-
公开(公告)号：CN111429965A
公开(公告)日：2020-07-17
申请号：CN202010198109.6
申请日：2020-03-19
Applicant: 西安交通大学 , 北京吉因加科技有限公司
Abstract: 本发明公开了一种基于多连体特征的T细胞受体对应表位预测方法，将CDR3β链以及对应的表位解析为长度3的碱基，统计每种三联体的频次作为初始特征；根据得到的初始特征建立初始特征矩阵，使用主成分分析法对初始特征矩阵进行降维，进行特征提取；设有n个训练样本，输入预测数据x后，训练得到梯度提升决策树模型，通过梯度提升决策树模型将各个决策树的决策结果线性组合起来做出预测；将特征数据输入训练好的模型中进行预测，根据不同的预测目的选择不同的预测指标。本发明仅使用三联体的统计值作为初始特征，结合梯度提升决策树模型能够在极短的时间内完成模型的训练，且预测的准确度更高。
-
公开(公告)号：CN111429965B
公开(公告)日：2023-04-07
申请号：CN202010198109.6
申请日：2020-03-19
Applicant: 西安交通大学 , 北京吉因加科技有限公司
Abstract: 本发明公开了一种基于多连体特征的T细胞受体对应表位预测方法，将CDR3β链以及对应的表位解析为长度3的碱基，统计每种三联体的频次作为初始特征；根据得到的初始特征建立初始特征矩阵，使用主成分分析法对初始特征矩阵进行降维，进行特征提取；设有n个训练样本，输入预测数据x后，训练得到梯度提升决策树模型，通过梯度提升决策树模型将各个决策树的决策结果线性组合起来做出预测；将特征数据输入训练好的模型中进行预测，根据不同的预测目的选择不同的预测指标。本发明仅使用三联体的统计值作为初始特征，结合梯度提升决策树模型能够在极短的时间内完成模型的训练，且预测的准确度更高。
-
公开(公告)号：CN115346608A
公开(公告)日：2022-11-15
申请号：CN202210743555.X
申请日：2022-06-27
Applicant: 北京吉因加科技有限公司 , 深圳吉因加医学检验实验室
Abstract: 一种构建病原生物基因组数据库的方法及装置，该方法包括：获取基因组数据步骤，包括从数据库获取选定的病原生物的基因组数据；同源区域屏蔽步骤，包括对基因组数据进行质粒同源区域屏蔽、宿主源同源区域屏蔽，获得屏蔽同源区域后的基因组数据；融合基因组构建步骤，包括对屏蔽同源区域序列后的基因组数据中的各个基因组构建融合基因组；组库步骤，包括重复所述获取基因组数据步骤、同源区域屏蔽步骤、融合基因组构建步骤，遍历所选定的所有病原生物的基因组数据，汇总所有融合基因组，得到病原生物基因组数据库。该方法构建的数据库具有准确度高，分析时间短的优点。
-
公开(公告)号：CN109427412B
公开(公告)日：2022-02-15
申请号：CN201811303219.3
申请日：2018-11-02
Applicant: 北京吉因加科技有限公司 , 苏州吉因加生物医学工程有限公司 , 北京吉因加医学检验实验室有限公司
Abstract: 本发明公开了用于检测肿瘤突变负荷的序列组合和其设计方法。所述方法包括：a)确定需要设计探针的目标区域，并获得包含大样本测定的肿瘤突变数据的数据库；b)对于每个目标区域，以一个窗口长度进行滑动获得多个窗口，对所述每个窗口进行打分；c)对于每个目标区域，得分最高的窗口是目标探针区域。本发明还公开了计算组织和血浆样本TMB的方法，以及计算组织和血浆样本TMB的质控方法。
-
公开(公告)号：CN110820050A
公开(公告)日：2020-02-21
申请号：CN201911159400.6
申请日：2019-11-22
Applicant: 北京吉因加科技有限公司 , 苏州吉因加生物医学工程有限公司
IPC: C40B40/06 , C40B50/06 , C12Q1/6858
Abstract: 本发明涉及生物信息学技术领域，具体涉及一种全基因组甲基化非重亚硫酸氢盐的测序文库及构建、用途，包括TET酶反应液，所述TET酶反应液包括如下独立包装的组分：TET酶氧化缓冲液；所述TET酶氧化缓冲液包括如下微摩尔份的组分：HEPES或Tris–Cl(20-167)×103份，NaCl(100-333)×103份，α-KG或2-oxoglutarate 3.3×103份，抗坏血酸6.67×103份，和三磷酸腺苷4×103份；采用上述试剂盒结合Fe(NH4)2(SO4)2以及TET酶可以将5mc氧化为5cac，5cac在还原剂作用下被还原为二氢尿嘧啶，经PCR测序识别为T，实现在非重亚硫酸氢盐条件下的DNA甲基化“C”到“T”转化，解决现有的基于亚硫酸氢盐转化构建的甲基化测序文库存在的碱基不平衡，测序数据使用率低的缺陷，该配方还具有组分精简，TET酶使用量极低，显著降低成本的效果。
-
Patent Agency Ranking
公开(公告)号：CN108588201B
公开(公告)日：2019-08-09
申请号：CN201810449985.4
申请日：2018-05-11
Applicant: 浙江省人民医院 , 浙江大学医学院附属第一医院 , 北京吉因加科技有限公司
IPC: C12Q1/6869 , C12M1/34 , C12M1/00 , C12Q1/6886
Abstract: 本发明公开了一种一种结直肠癌西妥昔单抗耐药性痕量DNA突变检测的方法及装置，所述方法包括：从样本中提取游离DNA；将所述游离DNA构建文库；将所述文库进行富集；将所述富集的文库使用捕获探针进行捕获，获得捕获DNA；将所述捕获DNA测序，获得测序结果；将所述测序结果与参考序列比较，检出突变位点。本发明的方法实现了低起始量DNA富集捕获测序突变检测。
-
公开(公告)号：CN105063208B
公开(公告)日：2018-03-06
申请号：CN201510487759.1
申请日：2015-08-10
Applicant: 北京吉因加科技有限公司
IPC: C12Q1/6869
Abstract: 本发明提供了一种血浆中游离的目标DNA低频突变富集测序方法，包括血浆DNA提取与文库构建、通用文库TT COLD PCR扩增富集、探针富集捕获、捕获产物PCR及上机测序、正反双链纠错低频信息分析，具体为基于通用引物进行TT COLD PCR对所有类型变异实现第一级突变富集扩增；设计富集探针芯片，针对热点变异将人基因组参考序列hg19设计的探针替换为基于突变碱基设计的探针，其他位点探针不变，进行第二级富集捕获；基于文库构建中的插入DNA两端12bp自身序列作为标签进行正反双链纠错比对，提高数据利用率，实现低频精确检测。本发明方法操作简便，实用性强，可以对0.01％低频变异具有高特异性检测。
-
公开(公告)号：CN106480205A
公开(公告)日：2017-03-08
申请号：CN201610994059.6
申请日：2016-11-11
Applicant: 北京吉因加科技有限公司 , 苏州吉因加生物医学工程有限公司
CPC classification number: C12Q1/6886 , C12Q1/6874 , C12Q2600/118 , C12Q2600/156 , C12Q2600/16 , C12Q2565/501 , C12Q2535/122
Abstract: 本发明公开了用于同时检测多种突变类型的序列组合和探针。更具有而言，本发明提供了高灵敏度、高特异性的可以同时检测表1中列出的57个肿瘤驱动基因的点突变、短片段插入缺失、拷贝数变异和融合基因的序列组合、探针、基因芯片、方法和试剂盒。本发明还公开了所述序列组合和探针相关的基因芯片和试剂盒以及用于同时检测多种突变类型的方法。本发明通过检测血液、胸水、腹水等体液以及肿瘤冰冻组织或石蜡切片获得全面的肿瘤驱动基因突变信息，提高了肿瘤基因检测的灵敏度和准确率，从而实现辅助临床医生制定个体化用药方案，使精准治疗达到最好效果。
-
公开(公告)号：CN105063209A
公开(公告)日：2015-11-18
申请号：CN201510488030.6
申请日：2015-08-10
Applicant: 北京吉因加科技有限公司
IPC: C12Q1/68
CPC classification number: C12Q1/6851 , C12Q2525/191 , C12Q2525/207 , C12Q2535/122
Abstract: 本发明提供了一种外泌体miRNA的定量检测方法，包括外泌体总RNA提取、3’端和5’端特异性唯一标签接头连接、反转录合成cDNA并进行PCR扩增、miRNA文库的筛选纯化与上机测序、纠错算法的信息分析等步骤。本发明方法基于特异性的唯一标签接头的标记，对每个原始模板进行区分，避免了扩增时分子间存在的偏好性，可以精确检测低于10拷贝以下的miRNA分子，且特异性高，可用于肿瘤源性的外泌体miRNA的检测，神经退行性疾病、心血管疾病，生育健康等领域的检测，可为疾病的早期筛查提供依据，还可应用于其他小RNA精准定量检测领域。具有广阔的应用前景和市场价值。
-
公开(公告)号：CN111276252B
公开(公告)日：2023-03-28
申请号：CN202010043127.7
申请日：2020-01-15
Applicant: 北京吉因加科技有限公司
IPC: G16H50/50
Abstract: 本发明提供的一种肿瘤良恶性鉴别模型的构建方法及装置，包括：取已知良性肿瘤样本和恶性肿瘤样本若干作为训练集，获得训练集中样本的TCR克隆种类和CDR3区段；统计并计算所述CDR3区段出现的频次，然后将所述CDR3区段通过Kmer打断进行重编码；将CDR3重编码后获得的Kmer频率数据进行数据降维处理；将训练集中的已知肿瘤样本的良恶性信息与数据降维后的Kmer数据关联，利用机器学习算法进行模型的训练，得到肿瘤良恶性鉴别模型；上述构建方法构建得到肿瘤良恶性鉴别模型，用于对未知肿瘤样本进行良恶性鉴定，且能够对不同种类的肿瘤样本的良恶性进行鉴定，满足广谱性和特异性的需求。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.076 seconds)
