CN113174439B - 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 - Google Patents
一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 Download PDFInfo
- Publication number
- CN113174439B CN113174439B CN202110339238.7A CN202110339238A CN113174439B CN 113174439 B CN113174439 B CN 113174439B CN 202110339238 A CN202110339238 A CN 202110339238A CN 113174439 B CN113174439 B CN 113174439B
- Authority
- CN
- China
- Prior art keywords
- immune
- value
- small cell
- lung cancer
- antibody
- 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
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57423—Specifically defined cancers of lung
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Urology & Nephrology (AREA)
- General Health & Medical Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biochemistry (AREA)
- Organic Chemistry (AREA)
- Cell Biology (AREA)
- Microbiology (AREA)
- Oncology (AREA)
- Hospice & Palliative Care (AREA)
- Genetics & Genomics (AREA)
- General Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biophysics (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗疗效和预后中的应用。本发明公开的评分体系基于如下4个免疫相关基因对进行:CCL2与VEGFA基因,CDK1与CXCL9基因,HLA‑DOB与LCK基因,IL‑12A与TBX21基因。本发明构建的基于免疫基因对评分体系计算出的IRGP指数(IRGPI)与接受抗PD‑1免疫治疗的非小细胞肺癌患者的无进展生存期显著相关。说明,利用本发明的4个免疫相关基因对以及根据这4个免疫相关基因对构建的评分体系可以对接受抗PD‑1免疫治疗的非小细胞肺癌患者进行疗效和预后预测。
Description
技术领域
本发明涉及生物医学领域中,基于免疫基因对评分体系预测非小细胞肺癌患者免疫治疗效果的应用。
背景技术
肺癌是中国乃至全球发病率、死亡率最高的恶性肿瘤,社会危害巨大。按照组织病理学分类,非小细胞肺癌(Non-small-cell Lung Cancer,NSCLC)占到85%左右,是 最常见的组织学类型。近年来,针对免疫检查点程序死亡受体(programmed death-1, PD-1)及其配体(PD-1ligand,PD-L1)的免疫治疗已经成为继分子靶向治疗后最热 门的肿瘤治疗手段,迅速改变NSCLC的治疗模式。最近的临床试验和真实世界研究 表明免疫治疗能为患者带来长期生存获益,但受益人群有限。所以目前急需可靠的标志 物筛选出这部分人群。
当前涌现了许多预测免疫治疗效果的热门的标志物,如与肿瘤炎症微环境相关的PD-L1,表征新增抗原的TMB,但是仍存在不足。PD-L1表达水平是美国FDA唯一 批准的一个预测标志物。然而,PD-L1敏感性和特异性有限,用来检测PD-L1的抗体 种类多以及cut off值不一致导致PD-L1的定量也存在一定的不准确性,所以单独使用 这一个指标不能完全反映免疫微环境。在基因水平,TMB也在一定程度上可以反映患 者对免疫治疗的反应性。但是仅仅依靠TMB并不能完全表征抗原提呈过程,以及区 分治疗敏感和不敏感的人群。
先前的研究表明免疫基因谱与免疫治疗疗效有关。也有研究提出利用基因表达特征预测治疗敏感者,但由于分析平台的限制,临床应用价值不高。其中一个原因就是 传统研究是基于基因表达水平,这些数据需要经过足够的标准化,然而由于技术上的 偏倚及生物学异质性,总会出现小样本过度拟合及缺乏足够的验证等问题。利用基因 表达的相对水平进行量化提供了一个新的思路,我们可以利用基因对之间的相对表达 来去除数据标准化的过程。这种方法已经在肿瘤分型、免疫反应分析及患者预后分析 中开始使用。
发明内容
本发明所要解决的技术问题是如何对非小细胞肺癌患者的免疫检查点抑制剂治疗 进行疗效和预后预测。
为解决上述技术问题,本发明首先提供了检测4个免疫相关基因对表达量的物质在制备非小细胞癌免疫检查点抑制剂治疗预后产品中的应用;所述4个免疫相关基因 对为如下4对基因:CCL2与VEGFA基因,CDK1与CXCL9基因,HLA-DOB与LCK 基因,IL-12A与TBX21基因。
上述应用中,所述检测4个免疫相关基因对表达量的物质可为检测所述4个免疫相关基因在RNA水平上的表达量或在蛋白质水平上的表达量所需的物质。
上述应用中,检测所述4个免疫相关基因在RNA水平上的表达量所需的物质可 为进行定量PCR所需的引物;
检测所述4个免疫相关基因在蛋白质水平上的表达量所需的物质可为进行免疫组织化学检测所需的抗体。
上述应用中,所述进行定量PCR所需的引物为由序列表中序列1-16所示的16条 单链DNA组成的成套引物;
所述进行免疫组织化学检测所需的抗体包括由CCL2抗体、VEGFA抗体、CDK1 抗体、CXCL9抗体、HLA-DOB抗体、LCK抗体、IL-12A抗体与TBX21抗体组成的 成套抗体。
在本发明的一个实施例中,所述CCL2抗体为anti-human MCP1/CCL2 rabbitrecombinant polyclonal antibody,25542-1-AP;Proteintech,USA;
所述VEGFA抗体为为anti-human VEGFA rabbit recombinant monoclonalantibody, ab52917;Abcam,USA;
所述CDK1抗体为anti-human CDK1 rabbit polyclonal recombinant antibody,ab133327;Abcam,USA;
所述CXCL9抗体为anti-human MIG/CXCL9 rabbit recombinant polyclonalantibody, 22355-1-AP;Proteintech,USA;
所述HLA-DOB抗体为anti-human HLA-DOB rabbit recombinant polyclonalantibody,NBP1-87469;NOVUS,USA;
所述LCK抗体为anti-human LCK rabbit monoclonal recombinant antibody,ab32149; Abcam,USA;
所述IL-12A抗体为anti-human IL-12A rabbit recombinant monoclonalantibody, ab131039;Abcam,USA;
所述TBX21抗体为anti-human TBX21 rabbit monoclonal recombinantantibody, ab150440;Abcam,USA。
所述进行免疫组织化学检测所需的抗体可由所述成套抗体组成,还可由所述成套抗体与二抗组成,所述二抗可为Goat Anti-rabbit IgG/Bio,Bioss,bs-0295G-Bio。
本发明还提供了所述检测4个免疫相关基因对表达量的物质与免疫相关基因对转换装置在制备非小细胞癌免疫检查点抑制剂治疗预后产品中的应用;所述免疫相关基 因对转换装置用于将所述4个免疫相关基因对表达量转换为非小细胞癌免疫检查点抑 制剂治疗的预后值IRPGI。
上述应用中,所述IRGPI按照公式(1)计算:
IRGPI=1.521×CCL2|VEGFA值+1.257×CDK1|CXCL9值-1.495×HLA-DOB| LCK值+1.812×IL-12A|TBX21值(公式(1));
其中,CCL2|VEGFA值的取值方法如下:CCL2的表达量高于VEGFA的表达量, CCL2|VEGFA值为1;CCL2的表达量低于VEGFA的表达量或二者的表达量无显著 差异,CCL2|VEGFA值为0;
CDK1|CXCL9值的取值方法如下:CDK1的表达量高于CXCL9的表达量,CDK1 |CXCL9值为1;CDK1的表达量低于CXCL9的表达量或二者的表达量无显著差异, CDK1|CXCL9值为0;
HLA-DOB|LCK值的取值方法如下:HLA-DOB的表达量高于LCK的表达量, HLA-DOB|LCK值为1;HLA-DOB的表达量低于LCK的表达量或二者的表达量无显 著差异,HLA-DOB|LCK值为0;
IL-12A|TBX21值的计算方法如下:IL-12A的表达量高于TBX21的表达量, IL-12A|TBX21值为1;IL-12A的表达量低于TBX21的表达量或二者的表达量无显著 差异,IL-12A|TBX21值为0。
上文中,所述免疫检查点抑制剂治疗可为抗PD-1免疫疗法治疗。
抗PD-1免疫疗法如下:静脉滴注纳武利尤单抗,帕博丽珠单抗,信迪利单抗, 卡瑞丽珠单抗,或特瑞普利单抗。
所述非小细胞癌可为鳞状细胞癌非小细胞癌或非鳞状细胞癌非小细胞癌。
本发明还提供了非小细胞癌免疫检查点抑制剂治疗预后产品,所述产品为下述X1或X2:
X1、所述检测4个免疫相关基因对表达量的物质;
X2、由所述检测4个免疫相关基因对表达量的物质与所述免疫相关基因对转换装置组成的成套产品。
本发明中,所述预后可为预测无进展生存期或对免疫检查点抑制剂治疗的反应或预测非小细胞肺癌患者免疫检查点抑制剂治疗的治疗效果。
所述4个免疫相关基因对表达量可为在非小细胞癌肿瘤组织中的表达量。
本发明构建了一个基于4个免疫相关基因对(immune-related gene pairs,IRGPs) 的预测模型,利用该模型计算出的IRGP指数(IRGPI)与接受ICIs治疗的非小细胞肺癌患者的无进展生存期(progression-free survival,PFS)显著相关。说明,利用本 发明的4个免疫相关基因对以及根据这4个免疫相关基因对构建的预测模型可以对接 受ICIs治疗的非小细胞肺癌患者进行预后。
附图说明
图1为模型构建过程。
图2利用接受免疫治疗的非小细胞肺癌患者的GEO队列构建模型。A为预后预 测模型的构建;B为ROC曲线;C为生存概率分析,下图的时间为PFS;D单因素 Cox回归分析;E为多因素Cox回归分析。
图3在GEO队列中验证模型。A为ROC曲线;B为生存概率分析,下图的时间 为PFS;C为单因素Cox回归分析;D为多因素Cox回归分析。
图4免疫组织化学染色图像。
图5RNA水平上在临床队列中验证模型。A为ROC曲线;B为生存概率分析, 下图的时间为PFS;C为单因素Cox回归分析;D为多因素Cox回归分析。
图6蛋白水平上在临床队列中验证模型。A为ROC曲线;B为生存概率分析, 下图的时间为PFS;C为单因素Cox回归分析;D为多因素Cox回归分析。
图7不同队列非鳞状非小细胞肺癌患者与鳞状细胞癌非小细胞癌患者的生存概率分析。时间均为PFS。
具体实施方式
下面结合具体实施方式对本发明进行进一步的详细描述,给出的实施例仅为了阐明本发明,而不是为了限制本发明的范围。以下提供的实施例可作为本技术领域 普通技术人员进行进一步改进的指南,并不以任何方式构成对本发明的限制。
下述实施例中的实验方法,如无特殊说明,均为常规方法,按照本领域内的文 献所描述的技术或条件或者按照产品说明书进行。下述实施例中所用的材料、试剂、 仪器等,如无特殊说明,均可从商业途径得到。以下实施例中的定量试验,均设置 三次重复实验,结果取平均值。下述实施例中,如无特殊说明,序列表中各核苷酸序 列的第1位均为相应DNA/RNA的5′末端核苷酸,末位均为相应DNA/RNA的3′末端 核苷酸。
实施例1、IRGPI在预测非小细胞肺癌抗PD-1免疫治疗疗效和预后中的应用 一、研究对象
研究对象信息如表1所示,分为三个队列,即GSE93157队列,GSE136961队 列和CICAMS队列。
表1、研究对象信息
其中,GSE93157队列主要纳入在西班牙希伯伦山谷医院和巴塞罗那大学医院 接受抗PD-1抗体治疗的晚期胸部恶性肿瘤的患者。入组标准为:1)临床诊断局限 晚期或局晚期的非小细胞肺癌患者;2)首次接受免疫治疗,不限治疗线数,3)均 于免疫治疗前在西班牙希伯伦山谷医院和巴塞罗那大学医院行肺癌手术,并可收集 到手术肿瘤组织标本。排除标准为:1)胸腺瘤,胸膜间皮瘤等其他胸部肿瘤类型; 2)抗PD-1免疫治疗与其他药物的联合治疗。
GSE136961队列主要纳入在韩国抱川中文医科大学盆唐车医院接受抗PD-1抗 体治疗的晚期胸部恶性肿瘤的患者。入组标准为:1)临床诊断局限晚期或局晚期 的非小细胞肺癌患者;2)首次接受免疫治疗,不限治疗线数,3)均于免疫治疗前 在盆唐车医院行肺癌手术,并可收集到手术肿瘤组织标本。排除标准为:1)胸腺 瘤,胸膜间皮瘤等其他胸部肿瘤类型;2)抗PD-1免疫治疗与其他药物的联合治疗。
CICAMS队列主要纳入自2016年1月到2019年8月在中国医学科学院肿瘤医 院接受抗PD-1抗体治疗的晚期胸部恶性肿瘤的患者。入组标准为:1)临床诊断局 限晚期或局晚期的非小细胞肺癌患者;2)首次接受免疫治疗,不限治疗线数,3) 均于免疫治疗前在中国医学科学院肿瘤医院行肺癌手术,并可收集到手术肿瘤组织 标本。排除标准为:1)胸腺瘤,胸膜间皮瘤等其他胸部肿瘤类型;2)抗PD-1免疫 治疗与其他药物的联合治疗。
非鳞状细胞癌的诊断标准为:依据2015版WHO肺癌组织学分类,病理形态 学(常规HE染色)明确非小细胞肺癌,进一步明确为非鳞状细胞癌;鳞状细胞癌 的诊断标准为:依据2015版WHO肺癌组织学分类,病理形态学(常规HE染色) 明确非小细胞肺癌,进一步明确为鳞状细胞癌。
各研究对象均利用抗PD-1免疫疗法进行了治疗,该治疗通过静脉注射纳武利尤单抗,帕博丽珠单抗,信迪利单抗,卡瑞丽珠单抗或特瑞普利单抗,每个患者注射一 种,至疾病进展。其中,纳武利尤单抗,240mg/次,2周一次;帕博丽珠单抗、信迪 利单抗、卡瑞丽珠单抗和特瑞普利单抗,200mg/次,3周一次。
各研究对象每六周进行颈胸腹部增强CT,必要时增加头颅增强MRI评估治疗疗效。根据实体瘤疗效评估标准1.1版本(Response Evaluation Criteria in SolidTumors, RECIST version 1.1)进行疗效评估,疗效评价指标包括完全缓解(completeresponse, CR)、部分缓解(partial response,PR)、疾病稳定(stable disease,SD)和疾病进展 (progressive disease,PD)。疾病控制率(disease control rate,DCR)是指疾病疗效评估 为CR、PR和SD的患者在入组患者的比例。无进展生存时间(progression-freesurvival, PFS)定义为患者自开始接受抗PD-1抗体治疗到疾病进展或死亡的时长。
二、利用接受抗PD-1免疫治疗的非小细胞肺癌患者的GEO队列构建模型
模型构建过程如图1所示。
以GSE93157队列35例患者为研究对象,以泛癌免疫分析谱为基础,选取3个队 列中都含有的222个免疫相关基因,由此组成2526个基因对进行表达量相对性分析。 通过基于GSE93157队列的标准化RSEM数据和GSE136961队列的TPM数据的成对 比较,将得分分配给每对IRGP(即免疫相关基因对,immune-related gene pairs)。例 如,若免疫相关基因IRG1表达大于免疫相关基因IRG2表达,二者组成的免疫相关基 因对IRG1|IRG2得分为1;否则IRG1|IRG2的得分为0。
通过单因素Cox比例风险回归模型,发明人选择了与无进展生存期(progression-free survival,PFS)显著相关的311对预后性IRGP(P<0.05)。然后应 用多元Cox回归来确定具有最大预测能力的基因对,以获得最佳的实用价值,最后构 建了一个包括4个基因对的新的预后预测模型(图2中A),这4个基因对的信息如表 2所示。
表2、4个基因对的信息
所得预后预测模型用于计算IRGP指数(IRGPI),IRGPI=1.521×CCL2|VEGFA值 +1.257×CDK1|CXCL9值-1.495×HLA-DOB|LCK值+1.812×IL-12A|TBX21值,其中, CCL2|VEGFA值、CDK1|CXCL9值、HLA-DOB|LCK值和IL-12A|TBX21值的计 算方法如下:IRG1的表达量显著高于IRG2的表达量,IRG1|IRG2值为1;否则(即 IRG1的表达量显著低于IRG2的表达量或二者的表达量无显著差异)IRG1|IRG2值为 0,IRG1为CCL2、CDK1、HLA-DOB或IL-12A,IRG2为VEGFA、CXCL9、LCK 或TBX21,各基因的表达量为其在RNA水平上的表达量。
利用定量PCR检测各对象的4个基因对在RNA水平上的表达量,所用引物如表 2所示,利用ACTIN作为内参,所用样本为免疫疗法治疗前的肿瘤组织样本。
表3、引物信息
根据IRGPI计算公式得到的GSE93157队列35例患者的IRGPI,将IRGPI阈值设 置为0.317,将患者分为IRGPI高组(n=17)和IRGPI低组(n=18)。
计算ROC的AUC值,并进行Kaplan-Meier生存分析以评估IRGPI模型的预测性 能。结果表明,对于预测1年PFS(无进展生存期)的曲线下面积(AUC)值为0.842 (图2中B)。IRGPI低的患者(即IRGPI低组)的PFS明显高于IRGPI高的患者(即 IRGPI高组)(P<0.001;图2中C)。接下来,发明人对GSE93157队列35例患者进 行了单因素和多因素Cox回归分析,发现IRGPI是独立的预后因素(IRGPI:P<0.001, 图2中D和E)。
发明人进一步分析了对免疫疗法有不同反应的患者组中IRGPI的分布,分析表明与疾病缓解(CR与PR)组和疾病稳定(SD)组相比,疾病进展(PD)组的IRGPI 值更高;与治疗有反应组(即最佳疗效评价为PR的患者)相比,治疗无反应组(即 最佳疗效评价为SD和PD的患者)的IRGPI值更高;与治疗有效组(即最佳疗效评 价为PR和SD的患者)相比,治疗无效组(即最佳疗效评价为PD)的IRGPI值更高。 总体而言,IRGPI在预测NSCLC免疫疗法的临床反应方面表现良好。
三、在GEO队列中验证模型
为了确认IRGPI对于NSCLC中抗PD-1免疫疗法的预测能力,发明人按照步骤一 的方法检测了作为训练集的GSE136961队列的各对象的4个基因对在RNA水平上的 表达量,并利用步骤二中的IRGPI计算方法计算各对象的IRGPI,所用样本为免疫疗 法治疗前的肿瘤组织样本。
根据IRGPI阈值(0.317)将20位患者分为IRGPI高组(n=9)和IRGPI低组(n =11)。通过构建ROC曲线,预测1年PFS的AUC值为0.869,这表明IRGPI可以 在测试集中准确预测患者的预后(图3中A)。
Kaplan–Meier生存分析表明,IRGPI高组患者的PFS明显高于IRGPI低组患者(P <0.005;图3中B)。与步骤二的结果相似,单因素和多因素Cox回归分析表明,IRGPI 是按性别和病理调整后的独立预后因素(IRGPI:P<0.005,图3中C;IRGPI:P<0.001, 图3中D)。
四、在临床队列中验证模型
为了进一步验证IRGPI的稳健性和实用性,发明人使用19名NSCLC患者的独立 队列(CICAMS)中的RNA表达量和蛋白表达量来验证IRGPI的预测预后表现。
按照步骤一的方法检测CICAMS队列的各对象的4个基因对在RNA水平上的表 达量,并利用步骤二中的IRGPI计算方法计算各对象RNA的IRGPI,所用样本为免 疫疗法治疗前的石蜡包埋福尔马林固定的手术切除肿瘤样本。
利用免疫组织化学(IHC)检测CICAMS队列的各对象的4个基因对在蛋白质水平 上的表达量,然后计算各个基因的染色评分:染色评分=染色强度×阳性肿瘤细胞百分 比×100。其中,染色强度评分为:无显色为0(阴性),浅黄色为1(弱阳性),黄色为2 (中等阳性),棕黄色为3(强阳性)(图4所示);阳性肿瘤细胞百分比为在高倍显微 镜(×400)下检查十个随机选择的视野,通过计算视野内染色阳性的肿瘤细胞(弱阳 性+中等阳性+强阳性)占该视野内所有肿瘤细胞的百分比,得到该视野阳性肿瘤细胞 百分比,再使用十个视野阳性肿瘤细胞的百分比的平均值记作阳性肿瘤细胞百分比。
检测CCL2所用一抗为anti-human MCP1/CCL2 rabbit recombinant polyclonalantibody,25542-1-AP;Proteintech,USA;检测VEGFA所用一抗为anti-human VEGFArabbit recombinant monoclonal antibody,ab52917;Abcam,USA;检测CDK1所用一抗为anti-human CDK1 rabbit polyclonal recombinant antibody,ab133327;Abcam,USA,检测 CXCL9所用一抗为anti-human MIG/CXCL9 rabbit recombinant polyclonalantibody, 22355-1-AP;Proteintech,USA;检测HLA-DOB所用一抗为anti-human HLA-DOBrabbit recombinant polyclonal antibody,NBP1-87469;NOVUS,USA;检测LCK所用一抗为anti-human LCK rabbit monoclonal recombinant antibody,ab32149;Abcam,USA;检测IL-12A所用一抗为anti-human IL-12A rabbit recombinant monoclonal antibody,ab131039; Abcam,USA;检测TBX21所用一抗为anti-human TBX21 rabbit monoclonalrecombinant antibody,ab150440;Abcam,USA;所用二抗均为Goat Anti-rabbit IgG/Bio,Bioss, bs-0295G-Bio。利用步骤二中的IRGPI计算方法计算各对象蛋白质的IRGPI,各基因的表达量为其在蛋白质水平上的表达量。所用样本为免疫疗法治疗前的石蜡包埋福尔 马林固定的手术切除肿瘤样本。
在RNA水平上,接受抗PD-1免疫疗法治疗的NSCLC患者的IRGPI是可靠的预 测指标。通过构建ROC曲线,预测1年PFS的AUC值为0.937,这表明IRGPI可以 在验证集中准确预测患者的预后(图5中A)。然后,根据相同的临界值(0.317),将 19例患者分为IRGPI高组(n=14)和IRGPI低组(n=5)。进行Kaplan–Meier生存 分析,发现两组之间的长期生存存在显着差异(P<0.05;图5中B)。单因素和多因素 Cox回归分析结果表明IRGP是抗PD-1免疫疗法的独立预后因素(IRGPI:P<0.05, 图5中C;IRGPI:P<0.05,图5中D)。
在蛋白质水平的分析得到相似的结论,预测1年PFS的AUC值为0.849(图6中 A)。然后,根据相同的临界值(0.317),将19例患者分为IRGPI高组(n=10)和IRGPI 低组(n=9)。进行Kaplan–Meier生存分析,发现两组之间的长期生存存在显着差异 (P<0.001;图6中B)。与前面的结果一致,单因素和多因素Cox回归分析结果表明 IRGP是抗PD-1免疫疗法的独立预后因素(IRGPI:P<0.05,图6中C;IRGPI:P<0.05, 图6中D)。
五、在不同病理分层中验证模型
为了验证在非小细胞肺癌不同病理类型中IRGPI的可靠性,对抗PD-1免疫疗法 治疗的NSCLC患者无进展生存的预测价值进行分层分析。
分别对按三个独立队列的非鳞状细胞癌和鳞状细胞癌病理类型分组的患者进行了 Kaplan–Meier生存分析。按照对上文三个数据集的分析结果,在接受抗PD-1免疫疗 法治疗的非鳞状细胞和鳞状细胞NSCLC患者中,IRGPI高组的患者的PFS时间均较 IRGPI低组的患者短(P<0.05,图7中A:GSE93157队列中非鳞状非小细胞肺癌患者, 图7中B:GSE93157队列中鳞状细胞癌非小细胞癌患者;图7中C:GSE136961队列 中非鳞状非小细胞肺癌患者,图7中D:GSE136961队列中鳞状细胞癌非小细胞癌患 者;图7中E:CICAMS队列中非鳞状非小细胞肺癌患者基于RNA水平的IRGPI,图 7中F:CICAMS队列中鳞状细胞癌非小细胞癌患者基于RNA水平的IRGPI;图7中 G:CICAMS队列中非鳞状非小细胞肺癌患者基于蛋白质水平的IRGPI,图7中H: CICAMS队列中鳞状细胞癌非小细胞癌患者基于蛋白质水平的IRGPI。
以上对本发明进行了详述。对于本领域技术人员来说,在不脱离本发明的宗旨 和范围,以及无需进行不必要的实验情况下,可在等同参数、浓度和条件下,在较 宽范围内实施本发明。虽然本发明给出了特殊的实施例,应该理解为,可以对本发 明作进一步的改进。总之,按本发明的原理,本申请欲包括任何变更、用途或对本 发明的改进,包括脱离了本申请中已公开范围,而用本领域已知的常规技术进行的 改变。按以下附带的权利要求的范围,可以进行一些基本特征的应用。
序列表
<110> 中国医学科学院肿瘤医院
<120> 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用
<160> 16
<170> PatentIn version 3.5
<210> 1
<211> 17
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 1
tgaagctcgc actctcg 17
<210> 2
<211> 18
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 2
gtgactgggg cattgatt 18
<210> 3
<211> 21
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 3
ttacaaagat caagggctgt c 21
<210> 4
<211> 21
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 4
actctgacca aggcataaga a 21
<210> 5
<211> 19
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 5
tgaggtcaat gttctggga 19
<210> 6
<211> 17
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 6
agatgggtgg gagatgc 17
<210> 7
<211> 23
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 7
ccttgcactt ctgaagagat tga 23
<210> 8
<211> 22
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 8
acagggccat cataaaagag gt 22
<210> 9
<211> 17
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 9
attggagcct tgccttg 17
<210> 10
<211> 19
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 10
ctcgattgga tggcagtag 19
<210> 11
<211> 19
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 11
accacatccc actcacaac 19
<210> 12
<211> 20
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 12
ggcttaggac ttgctgacat 20
<210> 13
<211> 18
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 13
gcgccagaag ccattaac 18
<210> 14
<211> 17
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 14
cctccgggtt ggtcatc 17
<210> 15
<211> 17
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 15
ccccagtacc ctcccaa 17
<210> 16
<211> 19
<212> DNA
<213> 人工序列(Artificial sequence)
<400> 16
ggcaatctca gtccacacc 19
Claims (7)
1.检测4个免疫相关基因对表达量的物质在制备非小细胞肺癌抗PD-1免疫疗法治疗预后产品中的应用;所述4个免疫相关基因对为如下4对基因:CCL2与VEGFA基因,CDK1与CXCL9基因,HLA-DOB与LCK基因,IL-12A与TBX21基因。
2.根据权利要求1所述的应用,其特征在于:所述检测4个免疫相关基因对表达量的物质为检测所述4个免疫相关基因在RNA水平上的表达量或在蛋白质水平上的表达量所需的物质。
3.根据权利要求2所述的应用,其特征在于:检测所述4个免疫相关基因在RNA水平上的表达量所需的物质为进行定量PCR所需的引物;
检测所述4个免疫相关基因在蛋白质水平上的表达量所需的物质为进行免疫组织化学检测所需的抗体。
4.根据权利要求3所述的应用,其特征在于:所述进行定量PCR所需的引物为由序列表中序列1-16所示的16条单链DNA组成的成套引物;
所述进行免疫组织化学检测所需的抗体为由CCL2抗体、VEGFA抗体、CDK1抗体、CXCL9抗体、HLA-DOB抗体、LCK抗体、IL-12A抗体与TBX21抗体组成的成套抗体。
5.权利要求1-4中任一所述检测4个免疫相关基因对表达量的物质与免疫相关基因对转换装置在制备非小细胞肺癌抗PD-1免疫疗法治疗预后产品中的应用;所述免疫相关基因对转换装置用于将所述4个免疫相关基因对表达量转换为非小细胞肺癌抗PD-1免疫疗法治疗的预后值IRGPI;
所述IRGPI按照公式(1)计算:
IRGPI=1.521×CCL2|VEGFA值+1.257×CDK1|CXCL9值-1.495×HLA-DOB|LCK值+1.812×IL-12A|TBX21值 (公式(1));
其中,CCL2|VEGFA值的取值方法如下:CCL2的表达量高于VEGFA的表达量,CCL2|VEGFA值为1;CCL2的表达量低于VEGFA的表达量或二者的表达量无显著差异,CCL2|VEGFA值为0;
CDK1|CXCL9值的取值方法如下:CDK1的表达量高于CXCL9的表达量,CDK1|CXCL9值为1;CDK1的表达量低于CXCL9的表达量或二者的表达量无显著差异,CDK1|CXCL9值为0;
HLA-DOB|LCK值的取值方法如下:HLA-DOB的表达量高于LCK的表达量,HLA-DOB|LCK值为1;HLA-DOB的表达量低于LCK的表达量或二者的表达量无显著差异,HLA-DOB|LCK值为0;
IL-12A|TBX21值的计算方法如下:IL-12A的表达量高于TBX21的表达量,IL-12A|TBX21值为1;IL-12A的表达量低于TBX21的表达量或二者的表达量无显著差异,IL-12A|TBX21值为0。
6.根据权利要求1-5中任一所述的应用,其特征在于:所述非小细胞肺癌为鳞状细胞癌非小细胞肺癌或非鳞状细胞癌非小细胞肺癌。
7.非小细胞肺癌抗PD-1免疫疗法治疗预后产品,为下述X1或X2:
X1、权利要求1-4中任一所述检测4个免疫相关基因对表达量的物质;
X2、由权利要求1-4中任一所述检测4个免疫相关基因对表达量的物质与权利要求5中所述免疫相关基因对转换装置组成的成套产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110339238.7A CN113174439B (zh) | 2021-03-30 | 2021-03-30 | 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110339238.7A CN113174439B (zh) | 2021-03-30 | 2021-03-30 | 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113174439A CN113174439A (zh) | 2021-07-27 |
CN113174439B true CN113174439B (zh) | 2022-06-28 |
Family
ID=76922550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110339238.7A Active CN113174439B (zh) | 2021-03-30 | 2021-03-30 | 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113174439B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113517073B (zh) * | 2021-09-13 | 2022-04-12 | 生物岛实验室 | 肺癌手术后生存率预测模型构建方法和预测模型系统 |
CN113755594B (zh) * | 2021-09-26 | 2024-05-14 | 中国医学科学院肿瘤医院 | 一种预测小细胞肺癌辅助化疗获益和识别化疗耐药治疗靶点的系统和应用 |
CN117373534B (zh) * | 2023-10-17 | 2024-04-30 | 中山大学孙逸仙纪念医院 | 一种三阴型乳腺癌预后风险评估系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3237639A2 (en) * | 2014-12-23 | 2017-11-01 | Genentech, Inc. | Compositions and methods for treating and diagnosing chemotherapy-resistant cancers |
AU2017261685B2 (en) * | 2016-05-09 | 2023-09-07 | Assistance Publique - Hôpitaux De Paris | Methods for classifying patients with a solid cancer |
EP3606518A4 (en) * | 2017-04-01 | 2021-04-07 | The Broad Institute, Inc. | METHODS AND COMPOSITIONS FOR DETECTION AND MODULATION OF IMMUNOTHERAPY RESISTANCE GENE SIGNATURE IN CANCER |
WO2019070755A1 (en) * | 2017-10-02 | 2019-04-11 | The Broad Institute, Inc. | METHODS AND COMPOSITIONS FOR DETECTING AND MODULATING A GENETIC SIGNATURE OF IMMUNOTHERAPY RESISTANCE IN CANCER |
GB201901439D0 (en) * | 2019-02-01 | 2019-03-27 | Univ London | Method of predicting survival rates for cancer patients |
-
2021
- 2021-03-30 CN CN202110339238.7A patent/CN113174439B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113174439A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113174439B (zh) | 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用 | |
CN103459597B (zh) | 用于预测胃癌预后的标记和使用该标记预测胃癌预后的方法 | |
CN112011616A (zh) | 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 | |
JP2011523049A (ja) | 頭頚部癌の同定、モニタリングおよび治療のためのバイオマーカー | |
CN105874080A (zh) | 用于食道癌的分子诊断测试 | |
CN113215254B (zh) | 可用于评估肺腺癌预后的免疫-临床特征联合预测模型 | |
WO2016196523A1 (en) | Quantifying her2 protein for optimal cancer therapy | |
CN105848678A (zh) | 核酸生物标志物及其用途 | |
US20120270233A1 (en) | Association of biomarkers with patient outcome | |
CN111122865A (zh) | 一种基于CD11b和CD169蛋白分子的用于肝癌预后预测的标志物 | |
CN105899673B (zh) | 作为子宫颈癌和存活期的生物标记物的角蛋白 | |
US10444235B2 (en) | Systems and methods for treating, diagnosing and predicting the response to therapy of breast cancer | |
CN112946276B (zh) | I期肺腺癌患者术后复发风险预测系统及其应用 | |
CN114787374A (zh) | 基于对治疗的分子反应的治疗方法 | |
Alba et al. | HER2 status determination using RNA-ISH-a rapid and simple technique showing high correlation with FISH and IHC in 141 cases of breast cancer | |
CN114395625B (zh) | Copa在制备子宫颈癌诊断生物标记物和/或子宫颈癌药物开发中的应用 | |
EP2809798B1 (en) | Method and apparatus for detecting cancer in mammals | |
CN114788869A (zh) | 一种治疗复发或转移性鼻咽癌的药物及其疗效评估标志物 | |
CN112481380A (zh) | 一种评估晚期膀胱癌抗肿瘤免疫治疗反应性和预后生存的标志物及其应用 | |
CN111748626A (zh) | 用于预测食管鳞癌患者新辅助放化疗的疗效和预后的系统及其应用 | |
KR102599695B1 (ko) | 마커 사람 부고환 단백질 4 (he4) 기반의 폐 선암 재발의 발견 방법 및 관련 용도 | |
CN114354931B (zh) | 脾肿大在确定肿瘤患者免疫检查点抑制剂治疗疗效中的应用 | |
RU2708786C1 (ru) | Способ прогнозирования исхода плоскоклеточного рака языка и ротоглотки | |
US11371995B2 (en) | Method for selecting individuals to be administered immune checkpoint inhibitor | |
Zhou et al. | Comparison of primary and metastatic site‐related PD‐L1 expression in predicting ORR in patients with advanced NSCLC who received ICB‐based therapy |
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 |