生物标志物组合在制备乳腺癌预测产品中的应用制造技术

本发明专利技术提供了生物标志物组合在制备乳腺癌预测产品中的应用。所述生物标志物组合包括：蝶呤、单蝶呤、6

【技术实现步骤摘要】
生物标志物组合在制备乳腺癌预测产品中的应用


[0001]本专利技术属于生物检测
，具体涉及一种生物标志物组合在制备乳腺癌预测产品中的应用。

技术介绍

[0002]癌症是全球死亡的主要原因之一，尽管疾病预防、筛查、诊断和治疗在进步，但是人口增长和既定风险因素（包括吸烟，肥胖和久坐不动的生活方式）使得患病率增加，导致癌症发病率上升。“早筛早诊早治”是公认的提高癌症治愈率的途径。降低癌症负担的关键挑战在于开发出用于早期检测和诊断的可靠的筛查方法。
[0003]目前有几种筛查癌症的方法，例如组织活检、医学成像、乳腺X线检查等。然而，由于筛查效能和实施的局限性，这些筛查方法对降低癌症死亡率有相对较小的影响。此外，当筛查方法不能区分恶性疾病时，会发生过度检测，从而使患者遭受不必要的治疗程序和可能降低患者生活质量的重大风险。
[0004]在全球范围内，乳腺癌既是最常见的癌症，也是导致妇女癌症死亡的最常见原因。生存率取决于癌症分期和分子亚型，早期癌症检测是改善预后的重要策略。国内外的主流专业组织都建议进行乳腺X线检查和/或乳腺超声检查，并对筛查异常的群体进行随访。筛查可降低15%
‑
40%的死亡率，但也存在过度诊断、过度治疗以及假阴性（6%
‑
46%）等问题。因此，开发一种高灵敏度、快速的早期乳腺癌检测方法迫在眉睫。
[0005]近年来，利用生物标志物进行早期癌症检测受到了广泛的关注。目前，这项工作的大部分集中在对血液的分析检测上。但是通过使用血清或血浆进行的血液分析具有一些固有的局限性，阻碍了临床生物标志物检测的发展。这些局限性中最重要的是血液中蛋白质库的相对高水平和复杂性质。血液基质的成分，包括凝血及其他血清学因子、载体蛋白、免疫调节蛋白及活性酶等在内的物质都可能对生物标志物检测造成干扰。血液检测的侵入性也限制了重复测量的可行性，并增加了患者和医疗专业人员的感染风险。利用生物标志物进行早期癌症检测，还包括对尿液的分析检测，尿液代谢组学由于其无创采样的特性和良好的结果重现性，成为一种潜在的癌症生物标志物检测方法。
[0006]尿液修饰核苷是另一类公认的癌症生物标志物，其由游离核苷和DNA和RNA结合核苷的化学修饰和损伤引起。因此，尿液修饰核苷已被普遍作为癌症标志物，包括上皮细胞癌。Hsu等（Hsu, W.Y., et al., Analysis of urinary nucleosides as potential tumor markers in human breast cancer by high performance liquid chromatography/electrospray ionization tandem mass spectrometry. Clin Chim Acta, 2011. 412(19
‑
20): p. 1861
‑
6.）测量了36例女性乳腺癌患者尿核苷水平，发现在乳腺癌患者尿液中3种核苷、胞苷、3
‑
甲基胞苷和肌苷水平显著升高。
[0007]受益于质谱技术的发展进步，尿液中广泛的代谢图谱揭示了大量代谢路径改变，因此，筛选出潜在的生物标志物，开发一种基于代谢物的多生物标志物组合的检测乳腺癌的方法具有重要的应用价值。

技术实现思路

[0008]针对现有技术存在的不足，本专利技术的目的在于提供生物标志物组合在制备乳腺癌预测产品中的应用，所述生物标志物为蝶啶类和修饰核苷类代谢物，本专利技术还提供了所述生物标志物组合在乳腺癌的检测和治疗中的应用方法，所述应用方法能提高临床检测的敏感性和特异性，从而做到乳腺癌早筛查早诊断，做好疾病管理，进而改善患者预后，提高患者生存率。
[0009]为达到此专利技术目的，本专利技术采用以下技术方案：
[0010]第一方面，本专利技术提供生物标志物组合在制备乳腺癌预测产品中的应用，所述乳腺癌预测产品用于预测受试者的如下三种结果：
[0011]（1）预测受试者为乳腺癌或正常；
[0012]（2）预测受试者为乳腺良性肿瘤或正常；
[0013]（3）预测受试者为乳腺良性肿瘤或乳腺癌；
[0014]所述生物标志物来源于受试者尿液；
[0015]所述生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中任意一种或至少两种的组合。
[0016]优选地，所述生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少5种的组合。
[0017]优选地，预测受试者为乳腺癌或正常的生物标志物组合包括：
[0018]蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少9种的组合。
[0019]优选地，预测受试者为乳腺良性肿瘤或正常的生物标志物组合包括：
[0020]蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.生物标志物组合在制备乳腺癌预测产品中的应用，其特征在于，所述乳腺癌预测产品用于预测受试者的如下三种结果：（1）预测受试者为乳腺癌或正常；（2）预测受试者为乳腺良性肿瘤或正常；（3）预测受试者为乳腺良性肿瘤或乳腺癌；所述生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中任意一种或至少两种的组合。2.根据权利要求1所述的应用，其特征在于，所述生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少5种的组合。3.根据权利要求2所述的应用，其特征在于，预测受试者为乳腺癌或正常的生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少9种的组合。4.根据权利要求2所述的应用，其特征在于，预测受试者为乳腺良性肿瘤或正常的生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少9种的组合。5.根据权利要求2所述的应用，其特征在于，预测受试者为乳腺良性肿瘤或乳腺癌的生物标志物组合包括：蝶呤、单蝶呤、6
‑
羧基蝶呤、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、生物蝶呤、墨蝶呤、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、次黄嘌呤核苷、腺苷、8
‑
羟基
‑2‑
脱氧鸟苷、5
‑
甲基尿甙、黄(嘌呤核)苷、胞嘧啶核苷、鸟嘌呤核苷或假尿(嘧啶核)苷中至少5种的组合。6.根据权利要求3所述的应用，其特征在于，预测受试者为乳腺癌或正常的生物标志物组合包括：6
‑
羧基蝶呤、生物蝶呤、腺苷、假尿(嘧啶核)苷、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、墨蝶呤；或，6
‑
羧基蝶呤、生物蝶呤、腺苷、假尿(嘧啶核)苷、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、单蝶呤、墨蝶呤；或，6
‑
羧基蝶呤、生物蝶呤、2,4
‑
二氧四氢喋啶、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、单蝶呤、墨蝶呤；或，6
‑
羧基蝶呤、生物蝶呤、2,4
‑
二氧四氢喋啶、N
‑
(4
‑
氨基苯甲酰)
‑
L
‑
谷氨酸、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、新蝶呤、墨蝶呤；或，6
‑
羧基蝶呤、腺苷、2,4
‑
二氧四氢喋啶、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶、黄(嘌呤核)苷、
单蝶呤、蝶呤。7.根据权利要求4所述的应用，其特征在于，预测受试者为乳腺良性肿瘤或正常的生物标志物组合包括：2,4
‑
二氧四氢喋啶、墨蝶呤、胞嘧啶核苷、生物蝶呤、鸟嘌呤核苷、5
‑
甲基尿甙、蝶呤、8
‑
羟基
‑2‑
脱氧鸟苷、假尿(嘧啶核)苷；或，2,4
‑
二氧四氢喋啶、墨蝶呤、胞嘧啶核苷、6
‑
羧基蝶呤、鸟嘌呤核苷、5
‑
甲基尿甙、蝶呤、8
‑
羟基
‑2‑
脱氧鸟苷、假尿(嘧啶核)苷；或，2,4
‑
二氧四氢喋啶、墨蝶呤、胞嘧啶核苷、生物蝶呤、6
‑
羧基蝶呤、鸟嘌呤核苷、5
‑
甲基尿甙、蝶呤、8
‑
羟基
‑2‑
脱氧鸟苷；或，2,4
‑
二氧四氢喋啶、墨蝶呤、胞嘧啶核苷、生物蝶呤、鸟嘌呤核苷、5
‑
甲基尿甙、蝶呤、8
‑
羟基
‑2‑
脱氧鸟苷、腺苷；或，2,4
‑
二氧四氢喋啶、胞嘧啶核苷、6
‑
羧基蝶呤、鸟嘌呤核苷、5
‑
甲基尿甙、蝶呤、单蝶呤、8
‑
羟基
‑2‑
脱氧鸟苷、假尿(嘧啶核)苷。8.根据权利要求5所述的应用，其特征在于，预测受试者为乳腺良性肿瘤或乳腺癌的生物标志物组合包括：8
‑
羟基
‑2‑
脱氧鸟苷、6
‑
羧基蝶呤、黄(嘌呤核)苷、鸟嘌呤核苷、新蝶呤、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶；或，8
‑
羟基
‑2‑
脱氧鸟苷、6
‑
羧基蝶呤、黄(嘌呤核)苷、鸟嘌呤核苷、新蝶呤；或，8
‑
羟基
‑2‑
脱氧鸟苷、6
‑
羧基蝶呤、黄(嘌呤核)苷、鸟嘌呤核苷、单蝶呤；或，8
‑
羟基
‑2‑
脱氧鸟苷、6
‑
羧基蝶呤、黄(嘌呤核)苷、鸟嘌呤核苷、单蝶呤、7
‑
羟基
‑
2,4
‑
二氧四氢喋啶；或，8
‑
羟基
‑2‑
脱氧鸟苷、6
‑
羧基蝶呤、黄(嘌呤核)苷、5
‑
甲基尿甙、鸟嘌呤核苷、单蝶呤。9.一种乳腺癌分类预测模型，其特征在于，所述乳腺癌分类预测模型包括：（1）数据获取模块：用于获取对照组、乳腺良性肿瘤组和乳腺癌组的尿液样本样品中生物标志物组合的质谱数据；（2）数据分析模块：用于对3个对比组做统计显著性分析，对比组包括对照组和乳腺良性肿瘤组、对照组和乳腺癌组、乳腺良性肿瘤组和乳腺癌组；（3）分类预测模型构建模块：用于构建对照组和乳腺癌组的分类预测模型、对照组和乳腺良性肿瘤组的分类预测模型、乳腺良性肿瘤组和乳腺癌组的分类预测模型；分别将3个对比组中的质谱数据为训练集和测试集，使用逻辑回归分别对3个对比组做分类预测模型；（4）分类预测结果输出模块：用于将受试者尿液样本中的分子标志物的数值代入分类预测模型的模型公式，基于模型公式的输出值计算受试者的分类概率值和输出分类结果。10.根据权利要求9所述的乳腺癌分类预测模型，其特征在于，分类预测模型构建模块中，采用10 repeat * 5 fold交叉验证方法计算模型性能；在python3.9编程环境下，调用scikit
‑
learn软件包执行逻辑回归建模；使用的逻辑回归加入的惩罚参数类型为弹性网络，其他参数使用网格搜索法确定最佳参数组合；分类预测结果输出模块中，概率值计算公式如下所示：
；式中，y表示模型的预测值，所述预测值为根据模型公式计算得到的Y值，e表示自然对数值，P表示受试者的分类概率值。11.根据权利要求10所述的乳腺癌分类预测模型...

【专利技术属性】
技术研发人员：张磊，李美娟，李腾腾，成晓亮，张伟，周岳，
申请(专利权)人：南京品生医疗科技有限公司上海氨探生物科技有限公司，
类型：发明
国别省市：