相關(guān)申請的交叉引用本發(fā)明要求2014年9月15日提交的u.s.s.n.62/050,465的權(quán)益和優(yōu)先權(quán)，其內(nèi)容以其整體結(jié)合到本文中。發(fā)明背景胃腸胰(gep)神經(jīng)內(nèi)分泌瘤(gep-nen)，亦稱為胃腸胰神經(jīng)內(nèi)分泌腫瘤和神經(jīng)內(nèi)分泌腫瘤(net)，在美國是第二最流行的胃腸(gi)道惡性腫瘤。在過去三十年期間在美國，發(fā)病率和流行率已增加了100-600％，存活率沒有顯著增加。gep-nen的異質(zhì)性和復(fù)雜性使得診斷、治療和分類變得困難。這些腫瘤缺少通常與其它癌癥相關(guān)的若干突變，和在很大程度上不存在微衛(wèi)星不穩(wěn)性。參見tannapfela，vomschlosss，karhoffd等“brafgenemutationsarerareeventsingastroenteropancreaticneuroendocrinetumors,”amjclinpathol2005；123(2):256-60；banckm，kanwarr，kulkarniaa等“thegenomiclandscapeofsmallintestineneuroendocrinetumors,”jclininvest2013；123(6):2502-8；zikusokamn，kiddm，eickg等moleculargeneticsofgastroenteropancreaticneuroendocrinetumors.cancer2005；104:2292-309；kiddm，eickg，shapiromd等microsatelliteinstabilityandgenemutationsintransforminggrowthfactor-betatypeiireceptorareabsentinsmallbowelcarcinoidtumors,”cancer2005；103(2):229-36。自組織來源例如活檢確定的個體組織病理學亞型與不同的臨床行為有關(guān)，然而沒有明確的公認病理學分類或預(yù)測方案，阻礙了治療評估和隨訪?，F(xiàn)有的gep-nen診斷和預(yù)后方法包括成像(例如ct或mri)、組織學、測量與nen相關(guān)的循環(huán)激素和蛋白質(zhì)例如嗜鉻粒蛋白a，和檢測一些基因產(chǎn)物。可用的方法受到以下限制，例如，低的靈敏性和/或特異性，不能檢測早期疾病，或暴露于放射風險。gep-nen經(jīng)常無法診斷，直到它們轉(zhuǎn)移，并且經(jīng)常不可治療。此外，隨訪困難，特別是在帶有殘留疾病負荷的患者中。對用于檢測gep-nen(包括穩(wěn)定的和進行性gep-nen)，例如用于診斷、預(yù)后、預(yù)測、分期、分類、治療、監(jiān)測和風險評估，和用于研究和理解該疾病的發(fā)病機理、惡性和侵襲性的分子因素的特異和靈敏的方法和試劑，存在需要。例如，需要這樣的方法和試劑，其可重復(fù)和直接地以低風險暴露收集，例如非侵入性外周血檢驗，可簡單、快速和相對低成本地進行。通過提供用于在循環(huán)外周血樣品中準確診斷、檢測和監(jiān)測gep-nen的存在和/或gep-nen的類型或階段的新的組合物、方法和試劑盒，本申請解決了上述問題。另外，所描述的實施方案可用于鑒定患者發(fā)生進行性gep-nen的風險水平，和/或確定在手術(shù)后或生長抑素治療后的人患者中殘留或再發(fā)性進行性gep-nen的風險。此外，其可用作預(yù)測對療法例如肽受體放射療法(prrt)的反應(yīng)的預(yù)后。發(fā)明簡述在一個方面，本發(fā)明涉及在循環(huán)血液中測量的胃腸胰神經(jīng)內(nèi)分泌瘤(gep-nen)生物標記物，其檢測可用于診斷、預(yù)后和預(yù)測方法。所提供的目標包括gep-nen生物標記物，生物標記物的特征性亞組和小組，結(jié)合和檢測生物標記物的試劑，包含所述試劑的試劑盒和系統(tǒng)，和檢測生物標記物(例如在生物樣品例如血液中)的方法和組合物，以及其預(yù)后、預(yù)測、診斷和治療用途。提供用于gep-nen預(yù)后、檢測和診斷的試劑、試劑組和包含所述試劑的系統(tǒng)。通常，所述系統(tǒng)包括多種試劑(例如一組試劑)，其中多種試劑特異性結(jié)合和/或檢測在gep-nen生物標記物小組中的多種gep-nen生物標記物。所述試劑可以是特異性結(jié)合一種或多種gep-nen生物標記物的分離的多肽或多核苷酸。例如，提供結(jié)合gep-nen生物標記物小組的分離的多核苷酸和多肽組，和其方法和用途。還提供所述試劑、組合物、系統(tǒng)和試劑盒用于gep-nen和相關(guān)病況、綜合征和癥狀的預(yù)后、診斷和預(yù)測方法和用途。例如，提供用于gep-nen或其結(jié)果、階段或侵襲性水平或風險，或相關(guān)病況的檢測、診斷、分類、預(yù)測、治療監(jiān)測、預(yù)后或其它評價的方法和用途。在一些實施方案中，通過以下來進行所述方法：檢測gep-nen生物標記物、更通常是多種gep-nen生物標記物、例如選自一小組生物標記物的特征性亞組的存在、不存在、表達水平或表達譜，和/或與正?；騾⒈缺磉_水平或譜或標準比較這樣的信息。因此，在一些實施方案中，所述方法通過獲得生物學試驗樣品和檢測本文所述的gep-nen生物標記物的存在、不存在、表達水平評分或表達譜來進行。例如，所述方法可用本文提供的任何試劑系統(tǒng)，例如多核苷酸或多肽進行。例如，所述方法一般使用一種或多種所提供的系統(tǒng)進行。提供用于檢測和區(qū)別許多不同的gep-nen類型或階段的方法、試劑和組合物。示例性的gep-nen類型和階段包括穩(wěn)定的疾病(sd)和進行性的(高活性)疾病(pd)。在一個方面，提供可用于特異性和靈敏性檢測gep-nen的不同階段，例如穩(wěn)定的疾病(sd)或進行性的疾病(pd)狀態(tài)的gep-nen的方法和組合物；在一些方面，所述方法和組合物可用于預(yù)測疾病進展、治療反應(yīng)和轉(zhuǎn)移。本文提供的方法和組合物可用于診斷、預(yù)后、預(yù)測、分期、分類、治療、監(jiān)測gep-nen疾病、評估gep-nen疾病的風險和研究與gep-nen疾病有關(guān)的分子因素。提供這樣的方法，與其它診斷和預(yù)后方法相比，其能夠快速、簡單和相對低成本地進行。提供這樣的方法和組合物，其可用于定義基于基因表達的gep-nen分類，因此可用于允許例如在早期階段疾病，或使用組織學陰性樣品，預(yù)測惡性腫瘤和轉(zhuǎn)移，提供準確分期，促進合理療法，和開發(fā)用于gep-nen-特異性治療的大的經(jīng)驗證臨床數(shù)據(jù)集。gep-nen生物標記物可包括一個生物標記物亞組，其表達在存在或不存在gep-nen時是不同的，或與gep-nen的存在或不存在有關(guān)，或在特定分類、階段、侵襲性、嚴重性、程度、轉(zhuǎn)移、癥狀、風險、治療反應(yīng)性或功效，或伴隨的綜合征方面是不同的，或與特定分類、階段、侵襲性、嚴重性、程度、轉(zhuǎn)移、癥狀、風險、治療反應(yīng)性或功效，或伴隨的綜合征有關(guān)。gep-nen生物標記物亞組通常包括至少22種gep-nen生物標記物。在一些實施方案中，生物標記物亞組包括至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51種gep-nen生物標記物，或包括22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51種gep-nen生物標記物，或約22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51種gep-nen生物標記物。例如，在一些方面，生物標記物亞組包括至少22或至少38或至少51種生物標記物。在一個特定的實例中，亞組包含至少22種生物標記物，或約22種生物標記物，或22種生物標記物，其選自38種生物標記物的小組。在一些實施方案中，生物標記物亞組包括至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37或38種生物標記物，其選自38種生物標記物的小組。因為所述系統(tǒng)、方法和試劑盒包含特異性地與小組中的生物標記物結(jié)合或雜交的多種試劑，生物標記物的數(shù)量通常與特定系統(tǒng)中的試劑的數(shù)量有關(guān)。例如，提供的方法包括包含至少22種結(jié)合試劑的方法，所述試劑分別與至少22種gep-nen生物標記物的亞組特異性雜交或結(jié)合。在一些方面，生物標記物亞組包括至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37種和/或全部的以下基因產(chǎn)物組，包括多核苷酸(例如38種轉(zhuǎn)錄物)和多肽：pnma2、nap1l1、fzd7、slc18a2/vmat2、nol3、sstr5、tph1、raf1、rsf1、sstr3、sstr1、cd59、araf、aplp2、kras、morf4l2、trmt112、mki67/ki67、sstr4、ctgf、spata7、zfhx3、phf21a、slc18a1/vmat1、zzz3、tecpr2、atp6v1h、oaz2、pank2、pld3、pqbp1、rnf41、smarcd3、bnip3l、wdfy3、commd9、braf和/或glt8d1基因產(chǎn)物。在一個特定的實例中，22種生物標記物的亞組包括pnma2、nap1l1、fzd7、slc18a2、nol3、sstr5、tph1、raf1、rsf1、sstr3、sstr1、cd59、araf、aplp2、kras、morf4l2、trmt112、mki67、sstr4、ctgf、spata7和zfhx3基因產(chǎn)物。提供的方法、試劑和系統(tǒng)包括能夠在人血液樣品中分類或檢測gep-nen的那些方法、試劑和系統(tǒng)。在一些實施方案中，提供的系統(tǒng)和方法可在人血液樣品中鑒定或分類gep-nen。在一些實例中，系統(tǒng)可以至少75％、80％、85％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％，例如至少80％的特異性、靈敏性和/或準確性提供這樣的信息。在一些實施方案中，所述系統(tǒng)可預(yù)測對gep-nen治療、例如手術(shù)干預(yù)或藥物療法(例如、生長抑素類似物療法)的治療反應(yīng)性，或確定在所述治療之后患者是否已變得臨床穩(wěn)定的，或?qū)λ鲋委熡蟹磻?yīng)或無反應(yīng)。在一些情況下，所述方法和系統(tǒng)以至少75％、80％、85％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％的特異性、靈敏性和/或準確性，例如以至少90％準確性這樣進行。在一些情況下，其可以至少75％、80％、85％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％的特異性、靈敏性和/或準確性，例如以至少85％的靈敏性和特異性區(qū)分治療和未治療的gep-nen。在一些情況下，所述系統(tǒng)可確定關(guān)于之前診斷有g(shù)ep-nen的受試者的診斷或預(yù)后信息，例如受試者是否具有g(shù)ep-nen的穩(wěn)定疾病(sd)狀態(tài)或進行性疾病(pd)狀態(tài)，或完全緩解，例如，在臨床上分類為具有穩(wěn)定疾病、進行性疾病，或完全緩解。在一些實施方案中，用于檢測生物標記物的試劑，例如多核苷酸或多肽試劑組，和其應(yīng)用，能夠區(qū)別在生物學樣品中g(shù)ep-nen的存在和不存在，區(qū)別gep-nen和粘膜樣品和gep-nen樣品，和/或區(qū)別gep-nen的特定類型或亞型，例如侵襲性(高活性)和良性(低活性)gep-nen樣品。在一個方面，所述系統(tǒng)能夠分類或檢測在人血液樣品或人唾液樣品中的gep-nen。在一個方面，人樣品是全血，或自全血制備的核酸或蛋白質(zhì)，沒有對任何特定細胞群進行首次分選或富集。在一個方面，所述系統(tǒng)包括結(jié)合至少22種gep-nen生物標記物亞組中的生物標記物的試劑。在一些實施方案中，除了結(jié)合gep-nen生物標記物的試劑之外，提供的系統(tǒng)還包含一種或多種結(jié)合用于歸一化或作為對照的基因產(chǎn)物，例如持家基因產(chǎn)物包括alg9基因產(chǎn)物的試劑。在一些實施方案中，所述方法包括選擇選自38種生物標記物的小組的至少22種生物標記物的亞組，其用于產(chǎn)生gep-nen和gep-nen的不同階段的分類器。在一些實施方案中，所述方法進一步包括使來自人患者的試驗樣品與特異于亞組中的生物標記物的多種試劑接觸。用于所述方法的生物學試驗樣品可以是任何生物學樣品，例如組織、生物學流體或其它樣品，包括血液樣品，例如血漿、血清、全血、血沉棕黃層或其它血液樣品、組織、唾液、血清、尿或精液樣品。在一些方面，樣品獲自血液。通常，試驗樣品獲自gep-nen患者。試劑可以是用于檢測生物標記物的任何試劑，和通常是分離的多核苷酸或分離的多肽或蛋白質(zhì)，例如抗體，例如與包括至少22種gep-nen生物標記物的gep-nen生物標記物的亞組或小組特異性雜交或結(jié)合的那些。在一些實施方案中，所述方法通過使試驗樣品與一種提供的試劑，更通常與多種提供的試劑，例如一種提供的系統(tǒng)，例如特異性結(jié)合gep-nen生物標記物亞組的一組多核苷酸接觸進行。在一些實施方案中，多核苷酸組包括dna、rna、cdna、pna、基因組dna或合成的寡核苷酸。在一些實施方案中，所述方法包括在檢測(例如通過rt-pcr，例如qpcr)之前，分離來自試驗樣品的rna的步驟。因此，在一些實施方案中，gep-nen生物標記物，例如其表達水平的檢測，包括檢測rna的存在、不存在或量。在一個實例中，rna通過pcr或通過雜交來檢測。在一個方面，多核苷酸包括有義和反義引物，例如對生物標記物亞組中的每一種gep-nen生物標記物特異性的引物對。在該實施方案的一個方面，gep-nen生物標記物的檢測通過pcr，通常是定量或?qū)崟rpcr進行。例如，在一個方面，檢測通過以下來進行：通過逆轉(zhuǎn)錄產(chǎn)生來自試驗樣品的cdna；然后使用與gep-nen生物標記物小組特異性雜交的有義和反義引物對擴增cdna，和檢測擴增產(chǎn)物。在一些實施方案中，gep-nen生物標記物包括mrna、cdna或蛋白質(zhì)。在一些實施方案中，所述方法進一步包括確定在試驗樣品中在亞組中選擇的生物標記物的數(shù)學推導的表達水平評分。這是maarc-net評分(net的多分析物風險分類)。其具有兩個量表0-8和換算為100％的百分比衍生，即0-100％。數(shù)學推導的maarc-net評分是自預(yù)測性分類算法建立的分類器的產(chǎn)物，例如支持向量機(svm)、線性判別分析(lda)、k-最近鄰域(knn)和/或樸素貝葉斯(nb)。在一些實例中，分類器自svm、lda、knn和nb分類算法的組合和10-倍交叉驗證設(shè)計產(chǎn)生。在一些實施方案中，所述方法進一步包括在正常或參比樣品中確定在亞組中的生物標記物的數(shù)學推導的表達水平評分的步驟，通常在歸一化和比較步驟之前進行。正?；騾⒈葮悠房蓙碜越】祷颊呋蚓哂術(shù)ep-nen的患者。在試驗樣品來自gep-nen患者的情況下，正?；騾⒈葮悠坊蛩娇蓙碜韵嗤虿煌幕颊?。例如，正常或參比樣品可來自gep-nen患者的預(yù)期不包含gep-nen的組織、流體或細胞，或gep-nen細胞。另一方面，正常或?qū)φ諛悠穪碜栽谥委煾深A(yù)之前或之后，例如在手術(shù)或化學干預(yù)之后的gep-nen患者。在另一方面，參比或正常樣品來自對應(yīng)于健康個體的試驗樣品的gep-nen或轉(zhuǎn)移的組織或流體，例如正常的腸嗜鉻細胞(ec)制備物或小腸(si)樣品，或正常的肝、肺、骨、血液、唾液或其它體液、組織或生物學樣品。在另一個實施方案中，試驗樣品來自gep-nen患者的轉(zhuǎn)移、血漿或全血，或其它流體，和參比樣品來自原發(fā)腫瘤或熒光活化細胞(fac)-分選的腫瘤細胞。在其它方面，試驗樣品來自血液，和試驗生物學樣品來自治療后的gep-nen患者，和參比樣品來自與試驗生物學樣品相同的治療前gep-nen患者；參比樣品來自未包含gep-nen細胞的組織或流體；參比樣品來自健康個體；參比樣品來自gep-nen之外的癌癥；參比樣品來自ec細胞或si組織；試驗生物學樣品來自轉(zhuǎn)移的gep-nen，和參比樣品來自非轉(zhuǎn)移的gep-nen；或與獲得試驗生物學樣品的gep-nen患者相比，參比樣品來自不同分類的gep-nen。在一個方面，試驗生物學樣品來自治療前的gep-nen患者，和正?；騾⒈葮悠穪碜灾委熀蟮膅ep-nen患者。在另一方面，正?；騾⒈葮悠穪碜詆ep-nen患者的非轉(zhuǎn)移組織。在一些情況下，進行歸一化步驟以將在試驗樣品中在亞組中的生物標記物的表達評分水平歸一化至在參比樣品中在亞組中的生物標記物的表達評分水平。在一些情況下，進行比較步驟以確定在歸一化的表達水平評分和預(yù)定的截止值或評分閾值之間是否存在差異，例如顯著差異。某些預(yù)定的截止值或評分閾值指示gep-nen的不同階段，而其它指示發(fā)生進行性gep-nen的不同風險水平，即低、中等或高。在一個方面，所述方法包括比較歸一化的表達水平評分與經(jīng)選擇以排除對照或參比樣品的預(yù)定的截止值，其中高于預(yù)定的截止值的歸一化的表達水平指示gep-nen，其中截止值是約2(在0-8的量表中，或在0-100％的量表中為13.4％)。在另一方面，所述方法包括比較歸一化的表達水平評分與經(jīng)選擇以排除非-進行性gep-nen的預(yù)定的截止值，其中高于預(yù)定的截止值5(在0-8的量表中，或在0-100％的量表中為43.4％)的歸一化的表達水平指示進行性gep-nen。在另一方面，所述方法進一步包括鑒定人患者發(fā)生進行性gep-nen的風險水平，其中低于約5(或43.4％)的歸一化的表達水平評分指示發(fā)生進行性gep-nen的低風險水平，在約5和7(43.4％-63.4％)之間的歸一化的表達水平評分指示發(fā)生進行性gep-nen的中等風險水平，和在約7和8(>63.4％)之間的歸一化的表達水平評分指示發(fā)生進行性gep-nen的高風險水平。在一些情況下，隨后對于單個基因的實際表達水平(并非數(shù)學推導的表達水平評分)進行測定，其中鑒定發(fā)生進行性gep-nen的中等風險水平進一步包括確定第一狀態(tài)的中等風險，其中在非-進行性的參比樣品和試驗樣品之間的歸一化的表達水平評分是約5(43.4％)，smarcd3的歸一化的表達水平低于第一閾值，和tph1的表達水平低于第二閾值。在其它情況下，鑒定發(fā)生進行性gep-nen的中等風險水平進一步包括確定第二狀態(tài)的中等風險，其中在非-進行性的參比樣品和試驗樣品之間的歸一化的表達水平評分是約6(52.7％)，vmat1的歸一化的表達水平等于或高于0，和phf21a的表達水平等于或高于第一閾值。在一些情況下，鑒定發(fā)生進行性gep-nen的中等風險水平進一步包括確定第三狀態(tài)的中等風險，其中在非-進行性的參比樣品和試驗樣品之間的歸一化的表達水平評分是約7(63.4％)，vmat1的表達水平等于或高于0，和phf21a的表達水平等于或低于第一閾值。在其它情況下，鑒定發(fā)生進行性gep-nen的高風險水平進一步包括確定zzz3的歸一化的表達水平評分，其中zzz3的表達水平評分等于或小于14。還提供了提供的生物標記物、試劑、系統(tǒng)和檢測方法用于在手術(shù)后人患者中確定殘留或再發(fā)性進行性gep-nen的風險的方法和用途。在這樣的情況下，鑒定在手術(shù)后試驗樣品中殘留或再發(fā)性進行性gep-nen的風險水平，其中歸一化的表達水平評分低于約5(43.4％)指示低風險水平，歸一化的表達水平評分在約5和7(43.4-63.4％)之間指示中等風險水平，和歸一化的表達水平評分在約7和8(>63.4％)之間指示高風險水平。在一些情況下，鑒定殘留或再發(fā)性進行性gep-nen的風險水平進一步包括確定在至少一個基因簇中的基因產(chǎn)物的表達水平評分升高，如在來自患者的手術(shù)前試驗樣品和手術(shù)后試驗樣品之間確定的。在一些實施方案中，至少一個基因簇包括增殖組(proliferome)、信號組(signalome)、分泌組(secretome)i和ii、多能組(plurome)、表觀基因組(epigenome)、多能組、sstr組和其組合。在其它實施方案中，至少一個基因簇包括pd簇、nd簇、td簇和id簇。pd簇包括增殖組、信號組、分泌組ii、多能組和表觀基因組。nd簇包括araf1、braf、kras、raf1、ki67、nap1l1、nol3、glt8d1、pld3、pnma2、vmat2、tph1、fzd7、morf4l2和zfhx3。td簇包括分泌組(i)、多能組和sstr組。id簇包括增殖組、分泌組(ii)、多能組和表觀基因組。在其它實施方案中，確定在至少一個基因簇中基因產(chǎn)物的表達升高包括評價多個基因簇算法，包括pda、nda、tda和ida算法。在一些實施方案中，所述方法進一步包括根據(jù)殘留或復(fù)發(fā)性進行性gep-nen的中等或高風險水平的指示通過手術(shù)或療法之一治療患者。還提供了提供的生物標記物、試劑、系統(tǒng)和檢測方法用于在生長抑素類似物治療后的患者中確定殘留或再發(fā)性進行性gep-nen的風險的方法和用途。在這樣的情況下，鑒定生長抑素治療失敗的風險水平，其中歸一化的表達水平評分低于約5(43.4％)指示低風險水平，歸一化的表達水平評分在約5和7(43.4-63.4％)之間指示中等風險水平，和歸一化的表達水平評分在約7和8(>63.4％)之間指示高風險水平。所述方法可進一步包括確定在來自人患者的治療前試驗樣品和治療后試驗樣品之間在至少一個sstr組和增殖組基因簇中的表達水平評分的差異，其中表達評分的水平增加指示殘留或再發(fā)性進行性gep-nen的風險增加。在一些情況下，根據(jù)殘留或復(fù)發(fā)性進行性gep-nen的中等或高風險水平和至少一個sstr組和增殖組基因簇的表達水平增加的指示，將生長抑素類似物給予人患者。除非另外定義，否則本文使用的所有技術(shù)和科學術(shù)語具有與本發(fā)明所屬領(lǐng)域的普通技術(shù)人員通常理解的相同含義。在說明書中，單數(shù)形式也包括復(fù)數(shù)，除非上下文清楚地另外指明。盡管類似于或等同于本文描述的那些的方法和材料可用于實施或測試本發(fā)明，但下文描述了合適的方法和材料。本文提及的所有出版物、專利申請、專利和其它參考資料通過引用結(jié)合到本文中。并未承認本文引述的參考資料是要求保護的發(fā)明的現(xiàn)有技術(shù)。在沖突的情況下，以本說明書，包括定義為準。此外，材料、方法和實例僅是說明性的，和不意圖是限制性的。根據(jù)以下詳細描述和權(quán)利要求，本發(fā)明的其它特征和優(yōu)點將是明顯的。附圖簡述圖1a-1e是顯示相對于正常的腸粘膜對照，自神經(jīng)內(nèi)分泌腫瘤(net)組織的affymetrix人外顯子1.0st陣列推論的標記物基因小組的差異外顯子表達的圖。(a)tph1、(b)vmat2、(c)scg5、(d)cga和(e)ptprn2的rma-歸一化的外顯子表達在正常(綠色)和腫瘤(樣品)中可視化。圖2a–2e是顯示通過逆轉(zhuǎn)錄聚合酶鏈反應(yīng)(rt-pcr)驗證標記物基因的選擇剪接的圖。相對于正常的粘膜對照，標記物基因a)tph1、(b)vmat2、(c)scg5、(d)cga和(e)ptprn2在net樣品中差異表達。圖3是顯示使用連續(xù)加入在gep-net樣品中使用10倍交叉驗證的結(jié)果獲得的多達22個顯著增量調(diào)節(jié)的基因(p<0.05)，四種分類算法(svm、lda、knn和bayes)的預(yù)測準確性的線圖。圖4a–4c是顯示在試驗組中數(shù)學推導的maarc-net評分的圖。a)在對照、sd和pd中0-4評分的頻率分布；b)在相同的樣品組中使用0-8評分的頻率分布；c)a)和b)中兩種評分的每一種的相關(guān)性評估。圖5a-5b是顯示在試驗組中maarc-net評分和接受器工作特征(roc)分析的圖。在圖5a中，與對照相比net具有顯著升高的評分，其中pd的值高于sd。在圖5b中，顯示了對照對比gep-nets的roc曲線，其中auc為>0.98，p<0.0001。*p<0.05對比對照，#p<0.05對比sd(雙尾mann-whitneyu檢驗)。圖6a–6b是a)在獨立的組中maarc-net評分的圖，其中與穩(wěn)定的疾病(sd)相比，進行性的疾病(pd)net具有顯著更高的升高評分；和b)在sd和pd中0-8評分的頻率分布圖。#p<0.0001對比sd(雙尾mann-whitneyu檢驗)。圖7a–7b是a)sd對比pdnet的roc的圖，其中auc>0.93，p<0.0001和b)使用截止評分≥7正確識別的sd和pdnet的百分比的圖。圖8是netest1的列線圖，其表明如何獲得評分和如何將患者分類為不同的疾病類別。圖9是圖8的列線圖的應(yīng)用的圖。顯示了使用圖8的列線圖，正確預(yù)測的sd和pdnet的百分比，包括疾病活性的水平。圖10a–10b是在a)試驗組和b)獨立組中，各自顯示在sd和pdnet腫瘤中0-8評分的頻率分布的圖。圖11a–11b是a)在合并組中在sd和pd中0-8評分的頻率分布和b)對比netest評分，sd或pd的評分的風險概率的圖。圖12是netest2a的列線圖，包括了評分和風險分類。上圖包括按0-8評分的maarc-net；下圖是0-100％換算形式。圖13是netest2的列線圖，包括了風險種類描述。圖14a-14b是代表了重新聚焦于net的瘤形成標志的圖示。圖14a顯示了根據(jù)hanahand，weinbergra:hallmarksofcancer:thenextgeneration.cell2011、144(5):646-674，腫瘤(腺癌)來源的標志的描述。圖14b顯示了根據(jù)hanahan和weinberg分類的net標志。圖15a–15b是顯示在a)正常粘膜和b)net中的基因簇的歸一化的基因表達的圖。圖16是在正常粘膜(nm)和net中通過pda和nda算法評價的歸一化的基因表達的圖。圖17a–17c是在a)正常粘膜、b)sd相關(guān)的基因簇和c)pd相關(guān)的基因簇中歸一化的基因表達的圖。圖18是在獨立的試驗組中歸一化的基因表達的圖，其中評價了pd和sd腫瘤中的基因。圖19a–19b是顯示在a)試驗組和b)獨立組中pda和nda基因簇算法的歸一化的基因表達的圖。圖20a–20b是顯示a)在合并組中pda和nda基因簇算法的歸一化的基因表達，和b)用于區(qū)分sd與pd的pda和nda的roc分析曲線，其中*p<0.05對比sd的圖。圖21a–21b是顯示在a)試驗組和b)獨立組中通過tda和ida基因簇算法評價的歸一化的基因表達的圖。圖22a–22b是顯示a)用于區(qū)分sd與pd的tda和ida，和b)單個基因簇的每一個的roc分析的圖。圖23a–23b是顯示a)手術(shù)前和手術(shù)后病況的netest評分和b)水平手術(shù)前和手術(shù)后病況的循環(huán)嗜鉻粒蛋白a(cga)的交替的圖。圖24a–24b是顯示在a)手術(shù)前療法病況和b)手術(shù)后療法病況中netest列線圖的差異的圖示。圖25a–25b是顯示在r0(完全切除)和r1/2(不完全切除)病況二者中a)數(shù)學推導的評分和b)嗜鉻粒蛋白a的百分比變化的圖。圖26a–26d是顯示在手術(shù)前和手術(shù)后病況中對于基因衍生的算法a)pda、b)nda、c)tda和d)ida的netest評分的差異的圖。圖27a–27i是顯示在手術(shù)前和手術(shù)后病況中對于基因衍生的簇a)sstr組、b)增殖組、c)信號組、d)代謝組、e)分泌組、f)分泌組、g)多能組、h)表觀基因組和i)凋亡組的netest評分的差異的圖。圖28是netest3的列線圖，包括了手術(shù)相關(guān)的算法和基因簇。圖29a–29b是顯示各自在穩(wěn)定的疾病(sd)病況和生長抑素類似物(ssa)治療失敗(等同于pd病況)中，a)netest評分和b)循環(huán)cga水平的差異的圖。圖30a–30d是顯示在穩(wěn)定治療的患者(sd)和治療失敗(pd)中，基因衍生的算法a)pda、b)nda、c)tda和d)ida的差異的圖。圖31a–31i是顯示在穩(wěn)定治療的患者(sd)和ssa治療失敗(等同于pd病況)中基因衍生的簇，具體而言a)sstr組、b)增殖組、c)信號組、d)代謝組、e)分泌組、f)分泌組、g)多能組、h)表觀基因組和i)凋亡組中的差異的圖。圖32a–b是顯示根據(jù)a)基因衍生的簇算法和b)用于區(qū)分治療失敗(等同于pd病況)與對照的基因簇的roc分析的圖。圖33a–b是顯示對于a)用于在分類為sd的患者中定義治療失敗的基因衍生的簇算法和簇，和b)勝過sstr組和增殖組的組合的最佳3(best-of-3)中的每一個，正確識別的百分比的圖。圖34是生長抑素類似物治療的患者的列線圖，包括數(shù)學推導的評分以及sstr組、增殖組和它們的組合。圖35a–35b是顯示ssa的治療功效和具有低/高netest評分的發(fā)生疾病復(fù)發(fā)的患者的比例的圖。圖36a–36b是顯示在發(fā)生圖像陽性疾病復(fù)發(fā)之前netest升高(>80％)或cga異常的時間點，以及在圖像陽性疾病復(fù)發(fā)之前這些事件發(fā)生的次數(shù)的圖。圖37a–37d是顯示在長期隨訪(a)之前的netest評分，和具有升高的評分(b,d)或無疾病時間(d)的患者的復(fù)發(fā)次數(shù)的圖。圖38a–38f是包括在a-b)sstr組、c-e)全部基因和d-f)高相關(guān)基因(kras、sstr4和vps13c)中預(yù)測的ki67指數(shù)對比ki67指數(shù)的圖。圖39a–39f是顯示在基因簇或算法之間的相關(guān)性(線性回歸)的圖，a)sstr組和ki67，b)tda和ki67，c)增殖組和ki67，d)pda和ki67，e)ida和ki67，和f)pda和ki67，各自對比ki-67指數(shù)。圖40a–40d是對于sstr組(組i：(a)和(c))和所有基因(組ii：(b)和(d))，建模預(yù)測的suvmax(腫瘤攝取–受體密度/靶標利用率的度量)的圖。圖41a–41f是在單個基因(a-b)、sstr組(c-e)和所有基因(d-f)中，建模mtv(分子腫瘤體積–腫瘤負荷的度量)的圖。圖42a–42c是顯示在鑒定有(a)新?lián)p傷(通過成像)、(b)進行性的疾病(通過recist)和(c)手術(shù)后的患者中的zfhx3表達的圖。圖43a–43b是顯示在(a)保持穩(wěn)定的gep-nen疾病狀態(tài)的患者，對比(b)發(fā)生進行性的gep-nen疾病狀態(tài)的患者中的zfhx3表達的圖。圖44a–44c是代表a)肽受體放射核素療法(prrt)的功效、b)在反應(yīng)者(r)和無反應(yīng)者(nr)中在6m隨訪(fup)時netest評分對比臨床狀態(tài)的變化；和(c)在6mfup時cga水平對比臨床狀態(tài)的變化的圖。圖45是顯示在治療之前和之后在反應(yīng)者和無反應(yīng)者中的netest之間的一致性的圖，以及另外與cga比較。圖46a–46b顯示對于治療反應(yīng)，netest評分對比cga的準確性。圖47a–47d顯示在治療前的血液樣品中netest基因的兩個亞組，信號組和代謝組的表達，以及在反應(yīng)者(r)和無反應(yīng)者(nr)之間的差異，各自以及當并入生物學指數(shù)時的預(yù)測效用(47b)，用于單獨預(yù)測治療反應(yīng)(商數(shù))或作為與等級的組合(組合)的效用(47c)和用于預(yù)測prrt療法的結(jié)果的組合的度量(47d)。發(fā)明詳述所有人基因的四分之三經(jīng)歷選擇剪接。鑒定和定義癌癥特異性剪接變體因此對于開發(fā)生物-標記物測定法是有利的。描述的實施方案源自令人驚訝的發(fā)現(xiàn)，即net標記物基因的特定的癌癥特異性剪接變體可用于在生物標記物診斷方法中使腫瘤和正常樣品之間的差異最大化。本發(fā)明提供在有需要的受試者中檢測胃腸胰神經(jīng)內(nèi)分泌瘤(gep-nen)的方法，包括通過使來自受試者的試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定試驗樣品的至少22種生物標記物的表達水平，其中22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自參比樣品的至少22種生物標記物的表達水平；歸一化試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；比較試驗樣品中的至少22種生物標記物的歸一化的表達水平與預(yù)定的截止值；當歸一化的表達水平等于或大于預(yù)定的截止值時，確定在受試者中存在gep-nen；或當歸一化的表達水平低于預(yù)定的截止值時，確定在受試者中不存在gep-nen，其中預(yù)定的截止值在0-8的maarc-net評分系統(tǒng)量表中是2，或在0-100％的量表中是0％。評分根據(jù)“多數(shù)票”策略，和自二元分類系統(tǒng)開發(fā)，從而樣品被識別為“正?！焙徒o予評分0，或識別為“腫瘤”和評分為“1”。評分范圍可為0(四個識別均“正常”)至4(四個識別均“腫瘤”)。每個“識別”是四種不同的學習算法之一的二元結(jié)果(對于正常為“0”，或?qū)τ谀[瘤為“1”)：支持向量機(svm)、線性判別分析(lda)、k-最近鄰域(knn)和樸素貝葉斯(bayes)。這四種學習算法的每一種在內(nèi)部訓練組上進行訓練，包括67個對照和63個gep-nen。在該訓練組中，差異表達的基因(對照對比gep-nen)使用t-檢驗被鑒定為顯著的。根據(jù)該訓練組，每種學習算法經(jīng)訓練以區(qū)分正常和腫瘤基因表達至顯著性為至少p<0.05的水平內(nèi)。根據(jù)多數(shù)票策略，小于2個“正?！弊R別的那些樣品被分類為gep-nen。至少22種生物標記物可包括aplp2、araf、cd59、ctgf、fzd7、kras、mki67/ki67、morf4l2、nap1l1、nol3、pnma2、raf1、rsf1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tph1、trmt112和zfhx3。所述方法可進一步包括當歸一化的表達水平等于或高于預(yù)定的截止值時，確定在受試者中存在進行性gep-nen，其中預(yù)定的截止值在0-8的量表中是5，或在0-100％的量表中小于55％。所述方法可進一步包括鑒定受試者發(fā)生進行性gep-nen的風險水平。所述方法進一步包括當歸一化的表達水平是小于在0-8的量表中的預(yù)定的截止值5，或小于在0-100％的量表中的55％時，鑒定發(fā)生進行性gep-nen的低風險水平；當歸一化的表達水平等于或大于在0-8的量表中的預(yù)定的截止值5和小于預(yù)定的截止值7，或等于或大于在0-100％的量表中的55％和小于75％時，鑒定發(fā)生進行性gep-nen的中等風險水平；或當歸一化的表達水平等于或大于在0-8的量表中的預(yù)定的截止值7，或等于或大于在0-100％的量表中的75％時，鑒定發(fā)生進行性gep-nen的高風險水平。所述生物標記物可以是rna、cdna或蛋白質(zhì)。當生物標記物是rna時，rna可以逆轉(zhuǎn)錄以產(chǎn)生cdna(例如通過rt-pcr)，和檢測產(chǎn)生的cdna表達水平。生物標記物的表達水平可通過在生物標記物和標記的探針或引物之間形成復(fù)合物檢測。當生物標記物是rna或cdna時，rna或cdna通過在rna或cdna和標記的核酸探針或引物之間形成復(fù)合物檢測。在rna或cdna和標記的核酸探針或引物之間的復(fù)合物可以是雜交復(fù)合物。當生物標記物是蛋白質(zhì)時，蛋白質(zhì)可以通過在蛋白質(zhì)和標記的抗體之間形成復(fù)合物檢測。標記可以是任何標記，例如熒光標記、化學發(fā)光標記、放射性標記等。試驗樣品可以是獲自受試者的任何生物學流體。優(yōu)選地，試驗樣品是血液、血清、血漿或腫瘤組織。參比樣品可以是獲自不具有腫瘤疾病、不顯示腫瘤疾病的癥狀或未診斷有腫瘤疾病的受試者的任何生物學流體。優(yōu)選地，參比樣品是血液、血清、血漿或非腫瘤組織。有需要的受試者可以是診斷有g(shù)ep-nen的受試者、具有至少一種gep-nen癥狀的受試者或具有發(fā)生gep-nen的誘因或家族史的受試者。受試者可以是任何哺乳動物。優(yōu)選地，受試者是人。術(shù)語受試者和患者在本文可互換使用。所述方法可進一步包括用手術(shù)或藥物療法治療鑒定為具有發(fā)生進行性gep-nen的中等風險水平或高風險水平的受試者。藥物療法可以是生長抑素類似物治療或肽受體放射療法療法(prrt)。所述方法可進一步包括用在至少6個月期間、12個月期間、18個月期間或24個月期間規(guī)則或定期監(jiān)測，治療鑒定為具有發(fā)生進行性gep-nen的低風險水平的受試者。本發(fā)明還提供在受試者中區(qū)分穩(wěn)定的和進行性gep-nen的方法，包括根據(jù)本發(fā)明的方法，確定來自受試者的試驗樣品的至少22種生物標記物的歸一化的表達水平等于或大于預(yù)定的截止值5和小于預(yù)定的截止值6；通過使試驗樣品和參比樣品與特異性檢測smarcd3的表達和tph1的表達的多種試劑接觸，檢測來自試驗樣品和來自參比樣品的smarcd3和tph1的表達水平；將試驗樣品中的smarcd3和tph1的表達水平歸一化至參比樣品中的smarcd3和tph1的表達水平；分別比較試驗樣品中的smarcd3和tph1的歸一化的表達水平與第一個和第二個預(yù)定的截止值；和當smarcd3的歸一化的表達水平大于第一個預(yù)定的截止值和tph1的表達水平等于或大于第二個預(yù)定的截止值時，確定在受試者中存在穩(wěn)定的gep-nen，或當smarcd3的歸一化的表達水平等于或小于第一個預(yù)定的截止值和tph1的表達水平小于第二個預(yù)定的截止值時，確定在受試者中存在進行性gep-nen，其中第一個預(yù)定的截止值在0-8的量表中是1.3和其中第二個預(yù)定的截止值在0-8的量表中是4。第一個預(yù)定的截止值1.3對應(yīng)于在0-100％的量表中的12％，和其中第二個預(yù)定的截止值4對應(yīng)于在0-100％的量表中的41％。本發(fā)明還提供在受試者中區(qū)分穩(wěn)定的和進行性gep-nen的方法，包括根據(jù)本發(fā)明的方法，確定來自受試者的試驗樣品的至少22種生物標記物的歸一化的表達水平等于或大于預(yù)定的截止值6和小于預(yù)定的截止值7；通過使試驗樣品和參比樣品與特異性檢測vmat1的表達和phf21a的表達的多種試劑接觸，檢測來自試驗樣品和來自參比樣品的vmat1和phf21a的表達水平；歸一化試驗樣品中的vmat1和phf21a的表達水平至參比樣品中的vmat1和phf21a的表達水平；分別比較試驗樣品中的vmat1和phf21a的歸一化的表達水平與第一個和第二個預(yù)定的截止值；和當vmat1的歸一化的表達水平等于或大于第一個預(yù)定的截止值和phf21a的表達水平小于第二個預(yù)定的截止值時，確定在受試者中存在穩(wěn)定的gep-nen，或當vmat1的歸一化的表達水平等于或大于第一個預(yù)定的截止值和phf21a的表達水平等于或大于第二個預(yù)定的截止值時，確定在受試者中存在進行性gep-nen，其中第一個預(yù)定的截止值在0-8的量表中是0和其中第二個預(yù)定的截止值在0-8的量表中是1.2。第一個預(yù)定的截止值0對應(yīng)于在0-100％的量表中的0％，和其中第二個預(yù)定的截止值1.2對應(yīng)于在0-100％的量表中的8％。本發(fā)明還提供用于在受試者中區(qū)分穩(wěn)定的和進行性gep-nen的方法，包括根據(jù)本發(fā)明的方法，確定來自受試者的試驗樣品的至少22種生物標記物的歸一化的表達水平等于或大于預(yù)定的截止值7和小于預(yù)定的截止值8；通過使試驗樣品和參比樣品與特異性檢測vmat1的表達和phf21a的表達的多種試劑接觸，檢測來自試驗樣品和參比樣品的vmat1和phf21a的表達水平；歸一化試驗樣品中的vmat1和phf21a的表達水平至參比樣品中的vmat1和phf21a的表達水平；分別比較試驗樣品中的vmat1和phf21a的歸一化的表達水平與第一個和第二個預(yù)定的截止值；和當vmat1的歸一化的表達水平等于或大于第一個預(yù)定的截止值和phf21a的表達水平大于第二個預(yù)定的截止值時，確定在受試者中存在穩(wěn)定的gep-nen，或當vmat1的歸一化的表達水平等于或大于第一個預(yù)定的截止值和phf21a的表達水平等于或小于第二個預(yù)定的截止值時，確定在受試者中存在進行性gep-nen，其中第一個預(yù)定的截止值在0-8的量表中是0和其中第二個預(yù)定的截止值在0-8的量表中是1。第一個預(yù)定的截止值0對應(yīng)于在0-100％的量表中的0％，和其中第二個預(yù)定的截止值1對應(yīng)于在0-100％的量表中的7％。本發(fā)明還提供在受試者中區(qū)分穩(wěn)定的和進行性gep-nen的方法，包括根據(jù)本發(fā)明的方法，確定來自受試者的試驗樣品的至少22種生物標記物的歸一化的表達水平等于預(yù)定的截止值8；通過使試驗樣品和參比樣品與特異性檢測zzz3的表達的至少一種試劑接觸，檢測來自試驗樣品和參比樣品的zzz3的表達水平；歸一化試驗樣品中的zzz3的表達水平至參比樣品中的zzz3的表達水平；比較試驗樣品中的zzz3的歸一化的表達水平與預(yù)定的截止值；和當zzz3的歸一化的表達水平等于或小于預(yù)定的截止值時，確定在受試者中存在進行性gep-nen，其中預(yù)定的截止值在0-8的量表中是1。預(yù)定的截止值1對應(yīng)于在0-100％的量表中的18％。本發(fā)明的方法進一步包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測16種生物標記物的每一種的表達的多種試劑接觸，測定試驗樣品和參比樣品的16種生物標記物的每一種的表達水平，其中所述16種生物標記物包含ki67、nap1l1、nol3、tecpr2、araf1、braf、kras、raf1、pqbp1、tph1、commd9、morf4l2、rnf41、rsf1、smarcd3和zfhx3；合計試驗樣品的16種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷i總測試值和合計參比樣品的16種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷i總參比值，其中與進行性診斷i總參比值相比，進行性診斷i總測試值的值增加指示在受試者中存在進行性gep-nen。本發(fā)明的方法進一步包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測15種生物標記物的每一種的量的多種試劑接觸，測定試驗樣品和參比樣品的15種生物標記物的每一種的表達水平，其中所述15種生物標記物包含araf1、braf、kras、raf1、ki67、nap1l1、nol3、glt8d1、pld3、pnma2、vmat2、tph1、fzd7、morf4l2和zfhx3；將試驗樣品的15種生物標記物的每一種的表達水平進行平均以產(chǎn)生進行性診斷ii測試值和將參比樣品的15種生物標記物的每一種的表達水平進行平均以產(chǎn)生進行性診斷ii參比值，其中與進行性診斷ii參比值相比，進行性診斷ii測試值的值增加指示在受試者中存在進行性gep-nen。本發(fā)明的方法進一步包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測7種生物標記物的每一種的量的多種試劑接觸，測定試驗樣品和參比樣品的7種生物標記物的每一種的表達水平，其中所述7種生物標記物包含pnma2、vmat2、commd9、sstr1、sstr3、sstr4和sstr5；合計試驗樣品的7種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷iii總測試值和合計參比樣品的7種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷iii總參比值，其中與進行性診斷iii總參比值相比，進行性診斷iii總測試值的值增加指示在受試者中存在進行性gep-nen。本發(fā)明的方法進一步包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測11種生物標記物的每一種的量的多種試劑接觸，測定試驗樣品和參比樣品的11種生物標記物的每一種的表達水平，其中所述11種生物標記物包含ki67、nap1l1、nol3、tecpr2、pqbp1、tph1、morf4l2、rnf41、rsf1、smarcd3和zfhx3；合計試驗樣品的11種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷iv總測試值和合計參比樣品的11種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷iv總參比值，其中與進行性診斷iv總參比值相比，進行性診斷iv總測試值的值增加指示在受試者中存在進行性gep-nen。本發(fā)明還提供在手術(shù)后受試者中確定復(fù)發(fā)性或再發(fā)性進行性gep-nen的風險的方法，包括通過使來自受試者的試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定試驗樣品的至少22種生物標記物的表達水平，其中所述22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自參比樣品的至少22種生物標記物的表達水平；歸一化試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；比較試驗樣品中的至少22種生物標記物的歸一化的表達水平與預(yù)定的截止值；當歸一化的表達水平小于在0-8的量表中的預(yù)定的截止值2，或小于在0-100％的量表中的0％時，鑒定不存在手術(shù)后復(fù)發(fā)性或再發(fā)性進行性gep-nen的風險；當歸一化的表達水平小于在0-8的量表中的預(yù)定的截止值5，或小于在0-100％的量表中的55％時，鑒定手術(shù)后復(fù)發(fā)性或再發(fā)性進行性gep-nen的低風險水平；當歸一化的表達水平等于或大于在0-8的量表中的預(yù)定的截止值5和小于預(yù)定的截止值7，或等于或大于在0-100％的量表中的55％和小于75％時，鑒定手術(shù)后復(fù)發(fā)性或再發(fā)性進行性gep-nen的中等風險水平；或當歸一化的表達水平等于或大于在0-8的量表中的預(yù)定的截止值7，或等于或大于在0-100％的量表中的75％時，鑒定手術(shù)后復(fù)發(fā)性或再發(fā)性進行性gep-nen的高風險水平。本發(fā)明還提供在用生長抑素治療的受試者中確定復(fù)發(fā)性或再發(fā)性進行性gep-nen的風險的方法，包括通過使來自受試者的試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定試驗樣品的至少22種生物標記物的表達水平，其中所述22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自參比樣品的至少22種生物標記物的表達水平；歸一化試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；比較試驗樣品中的至少22種生物標記物的歸一化的表達水平與預(yù)定的截止值；當歸一化的表達水平等于或大于預(yù)定的截止值時，確定在受試者中存在gep-nen，或當歸一化的表達水平低于預(yù)定的截止值時，確定在受試者中不存在gep-nen，其中預(yù)定的截止值在0-8的maarc-net評分系統(tǒng)量表中是2，或在0-100％的量表中是0％；當gep-nen存在時，通過使來自受試者的試驗樣品和參比樣品與特異性檢測8種生物標記物的每一種的表達的多種試劑接觸，測定試驗樣品和參比樣品的8種生物標記物的每一種的表達水平，其中所述8種生物標記物包含ki67、nap1l1、nol3、tecpr2、sstr1、sstr2、sstr4和sstr5；合計試驗樣品的8種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷v總測試值和合計參比樣品的8種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷v總參比值，其中與進行性診斷v總參比值相比，進行性診斷v總測試值的值增加指示在受試者中存在復(fù)發(fā)性或再發(fā)性進行性gep-nen。本發(fā)明還提供在有需要的受試者中確定gep-nen的肽受體放射核素療法(prrt)的反應(yīng)的方法，包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測8種生物標記物的每一種的表達的多種試劑接觸，測定試驗樣品和參比樣品的8種生物標記物的每一種的表達水平，其中所述8種生物標記物包含araf1、braf、kras、raf1、atp6v1h、oaz2、pank2、pld3；歸一化試驗樣品中的8種生物標記物的表達水平至參比樣品中的8種生物標記物的表達水平；比較試驗樣品中的8種生物標記物的歸一化的表達水平與預(yù)定的截止值；當8種生物標記物的歸一化的表達水平大于預(yù)定的截止值時，確定在受試者中存在prrt-反應(yīng)性gep-nen，其中預(yù)定的截止值在0-8的量表中是5.9。本發(fā)明還提供在有需要的受試者中確定gep-nen的肽受體放射核素療法(prrt)的反應(yīng)的方法，包括(a)進行第一輪prrt療法：通過使來自受試者的第一輪試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定第一輪試驗樣品的至少22種生物標記物的表達水平，其中所述22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，檢測來自參比樣品的至少22種生物標記物的表達水平；歸一化第一輪試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；(b)進行第二輪prrt療法，通過使來自受試者的第二輪試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定試驗樣品的至少22種生物標記物的表達水平，其中所述22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自參比樣品的至少22種生物標記物的表達水平；歸一化第二輪試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；(c)確定來自(a)的歸一化的表達水平與來自(b)的歸一化的表達水平的變化率；(d)當變化率大于前-prrt療法截止值時，確定存在prrt-反應(yīng)性gep-nen，其中前-prrt療法截止值在0-8的量表中是1。本發(fā)明還提供在有需要的受試者中確定gep-nen進展的方法，包括通過使來自受試者的試驗樣品與特異性檢測zfhx3的表達的試劑接觸，測定試驗樣品的zfhx3的表達水平；通過使參比樣品與特異性檢測zfhx3的表達的試劑接觸，測定來自參比樣品的zfhx3的表達水平；歸一化試驗樣品中的zfhx3的表達水平至參比樣品中的zfhx3的表達水平；比較試驗樣品中的zfhx3的歸一化的表達水平與預(yù)定的截止值；當歸一化的表達水平等于或大于預(yù)定的截止值時，確定在受試者中g(shù)ep-nen進展，其中預(yù)定的截止值在0-8的量表中是0.5。本發(fā)明還提供在有需要的受試者中預(yù)測gep-nen的腫瘤增殖的方法，包括(a)通過使試驗樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自受試者的試驗樣品的至少22種生物標記物的表達水平，其中所述22種生物標記物選自aplp2、araf、atp6v1h、bnip3l、braf、cd59、commd9、ctgf、fzd7、glt8d1、kras、mki67/ki67、morf4l2、nap1l1、nol3、oaz2、pank2、phf21a、pld3、pnma2、pqbp1、raf1、rnf41、rsf1、slc18a1/vmat1、slc18a2/vmat2、smarcd3、spata7、sstr1、sstr3、sstr4、sstr5、tecpr2、tph1、trmt112、wdfy3、zfhx3和zzz3；通過使參比樣品與特異性檢測至少22種生物標記物的表達的多種試劑接觸，測定來自參比樣品的至少22種生物標記物的表達水平；歸一化試驗樣品中的至少22種生物標記物的表達水平至參比樣品中的至少22種生物標記物的表達水平；比較試驗樣品中的至少22種生物標記物的歸一化的表達水平與預(yù)定的截止值；當歸一化的表達水平等于或大于預(yù)定的截止值時，確定在受試者中存在gep-nen，或當歸一化的表達水平低于預(yù)定的截止值時，確定在受試者中不存在gep-nen，其中預(yù)定的截止值在0-8的maarc-net評分系統(tǒng)量表中是2，或在0-100％的量表中是0％；(b)當gep-nen存在時，通過使來自受試者的試驗樣品和參比樣品與特異性檢測3種生物標記物的每一種的表達的多種試劑接觸，測定試驗樣品和參比樣品的3種生物標記物的每一種的表達水平，其中所述3種生物標記物包含kras、sstr4和vps13c；合計試驗樣品的3種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷vi總測試值和合計參比樣品的3種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷vi總參比值，其中與進行性診斷vi總參比值相比，進行性診斷vi總測試值的值增加指示在受試者中存在gep-nen的腫瘤增殖。所述方法其中(b)進一步包括通過使來自受試者的試驗樣品和參比樣品與特異性檢測3種生物標記物的每一種的表達的多種試劑接觸，測定試驗樣品和參比樣品的3種生物標記物的每一種的表達水平，其中所述3種生物標記物包含sstr1、sstr2和sstr5；合計試驗樣品的3種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷vii總測試值和合計參比樣品的3種生物標記物的每一種的表達水平以產(chǎn)生進行性診斷vii總參比值，其中與進行性診斷vii總參比值相比，進行性診斷vii總測試值的值增加指示在受試者中存在gep-nen的腫瘤增殖。如本文所用的，術(shù)語“gep-nen生物標記物”和“net生物標記物”與生物學分子，例如基因產(chǎn)物同義，其本身的表達或存在(例如表達水平或表達譜)或與一種或多種其它生物標記物相比(例如相對表達)，根據(jù)gep-nen疾病的存在、不存在、類型、類別、嚴重性、轉(zhuǎn)移、位置、階段、預(yù)后、相關(guān)癥狀、結(jié)果、風險、可能性或治療反應(yīng)性或預(yù)后而不同(即，增加或降低)，或與其這樣的預(yù)測因素正相關(guān)或負相關(guān)。如本文所用的，術(shù)語“多核苷酸”或核酸分子意指長度至少10個堿基或堿基對的核苷酸的聚合形式，核糖核苷酸或脫氧核糖核苷酸或任一類型的核苷酸的修飾形式，和意欲包括單鏈和雙鏈形式的dna。如本文所用的，在微陣列分析中用作探針的核酸分子或核酸序列優(yōu)選地包括核苷酸鏈，更優(yōu)選地dna和/或rna。在其它實施方案中，核酸分子或核酸序列包括其它類型的核酸結(jié)構(gòu)，例如dna/rna螺旋、肽核酸(pna)、鎖核酸(lna)和/或核酶。因此，本文使用的術(shù)語“核酸分子”還涵蓋包含非天然核苷酸、修飾的核苷酸和/或顯示與天然核苷酸相同功能的非核苷酸結(jié)構(gòu)單元的鏈。如本文所用的，在多核苷酸的情況下使用的術(shù)語“雜交”等意指常規(guī)雜交條件，優(yōu)選地例如在50％甲酰胺/6xssc/0.1％sds/100μg/mlssdna中雜交，其中雜交溫度高于37度和在0.1xssc/0.1％sds中的洗滌溫度高于55攝氏度，和最優(yōu)選地是指嚴格雜交條件。術(shù)語“血液活檢”是指確定表現(xiàn)有癥狀的患者是否具有可分類為良性(低活性)或惡性(高活性/轉(zhuǎn)移)的病況的血液診斷研究。本文使用的關(guān)于gep-nen的不同類型或階段的術(shù)語"分類"是指使用統(tǒng)計學技術(shù)編譯和分析表達數(shù)據(jù)以提供分類來輔助gep-nen的階段或類型的診斷的行為。本文使用的術(shù)語“分類器"是指以預(yù)定水平的統(tǒng)計學顯著性區(qū)分疾病狀態(tài)的算法。二類分類器是使用樣品的測量數(shù)據(jù)點和將數(shù)據(jù)分類為兩組之一的算法。多類分類器是使用樣品的測量數(shù)據(jù)點和將數(shù)據(jù)分類為多組之一的算法。“分類器”將區(qū)別隨機選擇的癌癥樣品與隨機選擇的良性樣品的概率，即接受器工作特征(roc)曲線的曲線下面積(auc)最大化。本文使用的術(shù)語"歸一化"或“歸一化子”是指根據(jù)標準值針對效果進行調(diào)整的差異值的表述，所述效果產(chǎn)生于由于樣品處理、樣品制備和質(zhì)譜測量導致的技術(shù)變化而非樣品中的蛋白質(zhì)濃度的生物學變化。例如，當測量差異表達的蛋白質(zhì)的表達時，蛋白質(zhì)表達的絕對值可根據(jù)表達基本上恒定的標準蛋白質(zhì)表達的絕對值表示。本文使用的術(shù)語"病況"一般是指疾病、事件或健康狀態(tài)的變化。術(shù)語"診斷"和"診斷的"也分別涵蓋術(shù)語"預(yù)后"和"預(yù)后的"，以及在兩個或更多個時間點應(yīng)用這樣的程序以隨時間監(jiān)測診斷和/或預(yù)后，和根據(jù)其的統(tǒng)計學建模。此外，術(shù)語診斷包括：a.預(yù)測(確定患者是否將可能發(fā)生侵襲性疾病(高增殖性/侵襲性))，b.預(yù)后(預(yù)測患者是否將可能在未來預(yù)選擇的時間具有更好或更差的結(jié)果)，c.療法選擇，d.治療藥物監(jiān)測，和e.復(fù)發(fā)監(jiān)測。本文使用的關(guān)于生物學樣品的術(shù)語"提供"是指自受試者直接或間接獲得生物學樣品。例如，"提供"可指自受試者直接獲得生物學樣品的行為(例如通過血液抽取、組織活檢、灌洗等)。同樣，"提供"可指間接獲得生物學樣品的行為。例如，提供可指自直接獲得樣品的一方實驗室接收樣品的行為，或自檔案室獲得樣品的行為。"準確性"是指測量或計算的數(shù)量(試驗報告值)與其實際(或真實)值的一致性的程度。臨床準確性涉及真實結(jié)果(真陽性(tp)或真陰性(tn))對比錯誤分類的結(jié)果(假陽性(fp)或假陰性(fn))的比率，和可表示為靈敏性、特異性、陽性預(yù)測值(ppv)或陰性預(yù)測值(npv)，或可能性、優(yōu)勢率等其它度量。本文使用的術(shù)語"生物學樣品"是指可能包含一種或多種生物標記物蛋白質(zhì)的生物學來源的任何樣品。生物學樣品的實例包括組織、器官或體液，例如全血、血漿、血清、組織、灌洗液或用于檢測疾病的任何其它樣品。本文使用的術(shù)語"受試者"是指哺乳動物，優(yōu)選地人。本文使用的關(guān)于病況的術(shù)語"治療"可指阻止病況、減慢病況的發(fā)生或發(fā)生速度、減少發(fā)生病況的風險、阻止或延緩發(fā)生與病況有關(guān)的癥狀、減少或終止與病況有關(guān)的癥狀、產(chǎn)生病況的完全或部分消退，或其一些組合。生物標記物水平可由于治療疾病而改變。生物標記物水平的改變可通過本發(fā)明測量。生物標記物水平的改變可用于監(jiān)測疾病進展或療法。"變化"、"改變"或"明顯不同"是指與合理可比較的狀態(tài)、特征、度量等的可檢測的變化或差異。這樣的變化可以是全部的或沒有變化。它們可以遞增的，和不需要是線性的。它們可以是按數(shù)量級變化的。變化可以是增加或降低1％、5％、10％、20％,30％、40％、50％、60％、70％、80％、90％、95％、99％、100％或更多，或0％和100％之間的任何值。或者，變化可以是1倍、1.5倍、2倍、3倍、4倍、5倍或更多倍，或1倍和5倍之間的任何值。變化可以統(tǒng)計學顯著的，p值為0.1、0.05、0.001或0.0001。術(shù)語“疾病流行率”是指在特定一段時間內(nèi)所有新和舊病例或事件發(fā)生的數(shù)量。流行率表示為事件數(shù)是分子和有風險群體是分母的比率。術(shù)語“疾病發(fā)病率”是指在一段特定時間內(nèi)發(fā)生一些新病況的風險的度量；在一些時間期間新病例的數(shù)量，其更好地表示為具有分母的比例或比率。術(shù)語“穩(wěn)定的疾病”是指存在gep-nen，然而gep-nen已被治療和保持在穩(wěn)定的病況的診斷，即不是進行性的疾病，如通過成像數(shù)據(jù)和/或最佳臨床判斷所確定的。術(shù)語“進行性的疾病”是指存在高活性狀態(tài)的gep-nen的診斷，即疾病未被治療和不是穩(wěn)定的，或已被治療和對療法沒有反應(yīng)，或已被治療和仍保持活性疾病，如通過成像數(shù)據(jù)和/或最佳臨床判斷所確定的。術(shù)語“表達水平評分”或“netest評分”是指數(shù)學推導的分類器算法的輸出值，其自分類算法，即svm、lda、knn和bayes的組合產(chǎn)生。該評分范圍在0和100％之間。來自試驗樣品的表達水平評分，在與參比或?qū)φ諛悠返谋磉_水平評分比較時，可用于診斷gep-nen的存在、gep-nen的不同階段、預(yù)測患有某一階段gep-nen的風險，或在治療后人患者中確定gep-nen復(fù)發(fā)的風險。gep-nen疾病狀態(tài)之間的區(qū)別基于預(yù)確定的表達水平評分閾值和/或范圍，如在本申請中進一步定義的。gep-nen的診斷和預(yù)后具有困難，這部分地由于該疾病的多樣化的癥狀和綜合征導致，例如類癌瘤綜合征、腹瀉、面紅、出汗、支氣管收縮、胃腸出血、心臟疾病、間斷性腹痛，其經(jīng)常數(shù)年保持沒有表現(xiàn)。可用的診斷方法包括解剖學定位，例如通過成像，例如x-射線、胃腸內(nèi)窺鏡、腹部計算機斷層攝影(ct)、組合的立體定向放射手術(shù)(srs)/ct，和mri，和一些基因產(chǎn)物的檢測，例如嗜鉻粒蛋白a。已知的方法受限于例如低特異性和/或靈敏性和/或檢測早期疾病的能力。檢測單一的生物標記物不完全令人滿意，例如在人血液樣品中鑒定惡性腫瘤，和預(yù)測復(fù)雜結(jié)果例如纖維化和轉(zhuǎn)移。參見michielss，koscielnys，hillc，"interpretationofmicroarraydataincancer,"brjcancer2007；96(8):1155-8?？捎梅椒ǖ木窒扌源龠M了病理學分類、分期和預(yù)測、治療發(fā)生和監(jiān)測治療效果中的困難。本文提供的實施方案為解決這些局限性的方法和組合物。在一個方面，本申請涉及檢測和鑒定gep-nen生物標記物和這樣的生物標記物的小組，例如在生物學樣品中。提供用于在生物學樣品(通常血液樣品)中檢測生物標記物、檢測生物標記物的表達水平和識別或結(jié)合生物標記物的方法和組合物(例如試劑，例如多核苷酸)。還提供模型和生物數(shù)學算法，例如監(jiān)督的學習算法，和使用它們以預(yù)測、分類和評價gep-nen和相關(guān)結(jié)果，例如預(yù)測風險程度、對治療的反應(yīng)、轉(zhuǎn)移或侵襲性，和確定gep-nen亞型的方法。使用提供的實施方案檢測生物標記物可用于改進gep-nen診斷和預(yù)后，和提供治療方案的信息。在一些方面，通過提供的實施方案檢測生物標記物和/或表達水平證實或指示gep-nen或gep-nen細胞例如循環(huán)gep-nen細胞(cnc)的存在、不存在、階段、分類、位置、亞型、侵襲性、惡性、轉(zhuǎn)移、預(yù)后或其它結(jié)果。提供的方法和組合物可用于腫瘤定位，和預(yù)測或檢測轉(zhuǎn)移、微轉(zhuǎn)移和小損傷，和/或檢測風險程度、復(fù)發(fā)可能性、治療反應(yīng)性或緩解，和提供合適療程的信息。例如，檢測生物標記物(例如在循環(huán)中)可用于檢測早期和原發(fā)性gep-nen(例如以在之前通過另一方法，例如解剖定位認為"陰性"的患者中鑒定gep-nen疾病或轉(zhuǎn)移)。提供的方法和組合物可用于設(shè)計、實施和監(jiān)測治療策略，包括患者特異性治療策略。在一個實例中，gep-nen生物標記物的檢測的表達水平用作治療功效的代替標記物，例如以監(jiān)測手術(shù)療法(例如腫瘤去除)、靶向藥物療法(例如抑制腫瘤分泌/增殖)和通過檢測腫瘤的緩解或復(fù)發(fā)(甚至小的微轉(zhuǎn)移的形式)的其它治療方法的效果。所述方法還可用于評價臨床癥狀和結(jié)果，和用于gep-nen的組織學分級和分子表征。提供的生物標記物包括gep-nen生物標記物，和其亞組和小組。提供的gep-nen生物標記物包括基因產(chǎn)物，例如dna、rna，例如轉(zhuǎn)錄物和蛋白質(zhì)，其在gep-nen疾病中和/或在不同階段或亞型的gep-nen中，或在不同的gep-nen腫瘤中差別表達，例如在轉(zhuǎn)移與非轉(zhuǎn)移腫瘤、不同程度的侵襲性的腫瘤、高與低風險腫瘤、有反應(yīng)與無反應(yīng)腫瘤、顯示不同病理學分類和/或?qū)μ囟ǒ煶痰姆磻?yīng)可能性的腫瘤中差別表達的基因產(chǎn)物，以及與gep-nen疾病、階段或類型，或與神經(jīng)內(nèi)分泌細胞或相關(guān)的細胞-類型的特征有關(guān)的那些。例如，生物標記物包括其表達與以下相關(guān)或其表達涉及以下的基因產(chǎn)物：腫瘤發(fā)生、轉(zhuǎn)移或激素產(chǎn)生，或原發(fā)性或轉(zhuǎn)移gep-nen的表型，例如粘附、遷移、增殖、凋亡、轉(zhuǎn)移和激素分泌，和通常與腫瘤或惡性相關(guān)的那些。所述生物標記物包括gep-nen細胞分泌產(chǎn)物，包括激素和胺，例如胃泌素、生長素釋放肽、胰多肽、p物質(zhì)、組胺和血清素，和生長因子，例如腫瘤生長因子-β(tgf-β)和結(jié)締組織生長因子(ctgf)，其可在循環(huán)中檢測。分泌產(chǎn)物可隨腫瘤亞型和來源而不同。在一個實例中，生物標記物是與調(diào)節(jié)基因型(即粘附、遷移、增殖、凋亡、轉(zhuǎn)移和/或激素分泌)有關(guān)的基因產(chǎn)物，它們是各種gep-nen亞型、階段、侵襲性程度或治療反應(yīng)性的基礎(chǔ)。已經(jīng)發(fā)現(xiàn)總共51種差別表達的生物標記物基因用于診斷、預(yù)后、和/或監(jiān)測gep-nen。關(guān)于這51種差別表達的gep-nen生物標記物以及持家基因alg9的其它細節(jié)見于表1。表1：gep-nen生物標記物/持家基因序列信息這51種gep-nen生物標記物包括：akap8l(激酶(prka)錨定蛋白質(zhì)8-樣)、aplp2(淀粉樣蛋白β(a4)前體-樣蛋白質(zhì)2)、araf1(v-raf鼠肉瘤3611病毒癌基因同源物)、atp6v1h(atpase，h+運輸，溶酶體50/57kda，vi亞基h)、bnip3l(bcl2/腺病毒e1b19kda相互作用蛋白質(zhì)3-樣)、braf(v-raf鼠肉瘤病毒癌基因同源物bl)、c21orf7(染色體21開放閱讀框7)、cd59(cd59分子，補體調(diào)節(jié)蛋白質(zhì))、commd9(comm結(jié)構(gòu)域包含9)、ctgf(結(jié)締組織生長因子)、enpp4(外核苷酸焦磷酸酶/磷酸二酯酶4)、fam131a(序列相似性家族131，成員a，轉(zhuǎn)錄物變體2)、flj10357(rho鳥嘌呤核苷酸交換因子(gef)40(arhgef40)、fzd7(鬈毛同源物7(果蠅))、glt8d1(糖基轉(zhuǎn)移酶8結(jié)構(gòu)域包含1，轉(zhuǎn)錄物變體3)、hdac9(組蛋白脫乙?；?，轉(zhuǎn)錄物變體6)、hsf2(熱休克轉(zhuǎn)錄因子2，轉(zhuǎn)錄物變體1)、ki-67(單克隆抗體ki-67鑒定的抗原)、kras(v-ki-ras2kirsten大鼠肉瘤病毒癌基因同源物)、leol(pafl/rna聚合酶ii復(fù)合物組分同源物(釀酒酵母))、morf4l2(死亡因子4樣2，轉(zhuǎn)錄物變體1)、nap1l1(核小體裝配蛋白質(zhì)1-樣1)、nol3(核仁蛋白質(zhì)3(具有card結(jié)構(gòu)域的凋亡抑制劑)，轉(zhuǎn)錄物變體3)、nudt3(nudix(核苷二磷酸連鎖部分x)-型基序3)、oaz2(鳥氨酸脫羧酶抗酶蛋白2)、pank2(泛酸激酶2)、phf21a(phd指蛋白21a，轉(zhuǎn)錄物變體1)、pkd1(多囊性腎病1(常染色體顯性)，轉(zhuǎn)錄物變體2)、pld3(磷脂酶d家族，成員3，轉(zhuǎn)錄物變體1)、pnma2(副腫瘤抗原ma2)、pqbp1(多谷氨酰胺結(jié)合蛋白1，轉(zhuǎn)錄物變體2)、raf1(v-raf-1鼠白血病病毒癌基因同源物1)、rnf41(環(huán)指蛋白41，轉(zhuǎn)錄物變體4)、rsfl(重塑和間距因子1)、rtn2(reticulon2，轉(zhuǎn)錄物變體1)、smarcd3(swi/snf相關(guān)的，基質(zhì)相關(guān)的，肌動蛋白依賴性染色質(zhì)調(diào)節(jié)物，亞家族d，成員3，轉(zhuǎn)錄物變體3)、spata7(精子發(fā)生相關(guān)7、轉(zhuǎn)錄物變體2)、sstl(生長抑素受體1)、sst3(生長抑素受體3)、sst4(生長抑素受體4)、sst5(生長抑素受體5，轉(zhuǎn)錄物變體1)、tecpr2(tectoninβ-propeller重復(fù)包含2，轉(zhuǎn)錄物變體2)、tph1(色氨酸羥化酶1)、trmt112(trna甲基轉(zhuǎn)移酶11-2同源物(釀酒酵母))、vmat1(溶質(zhì)載體家族18(囊泡單胺)、成員1)、vmat2(溶質(zhì)載體家族18(囊泡單胺)，成員2)、vps13c(空泡蛋白質(zhì)分選13同源物c(釀酒酵母)，轉(zhuǎn)錄物變體2b)、wdfy3(wd重復(fù)和fyve結(jié)構(gòu)域包含3)、zfhx3(鋅指同源框3，轉(zhuǎn)錄物變體b)、zxdc(鋅指c，轉(zhuǎn)錄物變體2)和zzz3(鋅指，zz-型包含3)，包括基因產(chǎn)物，通常是人基因產(chǎn)物，包括轉(zhuǎn)錄物、mrna、cdna、編碼序列、蛋白質(zhì)和多肽，以及編碼蛋白質(zhì)和多肽的多核苷酸(核酸)，包括天然存在的變體，例如等位基因變體、剪接變體、轉(zhuǎn)錄物變體和單核苷酸多態(tài)性(snp)變體。例如，生物標記物包括具有本文所公開的序列的多核苷酸、蛋白質(zhì)和多肽，和其天然存在的變體。用于歸一化51種標記物基因的表達的持家基因是人alg9(天冬酰胺-連鎖的糖基化9，α-1,2-甘露糖基轉(zhuǎn)移酶同源物)。這51種差異表達的生物標記物基因中，38種生物標記物基因可用于產(chǎn)生數(shù)學推導的表達水平評分，用于診斷、監(jiān)測和/或預(yù)測gep-nen和/或gep-nen的不同狀態(tài)的存在。這38種gep-nen生物標記物包括：pnma2、nap1l1、fzd7、slc18a2/vmat2、nol3、sstr5、tph1、raf1、rsf1、sstr3、sstr1、cd59、araf、aplp2、kras、morf4l2、trmt112、mki67/ki67、sstr4、ctgf、spata7、zfhx3、phf21a、slc18a1/vmat1、zzz3、tecpr2、atp6v1h、oaz2、pank2、pld3、pqbp1、rnf41、smarcd3、bnip3l、wdfy3、commd9、braf和glt8d1。用于產(chǎn)生數(shù)學推導的表達水平評分用于診斷、監(jiān)測和/或預(yù)測gep-nen的存在的這38種生物標記物基因中，可能需要至少22種生物標記物基因以產(chǎn)生足夠的分類器。這至少22種生物標記物基因包括pnma2、nap1l1、fzd7、slc18a2、nol3、sstr5、tph1、raf1、rsf1、sstr3、sstr1、cd59、araf、aplp2、kras、morf4l2、trmt112、mki67、sstr4、ctgf、spata7和zfhx3。alg9生物標記物/持家基因包括人alg9基因產(chǎn)物，包括天然變體，例如等位基因變體和其同源物和類似物。在一個實例中，alg9生物標記物/持家基因是具有seqidno:1(稱為nm_024740.2)所示的核苷酸序列，或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體或由這樣的多核苷酸編碼的蛋白質(zhì)。akap8l生物標記物包括人akap8l基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，akap8l生物標記物是具有seqidno:2(稱為nm_014371.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。aplp2生物標記物包括人aplp2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，aplp2生物標記物是具有seqidno:3(稱為nm_001142276.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。araf1生物標記物包括人araf1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，araf1生物標記物是具有seqidno:4(稱為nm_001654.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。atp6v1h生物標記物包括人atp6v1h基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，atp6v1h生物標記物是具有seqidno:5(稱為nm_015941.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。bnip3l生物標記物包括人bnip3l基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，bnip3l生物標記物是具有seqidno:6(稱為nm_004331.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。braf生物標記物包括braf基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，braf生物標記物是具有seqidno:7(稱為nm_004333.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。c21orf7種生物標記物包括c21orf7基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，c21orf7種生物標記物是具有seqidno:8(稱為nm_020152.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。cd59生物標記物包括cd59基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，cd59生物標記物是具有seqidno:9(稱為nm_203331.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。commd9生物標記物包括commd9基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，commd9生物標記物是具有seqidno:10(稱為nm_001101653.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。ctgf生物標記物包括ctgf基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，ctgf生物標記物是具有seqidno:11(稱為nm_001901.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。enpp4生物標記物包括enpp4基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，enpp4生物標記物是具有seqidno:12(稱為nm_014936.4)的所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。fam131a生物標記物包括fam131a基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，fam131a生物標記物是具有seqidno:13(稱為nm_001171093.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。flj1035生物標記物包括flj1035基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，flj1035生物標記物是具有seqidno:14(稱為nm_018071.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。fzd7種生物標記物包括fzd7基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，fzd7種生物標記物是具有seqidno:15(稱為nm_003507.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。glt8d1生物標記物包括glt8d1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，glt8d1生物標記物是具有seqidno:16(稱為nm_001010983.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。hdac9生物標記物包括hdac9基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，hdac9生物標記物是具有seqidno:17(稱為nm_001204144.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。hsf2生物標記物包括hsf2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，hsf2生物標記物是具有seqidno:18(稱為nm_004506.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。ki-67種生物標記物包括ki-67基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，ki-67種生物標記物是具有seqidno:19(稱為nm_001145966.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。kras生物標記物包括kras基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，kras生物標記物是具有seqidno:20(稱為nm_004985.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。leo1生物標記物包括leo1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，leo1生物標記物是具有seqidno:21(稱為nm_138792.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。morf4l2生物標記物包括morf4l2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，morf4l2生物標記物是具有seqidno:22(稱為nm_001142418.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。nap1l1生物標記物包括nap1l1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，nap1l1生物標記物是具有seqidno:23(稱為nm_139207.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。nol3種生物標記物包括nol3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，nol3種生物標記物是具有seqidno:24(稱為nm_001185057.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。nudt3種生物標記物包括nudt3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，nudt3種生物標記物是具有seqidno:25(稱為nm_006703.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。oaz2生物標記物包括oaz2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，oaz2生物標記物是具有seqidno:26(稱為nm_002537.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。pank2生物標記物包括pank2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，pank2生物標記物是具有seqidno:27(稱為nm_024960.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。phf21a生物標記物包括phf21a基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，phf21a生物標記物是具有seqidno:28(稱為nm_001101802.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。pkd1生物標記物包括pkd1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，pkd1生物標記物是具有seqidno:29(稱為nm_000296.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。pld3種生物標記物包括pld3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，pld3種生物標記物是具有seqidno:30(稱為nm_001031696.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。pnma2生物標記物包括pnma2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，pnma2生物標記物是具有seqidno:31(稱為nm_007257.5)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。pqbp1生物標記物包括pqbp1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，pqbp1生物標記物是具有seqidno:32(稱為nm_001032381.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。raf1生物標記物包括raf1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，raf1生物標記物是具有seqidno:33(稱為nm_002880.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。rnf41生物標記物包括rnf41基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，rnf41生物標記物是具有seqidno:34(稱為nm_001242826.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。rsf1生物標記物包括rsf1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，rsf1生物標記物是具有seqidno:35(稱為nm_016578.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。rtn2生物標記物包括rtn2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，rtn2生物標記物是具有seqidno:36(稱為nm_005619.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。smarcd3種生物標記物包括smarcd3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，smarcd3種生物標記物是具有seqidno:37(稱為nm_001003801.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。spata7種生物標記物包括spata7基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，spata7種生物標記物是具有seqidno:38(稱為nm_001040428.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。sstr1生物標記物包括sstr1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，sstr1生物標記物是具有seqidno:39(稱為nm_001049.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。sstr3種生物標記物包括sstr3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，sstr3種生物標記物是具有seqidno:40(稱為nm_001051.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。sst4生物標記物包括sst4基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，sst4生物標記物是具有seqidno:41(稱為nm_001052.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。sst5生物標記物包括sst5基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，sst5生物標記物是具有seqidno:42(稱為nm_001053.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。tecpr2生物標記物包括tecpr2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，tecpr2生物標記物是具有seqidno:43(稱為nm_001172631.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。tph1生物標記物包括tph1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，tph1生物標記物是具有seqidno:44(稱為nm_004179.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。trmt112生物標記物包括trmt112基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，trmt112生物標記物是具有seqidno:45(稱為nm_016404.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。vmat1生物標記物包括vmat1基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，vmat1生物標記物是具有seqidno:46(稱為nm_003053.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。vmat2生物標記物包括vmat2基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，vmat2生物標記物是具有seqidno:47(稱為nm_003054.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。vps13c生物標記物包括vps13c基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，vps13c生物標記物是具有seqidno:48(稱為nm_001018088.2)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。wdfy3種生物標記物包括wdfy3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，wdfy3種生物標記物是具有seqidno:49(稱為nm_014991.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。zfhx3種生物標記物包括zfhx3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，zfhx3種生物標記物是具有seqidno:50(稱為nm_001164766.1)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。zxdc生物標記物包括zxdc基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，zxdc生物標記物是具有seqidno:51(稱為nm_001040653.3)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。zzz3生物標記物包括zzz3基因產(chǎn)物，包括天然變體，例如等位基因變體，和其同源物和類似物。在一個實例中，zzz3生物標記物是具有seqidno:52(稱為nm_015534.4)所示的核苷酸序列或包含其蛋白質(zhì)編碼部分的多核苷酸，其天然變體，或由這樣的多核苷酸編碼的蛋白質(zhì)。在一些實施方案中，多核苷酸小組進一步包括一種或多種能夠特異性雜交至"持家"或參比基因的多核苷酸，所述基因是例如其表達差異是已知的或預(yù)期與分析的變量的差異不相關(guān)的基因，所述變量例如gep-nen或其它腫瘤疾病的存在或不存在、各種gep-nen亞型的區(qū)別、轉(zhuǎn)移、粘膜或其它組織類型、預(yù)后指示和/或其它表型、預(yù)測或結(jié)果。在一些方面，這樣的持家基因的表達水平經(jīng)檢測和用作總體表達水平標準，例如以在各樣品間歸一化對gep-nen生物標記物獲得的表達數(shù)據(jù)。持家基因是本領(lǐng)域眾所周知的。通常，持家基因包括一個或多個特征為特別適合于分析gep-nen樣品的基因，例如alg9。參見kiddm等，"genechip，genormandgastrointestinaltumors:novelreferencegenesforreal-timepcr."physiolgenomics2007；30:363-70。在本申請中，alg9是選擇的持家基因。本發(fā)明提供檢測gep-nen生物標記物和鑒定、分離和富集表達gep-nen生物標記物的腫瘤和細胞的方法、組合物和系統(tǒng)。例如，提供用于檢測gep-nen生物標記物的試劑、試劑組和系統(tǒng)，和其使用方法，包括診斷和預(yù)后應(yīng)用。在一個實施方案中，試劑是蛋白質(zhì)、多核苷酸或其它分子，其特異性結(jié)合或特異性雜交至gep-nen生物標記物。試劑包括多核苷酸、例如探針和引物，例如有義和反義pcr引物，其具有與多核苷酸生物標記物的同一性或互補性，例如mrna，或蛋白質(zhì)，例如抗體，其特異性結(jié)合至這樣的生物標記物。還提供包含試劑的組和試劑盒，例如特異性雜交或結(jié)合生物標記物小組的試劑。因此，本文提供的系統(tǒng)，例如微陣列，多核苷酸組和試劑盒，包括具有核酸分子、通常dna寡核苷酸，例如引物和探針的那些，其長度通常在15個堿基和數(shù)千堿基之間變化，例如在20個堿基和1千個堿基之間、在40和100個堿基之間，和在50和80個核苷酸之間或在20和80個核苷酸之間。在一個方面，核苷酸微陣列、試劑盒或其它系統(tǒng)的大部分(即至少60％)的核酸分子能夠雜交至gep-nen生物標記物。在一個實例中，提供包含特異性雜交至生物標記物的多核苷酸的系統(tǒng)，例如核酸微陣列，以根據(jù)提供的方法，檢測和測量表達水平的變化和確定生物標記物的表達譜。這樣的系統(tǒng)，例如微陣列，包括包含能夠雜交至至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、80、85、90、95或100種或更多種生物標記物，例如以下生物標記物組的至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51種和/或全部的多核苷酸的那些：pnma2、nap1l1、fzd7、slc18a2/vmat2、nol3、sstr5、tph1、raf1、rsf1、sstr3、sstr1、cd59、araf、aplp2、kras、morf4l2、trmt112、mki67/ki67、sstr4、ctgf、spata7、zfhx3、phf21a、slc18a1/vmat1、zzz3、tecpr2、atp6v1h、oaz2、pank2、pld3、pqbp1、rnf41、smarcd3、bnip3l、wdfy3、commd9、braf和glt8d1基因產(chǎn)物。在一些方面，系統(tǒng)，例如微陣列的至少60％或至少70％、至少80％或更多的核酸分子能夠雜交至生物標記物小組中的生物標記物。在一個實例中，在這樣的核苷酸微陣列上固定的探針包含至少22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、80、85、90、95或100種或更多種生物標記物，例如能夠雜交至至少2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、80、85、90、95或100種或更多種生物標記物，例如至少1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51或更多種生物標記物的至少1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50或51或更多種核酸分子，其中每種核酸分子能夠特異性雜交至不同的一種生物標記物，至少使得許多不同的生物標記物可結(jié)合。在一個實例中，微陣列上的或多核苷酸組中的剩余的核酸分子，例如40％或至多40％的核酸分子能夠雜交至一組參比基因或一組歸一化基因(例如持家基因)，例如用于歸一化以減少系統(tǒng)偏倚。系統(tǒng)偏倚導致由陣列間差異引起的總體性能變化，其可歸因于例如陣列制造、染色和掃描的不一致，和標記的rna樣品之間的變異，其可歸因于例如純度的差異。系統(tǒng)偏倚可在微陣列實驗中在操作樣品期間引入。為減少系統(tǒng)偏倚，測定的rna水平優(yōu)選地針對背景非特異性雜交校正，和歸一化。使用這樣的參比探針是有利的，但不是強制的。在一個實施方案中，提供多核苷酸組或系統(tǒng)，例如微陣列，其中至少90％的核酸序列能夠雜交至gep-nen生物標記物；進一步的實施方案包括這樣的系統(tǒng)和組，其中至少95％或甚至100％的多核苷酸雜交至生物標記物。本文公開了示例性的合適的多核苷酸，例如pcr引物。能夠雜交至生物標記物的不同區(qū)域的其它核酸探針和引物當然也適合結(jié)合提供的系統(tǒng)、試劑盒和方法而使用。本發(fā)明提供檢測和定量生物標記物的方法，包括檢測生物標記物的存在、不存在、量或相對量，例如表達水平或表達譜。通常，所述方法是基于核酸的方法，例如測量生物標記物mrna表達的存在、量或表達水平。這樣的方法通常通過使多核苷酸試劑與生物學樣品例如試驗樣品和正常和參比樣品接觸進行，例如以定量樣品中的核酸生物標記物(例如mrna)的表達水平。根據(jù)提供的實施方案的生物標記物的檢測和分析可用本領(lǐng)域已知的任何合適的方法進行。例如，在生物標記物是rna生物標記物時，使用rna檢測和定量方法。定量或檢測核酸表達水平、例如mrna表達的示例性的方法是眾所周知的，和包括rna印跡和原位雜交(parker和barnes，methodsinmolecularbiology106:247-283，1999)；rnase保護測定法(hod，biotechniques13:852-854，1992)；和定量或半定量逆轉(zhuǎn)錄聚合酶鏈反應(yīng)(rt-pcr)(weis等，trendsingenetics8:263-264、1992)，基于測序的基因表達分析的代表性的方法包括基因表達系列分析(sage)和通過大規(guī)模平行標記測序(massivelyparallelsignaturesequencing,mpss)的基因表達分析。因此，在一個實施方案中，生物標記物或生物標記物小組的表達包括rna表達；方法包括測定生物標記物的rna，例如獲自和/或存在于患者樣品中的rna的水平，和根據(jù)對于生物標記物或生物標記物小組測定的rna表達水平，進行分析、診斷或預(yù)測判定。rna樣品可以許多方式處理，如本領(lǐng)域已知的。自樣品分離rna的數(shù)種方法是眾所周知的，包括硫氰酸胍-苯酚-氯仿提取，其可使用試劑進行，其為一種專利制劑(參見chomczynskip，sacchin(2006)."thesingle-stepmethodofrnaisolationbyacidguanidiniumthiocyanate-phenol-chloroformextraction:twenty-somethingyearson".natprotoc1(2):581-5)。在此方法中，用于提取rna和dna；氯仿和離心用于分離rna與其它核酸，接著用乙醇連續(xù)洗滌以清洗rna樣品。rna樣品可自收獲時的樣品例如細胞或組織新鮮制備；或者，它們可自在-70℃儲存直至處理用于樣品制備的樣品制備?；蛘撸M織或細胞樣品可在本領(lǐng)域已知的保持rna質(zhì)量的其它條件下貯存和/或經(jīng)歷所述其它條件，包括固定，例如用福爾馬林或類似的試劑；和用以下孵育：rnase抑制劑，例如(pharmingen)或(ambion)；水溶液例如(assuragen)、hepes-谷氨酸緩沖液介導的有機溶劑保護作用(hope)和rcl2(alphelys)；和非水溶液，例如通用分子固定劑(sakurafinetekusainc.)。離液核酸分離裂解緩沖液(boom方法，boom等jclinmicrobiol.1990；28:495-503)也可用于rna分離。在一個實施方案中，rna通過用孵育樣品，接著rna清洗，自血沉棕黃層分離。將rna溶于焦碳酸二乙酯水中，和經(jīng)分光光度法測量，和等分液在bioanalyzer(agilenttechnologies，paloalto，ca)上分析以評估rna質(zhì)量(kiddm等"theroleofgeneticmarkers—nap1l1，mage-d2,andmta1—indefiningsmall-intestinalcarcinoidneoplasia,"annsurgoncol2006；13(2):253-62)。在另一個實施方案中，rna使用qiaamprnabloodminikit自血漿分離；在一些情況下，與方法相比，該方法允許通過實時pcr更好地自血漿檢測顯著更多的持家基因。在另一個實施方案中，rna例如以類似的方式使用qiaamprnabloodminikit直接自全血分離。自固定的石蠟包埋的組織作為rna源分離rna的方法是眾所周知的，和通常包括mrna分離、純化、引物延伸和擴增(例如:t.e.godfrey等，molec.diagnostics2:84-91[2000]；k.specht等am.j.pathol.158:419-29[2001])。在一個實例中，rna自樣品例如血液樣品使用qiaamprnabloodminikitrna提取。通常，rna自組織提取，接著除去蛋白質(zhì)和dna和分析rna濃度?？砂╮na修復(fù)和/或擴增步驟，例如逆轉(zhuǎn)錄rna用于rt-pcr的步驟。rna生物標記物的表達水平或量可通過本領(lǐng)域已知的任何方法測定或定量，例如通過相對于持家基因或相對于同時測量的其它基因的rna水平，定量rna表達。測定基因的rna水平的方法是技術(shù)人員已知的，和包括但不限于rna印跡、(定量)pcr和微陣列分析。rna生物標記物可經(jīng)逆轉(zhuǎn)錄以產(chǎn)生cdna，和本發(fā)明的方法可包括檢測和定量產(chǎn)生的cdna。在一些實施方案中，cdna通過與標記的探針形成復(fù)合物檢測。在一些實施方案中，rna生物標記物通過與標記的探針或引物形成復(fù)合物直接檢測。通過雜交與rna特異性相互作用的標記的探針，接著通過凝膠電泳分離rna，可進行rna印跡以定量特定生物標記物基因或基因產(chǎn)物的rna。探針例如用放射性同位素或化學發(fā)光底物標記。與所述核酸表達產(chǎn)物相互作用的標記的探針的定量用作度量以測定表達水平。對于在兩種獨立樣品之間的核酸表達產(chǎn)物總量的差異，通過比較已知在樣品間表達水平?jīng)]有差異的基因的表達水平，或通過在測定表達水平前加入已知量的rna，測定的表達水平可以用例如內(nèi)部或外部校準器歸一化。對于rt-pcr，生物標記物rna經(jīng)逆轉(zhuǎn)錄為cdna。逆轉(zhuǎn)錄聚合酶鏈反應(yīng)(rt-pcr)例如使用雜交至目的rna序列的特異性引物和逆轉(zhuǎn)錄酶進行。此外，rt-pcr可用沿rna隨機雜交的隨機引物例如隨機六聚體或十聚體，或雜交至mrna的聚(a)尾的寡聚d(t)，和逆轉(zhuǎn)錄酶進行。在一些實施方案中，樣品，例如來自患有或疑似患有g(shù)ep-nen或相關(guān)癥狀或綜合征的患者的樣品中的生物標記物的rna表達水平使用定量方法測定，例如通過實時rt-pcr(qpcr)或微陣列分析。在一些實施方案中，定量聚合酶鏈反應(yīng)(qpcr)用于定量核酸的表達水平。在一個方面，生物標記物的檢測和測定表達水平使用rt-pcr、genechip分析、定量實時pcr(qrt-pcr)或類癌瘤組織微陣列(tma)免疫染色/定量進行，例如以比較不同樣品群中的生物標記物rna，例如mrna或其它表達產(chǎn)物的水平，表征基因表達模式，區(qū)別緊密相關(guān)的mrna，和分析rna結(jié)構(gòu)。在一個實例中，qpcr使用實時pcr(rtpcr)進行，其中產(chǎn)物的量在擴增反應(yīng)期間，或通過終點測量(其中測定最終產(chǎn)物的量)監(jiān)測。如技術(shù)人員已知的，rtpcr例如通過以下進行：使用核酸嵌入劑，例如溴化乙錠或綠色i染料，其與所有產(chǎn)生的雙鏈產(chǎn)物相互作用，導致在擴增期間熒光增加，或例如使用標記的探針，其與產(chǎn)生的目的基因雙鏈產(chǎn)物特異性作用。特別提供了可使用的備選檢測方法，例如樹狀聚體信號擴增、雜交信號擴增和分子信標。在一個實施方案中，使用高容量cdna檔案試劑盒(appliedbiosystem(abi)，fostercity，ca)，按照制造商的提議方案(簡言之，使用2微克總rna/50微升水，與50ul的包含逆轉(zhuǎn)錄緩沖液、脫氧核苷酸三磷酸溶液、隨機引物和multiscribe逆轉(zhuǎn)錄酶的2xrt混合物混合)，進行總rna的逆轉(zhuǎn)錄。rt反應(yīng)條件是眾所周知的。在一個實例中，rt反應(yīng)使用以下熱循環(huán)儀條件進行：10mins、25℃；120min.、37℃{參見kiddm等"theroleofgeneticmarkers—nap1li、mage-d2,andmta1—indefiningsmall-intestinalcarcinoidneoplasia,"annsurgoncol2006；13(2):253-62)。為測量單個轉(zhuǎn)錄物水平，在一個實施方案中，根據(jù)制造商的提議，使用assays-on-demandtm產(chǎn)品與abi7900序列檢測系統(tǒng){參見kiddm，eickg，shapiromd等microsatelliteinstabilityandgenemutationsintransforminggrowthfactor-betatypeiireceptorareabsentinsmallbowelcarcinoidtumors.cancer2005；103(2):229-36)。在一個實例中，在標準條件下使用universalpcrmastermixprotocol，通過在7.2ul水、0.8ul20·assays-on-demand引物和探針混合物和8ul2xtaqmanuniversalmaster混合物中在384-孔光反應(yīng)板中混合cdna，在以下條件下進行循環(huán)：50℃、2min.；95℃；10min.；95℃15min.、60°1min，50個循環(huán){參見kiddm等"theroleofgeneticmarkers—nap1li、mage-d2,andmta1—indefiningsmall-intestinalcarcinoidneoplasia,"annsurgoncol2006；13(2):253-62)。通常，來自實時pcr的結(jié)果使用內(nèi)部標準和/或通過與持家基因的表達水平比較歸一化。例如，在一個實施方案中，來自上述qpcr的原始act(δct＝作為擴增函數(shù)的循環(huán)次數(shù)的變化)數(shù)據(jù)使用眾所周知的方法，例如genorm歸一化{參見vandesompelej，depreterk，pattynf等accuratenormalizationofreal-timequantitativert-pcrdatabygeometricaveragingofmultipleinternalcontrolgenes.genomebiol2002；3(7):research0034)。通過持家基因表達水平歸一化也是眾所周知的。參見kiddm等"genechip，genorm,andgastrointestinaltumors:novelreferencegenesforreal-timepcr,"physiolgenomics2007；30(3):363-70。微陣列分析包括使用固定在表面上的選擇的核酸分子。這些核酸分子，稱為探針，能夠雜交至核酸表達產(chǎn)物。在優(yōu)選的實施方案中，探針暴露于標記的樣品核酸、雜交、洗滌和測定樣品中的與探針互補的核酸表達產(chǎn)物的(相對)量。微陣列分析允許同時測定大量基因的核酸表達水平。在本發(fā)明的方法中，優(yōu)選同時測量至少5個根據(jù)本發(fā)明的基因?？蛇M行背景校正，例如根據(jù)避免扣除背景后的負強度值的"偏置(offset)"方法。此外，可進行歸一化以使每個單一陣列的兩個通道相當，例如使用全局loess歸一化和標度歸一化，其確保按比例縮放log比率，以在陣列間具有相同的中位數(shù)絕對偏差(mad)。蛋白質(zhì)水平可例如使用基于抗體的結(jié)合測定法測量。酶標記的、放射性標記的或熒光標記的抗體可用于檢測蛋白質(zhì)。示例性的測定法包括酶聯(lián)免疫吸附測定(elisa)、放射免疫測定(ria)、蛋白質(zhì)印跡測定和免疫組織化學染色測定?；蛘?，為了同時測定多種蛋白質(zhì)的表達水平，使用蛋白質(zhì)陣列，例如抗體陣列。通常，生物標記物和持家標記物在生物學樣品中檢測，例如組織或流體樣品，例如血液，例如全血、血漿、血清、糞便、尿、唾液、淚液、血清或精液樣品，或自這樣的組織或流體制備的樣品，例如細胞制備物，包括來自血液、唾液或組織例如腸粘膜、腫瘤組織和包含和/或疑似包含gep-nen轉(zhuǎn)移的組織的細胞，或脫落的腫瘤細胞，例如肝、骨和血液。在一個實施方案中，特定的細胞制備物通過細胞懸浮液或來自組織的流體或流體例如粘膜例如腸粘膜、血液或血沉棕黃層樣品的熒光激活細胞分選(facs)獲得。在一些實施方案中，樣品獲自gep-nen患者，疑似具有g(shù)ep-nen的患者，一般具有和/或疑似具有癌癥的患者，顯示一種或多種gep-nen癥狀或綜合征或測定有g(shù)ep-nen風險的患者，或經(jīng)歷治療或具有完全治療的gep-nen患者，包括疾病得到緩解和/或認為得到緩解的患者。在其它實施方案中，樣品獲自沒有g(shù)ep-nen疾病的人、例如健康個體或具有不同類型的癌癥的個體，所述癌癥例如腺癌，例如胃腸腺癌或乳腺癌、前列腺癌或胰腺癌或胃癌或肝癌之一，例如食管癌、胰腺癌、膽囊癌、結(jié)腸癌或直腸癌。在一些實施方案中，樣品獲自gep-nen腫瘤或轉(zhuǎn)移。在其它實施方案中，樣品獲自gep-nen患者，但獲自預(yù)期不包含gep-nen或gep-nen細胞的組織或流體；這樣的樣品可用作參比或正常樣品?；蛘撸；騾⒈葮悠房梢允莵碜詻]有g(shù)ep-nen疾病的患者的組織或流體或其它生物學樣品，例如相應(yīng)的組織、流體或其它樣品，例如正常血液樣品、正常小腸(si)粘膜樣品、正常腸色素(ec)細胞制備物。在一些實施方案中，樣品是全血樣品。因為神經(jīng)內(nèi)分泌腫瘤轉(zhuǎn)移，它們通常將細胞脫落至血液。因此，在血漿和血液樣品中檢測本文提供的gep-nen生物標記物小組可用于在早期時間點鑒定gep-nen和用于預(yù)測腫瘤轉(zhuǎn)移的存在，例如即使解剖學定位研究是陰性的。因此，提供的試劑和方法可用于早期診斷。因此，在一些實施方案中，所述方法可在1ml或約1ml的全血中鑒定gep-nen分子標記或表達譜。在一些方面，分子標記或表達譜在冷凍前穩(wěn)定長達四個小時(例如，當靜脈放血后樣品在4-8℃冷卻)。在一個方面，使用獲自腫瘤組織的樣品，能夠診斷、預(yù)后或預(yù)測給定的gep-nen相關(guān)結(jié)果的方法也能夠使用血液樣品進行相同的診斷、預(yù)后或預(yù)測。許多現(xiàn)有的檢測和診斷方法需要7-10天以產(chǎn)生可能的陽性結(jié)果，和成本可能很高。因此，在一個方面，提供的方法和組合物可用于改進簡單性和減少與gep-nen診斷相關(guān)的成本，和使得早期診斷可行。因此，在一個實例中，生物標記物在循環(huán)中檢測，例如通過在血液樣品例如血清、血漿、細胞例如獲自血沉棕黃層的外周血單核細胞(pbmc)或全血樣品中檢測。在一些癌癥中，腫瘤特異性轉(zhuǎn)錄物已在全血中檢出。參見sieuwertsam等"molecularcharacterizationofcirculatingtumorcellsinlargequantitiesofcontaminatingleukocytesbyamultiplexreal-timepcr,"breastcancerrestreat2009；118(3):455-68和mimorik等"alarge-scalestudyofmt1-mmpasamarkerforisolatedtumorcellsinperipheralbloodandbonemarrowingastriccancercases,"annsurgoncol2008；15(10):2934-42。cellsearchtmctctest(veridexllc)(描述于kahanl.，"medicaldevices；immunologyandmicrobiologydevices；classificationoftheimmunomagneticcirculatingcancercellselectionandenumerationsystem.finalrule,"fedregist2004；69:26036-8)使用涂覆有epcam-特異性抗體的磁珠，其檢測上皮細胞(ck-8/18/19)和白細胞(cd45)，如描述于sieuwertsam，kraanj，bolt-devriesj等"molecularcharacterizationofcirculatingtumorcellsinlargequantitiesofcontaminatingleukocytesbyamultiplexreal-timepcr,"breastcancerrestreat2009；118(3):455-68。該方法已用于在轉(zhuǎn)移的前列腺癌(daniladc，hellerg，gignacga等circulatingtumorcellnumberandprognosisinprogressivecastration-resistantprostatecancer.clincancerres2007；13(23):7053-8)、結(jié)腸直腸癌(cohensj，alpaughrk，grosss等isolationandcharacterizationofcirculatingtumorcellsinpatientswithmetastaticcolorectalcancer.clincolorectalcancer2006；6(2):125-32)和乳腺癌(cristofanillim,buddgt,ellismj等circulatingtumorcells，diseaseprogression,andsurvivalinmetastaticbreastcancer.nengljmed2004；351(8):781-91)中檢測循環(huán)腫瘤細胞(ctc)，和監(jiān)測疾病進展和治療功效。這種和其它已有的方法對于gep-nen細胞的檢測尚未完全滿意，其可顯示可變的表達和/或不表達細胞角蛋白(參見vaneedens等classificationoflow-gradeneuroendocrinetumorsofmidgutandunknownorigin,"humpathol2002；33(11):1126-32；caiyc等"cytokeratin7and20andthyroidtranscriptionfactor1canhelpdistinguishpulmonaryfromgastrointestinalcarcinoidandpancreaticendocrinetumors,"humpathol2001；32(10):1087-93，和本文描述的在29種gep-nen樣品的兩種中檢測epcam轉(zhuǎn)錄物表達的研究)。在可用的循環(huán)腫瘤細胞檢測方法中考慮的因素是在外周血中相對少量的細胞，通常約1個/106個外周血單核細胞(pbmc)(參見rossaa等"detectionandviabilityoftumorcellsinperipheralbloodstemcellcollectionsfrombreastcancerpatientsusingimmunocytochemicalandclonogenicassaytechniques,"blood1993；82(9):2605-10)，和白細胞污染的可能。參見sieuwertsam等"molecularcharacterizationofcirculatingtumorcellsinlargequantitiesofcontaminatingleukocytesbyamultiplexreal-timepcr,"breastcancerrestreat2009；118(3):455-68；mimorik等)和可用方法的技術(shù)復(fù)雜性。這些因素可使可用的方法不完全滿足臨床實驗室使用。在一些實施方案中，在吖啶橙(ao)染色和吸收后使用已知的方法，神經(jīng)內(nèi)分泌細胞經(jīng)facs-分選至異質(zhì)性，如描述于kiddm等"isolation,purificationandfunctionalcharacterizationofthemastomyseccell,"amjphysiol2006；291:g778-91；modlinevi等"thefunctionalcharacterizationofnormalandneoplastichumanenterochromaffincells,"clinendocrinolmetab2006；91(6):2340-8。在一些實施方案中，提供的檢測方法用于在2-3ml血液或更少中檢測、分離或富集gep-nen細胞和/或生物標記物。該方法使用標準實驗室儀器進行，因此容易在臨床實驗室條件下進行。在一個實例中，以平均成本大約20-30/樣品，在12小時內(nèi)獲得讀出。本發(fā)明提供本文提供的試劑和檢測方法的診斷、預(yù)后和預(yù)測用途，例如用于診斷、預(yù)后和預(yù)測gep-nen、相關(guān)的結(jié)果和治療反應(yīng)性。例如，可用的gep-nen分類方法受到限制，部分地由于不正確的分類并且個體損傷或腫瘤可發(fā)展成不同的gep-nen亞型或模式，和/或含有超過一個gep-nen亞型。例如在預(yù)測對治療的反應(yīng)或準確區(qū)別可在臨床過程和治療反應(yīng)中明顯不同的具有相似組織病理學特征的腫瘤和預(yù)測治療反應(yīng)性的能力方面，已知的分類框架受到限制。因此對基于分子或基因的分類方案存在需要。提供的方法和系統(tǒng)，包括基于gep-nen-特異性預(yù)測性基因的模型，解決這些問題，和可用于鑒定和分析預(yù)測生物學行為的分子參數(shù)和根據(jù)這樣的參數(shù)進行的預(yù)測。提供的診斷、預(yù)后和預(yù)測方法是利用統(tǒng)計學分析和生物數(shù)學算法和預(yù)測模型以分析關(guān)于gep-nen生物標記物和其它標記物例如持家基因的表達的檢測的信息的那些。在一些實施方案中，表達水平、檢測的結(jié)合或其它信息經(jīng)歸一化和針對參比值，例如正常樣品或標準品中的表達水平進行評估。提供的實施方案包括使用關(guān)于gep-nen生物標記物的表達的檢測和測量的信息，例如在分類、分期、預(yù)后、治療設(shè)計、治療選項評價和gep-nen疾病結(jié)果預(yù)測，例如預(yù)測轉(zhuǎn)移發(fā)生中分類和預(yù)測gep-nen的方法和系統(tǒng)。在一些實施方案中，所述方法用于建立gep-nen診斷，例如早期疾病或轉(zhuǎn)移的診斷或檢測，定義或預(yù)測疾病程度，鑒定早期散布或轉(zhuǎn)移，預(yù)測結(jié)果或預(yù)后，預(yù)測進展，分類疾病活性，監(jiān)測治療反應(yīng)性，檢測或監(jiān)測復(fù)發(fā)和促進早期治療干預(yù)。例如，提供的方法和算法包括用于分類、分期、預(yù)后、治療設(shè)計、評價治療選項和預(yù)測gep-nen疾病結(jié)果，例如預(yù)測轉(zhuǎn)移發(fā)生的那些。在一個實施方案中，方法、算法和模型可用于診斷監(jiān)督，例如常規(guī)監(jiān)督和患者隨訪。在一些實施方案中，方法、算法和模型提供早期診斷；在一個方面，方法能夠檢測低體積腫瘤，和檢測循環(huán)腫瘤細胞，包括在疾病的早期階段，例如檢測少至3個或約3個循環(huán)gep-nen細胞/毫升血液。在一些實施方案中，早期疾病跡象允許早期治療干預(yù)，此時療法更有效，這可改進存活率和疾病結(jié)果。例如，在一個實施方案中，所述方法可用于早期檢測gep-nen的復(fù)發(fā)和/或轉(zhuǎn)移，例如在治療后，例如在手術(shù)或化學干預(yù)后。在一些方面，所述方法在治療干預(yù)后每周或每月進行，例如在人血液樣品中。在一些方面，所述方法能夠檢測太小而不能通過常規(guī)方法，例如通過成像方法檢出的微轉(zhuǎn)移。例如，在一個方面，所述方法能夠檢測小于1厘米(cm)的轉(zhuǎn)移，例如為1cm、0.9cm、0.8cm、0.7cm、0.6cm、0.5cm、0.4cm、0.3cm、0.2cm或0.1cm，或約1cm、0.9cm、0.8cm、0.7cm、0.6cm、0.5cm、0.4cm、0.3cm、0.2cm或0.1cm的轉(zhuǎn)移，例如在肝中。例如，提供的方法和系統(tǒng)包括在受試者或樣品中確定gep-nen的存在或不存在(或兩者)的那些，其正確識別率在56和92％之間，例如至少或至少約65％、70％、75％、80％、81％、82％、83％、84％、85％、86％、87％、88％、89％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％正確識別率。在一些情況下，所述方法可用于以至少或至少約70％、7％5、80％、81％、82％、83％、84％、85％、86％、87％、88％、89％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％的特異性或靈敏性進行診斷。在其它方面，與其它診斷方法，例如成像和可用生物標記物的檢測相比，所述方法能夠在治療后或在起始疾病進展期間在較早期階段檢測gep-nen的復(fù)發(fā)、轉(zhuǎn)移或散布。在一些方面，生物標記物的檢測的表達水平和/或表達標記與疾病的進展、疾病嚴重性或侵襲性、缺少治療反應(yīng)性、減少治療功效、gep-nen相關(guān)事件、風險、預(yù)后、gep-nen的類型或類別或疾病階段明顯相關(guān)。提供的實施方案包括在治療開發(fā)、策略和監(jiān)測，包括評價對治療的反應(yīng)和考慮可能的腫瘤自然史和患者的一般健康的患者-特異性或個體化治療策略中使用提供的生物標記物和其檢測的方法。gep-nen管理策略包括手術(shù)—為了治愈(很少實現(xiàn))或細胞減少—放射性干預(yù)—例如，通過化療栓塞或射頻消融—化療、冷凍消融和用生長抑素和生長抑素類似物(例如sandostatin(醋酸奧曲肽注射液))治療以控制由釋放的肽和神經(jīng)胺引起的癥狀。生物學試劑，包括干擾素和激素療法，和生長抑素-標記的放射性核苷酸正在研究中。在一個實例中，冷凍消融釋放gep-nen組織進入血液，其進而引起癥狀，如描述于mazzagliapj等“l(fā)aparoscopicradiofrequencyablationofneuroendocrinelivermetastases:a10-yearexperienceevaluatingpredictorsofsurvival,”surgery2007；142(l):10-9。化學治療試劑，例如系統(tǒng)性細胞毒性化學治療試劑，包括依托泊苷、順鉑、5-氟尿嘧啶、鏈脲菌素、多柔比星；血管內(nèi)皮生長因子抑制劑、受體酪氨酸激酶抑制劑(例如sunitinib、sorafenib和vatalanib)和哺乳動物雷帕霉素靶蛋白(mtor)抑制劑(例如temsirolimus和依維莫司)，和其組合，例如以治療彌散性和/或分化較差的/侵襲性疾病。其它治療方法是眾所周知的。在一些實施方案中，檢測和診斷方法結(jié)合治療使用，例如在治療前和/或后通過每周或每月進行所述方法。在一些方面，表達水平和表達譜與疾病進展、治療的無效或有效、和/或疾病的復(fù)發(fā)或其缺乏有關(guān)。在一些方面，表達信息指示不同的治療策略是優(yōu)選的。因此，本文提供了治療方法，其中g(shù)ep-nen生物標記物檢測方法在治療之前進行，然后用于監(jiān)測治療效果。在開始或重新開始治療后的各個時間點，生物標記物的表達水平或表達譜的顯著變化(例如與治療前，或在治療后的某一其它時間點，和/或在正常或參比樣品中的表達或表達譜相比)指示治療策略成功或不成功，疾病復(fù)發(fā)，或應(yīng)使用不同的治療方法。在一些實施方案中，在進行檢測方法后改變治療策略，例如除了當前方法之外，通過加入不同的治療干預(yù)，或替換當前的方法，通過增加或降低當前方法的侵襲性或頻率，或停止或重建治療方案。在另一方面，生物標記物的檢測的表達水平或表達譜首次鑒定gep-nen疾病，或提供gep-nen疾病的首次的確定診斷或分類。在該實施方案的一些方面，根據(jù)表達水平或表達譜和/或確定的分類設(shè)計治療方法。所述方法包括反復(fù)方法，從而在生物標記物檢測方法之后開始或改變治療干預(yù)，接著繼續(xù)周期性監(jiān)測、重新評估和改變、停止或加入新治療方法，任選繼續(xù)監(jiān)測。在一些方面，所述方法和系統(tǒng)確定測定的受試者是否對治療有反應(yīng)，例如在臨床上分類為完全緩解或顯示穩(wěn)定的疾病的受試者。在一些方面，所述方法和系統(tǒng)確定受試者是否是未治療的(或治療-i，即未接受治療)或是無反應(yīng)的(即，臨床上分類為“進行性的”)。例如，提供了區(qū)別治療有反應(yīng)和無反應(yīng)的患者和區(qū)別穩(wěn)定疾病的患者或完全緩解的患者和進行性疾病的患者的方法。在各個方面，所述方法和系統(tǒng)以至少或約65％、70％、75％、80％、81％、82％、83％、84％、85％、86％、87％、88％、89％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％或100％正確識別率(即、準確性)、特異性或靈敏性進行這樣的識別。在一些方面，診斷或預(yù)測或預(yù)后結(jié)果的靈敏性或正確識別率大于，例如顯著大于，使用已知的診斷或預(yù)后方法，例如檢測和測量循環(huán)cga或其它單一蛋白質(zhì)所獲得的。通常，診斷、預(yù)后和預(yù)測方法，通常在初始步驟中根據(jù)它們建立可準確預(yù)測和分類gep-nen和/或gep-nen的不同階段的分類器的能力，選擇生物標記物的亞組。用于評價基因表達差異的許多眾所周知的方法中的任一種可用于選擇生物標記物亞組。例如，準確的分類器可基于地形的、基于圖形識別的方案，例如支持向量機(svm)(noblews.whatisasupportvectormachine？natbiotechnol.2006；24(12):1565-7)?；跈C器學習的技術(shù)對于開發(fā)復(fù)雜的自動和/或目標算法用于分析高維度和多峰生物醫(yī)學數(shù)據(jù)，通常是需要的。在一些實例中，svm—監(jiān)督學習算法的變體—結(jié)合提供的方法和系統(tǒng)使用。svm已用于以>90準確性預(yù)測星形細胞瘤的等級，和以74-80％的準確性預(yù)測前列腺癌(glotsosd,tohkaj,ravazoulap,cavourasd,nikiforidisg.automateddiagnosisofbraintumoursastrocytomasusingprobabilisticneuralnetworkclusteringandsupportvectormachines.intjneuralsyst2005；15(l-2):1-11；glotsosd,tohkaj,ravazoulap,cavourasd,nikiforidisg.automateddiagnosisofbraintumoursastrocytomasusingprobabilisticneuralnetworkclusteringandsupportvectormachines.intjneuralsyst2005；15(1-2):1-11)。用于建立準確分類器的其它算法包括線性判別分析(lda)、樸素貝葉斯(nb)和k-最近鄰域(knn)方案。這樣的方法可用于鑒定在腫瘤病況中的單個或多變量改變(drozdovi,tsokas,ouzounisca,shaham.genome-wideexpressionpatternsinphysiologicalcardiachypertrophy.bmcgenomics.2010；11:55；freemantc,goldovskyl,broschm等construction,visualization,andclusteringoftranscriptionnetworksfrommicroarrayexpressiondata.ploscomputbiol2007；3(10):2032-42；zampetakia,kiechls,drozdovi等plasmamicrornaprofilingrevealslossofendothelialmir-126andothermicrornasintype2diabetes.circres.2010；107(6):810-7.epub2010jul22；dhawanm,selvarajas,duanzh.applicationofcommitteeknnclassifiersforgeneexpressionprofileclassification.intjbioinformresappl.2010；6(4):344-52；kawarazakis,taniguchik,shirahatam等conversionofamolecularclassifierobtainedbygeneexpressionprofilingintoaclassifierbasedonreal-timepcr:aprognosispredictorforgliomas.bmcmedgenomics.2010；3:52；vandebrielrj,vanloverenh,meredithc.alteredcytokine(receptor)mrnaexpressionasatoolinimmunotoxicology.toxicology.1998；130(1):43-67；urgarde,voodert,vosau等metagenesassociatedwithsurvivalinnon-smallcelllungcancer.cancerinform.2011；10:175-83.epub2011jun2；pimentelm,amichaim,chuak,brahaml.validatinganewgenomictestforirritablebowelsyndromegastroenterology2011；140(suppl1):s-798；lawlorg,rosenbergl,ahmeda等increasedperipheralbloodgata-3expressioninasymptomaticpatientswithactiveulcerativecolitisatcolonoscopy.gastroenterology2011；140(suppl1))。在一些實施方案中，用于gep-nen和/或gep-nen的不同階段的準確分類器基于svm、lda、nb和knn方案的組合。這稱為用于net的多分析物-算法風險分類器(maarc-net)。使用預(yù)測算法和模型的方法使用統(tǒng)計學分析和數(shù)據(jù)壓縮方法，例如本領(lǐng)域眾所周知的那些。例如，表達數(shù)據(jù)可轉(zhuǎn)化(例如in-transformed)和輸入統(tǒng)計學分析程序，例如genomicsuite("partek,"genomicssuitetm,ed.revision6.3st.louis:partekinc,2008)或類似的程序，例如。數(shù)據(jù)經(jīng)壓縮和分析用于比較。是否認為表達水平評分或值的差異是顯著的可通過眾所周知的統(tǒng)計學方法確定，和通常通過指定針對特定的統(tǒng)計學參數(shù)的閾值，例如閾值p-值(例如p<0.05)、閾值s-值(例如+0.4，s<-0.4或s>0.4)或認為差異是顯著的其它值進行，例如其中在兩種不同的樣品中生物標記物的表達被認為分別顯著下調(diào)或上調(diào)，例如代表了兩個不同的gep-nen亞型、腫瘤、階段、定位、侵襲性或gep-nen或正?；騾⒈葮悠返钠渌矫?。在一個方面，算法、預(yù)測模型和方法基于自作為各種gep-nen亞型的基礎(chǔ)的調(diào)節(jié)基因簇(即、sstr組、增殖組、信號組、代謝組、分泌組、分泌組、多能組、表觀基因組和凋亡組)有關(guān)的基因表達的生物標記物。在一個方面，所述方法應(yīng)用數(shù)學公式、算法或模型鑒定特定的截止點，例如預(yù)定的表達水平評分，其區(qū)別正常和gep-nen樣品、gep-nen和其它癌癥，和各種亞型、階段和疾病或疾病結(jié)果的其它方面。在另一方面，所述方法用于預(yù)測、分類、預(yù)后和治療監(jiān)測和設(shè)計。在一個方面，預(yù)測實施方案可用于鑒定預(yù)測生物學行為的分子參數(shù)，和使用參數(shù)預(yù)測各種gep-nen相關(guān)的結(jié)果。在這些實施方案的一個方面，使用機器學習方法，例如開發(fā)復(fù)雜的自動和目標算法用于分析高維度和多峰生物醫(yī)學數(shù)據(jù)。本文使用的"roc曲線"是指二元分類器系統(tǒng)的真陽性率(靈敏性)針對假陽性率(特異性)的曲線，因為其區(qū)別閾值是變化的。roc曲線可等同地表示為將陽性中的真陽性分數(shù)(tpr＝真陽性率)相對于陰性中的假陽性分數(shù)(fpr＝假陽性率)作圖。roc曲線上的各點表示靈敏性/特異性對，對應(yīng)于具體判定閾值。auc表示roc曲線下面積。auc是1)gep-nen生物標記物的亞組或小組和2)roc曲線的診斷準確性的總體指示。auc通過“梯形規(guī)則”來確定。對于給定的曲線，數(shù)據(jù)點通過直線段連接，垂直線從橫坐標豎立到各數(shù)據(jù)點，和計算如此建立的三角形和梯形的面積總和。在本文提供的方法的某些實施方案中，gep-nen的亞組或小組具有范圍約0.75-1.0的auc。在某些這些實施方案中，auc范圍為約0.50-0.85、0.85-0.9、0.9-0.95或0.95-1.0。為了比較表達水平評分或其它值，和為了根據(jù)gep-nen生物標記物表達來鑒定表達譜(表達標記)或調(diào)節(jié)性標記，將數(shù)據(jù)壓縮。壓縮通常通過主分量分析(pca)或類似的技術(shù)以描述和可視化高維度數(shù)據(jù)的結(jié)構(gòu)。pca允許在不同的樣品中，例如在正常或參比和試驗樣品之間和在不同的腫瘤類型中可視化和比較gep-nen生物標記物表達，和測定和比較表達譜(表達標記、表達模式)。在一些實施方案中，表達水平數(shù)據(jù)例如通過實時pcr獲得，和簡化或壓縮成例如主分量。pca用于減少數(shù)據(jù)(例如測量的表達值)的維度成不相關(guān)的主分量(pc)，其解釋或代表了數(shù)據(jù)中的大部分變量，例如約50％、60％、70％、75％、80％、85％、90％、95％或99％的變量。在一個實例中，pca是3-分量pca，其中使用三個pc，其總體代表數(shù)據(jù)中的大部分的變量，例如約75％、80％、85％、90％或更多變量(jolliffeit,"principlecomponentanalysis,"springer,1986)。pca作圖，例如3-分量pca作圖用于繪制數(shù)據(jù)成三維空間，用于可視化，例如通過分別指定第一(1st)、第二(2nd)和第三(3rd)pc為x-、y-和z-軸。pca可用于確定各種樣品中的生物標記物的表達譜。例如，單個樣品類型(例如各腫瘤類型、亞型或等級，或正常樣品類型)的減少表達數(shù)據(jù)在pca坐標系統(tǒng)中定位，和定位數(shù)據(jù)用于確定單個轉(zhuǎn)錄物表達譜或標記。在一個方面，通過作圖或定義形心(質(zhì)心；平均表達)確定各樣品的表達譜，其對應(yīng)于或代表樣品的單個轉(zhuǎn)錄物表達譜(調(diào)節(jié)性標記)，如通過主組分向量給出的，如通過生物標記物小組的pca確定的。一般而言，在該坐標系統(tǒng)中被相對大的距離分開的兩個形心或定位點代表了兩個相對不同的轉(zhuǎn)錄物表達譜。同樣，相對接近的形心代表了相對類似的譜。在這種表示中，對于不同的樣品，形心間的距離反向地等同于類似性度量(較大距離＝較小類似性)，使得在形心間大的距離或分隔指示具有不同轉(zhuǎn)錄物表達標記的樣品。形心接近性指示樣品間的類似性。例如，不同的gep-nen腫瘤樣品的形心間的相對距離代表了它們的調(diào)節(jié)性標記或轉(zhuǎn)錄物表達譜的相對相似性。在一個方面，統(tǒng)計學和比較分析包括確定兩種生物標記物的表達水平或值之間的逆相關(guān)性。在一個實例中，這種相關(guān)性和各個表達向量之間的角的余弦(較大的角＝較低的類似性)用于鑒定相關(guān)的基因表達簇(gabrielkr,"thebiplotgraphicdisplayofmatriceswithapplicationtoprincipalcomponentanalysis,"biometrika1971；58(3):453)。在一些實施方案中，在兩種或更多種生物標記物的表達水平和/或gep-nen的存在或不存在、亞型、階段或其它結(jié)果之間存在線性相關(guān)。在一個方面，在提供的gep-nen生物標記物和生物學樣品的特征之間，例如在生物標記物(和其表達水平)和各種gep-nen亞型之間(例如良性對比活性疾病)存在表達-依賴性相關(guān)。皮爾森相關(guān)性(pc)系數(shù)(r2)可用于評價在各對值之間、例如在不同生物學樣品的生物標記物的表達水平之間(例如腫瘤亞型)和在各對生物標記物之間的線性關(guān)系(相關(guān)性)。該分析可用于通過計算各對生物標記物的pc系數(shù)，線性分離表達模式的分布(在各個類似性矩陣的x-和y-軸上作圖)?？稍O(shè)定各種線性相關(guān)程度的閾值，例如(r>0.50,或0.40)的高線性相關(guān)的閾值。線性分類器可應(yīng)用于數(shù)據(jù)集。在一個實例中，相關(guān)系數(shù)是1.0。在一個實施方案中，調(diào)節(jié)簇通過使用統(tǒng)計學分析構(gòu)建相關(guān)性網(wǎng)絡(luò)確定，例如以鑒定由生物標記物的小組的亞組構(gòu)成的調(diào)節(jié)簇。在一個實例中，確定pc相關(guān)系數(shù)和用于構(gòu)建這樣的相關(guān)性網(wǎng)絡(luò)。在一個實例中，網(wǎng)絡(luò)通過在具有高于預(yù)定義的閾值的r的轉(zhuǎn)錄物對之間拉延邊界鑒定。相關(guān)性程度可提供關(guān)于再現(xiàn)性和穩(wěn)健性的信息。本文還提供目標算法、預(yù)測模型和地形學分析方法，和使用它們分析高維度和多峰生物醫(yī)學數(shù)據(jù)(例如使用提供的檢測gep-nen生物標記物小組的表達的方法獲得的數(shù)據(jù))的方法。如上所述，目標算法、模型和分析方法包括根據(jù)地形學的數(shù)學分析、基于模式識別的方案例如支持向量機(svm)(noblews.whatisasupportvectormachine？natbiotechnol.2006；24(12):1565-7)、線性判別分析(lda)、樸素貝葉斯(nb)和k-最近鄰域(knn)方案、以及其它監(jiān)督學習算法和模型，例如決策樹、感知器和正則判別分析(rda)，和本領(lǐng)域眾所周知的類似模型和算法(gallantsi,"perceptron-basedlearningalgorithms,"perceptron-basedlearningalgorithms1990；1(2):179-91)。在一些實施方案中，應(yīng)用特征選擇(fs)以從數(shù)據(jù)集、例如gep-nen生物標記物表達數(shù)據(jù)集除去大部分冗余特征，和產(chǎn)生相關(guān)的gep-nen生物標記物亞組。fs提高泛化能力，加速學習過程，和改進模型解譯能力。在一個方面，使用"貪心向前(greedyforward)"選擇方法來應(yīng)用fs，選擇最相關(guān)的特征亞組用于穩(wěn)健的學習模型。(pengh,longf,dingc,"featureselectionbasedonmutualinformation:criteriaofmax-dependency,max-relevance,andmin-redundancy,"ieeetransactionsonpatternanalysisandmachineintelligence,2005；27(8):1226-38)。在一些實施方案中，支持向量機(svm)算法用于通過在n個數(shù)據(jù)集之間增加界限而分類數(shù)據(jù)(cristianinin,shawe-taylorj.anintroductiontosupportvectormachinesandotherkernel-basedlearningmethods.cambridge:cambridgeuniversitypress,2000)。在一些實施方案中，預(yù)測模型包括決策樹，其將關(guān)于一個項目的觀察結(jié)果映射為關(guān)于其目標值的結(jié)論(zhangh,singerb."recursivepartitioninginthehealthsciences,"(statisticsforbiologyandhealth):springer,1999)。樹的葉子表示分類，和分枝表示轉(zhuǎn)移成各個分類的特征的關(guān)聯(lián)。其已經(jīng)有效地(70-90％)用于預(yù)測轉(zhuǎn)移性乳腺癌(yuletal"tgf-betareceptor-activatedp38mapkinasemediatessmad-independenttgf-betaresponses,"emboj2002；21(14):3749-59)以及結(jié)腸癌(zhanghetal"recursivepartitioningfortumorclassificationwithgeneexpressionmicroarraydata.,"procnatlacadsciusa2001；98(12):6730-5)的預(yù)后，以>90％準確性預(yù)測星形細胞瘤的分級(glotsosdetal"automateddiagnosisofbraintumoursastrocytomasusingprobabilisticneuralnetworkclusteringandsupportvectormachines,"intjneuralsyst2005；15(1-2):1-11)，和以74-80％準確性預(yù)測前列腺癌(mattfeldttetal."classificationofprostaticcarcinomawithartificialneuralnetworksusingcomparativegenomichybridizationandquantitativestereologicaldata,"patholrespract2003；199(12):773-84)。該技術(shù)的效率已通過10倍交叉驗證測量(piroozniametal"acomparativestudyofdifferentmachinelearningmethodsonmicroarraygeneexpressiondata,"bmcgenomics2008；9suppl1:s13)。預(yù)測模型和算法進一步包括感知器，一種形成前饋神經(jīng)網(wǎng)絡(luò)和映射輸入變量至二元分類器的線性分類器(gallantsi."perceptron-basedlearningalgorithms,"perceptron-basedlearningalgorithms1990；1(2):179-91)。其已用于預(yù)測乳腺癌的惡性(markeymketal."perceptronerrorsurfaceanalysis:acasestudyinbreastcancerdiagnosis,"computbiolmed2002；32(2):99-109)。在該模型中，學習速率是常量，其調(diào)節(jié)學習的速度。較低的學習速率改進分類模型，同時增加處理變量的時間(markeymketal."perceptronerrorsurfaceanalysis:acasestudyinbreastcancerdiagnosis,"computbiolmed2002；32(2):99-109)。在一個實例中，使用0.05的學習速率。在一個方面，感知器算法用于區(qū)別局部或原發(fā)性腫瘤和對應(yīng)的轉(zhuǎn)移腫瘤。在一個方面，使用三次數(shù)據(jù)掃描，以產(chǎn)生明確將數(shù)據(jù)分隔成各類的決策邊界。預(yù)測模型和算法進一步包括正則判別分析(rda)，其可用作其它數(shù)據(jù)挖掘技術(shù)的靈活備選方案，包括線性和二次判別分析(lda、qda)(lilienrh,faridh,donaldbr."probabilisticdiseaseclassificationofexpression-dependentproteomicdatafrommassspectrometryofhumanserum.,"jcomputbiol2003；10(6):925-46.；cappellend,luong-nguyennh,bongiovannis,etal."transcriptionalprogramofmouseosteoclastdifferentiationgovernedbythemacrophagecolony-stimulatingfactorandtheligandforthereceptoractivatorofnfkappab."jbiolchem2002；277(24):21971-82)。rda的正則化參數(shù)γ和λ用于設(shè)計lda和qda之間的中等分類器。當γ＝0和λ^ο時進行qda，而當γ＝0和λ＝1時進行l(wèi)da(picona,goldli,wangj,cohena,friedmane.asubsetofmetastatichumancoloncancersexpresseselevatedlevelsoftransforminggrowthfactorbeta1.cancerepidemiol.biomarkersprev.1998；7(6):497-504)。為了減少過度擬合，選擇rda參數(shù)以最小化交叉驗證誤差，同時不等于0.0001，因此迫使rda產(chǎn)生lda、qda和l2之間的分類器(pimai,aladjemm.,"regularizeddiscriminantanalysisforfacerecognition,"patternrecognition2003；37(9):1945-48)。最后，在機器學習中正則化本身已廣泛用于克服過度擬合(evgeniout,pontilm,poggiot."regularizationnetworksandsupportvectormachines.,"advancesincomputationalmath2000；13(l):l-50.；jis,yej.kernel"uncorrelatedandregularizeddiscriminantanalysis:atheoreticalandcomputationalstudy.,"ieeetransactionsonknowledgeanddataengineering2000；20(10):1311-21)。在一個實例中，正則化參數(shù)定義為γ＝0.002和λ＝0。在一個實例中，對于每個類對，對所有轉(zhuǎn)錄物指定s-值，其然后通過減少s-值進行排列。進行rda，例如21次，使得第ν次迭代由前n個評分轉(zhuǎn)錄物組成?？赏ㄟ^rda分類器的10倍交叉驗證進行誤差評估。這可通過分割組織數(shù)據(jù)集為互補的亞組，對一個亞組(稱為訓練集)進行分析和對其它亞組驗證分析(稱為驗證集或試驗集)而進行。在一個實例中，錯分類誤差經(jīng)平均以減少總體預(yù)測評估的可變性，與其它方法(包括步步為營法和棄一交叉驗證)相比，這可提供更準確的誤差評估方法(kohavir."astudyofcross-validationandbootstrapforaccuracyestimationandmodelselection.,"proceedingsofthefourteenthinternationaljointconferenceonartificialintelligence,1995；2(12):1137-43)。在一個實例中，進行組織分類選擇，例如通過如下計算每個基因和每個類對的等級評分(s)：其中μcl和μc2分別表示第一和第二類的均值，和σc1和σc2是類間標準偏差。大的s值指示在各類內(nèi)顯著差異表達("倍數(shù)變化")和低的標準偏差("轉(zhuǎn)錄物穩(wěn)定性")。基因可通過遞減的s值進行分選，和用作正則判別分析算法(rda)的輸入?？稍u價、驗證和交叉驗證算法和模型，例如以驗證模型的預(yù)測和分類能力，和評價特異性和靈敏性。在一個實例中，徑向基函數(shù)用作核函數(shù)，和10倍交叉驗證用于測量分類的靈敏性(cristianinin,shawe-taylorj."anintroductiontosupportvectormachinesandotherkernel-basedlearningmethods.,"cambridge:cambridgeuniversitypress,2000)。各個分類模型和算法可通過提供的方法進行比較，例如使用本文提供的訓練和交叉驗證，以比較預(yù)測模型預(yù)測特定結(jié)果的性能。提供的方法、系統(tǒng)和預(yù)測模型的實施方案是可重復(fù)的，具有高的動態(tài)范圍，可檢測小的數(shù)據(jù)變化，和使用簡單方法、低成本進行，例如用于在臨床實驗室中實施。提供試劑盒和其它制品用于本文所述的診斷、預(yù)后、預(yù)測和治療應(yīng)用。在一些實施方案中，試劑盒包括載體、包裹或包裝，其經(jīng)分區(qū)以接收一個或多個容器，例如小瓶、管、板和孔，其中各容器包括本文提供的方法中使用的一種單獨的元件，和在一些方面，進一步包括帶有使用說明書的標簽或插頁，例如按本文所述使用。在一個實例中，單個容器包括用于檢測本文提供的gep-nen生物標記物的單種試劑；在一些實例中，單個容器包括用于檢測持家基因和/或歸一化的試劑。例如，所述容器可包含試劑，例如探針或引物，其經(jīng)可檢測地標記，或可被可檢測地標記。在方法使用核酸雜交進行檢測的情況下，試劑盒還可具有包含用于擴增靶核酸序列的核苷酸的容器。試劑盒可包括包含報告子的容器，例如生物素結(jié)合蛋白，例如抗生物素蛋白或鏈霉抗生物素蛋白，其結(jié)合報告分子，例如酶、熒光或放射性同位素標記；這樣的報告子可與例如核酸或抗體一起使用。試劑盒通常包含上述容器和與其附帶的一個或多個其它容器，其包含從商業(yè)和用戶客戶角度需要的材料，包括緩沖液、稀釋液、濾器、針頭、注射器；載體、包裹、容器、小瓶和/或管標簽，其列出內(nèi)容物和/或使用說明書，和帶有使用說明書的包裝插頁?？稍谌萜魃匣虬殡S容器一起提供標簽，以指示組合物用于特定的治療或非-治療應(yīng)用，例如預(yù)后、預(yù)防、診斷或?qū)嶒炇覒?yīng)用，和還可指示體內(nèi)或體外使用的指導，例如本文描述的那些。指導和/或其它信息也可包括在插頁或標簽上，所述插頁或標簽包括在試劑盒上或伴隨試劑盒一起。標簽可在容器上或伴隨容器一起。當形成標簽的字母、數(shù)字或其它符號被模塑或蝕刻在容器本身上時，標簽可在容器上；當標簽提供在還容納容器的器托或載器內(nèi)時，標簽可伴隨容器，例如作為包裝插頁。標簽可指示組合物用于診斷、治療、預(yù)防或預(yù)后病況，例如gep-nen。在另一個實施方案中，提供包含組合物，例如氨基酸序列、小分子、核酸序列和/或抗體，例如可用于診斷、預(yù)后或治療gep-nen的材料的制品。制品通常包含至少一個容器和至少一個標簽。合適的容器包括例如，瓶、小瓶、注射器和試管。容器可自各種材料形成，例如玻璃、金屬或塑料。容器可容納氨基酸序列、小分子、核酸序列、細胞群和/或抗體。在一個實施方案中，容器容納用于檢查細胞的mrna表達譜的多核苷酸，以及用于此目的的試劑。在另一個實施方案中，容器包含抗體、其結(jié)合片段或特異性結(jié)合蛋白，用于評價在生物學樣品、例如血液或細胞和組織中的gep-nen生物標記物的蛋白質(zhì)表達或用于相關(guān)的實驗室、預(yù)后、診斷、預(yù)防和治療目的；用于這些用途的指示和/或指導可包括在這樣的容器上或伴隨這樣的容器，以及用于這些目的的試劑和其它組合物或工具。制品可進一步包含第二容器，包含藥學上可接受的緩沖液、例如磷酸緩沖鹽水、林格溶液和/或葡萄糖溶液。其可進一步包括從商業(yè)和用戶客戶角度需要的其它材料，包括其它緩沖液、稀釋液、濾器、攪拌器、針頭、注射器和/或包裝插頁，以及使用指示和/或說明書。netmarkergenesinprimarynet的差異表達–使用affymetrix人外顯子1.0st陣列進行局部小腸net的外顯子水平篩選，以定義與對照(正常腸粘膜)比較的在神經(jīng)內(nèi)分泌腫瘤組織中的選擇剪接事件。外顯子表達分析鑒定了在正常腸粘膜和net腫瘤組織之間1287個差異表達的基因。529個基因上調(diào)和758個下調(diào)。例如，net標記物基因亞組特別集中于cga、tph1、vmat2、scg5和ptprn2。在該亞組中net標記物基因的rma-歸一化的外顯子表達顯示于圖1，在正常(綠色)和腫瘤(紅色)樣品中。這些基因中，tph1是所有外顯子在腫瘤中差異表達的唯一基因(fc>1.5、p<0.05)，而cga是所有外顯子在腫瘤和正常樣品間表達保持不變的唯一基因。在vmat2的17個差異表達的外顯子中鑒定了2個，和在scg5的9個中鑒定了8個。在ptprn2中，30個外顯子中的6個差異表達。這些結(jié)果證實，需要特異性引物/探針組以使腫瘤和正?；虮磉_之間的差異最大化。通過rt-pcr驗證net標記物基因的選擇剪接–參照圖2，使用逆轉(zhuǎn)錄聚合酶鏈反應(yīng)(rt-pcr)，驗證差別的外顯子轉(zhuǎn)錄物水平的發(fā)現(xiàn)結(jié)果。所有標記基因外顯子，包括tph11-2、vmat29-10、scg52-3和ptprn212-13，經(jīng)確認是在腫瘤樣品對比正常粘膜中差異表達的，cga4-5是個例外。來自圖1和2的基因組和rt-pcr數(shù)據(jù)分別鑒定了在net中發(fā)生差異剪接并且候選生物標記物，例如vmat2需要使用特異性引物/探針組以有效地捕獲靶轉(zhuǎn)錄物的表達差異。為了在血液中評價相關(guān)性，進行外周net血液樣品的微陣列分析。上調(diào)的基因(n＝1,397)包括go-fat項，例如“rna剪接”、“囊泡介導的運輸”和“染色質(zhì)修飾”，這與這些過程在net病理學中的已知作用一致。血液轉(zhuǎn)錄物組與gep-net轉(zhuǎn)錄物組的比較鑒定了236個上調(diào)的基因，檢查了其中72個作為生物標記物的應(yīng)用。初步篩查鑒定了與對照相比，51個基因在腫瘤血液樣品中上調(diào)。42個基因(83％)自多個外顯子轉(zhuǎn)錄。對于在血液中的這些基因，測試了最少2個引物/探針組，以定義最相關(guān)的組合用于靶標擴增。對于引物/探針組，持家基因和51個驗證的目的靶標和外顯子描述于表2。對在表2中的各gen-nen生物標記物鑒定的擴增子位置按表1中的下劃線序列鑒定。表2：引物細節(jié)用于數(shù)學推導的(maarc-net)評分系統(tǒng)–四種分類算法(svm、lda、knn和bayes)和10倍交叉驗證設(shè)計的最小基因集的描述，用于建立分類器以在血液中鑒定gep-net。參見modlini,drozdovi,kiddm:theidentificationofgutneuroendocrinetumordiseasebymultiplesynchronoustranscriptanalysisinblood.plosone2013,e63364。這些分類器在訓練組上建立，和在對照和腫瘤病例之間顯著上調(diào)的特征通過t-檢驗計算。參考圖3，表2中表征的51個基因的檢查鑒定了包括至少22個基因足以建立準確的(>0.85)分類器。圖3顯示了各分類器算法的預(yù)測準確性，使用連續(xù)添加至多27個使用10倍交叉驗證的結(jié)果在gep-net樣品中獲得的顯著上調(diào)的基因(p<0.05)。使用連續(xù)添加的27個基因，svm、lda、knn和bayes算法區(qū)別gep-net與對照血液樣品的平均準確性是相當?shù)抹C分別為0.89(0.85-1.0)、0.89(0.86-0.93)、0.88(0.85-0.93)和0.86(0.85-0.93)。四種分類器的“多數(shù)票”組合實現(xiàn)0.88的準確性。足以建立準確分類器的至少22個基因用于開發(fā)maarc-net評分系統(tǒng)，和在表3中表征。表3：在數(shù)學推導的maarc-net評分系統(tǒng)中包括的22個基因倍數(shù)變化p-值調(diào)整的p-值pnma20.8195156.74e-213.43e-19nap1l10.6624344.9e-181.25e-16fzd70.7998583.82e-156.5e-14slc18a20.5240461.08e-121.37e-11nol30.8095717.22e-107.36e-09sstr50.8773221.64e-091.4e-08tph10.4591851.75e-071.27e-06raf10.3165091.54e-067.86e-06rsf10.5300541.74e-068.07e-06sstr30.5552693.82e-061.62e-05sstr10.4930521.73e-056.81e-05cd590.262572.7e-059.82e-05araf0.2283324.07e-050.000138aplp20.2281534.42e-050.000141kras0.2058229.92e-050.000298morf4l20.3198260.0001690.000453trmt1120.2696180.0011250.002524mki670.1912450.0034680.007074sstr40.3138070.0037340.007324ctgf0.1968450.0076650.01303spata70.2886250.014670.02338zfhx30.132480.0313540.045687數(shù)學推導的maarc-net評分系統(tǒng)的精修–基于單個pcr的基因表達包括在評分中。參見modlini,drozdovi,kiddm,plosone2013。該評分根據(jù)“多數(shù)票”策略和自二元分類系統(tǒng)開發(fā)，從而樣品被識別為“正常”和給予評分0或識別為“腫瘤”和評分為“1”。評分范圍可為0(四次識別均為“正?！?至4(四次識別均為“腫瘤”)。每次“識別”是四種不同的學習算法之一的二元結(jié)果(對于正常為“0”或?qū)τ谀[瘤為“1”)：支持向量機(svm)、線性判別分析(lda)、k-最近鄰域(knn)和樸素貝葉斯(bayes)。這四種學習算法各自在包括67個對照和63個gep-nen的內(nèi)部訓練組上訓練。在該訓練組中，使用t-檢驗，差異表達的基因(對照對比gep-nen)被鑒定為顯著的。根據(jù)訓練組，每種學習算法經(jīng)訓練以區(qū)分正常和腫瘤基因表達至至少p<0.05的顯著性水平內(nèi)。根據(jù)多數(shù)票策略，小于2次“正?！弊R別的那些樣品被分類為gep-nen。參考圖4a，樣品審查鑒定了85％的對照顯示評分“0”。沒有腫瘤評分為“0”。roc分析鑒定了評分2是正常樣品(對照)對比腫瘤(評分>2)的截止。對于在兩個獨立組中鑒定gep-net，該方法顯示正確識別率91-97％，其中靈敏性和特異性為85-98％和93-97％。參見modlini,drozdovi,kiddm,plosone2013。這些數(shù)據(jù)初始源自于130個樣品的試驗數(shù)據(jù)組(n＝67對照，n＝63net)。試驗組中固有兩類net–臨床定義為治療的、穩(wěn)定的疾病(sd:n＝35)和未治療的、進行性的疾病(pd:n＝28)。分類算法還將腫瘤識別分為兩組“治療的”和“未治療的”。0-4的二元分類因此被修正以代表對于每個具體樣品的3種可能的識別：“正常”、“腫瘤(治療的)”和“腫瘤(未治療的)”。應(yīng)用許多規(guī)則以產(chǎn)生修正的多數(shù)票策略。“正?！钡淖R別指定為值0；“治療的”腫瘤的識別指定為值1；“未治療的”腫瘤的識別指定為值2。例如，如果樣品產(chǎn)生四次“正?！弊R別，對每次識別指定值0，從而總計評分為0。如果樣品產(chǎn)生四次“治療的”腫瘤的識別，對識別指定值1，從而總計評分為4。如果樣品產(chǎn)生四次“未治療的”腫瘤的識別，對每次指定“2”，從而總計評分為8。修正的多數(shù)票策略中的評分范圍可因此為0-8。試驗數(shù)據(jù)組(n＝130)的檢查用于確立修正的多數(shù)票-來源的評分是否可用作“治療”反應(yīng)的度量。類似于圖4a所示的公開的0-4評分，大多數(shù)net患者顯示修正的多數(shù)票評分>2，如圖4b所示。參考圖4c，多數(shù)票和修正的多數(shù)票評分顯著相關(guān)(r2＝0.89、p<0.0001)。參考圖5a，與對照相比，試驗組中的數(shù)據(jù)分析確定了腫瘤中修正的數(shù)學衍生評分(0-8)顯著升高，并且相對于sd，在pd中最高。參考圖5b，產(chǎn)生了對照對比gep-net(sd和pd組合)的接受器工作特征(roc)曲線。roc曲線是對預(yù)測子可能的靈敏性和特異性潛在組合的組的概括。roc曲線是診斷試驗的不同可能割點的真陽性率(靈敏性)相對于假陽性率(1-特異性)的圖。圖5b是試驗組和對照樣品組中靈敏性和特異性值分布之間的功能關(guān)系的圖示。曲線下面積(auc)是(1)修正的數(shù)學衍生評分和(2)接受器工作特征(roc)曲線的診斷準確性的總體指示。auc可以通過“梯形規(guī)則”來確定。對于給定的roc曲線，數(shù)據(jù)點通過直線段連接，垂直線從橫坐標豎立到每個數(shù)據(jù)點，并且計算如此建立的三角形和梯形的面積之和。圖5b中的roc曲線確定了可以利用經(jīng)修正的數(shù)學衍生評分來區(qū)分對照和gep-net，其表現(xiàn)出auc>0.98，p<0.0001；*p<0.05與對照組比較；#p<0.05與sd比較(雙尾mann-whitneyu檢驗)。隨后在獨立組(sd：n＝111，pd：n＝48)中檢查了修正的數(shù)學衍生評分。參考圖6a，獨立組中的評分顯著升高，表現(xiàn)出p<0.0001。參考圖6b，在sd和pd患者中修正的數(shù)學衍生評分的頻率分布圖證實了pd樣品表現(xiàn)出更高的分數(shù)，#p<0.0001與sd比較(雙尾mann-whitneyu檢驗)。參考圖7a，產(chǎn)生第二個roc曲線，以確定修正后的數(shù)學衍生評分是否可用于區(qū)分sd與pd。在試驗組(sd：n＝35，pd：n＝28)中，roc分析確定了該分數(shù)可用于區(qū)分pd與sd腫瘤，auc為0.93。>6.5的分數(shù)截止(即≥7的分數(shù))對于檢測pd具有85％的敏感性和83％的特異性(似然比：4.97)。參考圖7b，評估了經(jīng)修正的數(shù)學衍生評分系統(tǒng)在獨立組(n＝111sd，n＝48pd)中區(qū)分sd和pd的效用。正確識別的百分比范圍在70-90％之間，使用≥7的截止值。對于sd，使用≥7的截止值，89％的net被正確預(yù)測，而67％的pd被正確預(yù)測。性能指標為：靈敏性＝67％，特異性＝89％，ppv＝73％，npv＝86％。因此，數(shù)據(jù)表明從0-8范圍的數(shù)學衍生的maarc-net評分可用于區(qū)分對照和gep-net。評分系統(tǒng)的應(yīng)用和“netest1”的列線圖的開發(fā)-為了區(qū)分對照和net，≥3的截止值具有95％的靈敏性和94％的特異性。使用截止值≥2，靈敏性可以提高到98％。為了區(qū)分sd和pd，可以使用≥7的截止值(靈敏性為85％和特異性為83％)。使用截止值≥5，靈敏性可以提高到96％。因此，數(shù)學衍生的maarc-net評分范圍為0-2(對照)；2-5(sd)；和5-8(pd)。這些評分可以轉(zhuǎn)換為表4所示的百分比。表4：數(shù)學衍生的評分百分比數(shù)學衍生的評分0-22-55-77-8疾病列線圖評分00-55％55-75％75-100％低中等高參考圖8，來自表4的評分百分比可以在表示“netest1”的列線圖中顯示。netest1列線圖證實了如何實現(xiàn)修正后的數(shù)學衍生評分，以及如何將患者分類到不同類別gep-nen(無疾病，穩(wěn)定疾病或進行性疾病)。參考圖9，評估了netest1列線圖的效用。示出了使用圖8的netest1列線圖正確預(yù)測sd和pd的值?？傮w而言，netest1列線圖確定80％的sd患者表現(xiàn)為低或中度疾病活性，84％的pd患者表現(xiàn)出高疾病活性。在臨床定義為穩(wěn)定或進行性疾病(最佳臨床判斷和/或成像數(shù)據(jù))的患者中檢查評分系統(tǒng)的應(yīng)用和“netest2”-maarc-net衍生的netest評分(0-8)的列線圖的開發(fā)。試驗組(圖10a)或獨立組(圖10b)中每個亞型的分數(shù)的頻率分布表明sd患者的中值netest值為4，pd患者的范圍為7-8。然而，sd患者可以顯示maarc-net衍生的評分>4，而pd可以顯示分數(shù)<7。完整患者組(試驗組+獨立組)的評估表明，最高頻率sd評分為4(30％-圖11a)，而46％的pd具有8分(圖11a)。風險概率評估確定了0-5之間的netest評分與sd相關(guān)，具有≥90％的確定性(圖11b)。8分最有可能是pd(>90％)。然而，6和7分無法準確區(qū)分sd與pd。基于圖11a和11b的這些結(jié)果，可以更新來自圖8的netest1列線圖以包括風險值。圖12的netest2a列線圖包括了包含評分和風險分類的netest。為了升級風險評估netest2a列線圖，可以評估sd和pd樣品中的個體基因表達。在sd和pd樣品中最大差異表達的基因被鑒定并用于決策樹中以產(chǎn)生用于定義netest評分是sd還是pd的規(guī)則。這種方法為netest2提供了基礎(chǔ)。5的netest評分具有識別sd樣品的幾率>90％(如圖11-12所示)。評分為5(sd對比pd)的患者之間的各51個基因表達譜的比較確定smarcd3和tph1的表達作為候選差異標志物。使用以下規(guī)則：如果smarcd3≤0.13和tph1<4，則識別為pd。這允許定義進行性疾病的100％準確性。netest評分為6，具有約50％的幾率區(qū)分sd與pd樣品?；虮磉_譜分析鑒定了vmat1和phf21a作為候選物。roc分析定義了每個區(qū)別pd與sd的auc為：vmat1：roc＝0.835phf21a：roc＝0.733使用規(guī)則：如果vmat1≥0和phf21a<1.2則識別為sd如果vmat1≥0和phf21a≥1.2則識別為pd這允許定義進行性疾病的100％準確性和定義sd的90％準確性。總體準確性為93％。netest評分為7，具有約50％幾率將sd與pd樣品區(qū)分開。對于netest評分為6，基因表達譜分析鑒定了vmat1和phf21a二者作為候選物。roc分析定義了每個區(qū)別pd與sd的auc為：vmat1：roc＝0.835phf21a：roc＝0.733使用規(guī)則：如果vmat1≥0和phf21a>1則識別為sd如果vmat1≥0和phf21a≤1則識別為pd這允許定義進行性疾病的100％準確性和定義sd的95％準確性?？傮w準確性為97.5％。netest評分為8，具有≥90％的幾率將樣品識別為pd。zzz3的表達被鑒定為候選者。roc分析將該基因的auc定義為1.0。使用規(guī)則：如果zzz3≤14則識別為pd這允許定義進行性疾病并與sd區(qū)分的100％準確性。參考圖13，使用該單獨的基因表達信息來最終確定“netest2”列線圖，其為患者提供準確的疾病分類譜。在圖13的netest2列線圖中使用的netest評分和個體基因表達信息的組合在表5中進一步詳細描述。表5：netest2列線圖信息準確性低風險穩(wěn)定疾病netest評分0-590–100％中等風險穩(wěn)定疾病(i)netest評分6(低phf21a)90-100％中等風險穩(wěn)定疾病(ii)netest評分7(高phf21a)95–100％中等風險穩(wěn)定疾病(iii)netest評分8(高zzz3)100％中等風險進行性疾病(i)netest評分6(高phf21a)100％中等風險進行性疾病(ii)netest評分7(低phf21a)97.5–100％高風險進行性疾病netest評分8(低zzz3)100％定義臨床相關(guān)基因-為了進一步精修評分系統(tǒng)，檢查了基因簇表達，并開發(fā)了算法來捕獲信息。個體基因簇結(jié)合生物學信息，其可以增強數(shù)學衍生的maarc-net評分系統(tǒng)?？梢詫⒅攸c放在表6包括的文獻挑選的基因簇中。表6：每個簇中包含的基因參考圖14a，示出了腫瘤的標記，包括描繪腫瘤(腺癌)來源的標志。參考圖14b，示出了基于hanahan和weinberg分類的net標志。圖14中所示的9個簇的值源自基因添加。除基因簇外，還對兩種算法進行了評估：1)“pda”算法，其包括增殖組、信號組、分泌組ii、多能組和表觀基因組的總和(pda算法也稱為進行性診斷i)；2)“nda”算法，其包括與疾病相關(guān)的15個基因的表達：這些包括araf1，braf，kras，raf1，ki67，nap1l1，nol3，glt8d1，pld3，pnma2，vmat2，tph1，fzd7，morf4l2和zfhx3(nda算法也稱為進行性診斷ii)。對基因求和，得出了平均值。在評估血液樣品中9種基因簇和兩種算法的價值之前，評估其在net腫瘤組織中的表達以證實這些與net相關(guān)。分別參考圖15b和15a，可以將22個net中的表達與正常粘膜中的表達(n＝10)進行比較。評估確定，九個簇中有七個對net是特異性的(與正常粘膜相比)。特別是，net中的信號組、代謝組、分泌組(i)和(ii)、表觀基因組、凋亡組和sstr組的表達升高(p<0.05)。net中的凋亡組基因減少，而net和正常粘膜之間的增殖組沒有差異。關(guān)于算法，圖16顯示了與正常粘膜相比，net腫瘤組織中的pda和nda中的每一個都顯著增加(p<0.05)。此后，在血液樣品中評估每個簇的表達。我們檢查了試驗組(n＝130)，并評估了它們的表達是否與sd或pd相關(guān)。在對照和sd/pd之間的基因表達中注意到顯著差異，如圖17和表7所示。表7：基因簇和臨床結(jié)果簇名稱convssdconvspdsdvspd增殖組p<0.05p<0.05ns生長因子信號組p<0.05nsp<0.05代謝組nsp<0.05ns分泌組i(一般性)p<0.05p<0.05p<0.05分泌組ii(進行性)p<0.05p<0.05p<0.05表觀基因組nsp<0.05p<0.05凋亡組p<0.05p<0.05ns多能組p<0.05p<0.05nssstr組p<0.05p<0.05p<0.05ns＝不顯著雙尾mann-whitneyu檢驗這些數(shù)據(jù)表明，可以使用基因簇來區(qū)分sd和pd與對照，以及鑒別sd和pd之間的差異。參考圖18，在獨立組(n＝159)中檢查基因簇結(jié)果，評估sd與pd中的每個簇。在獨立組中，增殖組、分泌組(ii)、多能組和表觀基因組顯著增加。接下來，在兩個數(shù)據(jù)集(獨立和試驗組)的每一個中評估pda和nda。參考圖19a，在試驗組中對于兩種算法中的任一種，在sd和pd之間沒有鑒定顯著差異。參考圖19b，pda和nda中的每一個在獨立組中升高。接下來，每個算法被包括在合并組(試驗+獨立：n＝222)中，并且評估了它們用于預(yù)測sd與pd的效用。參考圖20a，在合并組中，與sd相比，在pd中pda和nda二者升高。參考圖20b，roc分析確定了表8中列出的pda和nda的以下參數(shù)。表8：合并組中的roc分析參數(shù)，pda和ndapdandaauc0.72±0.0340.6±0.03895％ci0.652–0.7850.525–0.675p-值<0.00010.014roc截止值5874基于試驗(tda)和獨立(ida)組中的基因簇表達差異評估了另外兩種算法。tda在試驗組中包括sd和pd之間顯著差異的基因簇的總和。這些包括tda：分泌組(i)、多能組和sstr組(tda算法也稱為進行性診斷iii)；和ida：增殖組、分泌組(ii)、多能組和表觀基因組(ida算法也稱為進行性診斷iv)。在試驗組和獨立組中評估每個算法。參考圖21a，在試驗組中與sd相比，在pd中tda顯著升高。參考圖21b，在獨立組中tda和ida算法均顯著提高。接下來，在合并組中用兩種算法進行roc分析。roc分析確定了表9中列出的tda和ida的以下參數(shù)。表9：合并組中的roc分析參數(shù)，tda和idatdaidaauc0.62±0.040.70±0.03495％ci0.542–0.6980.637–0.770p-值0.003<0.001roc-截止值>43>46圖22a中示出了用于區(qū)分sd和pd的tda和ida的算法生成的roc曲線。用于區(qū)分sd和pd的每個簇的算法生成的roc曲線在圖22b中示出。圖22a和22b中的roc曲線證明了對于sd和pd的差異，auc范圍為0.51(gf信號組)至0.72(多能組)。因此，捕獲該信息的個體基因簇表達和算法包含與臨床觀察相關(guān)的生物相關(guān)信息。這些為定義臨床相關(guān)的maarc-net評分系統(tǒng)提供依據(jù)。netest基因臨床應(yīng)用的證明-netest評分的臨床應(yīng)用以及相關(guān)基因簇和算法的評分現(xiàn)在將被定義。進行手術(shù)切除net如何改變循環(huán)基因標志的檢查，以證明試驗如何具有作為手術(shù)治療完整性的度量的效用。檢查手術(shù)前和手術(shù)后>1個月的29例手術(shù)治療患者的參數(shù)。作為一組，如圖23a所示，maarc-net評分從平均6.58±1.48顯著下降到3.65±1.6(p<0.0001)。嗜鉻粒蛋白a(cga)是用于net的先前已知的單一生物標志物測定法中使用的基因，如圖23b所示，未顯著降低(58.5±137.9ng/ml對比55.25±154.8)。netest1如何進行的檢查，即netest評分在手術(shù)治療前和手術(shù)治療后中的變化，包括在圖24中。在手術(shù)之前，62％的患者被包括在高疾病類別中。手術(shù)后為0％(χ2＝24,p＝5x10-8)。手術(shù)影響疾病狀態(tài)的替代評估由手術(shù)方法的百分比變化提供-沒有殘留疾病(r0)的證據(jù)相對于殘留疾病包括轉(zhuǎn)移的證據(jù)。參考圖25a，與r1/r2組(不完全切除)相比，r0組(完全切除)中maarc-net評分的水平顯著降低(p<0.003)。為了更好地定義手術(shù)的作用，檢查了四種算法中的每一種。pda(99.3±21對比41.1±7.5，p<0.0001；圖26a)，nda(45.8±10.3對比29.6±7.8，p<0.01；圖26b)，tda(133.3±32.3對比43.8±9.3，p<0.0001；圖26c)和ida(86.1±19.3對比34.1±7.2，p<0.0001；圖26d)中確定了(手術(shù)后)顯著下降。參考圖27，單個簇的檢查確定了sstr組、增殖組、gf信號組、代謝組、分泌組i/ii和表觀基因組術(shù)前和術(shù)后的顯著降低。參考表10，腫瘤組織的手術(shù)切除與循環(huán)基因表達降低至與四種算法的每種算法和9種基因中的6種的sd的roc截止值不相同或低于所述roc截止值的水平相關(guān)。表10：手術(shù)切除、基因簇和每種算法之間的關(guān)系所有進行手術(shù)的患者均可視為顯示進行性/活性疾病。手術(shù)后，根據(jù)所使用的算法，29名患者中的3-7名患者(10-24％)的評分或算法指示進行性疾病。手術(shù)顯著降低了循環(huán)腫瘤標志，可以為腫瘤切除程度以及殘留活性疾病提供證據(jù)。因此，試驗的臨床實用性通過與手術(shù)前血液相比，檢查評分、算法和簇和評估來定義。手術(shù)后樣品中例如pda或增殖組的表達升高的證據(jù)表明殘留的進行性(高活性疾病)。參考圖28，示出了包括手術(shù)相關(guān)算法和基因簇的netest3列線圖。組合評分以及基因簇的改變，例如增殖組的顯著增加將指示手術(shù)后的疾病再生長。值得注意的是，雖然術(shù)后成像確定了r0患者n＝1(10％)中的疾病，但是在1個月時6例(60％)中基因評分升高明顯。隨后，兩名r0個體在6個月時出現(xiàn)陽性成像。標準藥物治療對循環(huán)net標志的影響-對循環(huán)net標志評估了針對net的標準藥理學療法，生長抑素(用于治療>80％患者)的功效。在通過成像和最佳臨床判斷被認為是sd(n＝63)或pd(n＝26)的用生長抑素類似物治療的患者中進行了標志物評估。用生長抑素類似物后是sd的那些患者被認為是穩(wěn)定治療的患者，而用生長抑素類似物后是pd的那些患者被認為是失敗的治療。參考圖29a，sd組的maarc-net評分明顯低于治療失敗的評分：3.33±0.21對比5.77±0.3(p<0.001)。參考圖29b，兩個組中嗜鉻粒蛋白a無顯著差異(44.7±17.2ng/ml對比102.4±58.7)。與pd相比，算法的評估顯示了sd中它們每一個顯著不同。具體而言，pda(62.8±11.4對比153.9±36.2，p<0.002；圖30a)，nda(6±0.6對比13.5±3，p<0.03；圖30b)，tda(56.8±7.4對比154±37.2，p<0.02；圖30c)和ida(51.7±11.1對比140.5±36，p<0.0005；圖30d)。參考圖31，各個簇的檢查確定了相對于pd組，sd組中的sstr組、增殖組、分泌組ii、多能組和表觀基因組顯著較低。這些數(shù)據(jù)表明盡管生長抑素類似物(ssa)治療，但顯示進行性疾病的患者在maarc-net評分，以及四種算法和特定基因簇中的每一種中表現(xiàn)出增加，包括增殖，以及表觀基因組的增加。因此，評估ssa治療是否有效的一個機制是評估這些參數(shù)的評分是否改變。然而，鑒于sd和pd組之間的這些參數(shù)中的每一個的重疊，更好地定義pd組將是有幫助的。為此，可以將失敗治療中的循環(huán)標志表達與對照中的那些進行比較。這種方法背后的假設(shè)是有效的治療(即sd)可以使標志歸一化。推論是pd將與正常顯著不同。為了確定這一點，使用roc分析來檢查正常的循環(huán)轉(zhuǎn)錄物并與pd進行比較。檢查所有四種算法以及基因簇。參考圖32，數(shù)據(jù)的分析確定了算法(圖32a)和選擇的簇(圖32b)區(qū)分了對照與用ssa治療的pd。單個簇的數(shù)據(jù)包含在表11中。表11：對于ssa治療失敗的那些和對照，基因簇與每種算法之間的關(guān)系算法/簇auc95％cip-值pd的rocnda0.98±0.010.965-1.00<0.0001>3pda0.92±0.040.851-0.994<0.0001>40tda0.99±0.010.975-1.01<0.0001>29ida0.91±0.040.828-0.998<0.0001>31sstr組0.98±0.010.95-1<0.0001>22增殖組0.97±0.020.94-1<0.0001>14gf信號組0.71±0.070.564-0.855<0.002>5代謝組0.56±0.070.41-0.7ns<8分泌組(i)0.98±0.020.944-1<0.0001>4分泌組(ii)0.62±0.070.486-0.759ns>1.6多能組0.61±0.080.454-0.763ns<0.7表觀基因組0.86±0.050.756-0.962<0.0001>16凋亡組0.73±0.060.618-0.834<0.001<0.95根據(jù)表11中的數(shù)據(jù)，在sd病例中檢查nda和tda以及sstr組、增殖組和分泌組(i)，以評估這些參數(shù)是否與治療功效的臨床評估相關(guān)。個別算法或基因簇的評估確定了樣品在33-75％的病例中被分類為顯示疾病(圖33a)。與最佳3評分(56％)相比，sstr組和增殖組的升高組合導致預(yù)測為顯示進行性疾病的病例數(shù)最少(28％)(圖33b)。參考圖34，命名為“netest4”的生長抑素類似物治療患者的列線圖因此包括maarc-net評分以及sstr組、增殖組及其組合。netest和基因表達用于預(yù)測生長抑素類似物功效的效用-為了評估netest在治療中的效用，評估了ssa與臨床確定的結(jié)果(按recist標準)之間的關(guān)系。在二十八名患者中收集了治療前和每月的樣品。成像可用于對治療前和治療期間的疾病模式進行分期和分類(最多12個月隨訪)。在這個前瞻性樣品組中，ssa導致進行性疾病患者數(shù)量的顯著減少(圖35a)。在ssa治療之前和治療期間每月收集的血液樣品中也測定了評分，以評估早期改變是否預(yù)示結(jié)果，即對治療的反應(yīng)。參考圖35b，結(jié)果表明在治療期間在任何時間點測量的提高的netest評分(80-100％活性)是治療反應(yīng)性的預(yù)測。參考圖36a，在檢測臨床顯著性疾病(pd)之前，從48至252天(平均＝105天)發(fā)生netest(80-100％)的顯著升高。cga的平均時間為70天(范圍：0-196天)。netest更有信息性，發(fā)生在較早的時間(p＝0.04)，并且在比cga(57％表現(xiàn)為>25％的升高，p＝0.016)更多的患者(在100％中觀察到高活性)中。參考圖36b，在14名患者中，netest(80-100％評分)的升高發(fā)生在比圖像可識別疾病進展(241天)的顯著更早的時間(94.5天)(*p<0.0001，χ2＝19)。cga的類似分析確定了這與基于圖像的評估沒有差異(圖36b，185.5天與241天)。cga變化發(fā)生明顯晚于netest(p＝0.002，χ2＝13.6)。netest和基因表達用于預(yù)測疾病復(fù)發(fā)的效用-netest的效用為了評估netest疾病復(fù)發(fā)的效用，netest和臨床確定的結(jié)果(按recist標準)之間的關(guān)系在長期前瞻性研究中評估。在三十四名患者中采集了治療前和間隔長達五年的樣品。成像可用于對治療前和治療期間的疾病模式進行分期和分類(最多65個月隨訪)。在該前瞻性樣品組中，與sd患者(中位數(shù)：26％，范圍7-94％；p＝0.01)相比，pd患者(中位數(shù)：75％，范圍53-94％)的初始netest評分顯著升高(圖37a)。8名sd患者的水平>40％。在這些中，7例出現(xiàn)疾病復(fù)發(fā)的中位數(shù)為12.2個月(范圍3.6-57.7；圖37b)。參考圖37c，七名初始sd患者(netest評分低)沒有發(fā)生復(fù)發(fā)性疾病。中位隨訪時間為58個月(范圍：32-64)。隨時間過程，鑒定了進行性疾病的十六個事件。每個都與升高的netest相關(guān)(評分>80％)。參考圖37d，評分升高的患者的進展中位時間為13.4個月(范圍：3.6-57)?？偟膩碚f，netest升高的23/24事件與中位數(shù)約13個月的疾病復(fù)發(fā)發(fā)生有關(guān)。持續(xù)低分的7/7是無病的(最多5年)。試驗的準確性為97％。net基因作為腫瘤增殖和成像的替代量度的效用-評估了netest基因以及基因簇用作組織病理學和成像參數(shù)的替代標記物的效用。特別關(guān)注ki-67指數(shù)(腫瘤增殖的標記)和基于生長抑素的成像(例如68ga-pet)。這是為了證明netest及其要素作為標準臨床度量的輔助手段可具有臨床效用。作為示例，ki-67測量是基于組織的，因此是侵入性的。證明血液來源的相關(guān)性將提供腫瘤生長的實時測量，而不需要活檢。這些分析在兩個單獨的數(shù)據(jù)集中進行：數(shù)據(jù)集1(n＝28)和數(shù)據(jù)集2(n＝22)。數(shù)據(jù)集1包括收集用于治療干預(yù)的患者，即肽受體放射性核素治療(prrt)。數(shù)據(jù)集2包括顯示疾病穩(wěn)定并正在進行常規(guī)隨訪的患者。ki-67指數(shù)的替代物：多變量回歸分析在兩組中的任一組中未鑒定個體基因表達與ki-67指數(shù)(腫瘤增殖的標志物)之間的任何顯著相關(guān)性。參考圖38a和38b，生長抑素受體表達的檢查在每個腫瘤組中確定了與ki67的顯著相關(guān)性(r＝0.9，p＝2×10-8)。在netestest中所有基因的檢查確定了與ki-67(r＝0.93-98，p＝10-9-10-13，圖38c-e)的顯著更高的相關(guān)性。單一最有信息的基因是sstr4(圖38d-f)。這些數(shù)據(jù)首先表明，netest作為一個整體可以用作液體活檢，以確定腫瘤的增殖指數(shù)，即提供用于基于組織的組織病理學測量的替代標志物。其次，循環(huán)生長抑素受體基因的表達也可以用作腫瘤增殖的度量。增殖組+sstr組算法也稱為進行性診斷v；高度相關(guān)的基因(kras，sstr4和vps13c)算法也稱為進行性診斷vi；高度相關(guān)的基因+sstr組算法也稱為進行性診斷vii。參考圖39，顯示了基因簇(sstr組和增殖組)或算法中的每一個和ki-67指數(shù)之間的相關(guān)性(線性回歸)。單個基因簇的檢查證實，sstr組和增殖組與ki-67指數(shù)相關(guān)(r＝0.16-0.25，p<0.05，圖39a，c)。算法分析確定了nda和tda算法與ki-67指數(shù)高度相關(guān)(r＝0.34-0.42，p<0.002，圖39b，f)，而pda和ida較不相關(guān)(r＝0.14-0.17，p＝0.06，圖39d，e)。這些結(jié)果表明，包括生物學相關(guān)的腫瘤信息例如sstr組的基因簇和算法可以用作腫瘤組織增殖的度量。與基于生長抑素的成像的關(guān)系：接下來檢查試驗中的基因是否與基于生長抑素的成像的兩個變量，suvbmax(腫瘤攝取-受體密度/靶可用性的度量)和mtv(分子腫瘤體積-腫瘤負荷的度量)相關(guān)。多變量回歸分析沒有確定任何與suvmax相關(guān)的單一基因。然而，sstr組以及netest基因二者作為一組與suvmax有很好的相關(guān)性。兩組的相關(guān)性范圍對于sstr組(圖40a-b)為r＝0.88-0.94(p<10-7)和對于net基因組為r＝0.97-0.98，p<10-13(圖40c-d)。多變量回歸分析將zfhx3鑒定為組1中mtv的標志物(r＝0.98，圖41a)，而tph1與組2中的mtv相關(guān)(r＝0.76，圖41b)。類似于suvmax，sstr組以及netest基因二者作為一組與mtv良好相關(guān)。兩組的相關(guān)性范圍對于sstr組(圖41c-e)為r＝0.72-0.77(p<10-4)和對于net基因組為r＝0.91-0.95，p<10-12(圖41d-f)。這些數(shù)據(jù)表明，netest中的基因相關(guān)并可用于估計基于生長抑素類似物的療法的目標可用性以及提供腫瘤負荷的度量。這兩個方面對于指導治療以及測量治療功效至關(guān)重要。zfhx3作為疾病評估的標志物：如圖41a所示，鑒定zfhx3作為mtv的最佳標志物，表明該基因的表達可能具有作為腫瘤負荷及其變化的度量的臨床效用。zfhx3是通過控制細胞周期阻滯參與神經(jīng)元分化調(diào)節(jié)的鋅指蛋白。因此隨后喪失細胞周期阻滯的zfhx3表達的喪失與腫瘤增殖和新?lián)p傷的發(fā)展和/或疾病進展有關(guān)。檢查zfhx3的測量是否可以在net中提供新的生長/進展的標記物，和zfhx3的這種改變是否可能反映對治療或治療失敗(進展)的反應(yīng)。最初在具有新?lián)p傷跡象的患者中評估了該基因的表達。參考圖42a，已經(jīng)發(fā)展出新?lián)p傷(通過成像鑒定)的患者表達顯著降低的zfhx3。參照圖42b，那些被確定為sd的患者也具有比進行性的患者顯著更高的水平。此外，參照圖42c，手術(shù)后基因的表達增加。參考圖43，一個組的長期隨訪(>3年)確定了保持穩(wěn)定的患者在該時間段內(nèi)沒有表現(xiàn)出zfhx3表達的變化，而發(fā)展為進行性疾病的患者具有顯著較低的表達水平。這些數(shù)據(jù)表明zfhx3表達與新?lián)p傷的發(fā)展相關(guān)，并且表達降低可用于定義疾病進展。netest和基因表達用于治療功效預(yù)測的效用-為了進一步評估netest在治療中的效用，評估了prrt與臨床定義(按recist標準)結(jié)果之間的關(guān)系。在治療前以及隨訪中收集了54例患者的樣品。成像可用于對治療前和治療后的疾病模式進行分期和分類(3和6個月隨訪)。在該前瞻性樣品組中，放射治療顯著導致進行性疾病患者數(shù)量的減少(圖44a)。在6個月的隨訪期間對治療沒有反應(yīng)的患者，即分類為進行性疾病的患者，顯示netest評分增加。在該時間點，sd患者的評分顯著降低(圖44b)。注意到cga沒有顯著改變(圖44c)。netest中的改變與治療反應(yīng)的變化匹配(圖45)。生物標志物和結(jié)果的度量確定了netest的準確性為89％，靈敏性為75％，特異性為100％，ppv為100％，npv為83％(圖46a)。參考圖46b，cga的準確性為24％，靈敏性為17％，特異性為40％，ppv為40％，npv為17％。netest顯著優(yōu)于cga(卡方＝27.4；p＝1.2×10-7)。預(yù)處理netest評分以及分級是可用的并且用于鑒定基因表達和臨床參數(shù)的組合是否預(yù)示結(jié)果，即對治療的反應(yīng)。參考圖47a，netest基因亞組的表達水平在治療前在反應(yīng)者和無反應(yīng)者之間顯著不同。這些包括與生長因子信號傳導相關(guān)的基因(gf信號組：araf1，braf，kras和raf1)以及與代謝相關(guān)的基因(包括atp6v1h，oaz2，pank2，pld3)。具體來說，prrt反應(yīng)者在prrt前表現(xiàn)出顯著升高的生長因子信號傳導(9.4±1.3對比5.3±0.7，p＝0.05)和顯著升高的代謝組學基因表達(4.37對比2.3±0.6，p＝0.03)。通過將基因表達求和，將兩個“簇”(gf信號組+代謝組)整合為“生物學指數(shù)”，能夠自無反應(yīng)者預(yù)測未來的prrt反應(yīng)者。5.9(歸一化基因表達)的截止值對于預(yù)測反應(yīng)(>5.9預(yù)測的prrt反應(yīng)者)顯示≥85％的特異性，導致auc為0.74±0.08(z統(tǒng)計量＝2.915，p＝0.0036)(圖47b)。沒有臨床參數(shù)預(yù)測prrt反應(yīng)，除了腫瘤等級之外。低等級腫瘤對治療有反應(yīng)(77％)，而約50％的高級損傷與反應(yīng)相關(guān)。僅分級有65％準確性(p＝0.1)。相比之下，包括生物學指數(shù)(“gf信號組”+“代謝組”)和腫瘤分級組合的“預(yù)測商”顯著(92％)更準確。預(yù)測商的auc(0.90±0.07)顯著優(yōu)于單獨用于預(yù)測治療反應(yīng)的組織學等級(auc＝0.66，面積差異0.23，z統(tǒng)計量2.25，p＝0.024)(圖47c)。預(yù)測商在臨床上也是有用的?；颊呖煞譃榈偷燃?高ome和高等級/低ome組。后者的pfs(17個月)顯著低于低等級/高ome組(pfs未達到，對數(shù)秩：26.8；p<0.0001：圖47d)。危害比為53.3。這些結(jié)果表明評分的改變與治療反應(yīng)相關(guān)，并且在治療之前的循環(huán)net轉(zhuǎn)錄物測量預(yù)測prrt的結(jié)果。當前第1頁12當前第1頁12