CN113889221A - 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 - Google Patents
重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 Download PDFInfo
- Publication number
- CN113889221A CN113889221A CN202111494629.2A CN202111494629A CN113889221A CN 113889221 A CN113889221 A CN 113889221A CN 202111494629 A CN202111494629 A CN 202111494629A CN 113889221 A CN113889221 A CN 113889221A
- Authority
- CN
- China
- Prior art keywords
- tacrolimus
- myasthenia gravis
- patient
- prediction model
- prediction
- 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
Images
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开一种重症肌无力患者他克莫司治疗剂量精准选择的预测模型及其应用,该系统包括:数据获取单元、预测单元,其中所述数据获取单元用于获取所述患者的特征数据,所述预测单元用于将所特征数据输入预测模型,得到他克莫司低浓度预测概率值。本发明的重症肌无力患者他克莫司初始剂量和剂量调整精准预测模型,有助于指导重症肌无力患者接受他克莫司治疗的个体化用药,减少患者因他克莫司剂量不足导致的治疗早期血药浓度不足,显著改善早期疗效,对重症肌无力患者免疫抑制治疗的精准用药具有重要意义。
Description
技术领域
本发明涉及药物信息技术领域,具体地涉及重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用。
背景技术
他克莫司(Tacrolimus),又名FK506,作为一种钙调磷酸酶抑制剂,由于其起效快、疗效佳、副作用小,已广泛应用于重症肌无力的免疫抑制治疗。他克莫司具有高度异质性的药代动力学和药效学,其临床疗效、不良反应与血药浓度水平密切相关,血药浓度水平显著影响治疗预后与安全性。2017年一项研究表明,维持他克莫司浓度在4.8-10ng/ml范围内,可以使92%的重症肌无力患者治疗后达到治疗目标,血药浓度过低易出现起效慢甚至治疗无效。因此,他克莫司治疗需要定期进行药物浓度监测,并根据血药浓度结果调整他克莫司剂量,用以提高治疗的有效性。
然而,药物浓度监测无法指导初始剂量的选择,在治疗初期血药浓度达标困难。受限于各地医疗条件的不同,部分偏远地区的患者无法及时进行药物浓度监测、延误剂量调整。为了避免治疗早期的不良反应,重症肌无力患者他克莫司的起始剂量为2mg/日,之后逐渐加量至3-4mg/日,药物浓度监测之前需稳定剂量5-7天,首次药物浓度监测往往在服药后的第3-4周时进行,导致部分患者在接受他克莫司治疗的第一个月内难以达到有效浓度范围。因而,分析他克莫司血药浓度的影响因素,将其应用于初始剂量的选择,有助于提高重症肌无力患者早期血药浓度达标比例、改善早期疗效。
多种临床及遗传因素影响他克莫司血药浓度,可用于指导他克莫司的个体化用药选择,其中CYP3A5*3(rs776746)位点的单个核苷酸突变是最为明确的影响因素,已广泛用于他克莫司治疗器官移植、炎性肠病、风湿免疫疾病及重症肌无力等多种疾病的最优剂量选择。然而,依据CYP3A5*3位点多态性仅能解释29%-35%的他克莫司血药浓度个体间差异。在一项肾移植患者他克莫司用药的随机对照研究中,基于CYP3A5*3基因型的药物剂量选择无法帮助更多的患者达到有效血药浓度或改善预后。
现有技术中,中国专利申请CN111662975A公开了检测CYP3A4 rs2242480和CYP3A4rs4646437基因位点突变的产品在制备预测或评估患者服用他克莫司后代谢情况的产品中的用途。但其应用仅纳入CYP3A4基因的单个核苷酸位点突变,未纳入他克莫司最为明确的影响因素CYP3A5位点,临床实用性偏低。
再例如,中国专利申请CN112786145A公开了一种器官移植患者他克莫司用药剂量精准预测方法,该方法包括收集器官移植患者个人数据、他克莫司临床用药数据、基因检测数据,并构建了经过模型验证的他克莫司剂量预测模型,有助于帮助器官移植患者的个体化用药。但该方法中,模型的建立基于器官移植患者的数据,其他克莫司治疗的用药方案、有效浓度范围、合并用药、药物浓度监测频率与时间点等因素均与重症肌无力患者存在显著差异,无法适用于重症肌无力患者的他克莫司初始剂量选择。
因此,目前仍亟需一种针对重症肌无力患者他克莫司治疗剂量精准选择的预测模型。
背景技术中的信息仅仅在于说明本发明的总体背景,不应视为承认或以任何形式暗示这些信息构成本领域一般技术人员所公知的现有技术。
发明内容
为解决现有技术中的技术问题,本发明人通过深入研究重症肌无力人群中影响他克莫司血药浓度的影响因素,构建了他克莫司血药浓度的早期达标预测模型,并经过内部及外部对预测模型进行了验证,为精准指导重症肌无力患者他克莫司初始剂量选择及早期剂量调整提供了依据。具体地,本发明包括以下内容。
本发明的第一方面,提供一种用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其至少包括:数据获取单元、预测单元,其中,
所述数据获取单元,用于获取所述患者的特征数据,所述特征数据包括年龄、他克莫司代谢相关候选基因的单个核苷酸突变位点、临床医师选定的他克莫司剂量、是否使用五酯胶囊和红细胞压积;
所述预测单元,用于将所述特征数据输入预测模型,得到他克莫司低浓度预测概率值,所述预测模型通过下述变量构建得到:年龄、他克莫司代谢相关候选基因的单个核苷酸突变位点,临床医师选定的他克莫司剂量,是否使用五酯胶囊和红细胞压积。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述特征数据来源于临床数据信息,所述临床数据信息包括临床资料采集、基因检测、实验室检查。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,所述候选基因包括CYP3A5、CYP3A4、ABCB1、POR、CYP2C19和NR1L2基因。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述系统进一步包括可视化单元,所述可视化单元用于将所述特征数据输入列线图预测模型,实现所述预测模型的可视化。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述预测模型基于所述变量通过多因素分析构建得到,其中所述多因素分析包括但不限于逐步回归分析、二元逻辑回归分析。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述候选基因的单个核苷酸突变位点包括rs776746位点显性遗传模型和rs1045642位点隐性遗传模型。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,当所述低浓度概率值大于50%时,判断所述患者他克莫司低浓度的风险较高,需要增加他克莫司剂量或加用五酯胶囊;当所述低浓度概率值小于50%时,判断所述患者他克莫司低浓度的风险较低,按选定剂量给药即可。需要增加他克莫司剂量或加用五酯胶囊以及选定剂量给药不特别限定,可根据患者具体的健康状况以及医药医师的经验给出具体的剂量控制方案已达到他克莫司浓度的控制。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述他克莫司低浓度是指所述患者的他克莫司血药浓度<4.8 ng/ml。
根据本发明所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,优选地,所述预测模型为Logit(P低浓度)=10.023-0.047×(年龄)-1.263×(他克莫司剂量)-4.325×(是否使用五酯胶囊)+3.039×(rs776746基因型)-2.111×(rs1045642基因型)-0.117×(红细胞压积)。
本发明的第二方面,提供一种重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,其至少包括以下步骤:
(1) 获取患者的临床数据信息,将所述患者分为建模队列和外部验证队列,其中所述临床数据信息来源于临床资料采集、基因检测、实验室检查数据;
(2) 基于所述临床数据,确定与他克莫司具有相关性的因素,基于所述因素通过单因素分析筛选得到与他克莫司浓度具有相关性的变量集合;
(3) 基于逐步回归分析模型进行所述变量集合的多因素分析,得到特征数据,并构建他克莫司低浓度预测模型。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述与他克莫司具有相关性的因素包括用药方案、他克莫司剂量、性别、年龄、身高、体重、身体质量指数、丙氨酸氨基转移酶、谷氨酸氨基转移酶、尿素氮、肌酐、红细胞压积、合并用药、合并疾病、他克莫司代谢相关候选基因的单个核苷酸突变位点。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述与他克莫司浓度具有相关性的变量集合包括年龄、是否使用糖皮质激素、是否使用五酯胶囊、红细胞压积、他克莫司剂量和3个单个核苷酸突变位点rs776746位点显性遗传模型(T/T,T/C vs C/C)、rs2242480位点隐性遗传模型(C/C vs C/T,T/T)、rs1045642位点隐性遗传模型(A/A vs A/G,G/G)。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述特征数据包括:年龄、他克莫司剂量、是否使用五酯胶囊、rs776746位点基因型及rs1045642位点基因型;红细胞压积。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述单因素分析包括:
正态分布的连续变量以均数±标准差表示,非正态分布的连续变量以中位数表示,分类变量以频数表示;
采用哈迪温伯格平衡检验分析单个核苷酸位点多态性遗传平衡,检验基因型频数是否具有群体代表性;使用Haploview软件分析不同单个核苷酸位点间的连锁不平衡情况;
采用独立样本t检验、秩和检验或卡方检验进行人口学特征、临床数据及单个核苷酸位点的组间比较,筛选得到可纳入多因素分析的变量集合。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述预测模型为Logit(P低浓度)=10.023-0.047×(年龄)-1.263×(他克莫司剂量)-4.325×(是否使用五酯胶囊)+3.039×(rs776746 基因型)-2.111×(rs1045642 基因型)-0.117×(红细胞压积);
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,所述步骤(3)进一步包括采用二元逻辑回归模型进行多因素分析,以此构建他克莫司浓度的列线图预测模型,实现所述预测模型的可视化。
根据本发明所述的重症肌无力患者他克莫司治疗剂量精准选择的预测模型的构建方法,优选地,进一步包括对所述预测模型进行内部队列验证和外部队列验证,其中,
所述内部队列验证包括采用随机法,Bootstrap重抽样法评价所述预测模型的内部效度;
所述外部验证队列验证包括采用验证队列数据对已构建的预测模型进行验证,计算预测结果的受试者工作特征曲线下面积及其95%置信区间、特异度、敏感度、阳性预测率及阴性预测率,以评价所述预测模型的外部效度。
本发明的第三方面,提供一种重症肌无力患者他克莫司治疗剂量精准选择的预测模型,其根据本发明第二方面所述的构建方法得到。
本发明的第四方面,提供一种用于重症肌无力患者他克莫司治疗剂量精准选择的电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现利用预测模型获取他克莫司低浓度预测概率值的步骤,其包括:获取患者的特征数据,输入本发明所述的预测模型,得到他克莫司低浓度预测概率值。
本发明的第五方面,提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现利用预测模型获取他克莫司低浓度预测概率值的步骤,其包括:获取患者的特征数据,输入本发明所述的预测模型,得到他克莫司低浓度预测概率值。
本发明的重症肌无力患者他克莫司初始剂量和剂量调整精准预测模型,有助于指导重症肌无力患者接受他克莫司治疗的个体化用药,减少患者因他克莫司剂量不足导致的治疗早期血药浓度不足,改善早期疗效,对重症肌无力患者免疫抑制治疗的精准用药具有重要意义。此外,本发明的模型构建过程与方法,即基于临床队列的临床数据收集、基于既往研究的基因位点筛选、基于内部交叉验证和外部验证的模型验证,为其他自身免疫疾病免疫抑制剂治疗的精准用药研究提供了范本,具有重要的参考价值。
附图说明
图1示例性示出了根据本发明构建的可视化列线图预测模型的预测结果示意图。
图2为根据本发明的预测模型的AUC曲线图。
具体实施方式
现详细说明本发明的多种示例性实施方式,该详细说明不应认为是对本发明的限制,而应理解为是对本发明的某些方面、特性和实施方案的更详细的描述。
应理解本发明中所述的术语仅仅是为描述特别的实施方式,并非用于限制本发明。另外,对于本发明中的数值范围,应理解为具体公开了该范围的上限和下限以及它们之间的每个中间值。在任何陈述值或陈述范围内的中间值以及任何其他陈述值或在所述范围内的中间值之间的每个较小的范围也包括在本发明内。这些较小范围的上限和下限可独立地包括或排除在范围内。
除非另有说明,否则本文使用的所有技术和科学术语具有本发明所述领域的常规技术人员通常理解的相同含义。虽然本发明仅描述了优选的方法和材料,但是在本发明的实施或测试中也可以使用与本文所述相似或等同的任何方法和材料。本说明书中提到的所有文献通过引用并入,用以公开和描述与所述文献相关的方法和/或材料。在与任何并入的文献冲突时,以本说明书的内容为准。
本发明的用于重症肌无力患者他克莫司治疗剂量精准选择的预测方法、预测模型、系统均用于非诊断和非治疗目的。
本发明中,临床数据信息采集范围不特别限定,只要能够实现患者信息的收集即可,采集的范围包括但不限于重症肌无力临床队列数据库、医院住院及门诊电子病历系统内的首诊及随访信息,其中患者一般资料至少包括:患者姓名及编号;人口学特征:性别、种族、常住地、年龄、身高、体重、职业、教育程度。患者病史资料至少包括:重症肌无力相关信息:发病时间、疾病分型、既往治疗用药方案、既往治疗转归;基础疾病:基础疾病及目前治疗用药,包括但不限于糖尿病、高血压、冠心病的治疗药物名称、给药剂量、给药频次。他克莫司详细用药记录至少包括:起始用药时间、服药时间、给药频次、给药剂量、剂量调整时间、停药时间、药物不良反应。他克莫司药物浓度监测至少包括:采集静脉血样本,采集日期及时间,浓度检测方法,他克莫司药物浓度检测值。另外,实验室检查至少包括:血常规、肝功能、肾功能。
本发明中,基因检测数据为针对他克莫司代谢相关基因进行测序所得的基因检测结果,该基因包括但不限于CYP3A5、CYP3A4、ABCB1、POR、CYP2C19、NR1L2基因。测序可采用本领域已知的测序技术,包括但不限于采用边合成边测序、单分子测序和纳米孔测序等测序方法。
本发明中,术语“与他克莫司具有相关性的因素”是指与重症肌无力患者他克莫司血药浓度水平相关,但未经变量筛选时的相关因素的集合。术语“与他克莫司浓度具有相关性的变量集合”是指经单因素分析筛选变量得到的相关性强的变量,以用于多因素分析。术语“特征数据”是指经多因素分析得到的与他克莫司低浓度相关的独立危险因素,并用于构建预测模型的因素集合。
本领域的技术人员可以理解的是,本发明所述的各种示例性实施方案可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明的具体实施方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质或非暂态计算机可读存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明的方法。
在示例性实施方案中,本发明的程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的实例包括但不限于:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
相应地,基于同一发明构思,本发明还提供一种电子设备。
在示例性实施方案中,电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:至少一个处理器、至少一个存储器、连接不同系统组件(包括存储器和处理器)的总线。
其中,所述存储器存储有程序代码,所述程序代码可以被所述处理单元执行,使得所述处理单元执行本发明所述的方法,其中处理器至少包括本发明所述的数据处理单元(本发明有时也称为“模块”)。存储器可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)和/或高速缓存存储单元,还可以进一步包括只读存储单元(ROM)。
本发明的存储器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。
这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管本文未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本发明的系统或方法的检测/鉴别价值可通过例如计算受试者工作特征曲线下面积(AUC)、灵敏度、特异度等评价指标来判断其效能。其中AUC也称为受试者工作特征曲线下面积,其被定义为ROC曲线下与坐标轴围成的面积,所述面积的数值范围在0.5和1之间。AUC越接近1.0,检测方法真实性越高。
本领域技术人员应理解,只要能够实现本发明的目的,在上述步骤a、b和(1)-(3)前后,或步骤之间还可包含其他步骤或操作,例如进一步优化和/或改善本发明所述的方法。
实施例1
1、实验设计
收集入组重症肌无力患者的一般资料、病史资料、他克莫司详细用药记录、他克莫司药物浓度监测、实验室检查、基因检测数据,利用统计分析方法构建模型,明确重症肌无力患者他克莫司血药浓度个体间差异的影响因素,确定他克莫司早期血药浓度过低风险的预测模型。
2、研究对象
(1)符合以下纳入标准:收集宣武医院重症肌无力临床队列登记的重症肌无力患者(科技部国家重点研发计划-精准医学研究-神经系统疾病专病队列-重症肌无力疾病队列);符合重症肌无力诊断标准(参考“中国重症肌无力诊断和治疗指南2020版”);接受他克莫司口服治疗;完成他克莫司药物浓度监测及基因检测;患者及其家属签署知情同意书。
(2)根据加入研究的时间,将患者分为建模队列和外部验证队列:在2017年7月1日至2019年12月31日之间加入本研究的患者,为建模队列,共纳入93名患者(横断面研究样本量计算所需样本量为83例);在2020年1月1日至2020年10月1日之间加入本研究的患者,为外部验证队列,共纳入36名患者(诊断性研究样本量计算所需样本量为36例)。
3、数据采集及分组依据
(1)他克莫司用药方案:初始剂量为2mg/日,每日剂量分两次服用(早、晚各一次,空腹或餐前1小时或餐后2-3小时服用);若无明显不适症状,第2-3周时加量至3-4mg/日;第3-4周时抽取外周静脉血,进行血药浓度、血常规、血生化检测。服药后第4周由临床医师根据重症肌无力病情改善程度、他克莫司药物耐受情况、血药浓度及相关化验结果,调整用药剂量。他克莫司血药浓度的目标范围为4.8-10ng/ml,增加他克莫司剂量或给予五酯胶囊以增加TAC血药浓度水平,最大日剂量不超过5mg。
(2)他克莫司药物浓度监测:首次血药浓度检测为服药后3-4周,采用微粒子酶联免疫分析法检测血药浓度;记录患者服药后1-3个月之间的单次血药浓度测量值,若存在多次测量值,选用首次测量值(首次测量值更准确的反映了治疗早期的浓度水平,有利于分析早期浓度的影响因素);血药浓度目标浓度范围为4.8-10ng/ml,低于4.8ng/ml可能出现治疗无效,以4.8ng/ml为界点,将患者分为两个浓度组:低浓度组(<4.8ng/ml)和有效浓度组(≥4.8ng/ml),作为二分类的因变量进行统计分析。
(3)基因位点的选取与检测:根据药物基因组知识库(PharmGKB)证据等级和临床药物遗传学实施联盟(CPIC)指导意见,选取影响他克莫司血药浓度的基因及单个核苷酸突变位点,共纳入6个与他克莫司代谢相关的候选基因,包括CYP3A5、CYP3A4、ABCB1、POR、CYP2C19及NR1L2基因。采用盐析法从患者全血中提取DNA,采用NovaSeq6000测序仪(Illumina Inc.)进行二代测序,生物信息分析得到120个可供分析的基因单个核苷酸突变位点信息。采用哈迪温伯格平衡检验分析单个核苷酸位点多态性遗传平衡,检验基因型频数是否具有群体代表性;使用Haploview软件分析不同位点间的连锁不平衡情况,最终得到14个可供统计分析的单个核苷酸位点突变。
(4)采集临床资料:从重症肌无力临床队列数据库中收集人口学特征、临床数据及辅助检查结果等临床数据,包括用药方案、他克莫司剂量、性别、年龄、身高、体重、身体质量指数、丙氨酸氨基转移酶、谷氨酸氨基转移酶、尿素氮、肌酐、红细胞压积、合并用药、合并疾病(糖尿病、高血压),共纳入17个临床相关因素。
4、统计分析构建预测模型
(1)单因素分析筛选变量:采用独立样本t检验(正态分布的连续变量)、秩和检验(非正态分布的连续变量)或卡方检验(分类变量)进行人口学特征、临床数据及单个核苷酸位点突变的组间比较(低浓度组 vs 有效浓度组),将P值≤0.10或临床认为相关性强的变量纳入多因素分析。最终筛选得到5个临床因素(年龄、是否使用糖皮质激素、是否使用五酯胶囊、红细胞压积、他克莫司剂量)和3个单个核苷酸突变位点[rs776746位点显性遗传模型(T/T,T/C vs C/C)、rs2242480位点隐性遗传模型(C/C vs C/T,T/T)、rs1045642位点隐性遗传模型(A/A vs A/G,G/G)]纳入多因素分析;
(2)多因素分析构建模型
a. 采用逐步回归分析,以比值比及其95%置信区间表示临床或遗传因素与他克莫司血药浓度<4.8ng/ml(即低浓度组)的相关性强弱,分析得到5个低浓度组的独立危险因素,包括年龄、他克莫司剂量、是否使用五酯胶囊、rs776746位点基因型及rs1045642位点基因型;红细胞压积不具有统计学差异(P值=0.068),但被纳入逐步回归的最终模型。最终构建的他克莫司低浓度风险预测模型为Logit(P低浓度)=10.023-0.047×(年龄)-1.263×(TAC剂量)-4.325×(是否使用五酯胶囊)+3.039×(rs776746基因型)-2.111×(rs1045642基因型)-0.117×(红细胞压积)。
b. 采用二元逻辑回归,以年龄、他克莫司剂量、是否使用五酯胶囊、rs776746位点基因型及rs1045642位点基因型、红细胞压积为自变量,以比值比及其95%置信区间表示临床或遗传因素与他克莫司血药浓度<4.8ng/ml(即低浓度组)的相关性强弱,分析得到与逐步回归结果相同的他克莫司浓度预测模型;采用R(R3.6.0)软件rms程序包建立列线图预测模型,具体如图1所示。
c. 采用区分度与校准度评价预测模型的预测效能,区分度评价指标为受试者工作特征曲线下面积及其95% 置信区间,校准度评价指标为拟合优度检验。
如图2所示,预测模型具有良好的区分度[受试者工作特征曲线下面积及其95%置信区间=0.877(0.809-0.945)](图2的深色曲线所示)和校准度[检验χ2 =2.252,P值=0.972];
列线图预测模型具有良好的区分度[受试者工作特征曲线下面积及其95%置信区间=0.877(0.810-0.945)]和校准度(校准曲线中预测概率与实际概率相近);
d. 在重症肌无力患者接受他克莫司治疗前,通过临床资料采集、基因检测、实验室检查,获得年龄、rs776746基因型、rs1045642基因型,临床医师选定他克莫司剂量及是否使用五酯胶囊,通过预测模型或列线图预测模型得到低浓度预测概率值;当低浓度概率值大于50%时,提示该患者他克莫司低浓度的风险较高,需要适当增加他克莫司剂量或加用五酯胶囊;当低浓度概率值小于50%时,提示该患者他克莫司低浓度的风险较低,可按选定剂量给药。
(3)模型的内部验证
a. 预测模型的内部交叉验证:将建模人群以2:1的比例分为训练集与验证集,训练集用于建立预测模型,在验证集中评价预测模型的内部效度。采用简单交叉验证法,重复200次随机分组,计算200次验证集的受试者工作特征曲线下面积及其95%置信区间=0.799(0.670-0.908),提示低浓度预测模型在建模队列中具有良好的内部效度及可重复性;
b. 列线图预测模型的内部验证:采用Bootstrap重抽样法,计算得到受试者工作特征曲线下面积及=0.844,提示低浓度预测模型在建模队列中具有良好的内部效度及可重复性。
(4)模型的外部队列验证:
a. 将验证队列36名患者的相关数据代入低浓度风险预测模型的计算公式,结果显示有14例患者的低浓度预测风险大于50%,22例患者的预测风险小于或等于50%;与实际结果对比,预测模型成功判断低浓度组的受试者工作特征曲线下面积及其95%置信区间=0.855(0.708-1)(如图2中的灰色曲线所示),敏感度和特异度分别为82.4%和100%,阳性预测率为100%,阴性预测率为86.4%,提示低浓度预测模型具有良好的外部效度,对外部数据具有普适性;
b. 将验证队列36名患者的相关数据代入低浓度风险列线图预测模型,结果显示有15例患者的低浓度预测风险大于50%,21例患者的预测风险小于或等于50%;与实际结果对比,预测模型成功判断低浓度组的受试者工作特征曲线下面积及其95%置信区间=0.854(0.712-1),敏感度和特异度分别为82.4%和94.7%,阳性预测率为93.3%,阴性预测率为85.7%,提示低浓度预测模型具有良好的外部效度,对外部数据具有普适性。
尽管本发明已经参考示例性实施方案进行了描述,但应理解本发明不限于公开的示例性实施方案。在不背离本发明的范围或精神的情况下,可对本发明说明书的示例性实施方案做多种调整或变化。权利要求的范围应基于最宽的解释以涵盖所有修改和等同结构与功能。
Claims (10)
1.一种用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,包括:数据获取单元、预测单元,其中,
所述数据获取单元,用于获取所述患者的特征数据,所述特征数据包括年龄、他克莫司代谢相关候选基因的单个核苷酸突变位点、临床医师选定的他克莫司剂量、是否使用五酯胶囊和红细胞压积;
所述预测单元,用于将所特征数据输入预测模型,得到他克莫司低浓度预测概率值,所述预测模型通过下述变量构建得到:年龄、他克莫司代谢相关候选基因的单个核苷酸突变位点,临床医师选定的他克莫司剂量,是否使用五酯胶囊和红细胞压积。
2.根据权利要求1所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,所述系统进一步包括可视化单元,所述可视化单元用于将所述特征数据输入列线图预测模型,实现所述预测模型的可视化。
3.根据权利要求2所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,所述预测模型基于所述变量通过多因素分析构建得到,其中所述多因素分析包括但不限于逐步回归分析、二元逻辑回归分析。
4.根据权利要求3所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,所述候选基因的单个核苷酸突变位点包括rs776746位点显性遗传模型和rs1045642位点隐性遗传模型。
5.根据权利要求1所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,当所述低浓度概率值大于50%时,判断所述患者他克莫司低浓度的风险高,需要增加他克莫司剂量或加用五酯胶囊;当所述低浓度概率值小于50%时,判断所述患者他克莫司低浓度的风险低,按选定剂量给药即可。
6.根据权利要求5所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,所述预测模型为Logit(P低浓度)=10.023-0.047×年龄-1.263×他克莫司剂量-4.325×是否使用五酯胶囊+3.039×rs776746基因型-2.111×rs1045642基因型-0.117×红细胞压积。
8.根据权利要求7所述的用于重症肌无力患者他克莫司治疗剂量精准选择的系统,其特征在于,所述他克莫司低浓度是指所述患者的他克莫司血药浓度<4.8 ng/ml。
9.一种用于重症肌无力患者他克莫司治疗剂量精准选择的电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现利用预测模型获取他克莫司低浓度预测概率值的步骤,其包括:获取患者的特征数据,输入前述权利要求任一项所述的预测模型,得到他克莫司低浓度预测概率值。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现利用预测模型获取他克莫司低浓度预测概率值的步骤,其包括:获取患者的特征数据,输入前述权利要求任一项所述的预测模型,得到他克莫司低浓度预测概率值。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111494629.2A CN113889221A (zh) | 2021-12-08 | 2021-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 |
CN202280030996.3A CN117296102A (zh) | 2021-12-08 | 2022-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
PCT/CN2022/137627 WO2023104163A1 (zh) | 2021-12-08 | 2022-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111494629.2A CN113889221A (zh) | 2021-12-08 | 2021-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113889221A true CN113889221A (zh) | 2022-01-04 |
Family
ID=79016649
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111494629.2A Pending CN113889221A (zh) | 2021-12-08 | 2021-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 |
CN202280030996.3A Pending CN117296102A (zh) | 2021-12-08 | 2022-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280030996.3A Pending CN117296102A (zh) | 2021-12-08 | 2022-12-08 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN113889221A (zh) |
WO (1) | WO2023104163A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114566292A (zh) * | 2022-01-29 | 2022-05-31 | 浙江大学医学院附属第一医院 | 应用内源性物质预测肾移植药物剂量的模型的构建方法 |
CN115376649A (zh) * | 2022-09-29 | 2022-11-22 | 中日友好医院(中日友好临床医学研究所) | 用于鞘内阿片类镇痛药的剂量预测方法及装置 |
CN115424695A (zh) * | 2022-11-03 | 2022-12-02 | 首都医科大学附属北京安贞医院 | 给药剂量预测模型的确定方法及给药剂量预测方法 |
WO2023104163A1 (zh) * | 2021-12-08 | 2023-06-15 | 首都医科大学宣武医院 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101633783B1 (ko) * | 2016-02-29 | 2016-07-08 | 서울대학교산학협력단 | Cyp3a5 및 cyp3a7 유전자 부위의 염기서열 다형성을 이용한 타크로리무스 혈중 약물 농도 예측 방법 |
WO2018075869A1 (en) * | 2016-10-21 | 2018-04-26 | Icahn School Of Medicine At Mount Sinai | Method of predicting graft versus host disease |
CN109859815A (zh) * | 2019-01-24 | 2019-06-07 | 西安交通大学 | 一种辅助用药决策方法及智能辅助用药系统 |
CN111662975A (zh) * | 2020-06-23 | 2020-09-15 | 南昌大学第一附属医院 | 检测基因位点突变的产品在制备预测或评估患者服用他克莫司后代谢情况的产品中的用途 |
CN112786145A (zh) * | 2021-03-04 | 2021-05-11 | 华中科技大学同济医学院附属协和医院 | 一种器官移植患者他克莫司用药剂量精准预测方法 |
CN113270203A (zh) * | 2021-04-20 | 2021-08-17 | 郑州大学第一附属医院 | 药物剂量预测方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106399528A (zh) * | 2016-10-14 | 2017-02-15 | 上海市第人民医院 | 他克莫司代谢型的诊断标志物及其应用 |
WO2020014072A1 (en) * | 2018-07-09 | 2020-01-16 | Gt Biopharma, Inc. | Neostigmine pharmaceutical combination for treating myasthenia gravis |
CN113889221A (zh) * | 2021-12-08 | 2022-01-04 | 首都医科大学宣武医院 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 |
-
2021
- 2021-12-08 CN CN202111494629.2A patent/CN113889221A/zh active Pending
-
2022
- 2022-12-08 WO PCT/CN2022/137627 patent/WO2023104163A1/zh active Application Filing
- 2022-12-08 CN CN202280030996.3A patent/CN117296102A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101633783B1 (ko) * | 2016-02-29 | 2016-07-08 | 서울대학교산학협력단 | Cyp3a5 및 cyp3a7 유전자 부위의 염기서열 다형성을 이용한 타크로리무스 혈중 약물 농도 예측 방법 |
WO2018075869A1 (en) * | 2016-10-21 | 2018-04-26 | Icahn School Of Medicine At Mount Sinai | Method of predicting graft versus host disease |
CN109859815A (zh) * | 2019-01-24 | 2019-06-07 | 西安交通大学 | 一种辅助用药决策方法及智能辅助用药系统 |
CN111662975A (zh) * | 2020-06-23 | 2020-09-15 | 南昌大学第一附属医院 | 检测基因位点突变的产品在制备预测或评估患者服用他克莫司后代谢情况的产品中的用途 |
CN112786145A (zh) * | 2021-03-04 | 2021-05-11 | 华中科技大学同济医学院附属协和医院 | 一种器官移植患者他克莫司用药剂量精准预测方法 |
CN113270203A (zh) * | 2021-04-20 | 2021-08-17 | 郑州大学第一附属医院 | 药物剂量预测方法、装置、电子设备及存储介质 |
Non-Patent Citations (9)
Title |
---|
NIIOKA, TAKENORI等: "Capability of Utilizing CYP3A5 Polymorphisms to Predict Therapeutic Dosage of Tacrolimus at Early Stage Post-Renal Transplantation", 《INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES》 * |
WANG, PING等: "Using genetic and clinical factors to predict tacrolimus dose in renal transplant recipients", 《PHARMACOGENOMICS》 * |
吴懿等: "供受体CYP3A5基因型对肝移植术后早期他克莫司谷浓度的影响作用及其临床意义", 《中国临床药理学与治疗学》 * |
李欢: "CYP3A5等基因多态性与肾移植患者口服他克莫司疗效相关性研究", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
杨敏等: "CYP3A5基因多态性对膜性肾病患者他克莫司初始剂量的预测价值", 《中华肾脏病杂志》 * |
杨燕: "CYP3A4、CYP3A5、MDR1和PXR基因多态性与五酯胶囊对他克莫司增效作用的相关性研究", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
陈頔等: "基因多态性对重症肌无力患者他克莫司血药浓度的影响", 《中华神经医学杂志》 * |
陈頔等: "重症肌无力患者他克莫司血药浓度监测与CYP3A5基因检测分析", 《中国神经免疫学和神经病学杂志》 * |
马椿乔: "肝肾移植受者红细胞压积对他克莫司血药浓度影响", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023104163A1 (zh) * | 2021-12-08 | 2023-06-15 | 首都医科大学宣武医院 | 重症肌无力患者他克莫司治疗剂量精准选择的系统及应用 |
CN114566292A (zh) * | 2022-01-29 | 2022-05-31 | 浙江大学医学院附属第一医院 | 应用内源性物质预测肾移植药物剂量的模型的构建方法 |
CN114566292B (zh) * | 2022-01-29 | 2022-11-11 | 浙江大学医学院附属第一医院 | 应用内源性物质预测肾移植药物剂量的模型的构建方法 |
CN115376649A (zh) * | 2022-09-29 | 2022-11-22 | 中日友好医院(中日友好临床医学研究所) | 用于鞘内阿片类镇痛药的剂量预测方法及装置 |
CN115376649B (zh) * | 2022-09-29 | 2023-07-07 | 中日友好医院(中日友好临床医学研究所) | 用于鞘内阿片类镇痛药的剂量预测方法及装置 |
CN115424695A (zh) * | 2022-11-03 | 2022-12-02 | 首都医科大学附属北京安贞医院 | 给药剂量预测模型的确定方法及给药剂量预测方法 |
CN115424695B (zh) * | 2022-11-03 | 2023-05-02 | 首都医科大学附属北京安贞医院 | 给药剂量预测模型的确定方法及给药剂量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117296102A (zh) | 2023-12-26 |
WO2023104163A1 (zh) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113889221A (zh) | 重症肌无力患者他克莫司治疗剂量精准选择的系统及其应用 | |
WO2019169049A1 (en) | Multimodal modeling systems and methods for predicting and managing dementia risk for individuals | |
Neuraz et al. | Phenome-wide association studies on a quantitative trait: application to TPMT enzyme activity and thiopurine therapy in pharmacogenomics | |
DK2772553T3 (en) | Methods of genetic analysis | |
CN108034708B (zh) | 通过多个mRNA的表达量确定雷公藤多苷片治疗类风湿性关节炎的个体有效性的系统 | |
Hajirasouliha et al. | Precision medicine and artificial intelligence: overview and relevance to reproductive medicine | |
WO2021026097A1 (en) | Data-based mental disorder research and treatment systems and methods | |
AU2021270453A1 (en) | Methods and systems for machine learning analysis of single nucleotide polymorphisms in lupus | |
Christakoudi et al. | Development and validation of the first consensus gene-expression signature of operational tolerance in kidney transplantation, incorporating adjustment for immunosuppressive drug therapy | |
Wang et al. | Computational genomics in the era of precision medicine: applications to variant analysis and gene therapy | |
Hasan et al. | A system biology approach to determine therapeutic targets by identifying molecular mechanisms and key pathways for type 2 diabetes that are linked to the development of tuberculosis and rheumatoid arthritis | |
Bao et al. | Parkinson’s disease gene biomarkers screened by the LASSO and SVM algorithms | |
Fuh-Ngwa et al. | Ensemble machine learning identifies genetic loci associated with future worsening of disability in people with multiple sclerosis | |
Franks et al. | A genomic meta-analysis of clinical variables and their association with intrinsic molecular subsets in systemic sclerosis | |
WO2020240511A1 (en) | Epiaging: novel ecosystem for managing healthy aging | |
US10083274B2 (en) | Non-hypergeometric overlap probability | |
Ding et al. | African ancestry is associated with cluster-based childhood asthma subphenotypes | |
CN116206776A (zh) | 一种多基因snp位点介导的抗精神病药物血药浓度的预测模型及其构建方法和应用 | |
Christakoudi et al. | King’s Research Portal | |
Mestizo-Gutiérrez et al. | A Bayesian Network Model for the Parkinson’s Disease: A study of gene expression levels | |
Gentile et al. | Translational medicine in neurological disorders: a genomic perspective | |
Bilello | ‘Omics’ in translational medicine: are they lost in translation? | |
Hellwege et al. | African ancestry genome-wide association study of blood pressure and hypertension identifies 25 novel loci through predicted gene expression | |
Garcia | Data-driven Approaches to Explore Precision Medicine | |
WO2024102199A1 (en) | Methods and systems for diagnosis and treatment of lupus based on expression of primary immunodeficiency genes |
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 |