CN112992266B - 一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 - Google Patents
一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112992266B CN112992266B CN202110163479.0A CN202110163479A CN112992266B CN 112992266 B CN112992266 B CN 112992266B CN 202110163479 A CN202110163479 A CN 202110163479A CN 112992266 B CN112992266 B CN 112992266B
- Authority
- CN
- China
- Prior art keywords
- tumor
- gene
- immune exhaustion
- expression quantity
- expression
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Chemical & Material Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本申请公开了一种评估肿瘤免疫耗竭状态的方法、装置以及存储介质,方法包括:根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,获得各基因的表达量结果;提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,利用校正后的肿瘤免疫耗竭相关基因的表达量和肿瘤免疫耗竭相关基因对应的权重系数计算免疫耗竭打分;根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。本申请创造性地提取肿瘤免疫耗竭相关基因的表达量和管家基因的表达量计算免疫耗竭打分(IES),实现以IES作为生物标志物评估免疫检查点抑制剂anti‑PD‑(L)1的治疗疗效,为治疗疗效提供了一个数值参考依据。
Description
技术领域
本申请涉及生物信息学技术领域,具体涉及一种评估肿瘤免疫耗竭状态的方法、装置和存储介质。
背景技术
癌症是全球最主要的非传染性疾病之一,也是死亡率很高的一种病种。抗肿瘤靶向药物和免疫检查点抑制剂是目前治疗癌症较为有效的手段,目前比较公认的免疫检查点抑制剂anti-PD-(L)1疗效评估潜在生物标志物如TMB(肿瘤突变负荷)、MSI(微卫星不稳定)等都不能完全将免疫检查点抑制剂获益的患者有效筛选出来。近来研究指出肿瘤组织与其周围的免疫细胞和理化特征共同组成的肿瘤微环境(tumor microenvironment,TME)对患者响应免疫检查点抑制剂anti-PD-(L)1疗法有着重要的影响。
TME中有多种免疫细胞浸润,其中CD8+或细胞毒性T淋巴细胞(cytotoxic Tlymphocyte,CTL)发挥肿瘤杀伤功能,而调节性T细胞(regulatory T,Treg)减弱效应T细胞活性,促进TME的免疫抑制。通常M1型巨噬细胞分泌Th1细胞因子发挥促炎和抗瘤作用,但TME中的肿瘤相关巨噬细胞(tumor-associated macrophage,TAM)为M2型,通过分泌Th2细胞因子促进血管生成和肿瘤侵袭。另一种能够杀伤肿瘤的免疫细胞——自然杀伤细胞(natural killer,NK),通过释放颗粒酶和穿孔素或以其Fc段受体介导抗体依赖的细胞毒性作用杀伤靶细胞,但在TME中富集的TGF-β会抑制其杀伤活性。树突状细胞(dendriticcell,DC)同样会受到TME中缺氧和炎症环境影响削弱其抗原提呈活性。而髓系来源抑制细胞(myeloid-derived suppressor cell,MDSC)作为TME中的免疫负调控因素,能够抑制T细胞激活和多种免疫细胞活性。不同肿瘤的分子类型各异,但肿瘤细胞间的恶性表型相对统一,因此基质细胞类型和富集程度往往决定了TME特性,进一步影响了免疫治疗的应答机制。
肿瘤免疫耗竭,一方面表现为T细胞耗竭,由于T细胞在持续性暴露于肿瘤抗原和炎症条件下,T细胞的抑制性受体激活和效应因子缺失,导致其杀伤功能损伤,最终形成了抑制性的免疫微环境。耗竭早期T细胞IL-2的生成及杀伤能力受损,中期TNF-α缺失,而晚期T细胞中IFN-γ和颗粒酶B的产生受限。耗竭的T细胞高表达抑制性受体,包括程序性死亡受体1(programmed cell death protein 1,PD-1)、CTLA-4、LAG-3、TIM-3、TIGIT等,其中PD-1是调控T细胞耗竭的主要抑制性受体。
肿瘤免疫耗竭的另一方面为抑制性免疫细胞浸润。在TME中具有抗肿瘤能力免疫细胞的浸润,通常伴随着免疫抑制性细胞的代偿性增加,通过检测单一类型细胞富集程度,无法有效体现对TME中免疫状态的判断,因此可通过综合测定瘤内CD8+T细胞和Treg细胞等抑制性细胞的比例评估其预后价值。肿瘤的血管内皮富含细胞凋亡相关配体FasL,使CTL难以富集至肿瘤,而Treg细胞能够通过高表达凋亡抑制分子c-FLIP逃避FasL介导的杀伤而得以大量聚集。如乳腺癌中CAF能够分泌CCL5,募集高表达其受体CCR1的Treg细胞至TME中。
目前该领域内并未有准确量化肿瘤免疫抑制程度的方法,并且能够作为生物标志物对免疫检查点抑制剂anti-PD-(L)1的疗效进行预测。其他类似的方法计算出来的肿瘤免疫耗竭程度不能或者只能在少量数据集中验证出能够评估免疫检查点抑制剂anti-PD-(L)1的疗效。
发明内容
本申请的目的是提供一种评估肿瘤免疫耗竭状态的方法、装置和存储介质,以评估免疫检查点抑制剂anti-PD-(L)1的疗效。
为了实现上述目的,本申请采用了以下技术方案:
本申请的第一方面公开了一种评估肿瘤免疫耗竭状态的方法,包括:
基因表达量获取步骤:包括根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正步骤:包括提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算步骤:包括将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估步骤:包括根据免疫耗竭打分判断肿瘤免疫耗竭状态。
需要说明的是,本申请针对肿瘤免疫耗竭程度难以定量计算的问题,创造性地提取肿瘤免疫耗竭相关基因的表达量,并利用管家基因的表达量对其进行校正,通过校正后的肿瘤免疫耗竭相关基因的表达量和肿瘤免疫耗竭相关基因对应的权重系数计算免疫耗竭打分(IES),进而能够准确评估肿瘤免疫耗竭程度;本申请能够在患者用药之前计算免疫耗竭打分(IES),并以IES作为生物标志物评估免疫检查点抑制剂anti-PD-(L)1的治疗疗效,为后续预测免疫治疗疗效提供了一个数值上参考的依据。可以理解,本申请评估肿瘤免疫耗竭状态的方法,仅仅是获取作为中间参考数据的信息的方法,所获得的IES或免疫耗竭状态,仅仅是作为生物标志物,为评估anti-PD-(L)1的治疗疗效提供中间参考数据,并非是直接的治疗效果预测方法。
本申请的一种实现方式中,肿瘤免疫耗竭相关基因包括15个基因中的至少一个,15个基因包括CCL5,PDCD1,GZMM,IL13,CCR5,TNFSF4,CXCL6,CD46,GPI,IL1RAPL2,ITGB1,KLRK1,NFKB2,PLA2G6,TARP;
优选的,管家基因包括11个基因中的至少一个,11个基因包括STK11IP,ZBTB34,TBC1D10B,OAZ1,POLR2A,G6PD,ABCF1,NRDE2,UBB,TBP,SDHA。
本申请的一种实现方式中,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,具体包括,先对管家基因的表达量进行对数化处理,计算管家基因的平均表达量平均表达量的计算公式如公式一所示;将肿瘤免疫耗竭相关基因的表达量取对数处理后,减去管家基因的平均表达量如公式二所示,即获得校正后的肿瘤免疫耗竭相关基因的表达量adji;
其中,公式一中的counti表示管家基因的表达量,n表示管家基因的个数,i表示管家基因的编号;
其中,公式二中的counti表示肿瘤免疫耗竭相关基因的表达量,i表示肿瘤免疫耗竭相关基因的编号;
优选的,表达量为转录组测序数据中待测基因的表达丰度,以转录组测序数据中比对到待测基因的reads数量表征待测基因的表达量counti,i表示待测基因的编号。
本申请的一种实现方式中,免疫耗竭打分步骤的具体计算公式如公式三所示,
公式三:IES=f1×adj1+f2×adj2…+fi×adji,其中,fi表示肿瘤免疫耗竭相关基因权重系数;
优选的,15个肿瘤免疫耗竭相关基因的权重系数如表1所示。
表1
免疫耗竭基因i | 权重系数f<sub>i</sub> |
CCL5 | -2.200E-05 |
CCR5 | -1.549E-05 |
CD46 | 2.671E-07 |
CXCL6 | 2.505E-05 |
GPI | 2.975E-06 |
GZMM | -4.396E-04 |
IL13 | -1.524E-03 |
IL1RAPL2 | -1.834E-03 |
ITGB1 | 2.098E-06 |
KLRK1 | -1.512E-04 |
NFKB2 | -7.473E-05 |
PDCD1 | -1.656E-04 |
PLA2G6 | 1.123E-04 |
TARP | -2.558E-04 |
TNFSF4 | 5.848E-05 |
本申请的一种实现方式中,根据免疫耗竭打分判断肿瘤免疫耗竭状态,具体包括,将高于或等于免疫耗竭打分阈值的肿瘤组织样本定义为高免疫耗竭状态,低于免疫耗竭打分阈值的肿瘤组织样本定义为低免疫耗竭状态;
优选的,免疫耗竭打分阈值为若干个受试者的免疫耗竭打分数值的中位数。
本申请的一种实现方式中,受试者为实体瘤患者,优选为肺癌、鼻咽癌或黑色素瘤患者。
本申请的一种实现方式中,转录组测序数据为肿瘤组织样本全转录组测序或探针捕获转录组测序获得的测序数据。
一种评估肿瘤免疫耗竭状态的装置,包括:
基因表达量获取模块:用于根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正模块:用于提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算模块:用于将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估模块:用于括根据免疫耗竭打分判断肿瘤免疫耗竭状态。
本申请的一种实现方式中,基因表达量获取模块中,包括测序比对软件STAR,以及基因表达量检测软件RSEM。
本申请的第四方面还公开了一种评估肿瘤免疫耗竭状态的装置,装置包括:
存储器,用于存储程序;
处理器,用于通过执行存储器存储的程序以实现上述评估肿瘤免疫耗竭状态的方法。
本申请的第五方面还公开了一种计算机可读存储介质,介质用于存储程序,程序能够被处理器执行以实现上述评估肿瘤免疫耗竭状态的方法。
由于采用以上技术方案,本申请的有益效果在于:
本申请评估肿瘤免疫耗竭状态的方法,通过计算免疫耗竭打分(IES)对免疫耗竭程度进行定量计算,能够准确评估肿瘤免疫耗竭状态;本申请的方法能够在患者用药之前计算免疫耗竭打分(IES),并以IES作为生物标志物评估免疫检查点抑制剂anti-PD-(L)1的治疗疗效,为后续预测免疫治疗疗效提供了一个数值上参考的依据。
附图说明
图1为本申请实施例提供的一种评估肿瘤免疫耗竭状态的方法的流程框图;
图2为本申请实施例中提供的一种评估肿瘤免疫耗竭状态的方法的结构框图;
图3为本申请实施例1中受试患者的生存分析图;
图4为本申请实施例2中受试患者的生存分析图。
具体实施方式
下面通过具体实施方式对本申请作进一步详细说明。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
如本文中所用,术语“患者”优选指人类,但也涵盖其他哺乳动物。术语“生物体”、“个体”、“受试者”、“对象”或“患者”被用作同义词可互换使用。
本发明适用于所有癌症患者。该癌症可以是呼吸系统癌症,或其亚型和分期(phase),呼吸系统包括呼吸道(鼻腔、咽、喉、气管、支气管)和肺,在一些实施方式中,该癌症包括但不限于肺癌、鼻咽癌、喉癌、咽癌,气管癌等。在一些实施方式中,该癌症还可以包括但不限于乳腺癌、肺癌、前列腺癌、结肠直肠癌、脑癌、食道癌、胃癌、膀胱癌、胰腺癌、宫颈癌、头颈癌、卵巢癌、黑素瘤和多药耐药性癌症;或其亚型和分期(phase)。
在一些实施例中,受试者还可以是实体瘤患者,包括但不限于肺癌、鼻咽癌或黑色素瘤患者。
如本文中所用,术语“肿瘤”是指恶性或者良性的所有肿瘤细胞生长和增殖,以及所有的癌前细胞和组织和癌细胞和组织。该癌症包括但不限于呼吸道癌症,该呼吸道癌症包括但不限于肺癌、鼻咽癌、喉癌、咽癌,气管癌等;该癌症还可以是其他淋巴增殖性癌症,例如前体B淋巴母细胞性白血病/淋巴母细胞性淋巴瘤、滤泡性B细胞非霍奇金淋巴瘤、霍奇金淋巴瘤前体T细胞淋巴母细胞性白血病/淋巴母细胞性淋巴瘤、未成熟T细胞的赘生物、外周胸腺后T细胞的赘生物、T细胞幼淋巴细胞白血病、外周T细胞淋巴瘤、未明确的间变性大细胞淋巴瘤、成人T细胞白血病/淋巴瘤、慢性淋巴细胞白血病、套细胞淋巴瘤、滤泡性淋巴瘤、边缘区淋巴瘤、多毛细胞白血病、弥漫性大B细胞淋巴瘤、伯基特淋巴瘤、淋巴浆细胞性淋巴瘤、前体T淋巴母细胞性白血病/淋巴母细胞性淋巴瘤、T细胞幼淋巴细胞性白血病、血管免疫母细胞性淋巴瘤或结节性淋巴细胞为主的霍奇金淋巴瘤。
现有技术或是未能对肿瘤免疫耗竭程度进行定量计算,只是定性区分高低程度,这些估算方法都不能够或只能在少量数据集中使得该指标对免疫治疗疗效表现出预测能力。
为了解决上述问题,如图1所示,本实施例提供了一种评估肿瘤免疫耗竭状态的方法,包括:
S201:基因表达量获取步骤:包括根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
受试者,可以是已经通过临床方法确诊为肿瘤患者的个体。肿瘤组织样本,一般是指来源于肿瘤患者的病患部位的组织样本,例如肺癌患者的肺部组织样本。
基因的表达量是指测序数据中相应基因表达的丰度,基因表达的丰度通过测序数据中比对到相应基因所属转录本上的读数(reads)数量确定,基因i的表达量counti即为比对到基因i上的测序reads数量。
在一些实施例中,需要同时检测多个受试者的肿瘤组织样本。具体地,选定数个同癌种受试者作为受试对象,通过全转录组或探针捕获测序等高通量测序方法及相应的生物信息学分析方法,对受试者肿瘤组织样本进行RNA捕获提取、扩增和测序,将肿瘤组织样本的转录组测序数据比对到参考转录组上。通过检测测序数据中比对到该基因所属转录本上的读数(reads)数量确定基因i的表达量counti,从而获取样本中各基因的表达量结果。
本实施例中,基因的表达量是通过肿瘤组织样本的转录组二代测序数据比对到参考转录基因组上的比对文件获取的。在优选的实施例中,参考转录基因组具体可以为人参考转录基因组hg19。
在一些实施例中,肿瘤组织样本的转录组测序数据量>12G。
在一些实施例中,可以通过现有的比对软件将原始测序数据比对到参考转录基因组上,所述比对软件包括但不限于STAR,在一些优选的实施例中,所述比对软件为STAR(v2.5.3a)。
在一些实施例中,可以通过现有的表达量检测软件获得基因表达量信息,所述基因表达量检测软件包括但不限于RSEM,在一些优选的实施例中,所述基因表达量检测软件为RSEM(v1.1.13)。
S202:基因表达量校正步骤:包括提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
其中,管家基因又名持家基因,是指所有细胞中均要稳定表达的一类基因,其产物是对维持细胞基本生命活动所必需的。其表达水平在所有分析样本中相同或相近,可作为相对定量的参考基因,用同一样本中管家基因的转录表达水平对肿瘤免疫耗竭相关基因的表达水平进行归一化处理。
本实施例的一种实现方式中,对每位受试者,依据基因表达量获取步骤中得到的各基因表达量结果,提取候选的15个与肿瘤免疫耗竭相关基因(CCL5,PDCD1,GZMM,IL13,CCR5,TNFSF4,CXCL6,CD46,GPI,IL1RAPL2,ITGB1,KLRK1,NFKB2,PLA2G6,TARP)的表达量,以及11个用于归一化校正的管家基因(STK11IP,ZBTB34,TBC1D10B,OAZ1,POLR2A,G6PD,ABCF1,NRDE2,UBB,TBP,SDHA)的表达量,对15个肿瘤免疫耗竭相关基因的表达量进行校正。
进一步,将11个管家基因的表达量读数(reads)进行对数处理,计算上述管家基因的平均表达量随后将各肿瘤免疫耗竭相关基因的表达量取对数处理后,减去管家基因的平均表达量得到校正后免疫耗竭基因的表达量adji,即:
S203:免疫耗竭打分计算步骤:包括将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分。
对每位受试者,依据校正后的肿瘤免疫耗竭相关基因的表达量,计算肿瘤组织样本的肿瘤免疫耗竭打分(IES)。
在计算IES时,由于各基因在肿瘤免疫微环境中所起作用有差异,需要将校正后免疫耗竭相关基因的表达量adji乘以肿瘤免疫耗竭相关基因对应的权重系数fi,累加后得到免疫耗竭打分IES。
本申请的一种实现方式中,根据校正后的肿瘤免疫耗竭相关基因的表达量以及肿瘤免疫耗竭相关基因对应的权重系数计算免疫耗竭打分包括:
将15个校正后的免疫耗竭基因的表达量adji分别乘以肿瘤免疫耗竭相关基因对应的权重系数fi,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分:IES=f1×adj1+f2×adj2…+fi×adji。
其中,fi表示肿瘤免疫耗竭相关基因权重系数,肿瘤免疫耗竭相关基因对应的权重系数fi是在构建算法模型时通过机器学习的方法得出的最优数值并且在测试数据集中得到验证,具体如表1所示。
表1肿瘤免疫耗竭相关基因权重系数
S204:免疫耗竭状态评估步骤:包括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
具体地,肿瘤免疫耗竭状态包括高免疫耗竭状态和低免疫耗竭状态,高免疫耗竭状态表示肿瘤组织样本对应的受试者具有更高的发生肿瘤恶化的风险,低免疫耗竭状态表示肿瘤组织样本对应的受试者具有更低的发生肿瘤恶化的风险。
本实施例的一种实现方式中,根据所述免疫耗竭打分判断肿瘤免疫耗竭状态具体包括:根据肿瘤免疫耗竭打分以及设定的阈值判断肿瘤免疫耗竭状态,其中,免疫耗竭打分高于或等于所述阈值的肿瘤组织样本为高免疫耗竭状态,免疫耗竭打分低于所述阈值的肿瘤组织样本为低免疫耗竭状态,相应地,将高于或等于所述阈值的肿瘤组织样本对应的受试者判定为高风险受试者,将低于所述阈值的肿瘤组织样本对应的病例判定为低风险受试者。
本实施例的一种实现方式中,取所有受试者的IES数值的中位数作为判断每位受试者IES高低的阈值,高于或等于所述阈值的肿瘤组织样本为高免疫耗竭状态,免疫耗竭打分低于所述阈值的肿瘤组织样本为低免疫耗竭状态。
由于目前免疫检查点抑制剂治疗总有效率仅为20-25%,患者每年的花费接近20万,若免疫检查点抑制剂治疗无效,不仅普通患者家庭经济无法承担,社会医疗保险也无法承受。在一些实施例中,肿瘤组织样本的免疫耗竭状态是在患者用药之前进行确定的,通过计算IES来评价患者是否能大概率获益于免疫检查点抑制剂anti-PD-(L)1的治疗,进而避免不必要的医疗花费,也避免医疗资源的浪费。
本申请针对肿瘤免疫耗竭程度难以定量计算的问题,创造性地提取15个肿瘤免疫耗竭相关基因的表达量,并利用11个管家基因的表达量对其进行校正,通过校正后的15个肿瘤免疫耗竭相关基因的表达量和各个基因的权重系数计算免疫耗竭打分(IES),进而能够准确评估肿瘤免疫耗竭程度;本申请能够在患者用药之前计算免疫耗竭打分(IES),并以IES作为生物标志物评估免疫检查点抑制剂anti-PD-(L)1的治疗疗效,为后续预测免疫治疗疗效提供了一个数值上参考的依据。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
如图2所示,本实施例还提供一种评估肿瘤组织样本免疫耗竭状态装置,包括:基因表达量获取模块301、基因表达量校正模块302、免疫耗竭状态评估模块303。
基因表达量获取模块301:用于根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正模块302:用于提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算模块303:用于将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估模块304:用于括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
本申请的另一实施例还公开了一种评估肿瘤免疫耗竭状态的装置,所述装置包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如下方法:基因表达量获取步骤:包括根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正步骤:包括提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算步骤:包括将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估步骤:包括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
本申请的另一实施例还公开了一种计算机可读存储介质,所述介质用于存储程序,所述程序能够被处理器执行以实现如下方法:基因表达量获取步骤:包括根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正步骤:包括提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算步骤:包括将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估步骤:包括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
下面将通过具体实施例并结合附图对本发明作进一步说明。应当理解,实施例仅是示例性的,并不构成对本发明保护范围的限制。
实施例1
本实施例中,使用的肿瘤组织样本是一批共计41例患者的黑色素瘤免疫治疗队列肿瘤组织样本。本实施例的肿瘤组织样本取样方式为对每个患者的病灶处的病理穿刺单点取样并制备的福尔马林固定石蜡包埋(FFPE)样本。
本实施例评估肿瘤免疫耗竭状态的具体步骤如下:
1)基因表达量获取步骤,对肿瘤组织样本进行全转录组测序,在得到测序的序列数据后,使用比对软件STAR(v2.5.3a)将测序得到的序列数据比对到参考转录基因组上,设置outSAMunmapped参数为Within,设置outSAMattributes参数为NH HI AS NM MD,设置quantMode参数为TranscriptomeSAM,设置outFilterMultimapNmax参数为20,设置outFilterMismatchNmax参数为10,设置outFilterMismatchNoverReadLmax参数为0.04,设置alignSJoverhangMin参数为8,设置alignSJDBoverhangMin参数为5,设置alignIntronMin参数为20,设置alignIntronMax参数为1000000,设置alignMatesGapMax参数为1000000,设置sjdbScore参数为2,设置outFilterMatchNminOverLread参数为0.33,设置outFilterScoreMinOverLread参数为0.33,其他参数采用默认参数;通过RSEM(v1.1.13)软件对肿瘤组织样本进行基因表达量检测,获得各基因表达程度的定量结果,RSEM软件参数均设置为默认参数。
2)基因表达量校正步骤,根据各基因表达程度的定量结果,提取候选的15个与肿瘤免疫耗竭相关基因(CCL5,PDCD1,GZMM,IL13,CCR5,TNFSF4,CXCL6,CD46,GPI,IL1RAPL2,ITGB1,KLRK1,NFKB2,PLA2G6,TARP)的表达量,以及11个用于归一化校正的管家基因(STK11IP,ZBTB34,TBC1D10B,OAZ1,POLR2A,G6PD,ABCF1,NRDE2,UBB,TBP,SDHA)的表达量。将上述基因的表达量进行对数化处理,计算11个管家基因的平均表达量再将各肿瘤免疫耗竭相关基因的表达量减去管家基因的平均表达量得到校正后肿瘤免疫耗竭相关基因的表达量adji。
3)免疫耗竭打分计算步骤,根据15个校正后的肿瘤免疫耗竭相关基因的表达量adji,将15个校正后的免疫耗竭相关基因的表达量分别adji乘以肿瘤免疫耗竭相关基因对应的权重系数fi,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分。
4)免疫耗竭状态评估步骤,在计算出不同受试者各肿瘤组织样本的免疫耗竭打分(IES)数值后,取所有受试者的IES数值的中位数作为判断每位受试者IES高低的阈值,设定IES阈值为0.00015,将IES小于等于0.00015的样本判断为低IES(IES-L),将IES大于0.00015的样本判断为高IES(IES-H)。收集受试患者疗效(是否死亡:1表示是,0表示否)和总生存期(OS)信息后,如下表2所示,对这批样品进行生存分析(见图2,横坐标的时间单位为天),发现利用IES评估的肿瘤免疫耗竭打分结果,对患者OS预后有显著的预测效果(p=0.023),IES高的患者相较于IES低的患者进一步发生肿瘤恶化的风险(可能性)高出了2.39倍,也即IES高的患者具有更高的进展风险。该结果验证了利用候选免疫耗竭基因定量计算免疫耗竭程度的有效性和准确性,也说明了IES能够作为生物标志物预测黑色素瘤的免疫治疗疗效。
表2
实施例2
本实施例中,使用的肿瘤组织样本是一批共计65例患者的泛瘤中免疫治疗队列肿瘤组织样本,其中包括22例肺腺癌样本,13例肺鳞癌样本,25例黑色素瘤样本和5例头颈部鳞癌样本。本实施例的肿瘤组织样本取样方式为对每个患者的病灶处的病理穿刺单点取样并制备的福尔马林固定石蜡包埋(FFPE)样本。
本实施例评估肿瘤免疫耗竭状态的具体步骤如下:
1)基因表达量获取步骤,对肿瘤组织样本进行全转录组测序,在得到测序数据后,使用比对软件STAR(v2.5.3a)将测序数据比对到参考转录基因组上,设置outSAMunmapped参数为Within,设置outSAMattributes参数为NHHIASNMMD,设置quantMode参数为TranscriptomeSAM,设置outFilterMultimapNmax参数为20,设置outFilterMismatchNmax参数为10,设置outFilterMismatchNoverReadLmax参数为0.04,设置alignSJoverhangMin参数为8,设置alignSJDBoverhangMin参数为5,设置alignIntronMin参数为20,设置alignIntronMax参数为1000000,设置alignMatesGapMax参数为1000000,设置sjdbScore参数为2,设置outFilterMatchNminOverLread参数为0.33,设置outFilterScoreMinOverLread参数为0.33,其他参数采用默认参数;进一步,通过RSEM(v1.1.13)软件对肿瘤组织样本进行基因表达量检测,获得各基因表达程度的定量结果,RSEM软件参数均设置为默认参数。
2)基因表达量校正步骤,根据各基因表达程度的定量结果,提取候选的15个与肿瘤免疫耗竭相关基因(CCL5,PDCD1,GZMM,IL13,CCR5,TNFSF4,CXCL6,CD46,GPI,IL1RAPL2,ITGB1,KLRK1,NFKB2,PLA2G6,TARP)的表达量,以及11个用于归一化校正的管家基因(STK11IP,ZBTB34,TBC1D10B,OAZ1,POLR2A,G6PD,ABCF1,NRDE2,UBB,TBP,SDHA)的表达量。将上述基因的表达量进行对数化处理,计算11个管家基因的平均表达量再将各肿瘤免疫耗竭相关基因的表达量减去管家基因的平均表达量得到校正后免疫耗竭相关基因的表达量adji。
3)免疫耗竭打分计算步骤,根据15个校正后的免疫耗竭相关基因的表达量adji,将15个校正后的免疫耗竭相关基因的表达量分别adji乘以肿瘤免疫耗竭相关基因对应的权重系数fi,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分。
4)免疫耗竭状态评估步骤,在计算出不同受试者各肿瘤组织样本的免疫耗竭打分(IES)数值后,取所有受试者的IES数值的中位数作为判断每位受试者IES高低的阈值,设定IES阈值为-0.11,将IES小于等于-0.11的样本判断为低IES(IES-L),将IES大于-0.11的样本判断为高IES(IES-H)。收集受试患者疗效(是否发生进展:1表示是,0表示否)和无进展生存期(PFS)信息后,如下表3所示,对这批样品进行生存分析(见图4,横坐标的时间单位为月),发现利用IES评估的肿瘤免疫耗竭打分结果,对患者PFS预后有显著的预测效果(p<0.0001),IES高的患者相较于IES低的患者进一步发生肿瘤恶化的风险(可能性)高出了3.81倍,也即IES高的患者具有更高的进展风险。该结果在另一个泛瘤种队列中成功验证了利用候选免疫耗竭相关基因定量计算免疫耗竭程度的有效性和准确性,也说明了IES能够作为生物标志物在更广大的瘤种范围中得到应用,成功预测肿瘤的免疫治疗疗效。
表3
综上,本实施例基于肿瘤组织样本转录组测序的数据提供了一种评估肿瘤免疫耗竭状态的方法,充分利用肿瘤免疫耗竭相关基因的表达量估算出各样本的免疫耗竭打分IES,为后续预测免疫治疗疗效提供了一个数值上可以参考的依据。
以上应用了具体个例对本申请进行阐述,只是用于帮助理解本申请,并不用以限制本申请。对于本申请所属技术领域的技术人员,依据本申请的思想,还可以做出若干简单推演、变形或替换。
Claims (15)
1.一种评估肿瘤免疫耗竭状态的方法,其特征在于,包括:
基因表达量获取步骤:包括根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正步骤:包括提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算步骤:包括将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估步骤:包括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
2.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述肿瘤免疫耗竭相关基因包括15个基因中的至少一个,所述15个基因包括CCL5,PDCD1,GZMM,IL13,CCR5,TNFSF4,CXCL6,CD46,GPI,IL1RAPL2,ITGB1,KLRK1,NFKB2,PLA2G6,TARP。
3.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述管家基因包括11个基因中的至少一个,所述11个基因包括STK11IP,ZBTB34,TBC1D10B,OAZ1,POLR2A,G6PD,ABCF1,NRDE2,UBB,TBP,SDHA。
5.根据权利要求4所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述表达量为转录组测序数据中待测基因的表达丰度,以转录组测序数据中比对到待测基因的reads数量表征待测基因的表达量counti,i表示待测基因的编号。
6.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述免疫耗竭打分步骤的具体计算公式如公式三所示,
公式三:IES=f1×adj1+f2×adj2…+fi×adji,其中,fi表示肿瘤免疫耗竭相关基因权重系数。
7.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于:
表1
15个肿瘤免疫耗竭相关基因的权重系数如表1所示。
8.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,根据所述免疫耗竭打分判断肿瘤免疫耗竭状态,具体包括,将高于或等于免疫耗竭打分阈值的肿瘤组织样本定义为高免疫耗竭状态,低于免疫耗竭打分阈值的肿瘤组织样本定义为低免疫耗竭状态。
9.根据权利要求8所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述免疫耗竭打分阈值为若干个受试者的免疫耗竭打分数值的中位数。
10.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述受试者为实体瘤患者。
11.根据权利要求10所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述受试者为肺癌、鼻咽癌或黑色素瘤患者。
12.根据权利要求1所述的评估肿瘤免疫耗竭状态的方法,其特征在于,所述转录组测序数据为肿瘤组织样本全转录组测序或探针捕获转录组测序获得的测序数据。
13.一种评估肿瘤免疫耗竭状态的装置,其特征在于,包括:
基因表达量获取模块:用于根据受试者同一肿瘤组织样本的转录组测序数据与参考转录组的比对结果,对肿瘤组织样本各基因的表达情况进行定量分析,获得各基因的表达量结果;
基因表达量校正模块:用于提取肿瘤免疫耗竭相关基因的表达量以及用于归一化校正的管家基因的表达量,对肿瘤免疫耗竭相关基因的表达量和管家基因的表达量进行对数化处理,使用管家基因的平均表达量对肿瘤免疫耗竭相关基因的表达量进行校正,得到校正后的肿瘤免疫耗竭相关基因的表达量;
免疫耗竭打分计算模块:用于将校正后的肿瘤免疫耗竭相关基因的表达量乘以肿瘤免疫耗竭相关基因对应的权重系数,获得肿瘤免疫耗竭相关基因的权重表达量,将所有肿瘤免疫耗竭相关基因的权重表达量相加获得的数值,作为免疫耗竭打分;
免疫耗竭状态评估模块:用于括根据所述免疫耗竭打分判断肿瘤免疫耗竭状态。
14.一种评估肿瘤免疫耗竭状态的装置,所述装置包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-12任一项所述的方法。
15.一种计算机可读存储介质,所述介质用于存储程序,所述程序能够被处理器执行以实现如权利要求1-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110163479.0A CN112992266B (zh) | 2021-02-05 | 2021-02-05 | 一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110163479.0A CN112992266B (zh) | 2021-02-05 | 2021-02-05 | 一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112992266A CN112992266A (zh) | 2021-06-18 |
CN112992266B true CN112992266B (zh) | 2021-09-21 |
Family
ID=76348287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110163479.0A Active CN112992266B (zh) | 2021-02-05 | 2021-02-05 | 一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112992266B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486909A (zh) * | 2022-01-14 | 2023-07-25 | 天士力干细胞产业平台有限公司 | 一种干细胞质量评价系统 |
CN114882943B (zh) * | 2022-03-29 | 2023-04-18 | 深圳裕康医学检验实验室 | 一种分析体细胞变异的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109081866A (zh) * | 2017-06-13 | 2018-12-25 | 北京大学 | 癌症中的t细胞亚群及其特征基因 |
CN109243533A (zh) * | 2018-07-26 | 2019-01-18 | 中山大学 | 一种用于计算基因的组织特异表达的鲁棒z-score打分方法 |
CN109448790A (zh) * | 2018-11-19 | 2019-03-08 | 上海科技大学 | 一种肿瘤免疫治疗的标志物 |
CN110097924A (zh) * | 2019-04-22 | 2019-08-06 | 海南大学 | 用于基因调控中及控制基因表达水平的噪声信号解码方法 |
CN111729090A (zh) * | 2013-12-20 | 2020-10-02 | 通用医疗公司 | 与循环肿瘤细胞相关的方法和测定法 |
CN112071364A (zh) * | 2020-07-21 | 2020-12-11 | 首都医科大学附属北京地坛医院 | 用于肝癌患者抗肿瘤免疫应答的个体化的可视化展示方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8498879B2 (en) * | 2006-04-27 | 2013-07-30 | Wellstat Vaccines, Llc | Automated systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations for various uses |
CN107227340A (zh) * | 2017-04-26 | 2017-10-03 | 武汉市农业科学技术研究院作物科学研究所 | 用于甜瓜果实基因pcr表达分析的内参基因及该内参基因的稳定性验证方法 |
EP3658578A1 (en) * | 2017-07-26 | 2020-06-03 | Cellectis | Methods of antigen-dependent chimeric antigen receptor (car) immune cell selection |
GB201717966D0 (en) * | 2017-10-31 | 2017-12-13 | Xenikos Bv | Immunotoxins, formulations thereof and their use in medicine |
CN108715891B (zh) * | 2018-05-31 | 2021-09-24 | 福建农林大学 | 一种转录组数据的表达定量方法及系统 |
CN112011616B (zh) * | 2020-09-02 | 2022-10-14 | 上海顿慧医疗科技发展有限公司 | 预测肝细胞癌肿瘤免疫浸润和术后生存时间的免疫基因预后模型 |
CN112164422A (zh) * | 2020-10-12 | 2021-01-01 | 郑州大学第一附属医院 | 一种量化time浸润模式的评分方法 |
CN112274643B (zh) * | 2020-10-27 | 2022-05-20 | 四川大学华西医院 | 一种rbpj作为药物靶点在制备抑制t细胞耗竭药物中的应用 |
-
2021
- 2021-02-05 CN CN202110163479.0A patent/CN112992266B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111729090A (zh) * | 2013-12-20 | 2020-10-02 | 通用医疗公司 | 与循环肿瘤细胞相关的方法和测定法 |
CN109081866A (zh) * | 2017-06-13 | 2018-12-25 | 北京大学 | 癌症中的t细胞亚群及其特征基因 |
CN109243533A (zh) * | 2018-07-26 | 2019-01-18 | 中山大学 | 一种用于计算基因的组织特异表达的鲁棒z-score打分方法 |
CN109448790A (zh) * | 2018-11-19 | 2019-03-08 | 上海科技大学 | 一种肿瘤免疫治疗的标志物 |
CN110097924A (zh) * | 2019-04-22 | 2019-08-06 | 海南大学 | 用于基因调控中及控制基因表达水平的噪声信号解码方法 |
CN112071364A (zh) * | 2020-07-21 | 2020-12-11 | 首都医科大学附属北京地坛医院 | 用于肝癌患者抗肿瘤免疫应答的个体化的可视化展示方法 |
Non-Patent Citations (3)
Title |
---|
Methods for Determining the Statistical Significance of Enrichment or Depletion of Gene Ontology Classifications under Weighted Membership;Ernesto Iacucci等;《Frontiers in Genetics》;20120223;1-11 * |
肝癌免疫微环境与免疫治疗:研究进展与发展趋势;邹添添;《中国普通外科杂志》;20200725;第29卷(第7期);785-797 * |
血清UCH-L1 蛋白在新生大鼠缺氧缺血性脑病评估中的价值;瞿色华等;《蚌埠医学院学报》;20180125;第42卷(第11期);1433-1436 * |
Also Published As
Publication number | Publication date |
---|---|
CN112992266A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sozzi et al. | Clinical utility of a plasma-based miRNA signature classifier within computed tomography lung cancer screening: a correlative MILD trial study | |
Nassiri et al. | Loss of H3K27me3 in meningiomas | |
Whitney et al. | Derivation of a bronchial genomic classifier for lung cancer in a prospective study of patients undergoing diagnostic bronchoscopy | |
CN112992266B (zh) | 一种评估肿瘤免疫耗竭状态的方法、装置和存储介质 | |
US20190030078A1 (en) | Multi-stage personalized longevity therapeutics | |
Friedlaender et al. | Tissue-plasma TMB comparison and plasma TMB monitoring in patients with metastatic non-small cell lung cancer receiving immune checkpoint inhibitors | |
US11869187B2 (en) | System and method for predicting the risk of future lung cancer | |
CN111402952A (zh) | 一种检测肿瘤异质性程度的方法及系统 | |
Sun et al. | Analysis of expression differences of immune genes in non-small cell lung cancer based on TCGA and ImmPort data sets and the application of a prognostic model | |
JP6064039B2 (ja) | 低レベル電離放射線に敏感な遺伝子の検出方法及び該方法により検出された遺伝子 | |
Puderecki et al. | Novel prognostic molecular markers in lung cancer | |
Zheng et al. | Identification and validation of immunotherapy for four novel clusters of colorectal cancer based on the tumor microenvironment | |
CN113053458A (zh) | 一种肿瘤新生抗原负荷的预测方法及装置 | |
Ma et al. | A more novel and powerful prognostic gene signature of lung adenocarcinoma determined from the immune cell infiltration landscape | |
Zhuge et al. | Construction of the model for predicting prognosis by key genes regulating EGFR-TKI resistance | |
Zhang et al. | Deciphering Treg cell roles in esophageal squamous cell carcinoma: a comprehensive prognostic and immunotherapeutic analysis | |
US20220254439A1 (en) | Assessment of multiple signaling pathway activity score in airway epithelial cells to predict airway epithelial abnormality and airway cancer risk | |
CN114724700A (zh) | 淋巴细胞计数恢复预测模型构建方法、装置及电子设备 | |
Yang et al. | Prediction of radiation pneumonitis using genome-scale flux analysis of RNA-seq derived from peripheral blood | |
Ma et al. | Relationship between tumor mutational burden, gene mutation status, and clinical characteristics in 340 cases of lung adenocarcinoma | |
Ding et al. | Obesity has an impact on the efficacy of EGFR-TKI in NSCLC patients harbouring EGFR mutation: A real-world study | |
Harvey et al. | High correlation of the response of upper and lower lobe small airway epithelium to smoking | |
Chen et al. | Deep Learning Integration of Chest CT Imaging and Gene Expression Identifies Novel Aspects of COPD | |
Goto | MS12. 03 LC-SCRM-Japan, a Pan-Japan Genetic Screening of Lung Cancer | |
Sato et al. | Prospective exploration of a prognostic biomarker of nivolumab for head and neck cancer patients (BIONEXT) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |