本发明专利技术公开了一种预测甲状腺肿瘤良恶性的试剂盒。该试剂盒含有分别检测DPP4、SCG5和CA12基因的表达量的引物，所述的引物的序列分别如SEQ ID NO.1～6所示。本发明专利技术通过检测3个基因的表达(DPP4、SCG5和CA12)，通过贝叶斯模型平均法(BMA)对甲状腺良、恶性肿瘤进行分类，该基因组合具有较高的准确度(94.3％)，相较于基因芯片具有成本低廉、操作简便、易于规范化、临床可应用性强等特点。
【技术实现步骤摘要】
本专利技术属于生物
，具体涉及一种预测甲状腺肿瘤良恶性的试剂盒。
技术介绍
甲状腺癌是最常见的内分泌肿瘤，约占内分泌系统肿瘤的86. 8%，且恶性甲状腺 结节的发病率逐年上升，其上升幅度居于所有癌症之首。由于甲状腺结节大部分为良性病 变，恶性结节仅占约5-7. 7%，且良、恶性结节治疗方法及愈后不同，因此临床诊断的首要目 的是术前确定甲状腺结节的良、恶性，制定合理的个性化治疗方案，以减少不必要的甲状腺 切除手术所造成的患者额外的经济负担及术后并发症，合理配置医疗资源，提高患者生活 质量。 目前临床用于诊断良、恶性甲状腺结节的方法主要有超声、计算机断层成像（CT)、 核磁共振成像（MRI)及超声引导下的甲状腺细针穿刺细胞学检查等。细针穿刺细胞学检查 是目前评估甲状腺结节最为准确、有效和经济的方法。但是大量研究表明，约15-30%的细 针穿刺细胞学检查结果报告为"无法诊断"且即使复查细针穿刺细胞学检查也有20-58%的 结果仍然报告为"无法诊断"。该部分病人在随后进行的甲状腺切除手术后，对切除组织进 行病理分析，甲状腺结节的良性率仍占70~80%，也就是说大部分病人因无法得到较为准 确的术前诊断而进行了不必要的探查性手术。这不仅增加了该部分病人术后各种并发症的 风险，造成我国原本紧张的医疗资源的浪费，更增添了相当一部分病人额外的经济负担。此 外，由于该诊断方法对于细针穿刺操作医师以及病理读片医师均有较高要求等，均限制其 在良恶性甲状腺结节术前诊断中的常规应用。因此，临床需要更为简便、经济、准确的用于 术前诊断良、恶性甲状腺结节的实验室检测方法。 随着生物信息学和基因芯片技术的发展，甲状腺细针穿刺物或组织样本通过基 因表达芯片检测技术以及生物信息学分析以术前预测良、恶性甲状腺结节已具有较好的预 测性能。Alexande等通过基因表达谱差异，鉴定出167个差异基因，并采用支持向量机的方 法对细胞学鉴定结果可疑的细针穿刺样本进行预测，其预测敏感性可达92%。但通常良、 恶性甲状腺结节间差异表达的基因至少有几十甚至上百个，且基因芯片平台测试具有成本 高、操作复杂、实验数据可重复性差等特点。若将该技术应用与临床常规对于甲状腺结节良 恶性的判别诊断，不仅大大增加了病人不必要的经济负担，且其较为复杂的实验步骤及芯 片平台的建立不便于临床实验室日常检测工作的开展。因此，临床工作者急需简便、高效、 易于标准化且有较好预测性能的甲状腺术前诊断试剂盒以协助良、恶性甲状腺结节的鉴别 诊断。
技术实现思路
本专利技术要解决的技术问题是，针对目前甲状腺肿瘤术前预测良恶性准确率较低的 缺陷，提供一种预测甲状腺肿瘤良恶性的试剂盒，该试剂盒即能以较高的准确度预测甲状 腺肿瘤的良恶性。 本专利技术解决上述技术问题的技术方案为：一种预测甲状腺肿瘤良恶性的试剂盒， 它含有分别检测DPP4、SCG5和CAl2基因的表达量的引物，所述的引物的序列分别如SEQ ID NO. 1、SEQ ID NO. 2、SEQ ID NO. 3、SEQ ID NO. 4、SEQ ID NO. 5 和 SEQ ID NO. 6 所示。 其中，所述的试剂盒较佳的还含有检测内参基因 GAPDH表达量的引物，该引物的 序列较佳的分别如SEQ ID NO. 7和SEQ ID NO. 8所示。 其中，所述的试剂盒较佳的还含有PCR反应液。所述的PCR反应液更佳的含荧光 染料SYBR Green、Taq酶、dNTP和镁离子。 其中，所述的引物可以是粉末，也可以是溶液。较佳的，所述的引物的浓度可以是 5-15 μ M，更佳的是10 μ M。 其中，所述的试剂盒较佳的还含有抽提RNA的试剂。其为常规的抽提RNA的试剂。 其中，所述的试剂盒较佳的还含有反转录试剂。其为常规的反转录试剂。 其中，所述的试剂盒较佳的还含有双蒸水。 其中，所述的试剂盒较佳的还含有使用说明书。 本专利技术的一较佳实施例是：一种预测甲状腺肿瘤良恶性的荧光定量PCR试剂盒， 其含有： 序列分别如SEQ ID NO. 1-8所示的引物，和 含荧光染料SYBR Green、Taq酶、dNTP和镁离子的PCR反应液。 在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实 例。 本专利技术所用试剂和原料均市售可得。 本专利技术的积极进步效果在于：与现有技术相比，首先相较于其他大量利用生物信 息学以及基因表达谱分析甲状腺良、恶性肿瘤术前诊断的研究方法，本专利技术筛选出了一个3 个基因的组合（DPP4、SCG5和CA12)，通过贝叶斯模型平均法（BM)对甲状腺良、恶性肿瘤 进行分类，该基因组合具有较高的预测性能，克服了临床常规对于甲状腺组织细针穿刺细 胞学检测结果"无法诊断"以及结果判断时对于病理科医生经验技术较高且判读具有一定 主观性等不足，且通过3个独立数据库以及甲状腺肿瘤标本实验验证，其预测性能具有较 好的鲁棒性以及广泛适用性。其次，本专利技术提供了一种实时荧光定量PCR术前诊断良恶性 甲状腺肿瘤检测试剂盒，由于该试剂盒仅通过荧光定量PCR方法检测3个基因相对于内参 基因的表达量即能以较高的准确度（94.3% )预测甲状腺肿瘤的性质，其相较于基因芯片 具有成本低廉、操作简便、易于规范化、临床可应用性强等特点。【具体实施方式】 下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实 施例范围之中。下列实施例中未注明具体条件的实验方法，按照常规方法和条件，或按照商 品说明书选择。 实施例1 利用生物信息学方法，以机器学习理论为基础，通过对公共数据库（Gene Expression Omnibus, GE0)中良、恶性甲状腺肿瘤基因表达芯片独立数据集的筛选分析，利 用迭代贝叶斯模型平均法（iterativeBMA)筛选少量基因组合，并在GEO数据库中另外3个 独立数据集进行验证，最终建立以实时荧光定量PCR(QPCR)方法检测少量基因组合，通过 贝叶斯平均模型以达到预测良恶性甲状腺肿瘤的目的。 ⑴采用两步法进行肿瘤标志基因组合的筛选：芯片数据的线性模型（li_a) +迭 代贝叶斯模型平均法； 首先采用针对芯片数据的线性模型（Iimma)，以GEO公共数据库中GSE29315作为 训练集，对其中71个良、恶性甲状腺肿瘤差异基因进行筛选。该方法属于监督分类的一种， 根据表型协变量鉴定组间差异表达，并在鉴定差异表达基因前对表达值进行非特异性过 滤，以提高差异表达基因的检出率和功效。通过li_a方法，以在良、恶性组中表达差异至 少相差2倍且两组之间差异P〈0. 01为标准，共找出GSE29315数据库中（共71个样本，其 中40个良性，31个恶性肿瘤标本）有43个探针所对应的共37个基因其表达水平在良、恶 性甲状腺肿瘤中存在显著差异。 但该方法所选择出的差异基因数量仍然较多，不便于临床常规检测。因此，采用 iterativeBMA方法进一步筛选差异基因。该方法的优点有：1)通过计算所有可能模型的平 均后验概率作为权重，充分考虑了模型的不确定性；2)高效的运算效率；3)是一种多变量 特征选择方法，能同时考虑不同基因之间的相关性，以减少最终所选择出的肿瘤标志基因 的数量。 通过两步法进行的肿瘤标志基本文档来自技高网...
【技术保护点】
一种预测甲状腺肿瘤良恶性的试剂盒，其特征在于，其含有分别检测DPP4、SCG5和CA12基因的表达量的引物，所述的引物的序列分别如SEQ ID NO.1、SEQ ID NO.2、SEQ ID NO.3、SEQ ID NO.4、SEQ ID NO.5和SEQ ID NO.6所示。
【技术特征摘要】
【专利技术属性】
技术研发人员：吕晖，郑冰，曾凡一，顾坚磊，刘君，吕曜，
申请(专利权)人：上海凡翼生物科技有限公司，上海市儿童医院，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。