TW201639969A - 利用血漿中ｄｎａ的尺寸及數量畸變以偵測癌症 - Google Patents

利用血漿中ｄｎａ的尺寸及數量畸變以偵測癌症 Download PDF

Info

Publication number
TW201639969A
TW201639969A TW105101037A TW105101037A TW201639969A TW 201639969 A TW201639969 A TW 201639969A TW 105101037 A TW105101037 A TW 105101037A TW 105101037 A TW105101037 A TW 105101037A TW 201639969 A TW201639969 A TW 201639969A
Authority
TW
Taiwan
Prior art keywords
size
nucleic acid
cancer
dna
tumor
Prior art date
Application number
TW105101037A
Other languages
English (en)
Other versions
TWI710639B (zh
Inventor
煜明 盧
慧君 趙
君賜 陳
江培勇
Original Assignee
香港中文大學
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 香港中文大學 filed Critical 香港中文大學
Publication of TW201639969A publication Critical patent/TW201639969A/zh
Application granted granted Critical
Publication of TWI710639B publication Critical patent/TWI710639B/zh

Links

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
    • 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
    • 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
    • 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
    • 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
    • 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
    • C12Q2535/00—Reactions characterised by the assay type for determining the identity of a nucleotide base or a sequence of oligonucleotides
    • C12Q2535/122—Massive parallel sequencing
    • 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
    • C12Q2600/112—Disease subtyping, staging or classification
    • 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
    • C12Q2600/156—Polymorphic or mutational markers

Abstract

本發明係關於腫瘤源循環無細胞(cell-free)DNA之分析，其開闢了實施用於實體腫瘤評估或癌症篩選之液體生檢之新可能性。然而，腫瘤源無細胞DNA之生物學特徵之許多態樣仍然不清楚。關於血漿DNA分子之尺寸情況(profile)，一些研究報導腫瘤源血漿DNA之完整性增加，而其他研究報導較短腫瘤源血漿DNA分子。本發明使用大量平行定序以單鹼基解析且以全基因體(genomewide)方式對癌症患者中血漿DNA之尺寸情況實施分析。使用染色體臂層面z-分數分析(CAZA)進一步鑑別腫瘤來源血漿DNA分子。本發明顯示，異常性變長及縮短的DNA分子之群體共存於癌症患者之血漿中。短DNA分子傾向于攜帶腫瘤相關拷貝數畸變。該等結果顯示使用血漿DNA作為分子診斷工具之能力。

Description

利用血漿中DNA的尺寸及數量畸變以偵測癌症 相關申請案之交叉參考
本申請案主張對Lo等人於2015年1月13日申請之標題為「使用血漿中DNA的尺寸及數量畸變以偵測癌症」之美國專利申請案第62/102,867號(代理人案號80015-015800US)及Lo等人於2015年2月3日申請之標題為「使用血漿中DNA的尺寸及數量畸變以偵測癌症」之第62/111,534號(代理人案號80015-015801US)之優先權，該等申請案之揭示內容出於所有目的全文以引用方式併入本文中。
循環無細胞DNA之分析已逐漸用於偵測及監測癌症(1-3)。可在患有各種類型癌症之患者的血漿中偵測不同癌症相關分子特徵(包括拷貝數畸變(4-7)、甲基化變化(8-11)、單核苷酸突變(4、12-15)、癌症源病毒序列(16、17)及染色體重排(18、19)。儘管臨床應用快速發展，仍未瞭解癌症患者中循環DNA之多種基礎分子特徵，由此限制了該等分析之最有效臨床利用。
具體而言，先前關於癌症患者中循環DNA之尺寸之研究得出的結果不一致。研究已顯示，癌症患者中循環DNA之總體完整性(尺寸之量測)與未患惡性病況之受試者相比會有所增加(20-23)。使用具有不同擴增子尺寸之PCR顯示，較長DNA之比例在癌症患者中將較高。顯示此DNA完整性畸變在治療後可逆轉且該等變化之持久性與較差預 後相關(20、24)。另一方面，亦存在似乎矛盾之證據，即源自腫瘤組織之循環DNA可短於彼等源自非惡性細胞者。舉例而言，已顯示，攜帶癌症相關突變之DNA分子之比例在彼等突變係使用具有較短擴增子之PCR偵測時將較高(12、25)。
此外，研究HCC患者血漿中之腫瘤源DNA的尺寸情況係挑戰性的嘗試，此乃因無法容易地區分腫瘤源血漿DNA與血漿中之非腫瘤源背景DNA。癌症特異性突變之偵測提供區分腫瘤與非腫瘤血漿DNA之基因型方式。然而，橫跨基因體之癌症特異性突變相對較少(29-32)。因此，可能難以精確鑑別血漿中之腫瘤源DNA，尤其出於生成腫瘤源DNA之尺寸分佈之全面、詳細且成本有效之視圖之目的。
該等困難在獲得可能含有腫瘤及非腫瘤DNA之混合物之樣品中之精確量測中產生障礙。
實施例可提供用於確定區域是否展現可能與癌症相關之畸變(例如，擴增或缺失)之系統及方法。舉例而言，實施例可使用基於計數之分析將區域鑑別為可能具有畸變且使用基於尺寸之分析確認該區域是否確實具有畸變。
在其他實施例中，可將展現畸變之區域與對應於已知癌症類型之參照模式相比較。在足夠數量之區域具有匹配畸變時可鑑別癌症類型。該等匹配區域可進一步鑑別為與癌症相關以用於腫瘤DNA之分析，例如用於尺寸分析。
在其他實施例中，樣品(例如，可能含有腫瘤及非腫瘤DNA二者之混合物)中DNA片段之尺寸分析可取決於樣品中腫瘤DNA之所量測分數。舉例而言，DNA片段長於健康對照可因低腫瘤DNA分數而指示早期癌症，且DNA片段短於健康對照可因較高腫瘤DNA分數而指示較晚期癌症。
其他實施例係關於與本文所述方法相關之系統及電腦可讀媒體。
可參照以下詳細說明及附圖來獲得對本發明之實施例之性質及優點之更佳理解。
術語
如本文所用術語「生物樣品」係指任何取自受試者(例如，人類，例如懷孕女性)且含有一或多種所關注核酸分子之樣品。實例包括血漿、唾液、胸水、汗液、腹水、膽汁、尿液、血清、胰液、糞便、子宮頸灌洗液及子宮頸抹片樣品。
術語「核酸」或「多核苷酸」係指去氧核糖核酸(DNA)或核糖核酸(RNA)及其呈單鏈或雙鏈形式之聚合物。除非明確限制，否則該術語涵蓋含有天然核苷酸之已知類似物之核酸，其具有與參照核酸類似之結合性質且係以與天然核苷酸類似之方式來代謝。除非另外指示，否則特定核酸序列亦隱含地涵蓋其保守修飾變體(例如，簡並密碼子取代)、等位基因、直向同源物、單核苷酸多型性(SNP)及互補序列以 及明確指示之序列。具體而言，簡併密碼子取代可藉由生成序列來達成，其中一或多個所選(或全部)密碼子之第三個位置經混合鹼基及/或去氧肌苷殘基取代(Batzer MA等人，Nucleic Acids Res 1991；19：5081；Ohtsuka E等人，J Biol Chem 1985；260：2605-2608；及Rossolini GM等人，Mol Cell Probes 1994；8：91-98)。術語核酸可與基因、cDNA、由基因或基因座編碼之mRNA、非編碼小RNA、微小RNA(miRNA)、Piwi相互作用RNA及短髮夾RNA(shRNA)。
術語「基因」意指參與產生多肽鏈之DNA區段。其可包括在編碼區之前及之後之區域(前導序列及尾曳序列)以及個別編碼區段(外顯子)之間之間插序列(內含子)。
如本文所用術語「基因座(locus)」或其複數形式「基因座(loci)」係具有橫跨基因體之變異之任何長度之核苷酸(或鹼基對)之位置或地址。
術語「定序標籤」(亦稱為序列讀長)係指自核酸分子之全部或一部分(例如DNA片段)獲得之序列。在一個實施例中，僅對片段之一個末端進行定序，例如約30bp。然後可將定序標籤與參照基因體對準。或者，可對片段之兩個末端進行定序以生成兩個定序標籤，其可在對準中提供更高準確度且亦提供片段長度。在另一實施例中，線性DNA片段可藉由例如連接來成環，且可對跨越連接位點之部分進行定序。
術語腫瘤DNA分數濃度可與術語腫瘤DNA比例及腫瘤DNA分數互換使用，且係指存於源自腫瘤之樣品中之DNA分子之比例。
術語「尺寸情況」大體上係指生物樣品中DNA片段之長短。尺寸情況可為直方圖，其提供各種尺寸之DNA片段之量的分佈。可使用各個統計學參數(亦稱為尺寸參數或合理參數)來區分一種尺寸情況與另一種尺寸情況。一個參數係特定尺寸或尺寸範圍之DNA片段相對於 所有DNA片段或相對於DNA片段另一尺寸或範圍之百分比。
如本文所用術語「參數」意指描述定量資料集之數值及/或定量資料集之間之數值關係。舉例而言，第一核酸序列之第一量與第二核酸序列之第二量之間之比率(或比率函數)係參數。
如本文所用術語「分類」係指與樣品之特定性質相關之任何數量或其他特徵(包括詞語)。舉例而言，「+」符號可表示，樣品分類為具有缺失或擴增(例如，加倍)。術語「截止值」及「臨限值」係指用於操作中之預定數量。舉例而言，截止尺寸可係指排除高於其之片段之尺寸。臨限值可為高於或低於其適用特定分類之值。該等術語中之任一者可用於該等情況中之任一者中。
術語「癌症等級」可係指是否存在癌症、癌症階段、腫瘤尺寸、涉及多少染色體區域之缺失或擴增(例如加倍或三倍)及/或癌症嚴重度之其他量度。癌症等級可為數量或其他特徵。該等級可為零。癌症等級亦包括與缺失或擴增相關之惡變前或癌前狀況。
「亞染色體區域」係小於染色體之區域。亞染色體區域之實例係100kb、200kb、500kb、1Mb、2Mb、5Mb或10Mb。亞染色體區域之另一實例係對應於染色體之一或多個帶或亞帶或一個臂者。帶或亞帶係在細胞遺傳學分析中觀察到之特徵。亞染色體區域可藉由其相對於參照人類基因體序列之基因體坐標來提及。
10‧‧‧電腦裝置
71‧‧‧輸入/輸出控制器
72‧‧‧系統記憶體
73‧‧‧中央處理器
74‧‧‧印表機
75‧‧‧系統匯流排
76‧‧‧監測器
77‧‧‧輸入/輸出埠
78‧‧‧鍵盤
79‧‧‧儲存器件
81‧‧‧外部介面
82‧‧‧顯示器轉接器
85‧‧‧資料收集器件
圖1係圖解說明根據本發明實施例之將染色體區域鑑別為展現畸變之方法100之流程圖。
圖2顯示根據本發明實施例鑑別代表性肝細胞癌(HCC)患者之血漿及組織樣品中展現擴增及缺失之區域之Circos圖200。
圖3顯示根據本發明實施例不同受試者之血漿拷貝數畸變(CNA)結果。
圖4係顯示根據本發明實施例HCC患者、B型肝炎病毒(HBV)攜帶者、肝硬化患者及健康受試者之血漿中CNA之可偵測性之表400。
圖5顯示在12名HCC患者之腫瘤及相應血漿中偵測CNA之表500。
圖6顯示圖解說明根據本發明實施例分析生物體之生物樣品以確定生物樣品是否展現第一癌症類型之方法之流程圖。
圖7在表700中顯示根據實施例展現不同癌症類型之不同模式之染色體臂。
圖8A、8B及8C顯示不同癌症類型之染色體區域模式之表800。
圖9顯示圖解說明根據本發明實施例分析生物體之生物樣品之方法之流程圖。
圖10顯示(A)短於150bp、(B)150至180bp及(C)長於180bp之血漿DNA片段的比例針對血漿中之腫瘤DNA分數之圖。
圖11係癌症患者中血漿DNA尺寸分析原理之示意性圖解說明。
圖12顯示源自代表性病例H291之經擴增8q及經缺失8p之血漿 DNA之尺寸分佈。(A)8p(紅色)及8q(綠色)之血漿DNA之尺寸分佈。(B)8p(紅色)及8q(綠色)之血漿DNA尺寸之累積頻率圖。(C)HCC病例H291之累積頻率之差異。
圖13顯示8q與8p之尺寸之間的累積頻率之差異(△S)。(A)在血漿中之8p及8q上具有不同CNA之所有HCC病例的△S針對尺寸之圖。(B)不同組之間之△S 166值。
圖14係代表性HCC患者之1q與1p之間之△S值針對尺寸之圖。
圖15係健康對照受試者、HBV攜帶者、硬化症患者及HCC患者之1q與1p之間之△S 166值的圖。
圖16係圖解說明根據本發明實施例實施染色體臂層面z-分數分析(CAZA)及尺寸分析以分析生物體之生物樣品之方法之流程圖。
圖17係圖解說明根據本發明實施例分析生物體之生物樣品之方法之流程圖。
圖18顯示具有不同血漿中腫瘤源DNA之分數濃度之HCC患者中血漿DNA片段之尺寸分佈。
圖19顯示(A)健康對照、(B)慢性HBV攜帶者及(C)硬化症患者之血漿DNA之尺寸情況。
圖20顯示健康對照受試者、血漿中腫瘤DNA分數小於2%之HCC患者及腫瘤DNA分數大於6%之HCC患者之短片段比例之盒狀圖。
圖21係用於應用P(<150)以區別腫瘤DNA分數小於2%之HCC患者與健康對照受試者之接受者操作特徵(ROC)曲線。
圖22係用於應用P(<150)以區別腫瘤DNA分數大於6%之HCC患者與健康受試者之接受者操作特徵(ROC)曲線。
圖23顯示健康對照受試者及血漿中腫瘤DNA分數小於2%之HCC患者之長片段比例之盒狀圖。
圖24係用於使用P(>180)以區別腫瘤DNA分數小於2%之HCC患者 與健康對照受試者之ROC曲線。
圖25顯示健康對照受試者、腫瘤DNA分數小於2%之HCC患者及腫瘤DNA分數大於6%之HCC患者之中等片段尺寸之盒狀圖。
圖26係用於使用中等片段尺寸以區別腫瘤DNA分數小於2%之HCC患者與健康對照受試者之ROC曲線。
圖27係用於使用中等片段尺寸以區別腫瘤DNA分數大於6%之HCC患者與健康對照受試者之ROC曲線。
圖28顯示腫瘤DNA分數大於6%之HCC患者及健康對照受試者中與染色體1q對準之小於150bp之短血漿DNA片段之比例之盒狀圖。
圖29係用於使用小於150bp之短血漿DNA片段之比例以區別腫瘤DNA分數大於6%之HCC患者與健康對照受試者之ROC曲線。
圖30係HCC患者之△S對腫瘤尺寸之圖。
圖31係某一尺寸之DNA片段之百分比針對腫瘤尺寸之圖。
圖32顯示可用於根據本發明實施例之系統及方法之實例電腦系統10之方塊圖。
癌症通常具有相對於個人之正常基因體含拷貝數畸變(擴增或缺失)之區域。多種技術可計數樣品(例如，血漿或血清)中包括腫瘤DNA片段及非腫瘤DNA片段之無細胞DNA片段。計數可鑑別過表現(指示擴增)或表現不足(指示缺失)之區域。但由於該等基於計數之技術具有統計學性質，可能出現錯誤指示。實施例可使用基於計數之分析將區域鑑別為可能具有拷貝數畸變(亦稱為畸變)並使用基於尺寸之 分析確認該區域是否確實具有該畸變。此一確認在鑑別具有畸變之區域中提供額外準確度。
可使用具有畸變之區域來鑑別自其獲得樣品之生物體中癌症之存在。但癌症之存在不傳達癌症類型。為解決此問題，實施例可使用來自具有已知癌症之樣品之區域中之參照畸變模式。可確定所測試給定樣品之區域畸變之測試模式，且可將該測試模式與參照模式相比較以確定癌症類型。可確定展現與對應於特定癌症類型之參照模式相同之缺失或擴增之測試模式之區域的量，且可將該量與臨限值相比較以確定特定癌症類型是否存在之分類。一旦將區域鑑別為既具有畸變且亦對應於特定癌症類型，即可在腫瘤DNA區域之分析中具有更高信賴度。舉例而言，可使用該區域來量測樣品中之腫瘤DNA分數。
另外，各種研究已顯示關於無細胞腫瘤DNA片段長度之不一致結果：一些顯示腫瘤DNA之較長片段且另一些顯示腫瘤DNA之較短片段。下文分析顯示，二者皆可能正確，但係對於不同腫瘤DNA分數而言。實施例可在基於所量測腫瘤DNA分數之尺寸分析中使用不同尺寸臨限值，該腫瘤DNA分數可使用鑑別為具有畸變之區域中之DNA片段之計數來確定。因此，一些實施方案可經由例如以下方式來調和該等明顯不一致：(a)藉由大量平行定序實現之血漿DNA之全基因體高解析度尺寸剖析；及(b)區分癌症患者血漿中之腫瘤源DNA與非腫瘤背景DNA之有效方法(例如，使用鑑別為具有畸變之區域)。
I. 簡介
藉由使用大量平行定序量測樣品中數百萬或數十億之每一個別血漿DNA分子已成為可行(26、27)。因此，可以全基因體方式且以單鹼基解析來研究血漿DNA尺寸。使用此方法，已顯示循環DNA之尺寸通常類似於單核小體DNA之尺寸，表明血漿DNA可經由細胞凋亡來生成(26、27)。在懷孕女性中，已顯示源自胎兒之血漿DNA短於源 自母體之DNA(26)。循環胎兒與母體DNA之間之尺寸差異已為經由血漿DNA之尺寸分析對母體血漿中之胎兒DNA進行定量及偵測染色體非整倍體提供新的概念基礎(28)。另外，已在實體器官或骨髓移植之接受者中觀察到源自移植器官及患者自身組織之循環DNA之尺寸分佈之差異(27)。
癌症患者之血漿含有腫瘤源DNA與非腫瘤源DNA之混合物。下文實例分析患有肝細胞癌(HCC)之癌症患者中血漿DNA之尺寸分佈。亦分析HCC患者、患有慢性B型肝炎病毒(HBV)感染之患者、肝硬化患者及健康受試者中血漿DNA之尺寸分佈。實施例可使用某些畸變區域來分析HCC患者血漿中腫瘤源DNA之尺寸情況。使用該等畸變區域可克服腫瘤源血漿DNA不易與血漿中之非腫瘤源背景DNA相區分之困難。
一些實施例使用受拷貝數畸變(CNA)影響之染色體臂來推斷腫瘤源及非腫瘤源血漿DNA之尺寸分佈之差異。對於在腫瘤組織中擴增之染色體臂，腫瘤源DNA對血漿DNA之比例貢獻將增加，而對於在腫瘤中缺失之染色體臂，該貢獻將降低。因此，擴增及缺失之染色體臂之尺寸情況的比較將反映血漿中腫瘤源與非腫瘤源DNA之間之尺寸差異。包括全染色體臂或染色體臂主幹之CNA相對常見(33)。一般在HCC組織中觀察到染色體1p及8p之缺失及染色體1q及8q之擴增(34-36)。因此，對於血漿DNA之CNA及尺寸剖析分析，分析集中於染色體1及8。
II. 計數分析以鑑別畸變區域
畸變區域包括擴增或缺失。擴增意指，區域中之序列較其在參照序列中更經常出現，且因此該序列已經擴增。擴增通常發生在僅一個染色體拷貝中(單倍型)。缺失意指，區域中之序列相對於參照序列已缺失，對於二倍體生物體通常僅一個染色體拷貝具有該缺失。區域 可由至少兩個基因座(其彼此分開)界定，且該等基因座處之DNA片段可用於獲得關於該區域之集合值。
A. 藉由計數偵測畸變區域
區域之畸變可藉由計數源自該區域之DNA片段(分子)之量來確定。作為實例，該量可為DNA片段之數量、與DNA片段重疊之鹼基數量或區域中DNA片段之其他量度。區域中DNA片段之量可藉由對DNA片段進行定序以獲得序列讀長並將該等序列讀長與參照基因體進行對準來確定。在一個實施例中，可將區域中序列讀長之量與另一區域中序列讀長之量相比較，以確定過表現(擴增)或表現不足(缺失)。在另一實施例中，可確定一個單倍型之序列讀長之量並與另一單倍型之序列讀長之量相比較。
因此，可將來自一個染色體區域(例如，如藉由計數與該區域對準之定序標籤來確定)之DNA片段之數量與參照值(其可自參照染色體區域、自另一單倍型上之區域或自已知健康之另一樣品中之相同區域確定)相比較。該比較可確定該量是否在統計學上不同於(例如，高於或低於)參照值。可使用差異之臨限值，例如對應於3個標准偏差(SD)，如在群體中所見之值的分佈中可見。
作為比較之一部分，標籤計數可在比較之前經正規化。特定區域之序列讀長(標籤)之正規化值可藉由將與該區域對準之定序讀長之數量除以可與全基因體對準之定序讀長之總數量來計算。此正規化標籤計數使得可將一個樣品之結果與另一樣品之結果相比較。舉例而言，正規化值可為預期來自特定區域之序列讀長之比例(例如，百分比或分數)。但多種其他正規化係可能的，如熟習此項技術者將瞭解。舉例而言，可藉由將一個區域之計數數量除以參照區域(在上文情形中，參照區域恰為全基因體)之計數數量或藉由始終使用相同數量之序列讀長來正規化。然後可將此正規化標籤計數與臨限值相比 較，該臨限值可自一或多個未展現癌症之參照樣品確定。
在一些實施例中，臨限值可為參照值。在其他實施例中，參照值可為用於正規化之另一值，且比較可包括參照值及臨限值。舉例而言，可將區域之量除以參照值以獲得參數，將其與臨限值相比較來看是否存在統計學上顯著之差異。作為另一實例，可將區域之量與參照值加臨限值相比較。
在一個實施例中，比較係藉由計算特定染色體區域之病例之z-分數來實施。z-分數可使用以下方程來計算：z-分數=(病例之正規化標籤計數-平均值)/SD，其中「平均值」係與參照樣品之特定染色體區域對準之平均正規化標籤計數；且SD係與參照樣品之特定區域對準之正規化標籤計數之數量之標准偏差。因此，z-分數可對應於所測試病例之染色體區域之正規化標籤計數遠離一或多個參照受試者之相同染色體區域之平均正規化標籤計數之標准偏差之數量。可將此z-分數與臨限值(例如對於擴增為3，且對於缺失為-3)相比較。經擴增染色體區域將具有高於臨限值之z-分數之正值。經缺失染色體區域將具有低於臨限值之z-分數之負值。
z-分數之量值可藉由若干個因素來確定。一個因素係生物樣品(例如血漿)中腫瘤源DNA之分數濃度。樣品(例如血漿)中腫瘤源DNA之分數濃度愈高，所測試病例之正規化標籤計數與參照病例之間之差異將愈大。因此，z-分數將獲得較大量值。
另一因素係一或多個參照病例中正規化標籤計數之改變。在所測試病例之生物樣品(例如血漿)中染色體區域之相同過表現程度下，參照組中正規化標籤計數之較小改變(即較小標准偏差)將產生較高z-分數。類似地，在所測試病例之生物樣品(例如血漿)中染色體區域之相同表現不足程度下，參照組中正規化標籤計數之較小標准偏差將產生更負之z-分數。
另一因素係腫瘤組織中染色體畸變之量值。染色體畸變之量值係指特定染色體區域之拷貝數變化(增加或損失)。腫瘤組織中之拷貝數變化愈高，血漿DNA中特定染色體區域之過表現或表現不足程度將愈高。舉例而言，染色體中兩個拷貝之損失將導致血漿DNA中染色體區域之表現不足大於染色體中兩個拷貝中之一者之損失，且因此產生更負之z-分數。通常，癌症中有多個染色體畸變。每一癌症中之染色體畸變可進一步因其性質(即擴增或缺失)、其程度(單拷貝或多拷貝增加或損失)及其範圍(關於染色體長度之畸變尺寸)而改變。
量測正規化標籤計數之精密度受所分析分子之數量影響。舉例而言，在分數濃度為約12.5%、6.3%及3.2%時，可分別需要分析15,000、60,000及240,000個分子以偵測具有一個拷貝變化(增加或損失)之染色體畸變。用於偵測癌症之不同染色體區域之標籤計數的其他細節闡述於以下案件中：Lo等人之標題為「Diagnosing Fetal Chromosomal Aneuploidy Using Massively Parallel Genomic Sequencing」之美國專利公開案第2009/0029377號；及Lo等人之標題為「Detection Of Genetic Or Molecular Aberrations Associated With Cancer」之美國專利第8,741,811號，其揭示內容出於所有目的係全文以引用方式併入。
B. 方法
圖1係流程圖圖解說明根據本發明實施例將染色體區域鑑別為潛在地展現擴增之方法100。方法100及本文所述之其他方法可完全或部分使用電腦系統來實施。
在步驟110，可鑑別生物體之複數個染色體區域。每一染色體區域可包括複數個基因座。區域之尺寸可為1Mb，或另外某一同等尺寸。則整個基因體可包括約3,000個區域，其各自具有預定尺寸及位置。該等預定區域可變以適應特定染色體之長度或欲使用區域之指定 數量及本文中所提及之任何其他準則。若區域具有不同長度，則可使用該等長度來正規化結果，例如如本文中所述。
可針對每一染色體區域實施步驟120-140。在步驟120，對於每一染色體區域，可將核酸分子之各別組鑑別為來自該染色體區域。該鑑別可係基於鑑別核酸分子在參照基因體中之位置。舉例而言，可對無細胞DNA片段進行定序以獲得序列讀長，且可將該等序列讀長映射(對準)至參照基因體。若生物體係人類，則參照基因體將係潛在地來自特定亞群體之參照人類基因體。作為另一實例，可用不同探針分析無細胞DNA片段(例如，在PCR或其他擴增後)，其中每一探針對應於不同基因體位置。在一些實施例中，對無細胞DNA片段之分析可藉由接收對應於該等無細胞DNA片段之序列讀長或其他實驗資料然後使用電腦系統分析實驗資料來實施。
在步驟130，電腦系統可計算核酸分子之各別組之各別量。各別值界定各別組中核酸分子之性質。各別值可為本文所提及之任一值。舉例而言，該值可為該組中片段之數量或該組中片段之尺寸分佈之統計值。各別值亦可為正規化值，例如除以樣品之標籤計數總數量或參照區域之標籤計數數量之區域之標籤計數。各別值亦可為與另一值之差異或比率，由此提供區域之差異的性質。
在步驟140，可將各別量與參照值相比較以確定染色體區域是否展現畸變(即擴增或缺失)之分類。在一些實施例中，染色體區域可分類為不展現畸變。比較可包括基於各別量及參照值確定z-分數。作為實例，參照值可為本文所述任一臨限值或參照值。舉例而言，參照值可為針對正常樣品確定之臨限值。作為另一實例，參照值可為另一區域之標籤計數，且比較可包括獲取差異或比率(或該等之函數)然後確定該差異或比率是否大於臨限值。
參照值可基於其他區域之結果而改變。舉例而言，若鄰近區域 亦顯示偏差(但與臨限值相比較小，例如z-分數為3)，則可使用較低臨限值。舉例而言，若三個鄰接區域皆高於第一臨限值，則癌症可更有可能。因此，此第一臨限值可低於自非鄰接區域鑑別癌症所需之另一臨限值。有三個區域(或三個以上)具有甚至較小偏差可具有可保留敏感性及特異性之機會效應之足夠低機率。
C. 染色體臂層面Z-分數分析(CAZA)
在一些實施例中，可將染色體分離為多個亞染色體區域(例如，1Mb區域)。此高解析度可不使敏感性及特異性最大化。其他實施例可將染色體分離為兩個臂，即p及q。分析該兩個臂可藉由減少該精細解析產生之噪聲來改良特異性。現在提供染色體臂層面z-分數分析之實例。
分析總計225個來自90名HCC患者、67名慢性HBV感染患者、36名HBV相關肝硬化患者及32名健康受試者之血漿DNA樣品。自每一血漿樣品獲得31百萬讀長(範圍：17-79百萬)之中值。源自較健康對照之平均值低3個SD(z-分數<-3)及高3個SD(z-分數>3)之染色體臂之序列讀長之量分別指示來自彼等染色體臂之血漿DNA之顯著表現不足及過表現。該等定量血漿DNA畸變一般反映腫瘤中存在拷貝數損失及拷貝數增加(CNA)(4)。
圖2顯示根據本發明實施例鑑別代表性肝細胞癌(HCC)患者之血漿及組織樣品中展現擴增及缺失之區域之Circos圖200。自內至外：腫瘤組織中之CNA(1Mb解析度)；腫瘤組織中之臂層面CNA；血漿CNA(1Mb解析度)；臂層面血漿CNA。具有增加及損失之區域分別以綠色及紅色顯示。兩條鄰接水平線之間之距離代表z-分數為5。染色體模式圖(chromosome ideogram，圖外)係按順時針方向自pter至qter取向。
圖3顯示使用CAZA之實施例所研究之所有受試者的血漿拷貝數 畸變(CNA)結果。分析HCC中通常受CNA影響之4個染色體臂(1p、1q、8p及8q)。紅線及綠線分別代表血漿中相應染色體臂之表現不足及過表現。每一垂直線代表一個病例之資料。
圖4係顯示根據本發明實施例HCC患者、HBV攜帶者、肝硬化患者及健康受試者之血漿中CNA之可偵測性之表400。表400在最左欄中顯示患者類別。其餘欄顯示患者數量及在血漿中偵測到不同染色體臂之CNA之百分比。90名HCC患者中76名(84.4%)在血漿中之染色體1及8上具有至少一個染色體臂層面CNA。12名HCC患者之腫瘤組織可用於確證血漿DNA發現。對組織樣品進行定序且CNA模式顯示於圖5中。
圖5顯示在12名HCC患者之腫瘤及相應血漿中偵測之CNA之表500。在表500中，患者病例編號列示於第一欄中。將患者按血漿中之腫瘤DNA分數之遞降次序排列，如第二欄中所顯示。第三欄顯示腫瘤尺寸。其餘欄顯示在腫瘤及血漿中偵測之不同染色體臂之CNA。「增加」指示拷貝數增加。「損失」指示拷貝數損失。「無」指示無可偵測CNA。分析總計12名患者之48個染色體臂。顯示在腫瘤與血漿之間具有一致及不一致結果之染色體臂之數量(及百分比)。
在所分析之12名患者之48個染色體臂中，在30個(63%)臂中觀察到血漿及腫瘤組織中之一致變化。對於10個(21%)臂僅在腫瘤中觀察到CNA，但在血漿中未觀察到。該等病例往往具有較低的血漿中之腫瘤DNA分數。對於7個(15%)臂，在血漿中觀察到CNA，但在腫瘤中未觀察到。在一個病例(HOT428)中，在腫瘤中觀察到1q之增加，但在血漿中觀察到損失。該等資料可表明存在腫瘤異質性，其中可能存在貢獻血漿DNA之癌細胞之其他病灶或純系。
在患有及未患肝硬化之HBV攜帶者之間，該等CNA之偵測率分別為22.2%及4.5%。在血漿中展現CNA，但在血液收集時已知未患 HCC之1名肝硬化患者及1名未患硬化之慢性HBV攜帶者經診斷為分別在之後3個月及4個月時患有HCC。對所有HBV攜帶者及硬化症患者進行至少6個月之隨訪。對於彼等在血漿中不具有任何CNA之對照受試者，其在隨訪期期間皆未發生HCC。依照CAZA，32名健康受試者在血漿中之染色體1或8上皆不具有可偵測CNA。在HCC患者中，由於存在CNA所致之血漿中序列讀長之非比例增加或減小反映血漿樣品中腫瘤DNA之分數濃度。HCC患者血漿中腫瘤源DNA之中值分數濃度為2.1%(範圍：0%至53.1%；四分位距：1.2%至3.8%)。
CAZA提供非侵入性偵測腫瘤相關CNA之方式。在HCC中，染色體1及8一般受CNA影響(34-36)。實際上，吾人之資料顯示，90名HCC患者中76名(84.4%)具有至少一個涉及血漿中染色體1及8上之任一臂之CNA，而32名健康受試者皆不展現血漿中之該兩個染色體之任何CNA。在22.2%及4.5%之硬化症患者及HBV攜帶者中亦偵測到涉及染色體1及8之血漿CNA。在1名HBV攜帶者及1名肝硬化患者中，在血液收集後不久即診斷為HCC。可能該癌症在血液收集時已存在且與血漿中之CNA相關，由此顯示實施例之早期篩選能力。HCC患者中血漿CNA之相對高偵測率表明，此方法可在未來之HBV攜帶者篩選中具有價值。此外，CNA存在於幾乎所有癌症類型中(33)。因此，此方法可作為適應於所關注癌症之特異性CNA模式之一般性腫瘤標記來應用。
III.基於畸變區域之模式偵測癌症類型
一些實施例可使用癌症類型之已知畸變區域(以及係擴增或缺失)來鑑別樣品中鑑別之畸變涉及之潛在癌症。在上文實例中，使用HCC之已知畸變區域來篩選HCC樣品。此篩選可將所鑑別畸變區域(包括係擴增或缺失)與已知畸變區域集合相比較。若確定足夠高匹配，則可將該癌症類型標記為可能的測試結果。
匹配準則可為在樣品中亦鑑別到之集合中區域之百分比。匹配 準則可需要特異性區域為畸變。舉例而言，在1p、1q或8q畸變時，或在該等染色體臂中之一個以上畸變時，可鑑別HCC之匹配。因此，可存在需要與其相同之匹配之特異性子集，但該等子集可小於癌症類型之已知畸變區域之完整集合。
因此，可將測試樣品之畸變區域之模式與特定癌症類型之畸變區域之模式比較，該特定癌症類型之畸變區域之模式可自已知患有特定癌症類型之患者確定。實施例可用於篩選癌症及鑑別所涉及之癌症類型，尤其在腫瘤可能小(例如大小小於2cm)時。成像技術難以鑑別大小小於2cm之腫瘤。該等技術亦可用於治療後追蹤患者之進展。
A. 方法
圖6係圖解說明根據本發明實施例分析生物體之生物樣品以確定生物樣品是否展現第一癌症類型之方法600之流程圖。生物樣品包括源自正常細胞及潛在地源自癌症相關細胞之核酸分子(亦稱為片段)。樣品中之至少一些該等分子可為無細胞的。
在此方法及本文所述之任何其他方法之一個實施例中，生物樣品包括無細胞DNA片段。儘管血漿DNA之分析已用於闡釋本申請案中闡述之不同方法，該等方法亦可應用於偵測含有正常DNA與腫瘤源DNA之混合物之樣品中之腫瘤相關染色體畸變。其他樣品類型包括唾液、淚液、胸水、腹水、膽汁、尿液、血清、胰液、糞便及子宮頸抹片樣品。
在步驟610，鑑別生物體之複數個染色體區域。該複數個染色體區域係亞染色體且可不重疊。所計數之染色體區域可具有限制。舉例而言，僅可計數與至少一個其他區域鄰接之區域(或可能需要鄰接區域具有某一尺寸，例如4個或更多個區域)。對於各區域不相等之實施例，該數量亦可說明各別長度(例如該數量可為畸變區域之總長度)。在一些實施例中，該等區域對應於染色體之臂。在其他實施例中，該 等區域可小於該等臂，例如1Mb區域。
在一些實施例中，染色體區域可具有特定單倍型(即，對應於特定染色體拷貝)。在使用相對單倍型劑量(RHDO)分析之實施例中，每一區域可包括至少兩個異型接合基因座。關於RHDO之其他細節可參見美國專利第8,741,811號。
在步驟620，對於生物體之生物樣品中複數個核酸分子中之每一者，可鑑別核酸分子在生物體之參照基因體中之位置。該複數個核酸分子可包括500,000個或更多個分子(片段)。此定位可以多種方式來實施，包括對分子實施定序(例如經由隨機定序)，以獲得分子之一個或兩個(末端配對)定序標籤，然後將定序標籤與參照基因體進行對準。該對準可使用諸如基本局部對準搜索工具(BLAST)等工具來實施。可將位置鑑別為在染色體臂中之編號。
在步驟630，對於該複數個染色體區域中之每一者，可基於所鑑別區域將核酸分子之各別組鑑別為來自該染色體區域。各別組可包括至少一個定位於染色體區域之複數個基因座中之每一者處之核酸分子。
在步驟640，對於該複數個染色體區域中之每一者，電腦系統可計算核酸分子之各別組之各別值。各別值可界定各別組中核酸分子之性質。性質可為核酸分子之計數、百分比或尺寸。各別值可包括尺寸分佈之平均值、尺寸分佈之中值、尺寸分佈模式或尺寸低於尺寸臨限值之核酸分子之比例。使用尺寸作為性質更詳細地論述於章節IV中。
在步驟650，可將各別值與各別參照值相比較以確定染色體區域是否展現缺失或擴增之分類。該比較可包括基於各別值及各別參照值確定z-分數。然後可將該z-分數與一或多個臨限值相比較以確定是否存在缺失或擴增。對於缺失及擴增可使用不同臨限值。在其他實施例中，例如若z-分數中之其他值向方程之另一側移動，則參照值可包括 臨限值。參照值可對應於在健康樣品、另一染色體區域(例如，不展現畸變之染色體區域)或另一單倍型(在所測試區域係第一單倍型時)中確定之值。
在步驟660，可測定展現缺失或擴增之染色體區域之測試模式。測試模式係指所測試樣品中畸變區域之模式。測試模式可包括展現缺失、擴增或正常之染色體區域之集合。測試模式亦可包括該集合中鑑別為展現擴增之第一子集。測試模式可進一步包括該集合中鑑別為展現缺失之第二子集。測試模式可進一步包括該集合中鑑別為不展現擴增或缺失之第三子集。
在步驟670，可將測試模式與複數個不同癌症類型之參照模式相比較。癌症類型之參照模式可包括畸變區域之已知集合。參照模式可自組織及/或無細胞核酸分子混合物之參照樣品來確定。參照模式可包括多個區域，且每一者具有擴增、缺失或無畸變之確定狀態。比較可確定測試模式中哪些區域具有與參照模式中之區域相同之畸變。舉例而言，可確定在測試模式及參照模式二者中是否將相同區域指示為具有擴增、缺失或係正常。
在步驟680，基於比較，可確定測試模式中展現與對應於第一癌症類型之第一參照模式相同之缺失或擴增之區域之量。在各個實施例中，該量可為與畸變區域之已知集合匹配之染色體區域之數量或百分比。
在步驟690，將區域之量與第一臨限值相比較以確定生物樣品是否展現第一癌症類型之第一分類。第一臨限值可為第一癌症類型所特有或橫跨多種癌症類型使用。此一臨限值可為與欲鑑別之第一癌症類型之畸變區域之已知集合相匹配所需染色體區域之最小量。在各個實施例中，該最小量可為3、4、5、6、7、8、9、10、11、12或13個染色體區域。在一些實施例中，可能需要特異性區域畸變，且因此可使 用除比較該量與第一臨限值之外之其他準則。該等特異性區域可為約束或經加權高於其他區域。特異性畸變區域可為癌症類型之已知畸變區域之完整集合之子集。除其他癌症外，癌症類型可包括HCC、結腸直腸癌、乳癌、肺癌或鼻咽癌。
用於確定分類之臨限值可基於所計數區域之位置及尺寸而改變。舉例而言，可將特定染色體或染色體臂上之區域之量與作為用於確定是否涉及特定癌症類型之準則之該特定染色體(或臂)之臨限值相比較。可使用多個臨限值。例如，可能需要特定染色體(或臂或較大亞染色體區域)上之匹配區域(即，測試模式及參照模式中之相同畸變分類)之量大於第一臨限值，且可能需要基因體中匹配區域之總量大於第二臨限值。
匹配區域之量之臨限值亦取決於區域分類之不平衡性有多強。舉例而言，用作確定癌症類型分類之臨限值之匹配區域之量可取決於用於偵測每一區域中之畸變之特異性及敏感性(畸變臨限值)。舉例而言，若畸變臨限值較低(例如z-分數為2)，則量臨限值可經選擇為較高(例如，15個匹配區域或80%)。但若畸變臨限值較高(例如，z-分數為3)，則該量臨限值可較低(例如，5個匹配區域或60%)。顯示畸變之區域之量亦可為加權值，例如一個顯示高不平衡之區域可經加權高於僅顯示極低不平衡之區域(即對於畸變，與僅正及負相比，存在更多分類)。此一加權可以與某些區域類似之方式起作用，對於欲鑑別之癌症類型需要該等區域具有畸變。
在一些實施例中，臨限值可基於其他癌症類型之匹配區域之數量動態地確定。舉例而言，臨限值可為所鑑別癌症之匹配區域之數量至少係大於第二最可能之癌症類型之匹配區域之具體數量。此一臨限值可為除最小臨限值外之另一準則。因此，在一些情況中，若不存在足夠數量之匹配區域，可能鑑別不出癌症類型。
B. 結果
針對複數個癌症類型測試方法600以確定準確度。用已知癌症類型之患者測試方法600。此外，所用臨限值可使用已知癌症類型之樣品來確定。對於不同癌症類型可使用不同臨限值。
對17名癌症患者(6名HCC患者、4名患有結腸直腸癌(CRC)、3名患有乳癌(BrC)、2名患有肺癌(LC)及2名患有鼻咽癌(NPC))中之每一者之血漿DNA進行定序。基於CAZA方法分析每名患者之每一染色體臂之拷貝數畸變(CNA)。
圖7在表700中顯示根據實施例展現不同癌症類型之不同模式之染色體臂。將在50%之病例中存在之CNA以顏色突出顯示。將拷貝數損失以紅色突出顯示，且將拷貝數增加以綠色突出顯示。
表700將染色體臂列示於最左欄中。其他欄中之每一者列示癌症類型及該癌症類型之患者數量。缺失標識為「-」。擴增標識為「+」。正常區域標識為「無」。
在血漿樣品中觀察到之CNA模式對於患有不同癌症類型之患者各不相同。基於在血漿中觀察到之最常見CNA模式，實施例可推論在血漿中觀察到CNA但CNA之來源未知之患者中癌症之潛在組織來源。表700中所列示之CNA模式係用於說明性目的，且更全面之CNA列表可藉由分析顯著更大數量之臨床樣品來建立。
CNA之參照模式亦可自分析腫瘤組織來確定。作為實例，一般在HCC腫瘤組織中偵測到在1q、6p、8q及17q上之增加及在4q、8p、13q、16q及17p上之損失(Moinzadeh P等人Br J Cancer 2005；92：935-941)。一般在CRC腫瘤組織中偵測到在5p、8q、9p、13q及20q上之增加及在8p、9p、17p及18q上之損失(Farzana等人PLoS One 2012；2：231968及Lips EH等人J Pathol 2007；212：269-77)。一般在非小細胞肺癌組織中偵測到在5p、7p、7q、8q、14q、17q及20q上之增加 及在3p、8p、9p、13q及18q上之損失，而一般在小細胞肺癌組織中偵測到在3q、5p、14q及19q上之增加及在3p、4p、4q、5q、10p、10q、13q、15q、17p及22q上之損失(Zhao X等人Cancer Res 2005；65：5561-70)。在1q、8q、17q及20q上之增加及在4p、5q、8p、11q及13q上之損失在乳癌組織中常見(Andre F等人Clin Cancer Res 2009；15：441-51)。本文所述CNA模式用作說明性實例，且不欲係可用於本文所述方法中之唯一模式。
基於此實例中之CNA模式，假定出於癌症篩選之目的對患者BrC2實施血漿DNA定序。觀察到CNA，包括1q、3q、8q及14q之拷貝數增加及2p、2q、3p、4p、7q、8p、9p、11p、12p、12q、16q及17p之拷貝數損失。其血漿中之CNA匹配乳癌之13種典型CNA。與之相比，其CNA僅分別匹配HCC、CRC、LC及NPC之3、6、4及1個典型CNA。因此，基於其血漿DNA之CNA模式，其最可能患有之癌症經推論為乳癌。所選臨限值可用於確定所觀察到之CNA數量是否與某些癌症類型之典型CNA相容。在此實例中，可使用7、8、9、10、11、12或13之臨限值來將CNA分類為與乳癌相容。亦可使用匹配區域之百分比。舉例而言，可使用匹配一般畸變區域之區域之百分比。一般畸變區域可定義為在超過50%之參照樣品中具有特定畸變之區域。
在其他實施例中，可使用其他統計學方法(例如但不限於階層式分群法)來推論患者所患之最可能癌症類型。舉例而言，可為每一參照樣品分配多維資料點，其中每一維度對應於不同區域。在一個實施方案中，可為每一維度分配-1(對於缺失)、0(正常)或1(對於擴增)。對於不同程度之擴增，較高數量可為可能的。特定癌症類型之樣品將分群在一起，且可將新樣品分配至群。臨限值可對應於用於確定新樣品應分配至哪個群(若存在)之度量，其中所分配群對應於該樣品之所鑑別癌症類型。舉例而言，群可具有對應於由至少預定數量之群參照 模式共享之群參照模式之區域之形心。群可包括界定何種測試模式位於該群內部之邊界。邊界可具有簡單球形以外之多種形狀。在確定何種參照模式屬何種群時，可將邊界確定為分群分析之一部分，其中最遠離形心但在群內之參照模式可界定邊界。可將用於確定測試模式是否為群之一部分之臨限值視為在自形心至測試模式之方向上自形心至邊界之距離。
在另一實施例中，可確定患有不同癌症類型之相對可能性。可將患者之CNA模式與每一癌症類型之CNA之可能性相比較。舉例而言，將具有1q增加之患者與不同癌症類型之1q增加之機率相比較。出於說明性目的，假定1q增加可在70%之HCC患者、20%之LC患者及1%之CRC患者中發生。在該等可能性下，勝算比可基於患有具有CNA之不同癌症類型之患者之相對百分比來確定。例如，基於1q增加，可認為患者患有HCC之可能性係LC之3.5倍，且患有HCC之可能性係CRC之70倍。HCC對LC對CRC之勝算比可為70：20：1。熟習此項技術者將理解，此勝算比可以若干種不同但等效之形式來表現。亦可確定在並非1q之染色體臂處之不同CNA之勝算比。然後可用在個別CNA處之可能性或勝算比計算總體勝算比。換言之，給定患者之CNA模式及具有該給定CNA模式之不同癌症類型之可能性，可在總體勝算比中將不同癌症類型之可能性彼此相比較。儘管此實例使用在不同染色體臂處之CNA之可能性，但可使用在並非染色體臂之不同亞染色體區域處之CNA之可能性。在一些實施例中，若在患者中之染色體臂或其他亞染色體區域處未發現CNA，則可將無CNA之模式與在不同癌症類型之染色體臂或亞染色體區域處未發現CNA之可能性相比較。然後可使用來自患者之無CNA區域之模式來確定不同癌症類型之可能性。另外，組合對具有CNA之區域及無CNA區域之分析可用於確定癌症類型之可能性或相對可能性，準確度與僅使用一種區域類型之情況相比潛在地較 高。
在另一實例中，假定已對患者NPC1之血漿DNA進行定序。觀察到CNA，包括2q、12q及22q之拷貝數增加及6q及18q之拷貝數損失。此患者之CNA模式匹配NPC之4個典型CNA。藉由比較，此CNA模式匹配HCC、CRC、BrC及LC之模式之0、2、0及0個典型CNA。在另一實施例中，亦可計數癌症類型之典型CNA之缺乏。舉例而言，無NPC之典型CNA在此患者中不存在。與之相比，HCC、CRC、BrC及LC之7、16、13及8個典型CNA在此患者中不存在。因此，此患者之CNA模式不暗示HCC、CRC、BrC及LC。
圖8A、8B及8C顯示可如何藉由使用表800中之較高解析度CNA分析來進一步提高此方法之準確度。在此癌症患者隊列中鑑別影響1Mb區域之CNA。表800將1MB區域之基因體坐標列示於最左欄中。其他欄中之每一者列示癌症類型及該癌症類型之患者數量。缺失標識為「-」。擴增標識為「+」。正常區域標識為「無」。
在此實例中，鑑別跨越1Mb且存於所有患有相同癌症類型之患者中之CNA。在較高解析度下，可鑑別存於高比例之患有相同癌症類型之患者中之亞染色體CNA。在基於臂之分析中未鑑別出該等癌症類型特異性CNA。舉例而言，在所有3名肺癌患者中鑑別出跨越坐標30-31Mb及44-45Mb之染色體18上之拷貝數增加，但在患有其他癌症類型之患者中不常見。如上文所論述，可使用不同統計學測試來確定何種癌症特異性CNA模式最類似於所測試病例。不同統計學測試可包括例如計數不同癌症相關CNA模式中典型CNA之數量及階層式分群法。
IV.血漿中腫瘤源DNA片段之尺寸分析
可使用DNA片段之尺寸分佈之統計學上顯著之差異以計數數量可鑑別之類似方式來鑑別畸變。已報導，總(即腫瘤加非腫瘤)血漿DNA之尺寸分佈在癌症患者中有所增加(Wang BG等人，Cancer Res. 2003；63：3966-8)。然而，若專門研究腫瘤源DNA(而非總(即腫瘤加非腫瘤)DNA量)，則已觀察到腫瘤源DNA分子之尺寸分佈短於源自非腫瘤細胞之分子(Diehl等人，Proc Natl Acad Sci U S A.2005；102：16368-73)。因此，可使用循環DNA之尺寸分佈來確定癌症相關染色體畸變是否存在。
尺寸分析可使用各種參數，如本文及美國專利第8,620,593號中所提及。舉例而言，可使用來自上文之Q或F值。該等尺寸值不需要藉由自其他區域計數來正規化，此乃因該等值不隨讀長數量成比例變化。可使用涉及區域之深度及細分之技術。在一些實施例中，在比較兩個區域時可慮及特定區域之GC偏離量。在一些實施方案中，尺寸分析僅使用DNA分子。
A. 方法
圖9係圖解說明根據本發明實施例分析生物體之生物樣品之方法900之流程圖。生物樣品可包括源自正常細胞及潛在地源自癌症相關細胞之核酸分子。生物樣品中之至少一些核酸分子可為無細胞的。在一個態樣中，方法900可係關於基於第一染色體之片段尺寸與一或多個參照染色體之片段尺寸之分離值(例如差異或比率)確定序列不平衡之分類。
在步驟910，對於生物樣品中複數個核酸分子中之每一者，可量測核酸分子之尺寸。獲得核酸分子之尺寸闡述於Lo等人於2013年3月7日申請之標題為「Size-Based Analysis of Fetal DNA Fraction in Maternal Plasma」之美國專利公開案第2013/0237431號中，其內容係出於所有目的以引用方式併入本文中。
在步驟920中，可鑑別核酸分子在生物體之參照基因體中之位置。該位置可為基因體之任一部分，如針對步驟120及其他地方所述。舉例而言，鑑別複數個核酸分子中之每一者源自哪個染色體。此 確定可藉由映射至參照基因體來實施。
在步驟930中，對於該複數個染色體區域中之每一者，可基於所鑑別位置將核酸分子之各別組鑑別為來自第一染色體區域。第一染色體區域可包括複數個第一基因座。
在步驟940中，電腦系統可計算第一組核酸分子之尺寸分佈之第一統計值。在實施例中，第一統計值可藉由計算在特定尺寸下第一曲線下面積來確定。第一曲線可為第一染色體區域之核酸分子在尺寸範圍中之累積頻率之曲線。在一個實施例中，第一統計值可為對應於第一染色體之片段之尺寸分佈之平均值(average)、平均值(mean)、中值或模式。在另一實施例中，第一統計值可包括低於第一尺寸之片段長度之和，其可為一類截止值。舉例而言，可將每一小於200bp之片段之長度加和。可將該和除以另一數量，例如對應於第一染色體之所有片段長度之和或大於第二尺寸截止值(其可與第一尺寸相同)之片段長度之和。舉例而言，第一統計值可為低於第一尺寸截止值之片段總長度相對於片段總長度之比率，或小片段之總長度相對於大片段總長度之比率。
在步驟950中，可將第一統計值與第一參照值相比較以確定第一染色體區域是否展現畸變之分類。在實施例中，第一參照值可為第二染色體區域之第二組核酸分子之尺寸分佈之統計值。可將第二染色體區域視為參照染色體區域。第一參照值可藉由計算在特定尺寸下第二曲線下面積來確定。第二曲線可為第二染色體區域之核酸分子在尺寸範圍中之累積頻率之曲線。在一個實施例中，第一參照值可為複數個參照染色體之統計值。在一個實施方案中，統計值可組合，使得統計值可具有一或多個第二染色體。在另一實施例中，複數個參照染色體之統計值可個別地比較。該比較可確定第一染色體區域是否展現缺失或擴增之分類。
可比較第一統計值及第一參照值以獲得分離值。在一個實施例中，分離值可為第一統計值與第一參照值之間之差異。在另一實施例中，分離值可為第一統計值對第一參照值之比率。在另一實施例中，可確定複數個分離值，例如每一參照值之一個分離值，該參照值可針對每一參照染色體來計算。
分離值可為使用以下方程之第一染色體區域與參照染色體區域之間之短DNA片段比例之差異：
其中表示源自第一染色體區域且尺寸150bp之經 定序片段之比例，且表示源自參照染色體區域且尺寸 150bp之經定序片段之比例。在其他實施例中，可使用其他尺寸臨限值，例如但不限於100bp、110bp、120bp、130bp、140bp、160bp及166bp。在其他實施例中，尺寸臨限值可以鹼基、或核苷酸、或其他單位來表現。在一些實施方案中，參照染色體區域可定義為排除第一染色體區域之所有亞染色體區域。在其他實施方案中，參照區域可為排除第一染色體區域之亞染色體區域之僅一部分。
用於基於計數之分析之相同對照組可用於基於尺寸之分析中。所測試區域之基於尺寸之z-分數可使用對照之△F之平均值及SD值來計算：
可將分離值與一或多個截止值相比較。在一個實施例中，可針對複數個分離值中之每一者實施該比較。舉例而言，可在第一統計值與每一參照值之間確定不同分離值。在不同實施方案中，可將每一分離值與相同或不同截止值相比較。在另一實施例中，將分離值與兩個截止值相比較以確定該分離值是否在特定範圍內。該範圍可包括一個 截止值以確定非正常資料點是否存在(例如畸變)且可使用第二截止值以確定資料點是否可能由量測或分析中之誤差引起(例如，即使對於患病樣品，分離值是否大於預期)。
對於第一基因體位置序列不平衡(例如畸變)是否存在之分類係基於該比較來確定。在一個實施例中，可使用複數個截止值(例如N截止值)用於單一分離值。在此一實施例中，可確定N+1個分類。舉例而言，可使用兩個截止值來確定染色體區域係正常或健康、不確定或畸變(例如擴增或缺失)之分類。在另一實施例中，倘若實施複數次比較(例如每一分離值實施一次)，則分類可係基於每次比較。舉例而言，基於規則之方法可考慮得自每次比較之分類。在一個實施方案中，僅在所有分類皆一致時提供確定分類。在另一實施方案中，使用多數分類。在另一實施方案中，可基於每一分離值與各別截止值之接近程度來使用更複雜之方案，且可分析該等接近度值以確定分類。舉例而言，可將接近度值加和(以及其他因素，例如正規化)且可將結果與另一截止值相比較。在其他實施例中，亦可將方法900之變化形式應用於直接比較第一染色體之統計值與可源自參照樣品之截止值。
B. 尺寸與癌症之相關性
對於進一步分析，分開探索三個不同尺寸組之血漿DNA分子，即彼等小於150bp者、彼等介於150與180bp之間者及彼等高於180bp者。在小於150bp之DNA片段之比例與血漿中之腫瘤DNA分數之間存在正相關性(Pearson’s r=0.6；p值<0.001)(圖10A)。圖10A、10B及10C中之腫瘤DNA分數係以對數尺度顯示。在尺寸介於150與180bp之間之DNA片段之比例與血漿中之腫瘤DNA分數之間未觀察到相關性(r=-0.07；p值=0.95)(圖10B)。在大於180bp之DNA之比例與血漿中之腫瘤DNA分數之間觀察到負相關性(r=-0.41；p值<-0.001)(圖10C)。
較低腫瘤DNA分數會更可能在癌症早期出現，且較高腫瘤DNA分數會更可能在癌症較晚期出現。因此，DNA片段之大於正常之平均尺寸(或其他統計值)之存在可指示早期癌症，且DNA片段之小於正常之平均尺寸之存在指示較晚期癌症。
在其他實施例中，可量測腫瘤DNA分數。在腫瘤DNA分數低於某一臨限值時，可實施尺寸分析以確定尺寸分佈之統計值是否大於臨限值(即，測試DNA片段是否長)。在腫瘤DNA分數高於某一臨限值時，可實施尺寸分析以確定尺寸分佈之統計值是否小於臨限值(即，測試DNA片段是否短)。
尺寸分析方法及關於尺寸與癌症之關係之資料論述於Lo等人於2011年11月30日申請之標題為「與癌症相關之遺傳或分子畸變之偵測」之美國專利公開案第2013/0040824號中，其內容係出於所有目的以引用方式併入本文中。
V. 用尺寸分析確認CNA畸變
使用大量平行定序以單鹼基解析度且以全基因體方式來研究血漿DNA樣品之尺寸情況。使用CAZA來鑑別腫瘤源血漿DNA以供研究其具體尺寸情況。
在此研究中，使用CAZA方法來鑑別顯示血漿DNA定量畸變之染色體臂，該等畸變暗示存在腫瘤相關CNA。在鑑別具有擴增或缺失之染色體臂後，集中於該等區域作為比較腫瘤源DNA(在經擴增區域中富含)與非腫瘤源血漿DNA(在經缺失區域中富含)之策略。相信此方法可提供較基於癌症相關突變之偵測更穩健之鑑別用於尺寸剖析分析之腫瘤DNA之方式。對於後者已報導，在癌症基因體中平均存在約數千個點突變(29-32、39)。另一方面，對於CAZA，源自展現CNA之基因體區域之無數血漿DNA分子(根據數十個百萬鹼基總計)中之任一者將係可用的。
A. 組合分析
圖11顯示癌症患者中血漿DNA尺寸分析原理之示意性圖解說明。圖11顯示階段1110-2150。階段1110顯示血漿中組織之細胞。腫瘤細胞可在各個區域中包括擴增及/或缺失，如上文所述。實例顯示在特定染色體上擴增之一個區域及缺失之另一區域。
在階段1120，顯示血漿具有來自各個區域之貢獻。顯示血漿樣品中之DNA片段。在癌症患者中，血漿DNA源自腫瘤(紅色分子)及非腫瘤細胞(藍色分子)二者。在腫瘤組織中擴增之基因體區域將貢獻較多腫瘤DNA至血漿。在腫瘤組織中缺失之基因體區域將貢獻較少DNA至血漿。
在階段1130，實施末端配對定序。可使用末端配對定序來確定血漿樣品中DNA片段之尺寸。
在階段1140，使用基於計數之分析來鑑別畸變區域。在所示實例中，使用CAZA分析來確定血漿DNA中之染色體臂是否過表現或表現不足，暗示在腫瘤中存在染色體臂之擴增或缺失。較大正z-分數可指示存在染色體臂之擴增，而較大負z-分數可指示存在染色體臂之缺失。除臂以外，可使用區域之其他尺寸。
在階段1150，可分析測試區域之尺寸分佈。如上文所解釋，腫瘤DNA片段短於健康細胞之DNA片段。可測試畸變區域之DNA片段以確認尺寸分析亦顯示相同畸變。在所示實例中，將展現擴增之區域之尺寸分佈與展現缺失之區域之尺寸分佈相比較。因此，在一些實施例中，可比較源自表現不足(富含非腫瘤DNA)及過表現(富含腫瘤源DNA)之染色體臂之血漿DNA分子之尺寸情況，如下文更詳細地闡述。
B. 兩個區域之間的尺寸差異
為比較源自腫瘤及非腫瘤組織之血漿DNA之尺寸情況，分析來 自具有CNA之染色體臂之血漿DNA片段。基於先前研究(34-36)以及在此研究中之發現，與HCC相關之典型CNA包括1p及8p缺失以及1q及8q擴增。使用血漿中具有53%腫瘤源DNA之HCC病例(H291)來闡釋原理。此病例顯示血漿中之8p缺失及8q擴增。因此，腫瘤將自8q之擴增區域釋放較8p之缺失區域之更多血漿DNA。因此，與無CNA區域相比，8q將相對富含腫瘤源DNA且8p將相對缺失腫瘤DNA(或換言之，相對富含非腫瘤DNA)。8p及8q之血漿DNA之尺寸情況顯示於圖12A中。8q之尺寸情況在8p左側，指示8q之血漿DNA之尺寸分佈短於8p。由於8q富含有腫瘤DNA，該資料表明，腫瘤釋放之DNA往往短於並非源自腫瘤之DNA。
為了定量縮短程度，建構各血漿樣品之8p及8q之尺寸情況之累積頻率圖(圖12B)。該等圖顯示DNA分子自短至長尺寸之漸進累積，如樣品中所有血漿DNA分子之比例。然後如下計算兩條曲線中之差異△S(圖12C)：△S=S 8q -S 8p
其中△S代表在特定尺寸下8p與8q之間之累積頻率之差異，且S 8p 及S 8q 分別代表在8p及8q上小於特定尺寸之血漿DNA片段之比例。特定尺寸之△S正值指示與8p相比，8q上短於該特定尺寸之DNA之豐度較高。使用此方法，針對在血漿中之8p及8q上展現CNA之所有HCC病例自50bp至250bp掃描△S值。在圖12C中將HCC病例H291之8q與8p之間之累積頻率之差異△S繪製為紅線。與健康對照(灰線)相比，所有該等HCC病例皆顯示源自8q(富含腫瘤DNA)之短於200bp之血漿DNA之豐度高於8p(富含非腫瘤DNA)(圖13A)。圖13A顯示在血漿中之8p及8q上具有不同CNA之所有HCC病例之△S針對尺寸之圖。在血漿中具有不同範圍之腫瘤DNA分數濃度之病例以不同顏色顯示。隨著腫瘤DNA分數濃度增加，△S增加，指示較短DNA片段之較高豐度。該等 資料進一步支持腫瘤源DNA短於非腫瘤源DNA。
△S值在166bp下達到最大值，表明源自腫瘤與非腫瘤組織之血漿DNA之間之關鍵差異係<166bp及166bp之DNA之相對豐度。將此值表示為△S 166 。繪製此研究中所有受試者之△S 166 之圖，包括HBV攜帶者及肝硬化患者(圖13B)。對於HCC組，藉由血漿CAZA分析確定在8p及8q上有及無不同CNA之患者分別表示為紅色及黑色點。對於幾乎所有非HCC受試者，△S 166 值接近0，指示來自8p及8q之DNA之尺寸分佈類似。可將△S 166 (或在某一其他特定尺寸之值)與臨限值比較，且若差異超過該臨限值，則可將至少一個區域鑑別為展現畸變。若已知一個區域不具有畸變(例如根據CNA分析)，則在差異超過臨限值時會將另一區域鑑別為展現畸變。在此一實施例中，差異之符號可指示畸變類型。舉例而言，在第一區域具有擴增且第二區域不具有擴增時，則差異將係正數。在第一區域具有缺失且第二區域不具有缺失時，則差異將係負數。若確定畸變，則可將兩個區域鑑別為潛在地具有畸變，且符號指示每一區域可具有之畸變類型。若差異足夠大，則其可指示，一個區域具有擴增且另一個區域具有缺失(或擴增之量不同)，則此乃因該差異將大於與正常區域相比之擴增區域。拷貝數分析可提供區域之初始分類，使得可選擇適宜臨限值。
亦實施基於1p及1q之血漿DNA尺寸情況之尺寸分析(圖14及15)且顯示相同趨勢。在圖15中，對於HCC組，如藉由血漿CAZA分析所確定在1p及1q上具有及不具有不同CNA之患者分別表示為紅色及黑色點。此尺寸分析可使用正常區域中之擴增區域或正常區域及缺失區域來實施。
在另一實施例中，可將擴增或缺失區域之尺寸分佈與一或多個已知患有癌症或已知健康之參照受試者之尺寸分佈相比較。尺寸分佈可表示為一值，例如統計值，例如平均或中值尺寸。
因此，可使用染色體區域之畸變來選擇用於尺寸分析之特定區域。然後可使用所選區域之尺寸分析來確定癌症等級之分類。使用CNA及尺寸分析之組合可提供更高準確度。CNA分析偶爾可產生偽陽性，即未患癌症但具有含拷貝數畸變之區域之患者。因此，由於足夠數量之展現畸變之區域而經鑑別患有癌症之患者則可使用尺寸分析來確認。在一個實施例中，所選區域係具有擴增之區域。
此研究經設計用於以高解析度且全面之方式探索HCC患者之血漿DNA尺寸情況，其可產生與腫瘤組織生成或釋放血漿DNA相關之機制。研究之另一目標係解析關於癌症相關血漿DNA尺寸情況之文獻中存在之一些明顯不一致。研究已報導在癌症患者血漿中存在較長DNA(20-23)，而其他研究報導在較短血漿DNA分子之間癌症相關DNA突變之較高盛行率(12、25)。為達成該等研究目標，採取兩步式方法。首先，藉由使用末端配對大量平行定序量測所招募受試者之血漿樣品中所有DNA分子之長度。此方法使得可以最高單鹼基解析度確定個別血漿DNA分子之長度。此外，可分析橫跨基因體之血漿DNA分子且可以高精密度確定不同尺寸之DNA之間之相對量。因此，可獲得血漿DNA尺寸情況之廣泛且深入之調查。第二，利用源自與擴增或缺失相關之基因體位置之血漿DNA中腫瘤DNA含量之相對差異(CAZA方法)作為鑑別腫瘤源血漿DNA用於詳細分析之方式。
此研究提供釋放血漿DNA中可能涉及之生物機制之多種解釋。所招募所有受試者(包括HBV攜帶者、肝硬化患者或HCC)之血漿DNA皆在166bp處展現主峰(圖14及16)。此模式類似於在懷孕女性及器官移植接受者之血漿中之觀察(26、27)。所研究之所有患者組之血漿DNA尺寸情況中特徵性166bp峰之存在表明，人類血漿(包括懷孕女性、移植接受者、HCC患者、肝硬化患者或慢性HBV患者)之大多數循環DNA分子類似於單核小體單元且可能源自細胞凋亡過程。
對具有腫瘤相關CNA之血漿DNA分子之尺寸情況之研究指示，該等分子短於彼等不攜帶該等標誌之分子(圖13)。此與吾人之以下觀察一致：隨著血漿中腫瘤DNA之分數濃度增加，血漿DNA之尺寸情況將向左側位移。然而，事實上具有低血漿中腫瘤DNA分數濃度之HCC患者之尺寸分佈顯著長於健康對照，表明存在未攜帶腫瘤相關基因體標誌之血漿DNA之另一組份。此組份可能源自包圍腫瘤之非瘤性肝組織。該等長DNA分子可源自壞死而非細胞凋亡。已報導，與組織壞死相關之細胞死亡可生成除典型寡核小體DNA片段外之較長DNA片段(37、38)。對於未來的研究，令人關注的將係研究該等較長DNA分子之DNA甲基化概況以觀察其與針對肝之預期是否類似。
本發明顯示，畸變性短及長DNA分子之群體共存於肝細胞癌患者之血漿中。短DNA分子優先攜帶腫瘤相關拷貝數畸變。
概括而言，以單核苷酸解析度剖析HCC患者中血漿DNA之尺寸分佈。已顯示源自腫瘤及非腫瘤組織之血漿DNA尺寸之差異。
亦分析△S與腫瘤尺寸之間之關係。使用△S分析來分析10名血漿中具有8p缺失及8q擴增之HCC患者之血漿DNA樣品。確定映射至8p及8q之血漿DNA片段之間之尺寸差異之△S。△S為正值指示8q之低於150bp之短DNA片段之豐度與8p相比更高。在圖30中，針對HCC患者腫瘤之最長維度繪製△S值之圖。
觀察到△S與腫瘤尺寸之間之正相關(r=0.876,Pearson相關性)。此觀察表明，可使用來自展現不同CNA類型之區域之血漿DNA片段之尺寸分佈反映HCC患者中之腫瘤尺寸。
亦分析該10名HCC患者之總血漿DNA之總體尺寸分佈。確定每一病例之小於150bp(P(<150))之血漿DNA片段之百分比並在圖31中針對腫瘤尺寸繪圖。在患有最大維度大於3cm之較大癌症之患者中，短片段之比例顯著較高。在一個實施例中，可使用短片段之比例反映 癌症之尺寸及嚴重度。在其他實施方案中，可使用尺寸之其他截止值，例如但不限於100bp、110bp、120bp、130bp、140bp、160bp及166bp。
可使用校正函數提供腫瘤尺寸與統計值之間之關係。校正函數可自來自具有已知尺寸之腫瘤的生物體之參照樣品之校正資料點確定。校正資料點可包括對腫瘤尺寸之量測及來自染色體區域之核酸分子尺寸之相應統計學量測。在自新受試者獲得新樣品時，可確定統計值，且可使用校正函數將統計值轉化為腫瘤尺寸。校正函數之實例係線性擬合，類似於圖30中所示之線性擬合。可使用其他類型之回歸分析(例如最小平方擬合)來生成校正函數。
校正函數係以多種方式來定義，例如定義為指定函數(例如線性或非線性函數)之複數個係數。其他實施例可儲存複數個校正資料點(例如，校正函數之資料點)以使得可生成校正函數。此外，可在該等校正資料點之間實施內插以獲得校正函數。可將校正函數儲存於電腦記憶體中並自該電腦記憶體檢索。
C. 方法
圖16係圖解說明根據本發明實施例實施CAZA及尺寸分析以分析生物體之生物樣品之方法1600之流程圖。
在步驟1605中，可鑑別生物體之複數個染色體區域。每一染色體區域可包括複數個基因座。可選擇該複數個染色體區域中之一者作為第一染色體區域。鑑別該複數個染色體區域可類似於圖6之步驟610。
在步驟1610中，可鑑別複數個核酸分子中每一者之核酸分子在生物體之參照基因體中之位置。鑑別核酸分子之位置可以與圖6之步驟620類似之方式來實施。
在步驟1615中，可量測生物樣品中之複數個核酸分子中每一者 之核酸分子之尺寸。可類似於圖9之步驟910來量測核酸分子之尺寸。
在步驟1620中，可針對該複數個染色體區域中之每一染色體區域，基於所鑑別位置將核酸分子之各別組鑑別為來自一染色體區域。各別組可包括至少一個定位於該染色體區域之該複數個基因座中之每一者之核酸分子。鑑別核酸分子之各別組可類似於圖1之步驟120。
在步驟1625中，電腦系統可計算核酸分子之各別組之各別量。計算各別量可類似於圖1之步驟130中之計算。
在步驟1630中，可將各別量與計數參照值相比較以確定染色體區域是否展現擴增之計數分類。基於比較，可將第一染色體區域鑑別為潛在地展現畸變。步驟1620-1630可以與圖1之步驟120-140或圖6之步驟630-650類似之方式來實施。
在步驟1640中，可將第一組核酸分子鑑別為來自第一染色體區域。
在步驟1645中，電腦系統可計算第一組核酸分子之第一尺寸分佈之第一統計值。第一統計值可藉由計算在特定尺寸下第一曲線下面積來確定。第一曲線可為第一染色體區域之核酸分子在尺寸範圍中之累積頻率之曲線。步驟1645中之計算第一統計值可類似於圖9中步驟940中之計算第一統計值。
在步驟1650中，可將第一統計值與尺寸參照值相比較以確定第一染色體區域是否展現畸變之尺寸分類。尺寸參照值可藉由計算在特定尺寸下第二曲線下面積來確定。第二曲線可為第二染色體區域之核酸分子在尺寸範圍中之累積頻率之曲線。該比較可係基於兩條曲線之間之差異。在一些實施例中，將第一統計值與尺寸參照值相比較可類似於圖9中之步驟950。
在步驟1655中，可確定第一染色體區域是否展現畸變之最終分類。舉例而言，可使用尺寸分類及計數分類中之至少一者來確定第一 染色體區域中是否存在畸變。在一些實施例中，最終分類可為第一畸變僅在計數分類及尺寸分類指示相同畸變時存在。因此，將第一統計值與尺寸參照值相比較可確認第一染色體區域是否展現畸變。在一些實施例中，可基於相應計數分類確定鑑別為畸變之染色體區域之集合之尺寸分類之集合。基於尺寸分類之集合，可將每一染色體區域確認為畸變或未畸變。
在一些實施例中，第一染色體區域是否展現畸變之最終分類可係基於多個計數參照值及多個尺寸參照值。每一計數參照值可對應於不同計數分類(例如，獨特計數分類對之間、例如1級與2級之間或2級與3級之間之區別)。類似地，每一尺寸參照值可對應於不同尺寸分類。最終分類可自尺寸分類與計數分類之特定組合來確定。
尺寸分類可端視尺寸分佈之統計值包括多個分類。舉例而言，統計值與尺寸參照值之間之較大差異可產生對應於高畸變可能性之尺寸分類，而統計值與尺寸參照值之間之較小差異可產生對應於低畸變可能性之尺寸分類。類似地，計數分類可端視核酸分子組之量包括多個分類。舉例而言，核酸分子組之量與計數參照值相比較之較大差異可產生對應於高畸變可能性之計數分類，而較小差異可產生對應於低畸變可能性之計數分類。
因此，最終分類可係基於不同尺寸分類及計數分類之不同臨限值。例如，給定指示某一(可能低)畸變可能性之計數分類，指示高畸變可能性之尺寸分類可產生指示畸變之最終分類。隨著如由尺寸分類或計數分類中之一者指示之畸變可能性增加，則由另一分類指示之可能性臨限值降低。在一些病例中，一個分類可顯示第一畸變類型之高可能性，另一分類可顯示第二畸變類型之低可能性，且最終分類可指示存在第一畸變類型。在一些病例中，最終分類可對應於畸變可能性或機率。
D. 實例病例
偵測癌症相關CNA之特異性可藉由血漿DNA尺寸分析來改良，如以下兩個病例中所示。病例1係B型肝炎相關硬化患者，且病例2係B型肝炎感染之慢性攜帶者。在招募時尚未得知二者患有任何癌症。自招募時起已對其臨床跟蹤2年且未偵測到癌症。在招募時自兩個受試者中之每一者收集靜脈血。對血漿DNA進行定序。在該兩名患者中之每一者中偵測到涉及染色體1q之CNA。對於病例1，1p及1q之z-分數分別為-2.3及15.5。該等結果與對1q擴增之解釋一致。在血漿DNA片段尺寸分析中，△S為-0.019。△S為負值指示，與1p相比，短DNA片段在1q中較不豐富。由於基於計數之分析表明1q經擴增，故基於尺寸之分析結果與對癌症相關CNA之預期相反。在癌症患者中，與具有擴增之區域或不具有任何CNA之區域相比，預期具有拷貝數增加之區域由於存在更多癌症源短片段而顯示總體更短之尺寸分佈。因此，此病例中之尺寸分析不暗示血漿DNA中存在癌症相關CNA。
對於病例2，1p及1q之z-分數分別為0.4及-4.4。該等結果與對1q缺失之解釋相容。在血漿DNA片段尺寸分析中，△S為0.044。△S為正值指示，與1p相比，短DNA片段在1q中更豐富。由於基於計數之分析表明1q經缺失，故基於尺寸之分析結果與對癌症相關CNA之預期相反。在癌症患者中，與具有擴增之區域或不具有任何CNA之區域相比，預期具有拷貝數損失之區域由於存在較少癌症源短片段而顯示總體更長之尺寸分佈。因此，此病例中之尺寸分析不暗示血漿DNA中存在癌症相關CNA。
VI.確定癌症階段
如上文所提及，DNA片段之尺寸可指示癌症階段。對於展現擴增之區域，較晚期癌症展現較小片段。
除了固有的生物學關注外，血漿DNA尺寸剖析亦可用於研發用 於偵測血漿中之癌症相關變化之診斷方法。舉例而言，自血漿富集腫瘤DNA可藉由集中於短DNA片段之分析來達成。另外，觀察到短DNA分子之比例與血漿中腫瘤源DNA之分數濃度具有正相關。可使用尺寸情況之變化在療程期間監測患者。此外，長DNA分子群體在患有及未患HCC之患者之血漿中之存在使得需要進一步研究。在支配該等DNA分子之釋放之組織來源或病理過程得到更佳理解時，量測長DNA在血漿中之比例可用於評估該等疾病。
A. HCC患者之血漿DNA尺寸分佈
HCC患者、HBV攜帶者、硬化患者及健康對照之血漿DNA之尺寸分佈顯示於圖18及19中。在圖19中，每一個體由不同顏色表示。一般而言，在每一受試者之尺寸分佈圖中在166bp處觀察到最主要峰。此觀察與關於懷孕女性及移植接受者之先前報導一致(26-28)，表明大多數循環DNA分子源自細胞凋亡。有趣的是，在與32名健康對照之中值尺寸分佈曲線(圖18中之粗黑色線)相比較時，具有低腫瘤DNA分數濃度之HCC患者之血漿DNA之尺寸較長。然而，隨著血漿中腫瘤DNA之分數濃度增加，血漿DNA之尺寸分佈逐漸向左側位移(圖18)。
如先前所述，圖13A係所有在血漿中之8p及8q上具有不同CNA之HCC病例之△S針對尺寸之圖。由於血漿中之腫瘤DNA分數濃度自小於2%增加至超過8%，△S增加，指示較短DNA片段之較高豐度。血漿中之腫瘤DNA分數濃度可隨癌症階段進展而增加。因此，較短DNA片段之量可指示癌症較晚期。圖13B顯示，與非HCC受試者相比，HCC患者之△S 166較高，指示可使用<166bp及166bp之DNA之相對豐度來指示癌症之存在。因此，△S 166亦可指示癌症階段。
圖20顯示可使用短片段之比例來區別HCC患者與健康對照受試者時之實例。繪製32名健康受試者、血漿中腫瘤DNA分數小於2%之HCC患者及血漿中腫瘤DNA分數大於6%之HCC患者之小於150bp之 血漿DNA片段之比例之圖。與健康對照受試者(標記為「CTR」)相比，腫瘤DNA分數小於2%之HCC患者具有顯著較低之小於150bp之短DNA片段之比例(p=0.0002，t-測試)，且彼等腫瘤DNA分數大於6%者具有顯著較高之短片段比例(p=0.003，t-測試)。腫瘤DNA分數為2%至6%之HCC患者之DNA片段比例介於腫瘤分數小於2%之HCC患者與腫瘤分數大於6%之HCC患者之間。以此方式，腫瘤分數為2%至6%之HCC患者之分佈可類似於健康對照受試者。
圖21顯示用於應用P(<150)以區別腫瘤DNA分數小於2%之HCC患者與健康對照受試者之接受者操作特徵(ROC)曲線。基於血漿中與腫瘤中之拷貝數損失相容之展現表現不足之染色體區域之表現不足之量值確定腫瘤分數。對於不具有任何染色體臂之顯著表現不足之病例，假定單拷貝增加，使用與拷貝數增加相容之區域之過表現之量值來確定腫瘤分數。腫瘤分數可用以下方程來確定：
其中P 測試 代表測試病例中映射至所關注染色體臂之片段之比例，P 正常 代表健康對照中映射至染色體臂之片段之平均比例，且△N代表拷貝數變化之量值(例如，加倍或缺失為1，且較高量級擴增為較高數量)。曲線下面積(AUC)為0.776，且95%信賴界限為0.670及0.882。此結果指示，可使用尺寸分析來鑑別血漿中腫瘤分數小於2%之HCC患者。ROC曲線分析指示，可選擇不同臨限值來達成不同敏感性及特異性。
類似於圖21，圖22顯示，P(<150)之尺寸分析亦可偵測血漿中腫瘤分數大於6%之HCC患者。用於區別該等患者與健康受試者之AUC為0.893且95%信賴界限為0.761及1.000。
圖23顯示，可使用長血漿DNA片段之比例來偵測HCC，如圖20 以短血漿DNA片段之比例所顯示。在此實例中，繪製血漿中之腫瘤DNA分數小於2%及大於6%之HCC患者及健康對照受試者之表示為P(>180)之大於180bp之片段之比例的圖。此比例在腫瘤DNA分數小於2%之HCC患者中顯著較高(p<0.00001，t-測試)。
圖24顯示用於使用P(>180)以區別腫瘤DNA分數小於2%之HCC患者與健康對照受試者之ROC曲線。AUC為0.883且95%信賴界限為0.805及0.961。
圖25提供具有不同腫瘤DNA分數之DNA片段之不同尺寸分佈之另一實例。圖25顯示健康對照受試者、腫瘤DNA分數小於2%之HCC患者及腫瘤DNA分數大於6%之HCC患者之中等片段尺寸之盒狀圖。腫瘤DNA分數小於2%之HCC患者之DNA片段之中值尺寸與健康對照受試者相比顯著較長(P<0.00001，t-測試)。與之相比，腫瘤DNA分數大於6%之HCC患者之DNA片段之中值尺寸顯著較短(p=0.03，t-測試)。圖25支持使用DNA片段尺寸作為確定癌症階段之方式。較長中值尺寸與較小腫瘤DNA分數相關，而較短中值尺寸與較大腫瘤DNA分數相關。若個體具有低於第一截止值之較小腫瘤DNA分數及高於長尺寸臨限值之中值尺寸，則可確認早期癌症。另一方面，若個體具有高於第二截止值之較大腫瘤DNA分數及低於短尺寸臨限值之中值尺寸，則可確認晚期階段癌症。
腫瘤DNA分數為2%至6%之HCC患者之中值DNA片段尺寸介於腫瘤分數小於2%之HCC患者與腫瘤分數大於6%之HCC患者之間。以此方式，在圖25中腫瘤分數為2%至6%之HCC患者之分佈可類似於健康對照受試者。因此，若個體具有自低截止值至高截止值之腫瘤DNA分數及自短尺寸臨限值至長尺寸臨限值之中值尺寸，則可確認中間階段癌症。
圖26及27係ROC曲線，其顯示可使用不同尺寸臨限值來區別HCC 患者與健康對照受試者。圖26係用於使用中等片段尺寸以區別腫瘤DNA分數小於2%之HCC患者與健康對照受試者之ROC曲線。AUC為0.812且95%信賴界限為0.718及0.907。
圖27係用於使用中等片段尺寸以區別腫瘤DNA分數大於2%之HCC患者與健康對照受試者之ROC曲線。AUC為0.795且95%信賴界限為0.627及0.963。
可使用尺寸分佈之其他統計學特徵(例如，中值、平均值、百分位數)作為區別HCC患者與健康受試者之參數。
除分析源自所有基因體區域之血漿DNA片段之尺寸分佈外，尺寸分析亦可集中於源自特異性基因體區域之DNA片段。特異性基因體區域可為染色體臂。
圖28顯示腫瘤DNA分數大於6%之HCC患者及健康對照受試者中與染色體1q對準之小於150bp之短血漿DNA片段之比例之盒狀圖。短片段之比例在HCC患者中顯著較高(p<0.00001，t-測試)。
圖29係用於使用小於150bp之短血漿DNA片段之比例以區別腫瘤DNA分數大於6%之HCC患者與健康對照受試者之ROC曲線。AUC為0.915且95%信賴區間為0.808至1.000。
B. 方法
圖17係圖解說明根據本發明實施例分析生物體之生物樣品之方法1700之流程圖。生物樣品可包括源自正常細胞及源自癌症相關細胞之核酸分子。生物樣品中之至少一些核酸分子係無細胞的。
在步驟1710中，對於生物樣品中複數個核酸分子中之每一者，量測核酸分子之尺寸。可類似於圖9之步驟910來量測核酸分子之尺寸。
在步驟1720中，鑑別核酸分子在生物體之參照基因體中之位置。鑑別核酸分子之位置可以與圖6之步驟620類似之方式來實施。
在步驟1730中，基於所鑑別位置將第一組核酸分子鑑別為來自第一染色體區域。第一染色體區域可包括複數個第一基因座。鑑別核酸分子之各別組可類似於圖1之步驟120。
在步驟1740中，電腦系統可計算第一組核酸分子之尺寸分佈之第一統計值。計算各別量可類似於圖1之步驟130中之計算。
在步驟1750中，可量測源自癌症相關細胞之核酸分子之分數。該分數可根據Lo等人於2011年11月30日申請之美國專利公開案第2013/0040824號中闡述之方法來計算標題為「Detection of Genetic or Molecular Aberrations Associated with Cancer」。腫瘤核酸分子之分數對應於來自腫瘤之樣品中核酸分子之比例。該分數/比例可表示為任何百分比或小數值。
以下實例係用於量測腫瘤核酸之分數之方法，但可使用其他方法。腫瘤核酸之分數可基於血漿中展現顯著表現不足之與腫瘤組織中之拷貝數損失(或拷貝數增加)相容之區域之表現不足(或過表現)的量值來確定。另一實例係確定對於受拷貝數畸變影響之區域(例如具有兩個同源染色體之一個拷貝之損失之區域)，兩個同源染色體上之等位基因不平衡之程度。另一實例係確定癌症相關突變(包括單核苷酸突變、核苷酸缺失及移位)之分數濃度。該腫瘤分數可藉由上文圖21中所述之方法來確定。
在步驟1760中，可基於所量測分數選擇第一參照值。在一個實例中，選擇第一參照值可包括在所量測分數低於截止值時選擇尺寸臨限值。在另一實例中，選擇第一參照值可包括在所量測分數高於截止值時選擇尺寸臨限值。在該等實例中，截止值及尺寸臨限值可不同且可取決於所量測分數之值。
在步驟1770中，可將第一統計值與第一參照值相比較以確定生物樣品之癌症階段。第一統計值可為本文中所述之任何統計值。
癌症是否存在可基於尺寸分析以及源自癌症相關細胞之核酸分子之所量測分數來確認。舉例而言，在所量測分數低於低截止值時，可確認尺寸分佈是否長於健康對照(例如，第一統計值是否高於尺寸臨限值)。若尺寸分佈長於健康對照，則此可確認癌症之早期階段。低截止值之實例係0.01、0.015、0.02或0.025。作為另一實例，在所量測分數高於高截止值時，可確認尺寸分佈是否短於健康對照(例如，第一統計值是否低於尺寸臨限值)。若尺寸分佈短於健康對照，則此可確認癌症晚期階段。高截止值之實例可為0.03、0.035、0.04、0.045、0.05、0.055、0.06、0.065或0.07之分數。
顯示HCC患者血漿中存在較短及較長DNA分子之額外群體。該等資料可解析文獻中存在之明顯不一致，其中多個組報導癌症患者血漿中存在較長或較短DNA分子之增加。
VII. 材料及方法
現在論述用於獲得圖2-5之結果之技術。該等技術可用於上文其他實例中。
研究招募之受試者包括90名入院至香港威爾斯親王醫院(Prince of Wales Hospital)外科部進行腫瘤切除術之HCC患者。在手術前收集所有血樣。自香港威爾斯親王醫院之內科及藥物治療部招募67名HBV攜帶者及36名患有HBV相關硬化之患者。所有患者皆給出書面知情同意書且該研究經機構審查委員會批准。
為提取DNA並製備序列庫，將末梢血樣品收集至含有EDTA之管中。將末梢血樣品在4℃下以1,600g離心10min。將血漿部分在4℃下以16,000g再離心10min以獲得無細胞血漿。使用QIAamp DSP DNA血液微型套組(Qiagen)自3至4.8mL血漿提取DNA。用SpeedVac濃縮器(Savant DNA120；Thermo Scientific)使每個樣品之血漿DNA濃縮至75μL最終體積。藉由使用Kapa庫製備套組(Kapa Biosystems)按照製造商 說明書製備索引式DNA庫。使用KAPA HiFi HotStart ReadyMix PCR套組(Kapa Biosystems)藉由14循環PCR來富集轉接蛋白連接之DNA。然後在定序之前藉由2100 Bioanalyzer(Agilent)分析該等庫並藉由Kapa庫量化套組(Kapa Biosystems)進行量化。
為對DNA進行定序及對準，稀釋每一DNA庫並雜交至末端配對定序流動槽(Illumina)。在cBot群生成系統(Illumina)上用TruSeq PE群生成套組v3(Illumina)生成DNA群，之後在HiSeq 2000系統(Illumina)上用TruSeq SBS套組v3(Illumina)進行76×2循環定序。定序係使用4-叢方案來實施。實施另外7個定序循環以解碼所定序之每一DNA分子上之指標序列。使用HiSeq Control軟體(HCS)v1.4及即時分析(RTA)軟體v1.13(Illumina)來實施即時影像分析及鹼基判定，自動化矩陣及定相計算係藉由該等軟體基於用庫定序之摻入PhiX control v3。在鹼基判定後，移除轉接蛋白序列及低品質鹼基(即品質分數<5)。
對於定序資料分析，基於6鹼基指標序列將每一泳道之序列分配至相應樣品。然後使用短寡核苷酸對準程式2(SOAP2)將定序讀長與非重複序列遮蔽之人類參照基因體相比較(NCBI build 37/hg19)(40)。末端配對讀長之每一成員容許至多兩個核苷酸失配，但不容許插入或缺失。使用映射至獨特基因體位置之讀長進行下游分析。保持以正確取向與相同染色體對準且跨越600bp之插入物尺寸之末端配對讀長用於下游尺寸分析。在與參照人類基因體對準後，可自每對序列讀長之最外端之核苷酸之坐標推論每一血漿DNA片段之尺寸。使用第一單末端讀長進行CNA分析。接受使用Bowtie 2軟體之映射品質大於30(即每1,000個對準1個錯誤對準)之讀長(41)。
對於實施CNA之CAZA分析，將整個人類基因體分為100kb箱。如先前所報導確定每個100kb箱之GC校正之讀長計數(42)。所關注每一染色體臂之GC校正之讀長計數之數量係藉由加和染色體臂上每個 100kb箱之所有值來確定。使用z-分數統計來確定染色體臂中之血漿DNA表現與參照組相比是否顯著增加或降低。計算映射至每一染色體臂之定序讀長之百分比並與32名健康對照受試者之各別染色體臂之平均值相比較。如下計算臂層面z-分數：
其中P 測試 代表測試病例之映射至所關注染色體臂之片段之比例；P 正常 及SD 正常 分別代表健康對照之映射至染色體臂之片段之比例之平均值及SD。將z分數<-3及>3之染色體臂分別視為在血漿中具有對應於缺失及擴增之CNA。
可如下計算血漿中腫瘤源DNA之分數濃度(F)：
其中P 測試 代表測試病例之映射至所關注染色體臂之片段之比例；P 正常 代表健康對照之映射至染色體臂之片段之平均比例且△N代表拷貝數變化。對於在至少一個染色體臂中顯示缺失之病例，基於缺失染色體臂來計算F。由於大多數染色體臂缺失僅涉及兩個同源染色體中之一者(33)，故對於吾人之分析假定單拷貝損失。對於24個僅具有染色體臂擴增但無缺失之病例，假定單拷貝增加，基於擴增臂來計算F。
藉由使用以Perl及R語言書寫之生物資訊學程式來實施定序資料分析。將p值<0.05視為統計學上顯著且所有機率皆為雙尾。
VIII. 電腦系統
本文所提及之任一電腦系統可利用任何適宜數量之子系統。該等子系統之實例顯示於圖32之電腦裝置10中。在一些實施例中，電腦系統包括單一電腦裝置，其中該等子系統可為電腦裝置之組件。在其他實施例中，電腦系統可包括多個電腦裝置，其各自為子系統，具有內部組件。電腦系統可包括桌上型及膝上型電腦、平板電腦、行動電 話及其他移動器件。
將圖32中顯示之子系統經由系統匯流排75互連。顯示其他子系統(例如印表機74、鍵盤78、儲存器件79、耦聯至顯示器轉接器82之監測器76及其他)。可將耦聯至I/O控制器71之外周及輸入/輸出(I/O)器件藉由任一數量之業內已知構件(例如輸入/輸出(I/O)埠77(例如，USB,FireWire®)連接至電腦系統。舉例而言，可使用I/O埠77或外部介面81(例如乙太網路(Ethernet)、Wi-Fi等)將電腦裝置10連接至廣域網路(例如網際網路)、滑鼠輸入器件或掃描儀。經由系統匯流排75互連容許中央處理器73與每一子系統通訊並控制來自系統記憶體72或儲存器件79(例如，固定磁碟，例如硬驅動器或光碟)之指令的執行以及子系統之間資訊之交換。系統記憶體72及/或儲存器件79可體現電腦可讀媒體。另一子系統係資料收集器件85，例如照相機、麥克風、加速計及諸如此類。本文所提及之任何資料可自一個組件輸出至另一組件且可輸出至使用者。
電腦系統可包括複數個例如藉由外部介面81或藉由內部介面連接在一起之相同組件或子系統。在一些實施例中，電腦系統、子系統或裝置可在網路中通訊。在該等情形中，可將一台電腦視為用戶端並將另一台電腦視為伺服器，其中每一者可係同一電腦系統中之一部分。用戶端及伺服器可各自包括多個系統、子系統或組件。
應理解，本發明之任何實施例可使用硬體(例如應用特異性積體電路或場效可程式閘陣列)及/或以模組或積體方式使用電腦軟體及一般可程式處理器以控制邏輯形式來實施。如本文所用處理器包括同一積體晶片上之單核心處理器、多核心處理器，或單一電路板上之或網路化之多個處理單元。基於本文所提供之揭示內容及教示，熟習此項技術者將得知並瞭解使用硬體及硬體與軟體之組合來實施本發明實施例之其他方式及/或方法。
本申請案中所述之軟體組件或功能中之任一者皆可作為欲使用任一適合電腦語言(例如Java、C、C++、C#、Objective-C、Swift或腳本語言(例如Perl或Python))使用例如習用或物件導向技術藉由處理器執行之軟體代碼來實施。軟體代碼可在用於儲存及/或傳輸之電腦可讀媒體上儲存為一系列指令或命令，適宜媒體包括隨機存取記憶體(RAM)、唯讀記憶體(ROM)、磁媒體(例如硬驅動器或軟碟)或光學媒體(例如光碟(CD)或DVD(數位通用磁碟)、快閃記憶體及諸如此類。電腦可讀媒體可為該等儲存或傳輸器件之任何組合。
該等程式亦可使用適於經由符合多種協定之有線、光學及/或無線網路(包括網際網路)傳輸之載波信號編碼並傳輸。因此，根據本發明實施例之電腦可讀媒體可使用以該等程式編碼之資料信號來產生。以該程式代碼編碼之電腦可讀媒體可用相容器件包裝或與其他器件分開提供(例如，經由網際網路下載)。任何該電腦可讀媒體可駐存於單一電腦產品(例如硬驅動器、CD或整個電腦系統)上或其內，且可存於系統或網路之不同電腦產品上或其內。電腦系統可包括監測器、印表機或用於將本文所提及之任何結果提供給使用者之其他適宜顯示器。
本文所述之任何方法可完全或部分用包括一或多個處理器之電腦系統來實施，該電腦系統可經配置以實施步驟。因此，實施例可係關於電腦系統，其經配置以實施本文所述之任何方法之步驟，潛在地具有實施各別步驟或各別步驟組之不同組件。儘管呈現為經編號步驟，但本文方法之步驟可同時或以不同順序來實施。另外，該等步驟之部分可與其他方法之其他步驟之部分一起使用。同樣，步驟之全部或部分可為可選的。另外，任何方法之任何步驟可用模組、電路或用於實施該等步驟之其他構件來實施。
在不背離本發明實施例之精神及範疇之情況下，特定實施例之具體細節可以任何適宜方式組合。然而，本發明之其他實施例可係關 於涉及每一個別態樣或該等個別態樣之具體組合之具體實施例。
出於闡釋及說明之目的，上文已呈現本發明實例性實施例之說明。其並不意欲係窮盡性或將本發明限制於所述之確切形式，且根據上文教示內容可能進行諸多修改及改變。
除非明確指示相反含義，否則列舉「一(a)」、「一(an)」或「該」欲意指「一或多個」。除非明確指示相反含義，否則使用「或」欲意指「包括性或」而非「排除性或」。
本文所提及之所有專利、專利申請案、公開案及說明皆出於所有目的全文以引用方式併入。其皆未被承認為先前技術。
IX.參考文獻
1. Chan KCA (2013) Scanning for cancer genomic changes in plasma: toward an era of personalized blood-based tumor markers. Clin Chem 59(11):1553-1555。
2. Dawson SJ、Rosenfeld N及Caldas C (2013) Circulating tumor DNA to monitor metastatic breast cancer. N Engl J Med 369(1):93-94。
3. Bidard FC、Weigelt B及Reis-Filho JS (2013) Going with the flow: from circulating tumor cells to DNA. Sci Transl Med 5(207):207ps214。
4. Chan KCA等人(2013) Cancer genome scanning in plasma: detection of tumor-associated copy number aberrations, single-nucleotide variants, and tumoral heterogeneity by massively parallel sequencing. Clin Chem 59(1):211-224。
5. Heitzer E等人(2013) Establishment of tumor-specific copy number alterations from plasma DNA of patients with cancer. Int J Cancer 133(2):346-356。
6. Heitzer E等人(2013) Tumor-associated copy number changes in the circulation of patients with prostate cancer identified through whole-genome sequencing. Genome Med 5(4):30。
7. Leary RJ等人(2012) Detection of chromosomal alterations in the circulation of cancer patients with whole-genome sequencing. Sci Transl Med 4(162):162ra154。
8. Chan KCA等人(2013) Noninvasive detection of cancer-associated genome-wide hypomethylation and copy number aberrations by plasma DNA bisulfite sequencing.Proc Natl Acad Sci U S A 110(47):18761-18768。
9. Chan KCA等人(2008) Quantitative analysis of circulating methylated DNA as a biomarker for hepatocellular carcinoma. Clin Chem 54(9):1528-1536。
10. Wong IH等人(1999) Detection of aberrant p16 methylation in the plasma and serum of liver cancer patients. Cancer Res 59(1):71-73。
11. Balgkouranidou I等人(2014) Breast cancer metastasis suppressor-1 promoter methylation in cell-free DNA provides prognostic information in non-small cell lung cancer. Br J Cancer 110(8):2054-2062。
12. Diehl F等人(2005) Detection and quantification of mutations in the plasma of patients with colorectal tumors.Proc Natl Acad Sci U S A 102(45):16368-16373。
13. Yung TKF等人(2009) Single-molecule detection of epidermal growth factor receptor mutations in plasma by microfluidics digital PCR in non-small cell lung cancer patients. Clin Cancer Res 15(6):2076-2084。
14. Murtaza M等人，(2013) Non-invasive analysis of acquired resistance to cancer therapy by sequencing of plasma DNA.Nature 497(7447):108-112。
15. Forshew T等人(2012) Noninvasive identification and monitoring of cancer mutations by targeted deep sequencing of plasma DNA. Sci Transl Med 4(136):136ra168。
16. Lo YMD等人(1999) Quantitative analysis of cell-free Epstein-Barr virus DNA in plasma of patients with nasopharyngeal carcinoma. Cancer Res 59(6):1188-1191。
17. Chan KCA等人(2013) Early detection of nasopharyngeal carcinoma by plasma Epstein-Barr virus DNA analysis in a surveillance program. Cancer 119(10):1838-1844。
18. McBride DJ等人(2010) Use of cancer-specific genomic rearrangements to quantify disease burden in plasma from patients with solid tumors. Genes, Chromosomes & Cancer 49(11):1062-1069。
19. Leary RJ等人(2010) Development of personalized tumor biomarkers using massively parallel sequencing. Sci Transl Med 2(20):20ra14。
20. Chan KCA、Leung SF、Yeung SW、Chan ATC、& Lo YMD (2008) Persistent aberrations in circulating DNA integrity after radiotherapy are associated with poor prognosis in nasopharyngeal carcinoma patients.Clin Cancer Res 14(13):4141-4145。
21. Gao YJ等人(2010) Increased integrity of circulating cell-free DNA in plasma of patients with acute leukemia. Clin Chem Lab Med 48(11):1651-1656。
22. Umetani N等人(2006) Increased integrity of free circulating DNA in sera of patients with colorectal or periampullary cancer: direct quantitative PCR for ALU repeats. Clin Chem 52(6):1062-1069。
23. Wang BG等人(2003) Increased plasma DNA integrity in cancer patients. Cancer Res 63(14):3966-3968。
24. Umetani N等人(2006) Prediction of breast tumor progression by integrity of free circulating DNA in serum. J Clin Oncol 24(26):4270-4276。
25. Schwarzenbach H等人(2012) Loss of heterozygosity at tumor suppressor genes detectable on fractionated circulating cell-free tumor DNA as indicator of breast cancer progression. Clin Cancer Res 18(20):5719-5730。
26. Lo YMD等人(2010) Maternal plasma DNA sequencing reveals the genome-wide genetic and mutational profile of the fetus. Sci Transl Med 2(61):61ra91。
27. Zheng YWL等人(2012) Nonhematopoietically derived DNA is shorter than hematopoietically derived DNA in plasma: a transplantation model. Clin Chem 58(3):549-558。
28. Yu SCY等人(2014) Size-based molecular diagnostics using plasma DNA for noninvasive prenatal testing.Proc Natl Acad Sci U S A 111(23):8583-8588。
29. Pleasance ED等人(2010) A comprehensive catalogue of somatic mutations from a human cancer genome.Nature 463(7278):191-196。
30. Fujimoto A等人(2012) Whole-genome sequencing of liver cancers identifies etiological influences on mutation patterns and recurrent mutations in chromatin regulators. Nat Genet 44(7):760-764。
31. Tao Y等人(2011) Rapid growth of a hepatocellular carcinoma and the driving mutations revealed by cell-population genetic analysis of whole-genome data.Proc Natl Acad Sci U S A 108(29):12042-12047。
32. Totoki Y等人(2011) High-resolution characterization of a hepatocellular carcinoma genome. Nat Genet 43(5):464-469。
33. Beroukhim R等人(2010) The landscape of somatic copy-number alteration across human cancers.Nature 463(7283):899-905。
34. Chiang DY等人(2008) Focal gains of VEGFA and molecular classification of hepatocellular carcinoma.Cancer Res 68(16):6779-6788。
35. Kan Z等人(2013) Whole-genome sequencing identifies recurrent mutations in hepatocellular carcinoma. Genome Res 23(9):1422-1433。
36. Kim TM等人(2008) Clinical implication of recurrent copy number alterations in hepatocellular carcinoma and putative oncogenes in recurrent gains on 1q. Int J Cancer 123(12):2808-2815。
37. Nakano H及Shinohara K (1994) X-ray-induced cell death: apoptosis and necrosis. Radiation Research 140(1):1-9。
38. Walker NI、Harmon BV、Gobe GC及Kerr JF (1988) Patterns of cell death. Methods and Achievements in Experimental Pathology 13:18-54。
39. Alexandrov LB等人(2013) Signatures of mutational processes in human cancer.Nature 500(7463):415-421。
40. Li R等人(2009) SOAP2: an improved ultrafast tool for short read alignment. Bioinformatics 25(15):1966-1967。
41. Langmead B及Salzberg SL (2012) Fast gapped-read alignment with Bowtie 2. Nature Methods 9(4):357-359。
42. Chen EZ等人(2011) Noninvasive prenatal diagnosis of fetal trisomy 18 and trisomy 13 by maternal plasma DNA sequencing. PLoS One 6(7):e21791。

Claims (39)

  1. 一種分析生物體之生物樣品之方法，該生物樣品包括源自正常細胞及潛在地源自癌症相關細胞之核酸分子，其中該生物樣品中至少一些該等核酸分子係無細胞的(cell-free)，該方法包含：鑑別該生物體之複數個染色體區域，各染色體區域包括複數個基因座；對於該生物樣品中複數個該等核酸分子中之每一者：量測該核酸分子之尺寸；及鑑別該核酸分子在該生物體之參照基因體中之位置；對於該複數個染色體區域中之每一者：基於所鑑別位置將核酸分子之各別組鑑別為來自該染色體區域，該各別組包括至少一個位於該染色體區域之複數個基因座中之每一者之核酸分子；用電腦系統計算核酸分子之各別組之各別量；及將該各別量與計數參照值比較以確定該染色體區域是否展現畸變之計數分類，該複數個染色體區域之第一染色體區域之計數分類指示第一畸變；基於所鑑別位置將核酸分子之第一組鑑別為來自該第一染色體區域；用電腦系統計算該第一組核酸分子之第一尺寸分佈之第一統計值；及將該第一統計值與尺寸參照值比較以確定該第一染色體區域是否展現該第一畸變之尺寸分類；及使用該第一染色體區域之該計數分類及該尺寸分類確定該第一染色體區域是否展現該第一畸變之最終分類。
  2. 如請求項1之方法，其中該最終分類係僅在該計數分類及該尺寸分類指示相同畸變時存在該第一畸變。
  3. 如請求項1之方法，其中該複數個染色體區域不重疊。
  4. 如請求項1之方法，其中該最終分類係該第一畸變存在，該方法進一步包含：獲得提供腫瘤尺寸與該第一統計值間之關係的校正函數；及使用該校正函數確定該腫瘤之尺寸。
  5. 如請求項4之方法，其中該校正函數係自具有已知腫瘤大小之生物體之參照樣品之校正資料點確定，其中校正資料點包括該腫瘤大小之量測及該第一染色體區域之核酸分子尺寸之相應統計學量測。
  6. 如請求項1之方法，其中該各別值包含該第一尺寸分佈之平均值、該第一尺寸分佈之中值、該第一尺寸分佈之模式，或尺寸低於尺寸臨限值之核酸分子之比例。
  7. 如請求項1之方法，其中該尺寸參照值對應於第二染色體區域之第二尺寸分佈之第二統計值。
  8. 如請求項7之方法，其中將該第一統計值與該尺寸參照值比較包括：確定該第一統計值與該尺寸參照值之間之分離值；及將該分離值與臨限值比較。
  9. 如請求項1之方法，其進一步包含：基於相應計數分類確定鑑別為畸變之染色體區域集合之尺寸分類集合；及基於該尺寸分類集合確認該染色體區域集合是否畸變。
  10. 一種分析生物體之生物樣品之方法，該生物樣品包括源自正常細胞及潛在地源自癌症相關細胞之核酸分子，其中該生物樣品 中至少一些該等核酸分子係無細胞的，該方法包含：對於該生物樣品中複數個該等核酸分子中之每一者：量測該核酸分子之尺寸；鑑別該核酸分子在該生物體之參照基因體中之位置；基於所鑑別位置將第一組核酸分子鑑別為來自第一染色體區域，該第一染色體區域包括複數個第一基因座；用電腦系統計算該第一組核酸分子之尺寸分佈之第一統計值，其中該第一統計值係由計算在特定尺寸下第一曲線下面積來確定，該第一曲線係該第一染色體區域之核酸分子在一個尺寸範圍中之累積頻率之曲線；及將該第一統計值與第一參照值比較以確定該第一染色體區域是否展現畸變之分類，其中：該第一參照值係第二染色體區域之第二組核酸分子之尺寸分佈之統計值，且該第一參照值係由計算在特定尺寸下第二曲線下面積來確定，該第二曲線係該第二染色體區域之核酸分子在該尺寸範圍中之累積頻率之曲線。
  11. 如請求項10之方法，其中將該第一統計值與該第一參照值比較包括：計算該第一統計值與該第一參照值之間之差異；及將該差異與臨限值比較。
  12. 如請求項11之方法，其中該特定尺寸係該第一曲線與該第二曲線之間之差異曲線最大之處。
  13. 如請求項11之方法，其中在該差異超過該臨限值時，該分類係該第一染色體區域潛在地展現畸變。
  14. 如請求項13之方法，其中在該差異超過該臨限值時，該差異之 符號指示該第一染色體區域之畸變類型。
  15. 如請求項10之方法，其進一步包含：在計算第一統計值之前，基於所鑑別位置鑑別為來自該第一染色體區域之核酸分子之第一量將該生物樣品中之該第一染色體區域鑑別為具有第一畸變。
  16. 如請求項15之方法，其進一步包含：基於所鑑別位置鑑別為來自該第二染色體區域之核酸分子之第二量將該第二染色體區域鑑別為具有與該第一畸變相反之第二畸變，其中該分類確認該第一畸變及該第二畸變。
  17. 如請求項10之方法，其中該尺寸範圍介於0個鹼基與該特定尺寸之間。
  18. 如請求項10之方法，其中該尺寸範圍介於80與該特定尺寸之間。
  19. 如請求項10之方法，其中該特定尺寸介於140個鹼基與190個鹼基之間。
  20. 一種分析生物體之生物樣品之方法，該生物樣品包括源自正常細胞及潛在地源自癌症相關細胞之核酸分子，其中該生物樣品中至少一些該等核酸分子係無細胞的，該方法包含：鑑別該生物體之複數個染色體區域，各染色體區域包括複數個基因座，其中該複數個染色體區域係亞染色體(subchromosomal)；對於該生物體之該生物樣品中之複數個核酸分子中之每一者：鑑別該核酸分子在該生物體之參照基因體中之位置；對於該複數個染色體區域中之每一者：基於所鑑別位置將核酸分子之各別組鑑別為來自該染色體 區域，該各別組包括至少一個位於該染色體區域之該複數個基因座中之每一者之核酸分子；用電腦系統計算核酸分子之該各別組之各別值，該各別值界定該各別組之核酸分子之性質；及將該各別值與各別參照值比較以確定該染色體區域是否展現缺失或擴增之分類；及確定展現缺失或擴增之該染色體區域之測試模式，該測試模式包括：展現缺失或擴增之染色體區域之集合；展現擴增之集合之第一子集；及展現缺失之集合之第二子集；將該測試模式與不同癌症類型之複數個參照模式比較；基於該比較，確定該測試模式中展現與對應於第一癌症類型之第一參照模式相同缺失或擴增之區域之第一量；及將該第一量與第一臨限值比較以確定該生物樣品是否展現該第一癌症類型之第一分類。
  21. 如請求項20之方法，其中該複數個染色體區域不重疊。
  22. 如請求項20之方法，其中至少一個該等各別組之核酸分子之性質為該染色體區域之一個單倍型，且其中該各別參照值為該染色體區域之另一單倍型。
  23. 如請求項20之方法，其中至少一個該等各別組之核酸分子之性質包含位在該染色體區域中之核酸分子之數量。
  24. 如請求項20之方法，其中至少一個該等各別組之核酸分子之性質包含尺寸分佈。
  25. 如請求項24之方法，其中該各別值包含該尺寸分佈之平均值、該尺寸分佈之中值、該尺寸分佈之模式，或尺寸低於尺寸臨限 值之核酸分子之比例。
  26. 如請求項20之方法，其中該複數個參照模式係自組織及/或無細胞核酸分子之混合物之參照樣品確定。
  27. 如請求項20之方法，其中該第一癌症類型係HCC、結腸直腸癌、乳癌、肺癌或鼻咽癌。
  28. 如請求項20之方法，其中該第一參照模式包括各具有擴增、缺失或無畸變之確定狀態之區域之第一數量，其中該區域之第一量係與該測試模式匹配之區域之第一數量之百分比。
  29. 如請求項20之方法，其進一步包含：藉由以下確定該第一臨限值：將參照模式集合分群(cluster)，其中每一群對應於不同癌症類型；界定對應於該第一癌症類型之第一群之形心(centroid)，其中該形心對應於由該第一群之至少預定數量之參照模式共享之該第一群之參照模式之區域；及將自該第一群之邊界與該形心之距離定義為該第一臨限值。
  30. 如請求項20之方法，其進一步包含：對於該複數個參照模式之每一參照模式：確定該測試模式中展現與該參照模式相同缺失或擴增之區域之各別量；及藉由該等各別量彼此比較來確定各癌症類型之相對可能性；及基於該等相對可能性來鑑別匹配癌症類型。
  31. 一種分析生物體之生物樣品之方法，該生物樣品包括源自正常細胞及源自癌症相關細胞之核酸分子，其中該生物樣品中至少 一些該等核酸分子係無細胞的，該方法包含：對於該生物樣品中複數個該等核酸分子中之每一者：量測該核酸分子之尺寸；鑑別該核酸分子在該生物體之參照基因體中之位置；基於所鑑別位置將第一組核酸分子鑑別為來自第一染色體區域，該第一染色體區域包括複數個第一基因座；用電腦系統計算該第一組核酸分子之尺寸分佈之第一統計值；量測源自癌症相關細胞之核酸分子之分數；基於所量測分數選擇第一參照值；將該第一統計值與該第一參照值比較以確定該生物樣品之癌症階段。
  32. 如請求項31之方法，其中基於該所量測分數選擇該第一參照值包括：在該所量測分數低於低截止值時選擇長尺寸臨限值，該長尺寸臨限值經配置(configured)用於鑑別長於正常之尺寸分佈，其中在該第一統計值高於該長尺寸臨限值時確定癌症之早期階段。
  33. 如請求項31之方法，其中基於該所量測分數選擇該第一參照值包括：在該所量測分數高於高截止值時選擇短尺寸臨限值，該短尺寸臨限值經配置用於鑑別短於正常之尺寸分佈，其中在該第一統計值低於該短尺寸臨限值時確定癌症之晚期階段。
  34. 如請求項31之方法，其中基於該所量測分數選擇該第一參照值包括：在該所量測分數低於高截止值且高於低截止值時選擇短尺寸 臨限值及長尺寸臨限值，該長尺寸臨限值經配置用於鑑別正常之尺寸分佈，其中在該第一統計值高於該短尺寸臨限值且低於該長尺寸臨限值時確定癌症之中間階段。
  35. 一種電腦產品，其包含電腦可讀媒體，該電腦可讀媒體儲存複數個指令用於控制電腦系統實施上文方法中任一者之操作。
  36. 一種系統，其包含：如請求項35之電腦產品；及一或多個用於執行儲存於該電腦可讀媒體上之指令之處理器。
  37. 一種系統，其包含用於實施上文方法中任一者之構件(means)。
  38. 一種系統，其經配置用於實施上文方法中之任一者。
  39. 一種系統，其包含分別實施上文方法中任一者之步驟之模組。
TW105101037A 2015-01-13 2016-01-13 利用血漿中ｄｎａ的尺寸及數量畸變以偵測癌症 TWI710639B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562102867P 2015-01-13 2015-01-13
US62/102,867 2015-01-13
US201562111534P 2015-02-03 2015-02-03
US62/111,534 2015-02-03

Publications (2)

Publication Number Publication Date
TW201639969A true TW201639969A (zh) 2016-11-16
TWI710639B TWI710639B (zh) 2020-11-21

Family

ID=56367113

Family Applications (3)

Application Number Title Priority Date Filing Date
TW109136332A TWI777276B (zh) 2015-01-13 2016-01-13 利用血漿中dna的尺寸及數量畸變以偵測癌症
TW111131192A TW202246526A (zh) 2015-01-13 2016-01-13 利用血漿中dna的尺寸及數量畸變以偵測癌症
TW105101037A TWI710639B (zh) 2015-01-13 2016-01-13 利用血漿中ｄｎａ的尺寸及數量畸變以偵測癌症

Family Applications Before (2)

Application Number Title Priority Date Filing Date
TW109136332A TWI777276B (zh) 2015-01-13 2016-01-13 利用血漿中dna的尺寸及數量畸變以偵測癌症
TW111131192A TW202246526A (zh) 2015-01-13 2016-01-13 利用血漿中dna的尺寸及數量畸變以偵測癌症

Country Status (10)

Country Link
US (2) US10364467B2 (zh)
EP (1) EP3245299A4 (zh)
JP (4) JP6480591B2 (zh)
KR (5) KR102357959B1 (zh)
CN (2) CN113462781A (zh)
AU (3) AU2016207171B2 (zh)
CA (1) CA2973025A1 (zh)
SG (1) SG11201705685VA (zh)
TW (3) TWI777276B (zh)
WO (1) WO2016112850A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749414B (zh) * 2019-11-29 2021-12-11 高雄醫學大學 細胞學抹片影像自動分析及診察結果自動批改方法

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9892230B2 (en) 2012-03-08 2018-02-13 The Chinese University Of Hong Kong Size-based analysis of fetal or tumor DNA fraction in plasma
US11062789B2 (en) 2014-07-18 2021-07-13 The Chinese University Of Hong Kong Methylation pattern analysis of tissues in a DNA mixture
JP2017522908A (ja) 2014-07-25 2017-08-17 ユニヴァーシティ オブ ワシントン セルフリーｄｎａを生じる組織及び／又は細胞タイプを決定する方法、並びにそれを用いて疾患又は異常を識別する方法
EP3230469B1 (en) 2014-12-12 2019-04-03 Verinata Health, Inc. Using cell-free dna fragment size to determine copy number variations
US10364467B2 (en) * 2015-01-13 2019-07-30 The Chinese University Of Hong Kong Using size and number aberrations in plasma DNA for detecting cancer
US10319463B2 (en) * 2015-01-23 2019-06-11 The Chinese University Of Hong Kong Combined size- and count-based analysis of maternal plasma for detection of fetal subchromosomal aberrations
EP3390668A4 (en) 2015-12-17 2020-04-01 Guardant Health, Inc. METHODS OF DETERMINING THE NUMBER OF TUMOR GENE COPIES BY ACELLULAR DNA ANALYSIS
US10095831B2 (en) 2016-02-03 2018-10-09 Verinata Health, Inc. Using cell-free DNA fragment size to determine copy number variations
US11514289B1 (en) * 2016-03-09 2022-11-29 Freenome Holdings, Inc. Generating machine learning models using genetic data
IL262953B2 (en) 2016-05-30 2023-11-01 Univ Hong Kong Chinese Detection of hematological disorders using cell-free DNA in blood
WO2018031808A1 (en) * 2016-08-10 2018-02-15 Cirina, Inc. Methods of analyzing nucleic acid fragments
EP3535415A4 (en) * 2016-10-24 2020-07-01 The Chinese University of Hong Kong TUMOR DETECTION METHODS AND SYSTEMS
WO2018085862A2 (en) 2016-11-07 2018-05-11 Grail, Inc. Methods of identifying somatic mutational signatures for early cancer detection
KR20230062684A (ko) 2016-11-30 2023-05-09 더 차이니즈 유니버시티 오브 홍콩 소변 및 기타 샘플에서의 무세포 dna의 분석
WO2018119452A2 (en) 2016-12-22 2018-06-28 Guardant Health, Inc. Methods and systems for analyzing nucleic acid molecules
SG11201906397UA (en) 2017-01-25 2019-08-27 Univ Hong Kong Chinese Diagnostic applications using nucleic acid fragments
US11342047B2 (en) 2017-04-21 2022-05-24 Illumina, Inc. Using cell-free DNA fragment size to detect tumor-associated variant
US11535896B2 (en) 2017-05-15 2022-12-27 Katholieke Universiteit Leuven Method for analysing cell-free nucleic acids
US11168356B2 (en) * 2017-11-02 2021-11-09 The Chinese University Of Hong Kong Using nucleic acid size range for noninvasive cancer detection
GB201819134D0 (en) * 2018-11-23 2019-01-09 Cancer Research Tech Ltd Improvements in variant detection
EP3776555A2 (en) * 2018-04-13 2021-02-17 Grail, Inc. Multi-assay prediction model for cancer detection
TW202012639A (zh) * 2018-04-24 2020-04-01 美商格瑞爾公司 使用病原體核酸負荷確定個體是否患有癌症病況的系統及方法
CA3105349A1 (en) 2018-05-03 2019-11-07 The Chinese University Of Hong Kong Size-tagged preferred ends and orientation-aware analysis for measuring properties of cell-free mixtures
KR102175857B1 (ko) * 2019-03-06 2020-11-09 (주)지놈오피니언 무세포 dna 무결성 평가 방법
CN109852714B (zh) * 2019-03-07 2020-06-16 南京世和基因生物技术有限公司 一种肠癌早期诊断和腺瘤诊断标志物及用途
CN111690740B (zh) * 2019-03-11 2022-09-27 中国医学科学院肿瘤医院 肝细胞癌早筛试剂盒及其制备方法和用途
CA3125647A1 (en) 2019-03-13 2020-09-17 Grail, Inc. Systems and methods for enriching for cancer-derived fragments using fragment size
CA3130810A1 (en) 2019-03-25 2020-10-01 The Chinese University Of Hong Kong Determining linear and circular forms of circulating nucleic acids
US20220290244A1 (en) * 2019-08-02 2022-09-15 INSERM (Institut National de la Santé et de la Recherche Médicale) Method for screening a subject for a cancer
JP2022544626A (ja) * 2019-08-19 2022-10-19 グリーン クロス ゲノム コーポレーション 核酸断片間距離情報を用いた染色体異常検出方法
US11427874B1 (en) 2019-08-26 2022-08-30 Epi One Inc. Methods and systems for detection of prostate cancer by DNA methylation analysis
EP4041919A1 (en) 2019-09-30 2022-08-17 Guardant Health, Inc. Compositions and methods for analyzing cell-free dna in methylation partitioning assays
US20210166813A1 (en) 2019-11-27 2021-06-03 Grail, Inc. Systems and methods for evaluating longitudinal biological feature data
US11211147B2 (en) 2020-02-18 2021-12-28 Tempus Labs, Inc. Estimation of circulating tumor fraction using off-target reads of targeted-panel sequencing
US11211144B2 (en) 2020-02-18 2021-12-28 Tempus Labs, Inc. Methods and systems for refining copy number variation in a liquid biopsy assay
US11475981B2 (en) 2020-02-18 2022-10-18 Tempus Labs, Inc. Methods and systems for dynamic variant thresholding in a liquid biopsy assay
GB2596271A (en) * 2020-05-06 2021-12-29 Nottingham Univ Hospitals Nhs Trust Cancer screening test
KR102228852B1 (ko) * 2020-06-17 2021-03-17 (주)지놈오피니언 무세포 dna 무결성 평가 방법
WO2022203093A1 (ko) * 2021-03-22 2022-09-29 이원다이애그노믹스(주) 암 발생여부를 진단 또는 예측하는 방법
CN113643759B (zh) * 2021-10-15 2022-01-11 臻和(北京)生物科技有限公司 基于液体活检的染色体稳定性评价方法和装置、终端设备及存储介质
KR20230114952A (ko) * 2022-01-26 2023-08-02 권창혁 암 판별 장치 및 암 판별 방법
WO2023170298A1 (en) * 2022-03-11 2023-09-14 Belgian Volition Srl Differential diagnosis method

Family Cites Families (159)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5641628A (en) 1989-11-13 1997-06-24 Children's Medical Center Corporation Non-invasive method for isolation and detection of fetal DNA
AU2765992A (en) 1991-10-03 1993-05-03 Indiana University Foundation Method for screening for alzheimer's disease
US6100029A (en) 1996-08-14 2000-08-08 Exact Laboratories, Inc. Methods for the detection of chromosomal aberrations
US20010051341A1 (en) 1997-03-04 2001-12-13 Isis Innovation Limited Non-invasive prenatal diagnosis
GB9704444D0 (en) 1997-03-04 1997-04-23 Isis Innovation Non-invasive prenatal diagnosis
US6143496A (en) 1997-04-17 2000-11-07 Cytonix Corporation Method of sampling, amplifying and quantifying segment of nucleic acid, polymerase chain reaction assembly having nanoliter-sized sample chambers, and method of filling assembly
US6566101B1 (en) 1997-06-16 2003-05-20 Anthony P. Shuber Primer extension methods for detecting nucleic acids
US20030022207A1 (en) 1998-10-16 2003-01-30 Solexa, Ltd. Arrayed polynucleotides and their use in genome analysis
US6613513B1 (en) 1999-02-23 2003-09-02 Caliper Technologies Corp. Sequencing by incorporation
US6818395B1 (en) 1999-06-28 2004-11-16 California Institute Of Technology Methods and apparatus for analyzing polynucleotide sequences
US6440706B1 (en) 1999-08-02 2002-08-27 Johns Hopkins University Digital amplification
KR20020064298A (ko) 1999-10-13 2002-08-07 시쿼넘, 인코포레이티드 다형성 유전 마커를 동정하기 위한 데이타베이스 및 이의제조 방법
US6664056B2 (en) 2000-10-17 2003-12-16 The Chinese University Of Hong Kong Non-invasive prenatal monitoring
US8898021B2 (en) 2001-02-02 2014-11-25 Mark W. Perlin Method and system for DNA mixture analysis
JP2002272497A (ja) 2001-03-15 2002-09-24 Venture Link Co Ltd 癌の診断方法、およびその診断用ベクター
WO2002081729A2 (en) 2001-04-06 2002-10-17 California Institute Of Technology Nucleic acid amplification utilizing microfluidic devices
US20020164816A1 (en) 2001-04-06 2002-11-07 California Institute Of Technology Microfluidic sample separation device
US7118907B2 (en) 2001-06-06 2006-10-10 Li-Cor, Inc. Single molecule detection systems and methods
US20050037388A1 (en) 2001-06-22 2005-02-17 University Of Geneva Method for detecting diseases caused by chromosomal imbalances
US6927028B2 (en) 2001-08-31 2005-08-09 Chinese University Of Hong Kong Non-invasive methods for detecting non-host DNA in a host using epigenetic differences between the host and non-host DNA
WO2003030823A2 (en) 2001-10-05 2003-04-17 Combinatorx, Incorporated Combinations for the treatment of immunoinflammatory disorders
JP2005509871A (ja) 2001-11-20 2005-04-14 エグザクト サイエンシーズ コーポレイション 自動化サンプル調製方法および装置
JP4355210B2 (ja) 2001-11-30 2009-10-28 フルイディグム コーポレイション 微小流体デバイスおよび微小流体デバイスの使用方法
US7691333B2 (en) 2001-11-30 2010-04-06 Fluidigm Corporation Microfluidic device and methods of using same
US20030180765A1 (en) 2002-02-01 2003-09-25 The Johns Hopkins University Digital amplification for detection of mismatch repair deficient tumor cells
US6977162B2 (en) 2002-03-01 2005-12-20 Ravgen, Inc. Rapid analysis of variations in a genome
NZ535045A (en) 2002-03-01 2008-04-30 Ravgen Inc Rapid analysis of variations in a genome
US7727720B2 (en) 2002-05-08 2010-06-01 Ravgen, Inc. Methods for detection of genetic disorders
US20070178478A1 (en) 2002-05-08 2007-08-02 Dhallan Ravinder S Methods for detection of genetic disorders
US7442506B2 (en) 2002-05-08 2008-10-28 Ravgen, Inc. Methods for detection of genetic disorders
EP2236614A3 (en) 2002-08-15 2011-01-26 Genzyme Corporation Brain endothelial cell expression patterns
US7704687B2 (en) 2002-11-15 2010-04-27 The Johns Hopkins University Digital karyotyping
EP1583846B1 (en) 2003-01-17 2011-11-16 The Chinese University Of Hong Kong Circulating mrna as diagnostic markers for pregnancy-related disorders
JP2006521086A (ja) 2003-02-28 2006-09-21 ラブジェン， インコーポレイテッド 遺伝子疾患の検出方法
US8394582B2 (en) 2003-03-05 2013-03-12 Genetic Technologies, Inc Identification of fetal DNA and fetal cell markers in maternal plasma or serum
WO2004081183A2 (en) 2003-03-07 2004-09-23 Rubicon Genomics, Inc. In vitro dna immortalization and whole genome amplification using libraries generated from randomly fragmented dna
WO2004089810A2 (en) 2003-04-03 2004-10-21 Fluidigm Corp. Microfluidic devices and methods of using same
US7604965B2 (en) 2003-04-03 2009-10-20 Fluidigm Corporation Thermal reaction device and method for using the same
US7476363B2 (en) 2003-04-03 2009-01-13 Fluidigm Corporation Microfluidic devices and methods of using same
US20040197832A1 (en) 2003-04-03 2004-10-07 Mor Research Applications Ltd. Non-invasive prenatal genetic diagnosis using transcervical cells
US20050145496A1 (en) 2003-04-03 2005-07-07 Federico Goodsaid Thermal reaction device and method for using the same
RU2249820C1 (ru) 2003-08-18 2005-04-10 Лактионов Павел Петрович Способ ранней диагностики заболеваний, связанных с нарушением функционирования генетического аппарата клетки
EP2354253A3 (en) 2003-09-05 2011-11-16 Trustees of Boston University Method for non-invasive prenatal diagnosis
US20050282213A1 (en) 2003-09-22 2005-12-22 Trisogen Biotechnology Limited Partnership Methods and kits useful for detecting an alteration in a locus copy number
WO2005035725A2 (en) 2003-10-08 2005-04-21 The Trustees Of Boston University Methods for prenatal diagnosis of chromosomal abnormalities
EP1524321B2 (en) 2003-10-16 2014-07-23 Sequenom, Inc. Non-invasive detection of fetal genetic traits
WO2005039389A2 (en) 2003-10-22 2005-05-06 454 Corporation Sequence-based karyotyping
WO2005044086A2 (en) 2003-10-30 2005-05-19 Tufts-New England Medical Center Prenatal diagnosis using cell-free fetal dna in amniotic fluid
US20100216151A1 (en) 2004-02-27 2010-08-26 Helicos Biosciences Corporation Methods for detecting fetal nucleic acids and diagnosing fetal abnormalities
US20060046258A1 (en) 2004-02-27 2006-03-02 Lapidus Stanley N Applications of single molecule sequencing
US20100216153A1 (en) 2004-02-27 2010-08-26 Helicos Biosciences Corporation Methods for detecting fetal nucleic acids and diagnosing fetal abnormalities
US7709194B2 (en) 2004-06-04 2010-05-04 The Chinese University Of Hong Kong Marker for prenatal diagnosis and monitoring
DE102004036285A1 (de) 2004-07-27 2006-02-16 Advalytix Ag Verfahren zum Bestimmen der Häufigkeit von Sequenzen einer Probe
CN1779688A (zh) 2004-11-22 2006-05-31 寰硕数码股份有限公司 交互式医疗信息系统及方法
US7645576B2 (en) 2005-03-18 2010-01-12 The Chinese University Of Hong Kong Method for the detection of chromosomal aneuploidies
CN101137761B (zh) 2005-03-18 2010-12-08 香港中文大学 产前诊断和监测的标记
US20070196820A1 (en) 2005-04-05 2007-08-23 Ravi Kapur Devices and methods for enrichment and alteration of cells and other particles
ATE406463T1 (de) 2005-04-06 2008-09-15 Maurice Stroun Methode zur krebsdiagnose mittels nachweis von dna und rna im kreislauf
US20090317798A1 (en) 2005-06-02 2009-12-24 Heid Christian A Analysis using microfluidic partitioning devices
WO2007001259A1 (en) 2005-06-16 2007-01-04 Government Of The United States Of America, Represented By The Secretary, Department Of Health And Human Services Methods and materials for identifying polymorphic variants, diagnosing susceptibilities, and treating disease
US20070059680A1 (en) 2005-09-15 2007-03-15 Ravi Kapur System for cell enrichment
US20070122823A1 (en) 2005-09-01 2007-05-31 Bianchi Diana W Amniotic fluid cell-free fetal DNA fragment size pattern for prenatal diagnosis
PL1981995T5 (pl) 2006-02-02 2019-10-31 Univ Leland Stanford Junior Nieinwazyjne genetyczne badania przesiewowe płodu metodą analizy cyfrowej
DK1996728T3 (da) 2006-02-28 2011-08-15 Univ Louisville Res Found Detektering af føtale chromosomale abnormiteter under anvendelse af tandem-enkeltnukleotid-polymorfismer
US20080038733A1 (en) 2006-03-28 2008-02-14 Baylor College Of Medicine Screening for down syndrome
US8058055B2 (en) 2006-04-07 2011-11-15 Agilent Technologies, Inc. High resolution chromosomal mapping
US7754428B2 (en) 2006-05-03 2010-07-13 The Chinese University Of Hong Kong Fetal methylation markers
US7901884B2 (en) 2006-05-03 2011-03-08 The Chinese University Of Hong Kong Markers for prenatal diagnosis and monitoring
WO2008111990A1 (en) 2006-06-14 2008-09-18 Cellpoint Diagnostics, Inc. Rare cell analysis using sample splitting and dna tags
EP2029779A4 (en) 2006-06-14 2010-01-20 Living Microsystems Inc HIGHLY PARALLEL SNP GENOTYPING UTILIZATION FOR FETAL DIAGNOSIS
EP3406736B1 (en) 2006-06-14 2022-09-07 Verinata Health, Inc. Methods for the diagnosis of fetal abnormalities
EP2589668A1 (en) 2006-06-14 2013-05-08 Verinata Health, Inc Rare cell analysis using sample splitting and DNA tags
WO2009035447A1 (en) 2006-06-14 2009-03-19 Living Microsystems, Inc. Diagnosis of fetal abnormalities by comparative genomic hybridization analysis
EP2029778B1 (en) 2006-06-14 2018-05-02 Verinata Health, Inc Diagnosis of fetal abnormalities
US20080050739A1 (en) 2006-06-14 2008-02-28 Roland Stoughton Diagnosis of fetal abnormalities using polymorphisms including short tandem repeats
US8137912B2 (en) 2006-06-14 2012-03-20 The General Hospital Corporation Methods for the diagnosis of fetal abnormalities
JP2009540802A (ja) 2006-06-16 2009-11-26 セクエノム， インコーポレイテッド サンプルからの核酸を増幅、検出および定量するための方法および組成物
WO2008014516A2 (en) 2006-07-28 2008-01-31 Living Microsystems, Inc. Selection of cells using biomarkers
JP4379742B2 (ja) 2006-10-23 2009-12-09 ソニー株式会社 再生装置および再生方法、並びにプログラム
WO2008098142A2 (en) 2007-02-08 2008-08-14 Sequenom, Inc. Nucleic acid-based tests for rhd typing, gender determination and nucleic acid quantification
EP2153361A4 (en) 2007-05-04 2010-09-29 Genes It Software Ltd SYSTEM, METHOD AND DEVICE FOR COMPLETE INDIVIDUALIZED GENETIC INFORMATION OR GENETIC CONSULTATION
CA2688032C (en) 2007-05-24 2015-11-03 Apceth Gmbh & Co. Kg Cd34 stem cell-related methods and compositions
HUE030510T2 (hu) 2007-07-23 2017-05-29 Univ Hong Kong Chinese Magzati kromoszómális aneuploidia diagnosztizálása genomszekvenálás alkalmazásával
US20100112590A1 (en) 2007-07-23 2010-05-06 The Chinese University Of Hong Kong Diagnosing Fetal Chromosomal Aneuploidy Using Genomic Sequencing With Enrichment
US20090053719A1 (en) 2007-08-03 2009-02-26 The Chinese University Of Hong Kong Analysis of nucleic acids by digital pcr
EP3103463B1 (en) 2007-09-19 2020-01-01 Pluristem Ltd. Adherent cells from adipose or placenta tissues and use thereof in therapy
WO2009051842A2 (en) 2007-10-18 2009-04-23 The Johns Hopkins University Detection of cancer by measuring genomic copy number and strand length in cell-free dna
US20100112575A1 (en) * 2008-09-20 2010-05-06 The Board Of Trustees Of The Leland Stanford Junior University Noninvasive Diagnosis of Fetal Aneuploidy by Sequencing
WO2010053980A2 (en) 2008-11-04 2010-05-14 The Johns Hopkins University Dna integrity assay (dia) for cancer diagnostics, using confocal fluorescence spectroscopy
NZ595993A (en) 2009-03-31 2013-05-31 Oridis Biomarkers Gmbh Method for diagnosis of cancer and monitoring of cancer treatments
WO2011053790A2 (en) 2009-10-30 2011-05-05 Fluidigm Corporation Assay of closely linked targets in fetal diagnosis and coincidence detection assay for genetic analysis
CA2779695C (en) 2009-11-05 2016-05-24 The Chinese University Of Hong Kong Fetal genomic analysis from a maternal biological sample
EP3406737B1 (en) 2009-11-06 2023-05-31 The Chinese University of Hong Kong Size-based genomic analysis
US9361426B2 (en) 2009-11-12 2016-06-07 Esoterix Genetic Laboratories, Llc Copy number analysis of genetic locus
US10388403B2 (en) 2010-01-19 2019-08-20 Verinata Health, Inc. Analyzing copy number variation in the detection of cancer
WO2011090556A1 (en) 2010-01-19 2011-07-28 Verinata Health, Inc. Methods for determining fraction of fetal nucleic acid in maternal samples
US9260745B2 (en) * 2010-01-19 2016-02-16 Verinata Health, Inc. Detecting and classifying copy number variation
WO2011103236A2 (en) 2010-02-18 2011-08-25 The Johns Hopkins University Personalized tumor biomarkers
CA2801468C (en) 2010-06-04 2018-09-04 Chronix Biomedical Prostate cancer associated circulating nucleic acid biomarkers
EP2426217A1 (en) 2010-09-03 2012-03-07 Centre National de la Recherche Scientifique (CNRS) Analytical methods for cell free nucleic acids and applications
CN108899091B (zh) 2010-11-30 2022-04-15 香港中文大学 与癌症相关的遗传或分子畸变的检测
US20130059738A1 (en) 2011-04-28 2013-03-07 Life Technologies Corporation Methods and compositions for multiplex pcr
US8712697B2 (en) 2011-09-07 2014-04-29 Ariosa Diagnostics, Inc. Determination of copy number variations using binomial probability calculations
CA3069089A1 (en) 2011-09-22 2013-03-28 Lineage Biosciences, Inc. Compositions and methods for analyzing heterogeneous samples
EP2764458B1 (en) 2011-10-06 2021-04-07 Sequenom, Inc. Methods and processes for non-invasive assessment of genetic variations
US10196681B2 (en) * 2011-10-06 2019-02-05 Sequenom, Inc. Methods and processes for non-invasive assessment of genetic variations
WO2013060762A1 (en) 2011-10-25 2013-05-02 Roche Diagnostics Gmbh Method for diagnosing a disease based on plasma-dna distribution
US9845552B2 (en) 2011-10-27 2017-12-19 Verinata Health, Inc. Set membership testers for aligning nucleic acid samples
US9757458B2 (en) * 2011-12-05 2017-09-12 Immunomedics, Inc. Crosslinking of CD22 by epratuzumab triggers BCR signaling and caspase-dependent apoptosis in hematopoietic cancer cells
US20140364439A1 (en) 2011-12-07 2014-12-11 The Broad Institute, Inc. Markers associated with chronic lymphocytic leukemia prognosis and progression
US9892230B2 (en) 2012-03-08 2018-02-13 The Chinese University Of Hong Kong Size-based analysis of fetal or tumor DNA fraction in plasma
US20130261984A1 (en) 2012-03-30 2013-10-03 Illumina, Inc. Methods and systems for determining fetal chromosomal abnormalities
US11261494B2 (en) 2012-06-21 2022-03-01 The Chinese University Of Hong Kong Method of measuring a fractional concentration of tumor DNA
US20150197785A1 (en) 2012-08-10 2015-07-16 The Broad Institute, Inc. Methods and apparatus for analyzing and quantifying dna alterations in cancer
CN104781421B (zh) 2012-09-04 2020-06-05 夸登特健康公司 检测稀有突变和拷贝数变异的系统和方法
US20140066317A1 (en) 2012-09-04 2014-03-06 Guardant Health, Inc. Systems and methods to detect rare mutations and copy number variation
US20160040229A1 (en) 2013-08-16 2016-02-11 Guardant Health, Inc. Systems and methods to detect rare mutations and copy number variation
KR20230145530A (ko) 2012-09-20 2023-10-17 더 차이니즈 유니버시티 오브 홍콩 혈장으로부터 태아 또는 종양 메틸롬의 비침습적 결정
US9732390B2 (en) 2012-09-20 2017-08-15 The Chinese University Of Hong Kong Non-invasive determination of methylome of fetus or tumor from plasma
US20140287937A1 (en) 2013-02-21 2014-09-25 Toma Biosciences, Inc. Methods for assessing cancer
CA3156663A1 (en) 2013-03-15 2014-09-18 Verinata Health, Inc. Generating cell-free dna libraries directly from blood
CN113337604A (zh) 2013-03-15 2021-09-03 莱兰斯坦福初级大学评议会 循环核酸肿瘤标志物的鉴别和用途
JP6088710B2 (ja) 2013-08-19 2017-03-01 シンギュラー・バイオ・インコーポレイテッド 単分子検出アッセイおよびその使用
US10262755B2 (en) * 2014-04-21 2019-04-16 Natera, Inc. Detecting cancer mutations and aneuploidy in chromosomal segments
EP3061021B1 (en) 2013-10-21 2023-05-10 Verinata Health, Inc. Method for improving the sensitivity of detection in determining copy number variations
GB201319779D0 (en) 2013-11-08 2013-12-25 Cartagenia N V Genetic analysis method
US10465238B2 (en) 2013-12-19 2019-11-05 The Board Of Trustees Of The Leland Stanford Junior University Quantification of mutant alleles and copy number variation using digital PCR with nonspecific DNA-binding dyes
GB2524948A (en) 2014-03-07 2015-10-14 Oxford Gene Technology Operations Ltd Detecting Increase or Decrease in the Amount of a Nucleic Acid having a Sequence of Interest
CN106460070B (zh) 2014-04-21 2021-10-08 纳特拉公司 检测染色体片段中的突变和倍性
EP3143163B1 (en) 2014-05-13 2020-11-25 Board of Regents, The University of Texas System Gene mutations and copy number alterations of egfr, kras and met
EP3149199B1 (en) * 2014-05-30 2020-03-25 Verinata Health, Inc. Detecting, optionally fetal, sub-chromosomal aneuploidies and copy number variations
MX2016016904A (es) 2014-06-26 2017-03-27 10X Genomics Inc Analisis de secuencias de acidos nucleicos.
US11062789B2 (en) 2014-07-18 2021-07-13 The Chinese University Of Hong Kong Methylation pattern analysis of tissues in a DNA mixture
JP2017522908A (ja) 2014-07-25 2017-08-17 ユニヴァーシティ オブ ワシントン セルフリーｄｎａを生じる組織及び／又は細胞タイプを決定する方法、並びにそれを用いて疾患又は異常を識別する方法
SG11201701113WA (en) 2014-08-22 2017-03-30 Resolution Bioscience Inc Methods for quantitative genetic analysis of cell free dna
US11085084B2 (en) 2014-09-12 2021-08-10 The Board Of Trustees Of The Leland Stanford Junior University Identification and use of circulating nucleic acids
DK3191993T3 (da) 2014-09-12 2022-07-25 Illumina Cambridge Ltd Detektion af repeatudvidelser med short read-sekventeringsdata
EP3018213A1 (en) 2014-11-04 2016-05-11 Genesupport SA Method for determining the presence of a biological condition by determining total and relative amounts of two different nucleic acids
ES2790823T3 (es) 2014-11-14 2020-10-29 Liquid Genomics Inc Uso de ARN sin células circulante para el diagnóstico y/o la monitorización de cáncer
EP3230469B1 (en) 2014-12-12 2019-04-03 Verinata Health, Inc. Using cell-free dna fragment size to determine copy number variations
WO2016097251A1 (en) 2014-12-19 2016-06-23 Danmarks Tekniske Universitet Method for identification of tissue or organ localization of a tumour
CN107406876B (zh) 2014-12-31 2021-09-07 夸登特健康公司 表现出病变细胞异质性的疾病的检测和治疗以及用于传送测试结果的系统和方法
US10364467B2 (en) * 2015-01-13 2019-07-30 The Chinese University Of Hong Kong Using size and number aberrations in plasma DNA for detecting cancer
US10319463B2 (en) 2015-01-23 2019-06-11 The Chinese University Of Hong Kong Combined size- and count-based analysis of maternal plasma for detection of fetal subchromosomal aberrations
ES2908347T3 (es) 2015-02-10 2022-04-28 Univ Hong Kong Chinese Detección de mutaciones para cribado de cáncer y análisis fetal
CA2978628A1 (en) 2015-03-03 2016-09-09 Caris Mpi, Inc. Molecular profiling for cancer
WO2016179049A1 (en) 2015-05-01 2016-11-10 Guardant Health, Inc Diagnostic methods
EP3292221B1 (en) 2015-05-06 2021-06-23 Seracare Life Sciences Inc. Liposomal preparations for non-invasive-prenatal or cancer screening
US11479812B2 (en) 2015-05-11 2022-10-25 Natera, Inc. Methods and compositions for determining ploidy
EP3636777A1 (en) 2015-07-13 2020-04-15 Agilent Technologies Belgium NV System and methodology for the analysis of genomic data obtained from a subject
ES2960201T3 (es) * 2015-07-23 2024-03-01 Univ Hong Kong Chinese Análisis de los patrones de fragmentación del ADN acelular
CA2993267A1 (en) 2015-08-07 2017-02-16 Dana-Farber Cancer Institute, Inc. Genetic abnormalities in plasma cell dyscrasias
CN116640849A (zh) 2015-10-09 2023-08-25 夸登特健康公司 使用无细胞dna的基于群体的治疗推荐
WO2017070497A1 (en) 2015-10-21 2017-04-27 Dana-Farber Cancer Institute, Inc. Methods and compositions for use of driver mutations in cll
EP3390668A4 (en) 2015-12-17 2020-04-01 Guardant Health, Inc. METHODS OF DETERMINING THE NUMBER OF TUMOR GENE COPIES BY ACELLULAR DNA ANALYSIS
US10982286B2 (en) 2016-01-22 2021-04-20 Mayo Foundation For Medical Education And Research Algorithmic approach for determining the plasma genome abnormality PGA and the urine genome abnormality UGA scores based on cell free cfDNA copy number variations in plasma and urine
US20170342477A1 (en) 2016-05-27 2017-11-30 Sequenom, Inc. Methods for Detecting Genetic Variations
EP3535415A4 (en) 2016-10-24 2020-07-01 The Chinese University of Hong Kong TUMOR DETECTION METHODS AND SYSTEMS
WO2019051842A1 (zh) 2017-09-18 2019-03-21 陈坚胜 一种高频无感锅具

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749414B (zh) * 2019-11-29 2021-12-11 高雄醫學大學 細胞學抹片影像自動分析及診察結果自動批改方法

Also Published As

Publication number Publication date
CN107406885B (zh) 2021-07-30
TWI710639B (zh) 2020-11-21
JP2022191459A (ja) 2022-12-27
KR102605348B1 (ko) 2023-11-22
JP6817259B2 (ja) 2021-01-20
JP2018512042A (ja) 2018-05-10
CA2973025A1 (en) 2016-07-21
EP3245299A1 (en) 2017-11-22
TWI777276B (zh) 2022-09-11
WO2016112850A1 (en) 2016-07-21
TW202246526A (zh) 2022-12-01
TW202108769A (zh) 2021-03-01
US20160201142A1 (en) 2016-07-14
AU2016207171B2 (en) 2020-07-30
JP6480591B2 (ja) 2019-03-13
KR20190014121A (ko) 2019-02-11
CN113462781A (zh) 2021-10-01
CN107406885A (zh) 2017-11-28
KR20200145864A (ko) 2020-12-30
JP7169002B2 (ja) 2022-11-10
US20190292607A1 (en) 2019-09-26
JP2021061844A (ja) 2021-04-22
AU2016207171A1 (en) 2017-07-20
AU2020260534A1 (en) 2020-11-26
KR102357959B1 (ko) 2022-02-08
KR20170106372A (ko) 2017-09-20
AU2020260534B2 (en) 2023-05-25
JP2019022495A (ja) 2019-02-14
KR101945024B1 (ko) 2019-02-01
SG11201705685VA (en) 2017-08-30
KR102197373B1 (ko) 2021-01-04
AU2020260534C1 (en) 2024-01-11
EP3245299A4 (en) 2018-07-04
KR20230162136A (ko) 2023-11-28
KR20220020393A (ko) 2022-02-18
US10364467B2 (en) 2019-07-30
AU2023219906A1 (en) 2023-09-14

Similar Documents

Publication Publication Date Title
AU2020260534B2 (en) Using size and number aberrations in plasma DNA for detecting cancer
TWI797095B (zh) 腫瘤檢測之方法及系統
CN108026572B (zh) 游离dna的片段化模式的分析
CN106795562B (zh) Dna混合物中的组织甲基化模式分析
JP2021061861A (ja) 癌スクリーニング及び胎児分析のための変異検出
AU2016293025A1 (en) System and methodology for the analysis of genomic data obtained from a subject
TWI727938B (zh) 血漿粒線體ｄｎａ分析之應用
EP2227568A1 (en) Molecular in vitro diagnosis of breast cancer
AU2018305609A1 (en) Enhancement of cancer screening using cell-free viral nucleic acids