一组用于预测卵巢浆液性囊腺癌预后的微生物标志物及其应用制造技术

本发明专利技术提供了一组用于预测卵巢浆液性囊腺癌患者预后的微生物标志物组合物，所述组合由Halolamina、Mitsuokella、Terasakiella、Magnetospirillum、Brachymonas、Simiduia、Erwinia、Salinisphaera和Luteimonas组成。该微生物标志物的高丰度和低丰度之间的显着预后差异表明了卵巢浆液性囊腺癌患者预后的独特临床价值。由该微生物标志物组合物构建的模型可用于预测卵巢浆液性囊腺癌患者预后风险。型可用于预测卵巢浆液性囊腺癌患者预后风险。型可用于预测卵巢浆液性囊腺癌患者预后风险。

【技术实现步骤摘要】
一组用于预测卵巢浆液性囊腺癌预后的微生物标志物及其应用


[0001]本专利技术涉及领域医学肿瘤领域，具体是一组用于预测卵巢浆液性囊腺癌预后的微生物标志物及其应用。

技术介绍

[0002]卵巢癌是全球女性生殖系统最常见的恶性肿瘤之一，据2020年数据统计新增病例313,959例，死亡207,252例，近10年发病呈逐年上升趋势。由于起病隐匿，早期无明显症状，70％的患者就诊时已为晚期，5年卵巢癌患者的生存率约为30％。最常见的卵巢癌是卵巢浆液性囊腺癌，约占所有卵巢恶性肿瘤的90％。
[0003]即使在卵巢浆液性囊腺癌的早期，通过充分筛查其血清生物标志物CA
‑
125提高患者的生存率，但绝经后妇女早期疾病筛查的敏感性也仅为50
‑
60％。
[0004]近年来，微生物失调与癌症的发生越来越受到关注。微生物可通过调节宿主的多种生理变化，包括免疫系统激活、代谢调节，从而在肿瘤的发生和发展中发挥重要作用，说明肿瘤内的微生物群已经演变成一种新型的肿瘤发生调节剂和潜在的生物标志物。
[0005]为此，医学上结合阴道超声等影像学方法，联合多种血清生物标志物的使用，可以提高卵巢浆液性囊腺癌患者的筛查敏感性。因此迫切需要检测可靠的肿瘤标志物以早期诊断卵巢浆液性囊腺癌。

技术实现思路

[0006]针对现有技术的不足，本专利技术的目的在于提供
[0007]为达到此专利技术目的，本专利技术采用以下技术方案：
[0008]第一个方面，本专利技术提供了一组用于预测卵巢浆液性囊腺癌预后的微生物标志物组合物，所述组合由Halolamina、Mitsuokella、Terasakiella、Magnetospirillum、Brachymonas、Simiduia、Erwinia、Salinisphaera和Luteimonas组成。
[0009]优选地，所述组合由Halolamina、Simiduia和Luteimonas组成。
[0010]第二个方面，本专利技术提供了如上所述的微生物标志物组合物在预测卵巢浆液性囊腺癌预后制剂或试剂盒中的应用。
[0011]第三个方面，本专利技术提供了一种预测卵巢浆液性囊腺癌患者预后的模型，所述预测模型为如下的计算公式：
[0012]RiskScore＝Simiduia
×
(
‑
0.0711)+Halolamina
×
(
‑
0.0511)+Luteimonas
×
0.1634式2，其中，RiskScore每个卵巢浆液性囊腺癌样本的风险评分，Simiduia、Halolamina、Luteimonas微生物名称，
‑
0.0711、
‑
0.0511、0.1634为对应微生物的丰度。
[0013]第四个方面，本专利技术提供了一种如上所述的预测卵巢浆液性囊腺癌患者预后的模型的构建方法，其特征在于，所述方法包括如下步骤：
[0014]S1.从TCGA数据库中下载卵巢浆液性囊腺癌患者的癌组织或癌旁正常组织样本的
微生物组丰度数据、微生物组临床数据、患者生存周期数据、样本表型数据以及对应患者的临床信息数据；
[0015]S2.将S1的样本分为训练集和验证集，训练集用于建模，验证集用于验证；
[0016]S3.结合生存周期数据对训练集样本的特征微生物的丰度值进行差异分析，以p<0.05为阈值，筛选癌症样本和癌旁样本中的差异微生物；
[0017]S4.将S3筛选出的特征微生物进行单因素cox回归分析，筛选与生存显著相关的微生物标记物；
[0018]S5.对S4筛选出的特征微生物进行LASSOCox回归分析，并基于如下计算公式计算每个样本的风险得分：
[0019][0020]其中，abundance表示对应微生物的丰度，β表示对应微生物在lasso回归结果中的回归系数，RScore表示每个样本风险评分，i表示样本，j表示微生物标志物；
[0021]S6.绘制ROC曲线以及构建列线图nomogram验证S5构建的风险评分模型。
[0022]优选地，所述步骤S4筛选出的微生物标记物包括Halolamina、Mitsuokella、Terasakiella、Magnetospirillum、Brachymonas、Simiduia、Erwinia、Salinisphaera或/和Luteimonas。
[0023]优选地，所述步骤S6构建的风险评分模型为如下公式：
[0024]RiskScore＝Simiduia
×
(
‑
0.0711)+Halolamina
×
(
‑
0.0511)+Luteimonas
×
0.1634式2，
[0025]其中，RiskScore每个卵巢浆液性囊腺癌样本的风险评分，Simiduia、Halolamina、Luteimonas微生物名称，
‑
0.0711、
‑
0.0511、0.1634为对应微生物的丰度。
[0026]第五个方面，本专利技术提供了一种列线图，所述列线图根据Cox回归分析得到的独立临床因素结合预测卵巢浆液性囊腺癌患者预后模型绘制得到，所述模型具体如下：
[0027]RiskScore＝Simiduia
×
(
‑
0.0711)+Halolamina
×
(
‑
0.0511)+Luteimonas
×
0.1634式2，
[0028]其中，RiskScore每个卵巢浆液性囊腺癌样本的风险评分，Simiduia、Halolamina、Luteimonas微生物名称，
‑
0.0711、
‑
0.0511、0.1634为对应微生物的丰度。
[0029]第六个方面，本专利技术提供了如上所述的列线图在制备用于预测卵巢浆液性囊腺癌患者预后的试剂盒中的应用。
[0030]第七个方面，本专利技术提供了如上所述的列线图在预测卵巢浆液性囊腺癌患者预后中的应用，所述应用非用于疾病的诊断和治疗目的。
[0031]与现有技术相比，本专利技术的有益效果在于：
[0032]本专利技术通过TCGA数据库对卵巢浆液性囊腺癌的瘤内微生物进行分析，发现在癌症样本和癌旁样本中的差异微生物共计308个，其中在肿瘤组中处于高丰度的微生物共计157个，在正常组中处于高丰度的微生物共计151个，对308个差异微生物进行界、门、纲、目、科、属等级分类，共得到197个属级差异微生物。基于197个属级差异微生物的丰度，结合总生存期的数据进行单因素cox回归分析，筛选与生存显著相关的微生物标记物，其中共得到9个与预后显著相关的微生物标记物，其中有5个风险比大于1，说明其丰度的增加可能会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一组用于预测卵巢浆液性囊腺癌患者预后的微生物标志物组合物，其特征在于，所述组合由Halolamina、Mitsuokella、Terasakiella、Magnetospirillum、Brachymonas、Simiduia、Erwinia、Salinisphaera和Luteimonas组成。2.如权利要求1所述的微生物标志物组合物，其特征在于，所述组合由Halolamina、Simiduia和Luteimonas组成。3.如权利要求1或2所述的微生物标志物组合物在预测卵巢浆液性囊腺癌患者预后制剂或试剂盒中的应用。4.一种预测卵巢浆液性囊腺癌患者预后的模型，其特征在于，所述预测模型为如下的计算公式：RiskScore＝Simiduia
×
(
‑
0.0711)+Halolamina
×
(
‑
0.0511)+Luteimonas
×
0.1634式2，其中，RiskScore每个卵巢浆液性囊腺癌样本的风险评分，Simiduia、Halolamina、Luteimonas微生物名称，
‑
0.0711、
‑
0.0511、0.1634为对应微生物的丰度。5.一种如权利要求4所述的预测卵巢浆液性囊腺癌患者预后的模型的构建方法，其特征在于，所述方法包括如下步骤：S1.从TCGA数据库中下载卵巢浆液性囊腺癌患者的癌组织或癌旁正常组织样本的微生物组丰度数据、微生物组临床数据、患者生存周期数据、样本表型数据以及对应患者的临床信息数据；S2.将S1的样本分为训练集和验证集，训练集用于建模，验证集用于验证；S3.结合生存周期数据对训练集样本的特征微生物的丰度值进行差异分析，以p<0.05为阈值，筛选癌症样本和癌旁样本中的差异微生物；S4.将S3筛选出的特征微生物进行单因素cox回归分析，筛选与生存显著相关的微生物标记物；S5.对S4筛选出的特征微生物进行LASSOCox回归分析，并基于如下计算公式计算每个样本的风险得分：其中，abundance表示对应微生物的丰度，β表示对应微生物在lasso回归结果中的回归系数，RScore表...

【专利技术属性】
技术研发人员：秦浩，闫一芳，刘捷，瞿仪，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院中国人民解放军空军特色医学中心，
类型：发明
国别省市：