06谷歌经典算法专利

技术背景介绍

过去十年来，DNA测序技术的快速改进已经产生了丰富的分子信息。

虽然读取基因组的能力已经彻底改变了生物学研究，但大量的表型和疾病状态信息还不能从基因组中推断出来。

RNA测序提供了一个更深层次的理解基因组的功能元素和他们的表达水平，然而，重大挑战仍然围绕努力关联蛋白质mRNA表达水平（苏阿，佩纳尔瓦，马科特，＆沃格尔，2009）（沃格尔＆马科特，2012），导致无法精确定量蛋白质，会让其中信息丢失。

细胞的状态难以预测。当评估血清中的蛋白质时，RNA分析不能预测蛋白质的存在，因为蛋白质可以从细胞排出并在整个血液系统中循环，导致RNA序列与其翻译靶点之间失去空间联系。

此外，蛋白质测序可以揭示许多未知的东西，即宿主血液中其他生物体（如病毒、细菌等）并影响宿主。?

RNA和DNA测序对抗体序列的了解有限，因为抗体重复序列的多样性是由体细胞高突变事件产生的。

为了捕获DNA加工和分泌后发生的信息，如翻译后蛋白质修饰、翻译保真度、蛋白质折叠完整性。

科学家必须能够测序proteins（i．e．read的氨基酸序列）直接从感兴趣的样本中推断proteins（i．e．read水平及其酶效应之间的相关性。

从头蛋白质测序可以导致从任何生物体（如各种组织、病原体、突变的癌细胞）和任何含有蛋白质的sample（e．g．blood、皮肤、脑脊液．土壤）中发现罕见和新的蛋白质。

蛋白质测序也可以作为治疗疗效的指标，允许在疾病治疗过程中进行广泛的生理监测。

然而，目前还没有成本和时间有效的战略跨越整个蛋白质表达动态范围的蛋白质和蛋白质组的大规模和高通量测序。

也没有一种可靠的方法来对非靶向的低表达蛋白进行测序。

因此，抗体和低表达蛋白的测序仍然面临着使用当前技术的障碍，除了最专业的研究工作外，所有人几乎都无法获得。?

本公开描述了形成开发和使用蛋白质测序平台的管道的方法和组合物的集合，该平台利用与n端氨基酸专门结合的适配体。

氨基酸特异性适配体可以使用本文描述的新方法生成（RCIT－SELEX）。

氨基酸适体可用于识别、识别和转换每个氨基酸的蛋白质或肽的DNA序列（PROSEQ）或等氨基酸适体可用于识别和识别，基于视觉信号，每个氨基酸的蛋白质或肽（PROSEQ－VIS）。

此外，还有一些问题。可以同时生成许多不同的目标特异性适配体，并用于生产和筛选大量的粘合剂（MUL－TIPLEX）。

同时和特异性的适配体选择依赖于目标的稳健识别。

核酸条形码靶标的生成可以在体内通过肽或蛋白质之间的非共价键，使用rna结合蛋白及其相应的识别序列（周转率）来完成。

最后，成功的SELEX实验要求将10个4－10个15个候选序列的适配体包含在原始的候选序列中，这只是所有可能的DNA序列的一小部分。

机器捆绑（ML）可以帮助优化实验种子粘合剂，因此，与传统的SELEX实验不同，最佳粘合剂不需要出现在实验数据集中。

使用受控输入池构建相互衍生的、可定制的DNA文库的能力，可以通过系统分析包含已知结合倾向的序列（乐高）的候选适配体，显著增加探索空间。?

在一个方面，提供了获得对靶标具有亲和力和特异性的适配体的方法。

这种方法通常包括

（a）提供多个适配体；

（b）对多个适配体进行负选择；

（c）可选地，向多个适配体加入控制寡核苷酸；

（d）可选地，放大多个适配体；

（e）在允许多个适配体与多个潜在目标结合的条件下孵化多个适配体；

（f）可选地，在允许多个适配体与至少一个结合的条件下，将多个适配体与至少一个零目标孵育多个适配体。

（g）去除未结合的适配体；

（h）测序目标结合的适配体；

（i）多次重复步骤（a）－（h），

从而获得对目标具有亲和力和特异性的适配体。

在一些实施例中，多个潜在靶点是多肽、氨基酸、核酸、小分子、整个蛋白质或蛋白质复合物，或细胞。

在一些实施例中，放大多个适配体步骤遵循单个提升步骤或双提升步骤。

下面都是具体的实操细节，知情郎就不复述展开了，有兴趣的自行下载专利PDF，由于是全英文版，且是生物医药最前沿的基因技术，大量专业术语，非行业人大概看了像天书般，此间翻译也是机器翻译，若不准确，多海涵！

07至本医疗癌症检测专家？

再看至本医疗科技的基因检测专利，这家公司专利做癌症检测，尤其针对性的做肝癌、肺癌、结肠癌、胃癌等。

背景技术介绍

肿瘤作为不可治愈的疾病，治疗目标非常明确，自肿瘤被诊断之后，通过治疗让患者活得更久。肝癌是我国最常见的癌症类型之一，发病率和病死率均较高。治疗一般采取手术、放化疗和中药结合疗法。

一直以来，肝癌的复发率和不良结局率仍然很高，5年无复发生存率和总生存率较低

目前临床上已有的预后评价指标如甲胎蛋白水平、TNM分期等不能满足全面反映肿瘤特征和准确判断患者生存风险的要求。

因此，迫切需要可靠的预后指标来建立可靠的预后模型，并做出准确的生存预测，并结合相应的分子特征进行针对性的治疗干预。

在早期临床应用中，如何为医生和患者提供肝癌预后预测信息，是亟待解决的问题，有助于制定个体化的治疗方案，对于改善患者术后生存、实现肝癌精准治疗具有重要的临床意义。

肿瘤细胞活性和肿瘤微环境中的免疫细胞都参与了肿瘤的发生和发展，因此，肿瘤免疫学应引起重视。肿瘤浸润免疫细胞是宿主免疫应答的关键细胞成分，是肿瘤微环境的重要成员。许多研究证实，肿瘤浸润免疫细胞与多种癌症的治疗反应和预后有关。

用特征基因集表达值评价患者预后的优势在于客观，不存在研究者的主观偏倚。不足之处在于观测时间较长，需要记录所有事件的发生，即所有患者的死亡。已发表的免疫相关基因的标志物，通常仅涉及单个免疫基因或少数免疫细胞。但机体内免疫反应的发生涉及多种免疫细胞的参与，单个免疫基因或少数免疫细胞对于预后的评估并不完整。因此，仍需要更准确、更高效的、能够预测癌症患者预后情况的模型。

发明内容

本发明基于TCGA肝细胞肝癌样本，将样本随机分为训练集和测试集，结合基因表达值数据，通过对免疫相关基因进行筛选，挑选出能根据基因表达值，预测肝细胞肝癌预后的评估基因集。

本发明涉及一种用于预测肝癌患者预后的评估基因集，所述评估基因集包括62个基因。

这个专利核心就是算法的价值！

如何预测肝癌患者以及后续医疗状态的方法，其包括以下的步骤：

a）样本收集与数据检测：收集所述患者的样本，测定其在表1中的评估基因集中的62个基因的表达值；

b）风险评分计算：计算肝癌患者在评估基因集的62个基因的总表达值，即风险评分（Risk Score）；所述风险评分计算公式下：

其中Ei为各基因表达值，Coefi为各基因的权重系数，n为特征基因集中基因个数，即62；

c）预测结果，根据计算得到的肝癌患者的风险评分来预测患者的预后情况：患者的风险评分越低，则预后越好；将风险评分与界定值比较，若高于界定值，则预测其预后不佳，若低于界定值，则预测其预后较好。

在一些实施方案中，所述界定值为约4．14。

在一些实施方案中，所述患者样本来自所述患者的组织，包括肿瘤组织，所述肿瘤组织为原发灶或转移灶。

本发明为了准确预测肝癌患者的预后风险，确定了62个免疫相关基因来预测肝癌预后情况，可将肝癌患者的高风险组和低风险组有效区分，能够开发为潜在的体外诊断产品，以预测对肝癌患者预后情况进行检测，从而预防性用药或治疗，为肝癌患者预后的进一步辅助治疗提供了精准的判断依据。

       原文标题 : 谷歌用AI预测人类生命变化！AI+基因检测癌症检测技术哪家强？