指示NTRK致癌融合的候选标志的鉴定制造技术

本发明专利技术涉及鉴定患者数据内指示NTRK致癌融合的一个或多个候选标志。本发明专利技术的主题是用于从与受试患者相关的患者数据确定概率值的计算机实施的方法、系统和非暂时性计算机可读存储介质，所述概率值指示受试患者患有由神经营养受体酪氨酸激酶(NTRK)基因突变所引起的癌症的概率。癌症的概率。癌症的概率。

【技术实现步骤摘要】
【国外来华专利技术】指示NTRK致癌融合的候选标志的鉴定
[0001]本专利技术涉及鉴定患者数据内指示NTRK致癌融合的一个或多个候选标志。本专利技术的主题是用于从与受试患者相关的患者数据确定概率值的计算机实施的方法、系统和非暂时性计算机可读存储介质，所述概率值指示受试患者患有由神经营养受体酪氨酸激酶(NTRK)基因突变引起的癌症的概率。
[0002]原肌球蛋白受体激酶(Trk)受体家族包含三种被称为Trk A、B和C(TrkA、TrkB和TrkC)受体的跨膜蛋白，分别由NTRK1、NTRK2和NTRK3基因编码。
[0003]这些受体酪氨酸激酶的野生型在人神经元组织中表达，并通过神经营养蛋白的激活在神经系统的生理发育和功能中发挥重要作用。
[0004]与其他基因相似，NTRK基因也会发生改变，包括融合。临床前研究表明，Trk融合蛋白通过介导组成型细胞增殖和存活来促进肿瘤发生。
[0005]NTRK致癌融合产生于染色体内或染色体间重排，将NTRK含激酶结构域的3
’
区与NTRK基因配偶体(gene partner)的5
’
区并置。
[0006]NTRK致癌融合是在各种类型的先天性和获得性癌症中观察到的罕见但复发性事件(参见例如Ed S.Kheder,David S.Hong:Emerging Targeted Therapy for Tumors with NTRK Fusion Proteins,clincancerres.aacrjournals.org,2018,DOI:10.1158/1078
‑
0432.CCR
‑
18
‑
1156的表2)。
[0007]这些遗传异常最近已成为癌症治疗的靶点，因为已开发出新化合物，它们是组成型活性重排蛋白的选择性抑制剂。在过去的几年里，已经开发了各种靶向Trk家族成员的抑制剂，并在临床试验中进行了测试(参见例如Ed S.Kheder,David S.Hong:Emerging Targeted Therapy for Tumors with NTRK Fusion Proteins,clincancerres.aacrjournals.org,2018,DOI:10.1158/1078
‑
0432.CCR
‑
18
‑
1156的表3)。具体而言，拉罗替尼(larotrectinib)和恩曲替尼(entrectinib)已成为强效、安全和有前景的Trk抑制剂。
[0008]开发这些抑制剂及其作为治疗剂的用途中的主要挑战是每个单一肿瘤组织学中的低发生率。
[0009]下一代测序提供了检测NTRK基因融合的精确方法(M.L.Metzker:Sequencing technologies
‑
the next generation,Nat Rev Genet.2010,11(1),第31
‑
46页)。然而，对每个患者进行基因分析比较昂贵，且由于NTRK致癌融合的发生率较低，效率低下。
[0010]免疫组织化学提供了检测NTRK基因蛋白表达的常规方法(例如J.F.Hechtman等人:Pan
‑
Trk Immunohistochemistry Is an Efficient and Reliable Screen for the Detection of NTRK Fusions,Am J Surg Pathol.2017,41(11),第1547
–
1551页；https://www.prnewswire.com/news
‑
releases/roche
‑
launches
‑
first
‑
ivd
‑
pan
‑
trk
‑
immunohistochemistry
‑
assay
‑
300755647.html)。然而，进行免疫组织化学需要技能，并且蛋白表达和基因融合状态之间的相关性并非微不足道。解读IHC结果需要经过培训和认证的医学专业病理学家的技能。类似的实际挑战也适用于其他分子试验，如FISH(荧光原位杂交)或PCR(聚合酶链式反应)。
[0011]本专利技术的主题解决了这个问题。
[0012]在第一方面，本专利技术提供了一种用于鉴定与受试患者相关的患者数据内指示NTRK致癌融合的一个或多个候选标志的计算机实施的方法，该方法包括：
[0013]‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
[0014]‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练，所述预测模型被配置为用于鉴定所述患者数据内NTRK致癌融合的一个或多个特征；
[0015]‑
从所述预测模型接收概率值作为输出，所述概率值指示所述受试患者患有由NTRK致癌融合所引起的癌症的概率。
[0016]在第二方面，本专利技术提供了一种系统，包括：
[0017]处理器；和
[0018]存储应用程序的存储器，所述应用程序被配置为当由所述处理器执行时，执行用于鉴定与受试患者相关的患者数据内指示NTRK致癌融合的一个或多个候选标志的操作，所述操作包括：
[0019]‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
[0020]‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练，所述预测模型被配置为用于鉴定所述患者数据内NTRK致癌融合的一个或多个特征；
[0021]‑
从所述预测模型接收概率值作为输出，所述概率值指示所述受试患者患有由NTRK致癌融合所引起的癌症的概率。
[0022]在第三方面，本专利技术提供了一种包括处理器可执行指令的非暂时性计算机可读存储介质，利用所述处理器可执行指令来执行用于鉴定与受试患者相关的患者数据内指示NTRK致癌融合的一个或多个候选标志的操作，所述操作包括：
[0023]‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
[0024]‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练，所述预测模型被配置为用于鉴定所述患者数据内NTRK致癌融合的一个或多个特征；
[0025]‑
从所述预测模型接收概率值作为输出，所述概率值指示所述受试患者患有由NTRK致癌融合所引起的癌症的概率。
[0026]下面将更具体地阐述本专利技术，而不区分本专利技术的主题。相反，以下说明旨在类似地应用于本专利技术的所有主题，而不管它们出现在哪个上下文本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于鉴定与受试患者相关的患者数据内指示NTRK致癌融合的一个或多个候选标志的计算机实施的方法，所述方法包括：
‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练，所述预测模型被配置为用于鉴定所述患者数据内NTRK致癌融合的一个或多个特征；
‑
从所述预测模型接收概率值作为输出，所述概率值指示所述受试患者患有由NTRK致癌融合所引起的癌症的概率。2.根据权利要求1所述的方法，包括以下步骤：
‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练；
‑
从所述预测模型获得概率值，所述概率值指示所述受试者患者患有由NTRK致癌融合所引起的癌症的概率；
‑
将所述概率值与一个预定阈值进行比较，从而确定比较结果；
‑
输出和/或存储所述概率值和/或所述比较结果。3.根据权利要求1所述的方法，包括以下步骤：
‑
接收患有癌症的受试患者的患者数据，所述患者数据包括所述受试患者的肿瘤组织的至少一个组织病理学图像；
‑
将所述患者数据输入到预测模型中，所述预测模型经由机器学习利用一组训练数据进行了训练；
‑
从所述预测模型获得概率值，所述概率值指示所述受试者患者患有由NTRK致癌融合所引起的癌症的概率；
‑
将所述概率值与一个预定阈值进行比较；
‑
在所述概率值等于或大于所述阈值的情况下：开始进一步的研究，以验证所述受试患者患有由NTRK致癌融合所引起的癌症的指示。4.用于鉴定与受试患者相关的患者数据内指示NTRK致癌融合的一个或多个候选标志的方法，所述方法包括以下步骤：
‑
从受试患者的苏木精和曙红染色的肿瘤组织样本的组织病理学组织玻片接收图像；
‑
使用阈值技术从图像中去除背...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：拜耳消费者护理股份有限公司，
类型：发明
国别省市：