组,哪一组A类,哪一组是B类,要根据具体的数学模型来确定,在此不做约定)。对受试者的样品进行预测来判断属于哪一类时,首先收集受试者的活检样本(即肿瘤组织),然后从中提取DNA。将提取的DNA通过重亚硫酸盐转化后,用DNA甲基化的测定方法对受试者LZTFL1、BCAR3和LPR4基因片段(SEQ ID No.1至SEQ ID No.3)中所有或部分CpG位点组合的甲基化水平进行检测,然后将检测得到的甲基化数据代入上述数学模型。如果该受试者的LZTFL1、BCAR3和LPR4基因片段(SEQ IDNo.1至SEQ ID No.3)中所有或部分CpG位点组合的甲基化水平代入上述数学模型后计算出来的值即检测指数大于阈值,则该受试者判定与训练集中检测指数大于阈值的归属一类(B类);如果该受试者的LZTFL1、BCAR3和LPR4基因片段(SEQ ID No.1至SEQ ID No.3)中所有或部分CpG位点组合的甲基化水平数据代入上述数学模型后计算出来的值即检测指数小于阈值,则该受试者跟训练集中检测指数小于阈值的归属一类(A类);如果该受试者的LZTFL1、BCAR3和LPR4基因片段(SEQ ID No.1至SEQ ID No.3)中所有或部分CpG位点组合的甲基化水平数据代入上述数学模型后计算出来的值即检测指数等于阈值,则不能判断该受试者是A类还是B类。
举例:如图2所示,举例说明LZTFL1_A、BCAR3_B和LPR4_C组合基因的如下13个可区分CpG位点(LZTFL1_A_1、LZTFL1_A_2、LZTFL1_A_3、LZTFL1_A_4、BCAR3_B_1、BCAR3_B_2.3.4.5、BCAR3_B_6、LPR4_C_1、LPR4_C_2、LPR4_C_3、LPR4_C_4、LPR4_C_5、LPR4_C_6)的甲基化以及数学建模在鉴别甲状腺良性肿瘤和甲状腺恶性肿瘤组织中的应用:将甲状腺良性肿瘤和甲状腺恶性肿瘤患者训练集(在此为:380例甲状腺良性肿瘤和598例甲状腺恶性肿瘤患者)中已经检测的LZTFL1_A、BCAR3_B和LPR4_C组合基因的上述13个可区分CpG位点的甲基化水平的数据通过SPSS软件或R软件使用二分类逻辑回归的公式建立用于鉴别甲状腺恶性肿瘤患者的数学模型。该数学模型在此为二类逻辑回归模型,由此确定该数学模型的常量b0以及各个甲基化位点的权重b1-bn,在此例中具体为:lg(y/(1-y))=2.710+0.539*LZTFL1_A_1-4.362*LZTFL1_A_2+3.115*LZTFL1_A_3+0.901*LZTFL1_A_4–5.183*BCAR3_B_1-0.718*BCAR3_B_2.3.4.5+2.609*BCAR3_B_6+1.402*LPR4_C_1-0.113*LPR4_C_2+4.091*LPR4_C_3-0.692*LPR4_C_4+1.341*LPR4_C_5+0.805*LPR4_C_6,其中y为因变量,即将待测样品的LZTFL1_A、BCAR3_B和LPR4_C组合基因的上述13个可区分CpG位点的甲基化水平代入模型以后经换算得出的检测指数。通过设定0.5为阈值的情况下,待测样品的LZTFL1_A、BCAR3_B和LPR4_C组合基因的上述13个可区分CpG位点的甲基化水平经过测试得到的值代入模型进行计算,得到的检测指数即y值小于阈值归为甲状腺良性肿瘤患者,大于阈值归为甲状腺恶性肿瘤患者,等于阈值则不确定为甲状腺良性肿瘤患者还是甲状腺恶性肿瘤患者。此模型的曲线下面积(AUC)计算结果为0.95(表7)。具体受试者判断方法举例如下所示,从两位受试者(甲,乙)分别收集活检样本提取DNA,将提取的DNA通过重亚硫酸盐转化后,用DNA甲基化的测定方法对受试者的(LZTFL1_A_1、LZTFL1_A_2、LZTFL1_A_3、LZTFL1_A_4、BCAR3_B_1、BCAR3_B_2.3.4.5、BCAR3_B_6、LPR4_C_1、LPR4_C_2、LPR4_C_3、LPR4_C_4、LPR4_C_5、LPR4_C_6)这13个可区分CpG位点的甲基化水平进行检测。然后将检测得到的甲基化水平数据信息代入上述数学模型。甲受试者的LZTFL1_A、BCAR3_B和LPR4_C组合基因的上述13个可区分CpG位点的甲基化水平数据代入上述数学模型后计算出来的值为0.84大于0.5,则甲受试者判定为甲状腺恶性肿瘤患者(与临床诊断相符);乙受试者的LZTFL1_A、BCAR3_B和LPR4_C组合基因的上述13个可区分CpG位点的甲基化水平数据代入上述数学模型后计算出来的值为0.37小于0.5,则乙受试者判定甲状腺良性肿瘤患者(与临床诊断相符)。
(C)模型效果评价
根据上述方法,分别建立用于发现甲状腺良性肿瘤和甲状腺恶性肿瘤患者、甲状腺良性肿瘤和甲状腺乳头状癌患者、甲状腺良性肿瘤和甲状腺滤泡癌患者、甲状腺良性肿瘤和甲状腺髓样癌患者、甲状腺良性肿瘤和甲状腺未分化癌患者、甲状腺乳头状癌和甲状腺滤泡癌患者、甲状腺乳头状癌和甲状腺髓样癌患者、甲状腺乳头状癌和甲状腺未分化癌患者、甲状腺滤泡癌和甲状腺髓样癌患者、甲状腺滤泡癌和甲状腺未分化癌患者、甲状腺髓样癌和甲状腺未分化癌患者、甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者的数学模型,并且通过受试者曲线(ROC曲线)对其有效性进行评价。ROC曲线得出的曲线下面积(AUC)越大,说明模型的区分度越好,分子标志物越有效。采用不同CpG位点进行数学模型构建后的评价结果如表7至表10所示。
LZTFL1_A、BCAR3_B和LPR4_C甲基化标志物组合或者由其中任意两个标志物组合在一起所构建的模型对甲状腺良性肿瘤和甲状腺癌及其不同亚型具有预测性能,如表7可所示,三基因组合在一起时预测效能最好,用于区分甲状腺良性肿瘤和甲状腺恶性肿瘤的AUC值可达0.95。
LZTFL1_A、BCAR3_B和LPR4_C甲基化标志物组合或者由其中任意两个标志物组合在一起所构建的模型对甲状腺良性肿瘤和甲状腺癌不同分期具有预测性能,如表8可所示,三基因组合在一起时预测效能最好,AUC值最高可达0.98。
LZTFL1_A、BCAR3_B和LPR4_C甲基化标志物组合或者由其中任意两个标志物组合在一起所构建的模型对甲状腺癌不同亚型之间具有预测性能,如表9可所示,三基因组合在一起时预测效能最好,AUC值最高可达0.93。
LZTFL1_A、BCAR3_B和LPR4_C甲基化标志物组合或者由其中任意两个标志物组合在一起所构建的模型对甲状腺癌不同分期之间具有预测性能,如表10可所示,三基因组合在一起时预测效能最好,AUC值最高可达0.95。
综上所述,将LZTFL1_A、BCAR3_B和LPR4_C三个甲基化标志物结合起来进行甲状腺癌早期筛查,可有效区分甲状腺良性肿瘤和甲状腺乳头状癌患者、甲状腺良性肿瘤和甲状腺滤泡癌患者、甲状腺良性肿瘤和甲状腺髓样癌患者、甲状腺良性肿瘤和甲状腺未分化癌患者、甲状腺乳头状癌和甲状腺滤泡癌患者、甲状腺乳头状癌和甲状腺髓样癌患者、甲状腺乳头状癌和甲状腺未分化癌患者、甲状腺滤泡癌和甲状腺髓样癌患者、甲状腺滤泡癌和甲状腺未分化癌患者、甲状腺髓样癌和甲状腺未分化癌患者、甲状腺良性肿瘤和Ⅰ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、甲状腺良性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅱ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅰ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅲ期甲状腺恶性肿瘤患者、Ⅱ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者、Ⅲ期甲状腺恶性肿瘤和Ⅳ期甲状腺恶性肿瘤患者。
表7、LZTFL1_A、BCAR3_B和LPR4_C组合基因的CpG位点及其组合用于区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤
注:表中所述位点为可区分位点
表8、LZTFL1_A、BCAR3_B和LPR4_C组合基因的CpG位点及其组合用于区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤
注:表中所述位点为可区分位点
表9、LZTFL1_A、BCAR3_B和LPR4_C组合基因的CpG位点及其组合用于区分不同亚型甲状腺恶性肿瘤患者
注:表中所述位点为可区分位点
表10、LZTFL1_A、BCAR3_B和LPR4_C组合基因的CpG位点及其组合用于区分不同分期甲状腺恶性肿瘤患者
注:表中所述位点为可区分位点
以上对本发明进行了详述。对于本领域技术人员来说,在不脱离本发明的宗旨和范围,以及无需进行不必要的实验情况下,可在等同参数、浓度和条件下,在较宽范围内实施本发明。虽然本发明给出了特殊的实施例,应该理解为,可以对本发明作进一步的改进。总之,按本发明的原理,本申请欲包括任何变更、用途或对本发明的改进,包括脱离了本申请中已公开范围,而用本领域已知的常规技术进行的改变。
Claims (10)
1.一种试剂盒,其特征在于:所述试剂盒包含用于检测DNA甲基化标志物组合的甲基化水平的物质;所述DNA甲基化标志物组合由LZTFL1基因、BCAR3基因和LPR4基因组成或者由其中的任意两个基因组成。
2.根据权利要求1所述的试剂盒,其特征在于:所述DNA甲基化标志物组合的甲基化水平由如下(A1)-(A3)所示三项组成或者由其中的任意两项组成:
(A1)LZTFL1基因中SEQ ID No.1所示的DNA片段中的全部或部分CpG位点的甲基化水平;
(A2)BCAR3基因中SEQ ID No.2所示的DNA片段中的全部或部分CpG位点的甲基化水平;
(A3)LPR4基因中SEQ ID No.3所示的DNA片段中的全部或部分CpG位点的甲基化水平。
3.根据权利要求1或2所述的试剂盒,其特征在于:所述DNA甲基化标志物组合的甲基化水平为如下任一所示CpG位点的甲基化水平:
(B1)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点和BCAR3基因中SEQID No.2所示的DNA片段上的所有CpG位点;
(B2)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点和LPR4基因中SEQ IDNo.3所示的DNA片段上的所有CpG位点;
(B3)BCAR3基因中SEQ ID No.2所示的DNA片段上的所有CpG位点和LPR4基因中SEQ IDNo.3所示的DNA片段上的所有CpG位点;
(B4)LZTFL1基因中SEQ ID No.1所示的DNA片段上的所有CpG位点、BCAR3基因中SEQ IDNo.2所示的DNA片段上的所有CpG位点和LPR4基因中SEQ ID No.3所示的DNA片段上的所有CpG位点。
4.根据权利要求1-3中任一所述的试剂盒,其特征在于:所述用于检测DNA甲基化标志物组合的甲基化水平的物质包含如下(C1)-(C3)所示三项或其中任意两项:
(C1)用于扩增LZTFL1基因全长或部分片段的引物对;
(C2)用于扩增BCAR3基因全长或部分片段的引物对;
(C3)用于扩增LPR4基因全长或部分片段的引物对;
进一步地,(C1)中所述部分片段为SEQ ID No.1所示的DNA片段;
和/或
进一步地,(C2)中所述部分片段为SEQ ID No.2所示的DNA片段;
和/或
进一步地,(C3)中所述部分片段为SEQ ID No.3所示的DNA片段;
更进一步地,(C1)中所述引物对为引物对A,和/或(C2)中所述引物对为引物对B,和/或(C3)中所述引物对为引物对C;
所述引物对A为引物A1和引物A2组成的引物对;所述引物A1为SEQ ID No.4或SEQ IDNo.4的第11-35位核苷酸所示的单链DNA;所述引物A2为SEQ ID No.5或SEQ ID No.5的第32-56位核苷酸所示的单链DNA;
所述引物对B为引物B1和引物B2组成的引物对;所述引物B1为SEQ ID No.6或SEQ IDNo.6的第11-35位核苷酸所示的单链DNA;所述引物B2为SEQ ID No.7或SEQ ID No.7的第32-56位核苷酸所示的单链DNA;
所述引物对C为引物C1和引物C2组成的引物对;所述引物C1为SEQ ID No.8或SEQ IDNo.8的第11-35位核苷酸所示的单链DNA;所述引物C2为SEQ ID No.9或SEQ ID No.9的第32-56位核苷酸所示的单链DNA。
5.根据权利要求1-4中任一所述的试剂盒,其特征在于:所述试剂盒中还含有储存有数学模型和/或数学模型使用方法的介质;
所述数学模型按照包括如下步骤的方法获得:
(D1)分别检测n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(D2)取步骤(D1)获得的所有样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据,按照A类型和B类型的分类方式,通过二分类逻辑回归法建立数学模型,确定分类判定的阈值;
所述数学模型使用方法包括如下步骤:
(E1)检测待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平;
(E2)将步骤(E1)获得的所述待测样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据代入所述数学模型,得到检测指数;然后比较检测指数和阈值的大小,根据比较结果确定所述待测样本的类型是A类型还是B类型;
所述A类型样本和所述B类型样本为如下任一种:
(F1)甲状腺良性肿瘤和甲状腺恶性肿瘤;
(F2)甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(E3)甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(F4)不同亚型的甲状腺恶性肿瘤;
(F5)不同分期的甲状腺恶性肿瘤。
6.一种系统,包括:
(G1)用于检测DNA甲基化标志物组合的甲基化水平的试剂和/或仪器;所述DNA甲基化标志物组合由LZTFL1基因、BCAR3基因和LPR4基因组成或者由其中的任意两个基因组成;
(G2)装置,所述装置包括单元X和单元Y;
所述单元X用于建立数学模型,包括数据采集模块、数据分析处理模块和模型输出模块;
所述数据采集模块被配置为采集(G1)检测得到的n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据;
所述数据分析处理模块被配置为接收来自于所述数据采集模块的所述n1个A类型样本和n2个B类型样本的所述DNA甲基化标志物组合中各基因的甲基化水平数据,按照A类型和B类型的分类方式,通过二分类逻辑回归法建立数学模型,确定分类判定的阈值;
所述模型输出模块被配置为接收来自于所述数据分析处理模块建立的所述数学模型,并进行输出;
所述单元Y用于确定待测样本类型,包括数据输入模块、数据运算模块、数据比较模块和结论输出模块;
所述数据输入模块被配置为输入(G1)检测得到的待测者的所述DNA甲基化标志物组合中各基因的甲基化水平的数据;
所述数据运算模块被配置为接收来自于所述数据输入模块的所述待测者的所述DNA甲基化标志物组合中各基因的甲基化水平的数据,并将所述待测者的所述DNA甲基化标志物组合中各基因的甲基化水平数据代入所述单元X中的所述数据分析处理模块建立的所述数学模型,计算得到检测指数;
所述数据比较模块被配置为接收来自于所述数据运算模块计算得到的检测指数,并将所述检测指数与所述单元X中的所述数据分析处理模块中确定的所述阈值进行比较;
所述结论输出模块被配置为接收来自于所述数据比较模块的比较结果,并根据所述比较结果输出所述待测样本的类型是A类型还是B类型的结论;
所述A类型样本和所述B类型样本为如下任一种:
(F1)甲状腺良性肿瘤和甲状腺恶性肿瘤;
(F2)甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(F3)甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(F4)不同亚型的甲状腺恶性肿瘤;
(F5)不同分期的甲状腺恶性肿瘤。
7.权利要求1-4中任一所述用于检测DNA甲基化标志物组合的甲基化水平的物质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
8.权利要求1-4中任一所述用于检测DNA甲基化标志物组合的甲基化水平的物质和权利要求5中所述储存有数学模型和/或数学模型使用方法的介质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
9.权利要求5中所述储存有数学模型和/或数学模型使用方法的介质在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
10.甲基化LZTFL1、BCAR3和LPR4三基因中的全部或任意两者作为甲基化标志物组合在制备产品中的应用;所述产品的用途为如下至少一种:
(1)区分或辅助区分甲状腺良性肿瘤和甲状腺恶性肿瘤;
(2)区分或辅助区分甲状腺良性肿瘤和不同亚型的甲状腺恶性肿瘤;
(3)区分或辅助区分甲状腺良性肿瘤和不同分期的甲状腺恶性肿瘤;
(4)区分或辅助区分甲状腺恶性肿瘤不同亚型;
(5)区分或辅助区分甲状腺恶性肿瘤不同分期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178697.7A CN117802236A (zh) | 2023-09-13 | 2023-09-13 | 用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178697.7A CN117802236A (zh) | 2023-09-13 | 2023-09-13 | 用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117802236A true CN117802236A (zh) | 2024-04-02 |
Family
ID=90426215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311178697.7A Pending CN117802236A (zh) | 2023-09-13 | 2023-09-13 | 用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117802236A (zh) |
-
2023
- 2023-09-13 CN CN202311178697.7A patent/CN117802236A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3658684B1 (en) | Enhancement of cancer screening using cell-free viral nucleic acids | |
EP3249051B1 (en) | Use of methylation sites in y chromosome as prostate cancer diagnosis marker | |
CN111910004A (zh) | cfDNA在早期乳腺癌无创诊断中的应用 | |
CN116790752A (zh) | 一种肺癌早筛早诊分子标志物 | |
JP6383541B2 (ja) | 胆管がんの検出キット及び検出方法 | |
WO2023067149A1 (en) | Method and kit for diagnosing tumours | |
CN113136428B (zh) | 一种甲基化标志物在辅助诊断癌症中的应用 | |
CN113215252B (zh) | 用于辅助诊断癌症的甲基化标志物 | |
CN117802236A (zh) | 用于早期甲状腺癌鉴别的组合标志物在制备产品中的应用 | |
CN118098367A (zh) | 一种用于甲状腺恶性肿瘤诊断的数据处理装置、系统及其应用 | |
CN117690494A (zh) | 一种用于辅助诊断甲状腺良恶性肿瘤的数据处理装置及其应用 | |
CN116536422A (zh) | 一种甲状腺癌早期辅助诊断标志物 | |
CN114480630A (zh) | 用于辅助诊断癌症的一种甲基化标志物 | |
CN115851950A (zh) | 一种癌症鉴别标志物及其应用 | |
CN117746991A (zh) | 一种用于甲状腺癌诊断的数据处理装置及系统 | |
CN117711498A (zh) | 一种用于辅助区分甲状腺良恶性肿瘤的数据处理装置、系统及其应用 | |
CN115772571A (zh) | 一种用于鉴别甲状腺肿瘤良恶性的甲基化分子标志物 | |
CN117690493A (zh) | 一种用于辅助区分甲状腺良恶性肿瘤的数据处理装置 | |
CN113215251B (zh) | 一种辅助诊断癌症的甲基化标志物 | |
CN113355413B (zh) | 一种分子标志物及试剂盒在辅助诊断癌症中的应用 | |
CN113122630B (zh) | 一种用于辅助诊断癌症的钙结合蛋白甲基化标志物 | |
Pio | MS18. 04 Alternative and Promising Biomarkers | |
CN117568469A (zh) | 一种用于甲状腺恶性肿瘤和甲状腺良性肿瘤鉴别诊断的甲基化标志物 | |
CN117568471A (zh) | 蛋白基因甲基化作为辅助诊断癌症的分子标志物 | |
CN117568470A (zh) | 一种作为辅助诊断癌症的分子标志物及试剂盒 |
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 |