JP7332695B2 - 循環核酸からの全ゲノム配列データにおける包括的配列特徴の同定 - Google Patents
循環核酸からの全ゲノム配列データにおける包括的配列特徴の同定 Download PDFInfo
- Publication number
- JP7332695B2 JP7332695B2 JP2021534660A JP2021534660A JP7332695B2 JP 7332695 B2 JP7332695 B2 JP 7332695B2 JP 2021534660 A JP2021534660 A JP 2021534660A JP 2021534660 A JP2021534660 A JP 2021534660A JP 7332695 B2 JP7332695 B2 JP 7332695B2
- Authority
- JP
- Japan
- Prior art keywords
- cell
- free dna
- fragment size
- sample
- class
- 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.)
- Active
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
- C12Q1/6806—Preparing nucleic acids for analysis, e.g. for polymerase chain reaction [PCR] assay
-
- 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
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/30—Unsupervised data analysis
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Artificial Intelligence (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Description
様々な実施態様では、循環核酸から得られた配列データを使用して、がんをスクリーニングするための技術(例えば、方法、システム、コード又は1つ若しくは複数のプロセッサによって実行可能な命令を記憶する非一時的なコンピュータ可読媒体)が提供される。いくつかの実施態様では、循環核酸は、腫瘍から直接由来するか、或いは原発腫瘍から脱落して血流又はリンパ系に入る生存可能な無傷の腫瘍細胞である循環腫瘍細胞(CTC)に由来するctDNAである。ctDNAは、血流中で自由に循環しているが、必ずしも腫瘍起源ではないDNAを記述するより広い用語であるcfDNAとは異なる。ctDNAは腫瘍ゲノム全体を反映している可能性があるため、その潜在的な臨床的有用性について注目されている。例えば、ctDNAの液体細胞診を、様々な時点での採血のような非侵襲的形態で得て、治療レジメン全体にわたって腫瘍の進行を監視することができる。
図1は、循環核酸から得られる全ゲノム配列データにおける包括的ながん特異的配列特徴の同定のためのプロセス及び操作を示す。個々の実施態様は、フローチャート、フローダイアグラム、データフローダイアグラム、構造ダイアグラム、又はブロックダイアグラムとして描かれるプロセスとして記述することができる。フローチャートは、操作を連続プロセスとして記述し得るが、操作の多くは並行して或いは同時に実行され得る。さらに、操作の順序は再配置され得る。プロセスは、その操作が完了したときに終了するが、図又はその記述に含まれない追加のステップを有し得る。プロセスは、方法、機能、手順、サブルーチン、サブプログラムなどに対応し得る。プロセスが関数に対応する場合、その終了は関数の呼び出し元の関数又はmain関数への戻りに対応し得る。
図2は、試料ホルダ210、例えば、cfDNAの液滴を含むフローセル又はチューブ内にcfDNAを含む血液試料などの試料205を含む、様々な実施態様に従って使用される例示的な配列分析システム200を示す。試料205からの蛍光強度値などの物理的特性215は、検出器220によって検出される。検出器220からのデータ信号225は、プロセッサ250及びメモリ235を含み得るデータ処理システム230(検出器に搭載されているか、又は検出器から分離されている)に送ることができる。データ信号225は、メモリ235内のデータ処理システム230内に局所的に、又は外部メモリ240又は記憶装置245内に外部的に記憶され得る。検出器220は、光(例えば、異なる塩基に対する異なるプローブからの蛍光)又は電気信号(例えば、ナノポアを通って移動する分子から生成される)などの様々な物理的信号を検出することができる。データ処理システム230は、図3に関してさらに詳細に記述されるように、コンピュータシステム、ASIC、マイクロプロセッサなどであり得るか、又はそれらを含み得る。データ処理システム230はまた、ディスプレイ(例えば、モニター、LEDディスプレイなど)及びユーザ入力装置(例えば、マウス、キーボード、ボタンなど)を含み得るか、又はそれらと結合され得る。データ処理システム230及び他の構成要素は、スタンドアロン又はネットワーク接続されたコンピュータシステムの一部であり得るか、或いはそれらは、サーマルサイクラー装置に取り付けられ、又は組み込まれ得る。データ処理システム230はまた、プロセッサ250内で実行する最適化ソフトウェアを含み得る。配列データに基づいて、1つ又は複数の読み取りにおける突然変異を定量化し、分析して、腫瘍負荷及び腫瘍負荷の統計的有意性を決定することができる。
様々な実施態様では、配列読み取りのフラグメントサイズに関連するフラグメントスコアが計算される。ctDNAフラグメントは、健常なcfDNAと比較してDNAフラグメントサイズが小さいことが発見されている。いくつかの実施態様では、フラグメントサイズ分布は、図4に示されるように、フラグメントサイズについてのフラグメントスコアを計算するために決定される。cfDNA試料についてのフラグメントサイズの分布は、配列データの全ての可能なサイズ(例えば、塩基対の数)及び各フラグメントサイズがどれくらいの頻度で存在するかを示すリスト又は関数として決定される。ステップ405では、試料のフラグメントサイズ分布を、その分布が確率密度関数(例えば、所与のサイズが発生する確率を記述する関数、及び所与のサイズ又はそれより小さい任意のサイズが発生する累積確率を記述する関数が分布関数)となるように正規化する。フラグメントサイズ分布の確率密度関数は、分布関数の導関数として定義することができる。特定の実施態様では、正規化は、配列データから得られたフラグメントサイズデータが単位間隔に再スケーリングされるように、線形変換を用いて実行される。ステップ410において、対数変換(対数をとる)がフラグメントサイズ値に対して実行され、連続する挿入サイズ長間の第1の差が得られる。これは、フラグメント分布の形状に関する情報を提供する。ステップ415において、フラグメントサイズは、最初の20、30、40、又は50のフラグメント長の値を除去することによってフィルタリングされる(これらのカウントは低すぎてノイズが多い可能性がある)。特定の実施態様では、10から60の間のフラグメント長の値が、フラグメントサイズをフィルタリングするために除去される。
様々な実施態様では、配列読み取りにおけるコピー数変動の尺度に関連するコピー数増幅スコアが計算される。コピー数増幅(コピー数の変化又は変動の増加)の存在は、健常cfDNAと比較してctDNAフラグメントにおいてより頻繁に見出されることが発見されている。相対読み取り深度は、cfDNA試料内の局所的又は広範なコピー数の変化の存在を評価することを意図している。したがって、本明細書で使用する「相対読み取り深度」は、コピー数変動の尺度である。いくつかの実施態様では、図5に示すように、複数の全ゲノム配列読み取りの相対読み取り深度が計算される。いくつかの実施態様では、計算は、複数の前処理ステップが、カバレッジプロファイルからノイズを除去し、正規化されたcfDNAフラグメントサイズ配列読み取りカウントのセットを取得するために実行されるステップ505を含む。ステップ505aにおいて、様々なcfDNA試料(例えば、ctDNAを含むcfDNA及びctDNAを含まないcfDNA)からの配列読み取りカウントが、所定のサイズを有するビン又はウィンドウ中にマッピングされる。配列読み取りカウントは、配列決定において使用される各プローブについての読み取りの数であり、任意で、任意の偏りを補正するために、1つ又は複数の異なる公知の因子に従って補正され得る。特定の実施態様では、ビン又はウィンドウのサイズは、10kbから1000kbの間、例えば、200kbである。ステップ505bにおいて、配列読み取りカウントは、1つ又は複数の因子に基づいて各ウィンドウにおいてフィルタリングされ、各ウィンドウについて残りのcfDNAフラグメントサイズ配列読み取りカウントのセットが得られる。フィルタリングは、後続の分析からの配列読み取りカウントの削除を含む。いくつかの実施態様では、1つ又は複数の因子は、所定の閾値未満である配列カウントを含む。特定の実施態様では、所定の閾値は、350未満の配列読み取り、例えば、200未満の配列読み取りである。いくつかの実施態様では、1つ又は複数の因子は、セントロメア読み取りを含む。いくつかの実施態様では、1つ又は複数の因子は、可変サイトバンドを有する配列読み取りを含む。
様々な実施態様では、配列読み取りにおけるコピー数変動の尺度に関連する対立遺伝子不均衡スコアが計算される。生殖系列不均衡の存在は、健常なcfDNAと比較してctDNAフラグメントにおいてより頻繁に見出されることが発見されている。正常なコピー数の領域におけるヘテロ接合性一塩基多型(SNP)の場合、予想される対立遺伝子頻度(AF)は50%である。コピー数の増加又は減少がみられる領域では、AFが50%からずれてゆがむことがある。例えば、ある遺伝子座に3コピーあると、ヘテロ接合性SNPは2/3=66%又は1/3=33%のAFとなるであろう。これは「生殖系列対立遺伝子不均衡」と呼ばれ、対立遺伝子不均衡のスコアを計算するための式が二項確率に基づいて提供される。いくつかの実施態様では、対立遺伝子不均衡スコアは、統計モデルを使用して計算され、無細胞DNAの試料中の1つ又は複数の生殖系列対立遺伝子不均衡部位についての確率値の中央値を得る。いくつかの実施態様では、統計モデルは、生殖系列バリアントがヘテロ接合であり、ある部位での所与の読み取りにおいて生殖系列バリアントが見られる確率がp0=0.5の有意水準である帰無仮説を含み、次いで、ある部位での全n個の読み取りのうちのyobs非参照読み取りの観察について、帰無仮説を棄却するためのp値は、以下の式(1-3)によって与えられる:
がん試料(25のステージIV肺がん試料、及び25の転移性CRC試料)からのcfDNAの低カバレッジ(平均深度が1~5の範囲)の全ゲノム配列(WGS)データについて、並びに健常対照(24試料)からのcfDNAについて、概念実証実験と分析を行い、がん由来cfDNAの存在を示す潜在的な包括的配列読み取り特徴を評価した。これらは後期がんであるが、同じ血漿試料の一致した深部配列決定データセットから推定されるctDNA含有量は、広範囲のctDNA含有量(<0.5%のctDNAを有する試料の15%-AVENIO ctDNA分析キットの検出限界)を示唆するため、このアプローチを評価するのに十分に挑戦的なセットである。標準的なQCステップ(fastq品質チェック、アダプタートリミング、重複除去)を実行し、下流分析のための関連するグローバルメトリックを計算する全ゲノム配列決定データ分析パイプラインを開発した。
様々な実施態様では、本明細書に開示される技術による第1のクラス又は第2のクラスとしての無細胞DNAの試料の分類に基づいて、対象が微小残存病変を有するかどうかを決定するための技術が提供される。いくつかの実施態様は、対象の治療レジメンの臨床転帰を予測するための、又は微小残存病変の決定に基づいて対象におけるがんの予後を提供するための技術をさらに包含する。例えば、一旦試料が第1のクラス又は第2のクラスとして分類されると、その分類を使用して、対象における微小残存病変の存在を決定することができる。
Claims (11)
- (a)データ処理システムによって、対象からの無細胞DNAの試料から全ゲノム配列データを得ること、ここで、全ゲノム配列データが複数の全ゲノム配列読み取りを含むものである;
(b)データ処理システムによって、複数のゲノム配列読み取りの少なくとも過半数から3つ以上のメトリックを計算すること、
ここで、3つ以上のメトリックの第1のメトリックが、
(i)無細胞DNAのフラグメントサイズ、
(ii)複数の全ゲノム配列読み取りの相対読み取り深度、又は
(iii)生殖系列対立遺伝子不均衡であり、
3つ以上のメトリックの第2のメトリックが、
(i)無細胞DNAのフラグメントサイズ、
(ii)複数の全ゲノム配列読み取りの相対読み取り深度、又は
(iii)生殖系列対立遺伝子不均衡であって、
3つ以上のメトリックの第3のメトリックが、
(i)無細胞DNAのフラグメントサイズ、
(ii)複数の全ゲノム配列読み取りの相対読み取り深度、又は
(iii)生殖系列対立遺伝子不均衡であり、
ここで、第1のメトリック、第2のメトリック、及び第3のメトリックのそれぞれが異なるメトリックである; (c)データ処理システムによって、3つ以上のメトリックを分類器に入力して、第1のクラスについての第1の予測及び第2のクラスについての第2の予測を得ること、ここで、第1のクラスは循環腫瘍DNAを含む無細胞DNAの試料であり、第2のクラスは循環腫瘍DNAを含まない無細胞DNAの試料である;及び
(d)データ処理システムによって、第1の予測及び第2の予測に基づいて、無細胞DNAの試料を第1のクラス又は第2のクラスとして分類すること;
を含み、
無細胞DNAのフラグメントサイズが確率密度関数内の領域の比率を含む、方法。 - 分類器が線形判別分析である、請求項1に記載の方法。
- 確率密度関数内の領域の比率が、長さが約116から約156の間のヌクレオチドの無細胞DNAフラグメントサイズの確率の比率、及び長さが約164から約168の間のヌクレオチドのモードの周辺の無細胞DNAフラグメントサイズの確率の比率を含む、請求項1又は2に記載の方法。
- 無細胞DNAのフラグメントサイズが、以下:
(i)試料中で得られた無細胞DNAフラグメントサイズを正規化し、それによって確率密度関数値を得ること;
(ii)無細胞DNAフラグメントサイズの値の対数及び連続する無細胞DNAフラグメントサイズ間の第1の差を決定すること;
(iii)少なくとも20個の最小無細胞DNAフラグメントサイズを除去して、残りの無細胞DNAフラグメントサイズを得ること;及び
(iv)循環腫瘍DNAを含む無細胞DNA及び循環腫瘍DNAを含まない無細胞DNAと比較した、残りの無細胞DNAフラグメントサイズの第1の主成分軸を決定すること
によって計算される統計的フラグメントスコアである、請求項1~3のいずれか一項に記載の方法。 - 複数の全ゲノム配列読み取りの相対読み取り深度が、以下:
(i)無細胞DNAフラグメントサイズ配列読み取りカウントを前処理して、正規化された無細胞DNAフラグメントサイズ配列読み取りカウントのセットを得ること;
(ii)正規化された無細胞DNAフラグメントサイズ配列読み取りカウントのセットについて、染色体アームあたりの読み取り深度の中央値を決定すること;及び
(iii)染色体アームあたりの読み取り深度の中央値の最大値を決定して、コピー数増幅スコアを得ること
によって計算される、請求項1~4のいずれか一項に記載の方法。 - 前処理が、
(i)様々な試料からの配列読み取りカウントを所定のサイズを有するウィンドウ中にマッピングすること;
(ii)1つ又は複数の因子に基づいて、各ウィンドウ中の配列読み取りカウントをフィルタリングし、各ウィンドウの残りの無細胞DNAフラグメントサイズ配列読み取りカウントのセットを得ること;
(iii)各ウィンドウ中のグアニン-シトシン含有量及びマッピング可能性バイアスを補正すること;及び
(iv)循環腫瘍DNAを含む無細胞DNA試料からの配列データに対して、各ウィンドウ中の残りの無細胞DNAフラグメントサイズ配列読み取りカウントを正規化すること
を含む、請求項5に記載の方法。 - 生殖系列対立遺伝子不均衡を、好ましくは二項確率モデルである統計モデルを使用して計算し、無細胞DNAの試料中の1つ又は複数の生殖系列対立遺伝子不均衡部位の確率値の中央値を決定し、対立遺伝子不均衡スコアを得る、請求項1~6のいずれか一項に記載の方法。
- 1つ又は複数の生殖系列対立遺伝子不均衡部位の確率値の中央値が所定の有意水準を下回る場合、確率値の中央値が、無細胞DNAの試料中の1つ又は複数の生殖系列部位における対立遺伝子不均衡を示す、請求項7に記載の方法。
- データ処理システムによって、無細胞DNAの試料の第1のクラス又は第2のクラスとしての分類に基づいて、対象が微小残存病変を有するかどうかを予測することをさらに含む、請求項1~8のいずれか一項に記載の方法。
- 1つ又は複数のプロセッサ;及び
前記1つ又は複数のプロセッサにアクセス可能なメモリであって、前記1つ又は複数のプロセッサによって実行可能な複数の命令を記憶し、前記複数の命令が、前記1つ又は複数のプロセッサによって実行されると、前記1つ又は複数のプロセッサに請求項1~9のいずれか一項に記載の方法を実行させる命令を含む、前記メモリ;
を含む、システム。 - コンピュータシステムを制御して請求項1~9のいずれか一項に記載の方法を実行するための複数の命令を記憶するコンピュータ可読媒体を含むコンピュータ製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862783801P | 2018-12-21 | 2018-12-21 | |
US62/783,801 | 2018-12-21 | ||
PCT/EP2019/086156 WO2020127629A1 (en) | 2018-12-21 | 2019-12-19 | Identification of global sequence features in whole genome sequence data from circulating nucelic acid |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022513946A JP2022513946A (ja) | 2022-02-09 |
JP7332695B2 true JP7332695B2 (ja) | 2023-08-23 |
Family
ID=69061361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021534660A Active JP7332695B2 (ja) | 2018-12-21 | 2019-12-19 | 循環核酸からの全ゲノム配列データにおける包括的配列特徴の同定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210310050A1 (ja) |
EP (1) | EP3899049A1 (ja) |
JP (1) | JP7332695B2 (ja) |
CN (1) | CN113195741A (ja) |
WO (1) | WO2020127629A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115558716B (zh) * | 2022-09-29 | 2023-11-03 | 南京医科大学 | 一种用于预测癌症的cfDNA片段特征组合、系统及应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300451A1 (en) | 2017-04-12 | 2018-10-18 | Echelon Diagnostics, Inc. | Techniques for fractional component fragment-size weighted correction of count and bias for massively parallel DNA sequencing |
US20180307796A1 (en) | 2017-04-21 | 2018-10-25 | Illumina, Inc. | Using cell-free dna fragment size to detect tumor-associated variant |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6196157B2 (ja) * | 2010-11-30 | 2017-09-20 | ザ チャイニーズ ユニバーシティ オブ ホンコン | 癌関連の遺伝子または分子異常の検出 |
US10095831B2 (en) * | 2016-02-03 | 2018-10-09 | Verinata Health, Inc. | Using cell-free DNA fragment size to determine copy number variations |
ES2967443T3 (es) * | 2016-07-06 | 2024-04-30 | Guardant Health Inc | Procedimientos de perfilado de fragmentoma de ácidos nucleicos sin células |
-
2019
- 2019-12-19 CN CN201980084831.2A patent/CN113195741A/zh active Pending
- 2019-12-19 EP EP19829155.1A patent/EP3899049A1/en active Pending
- 2019-12-19 WO PCT/EP2019/086156 patent/WO2020127629A1/en unknown
- 2019-12-19 JP JP2021534660A patent/JP7332695B2/ja active Active
-
2021
- 2021-06-18 US US17/352,087 patent/US20210310050A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300451A1 (en) | 2017-04-12 | 2018-10-18 | Echelon Diagnostics, Inc. | Techniques for fractional component fragment-size weighted correction of count and bias for massively parallel DNA sequencing |
US20180307796A1 (en) | 2017-04-21 | 2018-10-25 | Illumina, Inc. | Using cell-free dna fragment size to detect tumor-associated variant |
Non-Patent Citations (3)
Title |
---|
Journal of Molecular Diagnostics,2006年,vol. 8, no. 1,p. 22-30 |
PLOS Genetics,2016年,12(7):e1006162,p.1-24 |
Sci Transl Med,2018年,vol. 10, no. 466,p. 1-28 |
Also Published As
Publication number | Publication date |
---|---|
WO2020127629A1 (en) | 2020-06-25 |
US20210310050A1 (en) | 2021-10-07 |
EP3899049A1 (en) | 2021-10-27 |
CN113195741A (zh) | 2021-07-30 |
JP2022513946A (ja) | 2022-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111742059B (zh) | 用于靶向测序的模型 | |
EP3899018B1 (en) | Cell-free dna end characteristics | |
AU2018305609B2 (en) | Enhancement of cancer screening using cell-free viral nucleic acids | |
KR20230017169A (ko) | 핵산 메틸화 분석을 통한 결장직장암 검출을 위한 방법 및 시스템 | |
CN113574602A (zh) | 从循环无细胞核酸中灵敏地检测拷贝数变异(cnv) | |
US20220068434A1 (en) | Monitoring mutations using prior knowledge of variants | |
JP7332695B2 (ja) | 循環核酸からの全ゲノム配列データにおける包括的配列特徴の同定 | |
AU2022346858A1 (en) | Methylation fragment probabilistic noise model with noisy region filtration | |
US20220301654A1 (en) | Systems and methods for predicting and monitoring treatment response from cell-free nucleic acids | |
CN113710818A (zh) | 病毒相关联的癌症风险分层 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220815 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230620 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230626 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230728 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230810 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7332695 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |