预测肺腺癌患者小细胞转化风险的模型及其建立方法技术

本发明专利技术公开了一种预测肺腺癌患者小细胞转化风险的模型及其建立方法，所述预测肺腺癌患者小细胞转化风险的模型包括检测肺腺癌患者肿瘤样本中COL6A6、CASP12、HHIP、ZBTB16、BIRC3和GATA2的mRNA表达量。所述模型的建立方法，包括mRNA的提取和数据处理、连续变量的二分类化、二分类化变量的变量筛选和模型构建。本发明专利技术提供的模型对患者小细胞癌转化风险诊断的准确性优于参与模型构建的单个mRNA，且本发明专利技术构建的模型有助于对患者进行个性化管理，对于高打分患者即转化风险较大的患者，应当增加耐药监测频次，必要时进行二次活检确认是否发生小细胞转化，从而有效地对临床应用进行指导。导。导。

【技术实现步骤摘要】
预测肺腺癌患者小细胞转化风险的模型及其建立方法


[0001]本专利技术属于生物
，尤其涉及预测肺腺癌患者小细胞转化风险的模型及其建立方法。

技术介绍

[0002]与传统的化疗相比，以酪氨酸激酶抑制剂（tyrosine kinase inhibitor，TKI）为代表的小分子靶向治疗在驱动基因阳性非小细胞肺癌尤其是肺腺癌（lung adenocarcinoma，LUAD）的治疗中取得了更好的疗效。然而患者在TKI治疗约1年后将不可避免地出现耐药现象。常见的耐药机制包括：驱动基因的二次突变，如表皮生长因子受体（epithelial growth factor receptor，EGFR）基因发生T790M耐药突变；非驱动基因的改变，如MET基因扩增；上皮间质转化；病理类型转化等。其中EGFR突变型LUAD患者向小细胞肺癌（small cell lung cancer，SCLC）的病理类型转化代表了一种罕见的耐药机制，在EGFR突变型LUAD中发生率约为3
‑
14%。
[0003]近年来，已有研究从基因组、表观遗传组及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测肺腺癌患者小细胞转化风险的模型，其特征在于：包括检测肺腺癌患者肿瘤样本中COL6A6、CASP12、HHIP、ZBTB16、BIRC3和GATA2的mRNA表达量。2.一种如权利要求1所述预测肺腺癌患者小细胞转化风险模型的建立方法，其特征在于，包括：S1、mRNA的提取和数据处理从肺腺癌患者肿瘤样本中提取mRNA，对提取mRNA进行定量和质量检测，并测定提取mRNA的表达量，将获得数据与参考mRNA进行归一处理，备用；S2、连续变量的二分类化以结合病史和组织学定义的标本类型为金标准，之后以连续的提取mRNA表达量为待测变量，通过ROC法确定待测变量的最佳界值，并根据最佳界值将患者分为低表达组和高表达组，实现连续变量的二分类化；S3、二分类化变量的变量筛选和模型构建以二分类化的连续变量为自变量，以结合病史和组织学定义的标本类型为因变量进行单因素逻辑回归，筛选提取mRNA中同时满足ROC法和单因素逻辑回归分析具有统计学意义，且在最佳界值分组下两组人数均衡的二分类化的连续变量进行模型构建。3.根据权利要求2所述的建立方法，其特征在于：所述的提取mRNA为肺腺癌患者肿瘤样本中730个mRNA的表达量。4.根据权利要求2所述的建立方法，其特征在于：模型构建时，定义高表达为1，低表达为0，所述标本类型中发生小细胞转化患者的腺癌标本定义为1，未发生小细胞转化患者的腺癌标本定义为0，采用十折交叉验证确定最小交叉验证误差和最终模型。5.根据权利要求4所述的建立方法，其特征在于：所述最终模型的得分为二分类mRNA表达与各自系数乘积的总和与截距项之和。6.根据权利要求2所述的建立方法，其特征在于：还包括检验独立预测价值，所述检验独立预测价值包括通过构建的模型对每个患者打分，并根据中位值进行风险高低的划分。7.根据权利要求6所述的建立方法，其特征在于：所述检验独立预测价值还包括对患者的年龄、性别和EGFR突变类型进行单因素逻辑回归分析以筛选混杂因素。8.一种检测肺腺癌患者肿瘤样本中COL6A6、CASP12、HHIP、ZBTB...

【专利技术属性】
技术研发人员：邢镨元，谢同济，李研，应建明，李峻岭，王守正，杨琳，
申请(专利权)人：中国医学科学院肿瘤医院，
类型：发明
国别省市：