CN117727360A - 免疫治疗疗效的预测装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种免疫治疗疗效的预测装置、电子设备和存储介质，通过细胞筛选模块在患者的肿瘤微环境中筛选至少一种目标巨噬细胞，通过基因确定模块确定目标巨噬细胞对应的核心特征基因集合，其中包括至少一种表征肿瘤微环境下目标巨噬细胞的特征的核心特征基因。通过疗效预测模块将核心特征基因集合输入训练得到的疗效预测模型，得到用于表征免疫治疗对患者的疗效的预测值。本公开通过获取肿瘤患者的肿瘤微环境中特定巨噬细胞的核心特征基因进行免疫治疗效果评估，以准确的预测免疫效果的疗效，进一步根据预测结果进行辅助治疗以提高免疫治疗疗效，实现肿瘤患者针对性的个体户治疗。

Description

免疫治疗疗效的预测装置、电子设备和存储介质

技术领域

本公开涉及安全计算领域，尤其涉及一种免疫治疗疗效的预测装置、电子设备和存储介质。

背景技术

肿瘤的免疫治疗是目前最有前景的肿瘤治疗方法，以PD-1/PD-L1为代表的免疫检查点的发现是肿瘤免疫治疗的里程碑。临床上应用的一系列PD-1/PD-L1单抗因广泛的抗癌谱、持久的疗效、副作用低而备受瞩目。但目前仍缺乏能够精准选择获益病人的分子标志物的方式，且PD-1/PD-L1单抗的临床应用的有效率过低。因此寻找能精准预测免疫治疗反应的生物标志物，制定相应的个体化治疗方案，避免过度治疗和不当治疗给患者带来的伤害和负担，是迫切需要解决的问题。

发明内容

有鉴于此，本公开提出了一种免疫治疗疗效的预测装置、电子设备和存储介质，旨在针对性的准确预测患者的免疫治疗反应效果。

根据本公开的第一方面，提供了一种免疫治疗疗效的预测装置，所述装置包括：

细胞筛选模块，用于在患者的肿瘤微环境中筛选至少一种目标巨噬细胞；

基因确定模块，用于确定所述目标巨噬细胞对应的核心特征基因集合，其中包括至少一种核心特征基因，所述核心特征基因表征肿瘤微环境下目标巨噬细胞的特征；

疗效预测模块，用于将所述核心特征基因集合输入训练得到的疗效预测模型，得到对应的预测值，所述预测值用于表征免疫治疗对所述患者的疗效。

在一种可能的实现方式中，所述细胞筛选模块，进一步用于：

确定所述患者的肿瘤微环境中的单细胞的测序数据；

基于每个所述单细胞的测序数据的异质性进行聚类，得到至少一类巨噬细胞；

在所述巨噬细胞中筛选得到至少一种目标巨噬细胞。

在一种可能的实现方式中，所述目标巨噬细胞包括促炎泛癌巨噬细胞和促肿瘤泛癌巨噬细胞中的至少一种。

在一种可能的实现方式中，所述基因确定模块，进一步用于：

在所述目标巨噬细胞对应的多种基因中筛选得到至少一个核心特征基因；

根据每个所述核心特征基因的测序结果确定核心特征基因集合。

在一种可能的实现方式中，所述基因确定模块，进一步用于：

确定所述目标巨噬细胞对应的每个基因与所述肿瘤微环境中其他巨噬细胞相同基因的差异基因p值和差异倍数；

确定所述差异基因p值满足第一预设条件，所述差异倍数满足第二预设条件的基因为核心特征基因。

在一种可能的实现方式中，所述疗效预测模型为随机森林模型。

在一种可能的实现方式中，在所述患者为多个的情况下，所述装置还包括：

预后风险模块，用于根据每个所述患者对应的预测值确定所述疗效预测模型的预后价值。

在一种可能的实现方式中，所述装置还包括：

患者分组模块，用于根据每个所述患者对应的预测值将所述患者分为高风险组和低风险组，所述高风险组的治疗后死亡风险高于所述低风险组；

特征预测模块，用于预测所述高风险组和所述低风险组对应的生存期。

根据本公开的第二方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。

根据本公开的第三方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的第四方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

在本公开实施例中，通过细胞筛选模块在患者的肿瘤微环境中筛选至少一种目标巨噬细胞，通过基因确定模块确定目标巨噬细胞对应的核心特征基因集合，其中包括至少一种表征肿瘤微环境下目标巨噬细胞的特征的核心特征基因。通过疗效预测模块将核心特征基因集合输入训练得到的疗效预测模型，得到用于表征免疫治疗对患者的疗效的预测值。本公开通过获取肿瘤患者的肿瘤微环境中特定局势细胞的核心特征基因进行免疫治疗效果评估，以准确的预测免疫效果的疗效，进一步根据预测结果进行辅助治疗以提高免疫治疗疗效，实现肿瘤患者针对性的个体户治疗。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开实施例的免疫治疗疗效的预测装置的示意图；

图2示出根据本公开实施例的一种电子设备的示意图；

图3示出根据本公开实施例的另一种电子设备的示意图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例免疫治疗疗效的装置可以为终端设备或服务器等电子设备中的装置。其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等任意固定或移动终端。服务器可以为单独的服务器或多个服务器组成的服务器集群。任意电子设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现本公开实施例的免疫治疗疗效的装置实现的方法。

图1示出根据本公开实施例的免疫治疗疗效的预测装置的示意图。如图1所示，本公开实施例的一种免疫治疗疗效的预测装置可以包括细胞筛选模块10、基因确定模块11和疗效预测模块12。

在一种可能的实现方式中，细胞筛选模块10用于在患者的肿瘤微环境中筛选至少一种目标巨噬细胞。其中，本公开实施例的患者为患肿瘤疾病的患者，肿瘤微环境为肿瘤细胞所处的内外环境，目标巨噬细胞为肿瘤微环境中多种巨噬细胞中与免疫治疗效果密切相关的细胞。

可选地，细胞筛选模块10可以通过获取肿瘤微环境中的单细胞，并进行基因测序的方式获取目标巨噬细胞。示例性地，可以先确定患者的肿瘤微环境中的单细胞的测序数据，再基于每个单细胞的测序数据的异质性进行聚类，得到至少一类巨噬细胞。最后在巨噬细胞中筛选得到至少一种目标巨噬细胞。即通过收集患者肿瘤微环境中的泛癌巨噬细胞的单细胞测序数据。由于泛癌巨噬细胞的单细胞测序数据解释了肿瘤微环境中肿瘤相关巨噬细胞的异质性，根据测序数据中不同的基因表达模式可以将肿瘤相关的巨噬细胞细分为不同的亚类。进一步地，可以基于现有的用于基因组富集分析的GSEA R包基于每个亚类的巨噬细胞进行评估，得到至少一种与免疫治疗效果密切相关的巨噬细胞作为目标巨噬细胞。可选地，目标巨噬细胞包括促炎泛癌巨噬细胞(pro-im TAMs)和促肿瘤泛癌巨噬细胞(pro-tumor TAMs)中的至少一种。

在一种可能的实现方式中，基因确定模块10，用于确定目标巨噬细胞对应的核心特征基因集合。核心特征基因集合中包括至少一种核心特征基因的测序结果，核心特征基因可以为目标巨噬细胞的多种基因中能够表征肿瘤微环境下目标巨噬细胞的特征的基因。可选地，目标巨噬细胞对应的核心特征基因可以预先确定，并直接基于核心特征集合对应的测序结果确定核心特征基因集合。或者，还可以根据目标巨噬细胞和其他肿瘤微环境中其他巨噬细胞的基因差异，在多个基因中确定能够表征肿瘤微环境下目标巨噬细胞特征的基因作为核心特征基因，并获取核心特征基因的测序结果得到核心特征基因集合。即基因确定模块10可以在目标巨噬细胞对应的多种基因中筛选得到至少一个核心特征基因，再根据每个核心特征基因的测序结果确定核心特征基因集合。

可选地，在基因确定模块10通过基因测序结果进行基因筛选，以确定核心特征基因集合的情况下，可以通过预设的筛选条件基于每个基因的测序结果筛选核心特征基因。示例性地，可以确定目标巨噬细胞对应的每个基因与肿瘤微环境中其他巨噬细胞相同基因的差异基因p值和差异倍数，再确定差异基因p值满足第一预设条件，差异倍数满足第二预设条件的基因为核心特征基因。即基因确定模块10可以基于目标巨噬细胞和肿瘤微环境中其他巨噬细胞的基因测序结果进行差异基因分析，并通过用于计算输入基因集的关键子集是否在每个细胞的表达基因中富集的AUcell得到差异基因p值以及差异倍数。其中，p值用于判定对应基因是否不是核心特征基因的假设检验结果，差异倍数用于表征对应基因在目标巨噬细胞中的测序结果和在其他巨噬细胞中测序结果的差异。其中，可以设定第一预设条件为差异基因p值小于0.05，差异倍数大于2且区分特定亚群ROC曲线下的面积大于0.65的基因为目标巨噬细胞的核心特征基因。进一步在确定核心特征基因后根据对应的测序结果得到目标巨噬细胞的核心特征基因集合。

进一步地，在目标巨噬细胞大于一种时，每种巨噬细胞均具有对应的核心特征基因集合，其中包括的核心特征基因可以相同或者不同。示例性的，在目标巨噬细胞为促炎泛癌巨噬细胞的情况下，其中包括的核心特征基因可以包括ANXA2，APOC1，APOE，CD63，CD9，CSTB，CTSB，CTSD，DBI，ENO1，FN1，GPNMB，GSN，LGALS3，LPL，MMP9，PKM，RGCC，SDC2，SERF2，SH3BGRL3，TREM2，VIM，SPP1，ATOX1，CXCL10，CXCL9，GBP1，GBP4，GBP5，IFIT3，LAP3，MX1，PARP14，PSMB9，PSME2，RSAD2，SAMD9L，SERPING1，STAT1，TAP1，TNFSF10，TNFSF13B，TYMP，VAMP5，WARS。

在一种可能的实现方式中，疗效预测模块12用于将核心特征基因集合输入训练得到的疗效预测模型，得到对应的预测值。其中，预测值用于表征免疫治疗对患者的疗效，疗效预测模型可以为随机森林模型、支撑向量机、KNN临近分类和决策树算法中的任意模型。可选地，本公开实施例可以通过10折交叉验证方法，基于预设的训练集同时对上述多种算法进行评估，并基于每种算法对应的准确率以及AUC曲线筛选得到随机森林模型作为疗效预测模型。预设的训练集中可以包括多个已经经过免疫治疗的样本患者的目标巨噬细胞的核心特征基因集合，以及对应的治疗效果特征值。在训练过程中可以将训练集中核心特征基因集合中每个核心特征基因的测序结果输入模型，输出对应的预测值，进一步根据对应的预测值和治疗效果特征值调节模型，构建得到用于评估肿瘤微环境中免疫相关目标肿瘤细胞的多基因评分模型作为疗效预测模型。在应用过程中，可以将需要预测免疫治疗效果的患者的核心特征基因集合中每种核心特征基因的测序结果输入疗效预测模型，得到对应预测值以表征免疫治疗的疗效。例如，预测值可以为一个0-1之间的值，在其越大的情况下表征对患者进行免疫治疗的效果越好。

基于上述技术特征，本公开实施例的免疫治疗疗效的预测装置能够在患者进行免疫治疗之前，准确的获取肿瘤患者的肿瘤微环境中与免疫治疗相关的巨噬细胞作为目标巨噬细胞，并从目标巨噬细胞中获取表征目标巨噬细胞在肿瘤微环境中特征的基因作为标志物，得到核心特征基因集合以准确的预测免疫治疗对患者的疗效。进一步地，可以在免疫治疗预测疗效不理想的情况下针对性的进行调整，以实现个性化的定制患者的治疗方案，提高患者的治疗效果。

进一步地，在本公开实施例对多个患者进行疗效预测的情况下，还可以通过预后风险模块根据每个患者对应的预测值来确定疗效预测模型的预后价值。且还可以包括患者分组模块和特征预测模块，患者分组模块用于根据每个患者对应的预测值将患者分为高风险组和低风险组，其中高风险组的治疗后死亡风险高于低风险组，特征预测模块用于预测高风险组和低风险组对应的生存期，即患者能够存活的时间。示例性地，可以先对多个患者的免疫治疗效果进行预测得到对应的预测值，再利用R包pROC计算得到预测值的最佳阈值，根据最佳阈值将患者划分为高风险组和低风险组。例如，将预测值大于最佳阈值的患者作为低风险组，小于最佳阈值的患者作为高风险组。进一步通过log-rank检验的Kaplan-Meier方法比较高风险组和低风险组对应患者的生存期。同时，可以通过单因素和多因素COX风险模型计算预后因素的风险比及其95％置信区间，分析评估疗效预测模型的预后价值。

示例性地，可以应用本公开实施例的免疫治疗疗效的预测装置对八个免疫治疗数据集的基因表达谱数据进行分析，即通过R语言对数据集进行预处理调整为FPKM格式的转录组数据，再整合八个免疫治疗数据集并将患者随机分为训练集和验证集进行研究。具体研究过程可以为先通过疗效预测模型预测每个患者的预测值，然后通过R包pROC求出训练集和验证集的预测值最佳阈值，并分别将训练集和验证集患者分为高风险组和低风险组。使用R包precrec分别在训练集和验证集中计算疗效预测模型的AUC和精确召回曲线下面积(AUPRC)值。进一步使用R包cvms分别在训练集和验证集中绘制疗效预测模型的混淆矩阵。，使用R包precrec通过AUC计算比较与目前多个免疫标志物的预测效能：评估了本公开实施例的疗效预测模型与其他分子标志物(包括TMB、EMT等已发表文献评分)的预测效能。根据ROC曲线分析结果、AUPRC曲线分析结果以及混淆矩阵分析结果可知，疗效预测模型在预测免疫治疗疗效方面具有显著的优势，优于单一一种泛癌免疫相关标志物预测免疫治疗疗效，且在筛选免疫治疗获益人群方面具有较好的效果。

由此可知，本模型优于目前常用的临床指标(TMB和PDL1)以及其它相关文献报道的生物标志物。最终，预测高风险组可以预测肿瘤对免疫检查点抑制剂的疗效好，该结论已在免疫检查点抑制剂治疗的队列中得到证实。基于泛癌免疫相关巨噬细胞核心特征基因集的随机森林模型是一个强大的预测预后指标，结合临床患者转录组测序特征，将其整合到现有的临床数据中能够精准预测免疫检查点抑制剂的疗效。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

图2示出根据本公开实施例的一种电子设备800的示意图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图2，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图3示出根据本公开实施例的另一种电子设备1900的示意图。例如，电子设备1900可以被提供为一服务器或终端设备。参照图3，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种免疫治疗疗效的预测装置，其特征在于，所述装置包括：

细胞筛选模块，用于在患者的肿瘤微环境中筛选至少一种目标巨噬细胞；

基因确定模块，用于确定所述目标巨噬细胞对应的核心特征基因集合，其中包括至少一种核心特征基因，所述核心特征基因表征肿瘤微环境下目标巨噬细胞的特征；

疗效预测模块，用于将所述核心特征基因集合输入训练得到的疗效预测模型，得到对应的预测值，所述预测值用于表征免疫治疗对所述患者的疗效。

2.根据权利要求1所述的装置，其特征在于，所述细胞筛选模块，进一步用于：

确定所述患者的肿瘤微环境中的单细胞的测序数据；

基于每个所述单细胞的测序数据的异质性进行聚类，得到至少一类巨噬细胞；

在所述巨噬细胞中筛选得到至少一种目标巨噬细胞。

3.根据权利要求2所述的装置，其特征在于，所述目标巨噬细胞包括促炎泛癌巨噬细胞和促肿瘤泛癌巨噬细胞中的至少一种。

4.根据权利要求1-3中任意一项所述的装置，其特征在于，所述基因确定模块，进一步用于：

在所述目标巨噬细胞对应的多种基因中筛选得到至少一个核心特征基因；

根据每个所述核心特征基因的测序结果确定核心特征基因集合。

5.根据权利要求4所述的方法，其特征在于，所述基因确定模块，进一步用于：

确定所述目标巨噬细胞对应的每个基因与所述肿瘤微环境中其他巨噬细胞相同基因的差异基因p值和差异倍数；

确定所述差异基因p值满足第一预设条件，所述差异倍数满足第二预设条件的基因为核心特征基因。

6.根据权利要求1-5中任意一项所述的装置，其特征在于，所述疗效预测模型为随机森林模型。

7.根据权利要求1-6中任意一项所述的装置，其特征在于，在所述患者为多个的情况下，所述装置还包括：

预后风险模块，用于根据每个所述患者对应的预测值确定所述疗效预测模型的预后价值。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

患者分组模块，用于根据每个所述患者对应的预测值将所述患者分为高风险组和低风险组，所述高风险组的治疗后死亡风险高于所述低风险组；

特征预测模块，用于预测所述高风险组和所述低风险组对应的生存期。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为在执行所述存储器存储的指令时，实现权利要求1至8中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。