一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法技术

本发明专利技术公开了一种肺癌中PKM2与癌细胞PD

【技术实现步骤摘要】
一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法


[0001]本专利技术涉及医疗
，具体涉及一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法。

技术介绍

[0002]非小细胞肺癌(NSCLC)占肺癌病例的85％以上，其中约三分之二的NSCLC患者表现为晚期。虽然对NSCLC的分子靶向治疗改善了突变可顺应性患者的临床疗效，但只有一小部分患者存在这些突变，经常出现对靶向治疗的获得性耐药。因此，寻找新的有效的非小细胞肺癌治疗靶点仍然是一个未被满足的需求。PKM2(糖酵解丙酮酸激酶的同工酶)在调节代谢活动中扮演着重要角色。除了作为代谢酶的已知作用外，PKM2还可在癌症的发展和进展中作为信号调制器。
[0003]PKM2的高表达参与了CD44+A549肺腺癌干细胞的细胞增殖和肿瘤形成。更重要的是，PKM2表达增强有助于CD44+A549肺腺癌干细胞的应激抵抗和治疗抵抗，提示PKM2是肺腺癌的潜在靶点治疗。然而现有的研究存在一些局限性：队列比较小，且对于该样本数据没有剔除相关的异常数据，而且后续的比对分析中也没有涉及对异常数据的纯化处理。此外，现有技术是对无复发生存率进行了单因素分析，而不是对总生存率进行了多因素分析，而且上述因素的分析是直接依据表达水平进行的定性分析，没有直观的数据支撑，这使得本就说服力不足的比对结果无法支持所得出的结论。因此，PKM2表达在肺腺癌患者中的预后影响尚不清楚。

技术实现思路

[0004]本专利技术的目的在于提供一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，以解决现有技术中无法将表达水平进行数据化以及对数据中的异常数据进行纯化的技术问题。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0006]一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，包括如下步骤：
[0007]步骤100、获取多个病人的肿瘤组织样本组成队列，并剔除异常肿瘤组织样本；
[0008]步骤200、基于多种方式评价PKM2和PD-L1之间的相关性，具备包括：
[0009]利用TCGA肺腺癌数据集基于mRNA表达评估PKM2和PD-L1之间的相关性；
[0010]比较PKM2低表达组和高表达组的PD-L1的表达差异；
[0011]通过免疫组化方法评估原发性肺腺癌组织标本中PKM2和PD-L1蛋白表达的相关性；
[0012]步骤300、基于上述方式对PKM2和PD-L1之间相关性的评价，对评价结果进行统计分析。
[0013]进一步地，在步骤200中，从TCGA中筛选有关mRNA表达、突变状态和生存时间的数据；
[0014]基于RNA-Seq-V2-RSEM检测mRNA表达，并以mRNA表达为基础的生存分析的高/低
PKM2的临界值由cutofffinder确定；
[0015]对于PD-L1基因，根据IHC检测PD-L1表达阳性率记录PD-L1高/低组的截止值，然后检查其与生存率的关系；
[0016]采用Mann-Whitney检验比较高PKM2肿瘤和低PKM2肿瘤的PD-L1水平。
[0017]进一步地，在步骤200中，PKM2的染色采用12点半定量评分系统进行评分，PKM2表达式是量化评估后染色的强度和积极染色细胞的分布，最终组织学评分为染色的强度
×
积极染色细胞的分布，组织学评分范围为0～12，其中分界点为中位数8，当评分<8时为阴性表达，当评分≥8时为阳性表达。
[0018]进一步地，所述染色的强度由0、1、2和3表示，其中0表示无积极性，1表示弱阳性，2表示适度积极，3表示强烈积极。
[0019]进一步地，所述积极染色细胞的分布由0、1、2和3表示，其中0表示无分布，1表示1％～10％，2表示11％～50％，3表示51％～80％，4表示81％～100％。
[0020]进一步地，所述PKM2的低表达组样本数为441，高表达组样本数为65。
[0021]进一步地，在步骤200中，所述免疫组化方法评估的原发性肺腺癌组织标本取自福尔马林固定的石蜡包埋的肺腺癌组织。
[0022]进一步地，在步骤300中，所述统计分析包括如下方法：
[0023]使用SPSS22.0和GraphPadPrism6.07进行统计分析，连续变量表示为平均值
±
标准差；
[0024]分别以肿瘤细胞中PKM2和PD-L1的表达水平作为分类变量或连续变量，采用c-h-i-square检验或Spearman秩相关分析；
[0025]用log-rank检验mRNA表达与总生存率OS/无病生存率DFS的关系，用Kaplan-Meier法绘制生存曲线；
[0026]采用Cox比例风险回归模型进行单变量和多变量生存分析，仅将单变量分析中P值小于0.1的变量纳入多变量分析。
[0027]进一步地，以肿瘤细胞中PKM2和PD-L1的表达水平作为分类变量的具体变换方法为：
[0028]在连续时间段内，分别统计肿瘤细胞中PKM2和PD-L1的表达水平，分别将其表达水平即为Ai和Bi，其中i为连续时间段内的时间节点；
[0029]依据表达水平的区别按照设定的区间分为多个对照小类，计算每个对照小类内Ai和Bi的平均值，并分别按照PKM2和PD-L1进行小类区分，将小类区分结果在同一坐标系中进行离散点投影，并通过圈定法计算分类相关度，并将处于分类相关度范围内的对照小类设为分类变量；
[0030]以肿瘤细胞中PKM2和PD-L1的表达水平作为连续变量的具体变换方法为：
[0031]在连续时间段内，分别统计肿瘤细胞中PKM2和PD-L1的表达水平，并将其表达水平分别记为Ai
’
和Bi
’
，其中i为连续时间段内的时间节点；
[0032]以离散点的形式记录离散变量，以Ai
’
和Bi
’
表示，并按照时间轴的关系顺次串联所有的Ai
’
和Bi
’
，依据所记录的Ai
’
和Bi
’
[0033]计算均值s，基于所述均值s设定取舍阈值t，当所记录的Ai
；
和Bi
；
超过s
±
t时，取所述分类变量替换离散变量，分别将将处于s
±
t范围内表示PKM2和PD-L1表达水平的离散变
量和替换后的分类变量按照时间轴串联起来设为连续变量。
[0034]进一步地，在对分类变量或连续变量进行c-h-i-square检验或Spearman秩相关分析之前还包括PKM2和PD-L1表达水平差异化的显式处理，其具体处理方式为：
[0035]将经过统计分析数字化后的分类变量和连续变量以同一时间轴进行微分处理分为n份，并分别计算体现PKM2和PD-L1表达水平的分类变量和连续变量的最大幅度值，将最大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于，包括如下步骤：步骤100、获取多个病人的肿瘤组织样本组成队列，并剔除异常肿瘤组织样本；步骤200、基于多种方式评价PKM2和PD-L1之间的相关性，具备包括：利用TCGA肺腺癌数据集基于mRNA表达评估PKM2和PD-L1之间的相关性；比较PKM2低表达组和高表达组的PD-L1的表达差异；通过免疫组化方法评估原发性肺腺癌组织标本中PKM2和PD-L1蛋白表达的相关性；步骤300、基于上述方式对PKM2和PD-L1之间相关性的评价，对评价结果进行统计分析。2.根据权利要求1所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：在步骤200中，从TCGA中筛选有关mRNA表达、突变状态和生存时间的数据；基于RNA-Seq-V2-RSEM检测mRNA表达，并以mRNA表达为基础的生存分析的高/低PKM2的临界值由cutofffinder确定；对于PD-L1基因，根据IHC检测PD-L1表达阳性率记录PD-L1高/低组的截止值，然后检查其与生存率的关系；采用Mann-Whitney检验比较高PKM2肿瘤和低PKM2肿瘤的PD-L1水平。3.根据权利要求1所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：在步骤200中，PKM2的染色采用12点半定量评分系统进行评分，PKM2表达式是量化评估后染色的强度和积极染色细胞的分布，最终组织学评分为染色的强度
×
积极染色细胞的分布，组织学评分范围为0～12，其中分界点为中位数8，当评分<8时为阴性表达，当评分≥8时为阳性表达。4.根据权利要求3所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：所述染色的强度由0、1、2和3表示，其中0表示无积极性，1表示弱阳性，2表示适度积极，3表示强烈积极。5.根据权利要求3所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：所述积极染色细胞的分布由0、1、2和3表示，其中0表示无分布，1表示1％～10％，2表示11％～50％，3表示51％～80％，4表示81％～100％。6.根据权利要求1所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：所述PKM2的低表达组样本数为441，高表达组样本数为65。7.根据权利要求1所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：在步骤200中，所述免疫组化方法评估的原发性肺腺癌组织标本取自福尔马林固定的石蜡包埋的肺腺癌组织。8.根据权利要求1所述的一种肺癌中PKM2与癌细胞PD-L1相关性的判断方法，其特征在于：在步骤300中，所述统计分析包括如下方法：使用SPSS22.0和GraphPadPrism6.07进行统计分析，连续变量表示...

【专利技术属性】
技术研发人员：郭昌莹，钭方芳，毛伟敏，匡裕康，李朝，邹斌，徐鹏飞，王欢元，金会，
申请(专利权)人：郭昌莹，
类型：发明
国别省市：