一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法技术

本发明专利技术公开一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法及IRGCRCⅡ预后模型的构建方法，采用IRGCRCⅡ预后模型对Ⅱ期结直肠癌患者预后进行评估，所述IRGCRCⅡ预后模型包含CCL28、FGF18、IL23A、LIF、SLIT2和VGF免疫基因。本发明专利技术所构建的IRGCRCⅡ预后模型以高表达的Ⅱ期结直肠癌患者体内6种免疫基因含量测定为基础来进行构建的用于评估Ⅱ期CRC患者预后的基因模型工具，为Ⅱ期结直肠癌患者生存结局的评估提供了新的评价体系，并对患者是否进行化学治疗等治疗方案的选择提供了新的依据。

【技术实现步骤摘要】
一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法
本专利技术涉及医学
，尤其涉及一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法。
技术介绍
结直肠癌(CRC)是全球第三大常见的癌症，也是癌症相关死亡的主要原因，仅2018年就有180万新发病例和88万CRC患者死亡。外科手术是治疗结直肠癌的基础，但约20％的Ⅱ期CRC患者术后复发。虽然术后辅助化疗现在是Ⅲ期CRC的标准治疗方法，但在Ⅱ期CRC中化疗的益处仍然存在争议。因此，构建新的特征以预测不同的预后是必要的，并且有助于在II期CRC中选择合适的治疗方案。肿瘤免疫微环境与肿瘤的发生、发展有着密不可分的联系，而免疫相关基因(IRGs)分子特征可能预示着肿瘤免疫微环境中的免疫失调。因此，IRGs在肿瘤免疫微环境中的分子标志物可以作为II期CRC预后的生物标志物，发挥重要价值。自从临床实践中提出预后模型的概念以来，基于大规模基因表达数据集的基因特征模型的建立在各种癌症中得到了广泛的研究。预测基因模型的构建可以有效地对患者进行分层，并制定个性化的治疗策略。因此，各种预后IRGs模型已被报道在多种癌症类型。例如，基于肝癌基因组图谱(TCGA)构建的由7个IRGs组成的模型，用于预测肝癌的生存率。在宫颈癌、卵巢癌、甲状腺乳头状癌、浸润性导管癌、肺癌、胃癌等方面，基于IRGs的类似预后模型也有报道。这些研究显示了预后IRGs模型在预测生存率方面的有效性。
技术实现思路
因此，基于以上背景，本专利技术旨在建立这种基于IRGs的预后模型来对Ⅱ期结直肠患者进行预后评估，以为临床上II期CRC患者治疗方式选择提供更为科学与针对性的依据。本专利技术的技术方案为：一种基于免疫基因表达特征谱对Ⅱ期结直肠患者预后进行高效快捷评估的方法，采用IRGCRCⅡ预后模型对Ⅱ期结直肠患者预后进行评估，所述IRGCRCⅡ预后模型包含CCL28、FGF18、IL23A、LIF、SLIT2和VGF免疫基因。进一步地，所述IRGCRCⅡ预后模型构建方法步骤为：S1：患者信息获取：从TCGA数据库获取结直肠患者的基因表达谱(数据等级3)和临床数据；从GEO数据库获取GSE39582微阵列数据集中符合诊断标准的II期CRC转录组数据及临床数据；从ImmPort数据库中获得免疫相关基因(IRGs)；对选自TCGA数据库和GEO数据库的GSE39582数据集的患者进行筛选，将符合诊断标准的Ⅱ期结直肠患者纳入分析；S2：转录组数据处理和差异分析：使用统计学软件R中的“limma”包对步骤S1筛选的Ⅱ期结直肠患者转录组数据进行处理，去除在样本中表达过低或没有表达的基因；符合条件的基因依次进行肿瘤样本和正常样本之间的差异表达分析，并将差异表达倍数大于两倍，并具有统计学意义的基因筛选出来；然后将筛选出的差异基因与从Immport数据库下载的IRGs取交集，从而获得差异表达的274个免疫相关基因(DEIRGs)；S3：IRGCRCⅡ预后模型的开发与应用①IRGCRCⅡ预后模型的开发：将临床资料完整的Ⅱ期结直肠患者进行预后分析：采用机械学习法，将步骤S1中筛选的TCGA数据集中的Ⅱ期结直肠患者按7:3的比例分为训练组和测试组，基于训练组的数据，使用单变量Cox回归分析确定与生存相关的15个DEIRGs,然后使用最小绝对收缩和选择算子(LASSO)Cox惩罚回归模型最小化过度拟合，进一步缩小单变量Cox回归分析的DEIRGs范围，并使用R软件包“glmnet”确定与生存最相关的13个DEIRGs，然后进行多因素Cox回归分析，并采用逐步回归的方法将Akaike信息准则(AIC)引入到多元分析中，依次剔除一个变量，降低AIC值，直到出现最小的AIC值，得到包含6个DEIRGs(CCL28、FGF18、IL23A、LIF、SLIT2和VGF)的最优模型，即为IRGCRCⅡ预后模型，所述IRGCRCⅡ预后模型中包含CCL28、FGF18、IL23A、LIF、SLIT2和VGF的基因系数βi；所述CCL28的基因系数为-0.19，所述FGF18的基因系数为0.351，所述IL23A的基因系数为0.501，所述LIF的基因系数为0.766，所述SLIT2的基因系数为0.179，所述VGF的基因系数为0.384。②IRGCRCⅡ预后模型的应用：根据IRGCRCⅡ预后模型中各基因的系数和患者基因表达水平，来对每个患者的IRGCRCⅡ风险评分进行计算，风险评分计算公式为：(k：纳入模型的基因数；βi：每个基因的系数；Si：基因表达水平)。所述风险评分的具体计算公式为：风险评分＝(-0.190×CCL28)+(0.351×FGF18)+(0.501×IL23A)+(0.766×LIF)+(0.179×SLIT2)+(0.384×VGF)。进一步地，步骤S1中的临床数据包括年龄，性别，肿瘤分期，化疗，生存时间和生存状态。进一步地，步骤S1的诊断标准为美国癌症联合委员会(AJCC)第8版确定的II期CRC患者的诊断标准。进一步地，步骤S2中基因筛选标准为：错误发现率(FDR)<0.01和|log2foldchange(FC)|>1。采用上述技术方案，具有的有益效果如下：本专利技术所构建的IRGCRCⅡ预后模型以高表达的Ⅱ期结直肠患者体内6种免疫基因含量测定为基础来进行构建的用于评估Ⅱ期CRC患者预后的基因模型工具，为Ⅱ期结直肠患者生存结局的评估提供了新的评价体系，并对患者是否进行化学治疗等治疗方案的选择提供了新的依据。此外，经对比分析，本专利技术与FDA批准的OncotypeDXcolon模型相比，本专利技术的模型在预测效果上更好。并且目前基因检测技术在临床的广泛的应用，进一步地为本专利技术构建的IRGCRCⅡ预后模型的预后评估的应用提供了保障，本专利技术具有一定的实施基础。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1：为本专利技术筛选的DEGs的基因；(请对各图给予合适的命名)图2：为识别DEIRG并构建IGCRCⅡ模型；图3：为IGCRCⅡ模型预测价值的分组分析；图4：为总体组中高风险组和低风险组患者的风险评分分布和生存状态及模型预测效能评估；图5：为训练组与验证组中高风险组和低风险组患者的风险评分分布和生存状态，以及IGCRCⅡ模型与OncotypeDX模型预测效能对比；图6：为诺莫图临床预测模型的构建；图7：为IRGCRCⅡ预后模型与临床病理特征分析；图8：为临床标本验证模型基因表达。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本本文档来自技高网...

【技术保护点】
1.一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法，其特征在于，采用IRGCRCⅡ预后模型对Ⅱ期结直肠癌患者预后进行评估，所述IRGCRCⅡ预后模型包含CCL28、FGF18、IL23A、LIF、SLIT2和VGF免疫基因。/n

【技术特征摘要】
1.一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法，其特征在于，采用IRGCRCⅡ预后模型对Ⅱ期结直肠癌患者预后进行评估，所述IRGCRCⅡ预后模型包含CCL28、FGF18、IL23A、LIF、SLIT2和VGF免疫基因。


2.根据权利要求1所述的一种基于免疫基因表达特征谱对Ⅱ期结直肠癌患者预后进行高效快捷评估的方法，其特征在于，
所述IRGCRCⅡ预后模型构建方法步骤为：
S1：患者信息获取：从TCGA数据库获取结直肠癌患者的基因表达谱(数据等级3)和临床数据；从GEO数据库获取GSE39582微阵列数据集中符合诊断标准的II期结直肠癌转录组数据及临床数据；从ImmPort数据库中获得免疫相关基因(IRGs)；对选自TCGA数据库和GEO数据库的GSE39582数据集的患者进行筛选，将符合诊断标准的Ⅱ期结直肠癌患者纳入分析；
S2：转录组数据处理和差异分析：使用统计学软件R中的“limma”包对步骤S1筛选的Ⅱ期结直肠癌患者转录组数据进行处理，去除在样本中表达过低或没有表达的基因；符合条件的基因依次进行肿瘤样本和正常样本之间的差异表达分析，并将差异表达倍数大于两倍，并具有统计学意义的基因筛选出来；然后将筛选出的差异基因与从Immport数据库下载的IRGs取交集，从而获得差异表达的274个免疫相关基因(DEIRGs)；
S3：IRGCRCⅡ预后模型的开发与应用
①IRGCRCⅡ预后模型的开发：
将临床资料完整的Ⅱ期结直肠癌患者进行预后分析：采用机械学习法，将步骤S1中筛选的TCGA数据集中的Ⅱ期结直肠癌患者按7:3的比例分为训练组和测试组，基于训练组的数据，使用单变量Cox回归分析确定与生存相关的15个DEIRGs,然后使用最小绝对收缩和选择算子(LASSO)Cox惩罚回归模型最小化过度拟合，进一步缩小单变量Cox...

【专利技术属性】
技术研发人员：练磊，殷实，李宪哲，谢明颢，熊志中，
申请(专利权)人：中山大学附属第六医院，
类型：发明
国别省市：广东;44