CN113539361B - 一种肿瘤靶向治疗药物敏感性和耐药性评估方法 - Google Patents

一种肿瘤靶向治疗药物敏感性和耐药性评估方法 Download PDF

Info

Publication number
CN113539361B
CN113539361B CN202110775810.4A CN202110775810A CN113539361B CN 113539361 B CN113539361 B CN 113539361B CN 202110775810 A CN202110775810 A CN 202110775810A CN 113539361 B CN113539361 B CN 113539361B
Authority
CN
China
Prior art keywords
mutation
drug
abundance
sensitive
clone
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
Application number
CN202110775810.4A
Other languages
English (en)
Other versions
CN113539361A (zh
Inventor
郭新雨
朱莹莹
赵小红
吴小雷
任丽
李捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Protein T Tianjin Biotech Co ltd
Original Assignee
Protein T Tianjin Biotech Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Protein T Tianjin Biotech Co ltd filed Critical Protein T Tianjin Biotech Co ltd
Priority to CN202110775810.4A priority Critical patent/CN113539361B/zh
Publication of CN113539361A publication Critical patent/CN113539361A/zh
Application granted granted Critical
Publication of CN113539361B publication Critical patent/CN113539361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/50Mutagenesis
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references
    • G16H70/40ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Analytical Chemistry (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Medicinal Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Toxicology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种基于基因突变丰度的肿瘤靶向药物选择方法,包括以下步骤:1)将获取的样本进行基因测序分析,并根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型,从而将不同突变聚类到多个亚克隆中;2)统计每个亚克隆中不同种类突变的突变丰度,计算丰度差值与总丰度的比例,根据计算结果是在0%‑100%范围还是在‑100%~0%范围,进行靶向治疗药物的选择。与现有技术相比,本发明方法对于依据基因测序结果推荐靶向药的报告解读过程中,在基因测序结果同时出现药物敏感位点或耐药位点的情形下,或存在多个基因的靶向药物供选择时,能够提供更为客观的判断及推荐依据。

Description

一种肿瘤靶向治疗药物敏感性和耐药性评估方法
技术领域
本发明属于生物技术领域,具体地,涉及一种基于基因突变丰度的肿瘤靶向药物选择方法。
背景技术
肿瘤是指机体在各种致癌因子的刺激下,局部组织产生增生而形成的赘生物。多项研究证实,癌基因的突变导致信号通路的过度激活,从而导致细胞癌变的发生。针对特定癌基因的靶向治疗方案的兴起,使肿瘤患者的治疗模式发生了巨大改变,增加患者的治疗方案的同时也大大延长了患者的生存期。为了判定患者如何使用靶向药物,首先需要进行基因检测,确定相关的致癌性位点,从而选择合适的靶向药。高通量测序的广泛应用为临床上鉴定出患者肿瘤个体化基因变异特征提供了便利的条件,但如何根据这些基因变异特征准确选择有针对性的靶向药,是基因检测技术的核心工作。
在进行基因检测后进行靶向药物推荐的过程中,我们经常遇到两种问题较难处理:一、临床上检测到患者同时存在药物敏感突变和耐药突变,是否可以继续使用针对敏感突变的靶向治疗药物,或如何选择合适的时机,使用靶向治疗药物治疗的同时联合其他的治疗方案以延缓耐药出现的时间。二、同时存在多个基因的靶向药物可供选择,如何选择最合适的治疗方案进行继续治疗。此种情况为临床医生如何进行诊断和治疗带来了诸多不便。所以针对基因的药物敏感位点和耐药位点进行评估的标准化流程的建立非常重要。
发明内容
发明目的:为解决上述技术问题,本发明提供了一种基于基因突变丰度的肿瘤靶向药物选择方法。
技术方案:为达到上述发明目的,本发明采用如下技术方案:
一种基于基因突变丰度的肿瘤靶向药物选择方法,包括以下步骤:
1)将获取的样本进行基因测序分析,并根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型,从而将不同突变聚类到多个亚克隆中;
2)统计每个亚克隆中不同种类突变的突变丰度,计算丰度差值与总丰度的比例,根据计算结果是在0%-100%范围还是在-100%~0%范围,进行靶向治疗药物的选择。
本方法也适用于具有不同生物特征的克隆类型的其他组分。
优选的,步骤1)中,所述样本包括肿瘤组织或全血。
优选的,步骤1)中,所述基因测序分析选择全基因组或全外显子等相对覆盖范围广的基因测序方案。
优选的,步骤1)中,采用细胞基因变异类型分析软件,如PyClone等,根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型。
优选的,步骤(1)中,进行耐药评估时,以药物敏感性和耐药性进行分类,将亚克隆分为4种类型:仅存在药物敏感突变、仅存在耐药突变、药物敏感突变和耐药突变均存在、药物敏感突变和耐药突变均不存在。
优选的,步骤(1)中,进行多个基因靶向药物选择时,以对药物敏感的基因突变进行分类,将其分为4个不同的亚克隆类型:存在敏感突变1和敏感突变2、敏感突变1、敏感突变2、不存在敏感突变1和敏感突变2。
优选的,步骤2)中,如真实的亚克隆小于4种,则没出现突变的一项归为0;如真实的亚克隆大于4种,则与本次评价无关的亚克隆归为第4类。
优选的,步骤2)中,统计每个亚克隆中的敏感突变和/或耐药突变的突变丰度,定义亚克隆分类:克隆1:敏感突变和耐药突变均存在;克隆2:仅存在敏感突变;克隆3:仅存在耐药突变;克隆4:敏感突变和耐药突变均不存在;耐药评估的计算标准如下:
定义克隆1的突变丰度为α,克隆2中突变丰度为β,克隆3中突变丰度为γ,克隆4中突变丰度为δ;
若[β-(α+γ)]/(α+β+γ+δ)×100%∈(0%,100%]时,肿瘤细胞对针对β类细胞的靶向药物敏感;
若[β-(α+γ)]/(α+β+γ+δ)×100%∈[-100%,0%]时,肿瘤细胞对针对β类细胞的靶向药物耐药。
优选的,步骤2)中,统计每个亚克隆中的敏感突变和/或耐药突变的突变丰度,定义亚克隆分类:克隆1:存在敏感突变1和敏感突变2;克隆2:仅存在敏感突变1;克隆3:仅存在敏感突变2;克隆4:不存在敏感突变1和敏感突变2;靶向评估的计算标准如下:
定义克隆1的突变丰度为α,克隆2中突变丰度为β,克隆3中突变丰度为γ,克隆4中突变丰度为δ;
若[(α+β)-(α+γ)]/(α+β+γ+δ)×100%∈(0%,100%]时,肿瘤细胞对针对β类细胞的靶向药物敏感;
若[(α+β)-(α+γ)]/(α+β+γ+δ)×100%∈[-100%,0%]时,肿瘤细胞对针对γ类细胞的靶向药物敏感;
在多个药物敏感位点存在的情形下,按照以上计算方法分别计算。
有益效果:与现有技术相比,本发明方法对于依据基因测序结果推荐靶向药的报告解读过程中,在基因测序结果同时出现药物敏感位点或耐药位点的情形下,或存在多个基因的靶向药物供选择时,能够提供更为客观的判断及推荐依据。
附图说明
图1为本发明方法的流程示意图。
图2为耐药评估计算结果与细胞抑制率的关系。
具体实施方式
下面结合具体实例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例:
1.在非小细胞肺癌细胞系A549中分别以一定比例过表达EGFREx19del和EGFRT790M突变质粒,24h后取部分细胞样本进行全外显子测序并根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型(优选聚类工具PyClone)进行处理,分别得出不同的亚克隆(克隆1-4),并计算出不同亚克隆的突变丰度,结果如表1所示。
表1两种突变在A549细胞系中的亚克隆及其不同突变的比例
Figure GDA0003993943210000031
Figure GDA0003993943210000041
2、接下来使用本专利中的耐药评估方法进行计算,得到样本1-12所在的区间,样本1-5经计算后结果位于(0%,100%]区间内,而样本6-12经计算后结果位于[-100%,0%]内。使用EGFREx19del突变的靶向治疗药物阿法替尼对步骤1中剩下的细胞进行药物处理,24h后使用MTT法(四甲基偶氮唑盐微量酶反应比色法)检测细胞的生长曲线,从而得出药物的敏感性。
3、经过MTT法检测后,各样本中细胞生长抑制率的统计结果如表2和图2所示。结果显示,当[β-(α+γ)]/(α+β+γ+δ)×100%∈(0%,100%]时,阿法替尼对于细胞的抑制率较高,均为>10%,细胞对阿法替尼药物敏感;但当[β-(α+γ)]/(α+β+γ+δ)×100%∈[-100%,0%]区间内时,细胞抑制率均较低,均为<10%,细胞对阿法替尼耐药。
表2不同样本使用耐药评估结果与细胞抑制率汇总
Figure GDA0003993943210000042
Figure GDA0003993943210000051

Claims (8)

1.一种非治疗目的的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,包括以下步骤:
1)将获取的样本进行基因测序分析,并根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型,从而将不同突变聚类到多个亚克隆中;进行耐药评估时,以药物敏感性和耐药性进行分类,将亚克隆分为4种类型:仅存在药物敏感突变、仅存在耐药突变、药物敏感突变和耐药突变均存在、药物敏感突变和耐药突变均不存在;
2)统计每个亚克隆中不同种类突变的突变丰度,计算丰度差值与总丰度的比例,根据计算结果是在0%-100%范围还是在-100%~0%范围,进行肿瘤靶向治疗药物敏感性和耐药性的评估。
2.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤1)中,所述样本包括肿瘤组织或全血。
3.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤1)中,所述基因测序分析选择全基因组或全外显子测序方案。
4.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤1)中,采用细胞基因变异类型分析软件,根据变异基因的突变频率,推导包含不同变异基因种类的细胞克隆类型。
5.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤(1)中,进行多个基因靶向药物选择时,以对药物敏感的基因突变进行分类,将其分为4个不同的亚克隆类型:存在敏感突变1和敏感突变2、敏感突变1、敏感突变2、不存在敏感突变1和敏感突变2。
6.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤2)中,如真实的亚克隆小于4种,则没出现突变的一项归为0;如真实的亚克隆大于4种,则与本次评价无关的亚克隆归为第4类。
7.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤2)中,统计每个亚克隆中的敏感突变和/或耐药突变的突变丰度,定义亚克隆分类:克隆1:敏感突变和耐药突变均存在;克隆2:仅存在敏感突变;克隆3:仅存在耐药突变;克隆4:敏感突变和耐药突变均不存在;耐药评估的计算标准如下:
定义克隆1的突变丰度为α,克隆2中突变丰度为β,克隆3中突变丰度为γ,克隆4中突变丰度为δ;
若[β-(α+γ)]/(α+β+γ+δ)×100%∈(0%,100%]时,肿瘤细胞对针对β类细胞的靶向药物敏感;
若 [β-(α+γ)]/(α+β+γ+δ)×100%∈[-100%,0%]时,肿瘤细胞对针对β类细胞的靶向药物耐药。
8.根据权利要求1所述的基于基因突变丰度的肿瘤靶向药物敏感性和耐药性评估方法,其特征在于,步骤2)中,统计每个亚克隆中的敏感突变和/或耐药突变的突变丰度,定义亚克隆分类:克隆1:存在敏感突变1和敏感突变2;克隆2:仅存在敏感突变1;克隆3:仅存在敏感突变2;克隆4:不存在敏感突变1和敏感突变2;靶向评估的计算标准如下:
定义克隆1的突变丰度为α,克隆2中突变丰度为β,克隆3中突变丰度为γ,克隆4中突变丰度为δ;
若[(α+β)-(α+γ)]/(α+β+γ+δ)×100%∈(0%,100%]时,肿瘤细胞对针对β类细胞的靶向药物敏感;
若[(α+β)-(α+γ)]/(α+β+γ+δ)×100%∈[-100%,0%]时,肿瘤细胞对针对γ类细胞的靶向药物敏感;
在多个药物敏感位点存在的情形下,按照以上计算方法分别计算。
CN202110775810.4A 2021-07-08 2021-07-08 一种肿瘤靶向治疗药物敏感性和耐药性评估方法 Active CN113539361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110775810.4A CN113539361B (zh) 2021-07-08 2021-07-08 一种肿瘤靶向治疗药物敏感性和耐药性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110775810.4A CN113539361B (zh) 2021-07-08 2021-07-08 一种肿瘤靶向治疗药物敏感性和耐药性评估方法

Publications (2)

Publication Number Publication Date
CN113539361A CN113539361A (zh) 2021-10-22
CN113539361B true CN113539361B (zh) 2023-02-24

Family

ID=78098115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110775810.4A Active CN113539361B (zh) 2021-07-08 2021-07-08 一种肿瘤靶向治疗药物敏感性和耐药性评估方法

Country Status (1)

Country Link
CN (1) CN113539361B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8617816B2 (en) * 2007-03-16 2013-12-31 454 Life Sciences, A Roche Company System and method for detection of HIV drug resistant variants
CN108733975A (zh) * 2018-03-29 2018-11-02 深圳裕策生物科技有限公司 基于二代测序的肿瘤克隆变异检测方法、装置和存储介质
CN110863049A (zh) * 2019-12-06 2020-03-06 苏州卫生职业技术学院 一种检测dna错配修复通路有效性的探针库、检测方法和试剂盒
CN111077308A (zh) * 2019-11-20 2020-04-28 佛山市第四人民医院(佛山市结核病防治所) 用于结核耐药诊断的血清代谢标志物及其应用
CN111836907A (zh) * 2018-01-10 2020-10-27 埃皮赛佛尔有限公司 基因组位点处核小体修饰和突变的定量方法及其临床应用
CN112575069A (zh) * 2020-11-17 2021-03-30 哈尔滨医科大学 一种基于亚克隆水平敏感药物筛选的肿瘤演化调控模型及其建立方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2499486A4 (en) * 2009-11-13 2013-11-27 Infinity Pharmaceuticals Inc COMPOSITIONS, KITS, AND METHODS FOR IDENTIFICATION, EVALUATION, PREVENTION, AND THERAPY OF CANCER

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8617816B2 (en) * 2007-03-16 2013-12-31 454 Life Sciences, A Roche Company System and method for detection of HIV drug resistant variants
CN111836907A (zh) * 2018-01-10 2020-10-27 埃皮赛佛尔有限公司 基因组位点处核小体修饰和突变的定量方法及其临床应用
CN108733975A (zh) * 2018-03-29 2018-11-02 深圳裕策生物科技有限公司 基于二代测序的肿瘤克隆变异检测方法、装置和存储介质
CN111077308A (zh) * 2019-11-20 2020-04-28 佛山市第四人民医院(佛山市结核病防治所) 用于结核耐药诊断的血清代谢标志物及其应用
CN110863049A (zh) * 2019-12-06 2020-03-06 苏州卫生职业技术学院 一种检测dna错配修复通路有效性的探针库、检测方法和试剂盒
CN112575069A (zh) * 2020-11-17 2021-03-30 哈尔滨医科大学 一种基于亚克隆水平敏感药物筛选的肿瘤演化调控模型及其建立方法

Also Published As

Publication number Publication date
CN113539361A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN109182525B (zh) 一种微卫星生物标志物组合、检测试剂盒及其用途
CN107723213B (zh) 一种人egfr基因四重多位点突变检测试剂盒及方法
CN104662168B (zh) 用于癌症检测的血浆dna突变分析
CN104818320B (zh) 一次性检测肺癌多重基因的引物、探针、检测体系和试剂盒
CN104531854B (zh) 检测西妥昔单抗治疗转移性结直肠癌耐药的试剂盒
CN105506065A (zh) 肝癌基因检测方法、检测试剂盒及其应用
WO2020048518A1 (zh) 一组用于髓母细胞瘤分子分型的基因及其应用
CN110060733A (zh) 基于单样本的二代测序肿瘤体细胞变异检测装置
CN106755450A (zh) 应用数字pcr检测结直肠癌患者尿液中egfr基因突变的方法
CN112501301A (zh) 一种用于定量检测bcr-abl融合基因的引物和探针组合、试剂盒及其使用方法
CN108410982A (zh) 一种基于maldi-tof-ms检测肺癌34个突变位点的试剂盒
CN108220404B (zh) 一种识别dna大片段缺失的方法和系统
CN113539361B (zh) 一种肿瘤靶向治疗药物敏感性和耐药性评估方法
CN107273717A (zh) 一种肺癌血清基因的检测模型及其构建方法和应用
CN110004229A (zh) 多基因作为egfr单克隆抗体类药物耐药标志物的应用
Xie et al. Evaluation of Cell Surface Vimentin Positive Circulating Tumor Cells as a Diagnostic Biomarker for Lung Cancer Front
CN112375826B (zh) 一种鉴别非小细胞肺癌亚型的环状rna组合物标志物及其应用
CN109439747A (zh) 一组用于肺癌诊断的circRNA标志物及其应用
KR20180092395A (ko) 종양 치료를 위한 표적 유전자 판별 방법
CN108148912B (zh) 肿瘤的生物标志物、应用和肿瘤检测试剂盒
CN105821120B (zh) 一种基于巢式复合cold-pcr的t790m突变检测方法
CN107312778A (zh) 一种癌症诊断试剂盒以及治疗用药物组合物
CN102827935B (zh) 定量检测FIP1L1-PDGFRA融合基因mRNA水平的试剂盒
CN108342483B (zh) 一组用于非超突变型结直肠癌分子分型的基因及其应用
CN112029833A (zh) 一种用于肿瘤类器官培养条件选择的ctnnb1基因突变的快速鉴定方法

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