一种预测肿瘤瘤内微生物来源免疫原性肽段的方法及其应用技术

本发明专利技术公开了一种预测肿瘤瘤内微生物来源免疫原性肽段的方法及其应用，主要包括以下步骤：收集肿瘤组织RNA

【技术实现步骤摘要】
一种预测肿瘤瘤内微生物来源免疫原性肽段的方法及其应用


[0001]本专利技术涉及生物信息
，特别涉及一种预测肿瘤瘤内微生物来源免疫原性肽段的方法及其应用。

技术介绍

[0002]目前恶性肿瘤已成为危害人类身体健康最严重的疾病之一。由国际癌症研究机构(International Agency for Research on Cancer)发布的全球癌症统计报告显示，2020年全球新增约1930万肿瘤病例，近1000万肿瘤患者死亡。在世界183个国家中，癌症是70岁以下人口死亡的头号或第二大病因，而在其他23个国家中，癌症排在第三、第四位，由此可见，每个国家都面临着沉重的肿瘤负担。而随着人口老龄化和自然环境极端化的加剧，预计2040年全球范围内的肿瘤负担相比于2020年将增加50％，其中人类发展指数(Human Development Index,HDI)低的国家增长幅度为95％，是四个HDI等级中增长最显著的组别，比HDI极高的国家增多了63％。尽管中国已经进入HDI高的国家之列，但肿瘤防控形势仍然严峻。如今肿瘤的防治已成为了每一个家庭都密切关注的社会问题，为了应对日益严峻的恶性肿瘤的挑战，全球范围内都加大了肿瘤研究的投入，以建立规范的肿瘤治疗体系，改善肿瘤治疗疗效。虽然肿瘤研究得到了飞速发展，但肿瘤仍未被攻克，其致病机制、分子机制和演化过程仍有待揭晓。
[0003]目前临床上治疗肿瘤的方法主要依赖于早期手术切除和晚期放疗、化疗手段，但仍面临着一系列的缺点：手术切除肿瘤不彻底需面临肿瘤的转移和复发，放化疗在杀伤肿瘤细胞外还重对机体免疫系统的破坏和基因突变。
[0004]长期以来，肿瘤微环境中免疫浸润机制是肿瘤研究中一个关键和核心的方向，是肿瘤治疗中提高反应率和开发新型免疫治疗策略的关键。肿瘤免疫治疗的关键在于通过激活体内免疫细胞和增强抗肿瘤免疫应答，特异性地清除肿瘤病灶、抑制肿瘤生长，打破免疫耐受。肿瘤免疫治疗现已成为第四大肿瘤治疗方法。肿瘤免疫治疗可对手术、放疗和化疗这些常规治疗策略进行补充，特点是副作用小、治疗效果显著，且能有效预防肿瘤的转移和复发。由于肿瘤具有缺氧、pH低、高渗透压的微环境，部分微生物能特异性地靶向肿瘤坏死区并生长繁殖，通过募集免疫细胞和激活免疫系统影响肿瘤的发生发展。例如，伤寒沙门氏菌通过与巨噬细胞的相互作用激活NLRP3炎症小体通路；肠道沙门氏菌感染能够诱导TNF
‑
α的大量释放，有助于细菌定植于因缺氧而坏死的肿瘤组织，从而有助于诱导强效的免疫反应来抑制肿瘤的生长；大肠杆菌作为兼性厌氧菌能够诱导CD8+T细胞的产生以抑制结肠癌小鼠中肿瘤细胞的生长。总体而言，肿瘤微生物与免疫反应息息相关，使其成为改进免疫疗法的潜在靶点。因此，挖掘肿瘤微生物与肿瘤免疫反应的相关性，构建肿瘤
‑
免疫
‑
微生物的关系链，将有利于研发新型抗癌药物或制定免疫治疗新策略并应用于临床。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的上述技术问题之一。为此，本专利技术提供一
种预测肿瘤瘤内微生物来源免疫原性肽段的方法及其应用。本专利技术中的预测方法能够针对现阶段中对于肿瘤样本RNA
‑
seq数据中的转录组数据挖掘不足的问题，进一步将其用于预测肿瘤瘤内微生物免疫原性肽段，从而探究肿瘤瘤内微生物与免疫反应之间的关系，预测未被发掘的肿瘤瘤内微生物分泌的具有免疫原性肽段，实现对于肿瘤靶向性、促癌和抗癌等特性的研究，为肿瘤治疗提供新思路和途径。
[0006]本专利技术的第一个方面，提供一种肿瘤瘤内微生物来源的免疫原性肽段的预测方法，包括如下步骤：
[0007](1)收集肿瘤样本RNA
‑
seq数据；
[0008](2)去除RNA
‑
seq数据中的人类宿主序列，进行微生物多样性分析，寻找差异性微生物；
[0009](3)对RNA
‑
seq数据中的人类宿主基因进行差异表达分析，并对差异表达基因进行富集分析和功能化聚体分析；
[0010](4)分析差异表达基因的表达与免疫浸润细胞的相关性，并对RNA
‑
seq数据中的细胞类型进行富集分析；
[0011](5)将富集分析后得到的富集模块整理为基因表达矩阵，对基因表达矩阵进行主成分分析，计算主成分1(PC1)与微生物相对丰度之间的相关性，以及微生物相对丰度与免疫细胞浸润分数之间的相关性，最终挑选出同时与富集模块和免疫相关的特异性微生物；
[0012](6)筛选样本中的转录本，翻译成蛋白，构建样本特异性微生物蛋白质库；对RNA
‑
seq数据进行HLA分型，计算HLA等位基因所在样本中的TCR CDR3基序的出现频次，对TCR CDR3基序与差异性微生物的丰度水平进行Spearman相关分析，得到“HLA
‑
TCR基序
‑
微生物”三联关系；对具有“HLA
‑
TCR基序
‑
微生物”三联关系的肽段进行HLA结合亲和力筛选，即得肿瘤瘤内微生物来源的免疫原性肽段。
[0013]在本专利技术的一些实施方式中，所述微生物包括细菌、病毒、真菌、原生生物和藻类。
[0014]在本专利技术的一些实施方式中，所述微生物为细菌、病毒和真菌。
[0015]在本专利技术的一些实施方式中，所述肿瘤样本RNA
‑
seq数据包括数据库来源和临床样本来源的RNA
‑
seq数据。
[0016]在本专利技术的一些实施方式中，所述临床样本来源的RNA
‑
seq数据是将临床肿瘤组织样本进行测序后得到的RNA
‑
seq数据。
[0017]在本专利技术的一些实施方式中，步骤(2)中在去除人类宿主序列前，还包括：对RNA
‑
seq数据进行质量控制，去除人为添加物和低质量序列。
[0018]在本专利技术的一些实施方式中，所述低质量序列是指Quality Phred score cutoff≤20的序列。
[0019]在本专利技术的一些实施方式中，所述人为添加物包括序列中加入的引物、接头等人工序列。
[0020]在本专利技术的一些实施方式中，所述质量控制的过滤条件为默认参数。
[0021]在本专利技术的一些实施方式中，步骤(2)中所述微生物多样性分析基于Kraken2和R包中的Vegan实现，且获得的数据经过格式化和归一化处理。
[0022]在本专利技术的一些实施方式中，所述归一化的参数(normalization value)为1000000。
[0023]在本专利技术的一些实施方式中，步骤(2)中还包括对微生物污染物的降噪处理(排除干扰)。
[0024]在本专利技术的一些实施方式中，步骤(2)中所述微生物多样性分析采用Alpha多样性分析(包括物种丰富度(Richness)和香农指数(Shannon index))和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肿瘤瘤内微生物来源的免疫原性肽段的预测方法，包括如下步骤：(1)收集肿瘤样本RNA
‑
seq数据；(2)去除RNA
‑
seq数据中的人类宿主序列，进行微生物多样性分析，寻找差异性微生物；(3)对RNA
‑
seq数据中的人类宿主基因进行差异表达分析，并对差异表达基因进行富集分析和功能化聚体分析；(4)分析差异表达基因的表达与免疫浸润细胞的相关性，并对RNA
‑
seq数据中的细胞类型进行富集分析；(5)将富集分析后得到的富集模块整理为基因表达矩阵，对基因表达矩阵进行主成分分析，计算主成分1与微生物相对丰度之间的相关性，以及微生物相对丰度与免疫细胞浸润分数之间的相关性，最终挑选出同时与富集模块和免疫相关的特异性微生物；(6)筛选样本中的转录本，翻译成蛋白，构建样本特异性微生物蛋白质库；对RNA
‑
seq数据进行HLA分型，计算HLA等位基因所在样本中的TCR CDR3基序的出现频次，对TCR CDR3基序与差异性微生物的丰度水平进行Spearman相关分析，得到“HLA
‑
TCR基序
‑
微生物”三联关系；对具有“HLA
‑
TCR基序
‑
微生物”三联关系的肽段进行HLA结合亲和力筛选，即得肿瘤瘤内微生物来源的免疫原性肽段。2.根据权利要求1所述的预测方法，其特征在于...

【专利技术属性】
技术研发人员：李青娇，李奇燕，
申请(专利权)人：中山大学附属第八医院深圳福田，
类型：发明
国别省市：