一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器及应用
技术领域：
：1.本发明涉及一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器及应用，涉及预测晚期肿瘤患者应用ici类药物敏感人群的界定。
背景技术：
：：2.免疫检查点抑制剂（immunecheckpointinhibitor，ici）治疗，包括抗体靶向程序性死亡受体1（programmedcelldeathprotein1，pd-1）,程序性死亡配体1（programmeddeath-ligand1，pd-l1），细胞毒性t淋巴细胞相关蛋白4（cytotoxict-lymphocyte-associatedprotein4，ctla4），已经彻底改变了晚期肿瘤患者的治疗方式[1-5]。尽管ici类药物为肿瘤治疗带来了新的曙光，但在治疗过程中只有部分患者对ici类药物敏感[6-9]。此外，ici类药物价格昂贵，且引发的免疫相关不良反应仍需减少[10-14]，给临床中使用ici类药物带来困扰。tmb被定义为每百万碱基通过测序检测出的的非同义体细胞突变（包括错义突变、无义突变、移码突变、截断突变、剪切突变等）[15]。已有研究开始探索肿瘤患者tmb和对ici治疗敏感性的关系，尤其是在膀胱癌、肺癌和黑色素瘤中[4,16-21]。研究发现，一方面肿瘤的非同义突变负荷越高，肿瘤抗原越多，进而增加肿瘤免疫原性，并最终提高免疫治疗的临床疗效[19]；另一方面，在肿瘤形成过程中发生的非同义体细胞突变的积累有助于肿瘤的发生、临床进展、免疫逃逸和耐药性的产生[22，23]。因此，tmb可能在不同程度上影响癌症的预后和免疫治疗的反应。过去的研究已经假定tmb和使用ici类药物后改善的临床结局有关，但并未被证实过。目前，还尚未见有基于tmb预测晚期肿瘤患者对ici类药物敏感性的报道。技术实现要素：[0003]本发明所要解决的的技术问题是克服临床晚期肿瘤患者应用ici类药物敏感性预测和应用方面存在的缺陷和不足，提供一种预测晚期肿瘤患者应用ici类药物敏感性的分类器及其应用。通过测序计算肿瘤患者的tmb，与tmb阈值进行比较，将患者分为对ici类药物敏感组和对ici类药物不敏感组，达到预测晚期肿瘤患者应用ici类药物敏感性的目的，并推荐敏感组患者使用ici类药物进行治疗，不敏感组患者慎重考虑使用ici类药物进行治疗。[0004]本发明的目的是提供一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器。[0005]本发明的另一个目的是提供上述分类器的应用。[0006]本发明的上述目的是通过以下技术方案给予实现的：预测晚期肿瘤患者应用ici类药物敏感性的分类器，通过阈值进行分组。[0007]本发明还请求保护上述分类器在预测晚期肿瘤患者对ici类药物敏感性方法中的应用。与现有技术相比，本发明具有以下有益效果：本发明公开了一种用于预测晚期肿瘤患者对ici类药物敏感性的分类器及应用。通过测序获取上述患者的tmb信息，并通过与分类器阈值比较对患者进行分组，达到预测晚期肿瘤患者对ici类药物敏感性的目的，对患者的进一步诊治方案和延长患者生存期具有重大意义。[0008]具体实施方法以下结合说明书附图和具体实施例来进一步说明本发明，但实施例并不对本发明做任何形式的限定。除非特别说明，本发明采用的试剂、方法和设备为本
技术领域：
：常规试剂、方法和设备。[0009]实施例1用于预测晚期肿瘤患者应用ici类药物敏感性分类器。[0010]1、晚期肿瘤患者的tmb的确定。[0011]（1）提取患者肿瘤组织及配对的正常组织的dna。[0012]（2）对上述样本进行高通量测序。[0013]（3）tmb被定义为每百万碱基通过测序检测出的的非同义体细胞突变数。通过公式tmb=(非同义突变的体细胞个数)/有效覆盖区域，计算出相应患者的tmb。[0014]2、预测晚期肿瘤患者应用ici类药物敏感性的分类器阈值的确定。[0015]（1）从cbioportal数据库下载并分析了1661例接受了ici治疗患者的临床数据及tmb评分。[0016]（3）所有样本的tmb评分范围为0-209.55(中位数为5.90)。不同肿瘤类型的tmb评分汇总数据见图1。tmb评分和生存状态的分布如图2所示。根据tmb中位数5.9将患者分为低tmb状态组和高tmb状态组。各组患者的临床特征见表1。[0017]（4）通过x-tileplot分析tmb和总生存期（os），发现在低tmb组中，tmb较高的患者os更差（图3a）。相反，在高tmb组中使用x-tileplot分析发现os随着tmb增加而改善(图4a)。我们在低tmb组和高tmb组中使用x-tile软件生成的最佳截止点分别为5.27和17.55，从而将两组进一步细分为亚组。图3bkaplan–meier生存分析显示在低tmb组中，tmb较高的患者总生存期更短（风险比[hr]=1.54；95%置信区间[ci]，1.20-1.96；p=0.00037）。相反，在图4b高tmb亚组中，tmb更高的患者总生存期os更长（hr=0.43;95%ci,0.34-0.56；p《0.0001）。通过多变量cox回归分析调整性别、年龄和癌症类型后，tmb在两个亚组中仍然是一个独立的预后因素(表2)。[0018]（2）通过膀胱癌、肺癌、黑色素瘤三个癌种共同评估预测晚期肿瘤患者应用ici类药物敏感性的分类器的准确度。一些膀胱癌、肺癌、黑色素瘤的研究已经报道tmb和患者对ici治疗敏感性呈正相关。为评估我们在ici治疗组中发现的tmb与总生存期的关联是否适用于这三种癌种，我们再次对cbioportal数据库的患有膀胱癌、肺癌及黑色素瘤的ici治疗组患者进行x-tileplot分析。正如之前的描述一样，我们根据tmb将患者分为亚组（图5a,6a）。我们发现在低tmb组中，tmb与os负相关(hr=1.57;95%ci,1.09–2.24;p=0.012)，而在高tmb亚组中，tmb更高的的患者总生存期os更长，与上述的总ici治疗组一致(hr=0.44;95%ci,0.33–0.58;p《0.0001)（图5b,6b）。多因素分析显示在两个亚组中tmb预测ici治疗组os结果都与性别、年龄和肿瘤类型无关（表3）。[0019]综上所述，我们的数据表明tmb和ici治疗组患者的os是非线性的。可以通过tmb阈值来确定确定患者对ici类药物的敏感性。[0020]3、根据我们提供的tmb阈值将患者分为高tmb组和低tmb组，患者的tmb大于5.9被分入高tmb组，反之被分入低tmb组。在高tmb组中，患者tmb越高，对ici类药物的敏感性越高。在低tmb组中，患者对ici类药物敏感性较差。基于上述技术方案，本发明所述的tmb检测方法可有效的用于预测晚期肿瘤患者患者应用ici类药物敏感性。通过测序检测患者肿瘤组织和配对的正常组织dna，计算出相应的肿瘤突变负荷tmb,通过分类器预测晚期肿瘤患者应用ici类药物敏感性，提高了晚期肿瘤患者应用ici类药物人群界定的准确性，对患者的进一步诊治方案和延长患者生存期具有重大意义。[0021]实施例2、用于预测晚期肿瘤患者应用ici类药物敏感性的分类器的应用具体的，用于预测晚期肿瘤患者应用ici类药物敏感性的分类器应用方法为：s1.提取晚期肿瘤患者肿瘤和配对正常组织样品的dna；s2.对上述样本进行高通量测序；s3.通过公式tmb=(非同义突变的体细胞个数)/有效覆盖区域，计算出患者的tmb评分。[0022]s4.根据分类器阈值（5.9）将患者分组，tmb高于5.9分入高tmb组，反之分入低tmb组。在高tmb组中，tmb越高，患者对ici类药物更敏感，os提高更多；在低tmb组中，患者对ici类药物敏感性较差。[0023]s5.临床中对tmb高于5.9的患者推荐使用ici类药物治疗；对tmb低于5.9的患者慎重考虑ici类药物治疗。[0024]以上对本发明公开的一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器及应用进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。[0025]表1:ici治疗组患者的基线特征。[0026]表2:在ici治疗组中，tmb与os的单因素和多因素cox回归分析。cardiol,2019,74(13):1714-1727.15.chengdt,mitchelltn,zehira,shahrh,benayedr,syeda,chandramohanr,liuzy,wonhh,scottsn,brannonar,o'reillyc,sadowskaj,casanovaj,yannesa,hechtmanjf,yaoj,songw,rossds,oultachea,dogans,borsul,hameedm,nafak,arcilame,ladanyim,bergermf.memorialsloankettering-integratedmutationprofilingofactionablecancertargets(msk-impact):ahybridizationcapture-basednext-generationsequencingclinicalassayforsolidtumormolecularoncology[j].jmoldiagn,2015,17(3):251-64.16.balarav,galskymd,rosenbergje,etal.atezolizumabasfirst-linetreatmentincisplatin-ineligiblepatientswithlocallyadvancedandmetastaticurothelialcarcinoma:asingle-arm,multicentre,phase2trial.lancet2017;389:67-76.17.hellmannmd,ciuleanute,pluzanskia,etal.nivolumabplusipilimumabinlungcancerwithahightumormutationalburden.nengljmed2018;378:2093-104.18.fordepm,chaftje,smithkn,etal.neoadjuvantpd-1blockadeinresectablelungcancer.nengljmed2018;378:1976-86.19.rizvina,hellmannmd,snydera,etal.cancerimmunology.mutationallandscapedeterminessensitivitytopd-1blockadeinnon-smallcelllungcancer.science2015;348:124-8.20.snydera,makarovv,merghoubt,etal.geneticbasisforclinicalresponsetoctla-4blockadeinmelanoma.nengljmed2014;371:2189-99.21.vanallenem,miaod,schillingb,etal.genomiccorrelatesofresponsetoctla-4blockadeinmetastaticmelanoma.science2015;350:207-11.22.farbere.themultistepnatureofcancerdevelopment.cancerres1984;44:4217-23.23.vogelsteinb,kinzlerkw.themultistepnatureofcancer.trendsgenet1993;9:138-41.当前第1页12当前第1页12
技术领域：
：1.本发明涉及一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器及应用，涉及预测晚期肿瘤患者应用ici类药物敏感人群的界定。
背景技术：
：：2.免疫检查点抑制剂（immunecheckpointinhibitor，ici）治疗，包括抗体靶向程序性死亡受体1（programmedcelldeathprotein1，pd-1）,程序性死亡配体1（programmeddeath-ligand1，pd-l1），细胞毒性t淋巴细胞相关蛋白4（cytotoxict-lymphocyte-associatedprotein4，ctla4），已经彻底改变了晚期肿瘤患者的治疗方式[1-5]。尽管ici类药物为肿瘤治疗带来了新的曙光，但在治疗过程中只有部分患者对ici类药物敏感[6-9]。此外，ici类药物价格昂贵，且引发的免疫相关不良反应仍需减少[10-14]，给临床中使用ici类药物带来困扰。tmb被定义为每百万碱基通过测序检测出的的非同义体细胞突变（包括错义突变、无义突变、移码突变、截断突变、剪切突变等）[15]。已有研究开始探索肿瘤患者tmb和对ici治疗敏感性的关系，尤其是在膀胱癌、肺癌和黑色素瘤中[4,16-21]。研究发现，一方面肿瘤的非同义突变负荷越高，肿瘤抗原越多，进而增加肿瘤免疫原性，并最终提高免疫治疗的临床疗效[19]；另一方面，在肿瘤形成过程中发生的非同义体细胞突变的积累有助于肿瘤的发生、临床进展、免疫逃逸和耐药性的产生[22，23]。因此，tmb可能在不同程度上影响癌症的预后和免疫治疗的反应。过去的研究已经假定tmb和使用ici类药物后改善的临床结局有关，但并未被证实过。目前，还尚未见有基于tmb预测晚期肿瘤患者对ici类药物敏感性的报道。技术实现要素：[0003]本发明所要解决的的技术问题是克服临床晚期肿瘤患者应用ici类药物敏感性预测和应用方面存在的缺陷和不足，提供一种预测晚期肿瘤患者应用ici类药物敏感性的分类器及其应用。通过测序计算肿瘤患者的tmb，与tmb阈值进行比较，将患者分为对ici类药物敏感组和对ici类药物不敏感组，达到预测晚期肿瘤患者应用ici类药物敏感性的目的，并推荐敏感组患者使用ici类药物进行治疗，不敏感组患者慎重考虑使用ici类药物进行治疗。[0004]本发明的目的是提供一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器。[0005]本发明的另一个目的是提供上述分类器的应用。[0006]本发明的上述目的是通过以下技术方案给予实现的：预测晚期肿瘤患者应用ici类药物敏感性的分类器，通过阈值进行分组。[0007]本发明还请求保护上述分类器在预测晚期肿瘤患者对ici类药物敏感性方法中的应用。与现有技术相比，本发明具有以下有益效果：本发明公开了一种用于预测晚期肿瘤患者对ici类药物敏感性的分类器及应用。通过测序获取上述患者的tmb信息，并通过与分类器阈值比较对患者进行分组，达到预测晚期肿瘤患者对ici类药物敏感性的目的，对患者的进一步诊治方案和延长患者生存期具有重大意义。[0008]具体实施方法以下结合说明书附图和具体实施例来进一步说明本发明，但实施例并不对本发明做任何形式的限定。除非特别说明，本发明采用的试剂、方法和设备为本
技术领域：
：常规试剂、方法和设备。[0009]实施例1用于预测晚期肿瘤患者应用ici类药物敏感性分类器。[0010]1、晚期肿瘤患者的tmb的确定。[0011]（1）提取患者肿瘤组织及配对的正常组织的dna。[0012]（2）对上述样本进行高通量测序。[0013]（3）tmb被定义为每百万碱基通过测序检测出的的非同义体细胞突变数。通过公式tmb=(非同义突变的体细胞个数)/有效覆盖区域，计算出相应患者的tmb。[0014]2、预测晚期肿瘤患者应用ici类药物敏感性的分类器阈值的确定。[0015]（1）从cbioportal数据库下载并分析了1661例接受了ici治疗患者的临床数据及tmb评分。[0016]（3）所有样本的tmb评分范围为0-209.55(中位数为5.90)。不同肿瘤类型的tmb评分汇总数据见图1。tmb评分和生存状态的分布如图2所示。根据tmb中位数5.9将患者分为低tmb状态组和高tmb状态组。各组患者的临床特征见表1。[0017]（4）通过x-tileplot分析tmb和总生存期（os），发现在低tmb组中，tmb较高的患者os更差（图3a）。相反，在高tmb组中使用x-tileplot分析发现os随着tmb增加而改善(图4a)。我们在低tmb组和高tmb组中使用x-tile软件生成的最佳截止点分别为5.27和17.55，从而将两组进一步细分为亚组。图3bkaplan–meier生存分析显示在低tmb组中，tmb较高的患者总生存期更短（风险比[hr]=1.54；95%置信区间[ci]，1.20-1.96；p=0.00037）。相反，在图4b高tmb亚组中，tmb更高的患者总生存期os更长（hr=0.43;95%ci,0.34-0.56；p《0.0001）。通过多变量cox回归分析调整性别、年龄和癌症类型后，tmb在两个亚组中仍然是一个独立的预后因素(表2)。[0018]（2）通过膀胱癌、肺癌、黑色素瘤三个癌种共同评估预测晚期肿瘤患者应用ici类药物敏感性的分类器的准确度。一些膀胱癌、肺癌、黑色素瘤的研究已经报道tmb和患者对ici治疗敏感性呈正相关。为评估我们在ici治疗组中发现的tmb与总生存期的关联是否适用于这三种癌种，我们再次对cbioportal数据库的患有膀胱癌、肺癌及黑色素瘤的ici治疗组患者进行x-tileplot分析。正如之前的描述一样，我们根据tmb将患者分为亚组（图5a,6a）。我们发现在低tmb组中，tmb与os负相关(hr=1.57;95%ci,1.09–2.24;p=0.012)，而在高tmb亚组中，tmb更高的的患者总生存期os更长，与上述的总ici治疗组一致(hr=0.44;95%ci,0.33–0.58;p《0.0001)（图5b,6b）。多因素分析显示在两个亚组中tmb预测ici治疗组os结果都与性别、年龄和肿瘤类型无关（表3）。[0019]综上所述，我们的数据表明tmb和ici治疗组患者的os是非线性的。可以通过tmb阈值来确定确定患者对ici类药物的敏感性。[0020]3、根据我们提供的tmb阈值将患者分为高tmb组和低tmb组，患者的tmb大于5.9被分入高tmb组，反之被分入低tmb组。在高tmb组中，患者tmb越高，对ici类药物的敏感性越高。在低tmb组中，患者对ici类药物敏感性较差。基于上述技术方案，本发明所述的tmb检测方法可有效的用于预测晚期肿瘤患者患者应用ici类药物敏感性。通过测序检测患者肿瘤组织和配对的正常组织dna，计算出相应的肿瘤突变负荷tmb,通过分类器预测晚期肿瘤患者应用ici类药物敏感性，提高了晚期肿瘤患者应用ici类药物人群界定的准确性，对患者的进一步诊治方案和延长患者生存期具有重大意义。[0021]实施例2、用于预测晚期肿瘤患者应用ici类药物敏感性的分类器的应用具体的，用于预测晚期肿瘤患者应用ici类药物敏感性的分类器应用方法为：s1.提取晚期肿瘤患者肿瘤和配对正常组织样品的dna；s2.对上述样本进行高通量测序；s3.通过公式tmb=(非同义突变的体细胞个数)/有效覆盖区域，计算出患者的tmb评分。[0022]s4.根据分类器阈值（5.9）将患者分组，tmb高于5.9分入高tmb组，反之分入低tmb组。在高tmb组中，tmb越高，患者对ici类药物更敏感，os提高更多；在低tmb组中，患者对ici类药物敏感性较差。[0023]s5.临床中对tmb高于5.9的患者推荐使用ici类药物治疗；对tmb低于5.9的患者慎重考虑ici类药物治疗。[0024]以上对本发明公开的一种用于预测晚期肿瘤患者应用ici类药物敏感性的分类器及应用进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。[0025]表1:ici治疗组患者的基线特征。[0026]表2:在ici治疗组中，tmb与os的单因素和多因素cox回归分析。cardiol,2019,74(13):1714-1727.15.chengdt,mitchelltn,zehira,shahrh,benayedr,syeda,chandramohanr,liuzy,wonhh,scottsn,brannonar,o'reillyc,sadowskaj,casanovaj,yannesa,hechtmanjf,yaoj,songw,rossds,oultachea,dogans,borsul,hameedm,nafak,arcilame,ladanyim,bergermf.memorialsloankettering-integratedmutationprofilingofactionablecancertargets(msk-impact):ahybridizationcapture-basednext-generationsequencingclinicalassayforsolidtumormolecularoncology[j].jmoldiagn,2015,17(3):251-64.16.balarav,galskymd,rosenbergje,etal.atezolizumabasfirst-linetreatmentincisplatin-ineligiblepatientswithlocallyadvancedandmetastaticurothelialcarcinoma:asingle-arm,multicentre,phase2trial.lancet2017;389:67-76.17.hellmannmd,ciuleanute,pluzanskia,etal.nivolumabplusipilimumabinlungcancerwithahightumormutationalburden.nengljmed2018;378:2093-104.18.fordepm,chaftje,smithkn,etal.neoadjuvantpd-1blockadeinresectablelungcancer.nengljmed2018;378:1976-86.19.rizvina,hellmannmd,snydera,etal.cancerimmunology.mutationallandscapedeterminessensitivitytopd-1blockadeinnon-smallcelllungcancer.science2015;348:124-8.20.snydera,makarovv,merghoubt,etal.geneticbasisforclinicalresponsetoctla-4blockadeinmelanoma.nengljmed2014;371:2189-99.21.vanallenem,miaod,schillingb,etal.genomiccorrelatesofresponsetoctla-4blockadeinmetastaticmelanoma.science2015;350:207-11.22.farbere.themultistepnatureofcancerdevelopment.cancerres1984;44:4217-23.23.vogelsteinb,kinzlerkw.themultistepnatureofcancer.trendsgenet1993;9:138-41.当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。