一种以非疾病诊断或治疗为目的的非小细胞肺癌PD-1免疫治疗响应预测方法技术

本发明专利技术提供了一种以非疾病诊断或治疗为目的的非小细胞肺癌PD

【技术实现步骤摘要】
一种以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法


[0001]本专利技术属于生物医学
，具体涉及一种以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法。

技术介绍

[0002]当前市面上常见的肺癌免疫治疗伴随诊断方法主要分为两大类，分别是基于图像学的PD
‑
L1组织化学染色，以及基于高通量测序的肿瘤突变负荷分析。基于免疫检查点的治疗手段针对细胞表面特定蛋白的相互作用(例如PD
‑
1/PD
‑
L1抗体药物)，由此降低免疫细胞抑制状态，增强抗肿瘤功能。组化染色方法能够直接分析组织样本中肿瘤细胞表达PD
‑
L1蛋白的多少，从而判断患者潜在的临床获益。
[0003]国际上，PD
‑
L1组化检测方法已获得美国FDA批准，现有的商业化试剂包括PD
‑
L1 IHC 22C3 pharmDx(Dako)，PD
‑
L1 IHC 28
‑
8pharmDx(Dako)和VENTANA PD
‑
L1 SP142(Roche)，VENTANA PD
‑
L1 SP263(Roche)等多种产品。
[0004]但是，通过免疫组化进行的PD
‑
L1检测在实践过程中存在较多问题，包括：
[0005](1)由于这一检测方法需要获取患者肿瘤组织样本且对样本量要求较高，但实际中部分患者难以取样，由此造成检测困难。
[0006](2)在定量过程中，需要统计肿瘤细胞表面蛋白表达的占比(tumor proportion score，TPS)，由于肿瘤组织样本本身的异质性，穿刺取样部分的肿瘤细胞PD
‑
L1表达可能难以代表微环境的整体情况，从而造成患者最终治疗预测结果的偏差。
[0007](3)有研究表明一些患者虽然PD
‑
L1检测呈现阳性，但难以响应免疫治疗，即存在原发性耐药问题；而部分患者虽然初治响应较好，但最终产生获得性耐药，难以从治疗中获益，上述这些客观情况也造成了基于组化分析进行患者分层时的不准确。
[0008](4)由于不同检测机构/医院病理科选择的商业试剂盒不同，而各个商业检测产品因选择抗体识别区域的不同造成定量结果也存在差异，从而带来检测的不确定性，而多次检测的过程也较为耗时，最终影响临床工作的进行。
[0009]基于上述多种原因，通过免疫组化进行的PD
‑
L1检测的灵敏度和准确性存在偏差，PD
‑
L1的检测难以作为肿瘤免疫治疗患者入组的唯一标准。
[0010]肿瘤细胞基因组突变造成编码蛋白序列的改变，这些变异蛋白经过抗原呈递后产生了免疫原性，即肿瘤新抗原。因此，通过高通量测序能够分析肿瘤突变负荷的高低，进而推测患者接受免疫治疗效果的好坏。目前在国际上有多家公司提供肿瘤突变负荷的检测试剂盒，其中包括GH Omni 500(Guardant Health)，FoundationOneCDx(Foundation Medicine)以及PlasmaSELECT(Personal Genome Diagnostics)等。
[0011]但是，肿瘤突变负荷(TMB)的分析同样受到多种因素影响，包括：(1)癌种不同，TMB数值范围也不同，例如高TMB数值多见于皮肤鳞癌，黑色素瘤，非小细胞肺癌，最低见于乳头状甲状腺癌。(2)受到患者生活环境与饮食起居的影响，例如吸烟患者TMB通常较高，分析过
differentiated effector memory or effector T cell)。
[0023]优选地，步骤(1)中，鉴定所述肿瘤响应的T细胞亚群的特征基因包括：CX3CR1、GZMB、GZMH、KLRD1、NKG7、GNLY和FGFBP2。
[0024]优选地，步骤(3)中，所述训练集中包括80％的单细胞转录组数据，所述测试集中包括20％的单细胞转录组数据。
[0025]优选地，步骤(4)中，所述逻辑回归模型如下公式所示：
[0026][0027]其中，X为基因表达情况，W
T
为参数向量，W0为偏置参数。
[0028]优选地，步骤(5)中，所述响应概率的计算方法如下公式所示：
[0029][0030]其中，P为对应临床响应情况的概率，x为特征值，y为临床响应情况，θ
T
为参数向量。
[0031]优选地，步骤(5)中，所述临床响应概率的计算方法如下所示：
[0032][0033]其中，y＝1表示为临床响应，y＝0表示为临床未响应，n为细胞数量，response为预测值，若response>0为临床响应，response<0为临床未响应，response＝0为无法判断，需重新进行检测。
[0034]优选地，步骤(6)中，所述高通量测序获取转录组信息采用包括如下步骤的方法进行：
[0035]将细胞进行裂解与反转录，进行cDNA扩增与片段化，片段化后进行文库扩增与纯化，纯化后进行高通量测序获取转录组信息。
[0036]优选地，采用Tn5酶切体系对cDNA进行片段化，所述Tn5酶切体系中Tn5酶的反应终浓度为0.001
‑
0.01μM，例如可以是0.001μM、0.005μM或0.01μM等，优选为0.005μM。
[0037]优选地，所述Tn5酶切体系中还包括5％
‑
20％的二甲基甲酰胺，例如可以是5％、10％、15％或20％等，优选为10％的二甲基甲酰胺。
[0038]优选地，所述Tn5酶切体系的pH值为7.0
‑
8.5，例如可以是7.0、7.5、8.0或8.5等，优选为7.3。
[0039]优选地，所述文库扩增采用添加有0.01
‑
0.012％ Tween
‑
20(例如可以是0.01％、0.011％或0.012％等)的扩增体系进行扩增。
[0040]优选地，所述纯化采用的纯化策略为：0.7X保留磁珠+0.6X保留上清+0.15X保留磁珠+0.6X保留磁珠。
[0041]第二方面，本专利技术提供一种基于外周血检测的非小细胞肺癌PD
‑
1免疫治疗响应预测系统，所述系统包括：
[0042]肿瘤响应的T细胞亚群筛选模块，用于从癌症患者的肿瘤组织、外周血与淋巴结的单细胞转录组数据中筛选肿瘤响应的T细胞亚群；
[0043]数据获取模块，用于获取现有的黑色素瘤、三阴性乳腺以及非小细胞肺癌的癌症患者公开的单细胞转录组数据集与临床治疗信息；
[0044]数据划分模块，用于将所得的单细胞转录组数据进行分层并随机划分训练集与测试集，以临床响应信息作为单细胞转录组数据标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法，其特征在于，所述方法包括：(1)收集癌症患者的肿瘤组织、外周血与淋巴结的单细胞转录组数据，对单细胞转录组数据进行数据过滤、标准化；针对T细胞不同分群的组织分布，表达谱特征，细胞增殖，迁移能力以及克隆扩增的差异进行分析，从中鉴定出肿瘤响应的T细胞亚群，包括终末分化的耗竭T细胞与表达TNFRSF9的调节性T细胞；再通过分析所述肿瘤响应的T细胞亚群的TCR序列，在外周血中找到了同样类型的T细胞，并将其命名为外周血肿瘤响应T细胞；(2)收集现有的黑色素瘤、三阴性乳腺以及非小细胞肺癌的癌症患者公开的单细胞转录组数据集与临床治疗信息，进行数据过滤，标准化以及注释；(3)将步骤(2)中所得的单细胞转录组数据进行分层，随机划分训练集与测试集，以临床响应信息作为单细胞转录组数据标签；(4)基于训练集的单细胞转录组数据训练逻辑回归模型，根据样本细胞基因表达情况及对应临床响应信息对参数向量进行拟合，构建逻辑回归模型；(5)采用测试集数据对进行验证，以模型预测得到的响应概率进行加和平均以计算对应临床响应概率；(6)收集接受PD
‑
1免疫治疗的非小细胞肺癌患者的外周血样本，分选外周血肿瘤响应的T细胞，进行高通量测序获取转录组信息，将转录组数据进行过滤与标准化，并输入逻辑回归模型，以模型预测得到的响应概率进行加和平均以计算对应的临床响应概率，以临床响应概率预测临床响应情况。2.根据权利要求1所述的以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法，其特征在于，步骤(1)中，鉴定所述肿瘤响应的T细胞亚群的特征基因包括：CX3CR1、GZMB、GZMH、KLRD1、NKG7、GNLY和FGFBP2。3.根据权利要求1或2所述的以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法，其特征在于，步骤(3)中，所述训练集中包括80％的单细胞转录组数据，所述测试集中包括20％的单细胞转录组数据。4.根据权利要求1
‑
3中任一项所述的以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法，其特征在于，步骤(4)中，所述逻辑回归模型如下公式所示：其中，X为基因表达情况，W
T
为参数向量，W0为偏置参数。5.根据权利要求1
‑
4中任一项所述的以非疾病诊断或治疗为目的的非小细胞肺癌PD
‑
1免疫治疗响应预测方法，其特征在于，步骤(5)中，所述响应概率的计算方法如下公式所示：其中，P为对应临床响应情况的概率，x为特征值，y为临床响应情况，θ
T
为参数向量；优选地，步骤(5)中，所述临床响应概率的计算方法如下所示：
其中，y＝1表示为临床响应，y＝0表示为临床未响应，n为细胞数量，response为预测值，若response>0为临床响应，response<0为临床未响应，response＝0为无法判断，需重新进行检测。6.根据权利要求2
‑
5中任一项所述的以非疾病诊断或治疗为目的的...

【专利技术属性】
技术研发人员：胡学达，徐玄昊，李勇，张海满，李辰威，郑良涛，
申请(专利权)人：北京百奥智汇科技有限公司，
类型：发明
国别省市：