摘要
本发明涉及胶质母细胞瘤肿瘤过渡区的新型标志物及其应用,属于生物检测技术领域。针对现有技术中缺乏有效识别肿瘤侵袭前沿标志物、难以精准评估术后残留及预后的技术问题,本发明通过空间转录组分析结合机器学习算法,筛选出SELENOP、SHTN1、CTNNA3等19个在肿瘤过渡区特异性高表达的基因标志物。通过数字成像、核酸测序等技术检测所述标志物表达水平,构建AUC值>0.95的逻辑回归预测模型,并应用于诊断试剂盒制备、肿瘤分层筛查及预后评估。本发明实现了对肿瘤过渡区的精准识别,为术后复发监测、个体化治疗方案制定及新型治疗靶点筛选提供了分子基础。
技术关键词
新型标志物
评估胶质母细胞瘤
胶质母细胞瘤治疗
生物标志物
核酸测序技术
核酸杂交技术
数字成像技术
二代测序技术
回归预测模型
生物检测技术
染料技术
诊断试剂盒
机器学习算法
识别肿瘤
色谱技术