基于免疫相关细胞对的黑素瘤预后预测方法及系统技术方案

本发明专利技术公开了基于免疫相关细胞对的黑素瘤预后预测方法及系统，通过用免疫相关细胞对的免疫相关风险替代基因表达谱，结合剔除冗余特征的临床预后信息，从临床指标和免疫微环境两个层面建立预后预测模型，再以该预后预测模型进行预测。相比现有技术，由于免疫相关细胞对的免疫相关风险在进行免疫微环境评估时，用相对大小代替绝对大小，能有效解决批次效应产生的误差，此外，本发明专利技术还从多个临床预后信息中筛选出非特征冗余的临床关键特征与所述免疫相关细胞对的免疫相关风险配合使用，能以最少的特征数据实现高准确率的预后预测，进一步减少预测的计算机资源消耗。减少预测的计算机资源消耗。减少预测的计算机资源消耗。

【技术实现步骤摘要】
基于免疫相关细胞对的黑素瘤预后预测方法及系统


[0001]本专利技术涉计算机辅助诊断
，尤其基于免疫相关细胞对的黑素瘤预后预测方法及系统。

技术介绍

[0002]黑色素瘤患者的预后预测是指通过黑色素瘤患者的症状、体征或者生理参数来预测黑色素瘤患者的生存曲线或者病情发展过程。
[0003]现有的黑色素瘤患者的预后预测一般利用黑素瘤免疫微环境相关特征基因进行预测，该方法从TCGA官网收集黑色素瘤患者表达谱，并使用Estimate算法计算免疫浸润评分，将黑色素瘤患者分为高低两组，并使用R包limma，以基因变化倍数>1.5，P值小于0.05为临界值，筛选得到差异基因。剔除无生存信息样本，将53个与免疫微环境相关的基因进行单因素 Cox回归分析，多因素Cox回归分析，确认了4个与生存期相关的基因，并进行Lasso回归，得到CR1，CD97两个基因；在利用多因素Cox风险回归分析得到两个基因的相关系数，构建出预后评分RiskScore＝系数
CR1
*表达量
CR1
+系数
CD97
*表达量
CD97
[1]。
[0004]该方法虽然能预测黑色素瘤患者的生存概率，但仍存在以下缺陷：
[0005]①
生存曲线P值小于0.05为有统计学差异，由图2可知该模型在某些验证集在生存曲线中并不能满足上述条件，且ROC曲线的AUC在TCGA—SKCM的评估中，AUC均未大于0.7，预测效果较差。
[0006]②/>作者推断上述基因通过增强B细胞浸润，提高抗肿瘤能力，并未涉及免疫微环境其他免疫细胞的分析，从肿瘤浸润细胞角度预测生存率的能力有限。
[0007]③
riskScore的指标仅为两个基因的表达量乘以相关系数，如果取自两批不同的测序实验，则会有批次效应产生的误差，运用在临床上则会产生较大误差。且可能受到测量方法不同和基因注释带来的误差。
[0008]为了解决预测效果差的问题，有学者提出：将从TCGA中提取的471例样本，随机分为训练集(314例)和测试集(154例)，提取29个免疫细胞相关基因集，即707个与免疫微环境相关的基因。利用ssGSEA分析29个免疫相关基因集的相对丰度，运用层次聚类，将样本分为三个亚型，高免疫浸润，中免疫浸润，低免疫浸润。使用R包limma进行高组和低组之间的差异基因分析，筛选指标为基因变化倍数>1.5，假阳性率＜0.01。筛选出的差异基因采用单因素Cox 回归，筛选指标为P小于0.05，筛选出与预后相关的260个差异基因，使用Lasso回归，参数设置nfold＝10,maxit＝1000，确定5个核心基因KLRK1、KIR2DL4、IL18RAP、KIR3DL1和IL27， riskscore的计算公式如下：
[0009]riskScore＝(
‑
0.223747467348802
×
表达量
KLRK1
)+(
‑
0.0396703042539578
×
表达量
KIR2DL4
)+(
‑
0.0188532070987305
×
表达量
IL18RAP
)+(
‑
0.280680702726008
×
表达量
KIR3DL1
)+(
‑
0.32145755755514
×
表达量
IL27
).
[0010]在TCGA数据库中提取了SKCM患者的临床病理信息，进行单因素Cox回归和多因素 Cox回归以P<0.05为筛选条件，选取与预后相关的临床指标，利用临床指标和riskScore构
建 Nomogram模型，预测生存率[2]。
[0011]该方案虽然能一定程度提高预后预测的准确率，却仍然不能解决批次效应产生的误差，且可能受到测量方法不同和基因注释带来的误差。
[0012][1]田毅,潘意,向丽萍,刘宁,刘文,魏露,杨志波.黑素瘤免疫微环境相关特征基因预后风险评分模型的构建[J/OL].中国皮肤性病学杂志 1
‑
14[2022
‑
05
‑
08].DOI:10.13735/j.cjdv.1001
‑
7089.202110166.
[0013][2]TianQ,GaoH,Zhao W,ZhouY,Yang J.Developmentandvalidationofan immune gene set
‑
basedprognostic signature incutaneous melanoma.Future Oncol.2021Nov；17(31):4115
‑
4129. doi:10.2217/fon
‑
2021
‑
0104.Epub 2021Jul 22.PMID:34291650.

技术实现思路

[0014]本专利技术提供了基于免疫相关细胞对的黑素瘤预后预测方法及系统，用于解决现有的黑素瘤预后预测方法不能解决批次效应产生的误差，准确率低的技术问题。
[0015]为解决上述技术问题，本专利技术提出的技术方案为：
[0016]一种基于免疫相关细胞对的黑素瘤预后预测方法，包括以下步骤：
[0017]从免疫微环境中筛选出与黑色瘤预后效果相关的免疫关键特征；其中，所述免疫关键特征包括免疫相关细胞对的免疫相关风险；
[0018]以减少特征冗余，并提高准确率为目的，从所述临床预后信息中筛选与所述免疫关键特征配合使用的临床关键特征；将所述免疫关键特征与所述临床关键特征进行合并，构建关键特征集；
[0019]从历史数据中获取多个黑色素瘤患者的关键特征集及对应的预后效果值，并根据多个黑色素瘤患者的关键特征集及对应的预后效果值构建预后预测模型；
[0020]获取目标对象的关键特征集，并将所述关键特征集输入到所述预后预测模型中，得到目标对象的预后效果。
[0021]优选的，所述免疫相关细胞对的免疫相关风险通过以下公式计算得到：
[0022]IRRS＝∑ScoreA|B
×
Coef_A|B
[0023]其中，IRRS为免疫相关细胞对的免疫相关风险，ScoreA|B为免疫细胞对评分，A、B分别为体内两种不同的免疫细胞，细胞对A|B中，当A的表达量>B的表达量时，ScoreA|B记作1，当A的表达量<B的表达量时，ScoreA|B记作0；Coef_A|B为相关细胞对系数。
[0024]优选的，所述相关细胞对系数具体为：
[0025]当细胞对为效应记忆CD8+T细胞|CD56暗自然杀伤细胞时，所述相关细胞对系数为...

【技术保护点】

【技术特征摘要】
1.一种基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，包括以下步骤：从免疫微环境中筛选出与黑色瘤预后效果相关的免疫关键特征；其中，所述免疫关键特征包括免疫相关细胞对的免疫相关风险；以减少特征冗余，并提高准确率为目的，从所述临床预后信息中筛选与所述免疫关键特征配合使用的临床关键特征；将所述免疫关键特征与所述临床关键特征进行合并，构建关键特征集；从历史数据中获取多个黑色素瘤患者的关键特征集及对应的预后效果值，并根据多个黑色素瘤患者的关键特征集及对应的预后效果值构建预后预测模型；获取目标对象的关键特征集，并将所述关键特征集输入到所述预后预测模型中，得到目标对象的预后效果。2.根据权利要求1所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述免疫相关细胞对的免疫相关风险通过以下公式计算得到：IRRS＝∑ScoreA|B
×
Coef_A|B其中，IRRS为免疫相关细胞对的免疫相关风险，ScoreA|B为免疫细胞对评分，A、B分别为体内两种不同的免疫细胞，细胞对A|B中，当A的表达量>B的表达量时，ScoreA|B记作1，当A的表达量<B的表达量时，ScoreA|B记作0；Coef_AB为相关细胞对系数。3.根据权利要求2所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述相关细胞对系数具体为：当细胞对为效应记忆CD8+T细胞|CD56暗自然杀伤细胞时，所述相关细胞对系数为
‑
0.201895537；当细胞对为2型辅助T细胞|效应记忆CD8+T细胞时，所述相关细胞对系数为0.162775185；当细胞对为未成熟B细胞|效应记忆CD4+T细胞时，所述相关细胞对系数为
‑
0.167620476；当细胞对为自然杀伤T细胞|未成熟B细胞时，所述相关细胞对系数为0.376203094；当细胞对为髓样抑制细胞|单核细胞时，所述相关细胞对系数为
‑
0.146018787；当细胞对为效应记忆自然杀伤细胞|中心记忆CD8+T细胞时，所述相关细胞对系数为
‑
0.32046159。4.根据权利要求2所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述相关细胞对系数的计算方法如下：收集黑色素瘤患者的表达谱，去除无生存信息患者的表达谱，并收集所述黑色素瘤患者的临床信息；基于ssGSEA算法计算28种免疫细胞的丰度，利用单因素Cox回归筛选出与预后相关的免疫细胞，其中，有预后意义的免疫细胞是指单因素cox P小于预设第一阈值的免疫细胞；设有N种与预后相关的免疫细胞集，记为X1,X2,X3,...,X
N
，N≤28，每种免疫细胞集均包括多个同类型的免疫细胞；所有的28种免疫细胞集记为X1,X2,X3,...,X
N
,...,X
28
；将与预后相关的N种免疫细胞分别与所有的28种免疫细胞集进行配对，形成多个细胞集对，记为：X1|X1,X1|X2,...,X1X
28
,...,X
N
|X1,X
N
|X2,...,X
N
|X
28
；分别计算每个细胞集对的集配对值：
其中，对于由任意两种免疫细胞集构成的细胞集对X
i
|X
i
′
＝{x
1i
|x
1i
′
,x
1i
|x
2i
′
,...,x
1i
|x
mi
′
,...,x
mi
|x
m
′
i<...

【专利技术属性】
技术研发人员：黄凯，龙芯蕊，李鸣嘉，赵爽，陈翔，
申请(专利权)人：中南大学湘雅医院，
类型：发明
国别省市：