一种用于检测结直肠癌或腺瘤的生物标志物及其方法技术

本公开提供了一组可用于诊断结直肠癌或结直肠腺瘤的诊断生物标志物，还提供了使用诊断生物标志物组检测结直肠癌或结直肠腺瘤的方法。例如，本公开提供的方法是一种可以利用血清样本检测结直肠癌的非侵入性方法。此外，检测结直肠癌的方法可以检测不同阶段(例如癌前、早期、中期、晚期)的结直肠癌。晚期)的结直肠癌。晚期)的结直肠癌。

【技术实现步骤摘要】
一种用于检测结直肠癌或腺瘤的生物标志物及其方法
相关申请的交叉引用
[0001]本申请是母案为2020年12月28日提交的申请号为202080030060.1的中国专利的分案申请，母案要求于2019年12月28日提交的编号为62/954,483的美国临时专利申请的优先权，其全部内容通过引用并入本文。


[0002]本申请主要涉及结直肠异常的检测，尤其涉及用于检测结直肠癌或腺瘤的生物标志物及其方法。

技术介绍

[0003]结直肠癌(CRC)通常是指从结肠或直肠(大肠的部分)发展而来的癌症。CRC已成为全球日益严峻的临床挑战，而早期诊断被认为是提高CRC患者生存率的有效方法。腺瘤通常是指上皮组织的良性肿瘤。结肠腺瘤，也称为“结直肠腺瘤(CRA)”或“腺瘤性息肉”，往往会发展成恶性并导致CRC。因此，CRA或CRC的诊断对于评估患者的结直肠健康非常重要。
[0004]目前临床上用于诊断CRC和/或CRA的方法包括非侵入性方法和侵入性方法。非侵入性方法包括粪便潜血试验(FOBT)、使用诸如癌胚抗原(CEA)的肿瘤生物标志物等。侵入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测受试者的结直肠癌或结直肠腺瘤(CRC/CRA)的系统，所述系统包括：LC
‑
MS系统，被配置为量化来自所述受试者的样本中一组多种代谢物中的至少两种、至少三种、至少四种、至少五种、至少六种、至少七种、或八种代谢物的丰度，其中，所述样本为血液，所述至少两种代谢物包括说明书表10所示的代谢物组合，所述至少三种代谢物包括说明书表11所示的代谢物组合，所述至少四种代谢物包括表A中任意四种代谢物的组合，所述至少五种代谢物包括表A中任意五种代谢物的组合，所述至少六种代谢物包括表A中任意六种代谢物的组合，所述至少七种代谢物包括表A中任意七种代谢物的组合，所述八种代谢物包括表A中的代谢物：表A计算机系统，所述计算机系统执行如下步骤：将所述量化的一种或以上代谢物的丰度输入到预测模型中；通过所述预测模型处理所述量化的每种代谢物的丰度来确定样本分数；以及通过所述预测模型将样本分数与界限值进行比较来检测所述受试者的结直肠癌或结直肠腺瘤。2.如权利要求1所述的系统，其特征在于，所述多种代谢物进一步包括表B的代谢物：表B
并且其中表A中所有八种代谢物的丰度和表B中至少一种代谢物的丰度被量化。3.如权利要求1所述的系统，其特征在于，所述多种代谢物还包括表C中的代谢物：表C
并且其中量化表A中所有八种代谢物的丰度和表C中所有代谢物的丰度都被量化。4.如权利要求1
‑
3中任一项所述的系统，其特征在于，所述样本得分指示所述受试者患有结直肠癌或结直肠腺瘤的概率。5.如权利要求1
‑
3中任一项所述的系统，其特征在于，为通过所述预测模型处理所述量化的每种代谢物的丰度来确定样本分数，所述计算机系统进一步执行如下步骤：通过使用所述预测模型处理标准化的丰度来确定所述样本分数，其中，所述标准化的丰度通过标准化步骤(a)中量化的每种代谢物的丰度得到。6.如权利要求5所述的系统，其特征在于，所述预测模型是通过逻辑回归方法建立的。7.如权利要求5所述的系统，其特征在于，所述预测模型是基于对来自具有已知正常、结直肠癌或结直肠腺瘤状态的样本的所述代谢物的丰度的测量，通过逻辑回归方法建立的。8.如权利要求1
‑
3中任一项所述的系统，其特征在于，为通过所述预测模型将样本分数与界限值进行比较来检测所述受试者的结直肠癌或结直肠腺瘤，所述计算机系统进一步执行如下步骤：如果所述样本分数等于或大于所述界限值，则所述受试者可检测到结直肠癌或结直肠腺瘤。9.如权利要求1
‑
3中任一项所述的系统，其特征在于，对于接受者工作特性(ROC)曲线，所述系统的检测方法的曲线下面积(AUC)大于0.75。10.如权利要求1
‑
3中任一项所述的系统，其特征在于，对于接受者工作特性曲线，所述系统具有大于0.80的曲线下面积。11.如权利要求1
‑
3中任一项所述的系统，其特征在于，对于接受者工作特性曲线，所述系统具有大于0.85的曲线下面积。12.如权利要求1
‑
3中任一项所述的系统，其特征在于，对于接受者工作特性曲线，所述系统具有大于0.90的曲线下面积。13.如权利要求1
‑
3中任一项所述的系统，其特征在于，对于接受者工作特性曲线，所述系统具有约0.94的曲线下面积。14.一种检测受试者结直肠腺瘤的系统，所述系统包括：
LC
‑
MS系统，被配置为用质谱法量化来自所述受试者的样本中一组多种代谢物中的至少五种组分的丰度，其中，所述样本为血液，多种代谢物包括表A中的代谢物；计算机系统，所述计算机系统执行如下步骤：将所述量化的每种代谢物的丰度输入到预测模型中；通过所述预测模型处理所述量化的每种代谢物的丰度来确定样本分数；以及通过所述预测模型将预测值与界限值进行比较来检测所述受试者的结直肠腺瘤。15.如权利要求14所述的系统，其特征在于，表A中所有八种代谢物的丰度都被量化，并且为通过所述预测模型处理所述量化的每种代谢物的丰度来确定样本分数，所述计算机系统执行如下步骤：通过使用所述预测模型处理标准化的丰度来确定所述样本分数，其中，所述标准化的丰度通过标准化步骤(a)中量化的每种代谢物的丰度得到。16.如权利要求15所述的系统，其特征在于：对于接受者工作特性...

【专利技术属性】
技术研发人员：林凯，戴旭东，田宇，
申请(专利权)人：中精普康北京医药科技有限公司，
类型：发明
国别省市：