【技术实现步骤摘要】
一种免疫相关不良反应事件发生的预测模型的构建方法及标志物和试剂盒
[0001]本专利技术属于生物检测领域,涉及一种标志物和试剂盒,具体来说是一种免疫相关不良反应事件发生的预测模型的构建方法及标志物和试剂盒。
技术介绍
[0002]随着肿瘤免疫学的快速发展,肿瘤免疫治疗尤其是免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)的应用已然重塑了多种癌症治疗的新范式,为很多难治性晚期肿瘤患者带来了新的治疗选择和疾病的缓解。传统的ICIs药物,包括抗细胞毒性T淋巴细胞相关抗原4(CTLA
‑
4)和靶向程序性死亡受体1(PD
‑
1)/程序性死亡受体
‑
配体1(PD
‑
L1)的检查点抑制剂,已被批准用于治疗多种癌症,如黑色素瘤、非小细胞肺癌等。然而,ICIs药物在有效激活机体的抗肿瘤免疫反应的同时,它们也可能会带来免疫相关的不良反应,统称为免疫相关不良事件(immune
‑
related adverse events,irAEs)。据统计,将近1/2的使用ICIs药物的肿瘤患者会发生irAEs。
[0003]irAEs的发生主要是由于机体自身免疫效应过度激活而导致正常组织的损害,严重的irAEs会导致ICIs药物的停用,同时可致全身多处靶器官的损害甚至是危及生命。常见irAEs临床表现可以从轻微程度(如呕吐或皮疹)到严重(如肺炎、心肌炎)。值得注意的是,与没有发生irAEs的患者相比,据统计发生ir ...
【技术保护点】
【技术特征摘要】
1.一种免疫相关不良反应事件发生的预测模型的构建方法,其特征在于,包括如下步骤:1)微生物标志物筛选及模型构建:利用已公开发表的“免疫相关不良反应”以及“肠道菌群”数据的相关研究作为训练集,针对训练集数据,对纳入的与“免疫相关不良反应”相关的微生物标记物进行特征筛选,利用机器学习算法,使用迭代特征提取出用于构建模型的微生物特征,获得十四个肠道微生物标志物,所述的十四个肠道微生物标志物如下所示:Enterococcus faecalis、Massilimicrobiota timonensis、Enterocloster aldenensis、Ligilactobacillus salivarius、Ruminococcus bromii、Porphyromonas somerae、Agathobacter rectalis、Actinomyces oris、Subdoligranulum variabile、Prevotella buccalis、Parabacteroides merdae、Beduinibacterium massiliense、Parabacteroides goldsteinii、Ruminococcus champanellensis;2)在训练集所有研究中进行队列之间的交叉验证以及留一研究法验证来评估模型的稳定性和可重复性;3)利用训练集数据,针对所筛选出的14个肠道微生物标志物,输入微生物特征丰度矩阵,利用Python
‑
Scikit
‑
Learn中随机森林Random Forest函数,使用predict()函数预测发生概率,并计算不良反应评分RF score,利用约登指数计算不良反应评分的截断值RF score=0.499,并利用此截断值作为阈值用于后续验证模型的评估;4)一个验证的过程,收集患者粪便,利用定量PCR测序技术或者微生物16S rDNA测序技术获取粪便中步骤1)所得肠道菌群标志物的相对丰度特征;通过步骤3)的方法计算不良反应评分RF score,如果患者的不良反应评分小于0.499,表明患者属于免疫治疗不良反应高风险人群,如果患者不良反应评分大于0.499,表明患者属于免疫治疗不良反应低风险人群。2.肠道菌群标志物在制备预测免疫治疗不良反应的试剂盒中应用,其特征在于,肠道菌群标志物为Enterococcus faecalis、Massilimicrobiota timonensis、Enterocloster aldenensis、Ligilactobacillus salivarius、Ruminococcusbromii、Porphyromonas somerae、Agathobacter rectalis、Actinomyces oris、Subdoligranulum variabile、Prevotella buccalis、Parabacteroides merdae、Beduinibacterium massiliense、Parabacteroides goldsteinii、Ruminococcuschampanellensis。3.根据权利要求2所述的应用,其特征在于,收集患者粪便,通过实时定量PCR技术或者粪便微生物16S rDNA测序技术获取粪便中上述肠道菌群标志物的相对丰度;将所述的肠道菌群标志物的相对丰度特征输入微生物特征丰度矩阵,利用Python
‑
Scikit
‑
Learn中随机森林Random Forest函数predict()函数预测发生概率,并计算不良反应发生评分RF score,如果患者的评分小于0.499,表明患者属于免疫治疗不良反应高风险人群,如果患者评分大于0.499,表明患者属于免疫治疗不良反应低风险人群。4.一种预测免疫治疗不良反应的试剂盒,其特征在于,含有检测下述肠道菌群标志物的试剂,所述的肠道菌群标志物为Enterococcus faecalis、Massilimicrobiotatimonensis、Enterocloster aldenensis、Ligilactobacillus salivarius、Ruminococcus bromii、Porphyromonas somerae、Agathobacter rectalis、
Actinomyces oris、Subdoligranulum variabile、Prevotella buccalis、Parabacteroides merdae、Beduinibacterium massiliense、Parabacteroidesgoldste...
【专利技术属性】
技术研发人员:陈豪燕,洪洁,胡慕妮,房静远,黄孝雯,朱小强,
申请(专利权)人:上海交通大学医学院附属仁济医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。