一种鉴别良恶性肺结节的试剂盒及应用

摘要: 本发明属于生物医学检测,具体涉及一种鉴别良恶性肺结节的试剂盒及应用。背景技术:1、肺癌是我国发病率和死亡率最高的恶性肿瘤,早期诊治是提高肺癌患者生存的关键。然而...
一种鉴别良恶性肺结节的试剂盒及应用

本发明属于生物医学检测,具体涉及一种鉴别良恶性肺结节的试剂盒及应用。

背景技术:

1、肺癌是我国发病率和死亡率最高的恶性肿瘤,早期诊治是提高肺癌患者生存的关键。然而,由于临床表现不典型,目前早期肺癌患者的诊断比例仅占19%。肺结节作为肺癌早期的主要表现形式,其性质的科学评估对肺癌的早诊早治具有决定性意义。低剂量螺旋ct(ldct)是肺癌早期筛查的主要手段,但存在假阳性率过高(20-27%)的缺陷。过高的假阳性率可引发过度诊疗和增加患者负担等一系列临床问题。目前针对筛查发现的肺结节评估主要基于其影像学大小、形态、位置和动态对比,如何在避免肺癌漏诊和良性结节不必要的诊疗之间取得平衡,已成为当前临床医生面临的重要挑战。

2、近年来,以血浆游离 dna(cfdna)检测为核心的液体活检技术在肿瘤早诊领域展现出巨大潜力。dna甲基化作为表观遗传学的重要标志,在肺癌发生发展的早期阶段即会发生改变,且具有较强的组织特异性和稳定性,被认为是理想的肺癌早诊标志物。

3、然而,现有的cfdna甲基化检测技术仍存在明显局限。传统的重亚硫酸盐测序法在处理过程中会对dna造成严重的化学降解,导致文库复杂度降低且序列捕捉效率有限。同时,现有的商业化检测芯片对全基因组甲基化位点的覆盖率较低(仅约2%-3%),难以提供足够的灵敏度来准确区分早期恶性肺结节与良性结节。因此,临床上亟需一种高灵敏度、无创且能精准鉴别肺结节良恶性的分子检测工具,以弥补影像学筛查的不足,指导个体化诊疗方案的制定。

技术实现思路

1、针对目前肺结节筛查中假阳性率高、侵入性活检风险大以及传统分子检测灵敏度不足等技术问题,本发明旨在通过整合分析cfdna的全基因组甲基化图谱与片段组学特征,构建高精度的预测模型,为临床提供一种非侵入性、高灵敏度且高特异性的肺结节良恶性辅助诊断试剂盒及应用。

2、为了达到上述目的,本发明提供的技术方案为:

3、所述鉴别良恶性肺结节的试剂盒中包括用于提取血浆游离dna的核酸提取试剂、用于构建gm-seq文库的文库构建试剂;所述gm-seq文库构建试剂包括dna打断试剂、末端修复试剂、a/t尾添加试剂、接头连接试剂、tet酶、吡啶硼烷、pcr扩增试剂和文库环化试剂;所述试剂盒基于xgboost算法的非小细胞肺癌诊断模型对以下12个特征进行肺癌风险评估:9个差异甲基化区域dmr27734(chr1:1289004)、dmr55120(chr1:2097679)、dmr114989(chr1:4715576)、dmr66665(chr1:2433914)、dmr122523(chr1:5366740)、dmr3325(chr1:437583)、dmr14627(chr1:980109)、dmr3582(chr1:448987)和dmr35337(chr1:1488625),以及3个片段组特征:90-150bp频率、151-220bp频率和ratio。

4、优选地,所述dna打断试剂用于将基因组dna随机打断至200-300bp。

5、优选地,所述tet酶用于氧化5-甲基胞嘧啶和5-羟甲基胞嘧啶,所述吡啶硼烷用于将氧化产物还原为二氢尿嘧啶。

6、优选地,所述非小细胞肺癌诊断模型是机器学习模型。

7、优选地,所述鉴别良恶性肺结节的试剂盒中还包括阳性对照和阴性对照;所述阳性对照为puc19 dna,所述阴性对照为lambda dna。

8、优选地,所述片段组特征中,90-150bp频率为100-150bp长度片段在总片段中的占比,151-220bp频率为151-220bp长度片段在总片段中的占比,ratio为短片段与长片段的比例。

9、优选地,所述非小细胞肺癌诊断模型在验证集中的曲线下面积auc不低于0.9。

10、优选地,所述非小细胞肺癌诊断模型的敏感性不低于0.9,特异性不低于0.8。

11、本发明所述鉴别良恶性肺结节的试剂盒可用于制备肺癌早期诊断产品。

12、下面对本发明作进一步说明:

13、本发明所述鉴别良恶性肺结节的试剂盒中包括:用于提取血浆游离dna的核酸提取试剂、用于构建gm-seq文库的文库构建试剂、以及基于xgboost算法的非小细胞肺癌诊断模型。gm-seq文库构建试剂包括dna打断试剂、末端修复试剂、a/t尾添加试剂、接头连接试剂、tet酶、吡啶硼烷、pcr扩增试剂和文库环化试剂。非小细胞肺癌诊断模型基于以下12个特征进行肺癌风险评估:(1)9个差异甲基化区域:dmr27734(chr1:1289004)、dmr55120(chr1:2097679)、dmr114989(chr1:4715576)、dmr66665(chr1:2433914)、dmr122523(chr1:5366740)、dmr3325(chr1:437583)、dmr14627(chr1:980109)、dmr3582(chr1:448987)和dmr35337(chr1:1488625);(2)3个片段组学特征:90-150bp频率、151-220bp频率和ratio。基于xgboost算法的非小细胞肺癌诊断模型为机器学习模型。xgboost(extreme gradientboosting,极端梯度提升)是一种高效的梯度提升决策树算法,具有高精度、高效率、易于并行化等优点,适用于大规模数据分析。

14、利用本发明所述试剂盒进行肺结节良恶性鉴别的过程如下:

15、(1)从受试者外周血样本中提取血浆游离dna;

16、(2)对所述血浆游离dna进行gm-seq文库构建和测序,获得原始测序数据;

17、(3)对所述原始测序数据进行过滤、比对和甲基化位点检测,提取9个差异甲基化区域的甲基化水平;

18、(4)对所述原始测序数据进行片段组学分析,提取90-150bp频率、151-220bp频率和ratio三个片段组学特征;

19、(5)将所述9个差异甲基化区域的甲基化水平和3个片段组学特征输入非小细胞肺癌诊断模型,获得肺癌风险评估结果。

20、与现有技术相比,本发明具有以下有益效果:

21、(1)高精度与高灵敏度:本发明通过整合甲基化(表观遗传学)与片段组学(结构特征)的双维度信息,克服了单一标志物在早期肺癌检测中信号不足的缺点。实验数据显示,本发明技术在验证集中的曲线下面积(auc,area under curve)约为0.9,f1分数超过0.8,敏感性接近0.93,阴性预测值(npv)约为0.91,显著提升了对早期肺癌的识别能力。

22、(2)高特异性:验证集特异性达到0.83以上,说明本发明技术在准确识别良性结节方面同样表现出色,能够有效减少不必要的侵入性检查和手术。

23、(3)无创性与高依从性:本发明仅需采集受试者少量外周血,避免了穿刺活检带来的出血、气胸等并发症风险,适合高危人群的连续动态监测,提高了患者的依从性。

24、(4)降低过度诊疗:本发明通过对ldct检出的肺结节进行精准再分类,能够有效识别良性结节(如炎症、肉芽肿等),减少不必要的手术切除,保护患者肺功能,具有重要的临床价值和社会经济效益。

25、(5)临床转化的可行性:本发明筛选出的9个核心差异甲基化位点在组织与血浆中具有高度一致性,确保了检测结果的稳定性和临床转化的可行性。

26、(6)高阳性预测值:本发明技术的阳性预测值(ppv)超过75%,在临床初筛模型中是非常理想的,能够显著缩小需要进一步进行穿刺、活检或高分辨ct检查的人群范围,极大地提高了诊断效率。