CN113862363A - 免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 - Google Patents
免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 Download PDFInfo
- Publication number
- CN113862363A CN113862363A CN202111257632.2A CN202111257632A CN113862363A CN 113862363 A CN113862363 A CN 113862363A CN 202111257632 A CN202111257632 A CN 202111257632A CN 113862363 A CN113862363 A CN 113862363A
- Authority
- CN
- China
- Prior art keywords
- breast cancer
- mrna expression
- exp
- expression value
- risk
- 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.)
- Pending
Links
- 206010006187 Breast cancer Diseases 0.000 title claims abstract description 69
- 208000026310 Breast neoplasm Diseases 0.000 title claims abstract description 69
- 238000004393 prognosis Methods 0.000 title claims abstract description 41
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 41
- 208000026534 luminal B breast carcinoma Diseases 0.000 claims abstract description 14
- 101000659879 Homo sapiens Thrombospondin-1 Proteins 0.000 claims abstract description 11
- 108010051742 Platelet-Derived Growth Factor beta Receptor Proteins 0.000 claims abstract description 11
- 102100026547 Platelet-derived growth factor receptor beta Human genes 0.000 claims abstract description 11
- 108060008683 Tumor Necrosis Factor Receptor Proteins 0.000 claims abstract description 10
- 102000003298 tumor necrosis factor receptor Human genes 0.000 claims abstract description 10
- 101000741788 Homo sapiens Peroxisome proliferator-activated receptor alpha Proteins 0.000 claims abstract description 9
- 102100038831 Peroxisome proliferator-activated receptor alpha Human genes 0.000 claims abstract description 9
- 102100034134 Activin receptor type-1B Human genes 0.000 claims abstract description 8
- 102100028228 COUP transcription factor 1 Human genes 0.000 claims abstract description 8
- 102100034722 Glutathione S-transferase LANCL1 Human genes 0.000 claims abstract description 8
- 101000799189 Homo sapiens Activin receptor type-1B Proteins 0.000 claims abstract description 8
- 101000860854 Homo sapiens COUP transcription factor 1 Proteins 0.000 claims abstract description 8
- 101001090483 Homo sapiens Glutathione S-transferase LANCL1 Proteins 0.000 claims abstract description 8
- 101001034652 Homo sapiens Insulin-like growth factor 1 receptor Proteins 0.000 claims abstract description 8
- 101000731007 Homo sapiens Membrane-associated progesterone receptor component 2 Proteins 0.000 claims abstract description 8
- 101000650808 Homo sapiens Semaphorin-3G Proteins 0.000 claims abstract description 8
- 102100039688 Insulin-like growth factor 1 receptor Human genes 0.000 claims abstract description 8
- 108090001025 Iron regulatory protein 1 Proteins 0.000 claims abstract description 8
- 102000004901 Iron regulatory protein 1 Human genes 0.000 claims abstract description 8
- 102100032400 Membrane-associated progesterone receptor component 2 Human genes 0.000 claims abstract description 8
- 102100027750 Semaphorin-3G Human genes 0.000 claims abstract description 8
- 101000653788 Homo sapiens Protein S100-A11 Proteins 0.000 claims abstract description 7
- 102100029811 Protein S100-A11 Human genes 0.000 claims abstract description 7
- 230000014509 gene expression Effects 0.000 claims description 52
- 108020004999 messenger RNA Proteins 0.000 claims description 48
- 238000011282 treatment Methods 0.000 claims description 21
- 102100036034 Thrombospondin-1 Human genes 0.000 claims description 8
- 238000012821 model calculation Methods 0.000 claims description 8
- 239000003153 chemical reaction reagent Substances 0.000 claims description 7
- 230000004083 survival effect Effects 0.000 claims description 7
- 101100215147 Caenorhabditis elegans aco-1 gene Proteins 0.000 claims description 3
- 101000654674 Homo sapiens Semaphorin-6A Proteins 0.000 claims description 3
- 108091008640 NR2F Proteins 0.000 claims description 3
- 102100032795 Semaphorin-6A Human genes 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000002512 chemotherapy Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 101150042997 21 gene Proteins 0.000 description 2
- 101150094765 70 gene Proteins 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000027706 hormone receptor-positive breast cancer Diseases 0.000 description 2
- 230000009401 metastasis Effects 0.000 description 2
- 239000003147 molecular marker Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 101150022426 S100a11 gene Proteins 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004791 biological behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009261 endocrine therapy Methods 0.000 description 1
- 229940034984 endocrine therapy antineoplastic and immunomodulating agent Drugs 0.000 description 1
- 238000011223 gene expression profiling Methods 0.000 description 1
- 108091008039 hormone receptors Proteins 0.000 description 1
- 238000011337 individualized treatment Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009456 molecular mechanism Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Pathology (AREA)
- Genetics & Genomics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Microbiology (AREA)
- Oncology (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Hospice & Palliative Care (AREA)
- Primary Health Care (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了免疫相关基因在乳腺癌预后的试剂盒和系统中的应用，属于分子生物医学技术领域。本发明的一组乳腺癌免疫相关基因，包括免疫相关基因THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18。本发明的乳腺癌免疫相关基因应用于试剂盒和系统中，可对Luminal B型乳腺癌预后进行稳定预测，并且在不需要使用标准化技术平台统一测量前提下，可以兼容任何类型的测量平台来预测Luminal B型乳腺癌的预后。
Description
技术领域
本发明属于分子生物医学技术领域，具体涉及免疫相关基因在乳腺癌预后的试剂盒和系统中的应用。
背景技术
乳腺癌是当今世界上女性最常见的恶性肿瘤之一。随着人口数目不断增长、老龄化程度加速，和生活方式的变化，乳腺癌的发病率和死亡率也逐年上升。目前，全球每年新发病例超过167万，占癌症发病总数的约25.1％。随着各项治疗技术发展，乳腺癌患者的五年生存率不断提高，但是乳腺癌对患者带来的生命威胁仍位居常见恶性肿瘤的前列。研究表明乳腺癌是一种异质性的恶性肿瘤，即使具有相同临床病理特征的患者，其肿瘤仍可以表现为不同的生物学行为，对治疗的反应及预后也不尽相同。目前尚无单个的临床分子标志物能够准确有效地用于预测患者的治疗敏感性情况。而传统的组织病理分型和分级、肿瘤大小等因素与疗效预测联系并不紧密。尤其是Luminal B型乳腺癌，该分型内患者的预后和治疗反应性情况差异较大。
免疫相关基因，已被近年来的大量研究指出，其癌症的产生和发展起了至关重要的作用，特别是免疫微环境和乳腺癌的发展有紧密联系。但是，目前少有用免疫相关基因来预测乳腺癌预后且未有大规模研究。精准医学自提出以来就得到广泛关注，根据分子生物学特点对乳腺癌进行精准化治疗已成为广大学者的共识。目前国内外已有一些基于基因层面的分子分型下的精准治疗探索，如Oncotype DX(21基因)是对激素受体阳性的乳腺癌患者中评估为临床中低危的那部分患者进行检测，通过21个基因计算的危险度评分测算患者的复发转移风险，为患者提供辅助治疗在内分泌治疗基础上是否需要加用化疗的治疗建议。Mamaprint(70基因)检测则是对激素受体阳性乳腺癌中相对临床高危的患者进行检测后，根据危险度评分提示该患者是否可以在辅助治疗中免除化疗，在同等治疗效果的基础上减轻化疗对身体的损害。因此，通过基因层面的方法，为Luminal B型乳腺癌患者寻找更为合适的预后情况和治疗效果评估方法，以提高对这一部分乳腺癌患者更精准的预后判断和治疗建议，是具有很大价值和成功概率，也非常有必要的。
随着各项治疗技术发展，乳腺癌患者的五年生存率不断提高，但是乳腺癌对患者带来的生命威胁仍位居常见恶性肿瘤的前列。目前尚无单个的临床分子标志物能够准确有效地用于预测患者的治疗敏感性情况。而传统的组织病理分型和分级、肿瘤大小等因素与疗效预测联系并不紧密，尤其是Luminal B型乳腺癌，该分型内患者的预后和治疗反应性情况差异较大，目前的包括基因检测在内的评估方式仍然无法精准地针对此一类乳腺癌患者进行分析，如Oncotype DX (21基因)和Mamaprint(70基因)等评估方法的评估对象都是一大类激素受体阳性的患者。因此，寻找有价值的分子标志物、揭示其影响Luminal B型乳腺癌患者预后的分子机制，并探索更加有效的治疗方法从而指导个体化治疗非常必要。
发明内容
针对上述问题，本发明的目的在于提供免疫相关基因在乳腺癌预后的试剂盒和系统中的应用。
为实现上述目的，本发明采取的技术方案为：一组乳腺癌免疫相关基因，包括免疫相关基因THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、 ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18。
本发明还提供上述乳腺癌免疫相关基因的联合使用在制备用于预测 Luminal B型乳腺癌病人预后的试剂盒中的应用。
本发明还提供检测免疫相关基因的表达水平的试剂在制备用于预测 Luminal B型乳腺癌病人预后的试剂盒中的应用。
作为本发明所述的检测免疫相关基因的表达水平的试剂在制备用于预测Luminal B型乳腺癌病人预后的试剂盒中的应用的优选实施方式，所述试剂用于检测THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、 IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18的mRNA表达水平。
本发明还提供一种用于预测Luminal B型乳腺癌病人预后的试剂盒，包括用于检测免疫相关基因mRNA表达水平的试剂；所述免疫相关基因包括THBS1、 S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、IGF1R、NR2F1、 PGRMC2、PPARA和TNFRSF18。
本发明还提供一种用于预测Luminal B型乳腺癌病人预后的系统，所述系统包括数据输入模块、模型计算模块和结果输出模块；所述数据输入模块用于将乳腺癌病人的免疫相关基因的mRNA表达值的结果输入模型计算模块；所述模型计算模块包括LASSO Cox风险模型，用于根据乳腺癌病人免疫相关基因的 mRNA表达值以及LASSO Cox风险模型计算病人风险分数；所述结果输出模块用于根据乳腺癌病人风险分数来预测乳腺癌病人治疗后的预后风险。
作为本发明所述的用于预测Luminal B型乳腺癌病人预后的系统的优选实施方式，所述数据输入模块中的mRNA表达值为通过Bioconductor的GEOquery程序包标准化处理后的mRNA表达水平数据。
作为本发明所述的用于预测Luminal B型乳腺癌病人预后的系统的优选实施方式，所述模型计算模块中的风险分数的计算公式为：Risk score＝0.090×exp (THBS1的mRNA表达值)+0.213×exp(S100A11的mRNA表达值)-0.047 ×exp(LANCL1的mRNA表达值)+0.254×exp(PDGFRB的mRNA表达值) -0.289×exp(ACO1的mRNA表达值)-0.287×exp(SEMA3G的mRNA表达值)+0.343×exp(ACVR1B的mRNA表达值)-0.157×exp(IGF1R的mRNA 表达值)+0.093×exp(NR2F1的mRNA表达值)-0.156×exp(PGRMC2的mRNA 表达值)-0.555×exp(PPARA的mRNA表达值)-0.070×exp(TNFRSF18的 mRNA表达值)。
作为本发明所述的用于预测Luminal B型乳腺癌病人预后的系统的优选实施方式，所述模型计算模块中的高风险组和低风险组的cutoff值-1.169。
作为本发明所述的用于预测Luminal B型乳腺癌病人预后的系统的优选实施方式，所述结果输出模块中，当乳腺癌病人风险分数≥-1.169时，乳腺癌病人为高风险，生存会显著差，需要更多的临床关注和更好的临床管理；当乳腺癌病人风险分数<-1.169时，乳腺癌病人为低风险，生存较好，可以用更温和的治疗方案，避免过度治疗。
本发明的有益效果为：本发明提供了免疫相关基因在乳腺癌预后的试剂盒和系统中的应用，本发明的一组可以稳定预测Luminal B型乳腺癌预后的12个免疫相关基因；在不需要使用标准化技术平台统一测量前提下，可以兼容任何类型的测量平台来预测LuminalB型乳腺癌的预后；另外，本发明还进行了单变量及多变量分析，证明采用此风险模型计算的免疫风险分数确实可以独立预测乳腺癌病人预后风险。
附图说明
图1：A：免疫相关基因预测模型的计算公式；B：高危患者的最佳cutoff 值。
图2为实施例1构建的模型对乳腺癌预后进行预测分析。
具体实施方式
为了更加简洁明了的展示本发明的技术方案、目的和优点，下面结合具体实施例和附图详细说明本发明的技术方案。
实施例1
本实施例通过对乳腺癌预后免疫相关基因进行筛选，构建用于预测Luminal B型乳腺癌病人预后的模型，具体构建方法为：
(1)收集Metabric和TCGA数据集中的LuminalB型乳腺癌患者基因表达谱数据进行预处理，从两个数据集中合并筛选出738个病例共13897个基因 (Metabric：488例，TCGA：250例)。再从ImmPort数据库获得合计2498个免疫相关基因，以基因表达波动值等指标作为条件，共同筛选出396个免疫相关基因进入预后模型备选库。在Metabric数据库中，筛选出与LuminalB型乳腺癌复发转移风险相关的基因：分别对这396个基因进行单因素cox回归，经过1000 次重抽样，保留显著(p<0.05)次数>900次的14个免疫相关基因。
(2)根据病人的预后信息，使用LASSO Cox模型回归筛选，将14个免疫相关基因缩减到12个基因：THBS1、S100A11、LANCL1、PDGFRB、ACO1、 SEMA3G、ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18。
(3)使用12个免疫相关基因，建立预测模型，并通过两个独立大规模数据库病人样本验证(738例病人Metabric：488例，TCGA：250例)证明确实可以显著预测病人预后；风险分数的计算公式为：Risk score＝0.090×exp(THBS1 的mRNA表达值)+0.213×exp(S100A11的mRNA表达值)-0.047×exp(LANCL1 的mRNA表达值)+0.254×exp(PDGFRB的mRNA表达值)-0.289×exp(ACO1 的mRNA表达值)-0.287×exp(SEMA3G的mRNA表达值)+0.343×exp(ACVR1B的mRNA表达值)-0.157×exp(IGF1R的mRNA表达值)+0.093 ×exp(NR2F1的mRNA表达值)-0.156×exp(PGRMC2的mRNA表达值)-0.555 ×exp(PPARA的mRNA表达值)-0.070×exp(TNFRSF18的mRNA表达值)，如图1A所示；ROC曲线划分免疫高风险组和低风险组的cutoff值-1.169，如图 1B和表1所示。
表1
实施例2
本实施例使用实施例1构建的模型对乳腺癌预后进行预测。
用该预后模型计算Metabric数据集中各患者的危险度评分(Risk score，RS)，通过ROC曲线分析，计算出RS评分分界值为-1.169，将RS分数≥-1.169的患者列入高危组，RS分数<-1.169的患者列入低危组，结果如图2a、c所示， Kaplan–Meier生存曲线分析提示高危组和低危组患者的DFS存在明显的统计学差异，即HR＝4.95，95％CI：3.22～7.62，P<0.001。再以TCGA数据集作为验证集，如图2b、d所示，同样观察到高危组的患者5年复发转移风险要明显高于低危组患者HR＝2.47，95％CI：1.29～4.75，P<0.001。
本实施例还在两个独立数据库中进行了单变量及多变量分析，结果如表2 所示，由表2可知，使用本发明模型计算的免疫风险分数确实可以独立预测乳腺癌病人预后风险。
表2
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一组乳腺癌免疫相关基因，其特征在于，包括免疫相关基因THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18。
2.如权利要求1所述的乳腺癌免疫相关基因的联合使用在制备用于预测Luminal B型乳腺癌病人预后的试剂盒中的应用。
3.检测免疫相关基因的表达水平的试剂在制备用于预测Luminal B型乳腺癌病人预后的试剂盒中的应用。
4.如权利要求3所述的应用，其特征在于，所述试剂用于检测THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18的mRNA表达水平。
5.一种用于预测Luminal B型乳腺癌病人预后的试剂盒，其特征在于，包括用于检测免疫相关基因mRNA表达水平的试剂；所述免疫相关基因包括THBS1、S100A11、LANCL1、PDGFRB、ACO1、SEMA3G、ACVR1B、IGF1R、NR2F1、PGRMC2、PPARA和TNFRSF18。
6.一种用于预测Luminal B型乳腺癌病人预后的系统，其特征在于，所述系统包括数据输入模块、模型计算模块和结果输出模块；所述数据输入模块用于将乳腺癌病人的免疫相关基因的mRNA表达值的结果输入模型计算模块；所述模型计算模块包括LASSOCox风险模型，用于根据乳腺癌病人免疫相关基因的mRNA表达值以及LASSOCox风险模型计算病人风险分数；所述结果输出模块用于根据乳腺癌病人风险分数来预测乳腺癌病人治疗后的预后风险。
7.如权利要求6所述的系统，其特征在于，所述数据输入模块中的mRNA表达值为通过Bioconductor的GEOquery程序包标准化处理后的mRNA表达水平数据。
8.如权利要求6所述的系统，其特征在于，所述模型计算模块中的风险分数的计算公式为：Risk score＝0.090×exp(THBS1的mRNA表达值)+0.213×exp(S100A11的mRNA表达值)-0.047×exp(LANCL1的mRNA表达值)+0.254×exp(PDGFRB的mRNA表达值)-0.289×exp(ACO1的mRNA表达值)-0.287×exp(SEMA3G的mRNA表达值)+0.343×exp(ACVR1B的mRNA表达值)-0.157×exp(IGF1R的mRNA表达值)+0.093×exp(NR2F1的mRNA表达值)-0.156×exp(PGRMC2的mRNA表达值)-0.555×exp(PPARA的mRNA表达值)-0.070×exp(TNFRSF18的mRNA表达值)。
9.如权利要求8所述的系统，其特征在于，所述模型计算模块中的高风险组和低风险组的cutoff值-1.169。
10.如权利要求6所述的系统，其特征在于，所述结果输出模块中，当乳腺癌病人风险分数≥-1.169时，乳腺癌病人为高风险，生存会显著差，需要更多的临床关注和更好的临床管理；当乳腺癌病人风险分数<-1.169时，乳腺癌病人为低风险，生存较好，可以用更温和的治疗方案，避免过度治疗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111257632.2A CN113862363A (zh) | 2021-10-27 | 2021-10-27 | 免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111257632.2A CN113862363A (zh) | 2021-10-27 | 2021-10-27 | 免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113862363A true CN113862363A (zh) | 2021-12-31 |
Family
ID=78998522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111257632.2A Pending CN113862363A (zh) | 2021-10-27 | 2021-10-27 | 免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113862363A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2829472A1 (en) * | 2003-01-15 | 2004-08-05 | Genomic Health, Inc. | Gene expression markers for breast cancer prognosis |
| CN104805197A (zh) * | 2015-04-09 | 2015-07-29 | 嘉兴市第二医院 | 分子标志物用于乳腺癌诊断和预后评估的方法 |
| CN110023513A (zh) * | 2016-11-25 | 2019-07-16 | 建喾立嗣股份公司 | 预测乳腺癌患者预后的方法 |
| WO2019233028A1 (zh) * | 2018-06-06 | 2019-12-12 | 深圳市颐康生物科技有限公司 | 一种生物标志物、诊断或预估死亡风险的方法 |
| CN112592977A (zh) * | 2020-12-31 | 2021-04-02 | 哈尔滨工业大学 | 一种乳腺癌预后的标记物及应用 |
| CN113355419A (zh) * | 2021-06-28 | 2021-09-07 | 广州中医药大学(广州中医药研究院) | 一种乳腺癌预后风险预测标志组合物及应用 |
-
2021
- 2021-10-27 CN CN202111257632.2A patent/CN113862363A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2829472A1 (en) * | 2003-01-15 | 2004-08-05 | Genomic Health, Inc. | Gene expression markers for breast cancer prognosis |
| CN104805197A (zh) * | 2015-04-09 | 2015-07-29 | 嘉兴市第二医院 | 分子标志物用于乳腺癌诊断和预后评估的方法 |
| CN110023513A (zh) * | 2016-11-25 | 2019-07-16 | 建喾立嗣股份公司 | 预测乳腺癌患者预后的方法 |
| WO2019233028A1 (zh) * | 2018-06-06 | 2019-12-12 | 深圳市颐康生物科技有限公司 | 一种生物标志物、诊断或预估死亡风险的方法 |
| CN112592977A (zh) * | 2020-12-31 | 2021-04-02 | 哈尔滨工业大学 | 一种乳腺癌预后的标记物及应用 |
| CN113355419A (zh) * | 2021-06-28 | 2021-09-07 | 广州中医药大学(广州中医药研究院) | 一种乳腺癌预后风险预测标志组合物及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Na et al. | Immune landscape of papillary thyroid cancer and immunotherapeutic implications | |
| CN111128299A (zh) | 一种结直肠癌预后显著相关ceRNA调控网络的构建方法 | |
| CN112837744A (zh) | 一种前列腺癌预后显著相关ceRNA调控网络的构建方法 | |
| US20230176058A1 (en) | Markers for the early detection of colon cell proliferative disorders | |
| Li et al. | A novel prognostic nomogram based on microvascular invasion and hematological biomarkers to predict survival outcome for hepatocellular carcinoma patients | |
| Zhou et al. | Prognostic value of combination of pretreatment red cell distribution width and neutrophil‐to‐lymphocyte ratio in patients with gastric cancer | |
| CN113430267B (zh) | 一种化疗相关基因表达特征在预测胰腺癌预后中的应用 | |
| WO2019232361A1 (en) | Personalized treatment of pancreatic cancer | |
| CN103310129B (zh) | 基于证据的胃癌预后分子标记物筛选方法 | |
| CN113862363A (zh) | 免疫相关基因在乳腺癌预后的试剂盒和系统中的应用 | |
| Dong et al. | Insufficient examined lymph node count underestimates staging in pN3a patients after curative gastrectomy: a multicenter study with external validation | |
| Zeng et al. | A nomogram from the SEER database for predicting the prognosis of patients with non-small cell lung cancer | |
| Akazawa et al. | Development and Validation of Machine Learning Models for the Prediction of Overall Survival and Cancer-Specific Survival in Patients with Endometrial Cancer: An Analysis of the Surveillance, Epidemiology, and End Results (SEER) Database | |
| Guan et al. | Prognostic performance of the 1973 and 2004 WHO grading classification in upper tract urothelial carcinoma | |
| Xia et al. | A novel nomogram to predict resectable gastric cancer based on preoperative circulating tumor cell (CTC) | |
| Han et al. | Validation of urine-based gene classifiers for detecting bladder cancer in a chinese study | |
| Ge et al. | Investigating the prognostic value of m6A methylation-related genes in renal cell carcinoma patients. | |
| Dodda et al. | Biomarkers for Early Detection of Pancreatic Cancer: A Review | |
| Zhang et al. | A serological scoring system to predict lymph node metastasis in patients with hepatocellular carcinoma | |
| Tian et al. | Identification and Validation of a Five-lncRNA Signature Related to Glioma Using Bioinformatics Analysis | |
| CN118173275A (zh) | 新辅助化疗后乳腺癌预后改良模型构建方法、系统及预后系统 | |
| Li et al. | Development and Validation a Prognostic Nomogram for Hepatocellular Carcinoma Patients Incorporating with Microvascular Invasion and Hematological Biomarkers | |
| CN117144013A (zh) | 一种乳腺癌的检测分子标志物及其应用 | |
| Mei et al. | Construction of a Model for Predicting the Risk of pT3 Based on Perioperative Characteristics in cT1 Renal Cell Carcinoma: A Retrospective Study at a Single Institution | |
| Yang et al. | Development and validation of peritoneal metastasis in gastric cancer based on simplified clinicopathological features and serum tumour markers |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211231 |