一种预测早期肺癌术后复发的模型及方法技术

本发明专利技术公开了一种预测早期肺癌术后复发的模型，其通过如下方法构建：收集早期肺癌术后复发患者和未复发患者的样本，进行全外显子测序和RNA测序，并整合基因组和转录组的特征构建复发预测模型。本发明专利技术还提供一种预测早期肺癌术后复发的方法，采用上述的模型对早期肺癌术后患者是否复发进行预测。本发明专利技术能为预测复发提供更有价值的标记物，这可能会通过提供支持应用某些治疗方案的证据，使亚群患者受益。益。

【技术实现步骤摘要】
一种预测早期肺癌术后复发的模型及方法


[0001]本专利技术涉及一种预测早期肺癌术后复发的模型及方法。

技术介绍

[0002]肺癌代表了所有癌症类型中发病率和死亡率的峰值。非小细胞肺癌（NSCLC）是最常见的肺癌组织学类型，尤其是在非吸烟患者中。对早期肺癌患者而言，完全手术切除加纵隔淋巴结清扫是一种治疗方法。然而，由于可接受根治性切除的患者复发率高达30
–
55%，完全切除的I期非小细胞肺癌的五年生存率仍在50%到70%之间。
[0003]定义复发的分子机制对于识别生物标志物至关重要，生物标志物可以作为预后指标或治疗靶点，以改善临床结果。多个研究试图解释成对的原发性和转移性病变之间的差异，并表明免疫抑制的TME可能是导致转移的机制。虽然与原发肿瘤相比，转移瘤的免疫反应缺陷非常明显，但TME改变可能发生在原发肿瘤的早期，从而促进肿瘤细胞的扩散。
[0004]能够预测早期非小细胞肺癌临床预后的预后模型引起了广泛关注。之前的一项研究利用免疫信号预测早期NSCLC的总体生存率。同样，缺氧相关信号也被证明在预测早期和晚期NSCLC的总体生存率方面是有效的。显然，标记的选择受到与肿瘤细胞恶性特征相关的分子机制的指导。专利技术人认为，深入分析复发患者的多组学数据可以为预测复发提供更有价值的标记物，这可能会通过提供支持应用某些治疗方案的证据，使亚群患者受益。

技术实现思路

[0005]本专利技术的目的在于提供一种预测早期肺癌术后复发的模型，其通过如下方法构建：收集早期肺癌术后复发患者和未复发患者的样本，进行全外显子测序(WES)和RNA测序(RNASeq)，并整合基因组和转录组的特征构建复发预测模型。
[0006]为了计算突变风险评分，频繁突变的基因（患病率≥ 10%）通过单变量Cox比例风险回归分析，以评估其与DFS的相关性。结果显著（p<0.05）的两个基因（USH2A、RBM10）均采用多变量Cox模型。
[0007]为了计算表达风险评分，通过单变量Cox比例风险回归分析PR组（PR组为早复发患者组）和NR组（NR组为未复发患者组）之间的DEG，以评估它们与DFS的相关性。
[0008]根据其生物学功能，进一步选择结果显著的个体。
[0009]PR组（GSEA，NES>2）与NR组相比富含KEGG通路，包括抗原处理和呈递、B细胞受体信号传导、自然杀伤细胞介导的细胞毒性和氧化磷酸化被用作选择标准。
[0010]通过多变量Cox模型和Akaike信息标准进一步评估所选基因。
[0011]选择CALR、HSPA2、PSME1、BRAF、SERPINA1、HLA
‑
B、LTA和CD48，并将其输入多变量Cox模型。
[0012]单变量Cox比例风险回归模型也用于评估临床参数的显著性。
[0013]Cox模型的风险评分由统计数据包中的“预测”函数计算；计算模型的受试者工作特征（ROC）分析和曲线下面积（AUC），以反映预测能力；通过Kaplan
‑
Meier曲线和对数秩检
验确定高危组和低危组之间的DFS差异；最佳截止值由survminer软件包中的函数“surv_cutpoint”确定，该函数使用maxstat R软件包中最大选择的秩统计信息确定一个或多个连续变量的最佳截止点。
[0014]本专利技术还提供一种预测早期肺癌术后复发的方法，采用上述的模型对早期肺癌术后患者是否复发进行预测。
[0015]本专利技术的优点和有益效果在于：提供一种预测早期肺癌术后复发的模型及方法，为预测复发提供更有价值的标记物，这可能会通过提供支持应用某些治疗方案的证据，使亚群患者受益。
具体实施方式
[0016]下面结合实施例，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0017]专利技术人从代表早期阶段的具有不同复发风险的I期原发性非小细胞肺癌和晚期复发性肿瘤中收集样本。专利技术人对这些样本进行了全外显子测序（WES）和RNA测序（RNA seq），并比较了有复发和无复发的队列之间的遗传和转录谱。专利技术人发现，术后复发患者的原发肿瘤具有异常的免疫和代谢微环境，其匹配的肿瘤邻近组织（TAT）的免疫反应降低。通过分析成对的原发性和复发性病变，专利技术人确定了复发性肿瘤的免疫抑制状态，这与复发患者原发性肿瘤的免疫反应增强形成了对比。此外，专利技术人建立了一个预测模型，将患者分为不同复发风险的组。
[0018]具体如下：1.材料和方法1.1患者专利技术人在2012年至2018年间前瞻性招募了57例I期NSCLC患者，其中29例无复发，27例在5年内复发。收集每位患者的配对TAT作为阴性对照。收集9例复发肿瘤进行WES和RNA
‑
seq分析。这些患者接受了手术切除，没有接受辅助治疗。
[0019]1.2 DNA提取和测序使用QIAamp DNA微型试剂盒（德国希尔登Qiagen）从新鲜肿瘤和癌旁组织中提取DNA。DNA浓度通过量子点荧光计（美国加利福尼亚州Invitrogen）测定。
ꢁ
使用Covaris S2仪器（美国马萨诸塞州沃伯恩）将1
µ
g DNA片段切割成200
‑
250bp片段。使用KAPA DNA文库制备试剂盒（美国马萨诸塞州KAPA Biosystems）制备测序文库。捕获的DNA使用链霉亲和素动态珠（美国马萨诸塞州Thermo Fisher Scientific）回收，然后通过PCR扩增。使用Geneplus
‑
2000测序平台中国北京Geneplus）进行测序。
[0020]1.3 WES分析BWA（版本0.7.12
‑
r1039）用于将干净的读数与参考人类基因组（hg19）对齐。Picard（1.98版）用于标记PCR重复。使用GATK（版本3.4
‑
46
‑
gbc02625）进行重新校准和重新校准。单核苷酸变异（SNV）是使用MutCT（版本1.1.4）调用的。用CONTRA（v2.0.8）鉴定体细胞拷贝数的改变。只有当（i）在至少5次高质量阅读中检测到突变，（ii）变异等位基因频率>0.01的突变，（iii）在1000基因组项目（版本3）或dbSNP数据库（单核苷酸多态性数据库，版本dbSNP 137）中>1%的人群中不存在突变时，突变才被视为候选体细胞突变，（iv）正常样本
的本地数据库中没有突变。
[0021]1.4 PR队列中突变基因富集的鉴定PR队列中突变基因的富集程度通过优势比（OR）和来自Fisher精确检验的p进行估计。OR=PR患病率/NR患病率。
[0022]1.5特征分析R包解构用于分析单核苷酸替换特征。
[0023]1.6 CNV分析采用Gistic 2.0检测队列中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测早期肺癌术后复发的模型，其特征在于，其通过如下方法构建：收集早期肺癌术后复发患者和未复发患者的样本，进行全外显子测序和RNA测序，并整合基因组和转录组的特征构建复发预测模型。2.根据权利要求1所述的预测早期肺癌术后复发的模型，其特征在于，为了计算突变风险评分，频繁突变的基因通过单变量Cox比例风险回归分析，以评估其与DFS的相关性。3.根据权利要求2所述的预测早期肺癌术后复发的模型，其特征在于，为了计算表达风险评分，通过单变量Cox比例风险回归分析PR组和NR组之间的DEG，以评估它们与DFS的相关性。4.根据权利要求3所述的预测早期肺癌术后复发的模型，其特征在于，根据其生物学功能，进一步选择结果显著的个体。5.根据权利要求4所述的预测早期肺癌术后复发的模型，其特征在于，PR组与NR组相比富含KEGG通路，包括抗原处理和呈递、B细胞受体信号传导、自然杀伤细胞介导的细胞毒性和氧化磷酸化被用作选择标准。6.根据权利要求5所述的预测早期肺癌术后复发的模型，其特征在于，通过多变量Cox模型和Akaike信息标准进一...

【专利技术属性】
技术研发人员：张仕蓉，江洪，项晶晶，马胜林，李炜龙，陈雪琴，
申请(专利权)人：杭州市第一人民医院，
类型：发明
国别省市：