TW201516725A - 單一核苷酸多型性疾病發生率預測系統 - Google Patents
單一核苷酸多型性疾病發生率預測系統 Download PDFInfo
- Publication number
- TW201516725A TW201516725A TW102137606A TW102137606A TW201516725A TW 201516725 A TW201516725 A TW 201516725A TW 102137606 A TW102137606 A TW 102137606A TW 102137606 A TW102137606 A TW 102137606A TW 201516725 A TW201516725 A TW 201516725A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- gene
- risk
- prediction
- snp
- Prior art date
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本發明係一種單一核苷酸多型性(SNP)疾病發生率預測系統,主要是由一預測伺服器收集一組以上的個人資料、基因資料,分別傳送至一個人資料庫儲存及一基因風險資料庫進行資料交換,該預測伺服器經由基因風險資料庫取得一SNP資料與一風險資料,再分別與一對偶基因頻率資料庫交換一頻率資料;該預測伺服器根據前述SNP資料、風險資料、頻率資料運算後產生一遺傳風險資料,再透過一盛行率資料庫取得複數的盛行率資料,根據盛行率資料與遺傳風險資料快速產生一預測報告,藉此以前述較有效率的方式,達到方便使用者取得與自身基因相關疾病發生率的參考資料之目的。
Description
本發明係關於一種疾病發生率預測系統,尤指一種由預測伺服器配合多種資料庫的資料進行運算,以針對單一核苷酸多型性(SNP)相關的疾病發生率進行預測的系統。
現代人相當容易罹患文明病,尤其是高血糖、高血脂、高血壓(俗稱三高),根據目前的醫學研究指出,三高係與遺傳基因有關,而在人類遺傳基因的各種差異,有90%都可歸因於單一核苷酸多型性(Single Nucleotide Polymorphism,SNP)所引起的基因變異,也就是DNA序列上單個核苷酸的變異,目前在醫學領域中SNP相關的研究已相當常見,已知部份SNP會影響蛋白質的結構功能,有時會改變基因的表現量或是生理趨勢,進而影響對疾病的易感性或對某些藥物的反應及代謝能力。
如我國發明專利權第I357442號「高血壓、三酸甘油脂偏高及代謝症候群之風險預測」,其包括調查一病人之脂蛋白分解酶(LPL)基因序列,且前述基因序列係選自兩個單套基因型,其分別與高血壓、三酸甘油脂偏高、代謝症候群有關,其中一單套基因型含有三個SNP與高血壓、三酸甘油脂偏高有顯著的相關性,另一單套基因型含
有四個SNP與高血壓結合三酸甘油脂偏高也有顯著的相關性。上述發明專利權提供一種對LPL基因序列進行檢測的方式,可用來評估產生高血壓、三酸甘油脂偏高、代謝症候群等醫學病症的風險。
又如我國發明專利權第I383776號「體重預測系統及其方法」,其中該體重預測系統包含一第一輸入單元、一第一處理單元、一第二輸入單元、一第二處理單元、一輸出單元以及一儲存單元;該第一輸入單元用以接收複數地區的使用者資訊,該使用者資訊包括基本的生理資料(如識別碼、性名、性別、年齡)、身體的尺寸(如身高、腰圍、臀圍)等;該第一處理單元係與第一輸入單元連接,且具有一類神經網路與一模糊邏輯系統,藉由類神經網路處理使用者資訊,以得到對應各地區使用者的參數,再經由模糊邏輯系統對使用者資訊進一步的處理後,將參數進行驗證以及調整,進而產生一預測參數;該第二輸入單元接收一使用者資訊,該第二處理單元係分別與第一、第二輸入單元連接,並且將該使用者資訊依據該預測參數進行處理以得到一預測資訊,再將該預測資訊傳送至該輸出單元以及該儲存單元中儲存,並提供給使用者參考。上述發明專利權係可透過在體重預測系統上執行其預測方法,對使用者資訊進行多重的交叉比對分析,並且透過類神經網路、模糊邏輯系統已使用者目前的生理資訊推估使用者未來的體重狀態,以達到提醒使用者注意自身健康狀況並預防相關疾病發生的目的。
然而,透過醫學單位進行分析(如調查LPL基
因序列)的方式或者紀錄分析生理資訊以估測使用者的未來體重,對於一般使用者而言相當不方便而難以進行,經醫學單位分析後再以人工判斷的方式提供建議所花費的時間長,仍缺乏效率,而僅以生理資訊估測未來體重的方式為要達到預防相關疾病之發生,對於使用者而言仍缺乏可靠度。因此,上述之現有技術確實有待提出更佳解決方案的必要性。
有鑑於上述現有技術之不足,本發明主要目的是提供一種單一核苷酸多型性(SNP)疾病發生率預測系統,透過個人資料、基因資料與多個資料庫之間進行資料的交換,經由預測系統將交換的資料進行運算並產生預測報告,以快速又高效率的方式提供使用者關於自身基因相關疾病發生率的參考資料。
為達上述目的所採取的主要技術手段係令前述單一核苷酸多型性疾病發生率預測系統包括:一預測伺服器,用以收集一組以上的個人資料、基因資料,且透過該預測伺服器進行資料交換,經由資料交換將所收集的資料經過運算處理後產生一供使用者參考的預測報告;一個人資料庫,係與該預測伺服器連接,用以接收個人資料並儲存;一基因風險資料庫,具有複數分別與前述基因資料相對應的SNP資料、風險資料,並且與前述預測伺服器連接;一對偶基因頻率資料庫,係與預測伺服器連接,具有
複數分別與前述SNP資料、風險資料相對應的頻率資料;一盛行率資料庫,係與前述預測伺服器連接,並且具有複數的盛行率資料,用以提供給預測伺服器運算產生預測報告用。
本發明經由使用者執行一檢測項目後,由該預測伺服器將收集到的個人資料、基因資料分別傳輸給個人資料庫儲存、基因風險資料庫進行資料交換,依據基因資料由基因風險資料庫中取得相對應的SNP資料與風險資料,再將SNP資料與風險資料傳送至該對偶基因頻率資料庫,以交換相對應的頻率資料,並且透過盛行率資料庫取得與該檢測項目相關的盛行率資料;當預測伺服器經由上述的資料交換過程取得SNP資料、風險資料、頻率資料,並且利用前述各資料運算後產生一遺傳風險資料,根據該遺傳風險資料與前述盛行率資料以產生與該檢測項目相關的預測報告,利用上述技術可方便、快速、有效率的提供使用者方便取得與自身基因相關疾病發生率的參考資料,以提早採取預防措施。
10‧‧‧預測伺服器
20‧‧‧個人資料庫
30‧‧‧基因風險資料庫
31‧‧‧SNP資料區
32‧‧‧風險資料區
40‧‧‧對偶基因頻率資料庫
50‧‧‧盛行率資料庫
60‧‧‧使用者終端
70‧‧‧預測報告資料輸出終端
圖1 係本發明一較佳實施例系統架構方塊圖。
圖2 係本發明一應用方式示意圖。
圖3 係本發明一預測報告統計圖。
圖4 係本發明又一應用方式示意圖。
圖5 係本發明又一預測報告統計圖。
圖6 係本發明另一應用方式示意圖。
圖7 係本發明另一預測報告統計圖。
關於本發明單一核苷酸多型性(SNP)疾病發生率預測系統之一較佳實施例,請參考圖1所示,其中包括一預測伺服器10、一個人資料庫20、一基因風險資料庫30、一對偶基因頻率資料庫40、一盛行率資料庫50。
該預測伺服器10係透過網路與一個以上的使用者終端60連接,該使用者終端60供使用者輸入一組以上的個人資料、基因資料,該預測伺服器10係分別與前述盛行率資料庫50、對偶基因頻率資料庫40、基因風險資料庫30及個人資料庫20連接,透過預測伺服器10與前述各資料庫20,30,40,50進行資料交換,經由資料交換將所收集的資料經過運算處理以產生一供使用者參考的預測報告,該預測報告係透過一預測報告資料輸出終端70將資料輸出,將其快速的提供給使用者參考。
前述個人資料庫20用以接收預測伺服器10所傳送的個人資料,並且將所有個人資料分別儲存,以提供該評估伺服器10需要時可隨時取用。
該基因風險資料庫30係接收前述預測伺服器10所送出的基因資料,該基因風險資料庫30具有複數分別與前述基因資料相對應的SNP資料、風險資料,該預測伺服器10係根據基因資料與基因風險資料庫30進行資料交換以取得相對應的SNP資料、風險資料。
本實施例中,該基因風險資料庫30進一步包括一SNP資料區31、一風險資料區32;該SNP資料區
31係供存取上述SNP資料,該SNP資料係包括複數的基因型,各基因型主要係分別由兩對偶基因構成,其中一對偶基因來自父親,另一對偶基因來自母親,例如:某一SNP資料中的對偶基因為G和A,則可能組成的基因型便有GG、GA、AA等三種組合。
該風險資料區32係供存取上述風險資料,該風險資料係指一勝算比資料(Odds Ratio,OR),該勝算比資料係根據兩件事情的勝算作比較以計算出該勝算比資料,於本實施例中,該勝算比資料係代表基因型或對偶基因會影響罹病與否的風險。
上述對偶基因頻率資料庫40係接收儲存該預測伺服器10所送出的SNP資料、風險資料,該對偶基因頻率資料庫40具有複數分別與前述SNP資料、風險資料相對應的頻率資料,該預測伺服器10與對偶基因頻率資料庫40進行資料交換後以取得該頻率資料;本實施例中,該頻率資料係指一對偶基因頻率資料,其係指某一族群中對偶基因及基因型所占之比率,例如:假設6人之中共3人有GG基因型,則GG基因型頻率為0.5,若其中2人有GA基因型,則GA基因型頻率為0.333,而AA基因型僅有1人,因此AA基因型頻率為0.167,由此可推知,對偶基因總數為12個時,其中有8個G對偶基因,其對偶基因頻率為0.667,而A對偶基因共4個,則A對偶基因頻率為0.333。
該盛行率資料庫50具有複數的盛行率資料,預測伺服器10透過盛行率資料庫50取得與一檢測項目相
關的盛行率資料;當預測伺服器10經由上述的資料交換過程取得SNP資料、風險資料、頻率資料,並且利用前述各資料運算出複數的相對風險資料(Relative Risk,RR)後,再由各相對風險資料產生一遺傳風險資料(Genetic Risk),根據該相對風險資料與前述盛行率資料進行運算,以快速產生與該檢測項目相關的預測報告。
本實施例中,該基因風險資料庫30、該對偶基因頻率資料庫40、該盛行率資料庫50皆可為一外部資料庫,該預測伺服器10透過與該等外部資料庫連接,以隨時獲得更新後的各個外部資料庫中所分別存放的複數SNP資料、風險資料、頻率資料、盛行率資料。
本實施例中,該預測伺服器10透過該使用者終端60收集與任一檢測項目相關的個人資料、基因資料,分別傳輸給個人資料庫20儲存、基因風險資料庫30進行資料交換,依據基因資料由基因風險資料庫30中取得相對應的SNP資料與代表風險資料的勝算比資料,再將SNP資料與勝算比資料傳送至該對偶基因頻率資料庫40,以交換相對應的頻率資料,並且又透過盛行率資料庫50取得與該檢測項目相關的盛行率資料;當預測伺服器10經由上述的資料交換過程取得該等SNP資料、勝算比資料、頻率資料,並且利用前述各資料運算出複數的相對風險資料,本實施例中,該預測伺服器10進一步根據所有相對風險資料而產生遺傳風險資料,透過該遺傳風險資料與前述盛行率資料進行運算以快速產生適用於使用者每一個生理時期的預測資料,利用
方便、快速、有效率的方式,提供使用者方便取得與自身基因相關疾病發生率的參考資料,以達到提早採取預防措施的目的。
為說明本發明單一核苷酸多型性(SNP)疾病發生率預測系統的一具體應用方式,請參考圖2所示,於本實施例中,當有一受測者(例如:華人)且已在一醫學單位進行一檢測項目與第二型糖尿病相關的體檢之後,該醫學單位可獲得受測者的個人資料(如國籍、年齡、身份憑證等)、基因資料,受測者或醫療人員可透過使用者終端60與預測伺服器10連結,並以一代表受測者身分的憑證登入,登入後可由預測報告資料輸出終端70得到由上述預測伺服器10產生供受測者或醫療人員參考的預測報告,並以資料表的形式提供受測者或醫療人員以下的資訊:與第二型糖尿病相關的SNP資料係為多數基因及其SNP位點,其中包括SLC30A8基因rs13266634、KCNQ1基因rs2237895、PTPED基因rs17584499、SRR基因rs391300、KCNJ11基因rs5219、CDKAL1基因rs10946398、CDKN2A/B基因rs10811661、TCF7L2基因rs7903146、HHEX基因rs1111875、PPARG基因rs1801282等;該SNP資料中的每一基因分別對應有受測者的複數基因資料(如基因型)以及相對風險資料(RR),並且提供關於受測者的遺傳風險資料(Genetic Risk)。
由盛行率資料庫50提供複數的盛行率資料(如華人平均發生率),其分別為第二型糖尿病相關之各年齡層的盛行率資料,根據該盛行率資料以及遺傳風險資料而產
生受測者相對於各年齡層的第二型糖尿病預測發生率。
請參考圖3的曲線圖所示,為一第二型糖尿病預測發生率分析結果;其中包含一代表年齡層的水平軸與代表發生率百分比的垂直軸,該水平軸的年齡層由20歲開始至79歲止並以10歲為一個年齡層,當華人平均在40歲至59歲之間的發生率百分比由5.7攀升至14.3時,受測者被預測在40歲至59歲之間的第二型糖尿病發生率百分比同樣由3.75攀升至9.41,由此可知,受測者在40歲至49歲的發生率雖然低於華人平均,顯示受測者先天條件較好,但是至59歲之間其發生率攀升的幅度仍與華人平均攀升的幅度相似,因此受測者仍須注意本身於後天的飲食、作息、生活方式等狀況,以提早採取預防措施。
本實施例中又一具體應用方式,請參考圖4所示,其中為一華人受測者在該醫學單位進行一檢測項目與高血壓相關,受測者或醫療人員可由預測報告資料輸出終端70得到供受測者或醫療人員參考的預測報告,並以資料表的形式提供受測者或醫療人員以下的資訊:關於高血壓相關的SNP資料係為多數基因及其SNP位點,其中包括AGT基因rs699、ADD1基因rs4961、NOS3基因rs1799983、CYP17A1基因rs11191548、FGF5基因rs16998073、AGTR1基因rs5186、NEDD4L基因rs3865418、STK39基因rs3754777、CALCA基因rs3781719等;於資料表中各個基因分別與受測者的複數基因資料(如基因型)以及相對風險資料(RR)相對應,並且提供關於受測者的遺傳風險資料
(Genetic Risk);由盛行率資料庫50提供複數的盛行率資料(如華人平均發生率),複數的盛行率資料分別為高血壓相關之各年齡層的盛行率資料,根據該盛行率資料以及遺傳風險資料而產生受測者相對於各年齡層的高血壓預測發生率。
請參考圖5的曲線圖所示,為一高血壓預測發生率分析結果;其包含一代表年齡層的水平軸與代表發生率百分比的垂直軸,該水平軸的年齡層由20歲開始至79歲止並以10歲為一個年齡層,當華人平均在20歲至39歲之間的高血壓發生率百分比由3.7增加至11.9時,受測者被預測在20歲至39歲之間的高血壓發生率百分比是由3.49增加至11.21,由此可知,受測者在20歲至39歲的高血壓發生率與華人平均相近,甚至於70歲至79歲時的發生率都與華人平均相似,因此受測者需特別注意平時的飲食、作息、生活方式等狀況。
本實施例中另一具體應用方式,請參考圖6所示,其應用方式係與前述應用方式大致相同,惟檢測項目有所不同,該檢測項目係與高血脂相關,受測者或醫療人員由預測報告資料輸出終端70得到供受測者或醫療人員參考的預測報告,並以資料表的形式提供受測者或醫療人員以下的資訊:與高血脂相關的SNP資料係為多數基因及其SNP位點,其中包括LDLR基因rs1003723、APOB基因rs1367117、APOA5基因rs2075291、LPL基因rs326、APOE基因rs4420638、GCKR基因rs780094、GALNT2
基因rs4846914、LIPC基因rs1800588、HMGCR基因rs12654264、CETP基因rs3764261、MLXIPL基因rs17145738等;該等基因分別對應與受測者有關的複數基因資料(如基因型)以及相對風險資料(RR),並且提供關於受測者的遺傳風險資料(Genetic Risk);由盛行率資料庫50提供複數的盛行率資料(如華人平均發生率),其分別為高血脂相關之各年齡層的盛行率資料,根據該盛行率資料以及遺傳風險資料而產生受測者相對於各年齡層的高血脂預測發生率。
請參考圖7的曲線圖所示,為一高血脂預測發生率的分析結果;其中包含一代表年齡層的水平軸與代表發生率百分比的垂直軸,該水平軸的年齡層係由20歲開始至79歲止並以10歲為一個年齡層,當華人平均在40歲至59歲之間的高血脂發生率百分比由19.7攀升至28.6時,受測者被預測在40歲至59歲之間的發生率百分比僅由9.59增加至13.93,因此,受測者在40歲至59歲的發生率是遠低於華人平均的,顯示受測者先天條件較好,使得40歲至59歲之間高血脂預測發生率所攀升的幅度較小,但是受測者仍須注意本身生活狀況。
由上述可知,本發明單一核苷酸多型性(SNP)疾病發生率預測系統,主要是由該預測伺服器10將收集到的個人資料、基因資料分別傳輸給個人資料庫儲存20、基因風險資料庫30進行資料交換,依據將所取得的SNP資料與風險資料傳送至該對偶基因頻率資料庫40以交換相對應的頻率資料,並且透過盛行率資料庫50取得盛行率資
料;當預測伺服器10經由上述的資料交換過程取得SNP資料、風險資料、頻率資料,並利用前述資料運算後產生遺傳風險資料,該遺傳風險資料再與盛行率資料經過運算後產生預測報告,即方便、快速又有效率的提供使用者與自身基因相關疾病發生率的參考資料,以提早採取預防措施。
以上所述,僅是本發明的較佳實施例,並非對本發明作任何形式上的限制,任何所屬技術領域中具有通常知識者,若在不脫離本發明所提技術特徵的範圍內,利用本發明所揭示技術內容所作出局部更動或修飾的等效實施例,均仍屬於本發明技術特徵的範圍內。
10‧‧‧預測伺服器
20‧‧‧個人資料庫
30‧‧‧基因風險資料庫
31‧‧‧SNP資料區
32‧‧‧風險資料區
40‧‧‧對偶基因頻率資料庫
50‧‧‧盛行率資料庫
60‧‧‧使用者終端
70‧‧‧預測報告資料輸出終端
Claims (10)
- 一種單一核苷酸多型性疾病發生率預測系統,其包括:一預測伺服器,用以收集一組以上的個人資料、基因資料,且透過該預測伺服器進行資料交換,經由資料交換將所收集的資料經過運算處理後產生一供使用者參考的預測報告;一個人資料庫,係與該預測伺服器連接,用以接收個人資料並儲存;一基因風險資料庫,具有複數分別與前述基因資料相對應的SNP資料、風險資料,並且與前述預測伺服器連接;一對偶基因頻率資料庫,係與預測伺服器連接,具有複數分別與前述SNP資料、風險資料相對應的頻率資料;一盛行率資料庫,係與前述預測伺服器連接,並且具有複數的盛行率資料,用以提供給預測伺服器運算產生預測報告用。
- 如請求項1所述之單一核苷酸多型性疾病發生率預測系統,該基因風險資料庫進一步包括一SNP資料區、一風險資料區;該SNP資料區係供存取上述SNP資料,該SNP資料係包括複數的基因型;該風險資料區係用以存取上述風險資料,並且該風險資料係指一勝算比資料。
- 如請求項2所述之單一核苷酸多型性疾病發生率預測系統,其中該頻率資料係指一對偶基因頻率資料。
- 如請求項3所述之單一核苷酸多型性疾病發生率預測系統,其為在一族群中對偶基因及基因型所占之比率。
- 如請求項4所述之單一核苷酸多型性疾病發生率預測系統,該預測伺服器經由上述的資料交換過程取得SNP資料、風險資料、頻率資料,並且利用前述各資料運算出複數的相對風險資料,再由各相對風險資料產生一遺傳風險資料。
- 如請求項5所述之單一核苷酸多型性疾病發生率預測系統,透過該遺傳風險資料與前述盛行率資料進行運算以產生預測發生率資料。
- 如請求項6所述之單一核苷酸多型性疾病發生率預測系統,上述SNP資料包括SLC30A8基因rs13266634、KCNQ1基因rs2237895、PTPED基因rs17584499、SRR基因rs391300、KCNJ11基因rs5219、CDKAL1基因rs10946398、CDKN2A/B基因rs10811661、TCF7L2基因rs7903146、HHEX基因rs1111875、PPARG基因rs1801282。
- 如請求項6所述之單一核苷酸多型性疾病發生率預測系統,上述SNP資料包含AGT基因rs699、ADD1基因rs4961、NOS3基因rs1799983、CYP17A1基因rs11191548、FGF5基因rs16998073、AGTR1基因rs5186、NEDD4L基因rs3865418、STK39基因rs3754777、CALCA基因rs3781719。
- 如請求項6所述之單一核苷酸多型性疾病發生率預測系統,上述SNP資料包括LDLR基因rs1003723、APOB基因rs1367117、APOA5基因rs2075291、LPL基因rs326、APOE基因rs4420638、GCKR基因rs780094、GALNT2 基因rs4846914、LIPC基因rs1800588、HMGCR基因rs12654264、CETP基因rs3764261、MLXIPL基因rs17145738。
- 如請求項1至9中任一項所述之單一核苷酸多型性疾病發生率預測系統,進一步提供一個以上的使用者終端,該使用者終端係與預測伺服器連接,該使用者終端供輸入一組以上的個人資料、基因資料;經由上述資料交換將所收集的資料經過運算處理以產生一供使用者參考的預測報告,該預測報告係透過一預測報告資料輸出終端將資料輸出。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102137606A TW201516725A (zh) | 2013-10-18 | 2013-10-18 | 單一核苷酸多型性疾病發生率預測系統 |
CN201310642399.9A CN104573408B (zh) | 2013-10-18 | 2013-12-02 | 单一核苷酸多型性疾病发生率预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102137606A TW201516725A (zh) | 2013-10-18 | 2013-10-18 | 單一核苷酸多型性疾病發生率預測系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201516725A true TW201516725A (zh) | 2015-05-01 |
Family
ID=53089454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102137606A TW201516725A (zh) | 2013-10-18 | 2013-10-18 | 單一核苷酸多型性疾病發生率預測系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104573408B (zh) |
TW (1) | TW201516725A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102508971B1 (ko) * | 2015-07-22 | 2023-03-09 | 주식회사 케이티 | 질병 위험도 예측 방법 및 이를 수행하는 장치 |
CN105354444B (zh) * | 2015-11-24 | 2018-06-19 | 华南理工大学 | 基于易感snp筛查复杂疾病易感snp组合的方法 |
CN106202996A (zh) * | 2016-07-16 | 2016-12-07 | 广州泰因生物科技有限公司 | 一种针对高通量测序snp所用生物信息分析技术的评价方法 |
CN107256323B (zh) * | 2016-09-05 | 2020-11-13 | 云健康基因科技(上海)有限公司 | 一种ⅱ型糖尿病风险评估模型的构建方法和构建系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1367201A (en) * | 1999-10-01 | 2001-05-10 | Orchid Biosciences, Inc. | Method and system for providing genotype clinical information over a computer network |
US20060051790A1 (en) * | 2004-07-01 | 2006-03-09 | The Regents Of The University Of California | Genetic risk factor for neurodegenerative disease |
JP2010522537A (ja) * | 2006-11-30 | 2010-07-08 | ナビジェニクス インコーポレイティド | 遺伝子分析系および方法 |
EP2310969A1 (en) * | 2008-06-20 | 2011-04-20 | Koninklijke Philips Electronics N.V. | A system method and computer program product for pedigree analysis |
-
2013
- 2013-10-18 TW TW102137606A patent/TW201516725A/zh unknown
- 2013-12-02 CN CN201310642399.9A patent/CN104573408B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104573408A (zh) | 2015-04-29 |
CN104573408B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barnes et al. | Development and validation of a brief dementia screening indicator for primary care | |
Li et al. | Significant association of SNP rs2106261 in the ZFHX3 gene with atrial fibrillation in a Chinese Han GeneID population | |
Aaron et al. | A statistical model to predict one-year risk of death in patients with cystic fibrosis | |
Fullerton et al. | Is the Modified Early Warning Score (MEWS) superior to clinician judgement in detecting critical illness in the pre-hospital environment? | |
Gill et al. | Validity of the mental health component scale of the 12-item Short-Form Health Survey (MCS-12) as measure of common mental disorders in the general population | |
Moon et al. | Myocardial late gadolinium enhancement cardiovascular magnetic resonance in hypertrophic cardiomyopathy caused by mutations in troponin I | |
CN105002286A (zh) | 与高血压和/或心血管疾病发病风险相关的多个单核苷酸多态性位点及相关应用 | |
Clynick et al. | Biomarker signatures for progressive idiopathic pulmonary fibrosis | |
Ng et al. | Racial differences in renal replacement therapy initiation among children with a nonglomerular cause of chronic kidney disease | |
Hou et al. | A sex‐stratified prognostic nomogram incorporating body compositions for long‐term mortality in cirrhosis | |
KR20140107714A (ko) | 건강 관리 시스템 및 그것의 건강 정보 제공 방법 | |
van der Steen et al. | Predictors of mortality for lower respiratory infections in nursing home residents with dementia were validated transnationally | |
Aggarwal et al. | Comparison of the lower confidence limit to the fixed-percentage method for assessing airway obstruction in routine clinical practice | |
TW201516725A (zh) | 單一核苷酸多型性疾病發生率預測系統 | |
Ady Wirawan et al. | Cardiovascular risk score and cardiovascular events among airline pilots: a case-control study | |
Melac et al. | Friedreich and dominant ataxias: quantitative differences in cerebellar dysfunction measurements | |
Wu et al. | Predicting Alzheimer's disease based on survival data and longitudinally measured performance on cognitive and functional scales | |
KR102087613B1 (ko) | 연관 표현형의 유전적 위험도를 결합한 질병의 위험도 예측 장치 및 방법 | |
JP2024507978A (ja) | 脳卒中の多遺伝子性遺伝的リスクスコア及び発症リスク評価装置並びにその使用 | |
Koskela et al. | Longitudinal HRQoL shows divergent trends and identifies constant decliners in asthma and COPD | |
Madeo et al. | Do mutations of the Pendred syndrome gene, SLC26A4, confer resistance to asthma and hypertension? | |
Vianna et al. | Accuracy and adequacy of waist circumference cut-off points currently recommended in Brazilian adults | |
Kreiner-Møller et al. | Prenatal and postnatal genetic influence on lung function development | |
Kuznetsova et al. | Maternal and paternal influences on left ventricular mass of offspring | |
RU2602451C1 (ru) | Способ диагностики генетической предрасположенности к развитию ишемического инсульта у больных с фибрилляцией предсердий |