肺腺癌经气腔播散患者的预后预测风险模型及其应用制造技术

本发明专利技术涉及一种肺腺癌经气腔播散患者的预后预测风险模型，该模型由

【技术实现步骤摘要】
肺腺癌经气腔播散患者的预后预测风险模型及其应用


[0001]本专利技术涉及肿瘤分子生物学
，尤其涉及一种肺腺癌经气腔播散患者的预后预测风险模型及其应用
。

技术介绍

[0002]肺癌是目前世界上最常见的恶性肿瘤之一，世界范围内发病率和死亡率均较高，并且近年来肺癌的发病率和死亡率呈明显上升趋势
。
肺癌主要分为非小细胞肺癌
(Non
‑
small cell lung cancer
，
NSCLC)
和小细胞肺癌，以非小细胞肺癌最为常见，其占比
85
％以上，且在非小细胞肺癌中，肺腺癌
(Lung adenocarcinoma
，
LUAD)
占大多数，肺鳞癌
(Lung squamous cell carcinoma
，
LUSC)
次之
。LUAD
多数起源于支气管粘膜上皮，少数起源于大支气管的粘液腺，该病进展缓慢，早期症状一般不明显，患者就诊时往往已处于晚期，因而总体生存率较低
。
早期肺癌的手术治疗虽可提高肺癌患者的治愈率和生存率，但仍有部分早期非小细胞肺癌的患者经肺癌根治术后仍有复发和转移并且预后不良，5年生存率只有
15
％
。
[0003]有研究表明，早期
LUAD
患者虽没有远处或淋巴结的转移，但是微观上病理检查有时可发现主体肿瘤边缘以外的正常肺泡中可见肿瘤细胞
>。
在
2013
年，
Onozato
等人提出了肿瘤占据肺实质内空气空间的概念，他们将肿瘤岛描述为肺泡空间内的孤立的大量肿瘤细胞集合，这些细胞被至少几个肺泡与主肿瘤隔开
。
目前，这种现象被称为“气腔播散”(Spread Through Air Spaces
，
STAS)。STAS
是肺癌的一种扩散现象，于
2015
年由
Kadota
等人首次命名，最初见于腺癌
(ADC)。
[0004]在
2015
年，
WHO
将“气腔播散”作为
LUAD
一种新的浸润模式，将其定义为：肿瘤细胞以微乳头状细胞簇
、
实性癌巢或单个肿瘤细胞的形式出现在主肿瘤周边的正常肺泡内
。
伴有
STAS
的
LUAD
患者，即使处于临床早期，患者也常出现复发与转移，通常预后不佳
。
肺癌中
STAS
常见于
LUAD
，
LUAD
中
STAS
的发生常与患者的不良预后有关
。
对于
STAS
的治疗，目前多采用扩大手术范围的治疗方式
。
[0005]虽然
STAS
可在一定程度上能预测患者的预后，但是，目前对于肺腺癌伴
STAS
患者没有高效的预后分层方法
。STAS
在
LUAD
中的发生发展与多种信号通路的异常有关，单个基因的表达变化无法有效预测此类患者的预后，为此本研究旨在构建一个针对
LUAD
伴
STAS
患者的多基因联合预后分层模型，并初步探索该模型在预测患者对部分药物敏感性方面的应用
。

技术实现思路

[0006]本专利技术要解决的技术问题在于：提供一种肺腺癌经气腔播散患者的预后预测风险模型及其应用
。
[0007]本专利技术的技术方案：
[0008]一种肺腺癌经气腔播散患者的预后预测风险模型，其特征在于：所述预后预测风
险模型由
11
个与肺腺癌气腔播散相关的
lncRNA
基因组成，
11
个
lncRNA
基因包括
AL513324.1、PAQR9
‑
AS1、SLC8A1
‑
AS1、AP000857.2、LINC02106、LINC01785、AC109466.1、MEG3、AP000851.2、ITGB1
‑
DT、AL008638.2
，预后预测风险模型的风险评分由所述
11
个
lncRNA
基因的表达水平经相应系数加权求和获得
。
[0009]所述预后预测风险模型由以下方法构建：
[0010](1)
从
TCGA
数据库中获取肺腺癌患者样本的基因表达数据，并对患者样本进行临床病理特征分析；
[0011](2)
采用
Kaplan
‑
Meier
法和
log
‑
rank
检验对气腔播散阳性和阴性亚组进行生存分析；
[0012](3)
根据基因的
Ensembl_id
，将从
GENCODE
数据库中获取的类型为
lncRNA
的基因与来自
TCGA
数据库的肺腺癌
RNA
‑
Seq
数据比对，获得
lncRNA
表达数据；使用
R
包
edgeR
筛选气腔播散阴性组和阳性组组间差异表达的
lncRNA
；通过单因素
COX
回归分析，筛选与气腔播散阳性患者预后相关的差异表达
lncRNA
；利用多因素
COX
回归分析，筛选到
11
个作为肺腺癌气腔播散阳性患者独立预后影响因素的
lncRNA
基因；最后采用
LASSO
回归分析所述的
11
个
lncRNA
，构建肺腺癌经气腔播散患者的预后预测风险模型
。
[0013]所述肺腺癌经气腔播散患者的预后风险模型的公式为：风险评分＝
(0.974
×
AL513324.1
的表达水平
)+(0.898
×
PAQR9
‑
AS1
的表达水平
)+(0.682
×
SLC8A1
‑
AS1
的表达水平
)+(0.568
×
AP000857.2
的表达水平
)
‑
(0.167
×
LINC02106
的表达水平
)
‑
(0.734
×
LINC01785
的表达水平
)+(1.075
×
AC10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种肺腺癌经气腔播散患者的预后预测风险模型，其特征在于：所述预后预测风险模型由
11
个与肺腺癌气腔播散相关的
lncRNA
基因组成，
11
个
lncRNA
基因包括
AL513324.1、PAQR9
‑
AS1、SLC8A1
‑
AS1、AP000857.2、LINC02106、LINC01785、AC109466.1、MEG3、AP000851.2、ITGB1
‑
DT、AL008638.2
，预后预测风险模型的风险评分由所述
11
个
lncRNA
基因的表达水平经相应系数加权求和获得
。2.
如权利要求1所述的肺腺癌经气腔播散患者的预后预测风险模型，其特征在于：所述预后预测风险模型由以下方法构建：
(1)
从
TCGA
数据库中获取肺腺癌患者样本的基因表达数据，并对患者样本进行临床病理特征分析；
(2)
采用
Kaplan
‑
Meier
法和
log
‑
rank
检验对气腔播散阳性和阴性亚组进行生存分析；
(3)
根据基因的
Ensembl_id
，将从
GENCODE
数据库中获取的类型为
lncRNA
的基因与来自
TCGA
数据库的肺腺癌
RNA
‑
Seq
数据比对，获得
lncRNA
表达数据；使用
R
包
edgeR
筛选气腔播散阴性组和阳性组组间差异表达的
lncRNA
；通过单因素
COX
回归分析，筛选与气腔播散阳性患者预后相关的差异表达
lncRNA
；利用多因素
COX
回归分析，筛选到
11
个作为肺腺癌气腔播散阳性患者独立预后影响因素的
lncRNA
基因；最后采用
LASSO
回归分析所述的
11
个
lncRNA
，构建肺腺癌经气腔播散患者的预后预测风险模型
。3.
根据权利要求1所述的一种肺腺癌经气腔播散患者的预后预测风险模型，其特征在于，所述肺腺癌经气腔播散患者的预后风险模型的公式为：风险评分＝
(0.974
×
AL513324.1
的表达水平
)+(0.898
×
PAQR9
‑
AS1
的表达水平
)+(0.682
×
SLC8A1
‑
AS1
...

【专利技术属性】
技术研发人员：方艳，胡桂明，冯俊凯，任景丽，
申请(专利权)人：郑州大学第二附属医院，
类型：发明
国别省市：