一种基于铜死亡的弥漫大B细胞淋巴瘤预后模型

摘要: 本发明涉及医疗领域,具体涉及一种基于铜死亡的弥漫大b细胞淋巴瘤预后模型。背景技术:1、弥漫性大b细胞淋巴瘤(diffuselargeb-celllymphoma...
一种基于铜死亡的弥漫大B细胞淋巴瘤预后模型

本发明涉及医疗领域,具体涉及一种基于铜死亡的弥漫大b细胞淋巴瘤预后模型。

背景技术:

1、弥漫性大b细胞淋巴瘤(diffuse large b-cell lymphoma,dlbcl)是目前最常见的成人非霍奇金淋巴瘤,是一种具有高侵袭性、生长迅速的肿瘤。研究表明dlbcl在病理形

2、态学、免疫学表型、基因表达等方面均具有较高的异质性,越来越多的证据显示其可能并不是一个真正独立的病种;目前还没有潜在的同时考虑到和铜死亡状态的生物标志物用来预示弥漫大b细胞淋巴瘤的预后和个性化治疗。

技术实现思路

1、本发明要解决的问题是针对现有技术中所存在的上述不足而提供一种基于铜死亡的弥漫大b细胞淋巴瘤预后模型帅选靶向药物的可能。

2、为实现上述目的,本发明采用了如下的技术方案:一种基于铜死亡的弥漫大b细胞淋巴瘤预后模型,包括以下步骤,s1、在geo公共数据库中获取相关数据,筛选包含样本量较大、临床信息完整的gse31312数据集;即弥漫大b细胞淋巴瘤相应的临床和突变数据;获得铜死亡基因的表达矩阵,根据基因注释获得rna-seq数据以区分lncrna;采取r软件包对铜死亡相关基因表达谱进行了共表达相关性分析并绘制桑基图;设定|r|>0.4,p<0.001;使用r软件包"survival"和“survminer”进行单因素生存分析并绘制森林图,设定p<0.05;

3、s2、构建及验证弥漫大b细胞淋巴瘤预后模型的铜死亡相关的风险模型;从tcga数据库中下载cesc的rna-seq数据和临床数据后,将样本的生存时间和生存状态以及基因表达量进行整合得到tcga-cesc数据;使用回归分析在训练集构建与铜死亡相关的lncrna模型,并使用整个集和测试集验证该模型;采用r软件包“pheatmap”、“survival"和“survminer”,根据风险评分将dlbcl患者分为高危组和低危组,根据风险评分在集合中的样本的生存时间得到模型中的lncrna表达热图;

4、s3、评价风险模型的效度;所述评价风险模型包含基因在高低风险组患者中分布热图以及高低风险组的生存曲线;风险模型的效度包括两个部分,测试集和整个集的高低风险组的风险评分以及高低风险组患者风险评分和生存状态散点图;首先,判断步骤s2中训练集和整个集的对应的趋势应与测试集相同;如果不能相同,则该模型不成立,不进行效度评估;如果相同,则进行效度评估;

5、s4、绘制瀑布图及其他指标分析;使用“maftools”将宫颈癌突变负荷数据汇总、分析、注释和可视化,绘制高、低风险组的基因突变瀑布图,并分析了高风险和低风险组之间tmb和存活率的差异;从网站检索并下载肿瘤免疫功能障碍和排除评分文件,采用spss绘制样本tmb和tide直方图;采用r软件包“ggpubr”评估低风险组和高风险组之间免疫检查点阻断反应的潜在差异;

6、s5、筛选潜在药物;使用r软件包“limma gsva”分析弥漫大b细胞淋巴瘤相关功能的差异,p<0.05;使用软件包“prrophetic”、“ggplot2”和“ggpubr”筛选治疗剂,并观察药物敏感性,pfilter=0.001且corpvalue=0.001。

7、进一步,s2中筛选出6个显著影响患者预后的铜死亡关键基因,采用这6个铜死亡关键基因进行cox回归分析,构建了一个基于5个铜死亡核心基因的预后模型(cdkn2a×1.547905713-dlat×2.241073725-dld×1.907442964-lipt1×2.689158994-mtf1×2.069682266)。

8、进一步,5个铜死亡核心基因中的cdkn2a为抑癌基因,最后采用虚拟对接发现与cdkn2a结合能最低三个小分子:irinotecan, lumacaftor,nilotinib。

9、进一步,所述弥漫性大b细胞淋巴瘤亚型患者包括ezb亚型、mcd亚型、st2亚型、bn2亚型和lymphgen未分类亚型。

10、s1中所述“筛选包含样本量较大、临床信息完整的gse31312数据集”的具体方法包括以下亚型分层筛选步骤:将gse31312数据集中的弥漫大b细胞淋巴瘤样本按照lymphgen分子分型划分为ezb亚型、mcd亚型、st2亚型、bn2亚型和未分类亚型;分别对各亚型内的铜死亡基因表达矩阵进行独立共表达相关性分析,设定|r|>0.4,p<0.001,获得各亚型特异的铜死亡相关lncrna候选集;对各亚型候选集分别进行单因素生存分析(p<0.05),筛选出亚型特异性预后相关lncrna;以亚型特异性lncrna为输入,分别构建5个独立的亚型特异性风险评分子模型,每个子模型具有独立的基因组合及权重系数;最终预后模型为所述5个子模型的集成投票模型,当某一患者的分子亚型归属明确时,采用对应子模型进行风险分层;当亚型归属不明确时,采用所有子模型评分的加权平均值作为综合风险评分。

11、进一步,所述集成投票模型的风险分层决策规则为:分别计算患者在各亚型子模型下的风险评分r1~r5,并各自判定为高危(评分高于该子模型训练集风险评分中位数)或低危;若至少3个子模型判定为高危,则最终判定为高危组;若至少3个子模型判定为低危,则最终判定为低危组;若判定结果恰好为2:3或3:2,则采用加权综合风险评分 rensemble=∑i=15wi⋅rirensemble=∑i=15wi⋅ri,其中权重 wiwi为该子模型在训练集中的c-index归一化值,依据rensemblerensemble与所有样本中位数的比较确定最终分组。

12、进一步,s2中构建风险模型之前,执行以下动态阈值优化步骤:在训练集中,采用时间依赖性roc曲线评估不同风险评分截断值下1年、3年、5年生存预测的auc值;构建auc与截断值的平滑函数曲线,选取auc曲线一阶导数首次为零且二阶导数为负的拐点作为最佳截断值,而非采用固定中位数分层;将该动态截断值应用于测试集和整个集进行验证,比较动态截断值与固定中位数截断值在时间依赖性auc上的提升幅度,仅当提升幅度≥5%时采用动态截断值作为最终分层标准。

13、进一步,s1中获取铜死亡基因表达矩阵时,采用以下缺失值迭代填补方法:对原始表达矩阵中缺失值进行多重插补(multiple imputation by chained equations, mice),设定插补次数为5次,迭代次数为20次;每次插补后计算插补后数据与原始非缺失部分在铜死亡相关基因上的kolmogorov-smirnov分布一致性检验,p>0.05时视为插补合格;将5次插补后的基因表达量取中位数作为最终表达值,以消除单次插补的随机偏差;将填补后表达矩阵与原始非缺失样本的表达分布进行主成分分析投影比对,若前两个主成分的解释方差比值与原始数据偏差≤10%,则接受填补结果,否则重新调整插补参数直至合格。

14、进一步,在s3效度评价之后,增加外部独立验证集强化验证步骤:从geo数据库中另行下载至少2个未参与模型构建的弥漫大b细胞淋巴瘤独立数据集,所述数据集包含完整的生存信息及铜死亡相关基因表达谱;在外部验证集中,不进行任何模型参数重训练,直接应用s2构建的预后模型进行风险评分和分组;采用一致性指数(c-index)和时间依赖性auc评估模型在外部验证集中的预测准确性,要求c-index≥0.65且1年auc≥0.70视为验证通过;若任一外部验证集未达到上述阈值,则触发模型自适应校正模块,利用外部验证集的批效应校正因子对模型系数进行微调,并将微调后的模型重新在训练集上进行过拟合检验,确保校正后模型在训练集上的c-index下降不超过3%。

15、进一步,为便于临床转化,构建基于所述5个铜死亡核心基因的简化临床评分系统,替代原始连续风险评分公式:将各核心基因的表达量按照训练集表达谱的三分位数转化为离散评分:低表达组计0分,中表达组计1分,高表达组计2分;根据s2中cox回归系数对各基因进行整数化赋分,将系数按比例缩放并取整为1~5的整数值,构建简化整数评分表;患者总评分为各基因整数评分之和,总评分范围设定为0~20分;根据训练集中总评分的五分位数划分5个风险层级:极低危(≤p20)、低危(p20~p40)、中危(p40~p60)、高危(p60~p80)、极高危(>p80)。

16、相比于现有技术,本发明具有如下有益效果:基于铜死亡相关基因的弥漫性大b细胞淋巴瘤预后模型基于5个铜死亡相关基因表达水平来构建的,包括5个铜死亡核心基因的预后模型(cdkn2a×1.547905713-dlat×2.241073725-dld×1.907442964-lipt1×2.689158994-mtf1×2.069682266);该预后模型因此能够实现对弥漫性大b细胞淋巴瘤的生存状态、生存时间,进行较为精准的分析,对患者进行高低风险组的分组更加准确;能够筛选出适合不同风险患者的靶向药;并且能够为后续研究在分子生物学层面上提供理论基础。

17、本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。