CN101688240A - 通过微rna预测癌症患者的治疗后存活预期 - Google Patents

通过微rna预测癌症患者的治疗后存活预期 Download PDF

Info

Publication number
CN101688240A
CN101688240A CN200880011562A CN200880011562A CN101688240A CN 101688240 A CN101688240 A CN 101688240A CN 200880011562 A CN200880011562 A CN 200880011562A CN 200880011562 A CN200880011562 A CN 200880011562A CN 101688240 A CN101688240 A CN 101688240A
Authority
CN
China
Prior art keywords
hsa
expression level
survival
expection
patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200880011562A
Other languages
English (en)
Inventor
陈健尉
俞松良
陈璇宇
张基晟
陈志毅
杨泮池
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Taiwan University NTU
DCB USA LLC
Original Assignee
National Taiwan University NTU
DCB USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Taiwan University NTU, DCB USA LLC filed Critical National Taiwan University NTU
Publication of CN101688240A publication Critical patent/CN101688240A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C12N15/11—DNA or RNA fragments; Modified forms thereof; Non-coding nucleic acids having a biological activity
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/178—Oligonucleotides characterized by their use miRNA, siRNA or ncRNA

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Oncology (AREA)
  • Hospice & Palliative Care (AREA)
  • Biomedical Technology (AREA)
  • Plant Pathology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

本发明提出基于癌症患者体内微RNA hsa－miR137、hsa－miR372、hsa－miR182*、hsa－miR221及hsa－let－7a的表达水平预测癌症患者治疗后的存活预期的方法。

Description

通过微RNA预测癌症患者的治疗后存活预期
相关申请的交叉引用
本申请要求于2007年4月10日提交的美国临时申请60/910993号的优先权，该临时申请的内容通过引用全文并入本申请中。
背景技术
肺癌，特别是非小细胞肺癌(NSCLC)是全球最常见的癌症死因，参见Jemal等，CA Cancer J.Clin.56：106-130(2006)。早期NSCLC患者经治疗后5年内的复发率约为40％；研究指出，疾病进程可能与临床预后相关，参见Miller，Am.J.Respir.Cell Mol.Biol.33：216-223(2005)。然而，单靠这一因素无法适当地预测临床预后。
研究指出，基因表达谱分析，特别是微RNA(MicroRNA，miRNA)谱分析，可用于癌症诊断及预后，参见Endoh等，J.Clin.Oncol.22：811-819(2004)；以及Potti等，N.Engl.J.Med.355：570-580(2006)。例如在确定癌症亚型时，已经发现某些微RNA的表达模式比编码蛋白质的基因更为精确，参见Calin等，Nat.Rev.Cancer 6：857-866(2006)；以及Volinia等，Proc.Natl.Acad.Sci.U.S.A.103：2257-2261(2006)。
微RNA是小型的非蛋白质编码性的RNA，其可通过RNA干扰而在转录后调节数百种基因的表达，因而控制非常多的生化反应路径，例如，细胞增殖、分化及凋亡，参见Calin等，2006。有报道指出，特定微RNA印记(signature)，即在一组患者中呈现特定表达模式的一种或多种微RNA与慢性淋巴细胞性白血病、肺腺癌、乳腺癌、胰腺癌及多种癌症的临床预后相关，参见Calin等，2006。鉴别新的微RNA印记具有很大的意义，因为这些微RNA印记可有效地用以预测各种癌症，特别是NSCLC的临床预后。
发明内容
本发明基于特定微RNA，例如hsa-miR137、hsa-miRNA372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平与癌症患者治疗后的存活预期相关的发现。
本发明的一个方面是提供一种用以预测癌症患者的治疗后存活预期的方法。上述方法是根据hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221或hsa-let-7a的表达水平确定标准化的域周期值(-dCt)。若hsa-miR137、hsa-miR182*及hsa-miR372的-dCt值分别等于或小于-8.22、-7.83及-11.25，或若hsa-miR221及hsa-let-7a的-dCt值分别等于或大于-0.57及2.21时，则判定患者治疗后的存活预期尚可接受(a fair prospect)。
本发明的另一个方面，根据四种微RNA的表达水平可以预测癌症患者的治疗后存活预期，上述四种微RNA是选自hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a。具体而言：
1.当评估hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平时，风险评分的计算方式如下：(0.31x hsa-miR372的表达水平)+(0.28x hsa-miR182*的表达水平)+(-0.13x hsa-miR221的表达水平)+(-0.14x hsa-let-7a的表达水平)。风险评分等于或小于-5.90表示患者治疗后的存活预期尚可接受。
2.当评估hsa-miR137、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平时，风险评分的计算方式如下：(0.15x hsa-miR137的表达水平)+(0.28x hsa-miR182*的表达水平)+(-0.13x hsa-miR221的表达水平)+(-0.14x hsa-let-7a的表达水平)。风险评分等于或小于-3.71表示患者治疗后的存活预期尚可接受。
3.当评估hsa-miR137、hsa-miR372、hsa-miR221及hsa-let-7a的表达水平时，风险评分的计算方式如下：(0.15x hsa-miR137的表达水平)+(0.31x hsa-miR372的表达水平)+(-0.13x hsa-miR221的表达水平)+(-0.14x hsa-let-7a的表达水平)。风险评分等于或小于-4.87表示患者治疗后的存活预期尚可接受。
4.当评估hsa-miR137、hsa-miR182*、hsa-miR372及hsa-let-7a的表达水平时，风险评分的计算方式如下：(0.15x hsa-miR137的表达水平)+(0.28x hsa-miR182*的表达水平)+(0.31x hsa-miR372的表达水平)+(-0.14x hsa-let-7a的表达水平)。风险评分等于或小于-7.02表示患者治疗后的存活预期尚可接受。
5.当评估hsa-miR137、hsa-miR182*、hsa-miR221及hsa-miR372的表达水平时，风险评分的计算方式如下：(0.15x hsa-miR137的表达水平)+(0.28x hsa-miR182*的表达水平)+(-0.13x hsa-miR221的表达水平)+(0.31x hsa-miR372的表达水平)。风险评分等于或小于-6.86表示患者治疗后的存活预期尚可接受。
本发明又一个方面，可以根据上述五种微RNA的表达水平预测癌症患者治疗后的存活预期。风险评分的计算方式如下：(0.15xhsa-miR137的表达水平)+(0.31x hsa-miR372的表达)+(0.28xhsa-miR-182*的表达水平)+(-0.13x hsa-miR221的表达水平)+(-0.14x hsa-let-7a的表达水平)。若癌症患者的风险评分等于或大于-7.1，则该癌症患者治疗后的存活预期尚可接受。
本发明再另一个方面，可以根据hsa-miR221、hsa-miR372及hsa-miR137的表达水平预测癌症患者治疗后的存活预期。风险评分的计算方式如下：(0.15x hsa-miR137的表达水平)+(0.31xhsa-miR372的表达)+(-0.13x hsa-miR221的表达水平)。若癌症患者的风险评分等于或小于-4.7，则该癌症患者治疗后的存活预期尚可接受。
癌症患者「治疗后的存活预期尚可接受」表示此癌症患者治疗后死亡的风险比患相同类型癌症患者的平均死亡风险低至少50％(例如，100％或150％)。
本发明范围内还包括用以检测微RNA表达的试剂盒。在一实施例中，该试剂盒包含能够检测hsa-miR221、hsa-miR372及hsa-miR137的表达的寡核苷酸。在另一种实施例中，该试剂盒包含能够检测选自hsa-miR 137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的至少四种微RNA的表达的寡核苷酸。可将上述试剂盒中任一种所含的寡核苷酸固定于支承组件(例如，聚合物基材)上以形成核酸芯片。
经过治疗(如手术治疗、化学治疗或放射治疗)的所述癌症患者患肺癌(例如，各期的非小细胞肺癌)、白血病、乳腺癌、胰腺癌、腺癌或鳞状细胞癌、结肠癌或肝细胞癌。
下文提出本发明的一种或多种具体实施方式。可由下文说明以及权利要求得知本发明的其它特征、目标及优点。
附图说明
图1为显示微RNA风险评分的分析图，其是根据112名NSCLC患者体内的hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平进行分析。上图：微RNA风险评分分布。中图：患者的死亡/存活状态。下图：患者的微RNA表达谱；由下至上的五行分别为hsa-let-7a、hsa-miR221、hsa-miR372、hsa-miR182*及hsa-miR137；每一列表示一患者。虚线表示将患者区分为低风险及高风险组的截止线(风险评分7.1)。
图2为显示低风险及高风险组的NSCLC患者的整体存活和无复发存活的Kaplan-Meier估计的分析图。图2A显示由训练数据集的56名患者所得的结果，图2B显示由测试数据集中56名患者所得的结果，及图2C显示由独立同龄组(cohort)中62名患者所得的结果。
图3为显示低风险及高风险组的NSCLC患者的整体存活及无复发存活的Kaplan-Meier估计检定的分析图。图3A显示由I期NSCLC患者(n＝47)所得的结果，图3B显示由II期NSCLC患者(n＝28)所得的结果，图3C显示由III期NSCLC患者(n＝37)所得的结果，图3D显示由腺癌患者(n＝55)所得的结果以及图3E显示由鳞状细胞癌患者(n＝50)所得的结果。
具体实施方式
本申请提供一种用以根据与临床预后相关的一种或多种微RNA的表达模式预测癌症患者的临床预后(例如，治疗后的存活预期)的方法。
可利用以下方法识别与临床预后相关的一种或多种微RNA。
募集一组经过治疗的癌症患者。将患相同类型癌症的患者随机分配至训练组及测试组。利用本领域中已知的方法(例如，实时PCR或微阵列分析)测定上述二组中患者癌症组织/细胞(例如，活组织检查样本、甲醛固定-石蜡包埋组织或冷冻组织中包含的组织或细胞)中多种微RNA的表达水平。因此测定的各微RNA的表达水平通过相同患者体内的内部对照(例如小的核RNA，如U1、U2或U6)的表达水平进行标准化，以得到标准化的表达水平。
利用统计分析法，如Cox回归分析，来分析由训练组取得的微RNA标准化表达水平以确定何种或哪些微RNA与癌症患者的临床预后(例如，治疗后的存活)相关。在一实施例中，由单变量Cox回归分析得到的危险比(hazard ratio)用来鉴别与由于癌症复发或任何其它原因导致的死亡相关的微RNA。参见Cox，J.Royal StatisticalSociety Series B 34：187-220(1972)。若微RNA的危险比小于1，则将该微RNA视为保护型微RNA，而若微RNA的危险比大于1，则将该微RNA视为风险型微RNA。
一旦识别与临床预后相关的微RNA(例如，保护型及风险型微RNA)，则可通过相关领域中已知的统计分析方法确定微RNA的表达模式与临床预后之间的相关性。在一实施例中，根据一种或多种保护型和/或风险型微RNA的表达水平来计算各患者的风险评分，然后确定风险评分值与患者治疗后的存活期之间的关系。利用上述方法确定的相关性在测试组中确认以证实微RNA表达模式的确与研究中的临床预后相关。优选地，进一步在独立同龄组中验证上述相关性，所述独立同龄组包括患与训练组及测试组中的患者相同类型的癌症的许多患者。
在确认之后，优选验证之后，可利用所识别的微RNA根据其表达模式来预测具有相同类型癌症的患者的临床预后。举例而言，可建构一数学公式，将这些微RNA的表达水平以及在上述统计分析中的显著性同时纳入考虑。按照这一数学公式，可计算患者的风险评分。风险评分值即表明患者的临床预后。
亦可利用与癌症患者的临床预后相关的微RNA来识别癌症治疗的潜在靶标，参见Czech，N.Engl.J.Med.354：1194-1195(2006)。可利用微RNA靶标预测算法来识别这些微RNA的靶基因，例如PicTar，参见Krek等，Nat.Genet.37：495-500(2005)；TargetScan，参见Lewis等，Cell 115：787-798(2003)；miRNAMap，参见Hsu等，Nucleic Acids Res.34：D135-139(2006)；miRBase，参见Griffiths-Jones等，Nucleic Acids Res.34：D140-144(2006)；GenMAPP，参见http://www.genmapp.org；及Reactome，参见http://www.reactome.org。这些基因及其产物为癌症治疗的潜在靶标或药物。
不需要进一步的详细说明，上述说明已认为足以使本发明能够实现。下文实施例阐明可用以预测NSCLC患者治疗后存活预期的微RNA印记。本实施例仅为说明性质，而非以任何方式限制本说明书的任何其它部分。将本说明书中提及的所有公开文献整体纳入作为本发明的参照文献。
材料及方法
(a)患者及组织样本
由台中荣民总医院募集已经过手术治疗的连续112名NSCLC患者。将这些患者随机分配至训练组数据集(n＝56)及测试组数据集(n＝56)中。此外，由台湾大学附设医学院募集同样也经过手术治疗的连续62名NSCLC患者，利用这62名患者作为独立同龄组。从本研究募集的所有患者取得肺癌组织冷冻样本。所有患者皆为汉族华人。
(b)微RNA谱分析
利用ABI PRISM 7900实时PCR***以及TaqMan MicroRNAAssays Human Panel-Early Access Kit试剂盒进行微RNA表达谱分析。TaqMan试剂盒包含用以确定157种成人微RNA的引物(AppliedBiosystems)。首先利用TaqMan微RNA RT试剂及对该微RNA特异性的引物来扩增各微RNA的cDNA，并利用TaqMan 2x UniversalPCR Master mix进一步进行扩增。在扩增过程中，将荧光染料掺入cDNA产物中。各微RNA的表达水平(以域周期(Ct)值来表示)是根据掺入cDNA产物中的荧光染料产生的荧光水平确定的。Ct是指荧光量超过固定域限值的分数。之后利用U6的Ct值对各微RNA的Ct值进行标准化。U6是微RNA定量分析中的常用内部对照。参见Jiang等，Nucleic Acids Res.33：5394-5403(2005)；及Yanaihara等，CancerCell 9：189-198(2006)。具体而言，标准化Ct值(-dCt)的计算方式如下：-dCt＝(Ct微RNA-CtU6)。
(c)统计分析
利用由单变量Cox回归分析所得的危险比来识别表达水平与患者的治疗后死亡/存活状态相关的微RNA。为了减少假阳性结果，利用置换检验(permutation test)来评估各微RNA的单变量Cox回归值的P值，其中将患者的存活期连同审查(censoring)状态随机排列总计10,000次迭代。
建构数学公式以计算各患者的风险评分。上述公式需考虑经确认与治疗后死亡/存活状态相关的一种或多种微RNA的表达水平以及由上述单变量Cox回归分析所得的回归系数。参见Lossos等，N.Engl.J.Med.350：1828-1837；及Cox，1972。患者的风险评分与患者的治疗后存活期相关：风险评分较高的患者预期治疗后存活期较短；而风险评分较低的患者预期治疗后存活期较长。
根据患者的风险评分将所有参与本研究的患者分到高风险组及低风险组中。在分析高风险组与低风险组之间患者特征的差异时，对于连续变量利用Student’s t检验进行分析，对于分类变量利用Fisher’s确切检验进行分析。利用Kaplan-Meier法来估计上述两个组中患者的整体存活状态以及无复发存活状态。利用对数秩检验(log-rank test)来分析两个组中患者之间的关于整体存活状态以及无复发存活状态的差异。利用上述方法从训练数据集得到的所有结果在测试数据集的患者中以及独立同龄组的患者中进行验证。
进行多变量Cox比例危险回归分析及逐步变量选择法以评估与患者存活状态相关的个别预后因子的贡献程度。利用微RNA印记风险评分、年龄、性别、癌症分期及组织学分析作为共变量。利用SAS软件(9.1版，SAS Institute Inc.)进行所有上述分析。进行双侧检验，且P值＜0.05表示结果具有统计学上的显著性。
进行上述方法的更多细节可以在Yu等，Cancer Cell 13，48-57(2008)中找到。
结果
(a)用以预测NSCLC患者的整体存活状态及无复发存活状态的微RNA印记的识别及确认
下面表1显示分配到训练数据集中的56位NSCLC患者以及分配到测试数据集中的56位NSCLC患者的临床特征。就临床特征的角度而言，上述两组数据集中的患者间并不具有显著差异。
利用上文所述的方法确定所有患者体内微RNA的表达水平。将从训练数据集获得的结果进行单变量Cox回归分析以识别其表达水平与治疗后死亡/存活状态相关的微RNA。据发现，五种微RNA(即hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a)与训练数据集中的患者的整体存活状态相关。其中，前面三种微RNA为高风险微RNA，而后面两种为保护型微RNA。
根据这五种微RNA的表达水平，利用下列公式计算患者的风险评分：(0.15×hsa-miR-137的表达水平)+(0.31×hsa-miR-372的表达水平)+(0.28×hsa-miR-182*的表达水平)+(-0.13×hsa-miR-221的表达水平)+(-0.14×hsa-let-7a的表达水平)。将风险评分大于7.1的患者分配到高风险组，和将风险评分小于7.1的患者分配到低风险组。
表1：112名NSCLC患者的临床病理特征
Figure G2008800115629D00091
下面表2总结了高风险及低风险组中患者的临床特征。
表2：高风险及低风险数据集中NSCLC患者的临床特征
Figure G2008800115629D00092
Figure G2008800115629D00111
图1显示训练及测试数据集中NSCLC患者的风险评分、存活状态及微RNA表达谱。高风险评分的患者高水平地表达三种高风险微RNA的任一种且低水平地表达两种保护型微RNA的任一种。相反地，低风险评分的患者低水平地表达高风险微RNA的任一种且高水平地表达保护型微RNA的任一种。
在训练数据集中，高风险组患者与低风险组患者相比，前者的治疗后存活期较短。参见图2A，高风险组患者的整体存活期的中位数为约20个月，而低风险组患者的整体存活期的中位数则大于50个月。至于无复发存活期的中位数，高风险组为约10个月，而低风险组则大于45个月(参见图2A)。上述结果表明，利用前述五种微RNA的表达模式(即，微RNA印记)(依据所述表达模式将患者分配到高风险组或低风险组中)与癌症患者的治疗后存活期相关。
在测试数据集中确认微RNA印记及存活预期间的所述关联性。与由训练数据集所得的结果相类似，由测试数据集所得的结果也显示出低风险组患者在治疗后存活期远高于高风险组患者(参见图2B)。在高风险组中，整体存活期的中位数为约25个月，且无复发存活期的中位数为约14个月。在低风险组患者中，整体存活期及无复发存活期的中位数分别大于50个月及40个月。所有上述结果皆具有统计上的显著性。
多变量Cox回归分析显示，在下面表3所列的因素中，仅上述微RNA印记与NSCLC患者的整体存活状态相关(危险比[HR]＝10.31，P＝0.002)。
表3：NSCLC患者微RNA印记及存活状态的多变量Cox回归*分析
Figure G2008800115629D00121
(b)在独立同龄组中验证用于存活状态预测的微RNA印记
在包括62名NSCLC患者的独立同龄组中验证上述微RNA印记用于预测治疗后存活预期的用途。
上表2中总结了此62名患者的临床特征。利用上文所述的方法根据患者的五种微RNA的表达模式来计算各患者的风险评分。将风险评分大于7.1的患者分配到高风险组，且将风险评分小于7.1的患者分配到低风险组。如图2C所示，高风险组患者与低风险组患者相比，前者的治疗后存活期较短，就整体存活期中位数而言为40个月对大于120个月，就无复发存活期中位数而言为20个月对48个月。多变量Cox回归分析显示，微RNA印记及癌症分期与整体存活状态及无复发存活状态相关(参见上表3)。
这些结果证实可运用微RNA印记来预测癌症患者的治疗后存活预期。
(c)不同疾病分期以及组织学亚型的NSCLC患者的微RNA印记与治疗后存活预期之间的关联性
利用上文所述的方法，根据患者的微RNA印记将不同癌症分期以及不同组织学亚型的NSCLC患者分配到高风险组及低风险组中。如图3A所示，低风险组患者在治疗后的存活时间比高风险组患者更长。参见图3A至图3E。这些结果表明，微RNA印记亦可用于预测不同癌症分期(即I、II或III期)以及不同组织学亚型(即腺癌或鳞状细胞癌亚型)的NSCLC患者的治疗后存活预期。
(d)微RNA印记作为NSCLC患者存活的预测器
单变量Cox回归分析表明，五种微RNA(即hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221或hsa-let-7a)中各微RNA的表达水平均与NSCLC存活状态相关(参见下面表4)。对数秩分析表明，由全部五种微RNA组成的微RNA印记最适合用于预测患者存活状态(同样参见下面表4)。
此外，单变量Cox回归分析显示由上述五种微RNA中任何四种组成的微RNA印记亦与患者治疗后存活状态相关(参见下面表5)。
表4：利用NSCLC患者中五种微RNA印记与个别微RNA表达对比 的Kaplan-Meier存活分析的对数秩检验的P值
Figure G2008800115629D00141
*：基于中位数划分成二组
表5：NSCLC患者中五种微RNA印记相对于四种微RNA印记的 Kaplan-Meier存活分析的对数秩检验的P值
Figure G2008800115629D00142
(e)微RNA的推定基因靶标
利用GeneSpring路径注释软件(pathway annotatedsoftware)(Silicon Genetics)来预测五种微RNA可能涉及的推定路径，并将如此得到的结果总结于下表6及表7中。
表6：预测的微RNA的靶基因
Figure G2008800115629D00161
Figure G2008800115629D00171
Figure G2008800115629D00181
Figure G2008800115629D00201
Figure G2008800115629D00211
Figure G2008800115629D00221
Figure G2008800115629D00231
Figure G2008800115629D00241
Figure G2008800115629D00251
Figure G2008800115629D00261
Figure G2008800115629D00271
Figure G2008800115629D00281
Figure G2008800115629D00291
Figure G2008800115629D00301
Figure G2008800115629D00311
Figure G2008800115629D00331
Figure G2008800115629D00341
Figure G2008800115629D00351
Figure G2008800115629D00371
Figure G2008800115629D00381
Figure G2008800115629D00401
Figure G2008800115629D00411
Figure G2008800115629D00421
Figure G2008800115629D00431
Figure G2008800115629D00441
Figure G2008800115629D00451
Figure G2008800115629D00461
Figure G2008800115629D00471
Figure G2008800115629D00481
Figure G2008800115629D00511
Figure G2008800115629D00521
Figure G2008800115629D00531
Figure G2008800115629D00541
Figure G2008800115629D00551
Figure G2008800115629D00571
Figure G2008800115629D00581
Figure G2008800115629D00591
Figure G2008800115629D00601
Figure G2008800115629D00611
Figure G2008800115629D00621
Figure G2008800115629D00631
Figure G2008800115629D00641
Figure G2008800115629D00651
Figure G2008800115629D00661
Figure G2008800115629D00671
Figure G2008800115629D00681
Figure G2008800115629D00691
Figure G2008800115629D00701
Figure G2008800115629D00711
Figure G2008800115629D00721
Figure G2008800115629D00731
Figure G2008800115629D00751
Figure G2008800115629D00771
Figure G2008800115629D00781
Figure G2008800115629D00791
Figure G2008800115629D00801
Figure G2008800115629D00811
Figure G2008800115629D00841
Figure G2008800115629D00851
Figure G2008800115629D00861
Figure G2008800115629D00871
Figure G2008800115629D00881
Figure G2008800115629D00891
Figure G2008800115629D00901
Figure G2008800115629D00911
Figure G2008800115629D00921
*由五种算法(PicTar、TargetScan、Miranda、MirBase以及CRSD)中至少三种来进行预测
Figure G2008800115629D00922
根据KEGG(http://www.genome.jp/kegg/)、GenMAPP(http://www.genemapp.org/)以及Reactome(http://www.reactome.org/)进行分析
表7：受微RNA影响的预测路径
Figure G2008800115629D00931
*仅列出受到本发明探讨的五种微RNA中至少三种调控的路径
Figure G2008800115629D00942
利用GeneSpring软件进行分析
(f)由3-微RNA的微RNA印记的Kaplan-Meier存活分析
利用Kaplan-Meier存活分析，也发现由hsa-miR221、hsa-miR372及hsa-miR137组成的3-微RNA印记与患者的治疗后存活状态相关。从下面可以看出，这些结果具有统计学上的显著性。
训练数据集(n＝56)：
在整体存活预期分析中，P值＝0.0013
在无复发存活预期分析中，P值＝0.0437
测试数据集(n＝56)：
在整体存活预期分析中，P值＝0.1468
在无复发存活预期分析中，P值＝0.0841
独立同龄组(n＝62)：
在整体存活预期分析中，P值＝0.0359
在无复发存活预期分析中，P值＝0.0985
训练数据集及测试数据集(n＝112)：
在整体存活预期分析中，P值＝0.0011
在无复发存活预期分析中，P值＝0.0119
由对数秩检验求得P值以检验高风险及低风险患者组间的不同存活曲线。
其它具体实施方式
说明书公开的所有特征可以任意组合。本说明书中公开的各特征可以利用达成相同、等同或类似目的的替代性特征来取代。因此，除非另为相反的明示，所公开的各特征仅为一系列等同或类似特征的上位概念的实例。
从以上说明中，本领域技术人员可以很容易地确定本发明的基本特征。并且可以在不脱离本发明的精神和范围的情况下对本发明做出各种变化和改进以适应各种不同用作和状态。举例而言，也可以制备与上述噁二唑(oxadiazole)化合物结构类似的化合物，并筛选上述的活性和用于实施本发明。因此本发明的保护范围也包括其它的实施方式。

Claims (28)

1.一种用以预测癌症患者治疗后的存活预期的方法，该方法包括：
检测经治疗的癌症患者体内的微RNA hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平；
根据这些微RNA的表达水平计算该患者的风险评分；以及
根据该风险评分的值确定该癌症患者治疗后的存活预期。
2.如权利要求1所述的方法，其中该风险评分的计算方式如下：
(0.15 x hsa-miR137的表达水平)+(0.31 x hsa-miR372的表达水平)+(0.28 x hsa-miR182*的表达水平)+(-0.13 x hsa-miR221的表达水平)+(-0.14 x let-7a的表达水平)。
3.如权利要求2所述的方法，其中风险评分等于或小于-7.1表示该患者治疗后的存活预期尚可接受。
4.如权利要求1所述的方法，其中该患者患肺癌、白血病、乳腺癌、胰腺癌、腺癌、鳞状细胞癌、结肠癌或肝细胞癌。
5.如权利要求1所述的方法，其中该患者患非小细胞肺癌。
6.如权利要求5所述的方法，其中该患者处于非小细胞肺癌的I期、II期或III期。
7.如权利要求1所述的方法，其中该患者经过手术治疗、化学治疗、放射治疗或上述的组合。
8.一种用以预测癌症患者治疗后的存活预期的方法，该方法包括：
检测经治疗的癌症患者体内的微RNA的表达水平，其中所述微RNA是选自由hsa-miR137、hsa-miR372、hsa-miR182*及hsa-miR221组成的组；
根据该微RNA的表达水平确定该微RNA的-dCt值；以及
根据该微RNA的该-dCt值预测治疗后的存活预期。
9.如权利要求8所述的方法，其中hsa-miR137的-dCt值等于或小于-8.22表示该患者治疗后存活预期尚可接受。
10.如权利要求8所述的方法，其中hsa-miR182*的-dCt值等于或小于-7.83表示该患者治疗后的存活预期尚可接受。
11.如权利要求8所述的方法，其中hsa-miR221的-dCt值等于或大于-0.57表示该患者治疗后的存活预期尚可接受。
12.如权利要求8所述的方法，其中hsa-miR372的-dCt值等于或小于-11.25表示该患者治疗后的存活预期尚可接受。
13.如权利要求8所述的方法，其中该患者患肺癌、白血病、乳腺癌、胰腺癌、腺癌、鳞状细胞癌、结肠癌或肝细胞癌。
14.如权利要求8所述的方法，其中该患者患非小细胞肺癌。
15.如权利要求14所述的方法，其中该患者处于非小细胞肺癌的I期、II期或III期。
16.如权利要求8所述的方法，其中该患者经过手术治疗、化学治疗、放射治疗或上述的组合。
17.一种用以预测癌症患者治疗后的存活预期的方法，该方法包括：
检测经治疗的癌症患者体内的let-7a的表达水平；
根据let-7a的表达水平确定let-7a的-dCt值；以及
根据let-7a的该-dCt值预测治疗后的存活预期，其中该-dCt值等于或大于2.21表示该患者治疗后的存活预期尚可接受。
18.一种用以预测癌症患者治疗后的存活预期的方法，该方法包括：
检测经治疗的癌症患者体内的四种微RNA的表达水平，该四种微RNA选自由hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a组成的组；
根据该微RNA的表达水平计算风险评分；以及
根据该风险评分的值确定治疗后的存活预期。
19.如权利要求18所述的方法，其中测定hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平，且风险评分的计算方式如下：(0.31 x hsa-miR372的表达水平)+(0.28 x hsa-miR182*的表达水平)+(-0.13 x hsa-miR221的表达水平)+(-0.14 x hsa-let-7a的表达水平)；其中该风险评分等于或小于-5.90表示该患者治疗后的存活预期尚可接受。
20.如权利要求18所述的方法，其中测定hsa-miR137、hsa-miR182*、hsa-miR221及hsa-let-7a的表达水平，且风险评分的计算方式如下：(0.15 x hsa-miR137的表达水平)+(0.28 x hsa-miR182*的表达水平)+(-0.13 x hsa-miR221的表达水平)+(-0.14 x hsa-let-7a的表达水平)；其中该风险评分等于或小于-3.71表示该患者治疗后的存活预期尚可接受。
21.如权利要求18所述的方法，其中测定hsa-miR137、hsa-miR372、hsa-miR221及hsa-let-7a的表达水平，且风险评分的计算方式如下：(0.15 x hsa-miR137的表达水平)+(0.31 x hsa-miR372的表达水平)+(-0.13 x hsa-miR221的表达水平)+(-0.14 x hsa-let-7a的表达水平)；其中该风险评分等于或小于-4.87表示该患者治疗后的存活预期尚可接受。
22.如权利要求18所述的方法，其中测定hsa-miR137、hsa-miR182*、hsa-miR372及hsa-let-7a的表达水平，且风险评分的计算方式如下：(0.15 x hsa-miR137的表达水平)+(0.28 x hsa-miR182*的表达水平)+(0.31 x hsa-miR372的表达水平)+(-0.14 x hsa-let-7a的表达水平)；其中该风险评分等于或小于-7.02表示该患者治疗后的存活预期尚可接受。
23.如权利要求18所述的方法，其中测定hsa-miR137、hsa-miR182*、hsa-miR221及hsa-miR372的表达水平，且风险评分的计算方式如下：(0.15 x hsa-miR137的表达水平)+(0.28 x hsa-miR182*的表达水平)+(-0.13 x hsa-miR221的表达水平)+(0.31 x hsa-miR372的表达水平)；其中该风险评分等于或小于-6.86表示该患者治疗后的存活预期尚可接受。
24.一种用以预测癌症患者治疗后的存活预期的方法，该方法包括：
检测经治疗的癌症患者体内的hsa-miR221、hsa-miR372及hsa-miR137的表达水平；
根据该微RNA的表达水平计算风险评分；以及
根据该风险评分值确定治疗后的存活预期。
25.如权利要求24所述的方法，其中该风险评分的计算方式如下：(0.15 x hsa-miR137的表达水平)+(0.31 x hsa-miR372的表达)+(-0.13 x hsa-miR221的表达水平)；该风险评分等于或小于-4.7表示该患者治疗后的存活预期尚可接受。
26.一种用以检测微RNA表达的试剂盒，其中该试剂盒包含能够检测hsa-miR221、hsa-miR372及hsa-miR137的表达的寡核苷酸。
27.一种用以检测微RNA表达的试剂盒，其中该试剂盒包含能够检测至少四种微RNA的表达的寡核苷酸，该微RNA选自由hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a组成的组。
28.如权利要求27所述的试剂盒，其中该试剂盒包含能够检测hsa-miR137、hsa-miR372、hsa-miR182*、hsa-miR221及hsa-let-7a的表达的寡核苷酸。
CN200880011562A 2007-04-10 2008-04-09 通过微rna预测癌症患者的治疗后存活预期 Pending CN101688240A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US91099307P 2007-04-10 2007-04-10
US60/910,993 2007-04-10
PCT/US2008/059767 WO2008124777A1 (en) 2007-04-10 2008-04-09 Predicting post-treatment survival in cancer patients with micrornas

Publications (1)

Publication Number Publication Date
CN101688240A true CN101688240A (zh) 2010-03-31

Family

ID=39831416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880011562A Pending CN101688240A (zh) 2007-04-10 2008-04-09 通过微rna预测癌症患者的治疗后存活预期

Country Status (13)

Country Link
US (1) US7745134B2 (zh)
EP (1) EP2134874A4 (zh)
JP (1) JP2010523156A (zh)
KR (1) KR20100027102A (zh)
CN (1) CN101688240A (zh)
AU (1) AU2008237036A1 (zh)
CA (1) CA2695868A1 (zh)
CO (1) CO6231056A2 (zh)
IL (1) IL201298A0 (zh)
MX (1) MX2009010899A (zh)
RU (1) RU2009141359A (zh)
TW (1) TWI367949B (zh)
WO (1) WO2008124777A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320806A (zh) * 2018-05-09 2018-07-24 中国科学院昆明动物研究所 一种基于多基因表达特征谱的结肠癌个性化预后评估方法
CN108363907A (zh) * 2018-05-09 2018-08-03 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肺腺癌个性化预后评估方法
CN108470111A (zh) * 2018-05-09 2018-08-31 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胃癌个性化预后评估方法
CN108611416A (zh) * 2018-05-09 2018-10-02 中国科学院昆明动物研究所 一种基于多基因表达特征谱的***个性化预后评估方法
CN108630317A (zh) * 2018-05-09 2018-10-09 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肝癌个性化预后评估方法
CN108647493A (zh) * 2018-05-09 2018-10-12 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肾透明细胞癌个性化预后评估方法
CN108648826A (zh) * 2018-05-09 2018-10-12 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胰腺癌个性化预后评估方法
CN108733980A (zh) * 2018-05-09 2018-11-02 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胶质母细胞瘤个性化预后评估方法
CN111172285A (zh) * 2020-02-26 2020-05-19 江南大学附属医院 用于胰腺癌早期诊断和/或预后监测的miRNA组及其应用
CN111354421A (zh) * 2018-12-24 2020-06-30 奎克生技光电股份有限公司 健康风险评估方法

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2617581A1 (en) 2005-08-01 2007-02-08 The Ohio State University Research Foundation Microrna-based methods for the diagnosis of breast cancer
ES2523989T3 (es) 2005-09-12 2014-12-03 The Ohio State University Research Foundation Composiciones para la terapia de cánceres asociados con BCL2
CN102943108B (zh) 2006-01-05 2014-05-21 俄亥俄州立大学研究基金会 用于肺癌的诊断、预后和治疗的基于微小rna的方法和组合物
ES2461189T3 (es) 2006-01-05 2014-05-19 The Ohio State University Research Foundation Métodos basados en microARN y composiciones para el diagnóstico y el tratamiento de cánceres sólidos de mama o pulmón
EP1968622B1 (en) 2006-01-05 2014-08-27 The Ohio State University Research Foundation Microrna expression abnormalities in pancreatic endocrine and acinar tumors
EP2369012A1 (en) 2006-03-20 2011-09-28 The Ohio State University Research Foundation Micro-RNA fingerprints during human megakaryocytopoiesis
ES2425387T3 (es) 2006-07-13 2013-10-15 The Ohio State University Research Foundation Mir-106a para diagnosticar adenocarcinoma de colon de pronóstico de supervivencia pobre
WO2008097277A2 (en) 2006-09-19 2008-08-14 The Ohio State University Research Foundation Tcl1 expression in chronic lymphocytic leukemia (cll) regulated by mir-29 and mir-181
AU2007314212B2 (en) 2006-11-01 2014-05-29 The Govt. Of The Usa As Represented By The Secretary Of The Department Of Health And Human Services MicroRNA expression signature for predicting survival and metastases in Hepatocellular carcinoma
US8034560B2 (en) 2007-01-31 2011-10-11 The Ohio State University Research Foundation MicroRNA-based methods and compositions for the diagnosis, prognosis and treatment of acute myeloid leukemia (AML)
ES2527648T3 (es) * 2007-06-08 2015-01-28 The Government Of The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Métodos para determinar el subtipo de carcinoma hepatocelular
CN101918424A (zh) 2007-06-15 2010-12-15 俄亥俄州立大学研究基金会 用于靶向由Drosha介导的微小RNA加工的致癌ALL-1融合蛋白
CN101809169B (zh) 2007-07-31 2013-07-17 俄亥俄州立大学研究基金会 通过靶向dnmt3a和dnmt3b恢复甲基化的方法
ES2627059T3 (es) 2007-08-03 2017-07-26 The Ohio State University Research Foundation Regiones ultraconservadas que codifican ARNnc
JP5770472B2 (ja) 2007-08-22 2015-08-26 ジ・オハイオ・ステイト・ユニバーシティ・リサーチ・ファウンデイションＴｈｅ Ｏｈｉｏ Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ Ｒｅｓｅａｒｃｈ Ｆｏｕｎｄａｔｉｏｎ ヒト急性白血病におけるｅｐｈａ７及びｅｒｋリン酸化の調節解除を誘発するための方法及び組成物
WO2009055773A2 (en) 2007-10-26 2009-04-30 The Ohio State University Research Foundation Methods for identifying fragile histidine triad (fhit) interaction and uses thereof
EP2307028B1 (en) 2008-06-11 2013-10-02 The Government of the United States of America as represented by The Secretary of the Department of Health and Human Services Use of mir-26 family as a predictive marker of hepatocellular carcinoma and responsiveness to therapy
EP3211098B1 (en) * 2008-11-10 2023-03-15 Battelle Memorial Institute Method utilizing microrna to determine physiological conditions
US8729041B2 (en) 2008-12-03 2014-05-20 The Johns Hopkins University Compositions and methods for treating hepatic neoplasia
EP2196543A1 (en) * 2008-12-15 2010-06-16 Koninklijke Philips Electronics N.V. Compositions and methods for micro-rna expression profiling of hepatocellular cancer
WO2010094155A1 (en) * 2009-02-23 2010-08-26 Capitalbio Corporation Methods and compositions diagnosing lung cancer, determining prognosis, and improving patient survival
CN101638656B (zh) * 2009-08-28 2011-05-11 南京医科大学 一种与非小细胞肺癌预后相关的血清/血浆miRNA标志物及其应用
EP2504452A4 (en) 2009-11-23 2014-06-11 Univ Ohio State Res Found SUBSTANCES AND METHODS THAT CAN BE USED TO ACT ON THE GROWTH, MIGRATION, AND INVASION OF TUMOR CELLS
CN102725636B (zh) * 2009-12-20 2015-04-01 阿斯图特医药公司 用于肾损伤和肾衰竭的诊断及预后的方法和组合物
US20110223607A1 (en) 2010-03-12 2011-09-15 Quest Diagnostics Investments Incorporated Circulating microrna as a marker for hepatocellular carcinoma
AU2011326032B2 (en) 2010-11-12 2016-10-06 The Ohio State University Research Foundation Materials and methods related to microRNA-21, mismatch repair, and colorectal cancer
BR112013011942A2 (pt) 2010-11-15 2016-11-01 Univ Michigan formulação, forma de dosagem de droga para administração transmucosa oral, sistema transmucoso de fornecimento de droga, método de tratamento e profilaxia de uma doença ou distúrbio, método de tratamento, formulação, método para tratamento ou prevenção de carcinoma de célula escamosa de cabeça e pescoço (hnscc), método para quimioprevenção de um câncer oral ou condição pré-cancerosa, método para aumentar a concentração de uma composição de retinida, método de tratamento e profilaxia de uma doença ou condição, método de ratamento de um sujeito apresentando uma condição médica sintomática, método de tratamento de um câncer oral ou condição pré-cancerosa num paciente, método para fazer um sistema de fornecimento de droga bucal, método para aumentar a liberação e permeação de uma composição de retinida.
JP2014509852A (ja) 2011-03-07 2014-04-24 ジ・オハイオ・ステート・ユニバーシティ マイクロＲＮＡ−１５５（ｍｉＲ−１５５）により誘導される変異誘発活性は炎症および癌を結び付ける
US8404437B2 (en) 2011-03-29 2013-03-26 Taipei Veterans General Hospital MicroRNA as a cancer progression predictor and its use for treating cancer
US20140113978A1 (en) * 2011-05-01 2014-04-24 University Of Rochester Multifocal hepatocellular carcinoma microrna expression patterns and uses thereof
US20150024389A1 (en) 2011-09-16 2015-01-22 Lsip, Llc Method for detecting bladder cancer cells, primer used in method for detecting bladder cancer cells, and bladder cancer marker
JP2014530612A (ja) 2011-10-14 2014-11-20 ジ・オハイオ・ステート・ユニバーシティ 卵巣がんに関する方法および材料
CN104619353A (zh) 2011-12-13 2015-05-13 俄亥俄州国家创新基金会 与miR-21和miR-29a相关的方法和组合物、外切体抑制和癌症转移
US9850541B2 (en) * 2011-12-19 2017-12-26 Valley Health System Methods and kits for detecting subjects at risk of having cancer
JP2015511121A (ja) 2012-01-20 2015-04-16 ジ・オハイオ・ステート・ユニバーシティ 浸潤性および予後に関する乳がんバイオマーカーシグネチャー
US8846316B2 (en) 2012-04-30 2014-09-30 Industrial Technology Research Institute Biomarker for human liver cancer
US10738363B2 (en) 2016-08-31 2020-08-11 National Central University Analyzer and analytical method for predicting prognosis of cancer radiotherapy
DE102018110526A1 (de) 2018-05-02 2019-11-07 Faurecia Autositze Gmbh Verfahren zur Montage eines Linearaktuators für einen Kraftfahrzeugsitz
US11410745B2 (en) * 2018-06-18 2022-08-09 International Business Machines Corporation Determining potential cancer therapeutic targets by joint modeling of survival events

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2494899A1 (en) * 2002-09-27 2004-04-08 Oridis Biomed Forschungs-Und Entwicklungs Gmbh Polypeptides and nucleic acids encoding these and their use for the prevention, diagnosis or treatment of liver disorders and epithelial cancer
AU2003291433B2 (en) * 2002-11-13 2008-05-22 Thomas Jefferson University Compositions and methods for cancer diagnosis and therapy
EP2295604B1 (en) * 2004-02-09 2015-04-08 Thomas Jefferson University Diagnosis and treatment of cancers with microRNA located in or near cancer-associated chromosomal features
US20050272067A1 (en) * 2004-03-10 2005-12-08 Macina Roberto A Compositions, splice variants and methods relating to cancer specific genes and proteins
US20060078913A1 (en) * 2004-07-16 2006-04-13 Macina Roberto A Compositions, splice variants and methods relating to cancer specific genes and proteins
US20070065844A1 (en) * 2005-06-08 2007-03-22 Massachusetts Institute Of Technology Solution-based methods for RNA expression profiling

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363907B (zh) * 2018-05-09 2022-01-18 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肺腺癌个性化预后评估方法
CN108470111A (zh) * 2018-05-09 2018-08-31 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胃癌个性化预后评估方法
CN108630317B (zh) * 2018-05-09 2022-04-15 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肝癌个性化预后评估方法
CN108611416B (zh) * 2018-05-09 2020-12-29 中国科学院昆明动物研究所 一种基于多基因表达特征谱的***个性化预后评估方法
CN108630317A (zh) * 2018-05-09 2018-10-09 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肝癌个性化预后评估方法
CN108647493A (zh) * 2018-05-09 2018-10-12 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肾透明细胞癌个性化预后评估方法
CN108648826A (zh) * 2018-05-09 2018-10-12 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胰腺癌个性化预后评估方法
CN108733980A (zh) * 2018-05-09 2018-11-02 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胶质母细胞瘤个性化预后评估方法
CN108648826B (zh) * 2018-05-09 2022-04-15 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胰腺癌个性化预后评估方法
CN108363907A (zh) * 2018-05-09 2018-08-03 中国科学院昆明动物研究所 一种基于多基因表达特征谱的肺腺癌个性化预后评估方法
CN108611416A (zh) * 2018-05-09 2018-10-02 中国科学院昆明动物研究所 一种基于多基因表达特征谱的***个性化预后评估方法
CN108470111B (zh) * 2018-05-09 2022-01-18 中国科学院昆明动物研究所 一种基于多基因表达特征谱的胃癌个性化预后评估方法
CN108320806A (zh) * 2018-05-09 2018-07-24 中国科学院昆明动物研究所 一种基于多基因表达特征谱的结肠癌个性化预后评估方法
CN108733980B (zh) * 2018-05-09 2022-01-18 中国科学院昆明动物研究所 基于多基因表达特征谱胶质母细胞瘤个性化预后评估方法
CN108647493B (zh) * 2018-05-09 2022-01-18 中国科学院昆明动物研究所 一种肾透明细胞癌个性化预后评估方法
CN108320806B (zh) * 2018-05-09 2022-04-12 中国科学院昆明动物研究所 一种基于多基因表达特征谱的结肠癌个性化预后评估方法
CN111354421A (zh) * 2018-12-24 2020-06-30 奎克生技光电股份有限公司 健康风险评估方法
CN111172285A (zh) * 2020-02-26 2020-05-19 江南大学附属医院 用于胰腺癌早期诊断和/或预后监测的miRNA组及其应用

Also Published As

Publication number Publication date
US20080254473A1 (en) 2008-10-16
TWI367949B (en) 2012-07-11
JP2010523156A (ja) 2010-07-15
AU2008237036A2 (en) 2010-09-09
EP2134874A1 (en) 2009-12-23
EP2134874A4 (en) 2010-12-22
RU2009141359A (ru) 2011-05-20
MX2009010899A (es) 2010-02-17
TW200912002A (en) 2009-03-16
WO2008124777A1 (en) 2008-10-16
AU2008237036A1 (en) 2008-10-16
US7745134B2 (en) 2010-06-29
CA2695868A1 (en) 2008-10-16
KR20100027102A (ko) 2010-03-10
CO6231056A2 (es) 2010-12-20
IL201298A0 (en) 2010-05-31

Similar Documents

Publication Publication Date Title
CN101688240A (zh) 通过微rna预测癌症患者的治疗后存活预期
Bagnoli et al. Development and validation of a microRNA-based signature (MiROvaR) to predict early relapse or progression of epithelial ovarian cancer: a cohort study
Spahn et al. Expression of microRNA‐221 is progressively reduced in aggressive prostate cancer and metastasis and predicts clinical recurrence
Rahbari et al. Identification of differentially expressed microRNA in parathyroid tumors
Giulietti et al. Identification of candidate miRNA biomarkers for pancreatic ductal adenocarcinoma by weighted gene co-expression network analysis
Gao et al. Genome‐wide small nucleolar RNA expression analysis of lung cancer by next‐generation deep sequencing
Aslam et al. MicroRNAs are novel biomarkers of colorectal cancer
Patterson et al. MicroRNA profiling of adrenocortical tumors reveals miR‐483 as a marker of malignancy
Jung et al. MicroRNA profiling of clear cell renal cell cancer identifies a robust signature to define renal malignancy
Lu et al. MicroRNA profiling and prediction of recurrence/relapse-free survival in stage I lung cancer
Hernandez et al. Genomic and mutational profiling of ductal carcinomas in situ and matched adjacent invasive breast cancers reveals intra‐tumour genetic heterogeneity and clonal selection
US11220716B2 (en) Methods for predicting the prognosis of breast cancer patient
Bloomston et al. MicroRNA expression patterns to differentiate pancreatic adenocarcinoma from normal pancreas and chronic pancreatitis
Martens-Uzunova et al. Diagnostic and prognostic signatures from the small non-coding RNA transcriptome in prostate cancer
Chen et al. A variant in microRNA‐196a2 is not associated with susceptibility to and progression of colorectal cancer in Chinese
Saleeb et al. Integrated phenotypic/genotypic analysis of papillary renal cell carcinoma subtypes: identification of prognostic markers, cancer-related pathways, and implications for therapy
Campayo et al. miR-21, miR-99b and miR-375 combination as predictive response signature for preoperative chemoradiotherapy in rectal cancer
CN104854247A (zh) 卵巢癌的预后及分层方法
Chen et al. Development and validation of a quantitative real-time polymerase chain reaction classifier for lung cancer prognosis
Hu et al. Identification of key differentially expressed MicroRNAs in cancer patients through pan-cancer analysis
Guan et al. High miR-196a and low miR-367 cooperatively correlate with unfavorable prognosis of high-grade glioma
US10718030B2 (en) Methods for predicting effectiveness of chemotherapy for a breast cancer patient
Guan et al. Identification of low miR-105 expression as a novel poor prognostic predictor for human glioma
AU2020215312A1 (en) Method of predicting survival rates for cancer patients
Wang et al. A robust blood gene expression-based prognostic model for castration-resistant prostate cancer

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20100331