[發(fā)明專利]甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變預(yù)測(cè)模型、方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910260012.0
• 申請(qǐng)日: 2019-04-02
• 公開(kāi)（公告）號(hào): CN109979532B
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 蘭霞斌;葛明華;葛欣陽(yáng);曹君;朱栩杭;黃煜慶;張啟弘;劉凱華;邵陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 浙江省腫瘤醫(yī)院
• 主分類號(hào): G16B20/20
• 分類號(hào): G16B20/20;G16B50/00
• 代理公司: 寧波鄞州全方專利商標(biāo)事務(wù)所(普通合伙) 33242
• 代理人: 樓瑜舟;劉永斌

1.甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變預(yù)測(cè)模型的建立方法，其特征在于，所述建立方法使用來(lái)自中國(guó)人的甲狀腺乳頭狀癌原發(fā)癌組織樣本，所述甲狀腺乳頭狀癌原發(fā)癌組織樣本包括無(wú)轉(zhuǎn)移樣本、單純淋巴結(jié)轉(zhuǎn)移樣本和遠(yuǎn)處轉(zhuǎn)移樣本，同時(shí)對(duì)所述甲狀腺乳頭狀癌原發(fā)癌組織樣本進(jìn)行全外顯子測(cè)序(WES)和GeneseeqPrime425 genepanel檢測(cè)，所述WES檢測(cè)包括突變分析和染色體拷貝數(shù)變異(SCNA)分析，所述425genepanel檢測(cè)包括突變分析、融合分析和TERT啟動(dòng)子突變分析，綜合所述WES和425genepanel結(jié)果，從突變、融合和SCNA這三種類型變異探究分析甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子機(jī)制，建立甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變檢測(cè)模型，所述甲狀腺乳頭狀癌原發(fā)癌組織樣本被檢測(cè)的分子標(biāo)記包括基因突變，RET,ALK或NTRK1基因融合中任意一種或多種和SCNA；所述SCNA為22q loss；所述建立方法包括分子水平改變和轉(zhuǎn)移風(fēng)險(xiǎn)的關(guān)聯(lián)分析，對(duì)所述甲狀腺乳頭狀癌原發(fā)癌組織樣本出現(xiàn)的突變，比較每個(gè)事件野生型和突變型在各個(gè)臨床特征的差異，所述突變型包括BRAFV600E,RET融合，22q loss和TERT啟動(dòng)子突變；定義了融合group和SCNA group，有至少一個(gè)基因發(fā)生融合或至少一條染色體臂發(fā)生拷貝數(shù)變化計(jì)入group中；所述建立方法包括BRAF突變與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)，RET融合與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)，所述22q loss與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)，所述融合Group與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)，所述SCNA Group與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)，TERT啟動(dòng)子突變與甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移相關(guān)性檢測(cè)。

2.根據(jù)權(quán)利要求1所述的甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變預(yù)測(cè)模型的建立方法，其特征在于，所述建立方法對(duì)每一個(gè)甲狀腺乳頭狀癌原發(fā)癌組織樣本體細(xì)胞突變加上年齡、性別、多灶性當(dāng)成協(xié)變量，做多變量回歸分析。

3.甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變預(yù)測(cè)系統(tǒng)，包括因素輸入模塊和信息處理模塊、預(yù)測(cè)結(jié)果輸出模塊，其特征在于：所述預(yù)測(cè)系統(tǒng)包含

使用權(quán)利要求1方法建立的甲狀腺乳頭狀癌遠(yuǎn)處轉(zhuǎn)移分子突變預(yù)測(cè)模型，所述模型的檢測(cè)的分子標(biāo)記包括RET,ALK或NTRK1中任意一種或多種基因融合和22q loss，所述模型使用Logistic回歸模型圖形化繪制Nomogram圖預(yù)測(cè)遠(yuǎn)處轉(zhuǎn)移風(fēng)險(xiǎn)；所述預(yù)測(cè)模型納入侵襲、腫瘤病灶大小、基因融合事件分組和22q loss作為預(yù)測(cè)因素；使用Logistic回歸模型圖形化繪制Nomogram圖，所述預(yù)測(cè)模型輸入侵襲情況數(shù)值、腫瘤大小、融合事件數(shù)值和22q loss情況得到各因素分?jǐn)?shù)后計(jì)算總分?jǐn)?shù)；

信息處理模塊使用R軟件處理因素輸入模塊輸入的因素信息。