一种用于检测食管癌患者特定肠道菌群占比的基因组合物及其应用的制作方法

1.本发明涉及一种用于检测食管癌患者特定肠道菌群占比的基因组合物及其应用，属于分子诊断技术领域。


背景技术：

2.食管癌是一种非常常见的恶性肿瘤，在全世界范围内，食管癌的死亡率排名第六(占死于癌症总人数的5.3％)。食管癌主要亚型为食管鳞癌，约90％的食管癌为食管鳞癌。对于食管癌的诊断及预后评估依然有待提高。如何能够准确评估食管癌的分子特征，对于患者的精准治疗，预后评估和减轻社会负担意义重大。
3.食管癌的发生与营养状态，进食习惯等有着显著相关性，不同种类肠道菌群的数量也受到以上因素的影响。人体可以为10
‑
100万亿个微生物提供赖以生存的生态系统，每个个体可以500
‑
1000个特有的微生物物种，因此通过基因分析可以测量个体特定的肠道菌群种类和数量。肠道菌群的生态系统发生扰动会影响人类健康，特定菌种的表达量差异可能对相关肿瘤的发生有密切关联。通过对个体的基因差异进行分析可以预测其肠道菌群的种类和占比，通过对肠道菌群的占比高低进行分析可以预测食管癌的发病几率和预后情况。
4.bacteroidetes，firmicutes，actinobacteria是三类在食管癌患者肠道菌群中高表达的菌种，这三类菌株的占比越高，食管癌患者的预后越好。如图1所示。
5.然而目前测量食管癌患者基因以推测特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)占比的方法的检测并非临床常规项目，单独检测价格昂贵，仍可能有兼具准确性和应用价值的检测手段可以应用于食管癌患者个体化治疗方案的制定。


技术实现要素：

6.本发明所要解决的技术问题是：如何简单、准确地预测食管癌患者特定肠道菌群占比以便于为患者指定个体化治疗方便。
7.为了解决上述技术问题，本发明提供了一种用于检测食管癌患者特定肠道菌群bacteroidetes，firmicutes和actinobacteria中任意一种或多种菌群占比的基因组合物，包括基因snx3、akirin2、tmem87b、steap3、ppme1、lgals7b、arfrp1、stx11、rp11
‑
295p9.3和rp11
‑
434d12.1。
8.本发明还提供了一种用于检测食管癌患者特定肠道菌群bacteroidetes，firmicutes和actinobacteria中任意一种或多种菌群占比的评分模型，该评分模型为：score＝(0.1566
×
snx3) (0.0265
×
akirin2) (
‑
0.0127
×
tmem87b) (
‑
0.329
×
steap3) (0.0315
×
ppme1) (0.0363
×
lgals7b) (
‑
0.0721
×
arfrp1) (0.0133
×
stx11) (
‑
0.0878
×
rp11
‑
295p9.3) (
‑
0.1081
×
rp11
‑
434d12.1)，其中，snx3、akirin2、tmem87b、steap3、
ppme1、lgals7b、arfrp1、stx11、rp11
‑
295p9.3和rp11
‑
434d12.1分别代表相应基因的表达量。
9.优选地，所述评分模型的评分score截断值为0.008。
10.本发明还提供了上述的用于检测食管癌患者特定肠道菌群bacteroidetes，firmicutes和actinobacteria中任意一种或多种菌群占比的基因组合物在制备用于检测食管癌患者特定肠道菌群bacteroidetes，firmicutes和actinobacteria中任意一种或多种菌群占比的试剂和/或试剂盒中的应用。
11.与现有技术相比，本发明的有益效果在于：
12.1.本发明首次提出了用于检测食管癌患者特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)占比的基因组合物，可以有效指导食管癌患者的个体化治疗，提高临床获益，同时避免不必要的医疗资源浪费；
13.2.目前由于检测食管癌患者基因以推测特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)占比在临床上属于非常规检测项目，单独检测上述基因费用较高，本发明基于rna测序技术构建的预测模型可以预测食管癌患者特定肠道菌群的占比，具有经济实惠，准确性高、灵敏度和特异性好的优点。
附图说明
14.图1为高占比组和低占比组的生存差异曲线；其中，indentation 1为高占比组，indentation 2为低占比组；
15.图2为lasso回归中均方差随着log(λ)的变化曲线；
16.图3为本发明的预测模型在tcga数据中的受试者工作特性曲线(roc)。
具体实施方式
17.为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
18.实施例1
19.预测食管癌患者特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)占比的评分模型的构建：
20.第一步，首先从tcga和tcma数据库中获得44个食管癌样本数据，根据其特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)的占比高低将样本分为高占比组(n＝21)和低占比组(n＝22)，通过对44个样本的全rna表达谱所有基因的表达量数据以[log2(fpkm 1)形式]进行lasso回归分析，如图1所述，得到了与特定肠道菌群(bacteroidetes，firmicutes，actinobacteria)占比显著相关的基因，最终挑选出10个基因为：snx3、akirin2、tmem87b、steap3、ppme1、lgals7b、arfrp1、stx11、rp11
‑
295p9.3、rp11
‑
434d12.1
[0021]
第二步，通过二分类logistic回归构建评分模型score＝(0.1566
×
snx3) (0.0265
×
akirin2) (
‑
0.0127
×
tmem87b) (
‑
0.329
×
steap3) (0.0315
×
ppme1) (0.0363
×
lgals7b) (
‑
0.0721
×
arfrp1) (0.0133
×
stx11) (
‑
0.0878
×
rp11
‑
295p9.3) (
‑
0.1081
×
rp11
‑
434d12.1)。
[0022]
最后，基于该评分模型计算每个样本的得分，建立受试者工作特性曲线(roc曲线)，如图1所示，通过roc曲线获取最佳阈值点，即截断值，截断值为0.008。根据截断值将
tcga样本分为两组，评分高于该截断值归于高占比组，评分低于该截断值归于低占比组。
[0023]
实验结果表明：该预测模型灵敏度为0.818，特异度为0.955。
[0024]
实施例2
[0025]
评分模型的验证：
[0026]
将复旦大学附属中山医院胸外科收集的25例食管癌样本进行rna测序并检测了肠道菌群bacteroidetes，firmicutes和actinobacteria中任意一种或多种菌群占比，将rna表达数据带入该预测模型得到每个样本的score评分，评分高于截断值0.008的为高占比组，低于截断值0.008的为低占比组，结果如表1所示。
[0027]
表1评分模型的验证结果
[0028][0029]
实验结果表明：该预测模型灵敏度为0.812，特异度为0.88。
[0030]
上述实施例仅为本发明的优选实施例，并非对本发明任何形式上和实质上的限制，应当指出，对于本技术领域的普通技术人员，在不脱离本发明的前提下，还将可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。