免疫治疗的预测方法及系统技术方案

本发明专利技术实施例涉及治疗预测技术领域，公开了一种免疫治疗的预测方法，包括：接收特定基因组的基因表达量，所述特定基因组包括泛素结合酶E2C、角蛋白6A、IRX2和CD3D；将所述特定基因组中各个基因片段的基因表达量输入至风险预测模型进行评分预测以得到相应的治疗评分；根据所述治疗评分与预先确定的评分标准进行数据比对以确定免疫治疗效果。本发明专利技术实施例中免疫治疗的预测方法通过针对特定基因组构建风险预测模型来完成预测免疫治疗的能力，其只需要采用四种基因片段即可完成模型构建，并且其在计算方面也更加便捷快速，在评估免疫治疗反应方面具有较大的应用价值。反应方面具有较大的应用价值。反应方面具有较大的应用价值。

【技术实现步骤摘要】
免疫治疗的预测方法及系统


[0001]本专利技术涉及治疗预测
，具体涉及一种免疫治疗的预测方法及系统。

技术介绍

[0002]免疫治疗极大地改变了非小细胞肺癌治疗的格局。在各种免疫治疗中，免疫检查点抑制剂通过重新激活免疫系统以消除癌细胞，表现出良好的抗肿瘤反应。然而，只有少数肺癌患者能从免疫检查点抑制剂治疗中获益，在PD
‑
L1表达大于50％的晚期肺癌患者中，免疫治疗总缓解率约为40％。并且包括PD
‑
L1表达、TMB和MSI在内的多种因素会影响免疫治疗效果；然而，它们都不能单独有效地预测免疫治疗的益处，这突显了对新的生物标志物的需求。
[0003]最近，肿瘤微环境被证明对肿瘤生长和对免疫检查点抑制剂治疗的反应有很强的影响。Jiang P等人基于肿瘤微环境中的T细胞免疫状态与功能构建了TIDE模型以预测免疫治疗反应。对比传统的PD
‑
L1表达、TMB等，TIDE模型具有更高的预测准确性，高达80％。但是TIDE模型需要对肿瘤组织进行全转录组测序才能预测患者的免疫治疗疗效，计算复杂，难以广泛应用于临床。此外，TIDE模型只关注了T细胞，并不能反应肿瘤微环境的复杂性。因此，更深入地了解肿瘤微环境可能有助于发现用于肺癌免疫治疗的分子标志物，从而构建一个简单而有效的临床预测模型成为本领域技术人员亟待解决的技术问题。

技术实现思路

[0004]针对所述缺陷，本专利技术实施例公开了一种免疫治疗的预测方法，其能够更好的实现对肺癌免疫治疗疗效的预测，并且方便用于临床。
[0005]本专利技术实施例第一方面公开了免疫治疗的预测方法，包括：
[0006]接收特定基因组的基因表达量，所述特定基因组包括泛素结合酶E2C、角蛋白6A、IRX2和CD3D；
[0007]将所述特定基因组中各个基因片段的基因表达量输入至风险预测模型进行评分预测以得到相应的治疗评分；
[0008]根据所述治疗评分与预先确定的评分标准进行数据比对以确定免疫治疗效果。
[0009]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述风险预测模型通过如下步骤构建得到：
[0010]获取训练数据集；所述训练数据集包括TCGA数据集、GSE72094数据集和GSE42127数据集；
[0011]对所述训练数据集进行一致性聚类以识别肺腺癌亚型，并对肺腺癌亚型进行差异性表达分析以筛选与免疫相关的多种差异基因；
[0012]针对多种所述差异基因采用回归分析以完成候选基因的筛选以及候选基因在风险预测模型中的回归系数；并基于所述预后基因以及回归系数构建风险预测模型，其中，所述回归分析包括单因素COX回归、LASSO回归和多因素cox回归分析。
[0013]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对肺腺癌亚型进行差异性表达分析以识别与免疫相关的多种差异基因，包括：
[0014]对所识别的肺腺癌亚型进行差异性表达分析以识别与免疫相关的146个差异基因。
[0015]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述训练数据集进行一致性聚类以识别肺腺癌亚型，并对肺腺癌亚型进行差异性表达分析以筛选与免疫相关的多种差异基因，包括：
[0016]对多个肺癌患者和多个参考人的转录谱表达数据进行相似性分析，以确定多个肺腺癌亚型；
[0017]将所述多个肺腺癌亚型分别与多个参考人进行差异性表达基因分析，确定多个肺腺癌亚型各自的差异表达基因；
[0018]比较所述多个肺腺癌亚群的差异表达基因的表达状态，选择所述多个肺腺癌亚群中有较多的免疫抑制基因处于高表达状态的肺腺癌亚群作为待选肺腺癌亚群，其中，所述高表达状态是指免疫抑制基因的表达值大于所述多个参考人的所述免疫抑制基因的表达值；
[0019]从所述待选肺腺癌亚群的差异表达基因中筛选与免疫相关的多种差异基因。
[0020]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述风险预测模型包括风险预测公式，所述风险预测公式为：
[0021]Z＝x1×
0.177738+x2×
0.110354+x3×
(
‑
0.112574)+x4×
(
‑
0.250127)，其中，
[0022]0.177738、0.110354、
‑
0.112574、
‑
0.250127均为回归系数，x1为泛素结合酶E2C对应的基因表达量，x2为角蛋白6A对应的基因表达量，x3为IRX2对应的基因表达量，x4为CD3D对应的基因表达量，Z为治疗评分。
[0023]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述评分标准通过如下步骤获取得到：
[0024]获取训练数据集中所有的候选基因的治疗评分；
[0025]根据所有的治疗评分以确定其对应的中位数；并将中位数作为评分标准中的比对参数。
[0026]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述中位数的数值为0.967208。
[0027]本专利技术实施例第二方面公开一种免疫治疗的预测系统，包括：
[0028]接收模块：用于接收特定基因组的基因表达量，所述特定基因组包括泛素结合酶E2C、角蛋白6A、IRX2和CD3D；
[0029]评分预测模块：用于将所述特定基因组中各个基因片段的基因表达量输入至风险预测模型进行评分预测以得到相应的治疗评分；
[0030]结果确定模块：用于根据所述治疗评分与预先确定的评分标准进行数据比对以确定免疫治疗效果。
[0031]本专利技术实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本专利技术实施例第一方面公开的免疫治疗的预测方法。
[0032]本专利技术实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本专利技术实施例第一方面公开的免疫治疗的预测方法。
[0033]与现有技术相比，本专利技术实施例具有以下有益效果：
[0034]本专利技术实施例中免疫治疗的预测方法通过针对特定基因组构建风险预测模型来完成预测免疫治疗的能力，其只需要采用四种基因片段即可完成模型构建，并且其在计算方面也更加便捷快速，在评估免疫治疗反应方面具有较大的应用价值。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术实施例公开的免疫治疗的预测方法的流程示意图；
[0037]图2是本专利技术实施例公开的免疫治疗的预测方法的具体流程示意图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种免疫治疗的预测方法，其特征在于，包括：接收特定基因组的基因表达量，所述特定基因组包括泛素结合酶E2C、角蛋白6A、IRX2和CD3D；将所述特定基因组中各个基因片段的基因表达量输入至风险预测模型进行评分预测以得到相应的治疗评分；根据所述治疗评分与预先确定的评分标准进行数据比对以确定免疫治疗效果。2.如权利要求1所述的免疫治疗的预测方法，其特征在于，所述风险预测模型通过如下步骤构建得到：获取训练数据集；所述训练数据集包括TCGA数据集、GSE72094数据集和GSE42127数据集；对所述训练数据集进行一致性聚类以识别肺腺癌亚型，并对肺腺癌亚型进行差异性表达分析以筛选与免疫相关的多种差异基因；针对多种所述差异基因采用回归分析以完成候选基因的筛选以及候选基因在风险预测模型中的回归系数；并基于所述预后基因以及回归系数构建风险预测模型，其中，所述回归分析包括单因素COX回归、LASSO回归和多因素cox回归分析。3.如权利要求2所述的免疫治疗的预测方法，其特征在于，所述对肺腺癌亚型进行差异性表达分析以识别与免疫相关的多种差异基因，包括：对所识别的肺腺癌亚型进行差异性表达分析以识别与免疫相关的146个差异基因。4.如权利要求2所述的免疫治疗的预测方法，其特征在于，所述对所述训练数据集进行一致性聚类以识别肺腺癌亚型，并对肺腺癌亚型进行差异性表达分析以筛选与免疫相关的多种差异基因，包括：对多个肺癌患者和多个参考人的转录谱表达数据进行相似性分析，以确定多个肺腺癌亚型；将所述多个肺腺癌亚型分别与多个参考人进行差异性表达基因分析，确定多个肺腺癌亚型各自的差异表达基因；比较所述多个肺腺癌亚群的差异表达基因的表达状态，选择所述多个肺腺癌亚群中有较多的免疫抑制基因处于高表达状态的肺腺癌亚群作为待选肺腺癌亚群，其中，所述高表达状态是指免疫抑制基因的表达值大于所述多个参考人的所述免疫抑制基因的表达值；从所述待选肺腺癌亚群的差异表达基因中筛选与免疫相关的多种差异基因...

【专利技术属性】
技术研发人员：刘来昱，黄基鸿，袁璐，黄文棋，官键，朱晓娣，
申请(专利权)人：刘来昱，
类型：发明
国别省市：