用于诊断特应性皮炎的单核苷酸多态性及利用其的特应性皮炎诊断方法

摘要

本发明涉及可用于诊断或预测特应性皮炎的新型单核苷酸多态性(single nucleotide polymorphism，SNP)以及用于检测其的引物和探针。并且，本发明涉及利用单核苷酸多态性或用于检测其的引物和探针的用于诊断及预测特应性皮炎的组合物以及利用其的筛选方法。根据本发明的单核苷酸多态性以及利用其的诊断、预测及筛选特应性皮炎的方法，可有效地诊断特应性皮炎，高精度地预测在新生儿中发生特应性皮炎的可能性，因此可有效地用于特应性皮炎的治疗及预防。

说明书

技术领域

本发明涉及可用于诊断或预测特应性皮炎的新型单核苷酸多态性(singlenucleotide polymorphism，SNP)以及用于检测其的引物和探针。并且，本发明涉及利用单核苷酸多态性或用于检测其的引物和探针的用于诊断及预测特应性皮炎的组合物以及利用其的筛选方法。

背景技术

特应性皮炎是指一种慢性湿疹性皮肤病，在患者本身患有支气管哮喘和变应性鼻炎等其他特应性疾病或者家庭中患有特应性疾病的人中，发生在婴幼儿或儿童中并反复发作直至成年，具有严重的瘙痒和特征性的皮肤病变的分布。

特应性皮炎随着皮肤症状的发展具有急性、亚急性、慢性皮肤病变。在急性期，因出现小水泡而流出疮水，并出现伴有红斑和水肿的斑疹，有时由于细菌感染而形成黄色焦痂，在亚急性期，疮水停流，并存角质，出现板状的皮肤病变，而在慢性期，因反复抓挠而皮肤变厚，并出现皮肤皱纹变得清晰的苔癣化病变。

迄今为止，作为特应性皮炎的原因和发生机制，由遗传所致的异常的免疫反应和表皮渗透以及抗菌屏障功能的异常被认为是重要原因，其中，已知环境因素是具有重要关联的复杂原因。

如支气管哮喘的区分一样，特应性皮炎也分为外源性(extrinsic)和内源性(intrinsic)。即，分为具有对外部抗原的血清特异性IgE增加的外源性特应性皮炎和与这些因子无相关性的内源性特应性皮炎(Akdis CA，Akdis M.Curr Opin Allergy ClinImmunol 2002；2：403-6)。在内源性特应性皮炎的情况下，与外源性特应性皮炎相比，其特征在于，疾病的病程较轻，在女性中更为常见，呼吸系统疾病的伴随较少，并且发生在生命的后期。

到目前为止尚未完全了解特应性皮炎的确切病理生理学，但被认为与遗传起因一起涉及免疫和非免疫机制。即，受损的皮肤屏障和异常的免疫反应共同导致特应性皮炎的发生。出现特应性皮炎的异常的免疫反应包括对外部抗原的敏感性增加、血清IgE增加、急性期Th2细胞因子增加、表达皮肤淋巴细胞相关抗原(cutaneous lymphocyte-associatedantigen，CLA)的T淋巴细胞的增加、朗格汉斯细胞和炎性树突状表皮细胞中Fcε表达增加等。若皮肤屏障受损，则为了防止外部抗原和细菌的入侵，在皮肤中通过角质形成细胞和抗原传递细胞等立即发生先天免疫反应，并且后天免疫反应也持续下去，但在特应性皮炎患者中，由于先天免疫系统和后天免疫系统的异常反应，导致发生过敏性炎症反应。

像特应性皮炎一样，在具有复杂而多样化的遗传状态的疾病中很难确定病因基因。迄今为止，阐明已知的基因疾病的病因的最佳工具是找到所有基因中多存在的多态性标记(polymorphic markers)。最为代表性地是在相同的过敏性疾病的支气管哮喘中发现IL-4的启动子(promoter)位点中一个碱基序列发生变化，随后，正式进行对单核苷酸多态性的研究。在特定人群中存在于正常人的脱氧核糖核酸(DNA)的碱基序列之一发生突变，其频率为1％以上的被称为单核苷酸多态性，这种单核苷酸多态性占基因多态性的90％，因此可以认为这很重要。

然而，迄今为止，还没有用于诊断及预测特应性皮炎的创新的单核苷酸多态性以及利用其的诊断或预测特应性皮炎的方法。因此，需要一种可以有效诊断及预测特应性皮炎的单核苷酸多态性以及利用单核苷酸多态性可诊断特应性皮炎的新方法。

最近，已经尝试将数据挖掘用于疾病的诊断和预测，其中关于神经网络(neuralnetworks)的研究始于大脑神经生理学(Neurophysiology)的启发。使用神经网络分析的数据分析可以归类为为了在具有复杂结果值的信息中预测(prediction)结果值而使用的灵活非线性(nonlinear models)模型之一。神经网络与一般的统计方法的区别在于一个被称为隐层(Hidden Layer)的独特的结构要素，上述隐层是在人类神经元上建模的。每个上述隐层可以与输入层(Input Layer)信息结合并将其传递到目标变量。这种神经网络具有多种模型，但是用于资料分析的最广泛使用的模型是多层感知(Multi-Layer Perception，MLP)神经网络模型。多层感知神经网络模型可以由包括输入层、隐层及输出层(OutputLayer)的一组层来实现。上方的隐层包含被称为隐藏节点(Hidden node)的节点。前馈(feed-forward)神经网络是其中一层的节点仅连接到下一层(next layer)的节点，而不是在相反方向上连接的神经网络。然而，迄今为止，尚未广泛报道为了诊断及预测特应性皮炎而应用神经网络分析等人工智能(AI)分析模型的研究。

现有专利文献

用于检测特应性患者的基因突变的引物、探针以及方法(韩国专利申请号：10-2015-0121630)

用于同时检测韩国人特应性皮炎患者的基因突变的引物、探针以及方法(韩国专利申请号：10-2016-0062928)

发明内容

本发明鉴于上述必要性而提出，本发明的目的在于，提供一种可用于诊断或预测特应性皮炎的新型单核苷酸多态性。

本发明的再一目的在于，提供一种用于检测新型单核苷酸多态性的引物和探针。

本发明的另一目的在于，提供一种利用单核苷酸多态性或用于检测其的引物和探针的用于诊断及预测特应性皮炎的组合物以及利用其的筛选方法。

为了实现上述目的，本发明人提供如下的用于诊断或预测特应性皮炎的组合物，即，人类8号染色体上的第6880124位碱基为G或A，并且包含可检测或扩增由5个至1000个包含上述第6880124位碱基的连续碱基组成的多核苷酸或其互补多核苷酸的制剂。

在本发明一实例中，优选地，上述制剂为与上述多核苷酸特异性结合的引物碱基对或探针，但并不限定于此。

在本发明优选的实例中，优选地，上述探针为记载于序列33至序列36中的探针序列中的一种以上，但并不限定于此。

在本发明一实例中，优选地，上述组合物还包含可检测或扩增选自由KLK基因的rs1991818、SPINK5基因的rs2303064、rs2303065、rs2303070、FLG基因的rs200519781、rs146466242、KDR基因的rs2305948、IL5RA基因的rs334809、IL9基因的rs31563及IL12RB1基因的rs393548、rs436857组成的组中的一种以上的单核苷酸多态性的制剂，但并不限定于此。

单独的上述单核苷酸多态性在健康对照组和特应性皮炎患者组之间具有显著差异，因此只需一种就可以有效地诊断或预测特应性皮炎，但是优选地，使用三种，更优选地，在混合使用5种以上的情况下，可通过单核苷酸多态性突变重叠来更加准确地诊断或预测特应性皮炎。

并且，本发明提供包含选自由记载于表2中的探针组成的组中的探针的用于诊断或预测特应性皮炎的组合物。使用于本发明中的探针或引物序列为具体的一例，具有与其相同的效果并可检测及扩增本发明的单核苷酸多态性的序列可以不受限制地包括在本发明中。

并且，本发明提供一种提供用于诊断或预测特应性皮炎的信息的方法，其特征在于，包括在来源于待确认是否发生特应性皮炎的个体的人类8号染色体上，通过检测或扩增由5个至1000个包含第6880124位碱基的连续碱基组成的多核苷酸或其互补多核苷酸来确认单核苷酸多态性的基因型的步骤，在上述确认中，在上述第6880124位碱基为G或A的情况下，预测具有发生特应性的可能性。

在本发明一实例中，优选地，在上述确认步骤中，使用与上述多核苷酸特异性结合的引物碱基对或探针，更优选地，上述探针为记载于序列33至序列36中的探针序列中的一种以上，但并不限定于此。

在本发明中，优选地，上述单核苷酸多态性确认通过反向斑点杂交法(Reverseblot hybridization assay，REBA)、逆转录聚合酶链式反应(RT-PCR)、竞争性逆转录聚合酶链式反应(competitive RT-PCR)、实时逆转录聚合酶链式反应(real timequantitative RT-PCR)、核糖核酸酶保护分析法(RNase protection method)、Northern印迹(Northern blotting)或脱氧核糖核酸芯片方法(DNA chip technology)来确认，但并不限定于此。

在本发明的优选实施例中，优选地，上述方法利用反向斑点杂交法或人工智能分析，但并不限定于此。

作为参照，DEFB1位于8p23.2～p23.1(是指8号染色体长湾23.2～23.1位点)且非常长，共有15.1kb。其中，在图7中部分示出存在2267单核苷酸多态性的部位的序列。在图7中部分记载的序列为8号染色体上的第6879000-6881000位核苷酸的序列，在该图中用方框标记的部分示探针附着的部位，其中带下划线标记的部分是指2267单核苷酸多态性部分(第6880124位核苷酸)。

在本发明中，进一步详细说明被称为2266的基因，2266和2267位于有助于DEFB1制备蛋白质的部分(启动子)，而不是实际上制备蛋白质的位点。数字2266是指距实际开始制备蛋白质的位点离第2266位的部位，与此有关参照《皮肤科学杂志》54(2009年)25～30的图1(Journal of Dermatological Science 54(2009)25-30的FIG.1)。

在本发明中，诊断或预测特应性皮炎是指通过确认检测对象个体是否患有特应性皮炎或者是否有发生特应性皮炎的可能性，并提供与此有关的信息。

并且，在本发明中，可成为诊断或预测对象的试样可以不受限制地包括可从基因组脱氧核糖核酸(genomic DNA)中获得的各种生物试样，例如，可包括血液、唾液、口腔上皮细胞等。

使用本发明的单核苷酸多态性诊断或预测特应性皮炎时，可使用能够通过学习单核苷酸多态性信息来诊断特应性皮炎的数据挖掘方法，尤其，可通过反向斑点杂交法及人工智能分析有效地改善以往因单核苷酸多态性在每个人中显示不同而无法明确诊断疾病的缺点。因此，优选地，诊断或预测本发明的特应性皮炎的方法可使用反向斑点杂交法和/或人工智能分析方法。

在本发明中，在特应性预测模型中使用人工智能分析的情况下，可不受限制地使用各种可解释的模型，并可以不受限制地应用线性回归、逻辑回归、神经网络分析、决策树、决策规则、规则拟合及支持向量机等模型，在本发明优选的实例中，尤其，可使用逻辑回归分析、决策树、神经网络分析及支持向量机。

另一方面，本发明的预测模型可包括皮肤疾病诊断部、分类部及加权值赋予部，上述皮肤疾病诊断部将从患者的遗传突变信息接收部接受到的突变信息用作输入信息，上述皮肤疾病分类部可以使用神经网络作为分类器来执行对皮肤疾病进行分类的过程，上述加权值赋予部可通过对分类结果赋予加权值来诊断皮肤疾病。

根据本发明的实施例的神经网络分析是指一种通过构建一个以上的层(Layer)并基于多个数据来执行判断的系统。例如，在神经网络分析中，输入层是将基因是否突变的信息作为数据输入到神经网络分析模型中的层，输出层是可以基于输入的各种信息并通过判断患者是否有皮肤疾病来输出结果的层。隐层是可通过对各种判断标准(基因突变信息)赋予加权值来执行确认是否存在患者的过程(process)的层。

在使用根据本发明的实施例的人工智能分析技法的特应性皮炎预测方法中，使用多层感知神经网络来估计具有上述隐藏节点数的神经网络分析模型。并且，将从通过输入变量和输出变量的各种变量转换构建的几种神经网络模型中的各模型估计的准确度最高的神经网络模型确定为用于预测皮肤疾病的最终神经网络模型。上述人工智能分析可由输入层、隐层及输出层构成，通过上述神经网络分析步骤的神经网络分析模型可以是是在几个隐层中具有几个隐藏节点的神经网络模型。

根据本发明的单核苷酸多态性及利用其的诊断、预测及筛选特应性皮炎的方法，可有效地诊断特应性皮炎，可以高精度地预测在新生儿中发生特应性皮炎的可能性，因此可有效地用于特应性皮炎的治疗及预防。

附图说明

图1为示出参与实施例1的患者的特征的图；

图2为示出进行反向斑点杂交法分析的结果的图；

图3为示出分析健康对照组和特应性皮炎患者中的基因突变重叠的结果的图；

图4为示出通过单核苷酸多态性重叠预测发生特应性皮炎的可能性的结果的图；

图5为示出通过各种分析模型确认针对除新型单核苷酸多态性以外的十二种单核苷酸多态性为靶标的特应性皮炎预测模型的准确度、敏感度、特异度的结果的图；

图6为比较现有专利文献的检查结果和本专利(变更与现有专利相同的基因内引物(primer)和探针(probe)的靶位置的本发明)的检查结果的图，(1)部分为现有专利的结果，(2)部分为本发明的聚合酶链式反应-反向斑点杂交法检查结果；

图7的序列为人类8号染色体上的第6879000-6881000位核苷酸的序列，在该部分用方框标记的部分是探针附着的位点，其中，带下划线的部分是指2267单核苷酸多态性部分(第6880124位核苷酸)。

具体实施方式

下面，通过实施详细说明本发明。但是，下述实施例仅用于例示本发明，本发明的内容并不限定于下述实施例。

实施例1.十二种单核苷酸多态性的筛选及特应性皮炎相关性确认

1.1.试样的获得及实验方法

从279名访问延世大学原州塞弗里基督教医院皮肤科和中央大学医院皮肤科的特应性皮炎患者中获得了血液试样。对照组使用了从324名无特应性皮炎症状且无特应性皮炎家族史的健康对照组获得的试样。特应性皮炎患者组的年龄为1岁至50岁，将他们以他们的湿疹范围及严重程度评价指数(Eczema Area and Severity Index，EASI)为基准分为3组：重度(严重程度评价指数≥25)，中度(严重程度评价指数≥15)以及轻度(严重程度评价指数＜15)。随后，从这些获得的血液试样用于血清免疫球蛋白E(IgE)测量及反向斑点杂交法分析。轻度(n＝207(76.7％)，或中度/重度(n＝65，23.3％)。患者的特征示出在图1中。

1.2.通过基因组脱氧核糖核酸获得、聚合酶链式反应及序列分析确认单核苷酸多态性突变

从血液试样中提取基因组脱氧核糖核酸(QIAamp DNA迷你试剂盒；德国希尔登凯杰GmbH(QIAamp DNA Mini Kit；Qiagen GmbH，Hilden，Germany))。从美国国家生物信息中心(NCBI)基因库(Genbank)获得靶向KLK7、SPINK5、FLG、DEFB1、TNFa、KDR、FCER1A、IL4、IL5、IL5RA、IL9、IL10、IL12、IL12R、IL13及IL18信息，并设计与此有关的引物及探针。使用分离的核酸进行多重聚合酶链式反应，并分析通过聚合酶链式反应获得的产物的序列。对聚合酶链式反应产物的两条链的直接测序通过使用COSMO基因技术有限公司(COSMO GenetechCo.Ltd)(韩国首尔)的ABI 3100基因分析仪(Genetic Analyzer)来进行。为了反向斑点杂交分析，设计了基因特异性寡核苷酸探针。将反向斑点杂交膜设计成包含总共70个探针以检测基因(35野生型，35突变型)，还可以包括用于比色信号检测的对照探针。将进行反向斑点杂交分析的结果示出在图2中。

如图2所示，确认反向斑点杂交条带图案，结果显示，根据野生型探针或突变型探针确认杂交信号的存在与否，从而验证了多态性的存在。野生型探针和突变型探针的共存被定义为异型。右上部分的虚线框代表KLK7的杂合突变，中间部分的虚线框标记的部分表示SPINK5 1156的野生型。并且，中下部分的虚线框表示SPINK 2474的纯合(homozygous)突变。

1.3.基因多样性确认

与健康对照组相比，确认在特应性皮炎患者中KLK7rs1991818的纯合突变更为频繁(P＝0.04)。然而，特应性皮炎患者中轻度及中度/重度之间的差异不显著(P＝0.08)。与健康对照组相比，确认在特应性皮炎患者组中FLG 3321delA的杂合突变的中度/重度显著高(P＝0.0384)。与健康对照组相比，确认特应性皮炎患者中FLG pK4022X的杂合型突变频繁出现，但是尚未确认到它们之间的统计学显著性(P＝0.78)。与健康对照组相比，确认在特应性皮炎患者中SPINK5-1156的杂合突变及纯合突变更加频繁出现(P＝0.00)，但在轻度及中度/重度患者中没有显著差异(P＝0.81及P＝1.0)。与健康对照组相比，确认在特应性皮炎患者中DEFB1、rs5743399的杂合型突变显著高。与健康对照组相比，确认在特应性皮炎患者中KDR的rs2305948杂合型突变显著更高(P＝0.03)，与重度特应性皮炎患者没有显著差异(P＝0.07)。与健康对照组相比，在特应性皮炎患者中IL5RA rs334809的杂合型突变也更加频繁出现(P＜0.001)，与中度/重度患者相比，这尤其在轻度患者中显著频繁出现(P＝0.01)。

与健康对照组相比，在特应性皮炎患者中IL9 rs31563的杂合型突变显著高(P＝0.00)。与健康对照组相比，在特应性皮炎患者中IL12RB1 rs393548的杂合型突变显著高(P＝0.0201)，与健康对照组相比，在特应性皮炎患者中rs436857也显著高，尤其，在轻度特应性皮炎患者中显著高(P＝0.03)。

与健康对照组相比，在具有特应性皮炎的所有患者中IL13 rs20541的杂合型突变频率较低(P＝0.03)。因此，随后，在基因多样性重叠中将其排除。

1.4.各组的基因多样性重叠

通过比较健康对照组和特应性皮炎患者来确认10个突变具有统计血上的显著差异：FLG 3321delA、SPINK5-1156、SPINK5-2475、DEFB1 rs5743399、KDR rs2305948、IL5RArs334809、IL9 rs31563、IL12RB1 rs393548、IL12RB1 rs436857及KLK7的5874 AACC插入。对在韩国人中被确认为显著的FLG pK4022X杂合突变和在阿尔茨海默氏病患者中呈高趋势的SPINK5-1188的纯合突变进行评价。最终，根据健康对照组、轻度、中度/重度特应性皮炎患者组之间的基因多样性重叠最终筛选12个单核苷酸多态性并进行比较，其结果示出在图3中。

如图3所示，在健康对照组确认基因突变重叠少，相反，与健康对照组相比，在具有特应性皮炎的患者组中基因突变的重叠更加频繁。在健康对照组中，确认143名(63.84％)的健康对照组具有3个以下的基因突变，但在特应性皮炎患者中，188名(67.38％)具有4个以上的基因突变。因此，在有效的单核苷酸多态性的数增加的情况下，可预测轻度及中度/重度特应性皮炎的可能性高。通过基因突变重叠预测发生特应性皮炎的可能性的结果示出在图4中。

如图4所示，在突变数大于3个的情况下，发生特应性皮炎的可能性高，尤其，在大于5个的情况下，可预测到发生可能性更高。

实施例2.利用新型单核苷酸多态性的特应性皮炎预测

2.1.试样的获得及实验方法

为了获得用于诊断特应性皮炎而使用的试样，从291名访问延世大学原州塞弗里基督教医院皮肤科的特应性皮炎患者中获得试样，并从健康的没有特应性皮炎的197名获得的试样用作健康对照组。

2.2.来源于血液、口腔上皮、唾液的基因组脱氧核糖核酸的提取

使用QIAamp血液试剂盒(QIAamp Blood kit(德国希尔登凯杰))从特应性皮炎患者及健康对照组获得血液分离核酸。分离的核酸用作进行反向斑点杂交特应性筛选(Atopyscreening)的聚合酶链式反应的模板。并且，在特应性皮炎患者及健康对照组中，通过对使用棉棒采取的上皮细胞处理裂解缓冲液(lysis buffer)来从上皮细胞中提取基因组脱氧核糖核酸，并提取存在于唾液中的基因组脱氧核糖核酸来进行聚合酶链式反应即反向斑点杂交特应性筛选。

2.3.多重聚合酶链式反应的进行

以从血液检体中提取的基因组脱氧核糖核酸为模板使用常用的AccuPower多重聚合酶链式反应预混液(AccuPower Muplex PCR premix(大田柏业(Bioneer)))进行聚合酶链式反应。AccuPower多重聚合酶链式反应预混液的组成如下：引物Hotatart-Top聚合酶1U、反应缓冲液(reaction buffer)，2M的MgCl

2.4.反向斑点杂交特应性皮炎单核苷酸多态性的检查

对单核苷酸多态性的结果可能因人而异，这可通过分析临床意见和单核苷酸多态性结果之间的相关性来阐明。目前为止，单核苷酸多态性主要是通过测序完成，但是为了确认与免疫相关的各种细胞因子，需要分别确认相应位点而很麻烦，这导致时间和费用问题。为了解决这种问题点，进行了利用反向斑点杂交法(Reverse blot hybridization assay)的单核苷酸多态性检查。使用于单核苷酸多态性检查的引物及探针序列示出在表1及表2中。

表1

表1为使用于单核苷酸多态性检查的引物序列

表2

表2为使用于单核苷酸多态性检查的探针序列。

对上述探针进行详述，例如，在SPINK5的1156A、1156G中，1156是指出现基因内单核苷酸多态性的核苷酸位置顺序，1156A是指1156位置中具有A，而1156G是指1156位置中有G。

在DEFB12266CG、2266TG、2266CA、2266TA探针中，据报告DEFB1是原来第2266位为C或T的单核苷酸多态性，本发明人的研究结发现2266的下一个位点为G或A的单核苷酸多态性。

因此，新发现的单核苷酸多态性不包括在人工智能分析结果中，但是，检测2266的单核苷酸多态性时，因下一个位点的单核苷酸多态性非常接近而有可能受到影响，在第2266位为C的情况下，以抓捕所有CG序列、CA序列的方式制备探针，在第2266位为T的情况下，也以抓捕所有TG列、TA序列的方式制备探针。

并且，在KLK_WT、KLK_ins中，KLK_WT是指KLK基因的野生型(Wild type)，KLK_ins是指KLK的基因特定位置中插入(insertion)没有野生型的核苷酸。

上述引物及探针序列为获得更高的敏感度及特异度而筛选的序列。靶单核苷酸多态性共使用13个基因的单核苷酸多态性，单核苷酸多态性靶标如下：KLK基因的rs1991818、SPINK5基因的rs2303064、rs2303065、rs2303070、FLG基因的rs200519781、rs146466242、KDR基因的rs2305948、IL5RA基因的rs334809、IL9基因的rs31563、IL12RB1基因的rs393548、rs436857、DEFB1_1基因的rs5743399及新鉴定的DEFB1_1基因单核苷酸多态性，上述单核苷酸多态性为从已知的各种单核苷酸多态性中用于诊断特应性皮炎而筛选的单核苷酸多态性，尤其，新鉴定的DEFB1_1基因的单核苷酸多态性为NC_0000008.11、6、880、124位置的单核苷酸多态性，是rs5743399(NC_0000008.11，6，880，123)下一个位置的单核苷酸多态性。

2.5.特应性皮炎患者中确认单核苷酸多态性位点

确认特应性皮炎患者和健康对照组的单核苷酸多态性差异，并为了确认可否将其用于特应性皮炎诊断，比较了上述实施例2.4的单核苷酸多态性。健康对照组及特应性皮炎患者中的单核苷酸多态性位点比较结果示出在表3及表4中。

表3

表3为正常人(健康对照组)中的单核苷酸多态性表达

表4

表4为特应性皮炎患者中的单核苷酸多态性表达

从上述表3及表4中可以确认，特应性皮炎患者与健康对照组之间的基因突变的频率异常。通过这些结果可知，可通过单核苷酸多态性的发生频率来诊断或预测特应性皮炎。

2.6.通过新型单核苷酸多态性确认特应性皮炎诊断效果

如表2导出可用于特应性皮炎诊断中的新型单核苷酸多态性位点，因此，比较利用十二种单核苷酸多态性和在其中添加新型单核苷酸多态性的十三种单核苷酸多态性的情况下的特应性皮炎诊断效果。共十二种单核苷酸多态性为通过实施例1筛选的单核苷酸多态性。特应性皮炎预测模型使用支持向量机分析方法，其结果示出在表5中。

表5

实施例3.利用人工智能分析的使用特应性皮炎预测模型

3.1支持向量机的特应性皮炎预测模型

将用于制备人工智能模型的样品(sample)分为训练集和验证集来进行。样品的80％左右由用于学习的训练集组成，20％左右由用于确认学习结果的验证集组成。用于选择人工智能模型的样品为197名特应性皮炎患者和197名正常人，将正常数据比例设置为50％，训练集分别配置157名，验证集分别配置40名，在1000次分析中选择验证集准确度最高的模型。此时，训练集的准确度为92.7％，敏感度为91.7％，特异度为93.6％，验证集的准确度为66.3％，敏感度为70.0％，特异度为62.5％。将之后选择的人工智能分析模型用作预测模型，从而求出作为所有样品的290名特应性皮炎患者和197名正常人组成的总集(Totalset)的特应性皮炎发生预测图。其结果显示，在人工智能分析中能够，准确度为82.1％，敏感度为78.6％，特异度为87.3％。在四种人工智能模型中，将在总集中准确度最高的支持向量机模型的特应性皮炎发生预测图示出在表6中。

表6

3.2.利用支持向量机的特应性皮炎预测模型

根据本发明的特应性皮炎预测模型可使用各种模型，除了支持向量机以外，还可利用逻辑回归(logistic regression)、决策树(decision tree)、神经网络分析(neuralnetwork)，利用这些的特应性皮炎预测模型的结果示出在图5中。

实施例4：现有专利和本发明的敏感度比较实验

与仅使用来源于血液中的基因组脱氧核糖核酸的现有专利(记载于背景技术的现有专利文献的专利)不同，为开发将来源于口腔上皮、唾液的基因组脱氧核糖核酸也可用于检查法中的敏感度的检查法，改变现有专利的相同基因内引物和探针的靶标位置，并为了比较基于现有专利文献的检查结果和本发明的检查结果的敏感度，进行了比较实验。

实验方法

为收集唾液，擦拭受试者的脸颊10秒钟后，在锥形管(conical tube)中收集唾液。将收集的2uL的唾液用于实验中。分别使用现有专利的引物及探针和本发明的引物及探针，分别进行聚合酶链式反应-反向斑点杂交法。实验条件等以与上述实施例1至实施例2等相同的方式进行。

实验结果

在本发明的聚合酶链式反应-反向斑点杂交法结果中，KLK WT、KLK MT、SPINK51156 WT、SPINK5 1188 WT、SPINK 2475 WT、IL5RA MT位置的探针更加明显(图6)。因此，可确认当前的聚合酶链式反应-反向斑点杂交法显示出更高的灵敏度。