用于肺癌的预后标志物、预后风险模型及其应用制造技术

本发明专利技术提供了一种用于肺癌的预后标志物、预后风险模型及其应用。通过本发明专利技术的预后标志物及预后风险模型能够实现高性能、简便、成本可控地对非小细胞肺癌患者进行预后分层，从而辅助提高治疗方案的个性化程度和精确程度。辅助提高治疗方案的个性化程度和精确程度。

【技术实现步骤摘要】
用于肺癌的预后标志物、预后风险模型及其应用


[0001]本专利技术涉及生物医学领域，主要涉及用于肺癌的预后标志物、预后风险模型及其应用。

技术介绍

[0002]肺癌目前仍是全球发病率和死亡率最高的恶性肿瘤。其中非小细胞肺癌是最常见的肺癌种类，约占肺癌的85％。此外，由于多数肺癌早期症状不明显，大部分患者一经发现已经处于难以根治的中晚期，导致了肺癌的高死亡率和不良预后。目前TNM(tumor node metastasis)分期是肺癌判断预后的最重要指标，由国际肺癌协会(International Association for the Study of Lung Cancer,IASLC)制定。此指标通过评估原发肿瘤直径(T)、区域淋巴结转移(N)、远处转移(M)来确定分期。但由于肺癌表现出高度的异质性和极强的适应能力，不同的基因突变在肺癌发生发展中呈现出独特多样的病理学和药物反应机制，肺癌患者的预后诊断依然需要更加精确、细致、完善的判定方式，来更好的为群体庞大的肺癌患者提供治疗。综上所述，如何优化非小细胞肺癌患者预后诊断标准，提高治疗方案的个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于肺癌的预后标志物，包括以下基因突变标志物：CDH10、ZNF804A、DST、EGFR、LRRIQ1、ZNF236、WBSCR17、PCDHB10、SYTL2、GABRG1、LAMB1、EPHB1、CDKN2A、KRTAP4
‑
11、VPS13C、COL25A1、NPHS1、ITGAX、SETX、PLCE1和ATRNL1。2.根据权利要求1所述的预后标志物，其特征在于，所述肺癌选自非小细胞肺癌。3.一种用于肺癌的预后标志物的筛选方法，包括：(1)对肺癌患者样本的临床特征数据进行数据清洗，使得每个待筛选的肺癌患者样本仅保留一个原发灶样本数据，获得清洗后的临床特征数据；(2)对肺癌患者样本的单核苷酸突变谱数据进行数据清洗，筛选保留含有临床特征数据的单核苷酸突变谱数据，获得清洗后的突变谱数据集；(3)将步骤(2)获得的突变谱数据集中的基因分成突变型分组和野生型分组，筛选出与所述肺癌患者样本的生存数据具有显著性差异的基因，获得与肺癌预后生存显著相关的基因；(4)以步骤(1)获得的清洗后的临床特征数据作为训练集，对步骤(3)获得的与肺癌预后生存显著相关的基因进行筛选，获得所述预后标志物。4.根据权利要求3所述的筛选方法，其特征在于，步骤(1)和步骤(2)中，所述临床特征数据包括确诊年龄、肿瘤个数、肿瘤大小、病理类型、病理组织学分级、临床肿瘤分期、病理肿瘤分期、放化疗方式或吸烟史中的至少一种；和/或步骤(2)还包括对所述保留有临床信息的单核苷酸突变谱数据进行人群覆盖率小于5％的过滤处理，获得清洗后的突变数据集；和/或步骤(3)中，所述筛选包括根据基因的突变型分组和野生型分组进行单因素Cox回归和对数秩检验的分析，取分析结果的并集，获得与肺癌预后生存显著相关的基因；和/或步骤(3)中，所述生存数据包括生存时间和/或生存状态；和/或步骤(4)中，所述筛选采用LASSO回归分析进行，优选地，所述LASSO回归分析包括对所述与肺癌预后生存显著相关的基因利用弹性网络的方式进行L1正则化，进一步优选地，通过对所述训练集70
‑
80％的患者进行80
‑
200次有放回的随机采样，每次随机采样后进行LASSO回归分析，在每一次LASSO回归分析中用十折交叉验证进行最优λ的筛选使每次LASSO回归分析筛选出最重要的基因特征，然后选取LASSO回归分析中在50％以上都被选中的基因特征，作为所述预后标志物。5.一种预测肺癌预后的试剂盒或基因芯片，所述试剂盒或基因芯片包括检测权利要求1或2所述的预后标志物的探针。6.一种用于肺癌的预后风险模型，所述预后风险模型采用权利要求1或2所述的预后标志物进行风险评分。7.根据权利要求6所述的预后风险模型，其特征在于，所述预后风险模型采用如下回归方程计算风险评分：风险评分＝
‑
0.5451*CDH10
‑
0.5328*ZNF804A
‑
0.31...

【专利技术属性】
技术研发人员：张文庚，李为民，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：