用于癌症筛查的基于m1A相关miRNA诊断试剂、模型及制备方法技术

本发明专利技术公开了用于癌症筛查的基于m1A相关miRNA诊断试剂、模型及制备方法。本发明专利技术所提供的用于癌症筛查的的诊断试剂，包括选自SEQ ID NO.1至SEQ ID NO.20所示序列的RNA。本发明专利技术还提供了一种癌症筛查模型的构建方法。本发明专利技术基于血清中m1A

【技术实现步骤摘要】
用于癌症筛查的基于m1A相关miRNA诊断试剂、模型及制备方法


[0001]本专利技术涉及生物医学
，特别地涉及用于癌症筛查的基于m1A相关miRNA诊断试剂、模型及制备方法。

技术介绍

[0002]大多数新发癌症病例通常发现在晚期，使患者失去了最佳治疗机会，导致预后不良。癌症的早期诊断对于降低癌症死亡率、延长患者生存期、减轻社会负担具有重要意义。由于现有癌症筛查方法存在成本高、侵入性强和准确率低等缺陷，基于这些现有方法进行大规模癌症筛查既不可行，也不具有成本效益。近年来，循环肿瘤DNA(circulating tumor DNA，ctDNA)在大规模的癌症筛查中展现出极大的临床应用前景，但其敏感性还有待提高。因此，迫切需要开发一种更有效和低侵入性、低成本的新型生物标志物，用于大规模癌症筛查。
[0003]m1A是哺乳动物中最常见的RNA修饰类型之一，由甲基转移酶、去甲基酶和结合蛋白调节，分别被称为“编码器(Writer)”、“消码器(Eraser)”和“读码器(Reader)”。m1A修饰水平的失调与肿瘤的发生和发展密切相关。有证据表明，m1A修饰异常介导的TP53突变，可以促进肿瘤的发生。YTHDF1“读码器”通过与EIF3C mRNA结合，影响EIF3C翻译，进而促进卵巢癌的发生和发展。在外周血中，m1A修饰对肿瘤的临床诊断、手术根治程度评估和预后预测具有重要的参考价值。胃癌患者癌组织的m1A修饰水平显著高于正常组织，且m1A修饰水平与肿瘤大小、胃癌TNM分期密切相关。m1A调控子(编码器、消码器和读码器)的表达受多种miRNA的调节，并且这些miRNA在肿瘤转移和进展中发挥了重要作用。miR
‑
17
‑
5p和miR
‑
432可以直接靶向ADAR1(“编码器”)，抑制ADAR1的表达，促进黑色素瘤的转移和侵袭。ADAR1通过miRNA
‑
302a介导的IRF9/STAT1途径抑制胃癌中的干扰素信号传导。miR
‑
451a能通过调控YTHDC1(“读码器”)激活AKT/mTOR信号通路，进而促进骨肉瘤细胞的侵袭。血清中的循环miRNA稳定性高且易检测，是肿瘤无创诊断的理想标志物。因此，开发基于血清中m1A
‑
miRNAs的新型诊断生物标志物是大规模癌症筛查的潜在策略。

技术实现思路

[0004]有鉴于此，本专利技术旨在确定与m1A相关的miRNA，并基于m1A
‑
miRNAs构建诊断模型应用于大规模癌症筛查。所构建的m1A
‑
miRNAs指标展示出了很高的准确性，并在区分癌症类型方面表现出优异的敏感性。m1A
‑
miRNAs指标的诊断性能不受性别、年龄和良性疾病的影响，并且适用于癌症的早期筛查。
[0005]本专利技术的一个目的是提供一种用于癌症筛查的的诊断试剂。
[0006]本专利技术所提供的用于癌症筛查的的诊断试剂，所述试剂包括选自SEQ ID NO.1至SEQ ID NO.20所示序列的RNA(以下SEQ ID NO.1至SEQ ID NO.20中的“T”表示RNA中的尿嘧啶)：
[0007]SEQ ID NO.1：AGTATCGGGACATGTTACGACGA；
[0008]SEQ ID NO.2：TCGGATAGGACCTAATGAACTT；
[0009]SEQ ID NO.3：TACGGGAAAATTGTAACGTGAC；
[0010]SEQ ID NO.4：TTGATATGTTGGATGATGGAGT；
[0011]SEQ ID NO.5：CCATTAGGGACCGTTACACTA；
[0012]SEQ ID NO.6：GGATGCAAGGTATCAGATGGT；
[0013]SEQ ID NO.7：GCGGTTATAAATGCACGACGAT；
[0014]SEQ ID NO.8：AGGTTAGTCAAGGACTACGTCAT；
[0015]SEQ ID NO.9：CCTTTAGGGACCGTTACACTA；
[0016]SEQ ID NO.10：ACATTTGGTACTACACGACGAT；
[0017]SEQ ID NO.11：TTCGTACCTTCGTGAAT；
[0018]SEQ ID NO.12：CGAAACTGTTATGATAACGTGAC；
[0019]SEQ ID NO.13：TTGATATGTTGGAGGATGGAGT；
[0020]SEQ ID NO.14：TCATGTAGTAGATATGACAT；
[0021]SEQ ID NO.15：GATGGACGTGATACTCGTGAAAC；
[0022]SEQ ID NO.16：TGGGATATTCGTTATAACGTGAT；
[0023]SEQ ID NO.17：GATGGACGTGACATTCGTGAAAC；
[0024]SEQ ID NO.18：TTAGTCAGAGTAACGAAATATT；
[0025]SEQ ID NO.19：GGTGACTTTGTACCTTCGTGAAT；
[0026]SEQ ID NO.20：TCCCTAAGGACCCTTTTGACCTG。
[0027]所述试剂包括SEQ ID NO.1至SEQ ID NO.20所示序列的RNA：
[0028]SEQ ID NO.1：AGTATCGGGACATGTTACGACGA；
[0029]SEQ ID NO.2：TCGGATAGGACCTAATGAACTT；
[0030]SEQ ID NO.3：TACGGGAAAATTGTAACGTGAC；
[0031]SEQ ID NO.4：TTGATATGTTGGATGATGGAGT；
[0032]SEQ ID NO.5：CCATTAGGGACCGTTACACTA；
[0033]SEQ ID NO.6：GGATGCAAGGTATCAGATGGT；
[0034]SEQ ID NO.7：GCGGTTATAAATGCACGACGAT；
[0035]SEQ ID NO.8：AGGTTAGTCAAGGACTACGTCAT；
[0036]SEQ ID NO.9：CCTTTAGGGACCGTTACACTA；
[0037]SEQ ID NO.10：ACATTTGGTACTACACGACGAT；
[0038]SEQ ID NO.11：TTCGTACCTTCGTGAAT；
[0039]SEQ ID NO.12：CGAAACTGTTATGATAACGTGAC；
[0040]SEQ ID NO.13：TTGATATGTTGGAGGATGGAGT；
[0041]SEQ ID NO.14：TCATGTAGTAGATATGA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于癌症筛查的的诊断试剂，其特征在于：所述试剂包括选自SEQ IDNO.1至SEQ ID NO.20所示序列的RNA：SEQ ID NO.1：AGTATCGGGACATGTTACGACGA；SEQ ID NO.2：TCGGATAGGACCTAATGAACTT；SEQ ID NO.3：TACGGGAAAATTGTAACGTGAC；SEQ ID NO.4：TTGATATGTTGGATGATGGAGT；SEQ ID NO.5：CCATTAGGGACCGTTACACTA；SEQ ID NO.6：GGATGCAAGGTATCAGATGGT；SEQ ID NO.7：GCGGTTATAAATGCACGACGAT；SEQ ID NO.8：AGGTTAGTCAAGGACTACGTCAT；SEQ ID NO.9：CCTTTAGGGACCGTTACACTA；SEQ ID NO.10：ACATTTGGTACTACACGACGAT；SEQ ID NO.11：TTCGTACCTTCGTGAAT；SEQ ID NO.12：CGAAACTGTTATGATAACGTGAC；SEQ ID NO.13：TTGATATGTTGGAGGATGGAGT；SEQ ID NO.14：TCATGTAGTAGATATGACAT；SEQ ID NO.15：GATGGACGTGATACTCGTGAAAC；SEQ ID NO.16：TGGGATATTCGTTATAACGTGAT；SEQ ID NO.17：GATGGACGTGACATTCGTGAAAC；SEQ ID NO.18：TTAGTCAGAGTAACGAAATATT；SEQ ID NO.19：GGTGACTTTGTACCTTCGTGAAT；SEQ ID NO.20：TCCCTAAGGACCCTTTTGACCTG。2.根据权利要求1所述的用于癌症筛查的诊断试剂，其特征在于：所述癌症选自乳腺癌、膀胱癌、结直肠癌、食管癌、神经胶质瘤、胃癌、肝癌、肺癌、卵巢癌、胰腺癌、前列腺癌和肉瘤。3.用于癌症筛查的诊断试剂盒，其特征在于，所述试剂盒包括权利要求1或2所述的用于癌症筛查的诊断试剂。4.一种癌症筛查模型的构建方法，其特征在于，包括如下步骤：(1)筛选样本：从数据库中获取包含癌症的血清样本的miRNA芯片测序数据；(2)鉴定候选的m1A
‑
miRNAs：通过TargetScan数据库得到与调控子相关的miRNA，同时通过PubMed数据库检索m1A修饰相关的miRNA；再通过eB ayes检验进行差异分析，鉴定出高表达的m1A
‑
miRNA；最后通过Lasso回归进行降维分析，筛选得到m1A
‑
miRNAs用于模型的验证；(3)构建用于肿瘤筛查的模型：将所述步骤(1)中获取的血清样本随机分为训练集和测试集，用训练集样本基于支持向量机算法进行模型的构建；用验证集来判断模型的准确性；同时用所述步骤(2)筛选得到m1A
‑
miRNAs对模型进行验证。5.根据权利要求4所述的癌症筛查模型的构建方法，其特征在于：所述步骤(1)中所述数据库为GEO数据库，所述包含癌症的血清样...

【专利技术属性】
技术研发人员：欧阳燕，张世超，唐福州，
申请(专利权)人：贵州医科大学，
类型：发明
国别省市：