构建癌症的分型模型的方法及其应用技术

本发明专利技术公开了构建癌症的分型模型的方法及其应用。本申请的第一方面，提供构建癌症的分型模型的方法，该方法包括以下步骤：选择种子基因，并纳入种子基因的关联基因，构建种子基因的基因簇；对数据集中的基因簇的全部基因分别进行单基因表达分析，确定每个基因与癌症的指标的相关性；根据基因簇的基因与癌症的指标的相关性确定基因簇与癌症的指标的相关性；根据基因簇与癌症的指标的相关性构建癌症的分型模型。该方法通过寻找种子基因并建立得到合适的基因簇，考虑了癌症在不同机理的情况下，所导致的不同治疗方法手段的特异性不同，因而可以实现针对不同人群分别构建更为合适的模型，从而达到更好的分型效果，应用范围更加广泛。加广泛。加广泛。

【技术实现步骤摘要】
构建癌症的分型模型的方法及其应用


[0001]本申请涉及分子诊断
，尤其是涉及构建癌症的分型模型的方法及其应用。

技术介绍

[0002]癌症通常是由正常细胞发生癌变而引起，癌变后细胞的恶性增殖不受控制，形成恶性肿瘤，并通过转移侵袭其它部位的人体器官。癌症的传统治疗手段主要包括手术、放疗、化疗三种，临床上一般根据癌症种类和进程选择不同的治疗方案。然而，随着研究的不断深入，研究者发现癌症是包含了多种不同亚型的异质性疾病，即便同一类的癌症也可以根据不同的发病机制而进一步细分为不同的亚型，这也成为了提供治疗方案时所必须要考虑的因素。
[0003]在这一背景下，随着测序技术的不断发展，癌症治疗已经逐步进入了“精准医疗”的时代。为此，通过基因组学、蛋白质组学等学科的相关手段从分子层面对癌症进行准确分类，识别出其中与癌症相关的生物标志物，完成有效的癌症分子分型，从而使医护人员能够结合不同的分子分型结果，为患者选择更为有效的靶向药物或其它治疗手段，对癌症的临床治疗具有重要意义。
[0004]目前在靶向治疗中常用的分型方式是确定患者的驱动基因突变热点，例如对患者的癌组织/血液进行二代测序或者对单个的突变热点使用qPCR方法，但实际使用过程中发现患者中存在突变热点的比例偏小的问题，其原因可能在于具有突变热点的病人比例本身占比低，或者存在受限于检测手段的检出限而产生的假阴性。这导致未检出驱动基因突变热点的病人完全失去了靶向治疗的选项。因此，有必要弥补靶向用药的局限性，覆盖更多的癌症患者。

技术实现思路

>[0005]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出构建癌症分型模型的方法及其应用。
[0006]本申请的第一方面，提供构建癌症的分型模型的方法，该方法包括以下步骤：
[0007]S1：选择种子基因，并纳入种子基因的关联基因，构建种子基因的基因簇；
[0008]S2：对数据集中的基因簇的全部基因分别进行单基因表达分析，确定每个基因与癌症的指标的相关性；
[0009]S3：根据基因簇的基因与癌症的指标的相关性确定基因簇与癌症的指标的相关性；
[0010]S4：根据基因簇与癌症的指标的相关性构建癌症的分型模型。
[0011]根据本申请实施例的方法，至少具有如下有益效果：
[0012]该方法通过寻找种子基因并建立得到合适的基因簇，考虑了癌症在不同机理的情况下，所导致的不同治疗方法手段的特异性不同，因而可以实现针对不同人群分别构建更
为合适的模型，从而达到更好的分型效果，进一步可以使用更具有针对性的治疗等手段，应用范围更加广泛。
[0013]在本申请的一些实施方式中，种子基因包括癌症的驱动基因、免疫治疗靶向基因、聚类得到的基因中的至少一种。
[0014]在本申请的一些实施方式中，关联基因包括基因融合伴侣基因、配体基因、假基因、上下游共表达基因、上下游反表达基因中的至少一种。
[0015]在本申请的一些实施方式中，癌症的指标为临床终点指标、治疗响应指标中的至少一种。其中，临床终点指标包括但不限于复发、生存期(如总生存、无进展生存、无病生存等)等其中的至少一种，治疗响应指标包括但不限于对化疗、放疗、靶向治疗、光热治疗等不同治疗手段的响应程度。
[0016]在本申请的一些实施方式中，确定每个基因与癌症的指标的相关性为确定每个基因与癌症的指标的上下调关系：
[0017]当数据集中，高于阈值表达量的人群在指标上显著优于低于阈值表达量的人群，确定基因在指标存在上调关系；
[0018]当数据集中，高于阈值表达量的人群在指标上显著劣于低于阈值表达量的人群，确定基因在指标存在下调关系；
[0019]当数据集中，高于阈值表达量的人群在指标上与低于阈值表达量的人群无显著区别，确定基因在指标不存在相关性。
[0020]在本申请的一些实施方式中，根据基因簇的基因癌症的指标的相关性确定基因簇与癌症的指标的相关性为：
[0021]根据基因簇内的全部基因与癌症的指标的上下调关系，计算上下调的基因占全部基因的比例，并与阈值比例比较，确定基因组为表达异常的基因簇或表达正常的基因簇。
[0022]可以理解的是，在一些具体实施方式中，阈值表达量、阈值比例并无一般的标准，因而在实施时至少可以通过预实验等方法事先确定阈值表达量、阈值比例后再进行。具体可以采用本领域的常规技术手段，例如通过比较不同阈值表达量、阈值比例条件下预实验样本的准确率(如检出率、检准率、假阳性率、假阴性率、敏感性、特异性等)，根据检测效果上调或者下调截断值，直至达到较佳或最佳的区分检测效果。可以理解的是，预实验样本可以通过具体的样本中提取检测以获得，或者从相关数据库中获取符合标准的样本。
[0023]在本申请的一些实施方式中，根据基因簇与癌症的指标的相关性构建癌症分型模型为：
[0024]根据多个基因簇的表达异常或表达正常进行分型，构建癌症分型模型。
[0025]在本申请的一些实施方式中，根据多个基因簇的表达异常或表达正常进行分型，分别对表达异常和表达正常的患者样本构建癌症模型，从而得到分别对应若干个基因簇表达正常或表达异常的癌症模型。
[0026]在本申请的一些实施方式中，构建癌症模型的方法为根据基因簇中的基因与数据集中癌症指标进行关联，确定若干个具有较高预测效能的基因作为标志物构建模型。例如，可以通过对标志物进行权重赋值的方式，构建多标志物的模型。
[0027]通过上述种子基因的选择，或者也可以将任何一个基因都可以作为种子基因，通过某种聚类算法，比如传统的最近距离(Nearest Neighbor)法、K
‑
平均(K
‑
means)法、矢量
量化(Vector Quantization)法等等，建立其代表的基因簇，然后重复上述的相关性分析，最终得到基因簇的表达情况及其临床诊断价值，从而寻找具有高临床诊断价值的基因簇，并以此基因簇为基础构建更具价值的模型。
[0028]本申请的第二方面，提供一种肺癌分型的方法，该方法包括以下步骤：
[0029]获取来自患者的样本中生物标志物的表达水平的信息；
[0030]对表达水平进行数学关联以获得评分；评分用于指示患者的复发风险；
[0031]其中，生物标志物选自以下表5第2列基因中的至少一组。
[0032]在本申请的一些实施方式中，根据表5第2列基因和表5第3列权重中各个基因对应的权重构建对应的模型，建立数学关联以获取评分。
[0033]在本申请的一些实施方式中，生物标志物(和权重)选自以下表5第2列基因(和表5第3列权重中各个基因对应的权重)中的至少两组、三组、四组、五组、六组、七组、八组、九组、十组、十一组、十二组、十三组、十四组、十五组、十六组、十七组、十八组、十九组、二十组、二十一组、二十二组、二十三组、二十四组。
[0034]本申请的第三方面，提供一种计算机可读存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.构建癌症的分型模型的方法，其特征在于，包括以下步骤：S1：选择种子基因，并纳入所述种子基因的关联基因，构建所述种子基因的基因簇；S2：对数据集中的所述基因簇的全部基因分别进行单基因表达分析，确定每个基因与所述癌症的指标的相关性；S3：根据所述基因簇的基因与所述癌症的指标的相关性确定所述基因簇与所述癌症的指标的相关性；S4：根据所述基因簇与所述癌症的指标的相关性构建癌症的分型模型。2.根据权利要求1所述的方法，其特征在于，所述种子基因包括所述癌症的驱动基因、免疫治疗靶向基因、聚类得到的基因中的至少一种；和/或，所述关联基因包括基因融合伴侣基因、配体基因、假基因、上下游共表达基因、上下游反表达基因中的至少一种；和/或，所述癌症的指标为临床终点指标、治疗响应指标中的至少一种。3.根据权利要求1所述的方法，其特征在于，所述确定每个基因与所述癌症的指标的相关性为确定每个基因与所述癌症的指标的上下调关系：当所述数据集中，高于阈值表达量的人群在所述指标上显著优于低于阈值表达量的人群，确定所述基因在所述指标存在上调关系；当所述数据集中，高于阈值表达量的人群在所述指标上显著劣于低于阈值表达量的人群，确定所述基因在所述指标存在下调关系；当所述数据集中，高于阈值表达量的人群在所述指标上与低于阈值表达量的人群无显著区别，确定所述基因在所述指标不存在相关性；优选地，所述根据所述基因簇的基因所述癌症的指标的相关性确定所述基因簇与所述癌症的指标的相关性为：根据所述基因簇内的全部基因与所述癌症的指标的上下调关系，计算上下调的基因占所述全部基因的比例，并与阈值比例比较，确定所述基因组为表达异常的基因簇或表达正常的基因簇；优选地，所述根据所述基因簇与所述癌症的指标的相关性构建癌症分型模型为：根据多个基因簇的表达异常或表达正常进行分型，构建癌症分型模型。4.肺癌分型的方法，其特征在于，包括以下步骤：获取来自患者的样本中生物标志物的表达...

【专利技术属性】
技术研发人员：饶皑炳，
申请(专利权)人：深圳市陆为生物技术有限公司，
类型：发明
国别省市：