[发明专利]一种用于乳腺癌患者预后预测的模型及建立方法在审

专利信息
申请号: 202011006210.3 申请日: 2020-09-23
公开(公告)号: CN112185546A 公开(公告)日: 2021-01-05
发明(设计)人: 王传新;杜鲁涛;李培龙;杨雪梅;李娟;齐秋晨 申请(专利权)人: 山东大学第二医院
主分类号: G16H50/20 分类号: G16H50/20;G16H50/70
代理公司: 济南泉城专利商标事务所 37218 代理人: 张贵宾
地址: 250033 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 乳腺癌 患者 预后 预测 模型 建立 方法
【说明书】:

一种用于乳腺癌患者预后预测的模型,其特征在于,由十个lncRNAs表达量联合判断。本发明所建立的模型可以更加精准个体化的预测患者的预后,更好的指导临床决策,为患者治疗方案的选择提供参考,减少不必要的治疗,对于乳腺癌的精准诊疗具有重要的意义。鉴于目前的乳腺癌TNM分期系统及分子分型对患者的预后评估能力有限,本发明的提出对使得该方向的研究取得了有效进展。本发明能对患者的预后情况进行精准评估,具有很强的实用性和指导性。

技术领域

本发明属于生物医学技术领域,涉及一种用于乳腺癌患者预后预测的模型及建立方法。

背景技术

乳腺癌是女性最常见的恶性肿瘤。自上世纪 70 年代末,随着生活习惯的改变和人口老龄化的加速,乳腺癌的发病率在世界范围内呈现逐年递增趋势,2018年全球女性乳腺癌新发病例高达 2,088,849 例,占所有新发肿瘤的 11.6%;死亡病例达 626,679 例,占肿瘤死亡病例总数的 6.6%。据我国肿瘤登记中心的统计数据显示,2015年全国约有 26.86万新增乳腺癌女性患者,其发病率约 37.86/10万,高居女性恶性肿瘤榜首。

目前,临床主要沿用肿瘤形态学特征及其病理学分期来判断乳腺癌患者的预后情况,常见指标包括:肿瘤大小、有无淋巴结转移、组织学分级及临床病理分期等。近年来,国内外众多研究团队相继发现,乳腺癌是一类在分子水平上具有高度异质性的恶性肿瘤,这种分子异质性致使不同患者在临床表现、治疗反应和预后生存等方面表现出显著的差异。越来越多的临床病例显示,同一病理类型或临床分期的乳腺癌患者,即使经历相同的临床治疗,其治疗敏感性及生存时间却大不相同,这为乳腺癌的精准诊疗带来了巨大的困难。

随着二代测序等高通量技术的飞速发展,大量与肿瘤发生发展密切相关的长链非编码RNA(lncRNAs)相继被发现。近期,大量研究表明lncRNAs在乳腺癌组织、血液、尿液等体液中呈现特异的时空表达模式,其中部分分子更被应用于肿瘤早期诊断、病情监测及患者预后评估等方面。但目前多数研究注重于单一分子在乳腺癌恶性转化中的作用机制及其作为肿瘤标志物的临床价值。然而,乳腺癌的演进是由多基因经多种方式调控,单个分子对患者预后的预测能力较为有限,如何发现并整合与乳腺癌预后密切相关的多个lncRNAs,对乳腺癌患者预后进行精准判定,以便选择最佳治疗方案,显著提高患者生存率,现已成为临床亟待解决的难题。

发明内容

本发明针对传统单一分子预测能力有限的问题提出一种新型的用于乳腺癌患者预后预测的模型及建立方法。

为了达到上述目的,本发明是采用下述的技术方案实现的:

为了实现上述目的,本发明首先公开了一种用于乳腺癌患者预后预测的模型,其特征在于,包括预后相关lncRNAs:AL138789.1,AL513123.1,LINC00536,BCAR4,AC079414.1,LHX1-DT,AC006262.3,MIR3150BHG,AC105398.1,AL133467.1,序列见序列表。

乳腺癌患者的预后风险由十个lncRNAs的表达量与其相应回归系数的加权之和构成的风险评分进行评估,计算公式为:风险评分=(0.634×表达量AL138789.1)+(0.488×表达量AL513123.1)+(0.254×表达量LINC00536)+(0.262×表达量BCAR4)+(0.825×表达量AC079414.1)+(0.253×表达量LHX1-DT)+(1.115×表达量AC006262.3)+(-0.779×表达量MIR3150BHG)+(-1.414×表达量AC105398.1)+(-0.739×表达量AL133467.1)。

其次本发明提供一种含十个lncRNAs的预测乳腺癌患者预后的模型的建立方法,具体包括以下步骤:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学第二医院,未经山东大学第二医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011006210.3/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top