基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法技术

本发明专利技术公开了一种基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，该方法包括：步骤

【技术实现步骤摘要】
基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法


[0001]本专利技术涉及生物医药领域，具体来说，涉及一种基于结直肠癌脂肪酸分解代谢通路进行肿瘤亚型和预后模型构建方法
。

技术介绍

[0002]结直肠癌
(CRC)
是全球第三大常见癌症，也是导致癌症相关死亡的第二大原因
。
在美国，
2022
年估计新增癌症病例男性为
80690
例，女性为
70340
例，而估计死亡人数分别为
28400
例和
24180
例
。
在诊断为
CRC
的患者中，
20
％的患者有转移性
CRC(mCRC)
，
40
％的患者在治疗局部肿瘤后复发
。
不可切除
mCRC
的主要治疗是全身治疗
(
细胞毒性化疗
、
靶向治疗，如细胞生长因子抗体
、
免疫疗法及综合治疗
)。
然而，晚期
CRC
对放疗
、
化疗和靶向治疗均不敏感，容易产生耐药性，
mCRC
的5年生存率低于
20
％
。
虽然现有治疗的获益已达到稳定，但迫切需要开发新的有效治疗策略来改善生存结局
。
随着有关靶向治疗的临床试验的开展，
CRC
患者的特定亚组明显获益，但生物标志物的相对缺乏减缓了我们在这方面的进展
。
因此，迫切需要确定新的治疗靶点，为
CRC
患者制定有效的个体化治疗方案
。
[0003]作为癌症的十大标志之一，细胞代谢异常在癌症的发病发展中起着重要作用
。
恶性细胞增生需要吸收大量葡萄糖和谷氨酰胺来合成蛋白质
、
脂质和核酸
。
众所周知，脂肪酸
(FA)
代谢以多种方式影响癌症细胞生物学
。
研究表明，许多参与
FA
摄取
、FA
合成和
FA
氧化
(FAO)
的酶在多种癌症中受到异常调节，导致
FA
代谢的重新编程，并促进癌症的恶性表型，这表明脂质代谢异常在癌症中的重要性
。FA
由具有长链烃的羧基端基组成，长链烃可以是饱和或不饱和的，它们也是类二十烷的底物，并为信号蛋白提供翻译后脂质修饰
。FA
生物合成增加可能是对癌症细胞高代谢需求的响应，也可能是对肿瘤微环境
(TME)
中血清衍生脂质可用性降低的适应
。
值得注意的是，
FA
用于合成膜的脂质构建块
。
最近，由脂肪酰基饱和度和长度指定的膜脂质组成受到了极大的关注，其被认为是新出现的常见肿瘤相关识别特征
。
脂肪酸分解代谢
(FAC)
的途径称为
β
‑
氧化途径
(
也称为
FAO)
，通过该途径，
FA
分子在线粒体中被分解，生成乙酰辅酶
A、NADH
和
FADH2。
许多类型的癌症依赖
FAC
作为促进快速生长的重要
ATP
来源，包括
CRC。
此外，临床肿瘤脂质组学可以区分恶性组织和正常组织，预测转移趋势，并反映对抗癌治疗的反应或抵抗力
。
[0004]FAC
长期以来一直被认为在
CRC
进展中扮演着多方面的角色
。
在营养和环境胁迫下的
CRC
细胞中，由
ACC1 RNA
产生的非编码
RNA
剪接
circACC1
增加，通过激活
AMPK
来调节脂质代谢，从而通过增加
FAO
和糖酵解来保持
ATP/ADP
比率
。
否则，
PTPRO
可促进
PPAR
α
及其下游基因
ACOX1
的表达，从而增强
CRC
中的
FAO
并抑制
CRC
的发生和发展
。
脂质代谢的重新编程也延伸到肿瘤微环境
。
最近的一项研究表明，来自
CRC
组织的癌相关成纤维细胞
FA
和磷脂的积累，并减少分解代谢，从而促进癌症细胞迁移
。
同时也有报道，
CPT1
抑制剂
、3
‑
酮酰基辅酶
A
硫酶
(3
‑
KAT)
抑制剂
、
α
‑
甲基酰基辅酶
A
外消旋酶
(AMACR)
抑制剂等抑制
FAC
相关蛋白已在许多
CRC
模型中显示出有前景的结果
。
总之，这些发现强烈暗示了针对
CRC
中
FAC
通路相关基因
的治疗的巨大潜力
。

技术实现思路

[0005]针对相关技术中的上述技术问题，本专利技术提出一种基于结直肠癌脂肪酸分解代谢通路进行肿瘤亚型和预后模型构建方法，通过根据
FAC
相关基因对
CRC
亚型进行分类并证明这种分类与生存率相关度，研究免疫表型和
CRC
亚型之间的关系，基于
FAC
相关基因的表达开发一种新的预后模型，解决现有技术中肿瘤亚型方法相关度低和预后模型准确度低的问题，实现提高结肠癌预后模型的预测准确度的技术效果
。
[0006]为实现上述技术目的，本专利技术提供一种基于结直肠癌脂肪酸分解代谢通路进行肿瘤亚型和预后模型构建方法，包括：步骤
S1
，获取拟合样本数据，从所述拟合样本数据中筛选
FAC
过程相关基因并获取所述
FAC
过程相关基因的
mRNA
水平数据，根据所述拟合样本数据构建
FAC
亚型组并对所述
FAC
亚型组进行评估；步骤
S2
，识别所述
FAC
亚型组中的不同亚型之间的差异表达基因，对所述差异表达基因进行富集分析，同时获取
C2.CP.KEGG.v7.2
基因集并对所述
C2.CP.KEGG.v7.2
基因集进行基因集富集分析，对不同亚型进行免疫分析；步骤
S3
，从所述
FAC
过程相关基因中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，其特征在于，包括：步骤
S1
，获取拟合样本数据，从所述拟合样本数据中筛选
FAC
过程相关基因并获取所述
FAC
过程相关基因的
mRNA
水平数据，根据所述拟合样本数据构建
FAC
亚型组并对所述
FAC
亚型组进行评估；步骤
S2
，识别所述
FAC
亚型组中的不同亚型之间的差异表达基因，对所述差异表达基因进行富集分析，同时获取
C2.CP.KEGG.v7.2
基因集并对所述
C2.CP.KEGG.v7.2
基因集进行基因集富集分析，对不同亚型进行免疫分析；步骤
S3
，从所述
FAC
过程相关基因中筛选得预后相关基因，从所述预后相关基因中筛选得到预后模型基因，根据所述预后模型基因推导预后风险评分公式，根据所述预后模型基因和所述预后风险评分公式构建预后模型，对所述预后模型进行稳定性评估
、
独立性评估并验证所述预后风险评分的预后意义；步骤
S4
，使用外部验证数据对所述预后模型进行验证；步骤
S5
，根据所述
FAC
过程相关基因的所述
mRNA
水平数据，筛选出对所述预后风险评分影响大的所述预后基因作为功能分析对象基因，对所述功能分析对象基因进行功能分析
。2.
根据权利要求1所述的基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，其特征在于，步骤
S1
包括：步骤
S1.1
，从
TCGA
数据库获取拟合样本数据，其中，所述拟合样本数据包括异常拟合样本数据和正常拟合样本数据；步骤
S1.2
，对所述异常拟合样本数据进行聚类，确定最佳聚类数和单一亚型最佳数量，根据所述最佳聚类数和所述单一亚型最佳数量，对所述
FAC
过程相关基因进行非负矩阵因子分解，获得
FAC
亚型组，其中，所述
FAC
亚型组包括
FAC
高亚型和
FAC
低亚型；步骤
S1.3
，对所述
FAC
亚型组进行评估
。3.
根据权利要求2所述的基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，其特征在于，当对所述
FAC
亚型组进行评估时，对所述
FAC
高亚型和所述
FAC
低亚型分别进行生存分析，获得
FAC
高亚型总生存数据和
FAC
低亚型总生存数据；使用单变量
Cox
回归分析方法和多变量
Cox
回归分析方法分别对所述
FAC
高亚型和所述
FAC
低亚型进行独立性分析，获得
FAC
亚型组独立性分析结果
。4.
根据权利要求1所述的基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，其特征在于，步骤
S2
包括：步骤
S2.1
，将所述拟合样本数据整理为
TCGA
表达矩阵，从所述
TCGA
表达矩阵中提取
FAC
过程相关基因并获取所述
FAC
过程相关基因的
mRNA
水平数据；步骤
S2.2
，设置
mRNA
差异表达阈值，根据所述
mRNA
差异表达阈值和所述
mRNA
水平数据筛选所述差异表达基因，其中，符合
mRNA
差异表达阈值的
mRNA
水平数据对应的所述
FAC
过程相关基因为所述差异表达基因；步骤
S2.3
，设置显著富集通路标准，根据所述显著富集通路标准对所述差异表达基因进行
GO
富集分析和
KEGG
富集分析；步骤
S2.4
，从分子特征数据库中获取
C2.CP.KEGG.v7.2
基因集，设置显著基因集标准，
根据所述显著基因集标准对所述
C2.CP.KEGG.v7.2
基因集进行基因集富集分析；步骤
S2.5
，对所述
FAC
亚型组进行免疫相关分析，获得所述
FAC
亚型组中的每个所述异常拟合样本数据的免疫成分比例
、
基质成分比例以及所述免疫成分比例和所述基质成分比例之和，根据所述免疫成分比例
、
基质成分比例以及所述免疫成分比例和所述基质成分比例之和评估每个所述异常拟合样本数据的肿瘤浸润免疫细胞分布比例，根据所述肿瘤浸润免疫细胞分布比例绘制小提琴图
。5.
根据权利要求1所述的基于结直肠癌脂肪酸分解代谢通路的肿瘤亚型和预后模型构建方法，其特征在于，步骤
S3
包括：步骤
S3.1
，设置预后相关基因筛选阈值，对所述
FAC
过程相关基因的基因表达谱进行单因素
Cox
比例风险回归分析，获得基因表达谱回归分析结果，对所述
FAC
过程相关基因的所述生存数据进行单因素
Cox
比例风险回归分析，获得生存数据回归分析结果，根据所述预后相关基因筛选阈值
、
...

【专利技术属性】
技术研发人员：王文鹏，施丹，孔大陆，
申请(专利权)人：王文鹏，
类型：发明
国别省市：