宫颈癌甲基化相关长链非编码RNA预后及免疫治疗疗效预测模型的构建方法和用途技术

本发明专利技术开发并公开宫颈癌甲基化相关长链非编码RNA预后及免疫治疗疗效预测模型的构建方法和用途。采用Pearson相关性算法筛选RNA甲基化相关lncRNAs。单因素及多因素回归分析构建宫颈癌RNA甲基化相关IncRNA的预后模型。绘制ROC及Kaplan

【技术实现步骤摘要】
宫颈癌甲基化相关长链非编码RNA预后及免疫治疗疗效预测模型的构建方法和用途


[0001]本专利技术涉及生物医学
，尤其涉及宫颈癌甲基化相关长链非编码RNA预后及免疫治疗疗效预测模型的构建方法。

技术介绍

[0002]宫颈癌(CC)是女性第四大最常见的癌症，最新研究报告指出每年约有57万个新发病例和31万个死亡病例。目前，手术或者放化疗是宫颈癌最初的治疗模式。近年来，结合综合的治疗方法(包括手术、化放疗和免疫疗法)，晚期宫颈癌患者的临床预后虽明显改善，但仍不乐观。晚期宫颈癌患者的5年生存率仅有17％。鉴于宫颈癌对妇女的健康和生命构成严重威胁，确定有用的预测性生物标志物和治疗目标似乎势在必行。
[0003]晚期或转移性宫颈癌的预后很差。以前的研究发现，在宫颈癌的癌前病变和鳞状细胞癌中存在高危HPV感染和PD
‑
L1表达升高有关。PD
‑
L1高表达的患者预后较差。一些临床研究证明了PD
‑
1/PD
‑
L1抑制剂的初步安全性和有效性。目前正在进行的单药治疗和联合治疗试验，使用不同的免疫检查点抑制剂、聚腺苷二磷酸核糖聚合酶抑制剂、肿瘤血管生成抑制剂(即贝伐珠单抗)、抗体药物结合物、治疗性疫苗和肿瘤浸润性T淋巴细胞(采用免疫疗法)。这些新模式中的一些也正在与标准的铂类化疗方案进行联合评估。目前，pembrolizumab被批准用于治疗一线化疗后复发或转移的程序性死亡配体1(PD
‑
L1)阳性宫颈癌。总之，免疫疗法，特别是免疫检查点抑制剂(ICI)在晚期实体瘤中取得了初步成功，而在晚期或转移性宫颈癌中的疗效和安全性仍有待探索。探索一种能够预测宫颈癌患者免疫治疗疗效的分子标志物，对应提高免疫治疗效果及安全性具有重要的意义。
[0004]N6
‑
甲基腺苷(m6A)、N1
‑
甲基腺苷(m1A)和5
‑
甲基胞嘧啶(m5C)及N7
‑
甲基鸟苷(m7G)是RNA甲基化最常见的类型。RNA甲基化的改变通过与lncRNAs相互作用对特定的生物过程产生影响。另一方面，lncRNAs也可以影响参与RNA甲基化修饰的基因的功能。RNA修饰在癌症进展中具有重要的调节功能，这些改变可能为癌症诊断和治疗提供新的生物标志物近期研究表明：RNA甲基化与促进癌细胞增殖、侵袭性和转移有关。研究发现m6A与肿瘤的增殖、迁移和耐药性有关，并被确定为肿瘤的预后标志物。在HCC组织中，总的m6A及其调节因子水平的异常变化与不利的生存状况密切相关。m6A及其调节因子在恶性肿瘤中起着致癌基因或抗癌基因的作用。研究发现m5C修饰在肿瘤进展中起重要作用，可作为癌症治疗的有效生物标志物。m1A甲基化修饰加速肿瘤进展及影响预后。目前，上述RNA甲基化相关的长非编码RNA(lncRNAs)对治疗宫颈癌的预后价值和免疫疗法的有效性的影响仍是未知的。因此，研究RNA甲基化在宫颈癌中的作用并初步探讨其在宫颈癌中的预后价值至关重要。
[0005]长链非编码RNA(IncRNA)被定义为非编码长度≥200个核苷酸的RNA。研究表明lncRNAs很有希望成为癌症的新型生物标志物和治疗靶点。然而，目前还没有研究探索宫颈癌与RNA甲基化修饰相关的lncRNAs之间的相关性。其次，RNA甲基化相关的长非编码RNAs(lncRNAs)对宫颈癌的预后价值和免疫疗法的有效性的影响仍是未知的。因此，临床上迫切
需要构建宫颈癌风险分层的关键相关lncRNAs模型，以期这些关键的RNA甲基化lncRNAs模型能够预测宫颈癌患者的预后、对免疫治疗的反应性和药物敏感性，协助制定更精确和个性化的治疗策略。

技术实现思路

[0006]拟解决的技术问题
[0007]基于上述问题，本专利技术提供一种宫颈癌RNA甲基化相关的长链非编码RNA预后及免疫治疗疗效预测模型的构建方法。拟解决RNA甲基化相关的IncRNA对于预测宫颈啊癌患者的预后及免疫治疗疗效没有准确可靠的分子指标问题。此项专利技术的开展为宫颈癌患者的预后及免疫治疗疗效的评估提供可靠的生物标志物，从而有助于提高宫颈癌患者预后及免疫治疗疗效的评测能力、实现早期干预和个体化治疗策略的制定。
[0008]为了达到如上目的，本专利技术采取如下技术方案：
[0009]一种宫颈癌(CervicalCancer,CC)RNA甲基化相关的长链非编码RNA(IncRNA)预后及免疫治疗疗效预测的模型。本专利技术首先从TCGA数据库收集宫颈癌患者的转录组数据、肿瘤突变数据及相关的临床资料。进一步从已发表研究中获取55个RNA甲基化关键分子，采用皮尔逊相关性算法筛选RNA甲基化相关IncRNAs。
[0010]采用单因素回归分析及多因素回归方法构建宫颈癌RNA甲基化相关IncRNA的预后模型。采用ROC曲线和绘制Kaplan
‑
Meier生存曲线评估预后模型的准确性。构建关键RNA甲基化IncRNAs与甲基化分子共表达网络。分析评估风险模型与临床特征、免疫细胞浸润、肿瘤突变负荷(TMB)、免疫功能、免疫治疗相关分子间的相关性。TIDE数据库评价高低风险组患者免疫治疗疗效差异。最后，采用GEPIA，Lnc2Cancer3.0，GEPIA2，GEPIA2021及TIGER在线数据库验证筛选出的RNA甲基化关键lncRNAs的预后及免疫治疗价值。进一步通过计算IC50来预测基于目标风险模型的新型药物的有效性。本专利技术的预后及免疫治疗预测模型可用于指导预后及制定个体化的治疗策略，并可根据预后模型中的关键分子进一步开发宫颈癌诊治和预后相关的产品。
[0011]采用如上技术方案的本专利技术，相对于现有技术有如下有益效果：本专利技术上述技术方案具有以下特点：
[0012]1)本专利技术在TCGA数据库中提取宫颈癌患者的转录组数据、肿瘤突变数据及相关的临床资料。从已发表研究中获取55个RNA甲基化关键分子。进一步采用皮尔逊相关性算法筛选RNA甲基化相关IncRNAs。采用单因素回归分析及多因素回归方法构建宫颈癌RNA甲基化相关IncRNA的预后模型。采用ROC曲线、绘制Kaplan
‑
Meier生存曲线及计算一致性指数(C
‑
index)以评估预后模型的准确性。
[0013]构建关键RNA甲基化IncRNAs与甲基化分子共表达网络。分析评估风险模型与临床特征、免疫细胞浸润、肿瘤突变负荷(TMB)、免疫功能、免疫治疗相关分子间的相关性。TIDE数据库评价高低风险组患者免疫治疗疗效差异。通过计算IC50来预测基于目标风险模型的新型药物的有效性。最后，采用GEPIA和Lnc2Cancer3.0在线数据库验证关键RNA甲基化相关lncRNAs的预后价值。本专利技术的开展，可以合理、可靠地筛选出RNA甲基化相关IncRNAs分子标志物，构建RNA甲基化相关lncRNAs的风险评分模型，此风险评分模型对于预测CC患者的预后、对免疫疗法的反应性和药物敏感性、协助制定更精确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.宫颈癌甲基化相关长链非编码RNA预后及免疫治疗疗效预测模型的构建方法，其特征在于，包含如下步骤，1)从TCGA数据库中分别获取宫颈癌样本及正常样本组织的转录组数据、肿瘤突变数据及对应的临床数据；从已发表的文章中汇总并下载RNA甲基化相关的分子；2)皮尔森相关性分析(Pearson
’
scorrelationalcoefficients)筛选RNA甲基化相关IncRNAs,correlationalcoefficients＞0.4且p
‑
values<0.001为筛选标准；3)将RNA甲基化相关lncRNAs与对应患者的临床数据进行整合，进行单因素Cox回归分析，初步获得与宫颈癌生存相关的RNA甲基化lncRNAs；4)进一步将单因素回归分析筛选出的生存相关的关键lncRNAs纳入多因素回归分析筛选出关键的RNA甲基化lncRNAs，筛选条件设定为P＜0.05；5)建立预后风险评分模型绘制，计算风险得分＝N1
×
coef1+N2
×
coef2+
……
Nn
×
coefn；其中，Nn代表相关差异基因的表达量，coefn代表相关差异基因所对应的回归系数；6)通过绘制ROC曲线和Kaplan
‑
Meier生存曲线评估预后模型的准确性；7)单因素和多因素Cox独立预后分析用于确定风险评分是否能够独立于其他临床因素(年龄、分期、分级、T及N分期等)准确的预测1年、3年和5年宫颈癌患者的预后；8)构建Nomo模型及绘制Calibration图进一步评估模型准确性；9)分析风险评分与宫颈癌患者临床特征、免疫细胞浸润、肿瘤突变负荷(TMB)、免疫功能、免疫治疗相关分子间的相关性；10)TIDE数据库评价高低风险组患者免疫治疗疗效差异；11)采用GEPIA，Lnc2Cancer3.0，GEPIA2，GEPIA2021及TIGER在线数据库评估筛选出的RNA甲基化关键lncRNAs的预后及免疫治疗价值；12)通过计算IC50来预测基于目标风险模型的新型药物的有效性。2.如权利要求1所述的宫颈癌甲基化相关长链非编码RNA预后疗效预测模型的构建方法，其特征在于，1)数据收集与准备TCGA数据库(https://portal.gdc.cancer.gov/)下载宫颈癌患者的转录组数据、TMB数据和对应的临床数据；转录组数据中包306个宫颈癌样本和3个正常人的基因表达谱；数据后处理和临床信息提取使用编程语言(strawberry
‑
perl
‑
5.32.0.1
‑
64bit.msi,http://www.perl.org)；蛋白质编码基因和IncRNA使用Ensembl人类基因组进行注释和分类浏览器GRCh38.p13(http://asia.ensembl.org/index.html)；2)RNA甲基化IncRNAs筛选已发表文献获取55个与RNA甲基化相关分子；通过计算Pearson相关系数获得RNA甲基化相关IncRNAs，筛选标准为相关系数＞0.4且P值＜0.001；本发明筛选出了208个RNA甲基化相关IncRNAs；RNA甲基化相关基因与208个IncRNAs间相互作用共表达网络；3)RNA甲基化IncRNAs预后模型构建运行R语言中的Survival包，甲基化相关IncRNAs进行单变量Cox回归分析，初步筛选预后甲基化相关IncRNAs，P＜0.05具有统计学意义；进行多元Cox回归分析并计算每位患者风险评分；将宫颈癌患者分为高风险组和低风险组；计算风险得分＝N1×
coef1+N2×
coef2+
……
N
n
×
coef
n
；其中，N
n
代表相关差异基因的表达量，coef
n
代表相关差异基因所对应的回
归系数；经过单因素回归分析发现8个与宫颈癌预后相关的甲基化IncRNAs多因素回归分析发现：FAM27E3,AC024270.3，AC096992.2，SOX21
‑
AS1和AC012306.2与宫颈癌患者预后相关；其中，FAM27E3,AC024270.3，AC096992.2，SOX21
‑
AS1与宫颈癌患者良好预后相关，AC012306.2是宫颈癌患者的不良预后因素；5个RNA甲基化相关IncRNA与RNA甲基化基因间存在相互作用；图2C
‑
E显示风险水平、病例生存状态和模型lncRNA表达水平；KM生存分析发现高风险组较低风险组预后差；4)评估模型的准确性绘制五个RNA甲基化关键的IncRNAs的Kaplan
‑
Meier生存曲线；采用timeROC软件包，绘制1年、3年和5年ROC曲线、计算曲线下面积(AUC)和C
‑
index指数评估模型的预测能力；AUC值范围从0.5到1.0；AUC＝0.5，表示没有任何预测价值，AUC在0.5
‑
0.7之间代表预测的准确度低，AUC在0.7
‑
0.9之间表示预测的准确度中等，AUC＞0.9代表越策准确度高；C
‑
index值的范围为0.5
‑
1.0之间；单因素和多因素Cox回归分析用于确定风险评分是否能够独立于其他临床因素(年龄、性别、分期、分级等)准确的预测3年和5年CC患者的预后；HR＞1且P值小于0.05代表预后不良因素；HR＜1且P值小于0.05表示预后有利因素；构建Nomo模型预测患者1、3、5年预后及绘制提名图评估Nomo模型准确性；Kaplan
‑
Meier生存曲线进一步证实FAM27E3,AC024270.3，AC096992.2，SOX21
‑
AS1与宫颈癌患者良好预后相关，AC012306.2是宫颈癌患者的不良预后因素；ROC曲线结果表明：1年、3年、5年的AUC分别是0.782和0.717和0.763；ROC曲线分析发现risk
‑
score能独立于其他临床因素预测宫颈癌患者的1、3、5年预后；单因素和多因素独立预后分析提示：本发明构建的预后风险模型能独立于其他预后因素准确的评估患者预后；基于riskscore构建的Nomo模型及绘制Calibration图发现风险模型能够准确预测患者1、3、5年预后；5)Riskscore和临床相关性分析本研...

【专利技术属性】
技术研发人员：郭亚，杨彭涛，王中卫，何赟，
申请(专利权)人：西安交通大学医学院第二附属医院，
类型：发明
国别省市：