(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111222066.1 (22)申请日 2021.10.20 (65)同一申请的已公布的文献号 申请公布号 CN 113913333 A (43)申请公布日 2022.01.11 (73)专利权人 南京世和基因生物技 术股份有限 公司 地址 210032 江苏省南京市高新 开发区华 康路128号 专利权人 南京世和医疗器 械有限公司 (72)发明人 刘凯华　王晓丹　赵瑾　邵阳　 朱柳青　汪笑男　 (74)专利代理 机构 南京新慧恒 诚知识产权代理 有限公司 32424 专利代理师 邓唯 (51)Int.Cl. C12Q 1/6886(2018.01) C12Q 1/6869(2018.01) C12Q 1/04(2006.01) G16B 5/00(2019.01) G16B 30/10(2019.01) G16B 40/00(2019.01) G16B 50/00(2019.01) G16H 50/30(2018.01) G16H 50/50(2018.01) G06K 9/62(2022.01)G06N 20/00(2019.01) C12R 1/07(2006.01) C12R 1/01(2006.01) (56)对比文件 CN 108070 656 A,2018.0 5.25 CN 112538545 A,2021.0 3.23 WO 2014014 497 A1,2014.01.23 CN 113355421 A,2021.09.07 US 2018282417 A1,2018.10.04 CN 110382715 A,2019.10.25 CN 101351559 A,2009.01.21 芦燕等.典型草原区不同生 境反硝化菌 群的 空间特征. 《微生物学通报》 .2018,(第04期),全 文. 尹坚等.烟草 黑胫病拮抗细菌 菌群的筛选. 《湖南农业大 学学报(自然科 学版)》 .2019,(第0 6 期),全文. 杨元辉.江汉油田总医院近 5年肺癌患者医 院感染调查分析. 《华夏医学》 .2010,(第0 3期), 全文. Ja-Lok Ku等.Establ ishment and characterizati on of six human lung cancer cell lines:EGFR,p5 3 gene mutati ons and expressions of drug sensitivity genes. 《Cell Oncol(Dordr)》 .201 1,第34卷(第1期), 审查员 倪志远 (54)发明名称 一种肺癌诊断标志 物及用途 (57)摘要 本发明涉及一种肺癌早期筛查和诊断标志 物及用途， 属于分子生物医学技术领域。 本研究 首次通过血浆cfDNA来研究肺癌和健康人的菌群 差异， 并筛选出具有明显差异的菌群， 然后通过 随机森林的方法， 建立肺癌风险预测模型， 适用 于肺癌的筛查与诊断， 用于 筛查肺癌人群 。 权利要求书1页 说明书5页 附图2页 CN 113913333 B 2022.09.02 CN 113913333 B 1.诊断标志物的检测试剂在制备肺癌的诊断试剂中的应用， 其特征在于， 所述的诊断 标志物包括： 芽孢杆菌 （ Bacillus ） 、 不动杆菌 （ Acinetobacter ） 、Sphingop yxis和代尔夫特 菌 （Delftia） 的基因； 所述的应用中， 还 包括如下步骤： S1： 获取待测 样本以及正常样本的血浆， 提取cfDNA， 采用高通量测序方法进行测序， 获 得测序读段； S2； 将测序读段比对至人类参 考基因组， 去除掉人源的DNA序列读段； S3： 将S2步骤中剩下的读段比对至微生物基因组数据库， 获得能够比对至所述的诊断 标志物的微生物序列的读段， 统计读段 数目； S4： 对于每个菌种， 将读段数目对所述的菌种的基因全长做归一化处理， 得到相对丰 度； S5： 采用菌种的相对丰度作为输入值， 通过机器学习分类算法判断待测样本与正常样 本进行分类； 机器学习过程采用患病的概 率作为输出值； 机器学习分类算法是随机森林算法； 高通量测序方法的测序深度为1 ‑10乘。权　利　要　求　书 1/1 页 2 CN 113913333 B 2一种肺癌诊断标志物及用途 技术领域 [0001]本发明涉及一种肺癌早筛诊断标志 物及用途， 属于分子生物医学技 术领域。 背景技术 [0002]肺癌作为全球最高致死原因的癌症。 尽管手术、 化疗、 靶向及免疫治疗的综合应用 显著提高了肺癌的生存率， 但是与其他癌症相比， 肺癌患者的预后仍然相对较差。 主要原因 为大部分肺癌是在晚期 被诊断出来的， 这与缺乏普及的肺癌早期筛查有关。 据报道， 晚期转 移性肺癌的5年生存率为6％， 局部尚未扩散肺癌的5年生存率为59％。 所以提高肺癌生存率 最有效的方法是早期筛查， 以尽快采取治疗方案 。 [0003]现在， 肺癌的早筛方法主要是依靠影像学(X线胸片和胸部CT)， X线胸片 等， 它们虽 然具有穿透力高、 使用方便、 辐射剂量小的特点， 但分辨率低， 很难发现直径＜5～6mm的病 变， 且存在死角， 临床不建议用于肺癌的筛查。 胸部低 剂量CT(LDCT)筛查目前是国际公认的 检测肺结节和早期诊断肺癌的最有效方法， 然而， 由于其高灵敏度， 也检测到许多非肿瘤性 肺结节， 假阳性结节的大量检出是LDCT筛查亟需解决的重要问题， 需要其他筛查手段加以 补充。 发明内容 [0004]本发明的目的是： 提供了一种对血浆样本cfDNA进行WGS测序， 通过对高通量测序 结果进行肺癌健康人差异菌群分析、 构建模型， 实现了对肺癌无创精准诊断的目的。 [0005]一种肺癌诊断标志物， 包括以下的菌： 芽孢杆菌(Bacillus)、 不动杆菌 (Acinetobacter)、  Sphingopyxis、 代尔夫 特菌(Delftia)。 [0006]上述的诊断标志 物的检测试剂在应用于制备肺癌诊断试剂盒中的用途。 [0007]还包括如下步骤： [0008]S1： 获取待测样本以及正常样本的血浆， 提取cfDNA， 采用高通量测序方法进行测 序， 获得测序读段； [0009]S2； 将测序读段比对至人类参 考基因组， 去除掉人源的DNA序列读段； [0010]S3： 将S2步骤中剩下的读段比对至微生物基因组数据库， 获得能够比对至所述的 诊断标志 物的微生物序列的读段， 统计读段 数目； [0011]S4： 对于每种细 菌， 将读段数目对所述的细 菌的基因全长做归一化 处理， 得到相对 丰度； [0012]S5： 采用细菌的相对丰度作为输入值， 通过机器学习分类算法判断待测样本与正 常样本进行分类。 [0013]机器学习过程采用患病的概 率作为输出值。 [0014]机器学习分类算法是随机森林算法。 [0015]高通量测序方法的测序深度为1 ‑10乘。 [0016]诊断标志 物用于提高诊断特异性和敏感性。说　明　书 1/5 页 3 CN 113913333 B 3