协同药物联用的预测方法技术

一种应用计算机来确定药物联用对治疗结果的影响的方法。从基因组学数据、EHR数据和临床治疗数据可生成多个基因组和临床变量。联用第一药物和第二个药物(或生物标志物)，基于Cox比例风险模型来计算独立危险因素,累积风险比,P值，从而确定第一药物和第二药物(或生物标志物)联用对治疗疾病的作用性质。物标志物)联用对治疗疾病的作用性质。物标志物)联用对治疗疾病的作用性质。

【技术实现步骤摘要】
【国外来华专利技术】协同药物联用的预测方法

技术介绍

[0001]药物联用已广泛用于治疗疾病，包括一些最可怕的疾病，如癌症和艾滋病。通常，药物联用比单一的抗癌药物治疗有更好的治疗效果。药物联用的原则包括提高治疗效果、减少剂量和降低毒性、减少或延缓耐药性。
[0002]由于现有药物数量众多，它们治疗疾病的复杂机制(往往不为人所知)，以及复杂的药物
‑
药物相互作用，找到一种具有改善疗效、毒性和药物组合的其他特性的良好药物组合可能是极其困难的。由于资源有限，实验筛选可能的药物组合是不可行的。
[0003]需要开发较好的可靠性/准确性的药物联用性质的预测方法。

技术实现思路

[0004]本专利技术提供使用基因组数据、治疗模式和临床结果数据预测药物组合的计算机实现方法。
[0005]首先,本专利技术提供了一种药物联用对治疗结果的影响的确定方法,,所述方法包括:生成一个多元化的基因组和临床变量的组合(1)基因组学数据,(2)电子健康档案数据,和(3)临床治疗数据,在众多患者中，至少存在第一组患者使用治疗该病的一种药物，第二组患者使用治疗该病的另一种药物，第一组患者与第二组患者不完全重叠；建立多个二乘二列联表，其中行由多个基因组变量和临床变量中的每个变量的存在或不存在来定义，列由第一种药物和第二种药物中的每个药物的存在或不存在来定义；
[0006]基于Cox比例风险模型，计算第一种药物和第二种药物组合的独立危险因素、累积危险比和p值；确定作为一种相加性，增效剂或拮抗剂来治疗疾病第一种药物和第二种药物的组合的性质。
[0007]其次,本专利技术提供一种方法确定药物对疾病的治疗效果,包括步骤:生成一个多元化的基因组和临床变量的组合，(1)基因组学数据,(2)电子健康档案数据,和(3)临床治疗数据。在众多患者中，一部分(但不是全部)患者使用一个共同的生物标志物，一部分(但不是全部)患者使用同一种药物治疗一种疾病；基于基因组和临床变量的多样性和一个二乘二列联表，表示以下组合:
[0008](1)使用该生物标记物并曾使用该药物治疗的患者人数；
[0009](2)使用该生物标记物但未使用该药物治疗的患者人数；
[0010](3)未使用该生物标记物并曾使用该药物治疗的患者人数；
[0011](4)未使用该生物标志物和未使用该药物治疗的患者人数，使用Cox比例风险模型计算独立危险因素、累积危险比和药物与该生物标志物联合使用的p值；确定药物和生物标记物结合作为一种相加性，协同和拮抗治疗疾病的性质。
[0012]除此之外,本研究提供了一种方法,确定药物组合对治疗结果的影响,该方法包括:生成一个多元化的基因组和临床变量的组合(1)基因组学数据,(2)电子健康档案数据,和(3)临床治疗数据。众多患者中，至少存在第一组患者使用治疗该病的一种药物，第二组患者使用治疗该病的另一种药物，第三组患者使用治疗该病与前面两组不同的第三种药
物，第一组患者、第二组患者、第三组患者与其他任一组患者不完全重叠。建立多个二乘二列联表，其中行由多个基因组和临床变量中的每个变量的存在或不存在定义，列由第一、第二和第三种药物中的每个药物的存在或不存在定义；基于Cox比例风险模型,计算独立危险因素,累积风险比,并推出各个药物组合的假定P值，确定第一、第二和第三种药物的所有可能的二元组合在治疗疾病时的加性、协同性和拮抗性。
[0013]在一些实施例中，首次获得患者肿瘤的全外显子组(WES)和转录组(RNA
‑
Seq)序列。对测序数据进行生物信息学分析，为每个癌症患者提供特定的基因组特征，如基因表达、杂合性缺失(LOH)、拷贝数改变(CNA)、体细胞和种系突变、微卫星不稳定性(MSI)、肿瘤突变负担(TMB)、染色体变异(Chromosomal Variation)、突变标记，人类白细胞抗原分型(HLA)和人类病原体。人口统计、肿瘤类型/特征(生物标记、分期、病理)、治疗(处方、手术、放疗、诊断成像、副作用/不良事件)和可以从真实的临床电子健康记录(EHR)中获得长期生存结果临床变量。
[0014]本文公开的方法的任何步骤或方面都可以在使用一个或多个计算机处理器的计算机上执行。就如某些实施例所示。
附图说明
[0015]图1是全面基因组生物信息学分析全外显子组测序(WES)的数据处理流程图。
[0016]图2是转录组测序RNA
‑
seq管道(RNA
‑
seq)数据处理流程图。
[0017]图3是说明根据本专利技术一实施例的临床高通量测序和生物信息学分析的流程图。
[0018]图4是一个流程图，依据本专利技术一实施例说明了真实世界临床电子健康记录(EHR)收集、临床数据输入和长期随访跟踪。
[0019]图5是一个流程图，依据本专利技术一实施例说明了基因组学数据与现实世界的治疗模式和临床结果特征数据库和分析工作流程相匹配的基因组学数据。
[0020]图6是计算设备的示例体系结构，本专利技术所述方法的步骤可在其上实现或操作。
[0021]图7是使用PD
‑
1/PD
‑
L1抑制剂联合乐伐替尼治疗某些中国肝细胞癌和肝内胆管细胞癌患者的真实生存数据，以及本专利技术所述方法的评估。
[0022]图8是在某些中国肝细胞癌、胆管癌、胶质瘤、肺腺癌和软组织肉瘤患者中使用带有HLA
‑
B*15:01因子的PD
‑
1/PD
‑
L1抑制剂治疗的真实生存数据，以及通过本专利技术所述方法进行的评估。
具体实施方式
[0023]现在将结合相关附图和实施例，详细说明本专利技术。
[0024]首先,本研究提供了一种方法,确定药物组合对治疗结果的影响,包括:生成一个多元化的每个患者的以下基因组和临床变量的组合，(1)基因组学数据,(2)电子健康档案数据,和(3)临床治疗数据,在众多患者中，至少存在第一组患者使用治疗该病的一种药物，第二组患者使用治疗该病的另一种药物，第一组患者与第二组患者不完全重叠。建立多个二乘二列联表，其中行由多个基因组变量和临床变量中的每个变量的存在或不存在来定义，列由第一种药物和第二种药物中的每个药物的存在或不存在来定义；基于Cox比例风险模型，计算第一种药物和第二种药物组合的独立危险因素、累积危险比和p值；确定治疗该
疾病作为一种相加性，增效剂和拮抗剂后第一种药物和第二种药物的组合的特性。
[0025]其次,本专利技术提供了一种方法,确定药物组合对治疗结果的影响,包括:生成一个多元化的每个患者的以下基因组和临床变量的组合(1)基因组学数据,(2)电子健康档案数据,和(3)临床治疗数据,在众多患者中，至少存在第一组患者使用治疗一疾病的一种药物，第二组患者使用治疗该病的另一种药物，第三组患者使用治疗该病与前面两组不同的第三种药物，第一组患者、第二组患者、第三组患者分别与其他组患者均不完全重叠。建立多个二乘二列联表，其中行由多个基因组变量和本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种应用计算机来确定药物联用对治疗结果影响的方法，包括以下步骤:从(1)基因组学数据、(2)EHR数据和(3)临床治疗数据的组合中生成多个基因组和临床变量用于每一个患者；其中患者组至少分成两组，其中一组至少使用一种药物治疗一种疾病,另一组至少使用一种不同的药物治疗相同的疾病,第一组患者与第二组患者不完全重叠；基于基因组和临床变量的多样性，以及一个2
×
2列联表，该表表示四种不同治疗组合中的患者数量，包括(1)同时接受第一种药物和第二种药物治疗的患者数量，(2)接受第一种药物而没有接受第二种药物治疗的患者数量,(3)接受第二种药物而没有接受第一种药物治疗的患者数量,(4)没有接受第一种药物或第二种药物治疗的患者数量，使用Cox比例风险模型计算第一种药物和第二种药物联用的独立危险因素、累积危险比和p
‑
值；和确定第一种药物和第二种药物联用后在治疗疾病方面具有相加性、协同性或拮抗性。2.如权利要求1所述方法，其特征在于，所述方法进一步包括，如果确定第一种药物和第二种药物的组合是协同的，则在一组受试者上对第一种药物和第二种药物的组合进行治疗疾病的临床试验。3.如权利要求1所述方法，其特征在于，所述基因组和临床变量包括以下一种:基因表达、杂合性缺失(LOH)、拷贝数改变(CNA)、体细胞和种系突变、微卫星不稳定性(MSI)、肿瘤突变负担(TMB)、染色体变异、突变信号、人类白细胞抗原分型(HLA)和人类病原体。4.一种应用计算机实现的确定药物对治疗结果影响的方法，包括以下步骤:从每个患者的(1)基因组学数据、(2)EHR数据和(3)临床治疗数据的组合中生...

【专利技术属性】
技术研发人员：许强，王冠，张翼，毋冰，
申请(专利权)人：启东领星医学检验实验室有限公司上海领安生物科技有限公司，
类型：发明
国别省市：