一组用于预测乳腺癌新辅助化疗敏感性的基因标签及应用制造技术

本发明专利技术属于肿瘤基因检测技术领域，具体涉及一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的基因标签及其应用。在本发明专利技术中，基于LASSO逻辑回归获得与乳腺癌新辅助化疗敏感性相关的25个基因构成的基因标签，计算预测包含基因表达量的评分可以准确地预测乳腺癌患者使用紫杉醇和蒽环新辅助化疗的敏感性，预测患者对治疗的反应，甄别患者是否从化疗中获益，从而指导乳腺癌新辅助化疗方案的选择，避免过度治疗，并降低医疗成本。

【技术实现步骤摘要】
一组用于预测乳腺癌新辅助化疗敏感性的基因标签及应用
本专利技术属于肿瘤基因检测
，具体涉及一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的由25个基因表达量所构成的基因标签及其应用。
技术介绍
2020年全球最新癌症数据显示，乳腺癌取代肺癌成为全球第一大癌，发病率全球第一，死亡率位居女性癌症死亡的首位，严重威胁女性生命健康(InternationalAgencyforResearchonCancer:latestglobalcancerdata:cancerburdenrisesto19.3millionnewcasesand10.0millioncancerdeathsin2020,2020)。乳腺癌是一种生物学特征高度异质性的恶性肿瘤，根据分子分型不同具有不同的临床特征、治疗反应和预后(RouzierR,PerouCM,SymmansWF,etal:breastcancermolecularsubtypesresponddifferentlytopreoperativechemotherapy.clincancerres11:5678-85,2005)。预测乳腺癌的治疗敏感性，选择最有效的治疗方法以避免过度治疗，是乳腺癌精准治疗的基础。评价新辅助化疗的敏感性是临床实践中一项重要任务。新辅助化疗后获得病理完全缓解(pCR)的患者比残留疾病(RD)患者表现出更好的长期无病生存能力(HessKR,AndersonK,SymmansWF,etal:Pharmacogenomicpredictorofsensitivitytopreoperativechemotherapywithpaclitaxelandfluorouracil,doxorubicin,andcyclophosphamideinbreastcancer.JClinOncol24:4236-44,2006)。以紫杉醇和蒽环为基础的新辅助化疗是乳腺癌的标准治疗方案，但文献报道不同的乳腺癌患者使用该方案的pCR率仅为6％-30％(Gonzalez-AnguloAM,IwamotoT,LiuS,etal:Geneexpression,molecularclasschanges,andpathwayanalysisafterneoadjuvantsystemictherapyforbreastcancer.ClinCancerRes18:1109-19,2012)。识别哪些患者会获得pCR从治疗中受益，哪些患者治疗获益的可能性很低或没有，使他们规避该方案化疗的毒性，更早地应用替代方法非常重要。文献已报道有多种生物标志物可以预测化疗疗效，但多数只能预测对单个药物的敏感性。国外有学者开发出多基因生物标志物(基因标签)如OncotypeDx,MammaPrint,PAM50,EndoPredict,GenomicGradeIndex(GGI)来预测联合化疗是否可减少患者复发风险(KwaM,MakrisA,EstevaFJ:Clinicalutilityofgene-expressionsignaturesinearlystagebreastcancer.NatRevClinOncol14:595-610,2017)。但这些方法预测化疗疗效不理想，临床应用价值低。其中仅OncotypeDx基因标签被美国国家综合癌症网络(NCCN)乳腺癌小组推荐用于淋巴结阴性乳腺癌以识别哪些患者需给予辅助化疗来降低复发风险。但迄今为止，还没有开发出临床可用的预测乳腺癌新辅助化疗效果，即预测能否获得病理完全缓解(pCR))，用于指导乳腺癌患者选择化疗方案的基因标签。
技术实现思路
为了解决上述技术问题，本专利技术的目的之一在于提供一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的基因标签。为了实现本专利技术的目的，本专利技术采用了以下技术方案：一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的基因标签，该基因标签由ADAMDEC1，CCL18，CD79A，CD96，CXCL13，DIRAS3，ERBB4，EVL，GAMT，GBP1，GFRA1，GZMB，HSPB8，IGHM，IRS1，ITK，LOC102723479，MAPT，PADI2，RLN2，SEL1L3，SERPINA5，STC2，STK32B和SYBU共25个基因组成。进一步的，以LASSO逻辑回归模型构建包含所述基因标签中各基因表达量的用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式。进一步的，用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式为：分值＝ADAMDEC1表达量×(0.0032～0.0033)+CCL18表达量×(0.0457～0.0458)+CD79A表达量×(8.6115～8.6116)+CD96表达量×(6.2220～6.2221)+CXCL13表达量×(-0.5851～-0.5852)+DIRAS3表达量×(-6.0819～-6.0820)+ERBB4表达量×(1.7290～1.7291)+EVL表达量×(-1.7036～-1.7037)+GAMT表达量×(-8.8489～-8.8490)+GBP1表达量×(-0.7646～-0.7647)+GFRA1表达量×(-0.1159～-0.1160)+GZMB表达量×(-0.0752～-0.0753)+HSPB8表达量×(-1.2886～-1.2887)+IGHM表达量×(-1.3731～-1.3732)+IRS1表达量×(0.2500～0.2501)+ITK表达量×(-2.3029～-2.3030)+LOC102723479表达量×(0.3854～0.3855)+MAPT表达量×(0.2861～0.2862)+PADI2表达量×(0.7831～0.7832)+RLN2表达量×(-1.5620～-1.5621)+SEL1L3表达量×(-2.9842～-2.9843)+SERPINA5表达量×(0.2565～0.2566)+STC2表达量×(0.4303～0.4304)+STK32B表达量×(-1.2839～-1.2840)+SYBU表达量×(-0.7062～-0.7063)。式中，表达量没有单位。进一步的，用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式为：分值＝ADAMDEC1表达量×0.00321747620626765+CCL18表达量×0.0457079749167309+CD79A表达量×8.61152358256599+CD96表达量×6.22205851428899+CXCL13表达量×(-0.585126092824241)+DIRAS3表达量×(-6.08198493202845)+ERBB4表达量×1.72908010036751+EVL表达量×(-1.70368931131805)+GAMT表达量×(-8.84896004120253)+GBP1表达量×(-0.764626193845283)+GFRA1表达量×(-0.115908259316488)+GZMB表达量×(-0.0752619689246本文档来自技高网...

【技术保护点】
1.一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的基因标签，该标签由25个基因构成，所述基因名称分别为：ADAMDEC1，CCL18，CD79A，CD96，CXCL13，DIRAS3，ERBB4，EVL，GAMT，GBP1，GFRA1，GZMB，HSPB8，IGHM，IRS1，ITK，LOC102723479，MAPT，PADI2，RLN2，SEL1L3，SERPINA5，STC2，STK32B和SYBU。/n

【技术特征摘要】
1.一组用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的基因标签，该标签由25个基因构成，所述基因名称分别为：ADAMDEC1，CCL18，CD79A，CD96，CXCL13，DIRAS3，ERBB4，EVL，GAMT，GBP1，GFRA1，GZMB，HSPB8，IGHM，IRS1，ITK，LOC102723479，MAPT，PADI2，RLN2，SEL1L3，SERPINA5，STC2，STK32B和SYBU。


2.如权利要求1所述的基因标签，其特征在于：以LASSO逻辑回归模型构建包含所述基因标签中各基因表达量的用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式。


3.如权利要求1或2所述的基因标签，其特征在于：用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式为：分值＝ADAMDEC1表达量×(0.0032～0.0033)+CCL18表达量×(0.0457～0.0458)+CD79A表达量×(8.6115～8.6116)+CD96表达量×(6.2220～6.2221)+CXCL13表达量×(-0.5851～-0.5852)+DIRAS3表达量×(-6.0819～-6.0820)+ERBB4表达量×(1.7290～1.7291)+EVL表达量×(-1.7036～-1.7037)+GAMT表达量×(-8.8489～-8.8490)+GBP1表达量×(-0.7646～-0.7647)+GFRA1表达量×(-0.1159～-0.1160)+GZMB表达量×(-0.0752～-0.0753)+HSPB8表达量×(-1.2886～-1.2887)+IGHM表达量×(-1.3731～-1.3732)+IRS1表达量×(0.2500～0.2501)+ITK表达量×(-2.3029～-2.3030)+LOC102723479表达量×(0.3854～0.3855)+MAPT表达量×(0.2861～0.2862)+PADI2表达量×(0.7831～0.7832)+RLN2表达量×(-1.5620～-1.5621)+SEL1L3表达量×(-2.9842～-2.9843)+SERPINA5表达量×(0.2565～0.2566)+STC2表达量×(0.4303～0.4304)+STK32B表达量×(-1.2839～-1.2840)+SYBU表达量×(-0.7062～-0.7063)。


4.如权利要求3所述的基因标签，其特征在于：用于预测乳腺癌紫杉醇和蒽环新辅助化疗敏感性的评分公式为：分值＝ADAMDEC1表达量×0.00321747620626765+CCL18表达量×0.0457079749167309+CD79A表达量×8.61152358256599+CD96表达量×6.22205851428899+CXCL13表达量×(-0.585126092824241)+DIRAS3表达量×(-6.08198493202845)+ERBB4表达量×1.72908010036751+EVL表达量×(-1.70368931131805)+GAMT表达量×(-8.84896004120253)+GBP1表达量×(-0.764626193845283)+GFRA1表达量×(-0.115908259316488)+GZMB表达量×(-0.0752619689246736)+HSPB8表达量×(-1.28866942797256)+IGHM表达量×(-1.37319937849059)+IRS1表达量×0.250096649476748+ITK表达量×(-2.30297033083433)+LOC102723479表达量×0.385454564188641+MAPT表达量×0.286187494306212+PADI2表达量×0.783128470665541+RLN2表达量×(-1.56204367828805)+SEL1L3表达量×(-2.98426861278556)+SERPINA5表达量×0.25651424658033+STC2表达量×0.430345120497431+STK32B表达量×(-1.28399430856461)+SYBU表达量×(-0.706...

【专利技术属性】
技术研发人员：杨武林，傅昌芳，刘雨，戴海明，王宏志，
申请(专利权)人：中国科学院合肥物质科学研究院，中国科学院合肥肿瘤医院，
类型：发明
国别省市：安徽;34