[go: up one dir, main page]

CN117947165B - PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法 - Google Patents

PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法 Download PDF

Info

Publication number
CN117947165B
CN117947165B CN202410080189.3A CN202410080189A CN117947165B CN 117947165 B CN117947165 B CN 117947165B CN 202410080189 A CN202410080189 A CN 202410080189A CN 117947165 B CN117947165 B CN 117947165B
Authority
CN
China
Prior art keywords
dna
sample
dna sample
transcribed
concentration
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.)
Active
Application number
CN202410080189.3A
Other languages
English (en)
Other versions
CN117947165A (zh
Inventor
赵阳
贺晨阳
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.)
Second Affiliated Hospital Of College Of Medicine Of Xi'an Jiaotong University
Original Assignee
Second Affiliated Hospital Of College Of Medicine Of Xi'an Jiaotong University
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 Second Affiliated Hospital Of College Of Medicine Of Xi'an Jiaotong University filed Critical Second Affiliated Hospital Of College Of Medicine Of Xi'an Jiaotong University
Priority to CN202410080189.3A priority Critical patent/CN117947165B/zh
Publication of CN117947165A publication Critical patent/CN117947165A/zh
Application granted granted Critical
Publication of CN117947165B publication Critical patent/CN117947165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • 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
    • C12Q1/6806—Preparing nucleic acids for analysis, e.g. for polymerase chain reaction [PCR] assay
    • 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
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/686—Polymerase chain reaction [PCR]
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
    • G01N24/087—Structure determination of a chemical compound, e.g. of a biomolecule such as a protein
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • 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)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Medical Informatics (AREA)
  • Biochemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pathology (AREA)
  • Microbiology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)

Abstract

本发明涉及分析生物检测技术领域，提供了一种PCR检测肺腺癌癌前病变人群血浆l ncRNA的检测方法及系统，包括：对血浆样本进行DNA提取处理，得到DNA样本，记录DNA提取处理的提取数据，采集DNA样本对应的参数信息，计算DNA样本中的循环DNA浓度；配置DNA样本对应的最优转录物质，利用最优转录物质对DNA样本进行转录处理，得到转录DNA样本，识别转录DNA样本中的DNA序列信息；设置转录DNA样本对应的特异性引物，配置转录DNA样本对应的PCR反应条件，执行对转录DNA样本的扩增反应处理，得到扩增DNA产物；识别出扩增DNA产物中的l ncRNA，分析l ncRNA的表达特性，查询表达特性对应的病理表现，确定肺腺癌癌前病变人群对应的病变阶段。本发明在于提高肺腺癌癌前病变检测的准确性。

Description

PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法
技术领域
本发明涉及分析生物检测技术领域，尤其涉及一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法及系统。
背景技术
肺腺癌是一种肺癌的亚型，起源于肺组织中的腺上皮细胞，它是最常见的非小细胞肺癌类型之一，肺腺癌的病因复杂，包括吸烟、暴露于致癌物质(如石棉、镍、铬等)、遗传变异以及某些基因突变等因素，肺腺癌是一种严重的恶性肿瘤，早期诊断和综合治疗对于提高患者的生存率和生活质量至关重要，因此对肺腺癌癌前病变人群的相关检测至关重要。
目前现有的肺腺癌癌前检测方法主要是通过结合CT扫描和胸部MRI检测的方法，通过CT扫描患者的肺部图像，通过肺部图像，对早期肺腺癌可能存在病变的位置进行定位，在通过胸部MRI技术构造精细的肺部结构图像，用于检测对病变位置进行检测分析，从而确定患者的病变所处阶段，但是由于肺腺癌的早期阶段一般无明显症状，或者潜伏期较长，从而导致该方法检测的结果与真实情况可能存在误差，从而导致检测的准确性降低，因此，需要一种能够提高肺腺癌癌前病变检测的准确性的方法。
发明内容
本发明提供一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法及系统，其主要目的在于提高肺腺癌癌前病变检测的准确性。
为实现上述目的，本发明提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法，包括：
采集肺腺癌癌前病变人群的血浆样本，对所述血浆样本进行DNA提取处理，得到DNA样本，并记录DNA提取处理的提取数据，采集所述DNA样本对应的参数信息，根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度；
根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，利用所述最优转录物质对所述DNA样本进行转录处理，得到转录DNA样本，识别所述转录DNA样本中的DNA序列信息；
根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，根据所述特异性引物，配置所述转录DNA样本对应的PCR反应条件，根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，得到扩增DNA产物，记录扩增反应的反应周期；
识别出所述扩增DNA产物中的lncRNA，根据所述反应周期，分析所述lncRNA的表达特性，根据预设的临床病理表现表，查询所述表达特性对应的病理表现，结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段。
可选地，所述对所述血浆样本进行DNA提取处理，得到DNA样本，包括：
对所述血浆样本进行离心分层处理，得到分层样本，确定所述分层样本中的白细胞层；
计量所述白细胞层对应的样本容量，对所述白细胞层进行分离处理，得到白细胞样本；
对所述白细胞样本进行细胞裂解处理，得到裂解样本；
根据所述样本容量，配置所述目标样本对应的DNA结合试剂和DNA提取工具；
利用所述DNA提取试剂对所述裂解样本进行DNA结合处理，得到结合样本；
对所述结合样本进行除杂处理，得到目标样本；
利用所述DNA提取工具对所述目标样本进行DNA提取处理，得到DNA样本。
可选地，所述根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度，包括：
通过下述公式计算所述DNA样本中的循环DNA浓度：
其中，A表示DNA样本中的循环DNA浓度，B表示参数信息中关于仪器计算得到的样本DNA量，DDNA表示提取数据中DNA样本提取出的DNA总质量，EPCR表示DNA样本对应的样本总质量，FEXT表示提取数据中的血浆样本总量。
可选地，所述根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，包括：
查询所述DNA样本对应的转录物质和物质浓度，确定所述转录物质对应的工作浓度；
根据所述循环DNA浓度和所述工作浓度，计算出所述转录物质对应的反应体积；
根据所述工作浓度和所述反应体积，计算出所述转录物质对应的活性系数；
根据所述活性系数，从所述转录物质中筛选出最优转录物质。
可选地，所述根据所述循环DNA浓度和所述工作浓度，计算出所述转录物质对应的反应体积，包括：
通过下述公式计算出所述转录物质对应的反应体积：
其中，G表示转录物质对应的反应体积，H表示循环DNA浓度，J表示工作浓度，L0表示DNA样本对应的初始浓度，βDNA表示DNA样本中的DNA消耗率。
可选地，所述识别所述转录DNA样本中的DNA序列信息，包括：
调度所述转录DNA样本使用的核磁共振设备，设置所述核磁共振设备的脉冲参数；
根据所述脉冲参数，利用所述核磁共振设备对所述转录DNA样本进行核磁共振处理，得到共振信号数据；
根据所述共振信号数据，构建所述转录DNA样本对应的核磁共振图谱，计算所述核磁共振图谱对应的特征参数值；
根据所述特征参数值，分析所述转录DNA样本对应的原子核信息；
根据所述原子核信息，确定所述转录DNA样本中的DNA序列信息。
可选地，所述识别出所述扩增DNA产物中的lncRNA，包括：
对所述扩增DNA产物进行电泳分离处理，得到DNA分离产物；
对所述DNA分离产物进行DNA可视化处理，得到可视化DNA；
对所述可视化DNA进行成像处理，得到DNA图像；
对所述DNA图像进行特征提取，得到DNA可视化特征；
根据所述DNA可视化特征，识别出所述扩增DNA产物中的lncRNA。
可选地，所述对所述DNA图像进行特征提取，得到DNA可视化特征，包括：
对所述DNA图像进行降噪处理，得到降噪DNA图像；
识别所述降噪DNA图像中的背景图像，对所述背景图像进行背景去除处理，得到目标DNA图像；
对所述目标DNA图像进行轮廓提取，得到DNA轮廓；
对所述DNA轮廓进行分割处理，得到DNA分割轮廓；
测量所述DNA分割轮廓对应的长度，得到DNA轮廓长度；
对所述DNA分割轮廓灰度处理，得到灰度DNA轮廓，提取所述灰度DNA轮廓对应的轮廓特征；
结合所述DNA轮廓长度和所述轮廓特征，得到DNA可视化特征。
可选地，所述识别所述降噪DNA图像中的背景图像，包括：
可以通过下述公式识别所述降噪DNA图像中的背景图像：
其中，M表示降噪DNA图像中的背景图像，j表示降噪DNA图像的像素序列号，j表示降噪DNA图像的像素数量，Nj表示降噪DNA图像中第j个像素点对应的混合权重值，Qj(k)表示降噪DNA图像中第j个像素点对应的像素密度值。
一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统，其特征在于，所述系统包括：
样本浓度计算模块，用于采集肺腺癌癌前病变人群的血浆样本，对所述血浆样本进行DNA提取处理，得到DNA样本，并记录DNA提取处理的提取数据，采集所述DNA样本对应的参数信息，根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度；
序列信息识别模块，用于根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，利用所述最优转录物质对所述DNA样本进行转录处理，得到转录DNA样本，识别所述转录DNA样本中的DNA序列信息；
扩增反应模块，用于根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，根据所述特异性引物，配置所述转录DNA样本对应的PCR反应条件，根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，得到扩增DNA产物，记录扩增反应的反应周期；
病理分析模块，用于识别出所述扩增DNA产物中的lncRNA，根据所述反应周期，分析所述lncRNA的表达特性，根据预设的临床病理表现表，查询所述表达特性对应的病理表现，结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段。
本发明对所述血浆样本进行DNA提取处理，可以对所述血浆样本中含有的游离DNA提取处理，从而得到高质量的DNA样本，以便于计算所述DNA样本中的循环DNA浓度，本发明根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，以便于将所述DNA样本中的DNA转录成相应的互补DNA，从而提高DNA样本中的DNA完整性，提高了后续DNA序列信息的识别准确性，本发明根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，在设置过程中可以得到特异性引物的引物信息，从而便于PCR反应条件的配置，以此提高后续扩增反应的效率及精确性，本发明通过分析出所述DNA分离产物中的lncRNA，以便于后续所述lncRNA的表达特性的分析，为腺癌癌前病变检测的准确性提供了依据。因此，本发明实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法及系统，能够提高肺腺癌癌前病变检测的准确性。
附图说明
图1为本发明一实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法的流程示意图；
图2为本发明一实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统的功能模块图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法。本申请实施例中，所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法的流程示意图。在本实施例中，所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法包括步骤S1—S4。
S1、采集肺腺癌癌前病变人群的血浆样本，对所述血浆样本进行DNA提取处理，得到DNA样本，并记录DNA提取处理的提取数据，采集所述DNA样本对应的参数信息，根据所述参数信息，计算所述DNA样本中的循环DNA浓度。
本发明对所述血浆样本进行DNA提取处理，可以对所述血浆样本中含有的游离DNA提取处理，从而得到高质量的DNA样本，以便于计算所述DNA样本中的循环DNA浓度，其中，所述血浆样本是从肺腺癌癌前病变人群的体内提取的血浆，所述DNA样本是所述血浆样本中的DNA提取出来后得到的样本，所述提取数据是进行DNA提取处理过程的数据，如提取所用的试剂或者试剂用量，可选的，记录DNA提取处理的提取数据可以通过记录软件实现，所述记录软件是由脚本语言编译。
作为本发明的一个实施例，所述对所述血浆样本进行DNA提取处理，得到DNA样本，包括：对所述血浆样本进行离心分层处理，得到分层样本，确定所述分层样本中的白细胞层，并计量所述白细胞层对应的样本容量，对所述白细胞层进行分离处理，得到白细胞样本，对所述白细胞样本进行细胞裂解处理，得到裂解样本，根据所述样本容量，配置所述目标样本对应的DNA结合试剂和DNA提取工具，利用所述DNA提取试剂对所述裂解样本进行DNA结合处理，得到结合样本，对所述结合样本进行除杂处理，得到目标样本，利用所述DNA提取工具对所述目标样本进行DNA提取处理，得到DNA样本。
其中，所述分层样本是所述血浆样本经过离心分层处理，并且静置后得到的多层样本，所述白细胞层是所述分层样本中位于上清液与红细胞沉淀层之间，它主要包含白细胞(包括淋巴细胞、单核细胞和中性粒细胞)以及少量的血小板，DNA存在于细胞核中，因此所述白细胞层富含DNA，所述裂解样本是所述白细胞样本中的白细胞的细胞膜裂解后得到的样本，所述DNA结合试剂是用于和DNA结合形成复合物的试剂，如DNA聚合酶，所述DNA提取工具是用于对DNA的复合物进行提取的工具，如硅胶膜吸附柱。
可选的，对所述血浆样本进行离心分层处理可以通过台式离心机实现，确定所述分层样本中的白细胞层可以通过紫外可见光谱法实现，计量所述白细胞层对应的样本容量可以通过量筒工具实现，对所述白细胞层进行分离处理可以通过血液分离管实现，对所述白细胞样本进行细胞裂解处理可以通过溶菌酶实现，查询DNA结合试剂的结合效率，根据所述样本容量的数值，配置所述DNA结合试剂的用量，根据所述样本容量的数值，确定样本容量的多少，如样本容量为微量，DNA提取工具可以选择微离心管，对所述结合样本进行除杂处理可以通过蛋白酶实现。
本发明根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度，可以得到所述DNA样本中的DNA含量，从而便于后续最优转录物质的配置，避免出现DNA转录不完全的问题，其中，所述参数信息是所述DNA样本对应的相关信息，如容量或者颜色等信息，所述循环DNA浓度是所述DNA样本中的自由DNA片段的含量，采集所述DNA样本对应的参数信息可以通过相关的仪器或者工具实现，如数字dPCR仪器或者或者分光光度计工具。
作为本发明的一个实施例，所述根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度，包括：
通过下述公式计算所述DNA样本中的循环DNA浓度：
其中，A表示DNA样本中的循环DNA浓度，B表示参数信息中关于仪器计算得到的样本DNA量，DDNA表示提取数据中DNA样本提取出的DNA总质量，EPCR表示DNA样本对应的样本总质量，FEXT表示提取数据中的血浆样本总量。
S2、根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，利用所述最优转录物质对所述DNA样本进行转录处理，得到转录DNA样本，识别所述转录DNA样本中的DNA序列信息。
本发明根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，以便于将所述DNA样本中的DNA转录成相应的互补DNA，从而提高DNA样本中的DNA完整性，提高了后续DNA序列信息的识别准确性，其中，所述最优转录物质是对所述DNA样本中的DNA进行转录得到互补DNA的性能最佳的物质。
作为本发明的一个实施例，所述根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，包括：查询所述DNA样本对应的转录物质和物质浓度，确定所述转录物质对应的工作浓度，根据所述循环DNA浓度和所述工作浓度，计算出所述转录物质对应的反应体积，根据所述工作浓度和所述反应体积，计算出所述转录物质对应的活性系数，根据所述活性系数，从所述转录物质中筛选出最优转录物质。
其中，所述转录物质是对所述DNA样本进行转录处理的物质，如反向转录酶，所述物质浓度是所述转录物质保存时对应的浓度，所述反应体积是所述转录物质进行转录反应时对应的总体积，所述活性系数表示所述转录物质进行转录时的活性程度。
可选的，查询所述DNA样本对应的转录物质和物质浓度可以通过人工交互的方式从互联网查询得到，可以通过实验方法计算出不同浓度下所述转录物质对应的转录效率，根据所述转录效率的高低确定所述转录物质对应的工作浓度，所述实验方法包括荧光定量PCR方法，所述活性系数可以通过计算所述工作浓度和所述反应体积的乘积得到，选取所述活性系数中数值最大的所述转录物质，以此得到最优转录物质。
可选的，作为本发明的一个可选实施例，所述根据所述循环DNA浓度和所述工作浓度，计算出所述转录物质对应的反应体积，包括：
通过下述公式计算出所述转录物质对应的反应体积：
其中，G表示转录物质对应的反应体积，H表示循环DNA浓度，J表示工作浓度，L0表示DNA样本对应的初始浓度，βDNA表示DNA样本中的DNA消耗率。
本发明利用所述最优转录物质对所述DNA样本进行转录处理，可以将所述DNA样本中不完整DNA转化成完整的DNA分子，通过识别所述转录DNA样本中的DNA序列信息，可以了解所述转录DNA样本中DNA对应的结构，为后续特异性引物的设置提供了依据，其中，所述转录DNA样本是所述DNA样本中的DNA通过所述最优转录物质转录成互补DNA后得到的样本，所述DNA序列信息是所述转录DNA样本中DNA的核苷酸特定顺序，如1-60GGGAGACATGAGACAGCAATCAGTATGTATAAGATGTACATTGGTTCCATCTGGAAAGGG61-120GACAACTCGAGGTGAAGGCGGGACAACTCAAAGCGCGGAGGCTTCCAGATCATAGAT121-180CCACCCTGATTTCAGCGGGCGTTCCTGGGTCTTGTATGCACTAGGTGCCCTCAATGCTTG181-240GCAACTGGAATGGGTTAGCCTGGAGGCATTTAGGCTGTCCTTCTACAACCACAGAAGAGC241-300CATCACTGGCAGAGAGATCCTTGGCGCAGTTAAGCAGAGATCTTCTCAGAAGAGCTTTTG301-360AATAAATGAAGTTGTTCAGAATGGCCTTGTTAAAATGACTCACTTGTCAAAAAACTAGAT361-420GTGTTGGAAGGCTGGGTTGGAAGACAAGATGTCTGAGAAGCTGTCCTGCTGCATGAGGAG421-480TTTCATTGCTACACACCTAGTCTCTGGGTCCTGTGTTTTTGGCCTCCAGCTTACTTCGTG481-516AACATAATCATTAAAGGAAAGGCATTTTCTCTTGTG，可选的，识别所述转录DNA样本中的DNA序列信息可以通过。作为本发明的一个实施例，所述识别所述转录DNA样本中的DNA序列信息，包括：调度所述转录DNA样本使用的核磁共振设备，设置所述核磁共振设备的脉冲参数，根据所述脉冲参数，利用所述核磁共振设备对所述转录DNA样本进行核磁共振处理，得到共振信号数据，根据所述共振信号数据，构建所述转录DNA样本对应的核磁共振图谱，计算所述核磁共振图谱对应的特征参数值，根据所述特征参数值，分析所述转录DNA样本对应的原子核信息，根据所述原子核信息，确定所述转录DNA样本中的DNA序列信息。
其中，所述核磁共振设备是利用原子核自旋的物理性质进行成像和分析的仪器，所述脉冲参数是所述核磁共振设备进行工作时对应的参数，如脉冲间隔或者脉冲序列等参数，所述共振信号数据是所述核磁共振设备对所述转录DNA样本进行核磁共振处理得到的关于DNA信号的数据，所述核磁共振图谱是所述共振信号数据对应的信号分布图谱，所述特征参数值是所述核磁共振图谱中的信号峰对应的特征数值，如信号峰的峰强度和峰积分，所述原子核信息是根据所述特征参数值分析出所述转录DNA样本中的原子核相关的信息。
可选的，调度所述转录DNA样本使用的核磁共振设备可以通过人为操作处理实现，所述脉冲参数可以通过根据所述核磁共振设备中提供的参考值手工设置，可以通过计算所述共振信号数据对应的信号数值，根据所述信号数值利用制图工具构建所述转录DNA样本对应的核磁共振图谱，所述制图工具包括visio制图工具实现，计算所述核磁共振图谱对应的特征参数值步骤为：可以通过阈值法识别出信号峰，可以通过矩形法计算出所述信号峰峰积分，所述转录DNA样本对应的原子核信息可以通过根据所述特征参数值提供的信息分析得到，具体步骤为：例如计算所述特征参数值中信号峰位置和参考物质信号峰之间的对比差值，根据所述对比差值确定所述DNA样本中的化学位移，可以通过计算信号峰之间的峰距离，根据所述峰距离确定所述DNA样本中的原子核耦合常数，信号峰的形状和宽度表示相应原子核自旋系统的弛豫过程，将所述信号峰的形状通过洛伦兹函数表示，得到所述原子核的纵向弛豫时间，测量所述信号峰的半峰宽度，得到所述原子核的横向弛豫时间，计算所述纵向弛豫时间和所述横向弛豫时间的时间和值，根据所述时间和值得到所述原子核的弛豫时间，结合所述化学位移、所述原子核耦合常数和所述弛豫时间，可以分析出所述转录DNA样本对应的原子核信息。
S3、根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，根据所述特异性引物，配置所述转录DNA样本对应的PCR反应条件，根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，得到扩增DNA产物，记录扩增反应的反应周期。
本发明根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，在设置过程中可以得到特异性引物的引物信息，从而便于PCR反应条件的配置，以此提高后续扩增反应的效率及精确性，其中，所述特异性引物是能够选择性地进行DNA扩增处理，以区分目标序列和其他相关或类似序列，所述PCR反应条件是所述转录DNA样本进行扩增反应的条件，可选地，设置所述转录DNA样本对应的特异性引物可以通过利用引物设计软件实现，如Primer3工具，分析所述特异性引物对应的引物反应环境，根据所述引物反应环境配置所述转录DNA样本对应的PCR反应条件，记录扩增反应的反应周期可以通过计时器实现。
本发明根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，可以有效地获得特异性、高效的扩增产物，以便于后续可以lncRNA的分析，其中，所述扩增DNA产物是所述转录DNA样本在所述PCR反应条件下和所述特异性引物反应后得到的扩增物，可选的，执行对所述转录DNA样本的扩增反应处理可以通过在所述PCR反应条件下，将所述特异性引物与所述转录DNA样本混合处理，通过变性、退火以及延伸处理，得到扩增DNA产物，变性：将所述转录DNA样本放入热循环仪中，升温到95℃以上，使得DNA双链解开成两条单链，是消除双链结构，使得DNA的两个互补链分离，退火：降低温度至50-65℃，使所述特异性引物与降温后的所述转录DNA样本中的目标区域互补结合，延伸：加入聚合酶，开始合成新的DNA链，以此得到扩增DNA产物，升温到95℃以上和降低温度至50-65℃均为PCR反应条件。
S4、识别出所述扩增DNA产物中的lncRNA，根据所述反应周期，分析所述lncRNA的表达特性，根据预设的临床病理表现表，查询所述表达特性对应的病理表现，结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段。
本发明通过分析出所述DNA分离产物中的lncRNA，以便于后续所述lncRNA的表达特性的分析，为腺癌癌前病变检测的准确性提供了依据，其中，所述lncRNA是所述DNA分离产物中长度较长且不能被转录成蛋白质的RNA，在调控基因表达和细胞功能方面有着重要作用。
作为本发明的一个实施例，所述识别出所述扩增DNA产物中的lncRNA，包括：对所述扩增DNA产物进行电泳分离处理，得到DNA分离产物，对所述DNA分离产物进行DNA可视化处理，得到可视化DNA，对所述可视化DNA进行成像处理，得到DNA图像，对所述DNA图像进行特征提取，得到DNA可视化特征，根据所述DNA可视化特征，识别出所述扩增DNA产物中的lncRNA。
其中，所述DNA分离产物是所述扩增DNA产物经过电泳分离后得到结果，所述可视化DNA是所述DNA分离产物中的DNA经过染色剂处理后得到的DNA，所述DNA图像是通过成像设备对所述可视化DNA拍摄得到的图像，所述DNA可视化特征是所述DNA的特征，如DNA带宽和带状强度等。
可选的，对所述扩增DNA产物进行电泳分离处理可以通过电泳仪实现，对所述DNA分离产物进行DNA可视化处理可以通过溴化乙锭染色剂实现，对所述可视化DNA进行成像处理，根据所述DNA可视化特征中的DNA长度可以识别出所述扩增DNA产物中的lncRNA，lncRNA的长度长于DNA链的长度。
可选的，作为本发明的一个可选实施例，所述对所述DNA图像进行特征提取，得到DNA可视化特征，包括：对所述DNA图像进行降噪处理，得到降噪DNA图像，识别所述降噪DNA图像中的背景图像，对所述背景图像进行背景去除处理，得到目标DNA图像，对所述目标DNA图像进行轮廓提取，得到DNA轮廓，对所述DNA轮廓进行分割处理，得到DNA分割轮廓，测量所述DNA分割轮廓对应的长度，得到DNA轮廓长度，对所述DNA分割轮廓灰度处理，得到灰度DNA轮廓，提取所述灰度DNA轮廓对应的轮廓特征，结合所述DNA轮廓长度和所述轮廓特征，得到DNA可视化特征。
其中，所述降噪DNA图像是所述DNA图像中的噪声干扰经过去除后得到的图像，所述目标DNA图像是所述降噪DNA图像中的背景经过去除后得到的图像，所述DNA轮廓是所述目标DNA图像中的DNA形状，所述灰度DNA轮廓是所述DNA分割轮廓通过灰度表达得到的轮廓，所述轮廓特征是所述DNA分割轮廓对应的轮廓信息。
可选的，对所述DNA图像进行降噪处理可以通过低通滤波器实现，对所述目标DNA图像进行轮廓提取可以通过Sobel算子算法实现，对所述DNA轮廓进行分割处理可以通过图像分割工具实现，所述图像分割工具是由脚本语言编译，测量所述DNA分割轮廓对应的长度可以通过标尺工具实现，对所述DNA分割轮廓灰度处理可以通过亮度法实现，及从R、G和B通道的像素值中选取最大值作为灰度值，提取所述灰度DNA轮廓对应的轮廓特征可以通过Canny边缘检测算法实现。
可选的，作为本发明的一个可选实施例，所述识别所述降噪DNA图像中的背景图像，包括：
可以通过下述公式识别所述降噪DNA图像中的背景图像：
其中，M表示降噪DNA图像中的背景图像，j表示降噪DNA图像的像素序列号，j表示降噪DNA图像的像素数量，Nj表示降噪DNA图像中第j个像素点对应的混合权重值，Qj(k)表示降噪DNA图像中第j个像素点对应的像素密度值。
本发明根据所述反应周期，分析所述lncRNA的表达特性，可以了解lncRNA调控网络的复杂性和机制，深入理解转录调控的全貌，从而便于后续的病理表现的查询，其中，所述表达特性是所述lncRNA的表达水平的特征，可选的，可以根据所述反应周期的周期长短确定所述lncRNA表达水平的高低，以此分析出所述lncRNA的表达特性。
本发明结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段，可以准确的得到所述肺腺癌癌前病变人群的病情情况，提前采取相应的预防措施，其中，所述预设的临床病理表现表是统计大量的表达特性和病理对应的映射关系表，所述病理表现是和疾病相关的异常变化和特征，所述病变阶段是所述肺腺癌癌前病变人群对应的肺腺癌对应的发展阶段，可选的，可以通过相关的专业医护人员对所述病理表现进行分析，以此确定所述肺腺癌癌前病变人群对应的病变阶段。
本发明对所述血浆样本进行DNA提取处理，可以对所述血浆样本中含有的游离DNA提取处理，从而得到高质量的DNA样本，以便于计算所述DNA样本中的循环DNA浓度，本发明根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，以便于将所述DNA样本中的DNA转录成相应的互补DNA，从而提高DNA样本中的DNA完整性，提高了后续DNA序列信息的识别准确性，本发明根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，在设置过程中可以得到特异性引物的引物信息，从而便于PCR反应条件的配置，以此提高后续扩增反应的效率及精确性，本发明通过分析出所述DNA分离产物中的lncRNA，以便于后续所述lncRNA的表达特性的分析，为腺癌癌前病变检测的准确性提供了依据。因此，本发明实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法，能够提高肺腺癌癌前病变检测的准确性。
如图2所示，是本发明一实施例提供的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统的功能模块图。
本发明所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统100可以安装于电子设备中。根据实现的功能，所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统100可以包括样本浓度计算模块101、序列信息识别模块102、扩增反应模块103及病理分析模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述样本浓度计算模块101，用于采集肺腺癌癌前病变人群的血浆样本，对所述血浆样本进行DNA提取处理，得到DNA样本，并记录DNA提取处理的提取数据，采集所述DNA样本对应的参数信息，根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度；
所述序列信息识别模块102，用于根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，利用所述最优转录物质对所述DNA样本进行转录处理，得到转录DNA样本，识别所述转录DNA样本中的DNA序列信息；
所述扩增反应模块103，用于根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，根据所述特异性引物，配置所述转录DNA样本对应的PCR反应条件，根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，得到扩增DNA产物，记录扩增反应的反应周期；
所述病理分析模块104，用于识别出所述扩增DNA产物中的lncRNA，根据所述反应周期，分析所述lncRNA的表达特性，根据预设的临床病理表现表，查询所述表达特性对应的病理表现，结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段。
详细地，本申请实施例中所述一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统100中所述的各模块在使用时采用与上述图1中所述的一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所提供的方法和系统，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人工的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (1)

1.一种PCR检测肺腺癌癌前病变人群血浆lncRNA的检测系统，其特征在于，所述系统包括：
样本浓度计算模块，用于采集肺腺癌癌前病变人群的血浆样本，对所述血浆样本进行DNA提取处理，得到DNA样本，并记录DNA提取处理的提取数据，采集所述DNA样本对应的参数信息，根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度，其中，所述根据所述参数信息和所述提取数据，计算所述DNA样本中的循环DNA浓度，包括：
通过下述公式计算所述DNA样本中的循环DNA浓度：其中，A表示DNA样本中的循环DNA浓度，B表示参数信息中关于仪器计算得到的样本DNA量，表示提取数据中DNA样本提取出的DNA总质量，表示DNA样本对应的样本总质量，表示提取数据中的血浆样本总量；
序列信息识别模块，用于根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，利用所述最优转录物质对所述DNA样本进行转录处理，得到转录DNA样本，识别所述转录DNA样本中的DNA序列信息，其中，所述根据所述循环DNA浓度，配置所述DNA样本对应的最优转录物质，包括：
查询所述DNA样本对应的转录物质和物质浓度，确定所述转录物质对应的工作浓度；其中，所述转录物质是对所述DNA样本进行转录处理的物质，包括反向转录酶；
根据所述循环DNA浓度和所述工作浓度，通过下述公式计算出所述转录物质对应的反应体积：其中，G表示转录物质对应的反应体积，H表示循环DNA浓度，J表示工作浓度，表示DNA样本对应的初始浓度，表示DNA样本中的DNA消耗率，所述物质浓度是所述转录物质保存时对应的浓度，所述反应体积是所述转录物质进行转录反应时对应的总体积;
根据所述工作浓度和所述反应体积，计算出所述转录物质对应的活性系数；其中所述活性系数通过计算所述工作浓度和所述反应体积的乘积得到；
根据所述活性系数，从所述转录物质中筛选出最优转录物质；
其中，所述识别所述转录DNA样本中的DNA序列信息，包括：
调度所述转录DNA样本使用的核磁共振设备，设置所述核磁共振设备的脉冲参数；
根据所述脉冲参数，利用所述核磁共振设备对所述转录DNA样本进行核磁共振处理，得到共振信号数据；
根据所述共振信号数据，构建所述转录DNA样本对应的核磁共振图谱，计算所述核磁共振图谱对应的特征参数值；
根据所述特征参数值，分析所述转录DNA样本对应的原子核信息；
根据所述原子核信息，确定所述转录DNA样本中的DNA序列信息；
扩增反应模块，用于根据所述DNA序列信息，设置所述转录DNA样本对应的特异性引物，根据所述特异性引物，配置所述转录DNA样本对应的PCR反应条件，根据所述PCR反应条件和所述特异性引物，执行对所述转录DNA样本的扩增反应处理，得到扩增DNA产物，记录扩增反应的反应周期；
病理分析模块，用于识别出所述扩增DNA产物中的lncRNA，根据所述反应周期，分析所述lncRNA的表达特性，根据预设的临床病理表现表，查询所述表达特性对应的病理表现，结合所述病理表现，确定所述肺腺癌癌前病变人群对应的病变阶段，其中，所述识别出所述扩增DNA产物中的lncRNA，包括：
对所述扩增DNA产物进行电泳分离处理，得到DNA分离产物；
对所述DNA分离产物进行DNA可视化处理，得到可视化DNA；
对所述可视化DNA进行成像处理，得到DNA图像；
对所述DNA图像进行特征提取，得到DNA可视化特征；
根据所述DNA可视化特征，识别出所述扩增DNA产物中的lncRNA。
CN202410080189.3A 2024-01-19 2024-01-19 PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法 Active CN117947165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410080189.3A CN117947165B (zh) 2024-01-19 2024-01-19 PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410080189.3A CN117947165B (zh) 2024-01-19 2024-01-19 PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法

Publications (2)

Publication Number Publication Date
CN117947165A CN117947165A (zh) 2024-04-30
CN117947165B true CN117947165B (zh) 2024-10-08

Family

ID=90797791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410080189.3A Active CN117947165B (zh) 2024-01-19 2024-01-19 PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法

Country Status (1)

Country Link
CN (1) CN117947165B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111919259A (zh) * 2018-03-28 2020-11-10 富士胶片株式会社 样本获取信息管理装置、样本获取信息管理系统及样本获取信息管理方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013207385B2 (en) * 2012-01-06 2018-09-13 Exact Sciences Corporation System and method of detecting RNAs altered by cancer in peripheral blood
US10246479B2 (en) * 2012-04-09 2019-04-02 The Trustees Of Columbia University In The City Of New York Method of preparation of nanopore and uses thereof
JP6837851B2 (ja) * 2017-01-31 2021-03-03 シスメックス株式会社 血液検体の判定方法、並びに血液検体の分析のための装置及びコンピュータプログラム
CN115166131B (zh) * 2022-07-28 2024-12-27 华中科技大学 单分子操纵检测体外药物代谢酶催化形成dna加合物的方法
US20230248998A1 (en) * 2023-04-12 2023-08-10 Buvaneswari Natarajan System and method for predicting diseases in its early phase using artificial intelligence

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111919259A (zh) * 2018-03-28 2020-11-10 富士胶片株式会社 样本获取信息管理装置、样本获取信息管理系统及样本获取信息管理方法

Also Published As

Publication number Publication date
CN117947165A (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
Barros et al. PathoSpotter-K: A computational tool for the automatic identification of glomerular lesions in histological images of kidneys
CN112086129B (zh) 预测肿瘤组织cfDNA的方法及系统
Yang et al. Advances in AI‐based cancer cytopathology
WO2007089583A2 (en) Systems and methods for statistical genomic dna based analysis and evaluation
CN110991536B (zh) 原发性肝癌的早期预警模型的训练方法
CN112200763B (zh) 一种基于肝脏ct影像的肝功能分级方法
CN113913333A (zh) 一种肺癌诊断标志物及用途
US12087454B2 (en) Systems and methods for the detection and classification of biological structures
CN117316271A (zh) 基于二代测序技术筛查血液肿瘤标本拷贝数变异的方法及检测系统
CN113355438B (zh) 一种血浆微生物物种多样性评估方法、装置和存储介质
Baheti et al. Prognostic stratification of glioblastoma patients by unsupervised clustering of morphology patterns on whole slide images furthering our disease understanding
Shanmuga et al. Bone marrow cancer detection from leukocytes using neural networks
CN113702349A (zh) 一种基于拉曼光谱的涎腺肿瘤的诊断模型构建方法
CN113862351B (zh) 体液样本中鉴定胞外rna生物标志物的试剂盒及方法
CN113990485A (zh) 一种基于常规检验数据与知识图谱联合诊断疾病的方法
CN117947165B (zh) PCR检测肺腺癌癌前病变人群血浆lncRNA的检测方法
CN111354421B (zh) 健康风险评估方法
CN107723343A (zh) 一种基因定量分析的方法
US12152269B2 (en) Examination system, examination device, and examination method for testing sample quality prior to biomarker detection
CN115810428A (zh) 基于无创呼气活检技术的乳腺癌呼吸气体数据分析方法
Mashford et al. Comparison of deep-learning models for classification of cellular phenotype from flow cytometry data
CN113930526A (zh) 用于鉴别甲基苯丙胺涉毒人群的方法、组合物及其应用
Güler et al. Early Diagnosis of Invasive Ductal Carcinoma Breast Cancer using Deep Learning Framework
Fuhlert et al. A systematic analysis of the impact of data variation on AI-based histopathological grading of prostate cancer
Russo et al. Augmentation-based deep learning for identification of circulating tumor cells

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
GR01 Patent grant