一种基于LR对对三阴性乳腺癌进行分型的方法及其应用

技术特征：
1.一种三阴性乳腺癌的分型方法，包括如下步骤：检测样品中的三阴性乳腺癌预后相关lr对的表达情况，使用算法对样品进行分型，其中，所述算法为k-means算法、“1-pearson相关”和聚类算法。2.根据权利要求1中的分型方法，其特征在于，所述三阴性乳腺癌预后相关lr对包括：apob-eno1、cxcl12-itga4、gpi-amfr、muc7-sell、selplg-sell、podxl-sell、bsg-slc16a7、cd22-ptprc、ptprc-cd22、ppbp-cxcr1、il7-il7r、ccl19-ccr7、serping1-selp、ccl16-ccr2、plg-f2rl1、cxcl13-ackr4、il11-il6st、icos-icoslg、icoslg-icos、ccl19-ackr4、cxcl3-cxcr1、icam4-itga4、ccl16-ccr5、cd2-cd48、cd48-cd2、tnfsf13b-tnfrsf13b、adam7-itga4、hbegf-erbb2、calr-scarf1、cxcl13-cxcr5、lgi3-stx1a、cd244-cd48、cd48-cd244、hla-a-kir3dl1、hla-b-kir3dl1、hla-f-kir3dl1、lgi3-flot1、vegfa-gpc1、efna4-epha5、qrfp-p2ry14、fgf4-fgfrl1、cxcl8-cxcr1、nms-nmur2、glg1-sele、ly9-ly9、edn3-kel、cxcl13-ccr10、ccl19-cxcr3、ccl21-cxcr3、adm-ramp2、cfh-sell、cxcl12-itgb1、cd34-sell、nmb-brs3、ccl21-ccr7、podxl2-sell、serping1-sele、clec2b-klrf1、klrf1-clec2b、cxcl13-cxcr3、sema4d-met、adm-mrgprx2、ebi3-il6st、tslp-il7r、b2m-cd1b、adam28-itga4、wnt8a-fzd5、adam7-itgb7、gnrh1-gnrhr、adm-calcr、ltb-ltbr、col14a1-cd44、f2-f2rl2、defb103a-ccr6、slit3-robo1、vtn-plaur、ccl25-ackr2、ccl19-ccr10、lrfn3-lrfn3、cxcl9-ccr3、mrc1-ptprc、ptprc-mrc1、cd58-cd2、cytl1-ccr2、dkk2-lrp6、serpine1-lrp1、efna4-epha6、nmb-nmbr、mmp7-erbb4、pomc-oprd1、clec2d-klrb1、klrb1-clec2d、gdf3-tdgf1、guca2a-gucy2c、il16-kcnj10、fgf3-fgfrl1、lrpap1-sort1、cxcl11-cxcr3、wnt9a-fzd10、apob-lsr、cd70-cd27、angptl1-tek、tnf-tnfrsf1b、cxcl12-cd4、nectin2-tigit、nectin4-tigit、tigit-nectin2、faslg-fas、pomc-mc3r、vcam1-itgb7、app-lrp1、il22-il22ra1、selplg-sele、ccl21-ackr4、tnfsf13-fas、cd160-tnfrsf14、tnfrsf14-cd160、fgf6-fgfr1、spp1-itgb1、madcam1-itga4、oxt-avpr1a、cxcl9-cxcr3、cxcl5-ackr1、btla-tnfrsf14、tnfrsf14-btla、ccl5-ccr3、tac3-tacr1、cxcl10-sdc4、vegfa-kdr、efna1-epha5、ccl5-ackr1、efna1-epha2、dkk4-kremen2、pomc-mc2r、gnas-ptgdr、ccl13-ccr2、il18-il18r1、myl9-cd69、cxcl6-cxcr1、rspo3-lrp6、ambn-cd63、calr-tshr、icam3-itgal、nmu-nmur1和dll4-notch3。3.根据权利要求1所述的分型方法，其特征在于，所述算法的聚类数k为3。4.根据权利要求1所述的分型方法，其特征在于，所述三阴性乳腺癌被分型为c1型、c2型和c3型。5.根据权利要求4所述的分型方法，其特征在于，所述分型的判断标准为：通过表达谱计算受试者样品与三种分型聚类中心的欧式距离，根据距离判断分型；其中若受试者样品的质心与c1型聚类中心的欧式距离短于其与c2和c3的欧式距离，则受试者为三阴性乳腺癌c1型；若受试者样品的质心与c2型聚类中心的欧式距离短于其与c1和c3的欧式距离，则受试者为三阴性乳腺癌c2型；若受试者样品的质心与c3型聚类中心的欧式距离短于其与c1和c2的欧式距离，则受试者为三阴性乳腺癌c3型。
6.权利要求1～5任一项所述的分型方法在三阴性乳腺癌患病人群划分中的应用。7.根据权利要求6所述的应用，其特征在于，按死亡率大小计，c3型人群＞c2型人群＞c1型人群；按临床治疗效果计，c1型人群优于c2型人群优于c3型人群。8.检测如下lr对表达量的检测产品在制备三阴性乳腺癌诊断和/或分型产品中的应用；所述lr对包括：apob-eno1、cxcl12-itga4、gpi-amfr、muc7-sell、selplg-sell、podxl-sell、bsg-slc16a7、cd22-ptprc、ptprc-cd22、ppbp-cxcr1、il7-il7r、ccl19-ccr7、serping1-selp、ccl16-ccr2、plg-f2rl1、cxcl13-ackr4、il11-il6st、icos-icoslg、icoslg-icos、ccl19-ackr4、cxcl3-cxcr1、icam4-itga4、ccl16-ccr5、cd2-cd48、cd48-cd2、tnfsf13b-tnfrsf13b、adam7-itga4、hbegf-erbb2、calr-scarf1、cxcl13-cxcr5、lgi3-stx1a、cd244-cd48、cd48-cd244、hla-a-kir3dl1、hla-b-kir3dl1、hla-f-kir3dl1、lgi3-flot1、vegfa-gpc1、efna4-epha5、qrfp-p2ry14、fgf4-fgfrl1、cxcl8-cxcr1、nms-nmur2、glg1-sele、ly9-ly9、edn3-kel、cxcl13-ccr10、ccl19-cxcr3、ccl21-cxcr3、adm-ramp2、cfh-sell、cxcl12-itgb1、cd34-sell、nmb-brs3、ccl21-ccr7、podxl2-sell、serping1-sele、clec2b-klrf1、klrf1-clec2b、cxcl13-cxcr3、sema4d-met、adm-mrgprx2、ebi3-il6st、tslp-il7r、b2m-cd1b、adam28-itga4、wnt8a-fzd5、adam7-itgb7、gnrh1-gnrhr、adm-calcr、ltb-ltbr、col14a1-cd44、f2-f2rl2、defb103a-ccr6、slit3-robo1、vtn-plaur、ccl25-ackr2、ccl19-ccr10、lrfn3-lrfn3、cxcl9-ccr3、mrc1-ptprc、ptprc-mrc1、cd58-cd2、cytl1-ccr2、dkk2-lrp6、serpine1-lrp1、efna4-epha6、nmb-nmbr、mmp7-erbb4、pomc-oprd1、clec2d-klrb1、klrb1-clec2d、gdf3-tdgf1、guca2a-gucy2c、il16-kcnj10、fgf3-fgfrl1、lrpap1-sort1、cxcl11-cxcr3、wnt9a-fzd10、apob-lsr、cd70-cd27、angptl1-tek、tnf-tnfrsf1b、cxcl12-cd4、nectin2-tigit、nectin4-tigit、tigit-nectin2、faslg-fas、pomc-mc3r、vcam1-itgb7、app-lrp1、il22-il22ra1、selplg-sele、ccl21-ackr4、tnfsf13-fas、cd160-tnfrsf14、tnfrsf14-cd160、fgf6-fgfr1、spp1-itgb1、madcam1-itga4、oxt-avpr1a、cxcl9-cxcr3、cxcl5-ackr1、btla-tnfrsf14、tnfrsf14-btla、ccl5-ccr3、tac3-tacr1、cxcl10-sdc4、vegfa-kdr、efna1-epha5、ccl5-ackr1、efna1-epha2、dkk4-kremen2、pomc-mc2r、gnas-ptgdr、ccl13-ccr2、il18-il18r1、myl9-cd69、cxcl6-cxcr1、rspo3-lrp6、ambn-cd63、calr-tshr、icam3-itgal、nmu-nmur1和dll4-notch3。9.根据权利要求8所述的应用，其特征在于，所述检测产品包括检测试剂、检测试剂盒、基因芯片。10.一套检测系统，其特征在于，所述检测系统包括：用于检测lr对的检测单元；和分型单元；所述分型单元通过将检测单元得到的数据带入矩阵中，并按原始建模分类方法和参数进行分型，得到分型结果。

技术总结
本发明公开了一种基于LR对对三阴性乳腺癌进行分型的方法及其应用。本发明中的方法通过对样品中的145对三阴性乳腺癌预后相关LR对进行检测，并基于算法即可实现三阴性乳腺癌的准确分型。本发明中的分型方法相比于传统的5种亚型的分型方式更加具有针对性，分型得到的3种亚型能够很好的将三阴性乳腺癌患者分为3种类型，从而根据3种亚型对应的生存率、预后效果估计、免疫效果、临床治疗有效性等方面的显著差异性，给予合理且合适的治疗或处理，提高治疗有效性，从而有效降低三阴性乳腺癌的死亡率。率。


技术研发人员：肖雨 朱孝辉 潘威君 王斐斐
受保护的技术使用者：南方医科大学南方医院
技术研发日：2022.08.18
技术公布日：2022/12/16