06谷歌經(jīng)典算法專利

技術(shù)背景介紹

過去十年來，DNA測序技術(shù)的快速改進已經(jīng)產(chǎn)生了豐富的分子信息。

雖然讀取基因組的能力已經(jīng)徹底改變了生物學研究，但大量的表型和疾病狀態(tài)信息還不能從基因組中推斷出來。

RNA測序提供了一個更深層次的理解基因組的功能元素和他們的表達水平，然而，重大挑戰(zhàn)仍然圍繞努力關(guān)聯(lián)蛋白質(zhì)mRNA表達水平（蘇阿，佩納爾瓦，馬科特，＆沃格爾，2009）（沃格爾＆馬科特，2012），導致無法精確定量蛋白質(zhì)，會讓其中信息丟失。

細胞的狀態(tài)難以預測。當評估血清中的蛋白質(zhì)時，RNA分析不能預測蛋白質(zhì)的存在，因為蛋白質(zhì)可以從細胞排出并在整個血液系統(tǒng)中循環(huán)，導致RNA序列與其翻譯靶點之間失去空間聯(lián)系。

此外，蛋白質(zhì)測序可以揭示許多未知的東西，即宿主血液中其他生物體（如病毒、細菌等）并影響宿主。?

RNA和DNA測序?qū)�抗體序列的了解有限，因為抗體重復序列的多樣性是由體細胞高突變事件產(chǎn)生的。

為了捕獲DNA加工和分泌后發(fā)生的信息，如翻譯后蛋白質(zhì)修飾、翻譯保真度、蛋白質(zhì)折疊完整性。

科學家必須能夠測序proteins（i．e．read的氨基酸序列）直接從感興趣的樣本中推斷proteins（i．e．read水平及其酶效應之間的相關(guān)性。

從頭蛋白質(zhì)測序可以導致從任何生物體（如各種組織、病原體、突變的癌細胞）和任何含有蛋白質(zhì)的sample（e．g．blood、皮膚、腦脊液．土壤）中發(fā)現(xiàn)罕見和新的蛋白質(zhì)。

蛋白質(zhì)測序也可以作為治療療效的指標，允許在疾病治療過程中進行廣泛的生理監(jiān)測。

然而，目前還沒有成本和時間有效的戰(zhàn)略跨越整個蛋白質(zhì)表達動態(tài)范圍的蛋白質(zhì)和蛋白質(zhì)組的大規(guī)模和高通量測序。

也沒有一種可靠的方法來對非靶向的低表達蛋白進行測序。

因此，抗體和低表達蛋白的測序仍然面臨著使用當前技術(shù)的障礙，除了最專業(yè)的研究工作外，所有人幾乎都無法獲得。?

本公開描述了形成開發(fā)和使用蛋白質(zhì)測序平臺的管道的方法和組合物的集合，該平臺利用與n端氨基酸專門結(jié)合的適配體。

氨基酸特異性適配體可以使用本文描述的新方法生成（RCIT－SELEX）。

氨基酸適體可用于識別、識別和轉(zhuǎn)換每個氨基酸的蛋白質(zhì)或肽的DNA序列（PROSEQ）或等氨基酸適體可用于識別和識別，基于視覺信號，每個氨基酸的蛋白質(zhì)或肽（PROSEQ－VIS）。

此外，還有一些問題�？梢酝瑫r生成許多不同的目標特異性適配體，并用于生產(chǎn)和篩選大量的粘合劑（MUL－TIPLEX）。

同時和特異性的適配體選擇依賴于目標的穩(wěn)健識別。

核酸條形碼靶標的生成可以在體內(nèi)通過肽或蛋白質(zhì)之間的非共價鍵，使用rna結(jié)合蛋白及其相應的識別序列（周轉(zhuǎn)率）來完成。

最后，成功的SELEX實驗要求將10個4－10個15個候選序列的適配體包含在原始的候選序列中，這只是所有可能的DNA序列的一小部分。

機器捆綁（ML）可以幫助優(yōu)化實驗種子粘合劑，因此，與傳統(tǒng)的SELEX實驗不同，最佳粘合劑不需要出現(xiàn)在實驗數(shù)據(jù)集中。

使用受控輸入池構(gòu)建相互衍生的、可定制的DNA文庫的能力，可以通過系統(tǒng)分析包含已知結(jié)合傾向的序列（樂高）的候選適配體，顯著增加探索空間。?

在一個方面，提供了獲得對靶標具有親和力和特異性的適配體的方法。

這種方法通常包括

（a）提供多個適配體；

（b）對多個適配體進行負選擇；

（c）可選地，向多個適配體加入控制寡核苷酸；

（d）可選地，放大多個適配體；

（e）在允許多個適配體與多個潛在目標結(jié)合的條件下孵化多個適配體；

（f）可選地，在允許多個適配體與至少一個結(jié)合的條件下，將多個適配體與至少一個零目標孵育多個適配體。

（g）去除未結(jié)合的適配體；

（h）測序目標結(jié)合的適配體；

（i）多次重復步驟（a）－（h），

從而獲得對目標具有親和力和特異性的適配體。

在一些實施例中，多個潛在靶點是多肽、氨基酸、核酸、小分子、整個蛋白質(zhì)或蛋白質(zhì)復合物，或細胞。

在一些實施例中，放大多個適配體步驟遵循單個提升步驟或雙提升步驟。

下面都是具體的實操細節(jié)，知情郎就不復述展開了，有興趣的自行下載專利PDF，由于是全英文版，且是生物醫(yī)藥最前沿的基因技術(shù)，大量專業(yè)術(shù)語，非行業(yè)人大概看了像天書般，此間翻譯也是機器翻譯，若不準確，多海涵！

07至本醫(yī)療癌癥檢測專家？

再看至本醫(yī)療科技的基因檢測專利，這家公司專利做癌癥檢測，尤其針對性的做肝癌、肺癌、結(jié)腸癌、胃癌等。

背景技術(shù)介紹

腫瘤作為不可治愈的疾病，治療目標非常明確，自腫瘤被診斷之后，通過治療讓患者活得更久。肝癌是我國最常見的癌癥類型之一，發(fā)病率和病死率均較高。治療一般采取手術(shù)、放化療和中藥結(jié)合療法。

一直以來，肝癌的復發(fā)率和不良結(jié)局率仍然很高，5年無復發(fā)生存率和總生存率較低

目前臨床上已有的預后評價指標如甲胎蛋白水平、TNM分期等不能滿足全面反映腫瘤特征和準確判斷患者生存風險的要求。

因此，迫切需要可靠的預后指標來建立可靠的預后模型，并做出準確的生存預測，并結(jié)合相應的分子特征進行針對性的治療干預。

在早期臨床應用中，如何為醫(yī)生和患者提供肝癌預后預測信息，是亟待解決的問題，有助于制定個體化的治療方案，對于改善患者術(shù)后生存、實現(xiàn)肝癌精準治療具有重要的臨床意義。

腫瘤細胞活性和腫瘤微環(huán)境中的免疫細胞都參與了腫瘤的發(fā)生和發(fā)展，因此，腫瘤免疫學應引起重視。腫瘤浸潤免疫細胞是宿主免疫應答的關(guān)鍵細胞成分，是腫瘤微環(huán)境的重要成員。許多研究證實，腫瘤浸潤免疫細胞與多種癌癥的治療反應和預后有關(guān)。

用特征基因集表達值評價患者預后的優(yōu)勢在于客觀，不存在研究者的主觀偏倚。不足之處在于觀測時間較長，需要記錄所有事件的發(fā)生，即所有患者的死亡。已發(fā)表的免疫相關(guān)基因的標志物，通常僅涉及單個免疫基因或少數(shù)免疫細胞。但機體內(nèi)免疫反應的發(fā)生涉及多種免疫細胞的參與，單個免疫基因或少數(shù)免疫細胞對于預后的評估并不完整。因此，仍需要更準確、更高效的、能夠預測癌癥患者預后情況的模型。

發(fā)明內(nèi)容

本發(fā)明基于TCGA肝細胞肝癌樣本，將樣本隨機分為訓練集和測試集，結(jié)合基因表達值數(shù)據(jù)，通過對免疫相關(guān)基因進行篩選，挑選出能根據(jù)基因表達值，預測肝細胞肝癌預后的評估基因集。

本發(fā)明涉及一種用于預測肝癌患者預后的評估基因集，所述評估基因集包括62個基因。

這個專利核心就是算法的價值！

如何預測肝癌患者以及后續(xù)醫(yī)療狀態(tài)的方法，其包括以下的步驟：

a）樣本收集與數(shù)據(jù)檢測：收集所述患者的樣本，測定其在表1中的評估基因集中的62個基因的表達值；

b）風險評分計算：計算肝癌患者在評估基因集的62個基因的總表達值，即風險評分（Risk Score）；所述風險評分計算公式下：

其中Ei為各基因表達值，Coefi為各基因的權(quán)重系數(shù)，n為特征基因集中基因個數(shù)，即62；

c）預測結(jié)果，根據(jù)計算得到的肝癌患者的風險評分來預測患者的預后情況：患者的風險評分越低，則預后越好；將風險評分與界定值比較，若高于界定值，則預測其預后不佳，若低于界定值，則預測其預后較好。

在一些實施方案中，所述界定值為約4．14。

在一些實施方案中，所述患者樣本來自所述患者的組織，包括腫瘤組織，所述腫瘤組織為原發(fā)灶或轉(zhuǎn)移灶。

本發(fā)明為了準確預測肝癌患者的預后風險，確定了62個免疫相關(guān)基因來預測肝癌預后情況，可將肝癌患者的高風險組和低風險組有效區(qū)分，能夠開發(fā)為潛在的體外診斷產(chǎn)品，以預測對肝癌患者預后情況進行檢測，從而預防性用藥或治療，為肝癌患者預后的進一步輔助治療提供了精準的判斷依據(jù)。

       原文標題 : 谷歌用AI預測人類生命變化！AI+基因檢測癌癥檢測技術(shù)哪家強？