CN117153251A - 一种淋巴瘤微小残留病灶监控位点筛选方法及*** - Google Patents
一种淋巴瘤微小残留病灶监控位点筛选方法及*** Download PDFInfo
- Publication number
- CN117153251A CN117153251A CN202311082157.9A CN202311082157A CN117153251A CN 117153251 A CN117153251 A CN 117153251A CN 202311082157 A CN202311082157 A CN 202311082157A CN 117153251 A CN117153251 A CN 117153251A
- Authority
- CN
- China
- Prior art keywords
- cancer cells
- lymphoma
- division
- residual
- screening
- 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.)
- Granted
Links
- 206010025323 Lymphomas Diseases 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012216 screening Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 104
- 201000011510 cancer Diseases 0.000 claims abstract description 95
- 208000007660 Residual Neoplasm Diseases 0.000 claims abstract description 34
- 238000011282 treatment Methods 0.000 claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 13
- 230000032823 cell division Effects 0.000 claims abstract description 9
- 230000003902 lesion Effects 0.000 claims abstract description 7
- 230000001954 sterilising effect Effects 0.000 claims abstract description 4
- 238000004659 sterilization and disinfection Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000002512 chemotherapy Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 201000009030 Carcinoma Diseases 0.000 claims 1
- 230000003111 delayed effect Effects 0.000 abstract description 3
- 230000002542 deteriorative effect Effects 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 89
- 238000001514 detection method Methods 0.000 description 10
- 206010069754 Acquired gene mutation Diseases 0.000 description 7
- 230000037439 somatic mutation Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005266 circulating tumour cell Anatomy 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种淋巴瘤微小残留病灶监控位点筛选方法及***,涉及淋巴瘤病灶监控技术领域。该淋巴瘤微小残留病灶监控位点筛选方法及***,包括以下步骤:S1:通过电子显微***对淋巴瘤处残留病灶进行放大展示,并同时进行外部灭菌处理;S2:在病灶处的淋巴瘤残留癌细胞中植入N元素进行癌细胞DNA的标记。该淋巴瘤微小残留病灶监控位点筛选方法及***,通过采用癌细胞的***强度公式对不同患者体内的癌细胞进行***强度的计算,从而能够根据癌细胞***强度进行评级,基于该评级下,可以设计出契合每个患者的治疗方案,从而可以对患者进行分类分方法治疗,以减小治疗误差和提高治疗效果,防止延误治疗出现恶化。
Description
技术领域
本发明涉及淋巴瘤病灶监控技术领域,具体为一种淋巴瘤微小残留病灶监控位点筛选方法及***。
背景技术
微小残留病灶(MRD)是指恶性肿瘤经过治疗后体内残留的微量肿瘤细胞的状态,是肿瘤复发的主要原因,MRD的水平一般比较低,传统影像学(包括PET/CT)或实验室方法不能发现,通过流式细胞术、定量PCR、二代测序(NGS)等高灵敏度的检测手段,能够识别出传统方法检测不到的少量恶性细胞,临床上应用MRD检测,相较于传统的影像学手段来说,能够更加及时地检测出癌细胞是否出现了复发、转移的情况,在检测意义上具有优势,逐渐成为判断疗效和预后的预测指标之一,其指标主要包括ctDNA、CTCs、血清学肿瘤标志物等,其中基于ctDNA突变的MRD检测技术在灵敏度和特异性方面具有明显优势,实体瘤ctDNA-MRD检测策略主要分为肿瘤知情分析与肿瘤不知情分析,其中,肿瘤知情分析方法具有灵敏度高,兼容性好,有效位点多等优势,在肿瘤知情分析方法中,需要先对肿瘤组织进行全外显子组测序,根据检出结果来选择变异位点进行后续的MRD监控等应用。
专利公告号为CN 115954052 B的专利公开了一种实体瘤微小残留病灶监控位点筛选方法及***,该方法包括:通过全外显子测序检测突变方法对肿瘤样本及其正常组织样本下机原始数据进行突变检测与突变过滤处理,得到初步的体细胞突变位点;对初步的体细胞突变位点进行克隆性分类分析,获取分类后的体细胞突变位点信息;基于分类后的体细胞突变位点信息对初步的体细胞突变位点进行等级划分与筛选,得到最终的体细胞突变位点。该***包括:检测模块、分类模块和筛选模块。通过上述专利,能够通过对体细胞突变位点信息进行筛选进而提高微小残留病灶的监测效果,但是不便于对癌细胞的***强度进行周期性监测,从而也就不便于针对不同的患者进行不同的治疗,影响治疗效果,存在一定的缺陷。
发明内容
针对现有技术的不足,本发明提供了一种淋巴瘤微小残留病灶监控位点筛选方法及***,解决了上述背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种淋巴瘤微小残留病灶监控位点筛选方法,包括以下步骤:
S1:通过电子显微***对淋巴瘤处残留病灶进行放大展示,并同时进行外部灭菌处理;
S2:在病灶处的淋巴瘤残留癌细胞中植入N元素进行癌细胞DNA的标记,且标记时通过电子显微***和标记显形***对癌细胞的分布位置和数量进行精准检测并记录,原淋巴瘤残留癌细胞数量记为TKS,原淋巴瘤残留癌细胞的分布范围面积记为RKS,以含有表格实物图的形式存储至数据终端;
S3:在癌细胞的第一个***周期结束时,再次将病灶处的淋巴瘤残留癌细胞放入电子显微***和标记显形***中进行识别和记录,取得***后的癌细胞数量并记为TS1,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS1;
S4:在癌细胞的第二个***周期结束时,重复S3中的操作,取得二次***后的癌细胞数量并记为TS2,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS2;
S5:癌细胞的***强度公式如下:
QX=TSX/TKS,(SX为S1或S2,QX为***速度);
FB=RSX/RKS,(SX为S1或S2,FB为***范围变化度);
PKS=(TSX-TKS)/(RSX-RKS),(SX为S1或S2,PKS数量范围变化比);
S6:根据S5中的公式计算得出癌细胞***强度等级,且癌细胞分类强度等级如下:
一级:QX大于1.8,FB小于1.8大于1.2时,则代表癌细胞的***速度快,且***范围集中;
二级:QX大于1.8,FB大于1.8时,则代表癌细胞的***速度快,且***范围大;
三级:QX大于1.5,FB大于1.8时,则代表癌细胞的***速度慢,且***范围大;
四级:QX小于1.5,FB小于1.8时,则代表癌细胞的***速度慢,且***范围集中;
S7:根据上述评级对残留癌细胞进行分类监控,从而得出该患者体内癌细胞多余无法根除的癌细胞化疗清理周期,通过采用癌细胞的***强度公式对不同患者体内的癌细胞进行***强度的计算,从而能够根据癌细胞***强度进行评级,基于该评级下,可以设计出契合每个患者的治疗方案,从而可以对患者进行分类分方法治疗,以减小治疗误差和提高治疗效果,防止延误治疗出现恶化,通过对癌细胞的数量和范围进行同步识别和计算可以针对癌细胞的特性进行全面的分析,不仅考虑到癌细胞的***能力,还考虑到癌细胞的扩散范围,从而能够提高对患者的治疗效果。
所述S5中QX的数值为1±0.1时,则代表该病灶中的残留癌细胞***扩散速度停滞或缓慢,多次进行QX数值的检测,若多个周期下,QX仍为1±0.1时,则表示残留癌细胞已失去原始活性。
所述RKS、RS1和RS2以最边缘处被标记的癌细胞进行计算,具体计算方法为:
第一步,取得癌细胞真实平面图像,使用放大显微装置进行图像放大;
第二步,采用绘制软件对边缘处的所有癌细胞进行连线;
第三步,对上述连线区域进行建模计算,得出连线区域的具体面积,此后再进行下一步评级计算。
一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,包括:
识别模块,所述识别模块由电子显微***和标记显形***构成,所述电子显微***用于对淋巴瘤癌细胞放大展示,所述标记显形***用于显示被特殊标记的癌细胞;
处理模块,所述处理模块包括数量处理单元和图像处理单元,所述数量处理单元用于对癌细胞的数量进行计算处理,所述图像处理单元用于对癌细胞的扩散面积范围进行计算处理。
所述处理模块的内部设置有数据转化单元,所述数据转化单元用于对癌细胞的分布位置和数量进行数字转化,并以含有表格实物图的形式存储至数据终端。
所述处理模块的内部还设置有对比单元,所述对比单元用于对***前和***后的癌细胞进行计算对比,从而得出相应数据。
第二步中的连线操作采用不大于一微米的线体绘制,同时线体采用红色进行醒目识别,在连线完成后,采用识别软件进行特定颜色的识别,得出连线区域。
所述数据终端的登入端口和查询端口均设有加密单元,且数据终端内置上链***,自动将数据加密压缩至1KB以下并传输至区块链,避免数据丢失
本发明提供了一种淋巴瘤微小残留病灶监控位点筛选方法及***。具备以下有益效果:
该淋巴瘤微小残留病灶监控位点筛选方法及***,通过采用癌细胞的***强度公式对不同患者体内的癌细胞进行***强度的计算,从而能够根据癌细胞***强度进行评级,基于该评级下,可以设计出契合每个患者的治疗方案,从而可以对患者进行分类分方法治疗,以减小治疗误差和提高治疗效果,防止延误治疗出现恶化。
该淋巴瘤微小残留病灶监控位点筛选方法及***,通过对癌细胞的数量和范围进行同步识别和计算可以针对癌细胞的特性进行全面的分析,不仅考虑到癌细胞的***能力,还考虑到癌细胞的扩散范围,从而能够提高对患者的治疗效果。
附图说明
图1为本发明整体框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本实施例提供一种淋巴瘤微小残留病灶监控位点筛选方法,包括以下步骤:
S1:通过电子显微***对淋巴瘤处残留病灶进行放大展示,并同时进行外部灭菌处理;
S2:在病灶处的淋巴瘤残留癌细胞中植入N元素进行癌细胞DNA的标记,且标记时通过电子显微***和标记显形***对癌细胞的分布位置和数量进行精准检测并记录,原淋巴瘤残留癌细胞数量记为TKS,原淋巴瘤残留癌细胞的分布范围面积记为RKS,以含有表格实物图的形式存储至数据终端;
S3:在癌细胞的第一个***周期结束时,再次将病灶处的淋巴瘤残留癌细胞放入电子显微***和标记显形***中进行识别和记录,取得***后的癌细胞数量并记为TS1,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS1;
S4:在癌细胞的第二个***周期结束时,重复S3中的操作,取得二次***后的癌细胞数量并记为TS2,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS2;
S5:癌细胞的***强度公式如下:
QX=TSX/TKS,(SX为S1或S2,QX为***速度);
FB=RSX/RKS,(SX为S1或S2,FB为***范围变化度);
PKS=(TSX-TKS)/(RSX-RKS),(SX为S1或S2,PKS数量范围变化比);
S6:根据S5中的公式计算得出癌细胞***强度等级,且癌细胞分类强度等级如下:
一级:QX大于1.8,FB小于1.8大于1.2时,则代表癌细胞的***速度快,且***范围集中;
二级:QX大于1.8,FB大于1.8时,则代表癌细胞的***速度快,且***范围大;
三级:QX大于1.5,FB大于1.8时,则代表癌细胞的***速度慢,且***范围大;
四级:QX小于1.5,FB小于1.8时,则代表癌细胞的***速度慢,且***范围集中;
S7:根据上述评级对残留癌细胞进行分类监控,从而得出该患者体内癌细胞多余无法根除的癌细胞化疗清理周期。
所述S5中QX的数值为1±0.1时,则代表该病灶中的残留癌细胞***扩散速度停滞或缓慢,多次进行QX数值的检测,若多个周期下,QX仍为1±0.1时,则表示残留癌细胞已失去原始活性。
所述RKS、RS1和RS2以最边缘处被标记的癌细胞进行计算,具体计算方法为:
第一步,取得癌细胞真实平面图像,使用放大显微装置进行图像放大;
第二步,采用绘制软件对边缘处的所有癌细胞进行连线;
第三步,对上述连线区域进行建模计算,得出连线区域的具体面积,此后再进行下一步评级计算,通过采用癌细胞的***强度公式对不同患者体内的癌细胞进行***强度的计算,从而能够根据癌细胞***强度进行评级,基于该评级下,可以设计出契合每个患者的治疗方案,从而可以对患者进行分类分方法治疗,以减小治疗误差和提高治疗效果,防止延误治疗出现恶化,通过对癌细胞的数量和范围进行同步识别和计算可以针对癌细胞的特性进行全面的分析,不仅考虑到癌细胞的***能力,还考虑到癌细胞的扩散范围,从而能够提高对患者的治疗效果。
实施例2
请参阅图1,本实施例提供一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,包括:
识别模块,所述识别模块由电子显微***和标记显形***构成,所述电子显微***用于对淋巴瘤癌细胞放大展示,所述标记显形***用于显示被特殊标记的癌细胞;
处理模块,所述处理模块包括数量处理单元和图像处理单元,所述数量处理单元用于对癌细胞的数量进行计算处理,所述图像处理单元用于对癌细胞的扩散面积范围进行计算处理。
所述处理模块的内部设置有数据转化单元,所述数据转化单元用于对癌细胞的分布位置和数量进行数字转化,并以含有表格实物图的形式存储至数据终端。
所述处理模块的内部还设置有对比单元,所述对比单元用于对***前和***后的癌细胞进行计算对比,从而得出相应数据。
第二步中的连线操作采用不大于一微米的线体绘制,同时线体采用红色进行醒目识别,在连线完成后,采用识别软件进行特定颜色的识别,得出连线区域。
所述数据终端的登入端口和查询端口均设有加密单元,且数据终端内置上链***,自动将数据加密压缩至1KB以下并传输至区块链,避免数据丢失
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种淋巴瘤微小残留病灶监控位点筛选方法,其特征在于:包括以下步骤:
S1:通过电子显微***对淋巴瘤处残留病灶进行放大展示,并同时进行外部灭菌处理;
S2:在病灶处的淋巴瘤残留癌细胞中植入N元素进行癌细胞DNA的标记,且标记时通过电子显微***和标记显形***对癌细胞的分布位置和数量进行精准检测并记录,原淋巴瘤残留癌细胞数量记为TKS,原淋巴瘤残留癌细胞的分布范围面积记为RKS,以含有表格实物图的形式存储至数据终端;
S3:在癌细胞的第一个***周期结束时,再次将病灶处的淋巴瘤残留癌细胞放入电子显微***和标记显形***中进行识别和记录,取得***后的癌细胞数量并记为TS1,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS1;
S4:在癌细胞的第二个***周期结束时,重复S3中的操作,取得二次***后的癌细胞数量并记为TS2,同时取得原淋巴瘤残留癌细胞的分布范围面积记为RS2;
S5:癌细胞的***强度公式如下:
QX=TSX/TKS,(SX为S1或S2,QX为***速度);
FB=RSX/RKS,(SX为S1或S2,FB为***范围变化度);
PKS=(TSX-TKS)/(RSX-RKS),(SX为S1或S2,PKS数量范围变化比);
S6:根据S5中的公式计算得出癌细胞***强度等级,且癌细胞分类强度等级如下:
一级:QX大于1.8,FB小于1.8大于1.2时,则代表癌细胞的***速度快,且***范围集中;
二级:QX大于1.8,FB大于1.8时,则代表癌细胞的***速度快,且***范围大;
三级:QX大于1.5,FB大于1.8时,则代表癌细胞的***速度慢,且***范围大;
四级:QX小于1.5,FB小于1.8时,则代表癌细胞的***速度慢,且***范围集中;
S7:根据上述评级对残留癌细胞进行分类监控,从而得出该患者体内癌细胞多余无法根除的癌细胞化疗清理周期。
2.根据权利要求1所述的一种淋巴瘤微小残留病灶监控位点筛选方法,其特征在于:所述S5中QX的数值为1±0.1时,则代表该病灶中的残留癌细胞***扩散速度停滞或缓慢,多次进行QX数值的检测,若多个周期下,QX仍为1±0.1时,则表示残留癌细胞已失去原始活性。
3.根据权利要求2所述的一种淋巴瘤微小残留病灶监控位点筛选方法,其特征在于:所述RKS、RS1和RS2以最边缘处被标记的癌细胞进行计算,具体计算方法为:
第一步,取得癌细胞真实平面图像,使用放大显微装置进行图像放大;
第二步,采用绘制软件对边缘处的所有癌细胞进行连线;
第三步,对上述连线区域进行建模计算,得出连线区域的具体面积,此后再进行下一步评级计算。
4.根据权利要求1-3任意一项所述的一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,其特征在于:包括:
识别模块,所述识别模块由电子显微***和标记显形***构成,所述电子显微***用于对淋巴瘤癌细胞放大展示,所述标记显形***用于显示被特殊标记的癌细胞;
处理模块,所述处理模块包括数量处理单元和图像处理单元,所述数量处理单元用于对癌细胞的数量进行计算处理,所述图像处理单元用于对癌细胞的扩散面积范围进行计算处理。
5.根据权利要求4所述的一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,其特征在于:所述处理模块的内部设置有数据转化单元,所述数据转化单元用于对癌细胞的分布位置和数量进行数字转化,并以含有表格实物图的形式存储至数据终端。
6.根据权利要求5所述的一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,其特征在于:所述处理模块的内部还设置有对比单元,所述对比单元用于对***前和***后的癌细胞进行计算对比,从而得出相应数据。
7.根据权利要求3所述的一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,其特征在于:第二步中的连线操作采用不大于一微米的线体绘制,同时线体采用红色进行醒目识别,在连线完成后,采用识别软件进行特定颜色的识别,得出连线区域。
8.根据权利要求5所述的一种淋巴瘤微小残留病灶监控位点筛选方法所采用的筛选***,其特征在于:所述数据终端的登入端口和查询端口均设有加密单元,且数据终端内置上链***,自动将数据加密压缩至1KB以下并传输至区块链,避免数据丢失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311082157.9A CN117153251A (zh) | 2023-08-26 | 2023-08-26 | 一种淋巴瘤微小残留病灶监控位点筛选方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311082157.9A CN117153251A (zh) | 2023-08-26 | 2023-08-26 | 一种淋巴瘤微小残留病灶监控位点筛选方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117153251A true CN117153251A (zh) | 2023-12-01 |
Family
ID=88886009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311082157.9A Granted CN117153251A (zh) | 2023-08-26 | 2023-08-26 | 一种淋巴瘤微小残留病灶监控位点筛选方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117153251A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002218995A (ja) * | 2000-11-22 | 2002-08-06 | Masahito Taya | 細胞増殖能評価方法、装置及びプログラム |
JP2004344049A (ja) * | 2003-05-21 | 2004-12-09 | Masahito Taya | 細胞増殖能評価装置及びその方法 |
US20070292901A1 (en) * | 2006-06-15 | 2007-12-20 | Costello Penelope C | Methods and kits for evaluating and measuring the oncological status of tissue samples in three-dimensional physiological matrices |
WO2009157530A1 (ja) * | 2008-06-26 | 2009-12-30 | 株式会社ニコン | 胚観察装置 |
WO2011023363A1 (de) * | 2009-08-25 | 2011-03-03 | Universität Rostock | Verfahren und vorrichtung zur zellprobendiagnostik |
CN102220416A (zh) * | 2011-04-20 | 2011-10-19 | 北京师范大学 | 一种监测细胞***次数的方法及其应用 |
JP2013169291A (ja) * | 2012-02-20 | 2013-09-02 | Kao Corp | 表皮組織シミュレーション装置及び表皮組織シミュレーション方法 |
US20150284688A1 (en) * | 2012-11-09 | 2015-10-08 | Marco Archetti | Diffusible factors and cancer cells |
US20190266723A1 (en) * | 2016-09-29 | 2019-08-29 | Animantis, Llc | Methods and apparatus for assessing immune system activity and therapeutic efficacy |
CA3164113A1 (en) * | 2019-12-09 | 2021-06-17 | Kromatid, Inc. | Methods for high resolution spectral chromosome banding to detect chromosomal abnormalities |
CN113284554A (zh) * | 2021-04-28 | 2021-08-20 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种筛查结直肠癌术后微小残留病灶及预测复发风险的循环肿瘤dna检测***及应用 |
WO2022216778A1 (en) * | 2021-04-06 | 2022-10-13 | Berkeley Lights, Inc. | Methods of microfluidic assay and bioproduction from non-mammalian cells and kits therefor |
CN115954052A (zh) * | 2023-03-15 | 2023-04-11 | 广州迈景基因医学科技有限公司 | 一种实体瘤微小残留病灶监控位点筛选方法及*** |
CN116200490A (zh) * | 2022-07-25 | 2023-06-02 | 慧算基因科技(上海)有限公司 | 一种检测实体瘤微小残留病灶的方法 |
WO2023102501A1 (en) * | 2021-12-01 | 2023-06-08 | Kromatid, Inc. | METHODS FOR ANALYZING CHROMOSOMES AND CHROMOSOMAL ABNORMALITIES USING dGH WITH FLUORESCENCE SORTING AND/OR ARRAYS |
CN116524999A (zh) * | 2023-07-03 | 2023-08-01 | 迈杰转化医学研究(苏州)有限公司 | 一种用于检测结直肠癌微小残留病灶的靶标集合的筛选方法及其检测*** |
CN116580768A (zh) * | 2023-05-15 | 2023-08-11 | 上海厦维医学检验实验室有限公司 | 一种基于定制化策略的肿瘤微小残留病灶检测方法 |
-
2023
- 2023-08-26 CN CN202311082157.9A patent/CN117153251A/zh active Granted
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002218995A (ja) * | 2000-11-22 | 2002-08-06 | Masahito Taya | 細胞増殖能評価方法、装置及びプログラム |
JP2004344049A (ja) * | 2003-05-21 | 2004-12-09 | Masahito Taya | 細胞増殖能評価装置及びその方法 |
US20070292901A1 (en) * | 2006-06-15 | 2007-12-20 | Costello Penelope C | Methods and kits for evaluating and measuring the oncological status of tissue samples in three-dimensional physiological matrices |
WO2009157530A1 (ja) * | 2008-06-26 | 2009-12-30 | 株式会社ニコン | 胚観察装置 |
WO2011023363A1 (de) * | 2009-08-25 | 2011-03-03 | Universität Rostock | Verfahren und vorrichtung zur zellprobendiagnostik |
CN102220416A (zh) * | 2011-04-20 | 2011-10-19 | 北京师范大学 | 一种监测细胞***次数的方法及其应用 |
JP2013169291A (ja) * | 2012-02-20 | 2013-09-02 | Kao Corp | 表皮組織シミュレーション装置及び表皮組織シミュレーション方法 |
US20150284688A1 (en) * | 2012-11-09 | 2015-10-08 | Marco Archetti | Diffusible factors and cancer cells |
US20190266723A1 (en) * | 2016-09-29 | 2019-08-29 | Animantis, Llc | Methods and apparatus for assessing immune system activity and therapeutic efficacy |
CA3164113A1 (en) * | 2019-12-09 | 2021-06-17 | Kromatid, Inc. | Methods for high resolution spectral chromosome banding to detect chromosomal abnormalities |
WO2022216778A1 (en) * | 2021-04-06 | 2022-10-13 | Berkeley Lights, Inc. | Methods of microfluidic assay and bioproduction from non-mammalian cells and kits therefor |
CN113284554A (zh) * | 2021-04-28 | 2021-08-20 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种筛查结直肠癌术后微小残留病灶及预测复发风险的循环肿瘤dna检测***及应用 |
WO2023102501A1 (en) * | 2021-12-01 | 2023-06-08 | Kromatid, Inc. | METHODS FOR ANALYZING CHROMOSOMES AND CHROMOSOMAL ABNORMALITIES USING dGH WITH FLUORESCENCE SORTING AND/OR ARRAYS |
CN116200490A (zh) * | 2022-07-25 | 2023-06-02 | 慧算基因科技(上海)有限公司 | 一种检测实体瘤微小残留病灶的方法 |
CN115954052A (zh) * | 2023-03-15 | 2023-04-11 | 广州迈景基因医学科技有限公司 | 一种实体瘤微小残留病灶监控位点筛选方法及*** |
CN116580768A (zh) * | 2023-05-15 | 2023-08-11 | 上海厦维医学检验实验室有限公司 | 一种基于定制化策略的肿瘤微小残留病灶检测方法 |
CN116524999A (zh) * | 2023-07-03 | 2023-08-01 | 迈杰转化医学研究(苏州)有限公司 | 一种用于检测结直肠癌微小残留病灶的靶标集合的筛选方法及其检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lindberg et al. | Exome sequencing of prostate cancer supports the hypothesis of independent tumour origins | |
Agbor-Enoh et al. | Applying rigor and reproducibility standards to assay donor-derived cell-free DNA as a non-invasive method for detection of acute rejection and graft injury after heart transplantation | |
Kluk et al. | MYC immunohistochemistry to identify MYC-driven B-cell lymphomas in clinical practice | |
CN111304303B (zh) | 微卫星不稳定的预测方法及其应用 | |
CA2438267A1 (en) | Methods and probes for the detection of cancer | |
US20070178503A1 (en) | In-situ genomic DNA chip for detection of cancer | |
Roh | The utilization of cytologic and small biopsy samples for ancillary molecular testing | |
CN109124660B (zh) | 基于深度学习的胃肠间质瘤术后风险检测方法和*** | |
WO2018054254A1 (zh) | 一种鉴定样本中肿瘤负荷的方法和*** | |
CN110592208B (zh) | 地中海贫血症三类亚型的捕获探针组合物及其应用方法和应用装置 | |
Pajor et al. | State‐of‐the‐art FISHing: Automated analysis of cytogenetic aberrations in interphase nuclei | |
CN113257360B (zh) | 癌症筛查模型、癌症筛查模型的构建方法及构建装置 | |
CN116580768B (zh) | 一种基于定制化策略的肿瘤微小残留病灶检测方法 | |
CN104212889A (zh) | 一种用于诊断Xp11.2 易位性血管周上皮样细胞肿瘤的探针组合及其应用 | |
TW201837185A (zh) | 一種膀胱癌的無創檢測及其復發監測方法 | |
CN113674803A (zh) | 一种拷贝数变异的检测方法及其应用 | |
CN112768000A (zh) | 一种预测met基因拷贝数变化类型的方法及装置 | |
CN107567631A (zh) | 组织样品分析技术 | |
Rygiel et al. | Efficient automated assessment of genetic abnormalities detected by fluorescence in situ hybridization on brush cytology in a Barrett esophagus surveillance population | |
Theodosiou et al. | Evaluation of FISH image analysis system on assessing HER2 amplification in breast carcinoma cases | |
CN111968702B (zh) | 一种基于循环肿瘤dna的恶性肿瘤早期筛查*** | |
Pajor et al. | Automated signal pattern evaluation of a bladder cancer specific multiprobe‐fish assay applying a user‐trainable workstation | |
CN117153251A (zh) | 一种淋巴瘤微小残留病灶监控位点筛选方法及*** | |
CN104087671A (zh) | 一种用于检测人21号染色体数目的试剂盒 | |
US20020012938A1 (en) | Detection of epithelial dysplasia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |