一种小细胞肺癌免疫治疗效果的预测模型的制作方法

本发明涉及生物，特别是涉及一种小细胞肺癌免疫治疗效果的预测模型。

背景技术：

1、小细胞肺癌是一种生存时间短，预后极差的肿瘤。尽管免疫治疗在一定程度上提高了小细胞肺癌患者的治疗效果、延长了生存期，但仍有相当一部分患者对免疫治疗不敏感。用来预测小细胞肺癌疗效的指标有限。一些分子生物标志物，如pd-l1肿瘤比例评分或tmb，可有效预测非小细胞肺癌免疫治疗的治疗结局和预后，但对小细胞肺癌的预测能力有限。建立预测模型是目前急迫的需求。

2、现有技术中，有人利用病理标本的rna表达情况将小细胞肺癌分成4类，并且证明1类在免疫治疗疗效中较好。然而，1型小细胞肺癌仅21例，样本量较小，并且没有在其他队列中得到验证。另外，通过病理组织rna表达情况分析小细胞肺癌免疫治疗疗效，发现yap-1与免疫治疗疗效相关，然而样本量太小，并且预测显著性不明显(r＝-0.496)。此外，还有通过外周血细胞因子来预测小细胞肺癌免疫治疗疗效的项目，发现基线时高水平的il-8均与较差的预后相关，基线il-2水平升高可预测对易普利姆玛的敏感性，而高il-6和tnf-α可预测耐药性。接受免疫化疗治疗的患者治疗期间il-4水平升高与更好的总生存期相关。然而样本量小，并且没有构建成模型和进行敏感性和特异性的分析。除此之外，还有利用外周血pd-l1阳性的外泌体来预测小细胞肺癌免疫治疗模型，尽管其预测效果auc为0.87，并且其比总的pd-l1预测效果更好，然而，这些人群里面有局限期的小细胞肺癌，并且总的样本量仅70人，而且没有进行验证。

3、基于pd-l1和tmb对小细胞肺癌疗效预测水平并不优异，且还存在检测费高、需要有创检测、等待时间长等缺陷，本领域需要研究一种预测效能高、操作简便、易于采样、成本较低且快速准确的小细胞肺癌治疗效果的预测模型，从而高效预测小细胞肺癌免疫治疗的预后情况。

技术实现思路

1、外周血淋巴细胞亚群对其他肿瘤有一定的预料效果。在一项非小细胞肺癌的研究中，对icis治疗nsclc患者预后影响最大的两个因素是cd4+cd45ra-t细胞(hr＝0.644,p＝0.047)和cd8+t/淋巴细胞(％)(hr＝1.806,p＝0.015)。cd4+cd45ra-t细胞对ici单药治疗表现出极好的预测疗效(auc＝0.854)，以cd4+cd45ra-t细胞>311.3×106/l为阈值，敏感性为75.0％，特异性为91.7％

2、基于对外周血淋巴细胞亚群的流式检测，本发明提供的一种小细胞肺癌免疫治疗效果的预测模型，所述预测模型对患者的外周血进行淋巴细胞亚群流式细胞检测，根据淋巴细胞亚群流式细胞检测的结果进行lsm评分，当lsm评分大于或等于-1.196时，预测结果为预后差，当lsm评分小于-1.196时，预测结果为预后好；

3、所述lsm评分的计算公式为：lsm＝-56.5569+0.6803*a+0.0109*b-0.1682*c-2.0789*d+0.3905*e+0.5673*f，式中：

4、a代表cd3+t细胞在淋巴细胞中的百分比，b代表cd4+t细胞在淋巴细胞中的百分比，c代表cd8+t细胞在淋巴细胞中的百分比，d代表cd4细胞与cd8细胞的比值，e代表b细胞在淋巴细胞中的百分比，f代表nk细胞在淋巴细胞中的百分比。

5、具体地，所述外周血的采血量为1-2ml。

6、具体地，所述淋巴细胞亚群流式细胞检测采用抗人单克隆抗体，所述抗人单克隆抗体包括抗cd3-percp、抗cd4-fitc、抗cd8-pe、抗cd19-apc、抗cd16+和抗cd56+。

7、具体地，所述淋巴细胞亚群流式细胞检测的操作步骤包括：

8、s1、采集患者外周血1-2ml，取50μl等份血样与抗人单克隆抗体混合物在冰上孵育30min，并在磷酸盐缓冲盐水中清洗两次；

9、s2、用1％多聚甲醛对待测样本进行固定，使用facscalibur流式细胞仪和cellquest pro软件进行流式细胞分析。

10、具体地，所述流式细胞分析中，在淋巴细胞门中收集至少10000个细胞并进行分析。

11、本发明的另一方面，提供了一种小细胞肺癌免疫治疗效果的预测模型的构建方法，所述小细胞肺癌免疫治疗效果的预测模型为权利要求1-5中任一项所述的小细胞肺癌免疫治疗效果的预测模型，所述构建方法包括以下步骤：

12、(1)、收集临床患者数据并进行分类，将5个月内出现疾病进展的患者状态定义为疗效差，标记为0；将超过5个月出现疾病进展或者未出现疾病进展的患者状态定义为疗效好，标记为1；

13、(2)、收集步骤(1)中患者的流式细胞检测数据，所述流式细胞检测数据包括：

14、a：cd3+t细胞在淋巴细胞中的百分比，b：cd4+t细胞在淋巴细胞中的百分比，c：cd8+t细胞在淋巴细胞中的百分比，d：cd4细胞与cd8细胞的比值，e：b细胞在淋巴细胞中的百分比，f：nk细胞在淋巴细胞中的百分比；

15、(3)、设定步骤(1)中的标记为分析点，对步骤(2)中的流式细胞检测数据进行logistic回归，分别得到每个数据的回归系数，还得到常数数值，将所述回归系数、常数数值与数据名称结合得到回归模型的计算公式，所述计算公式为：

16、lsm＝-56.5569+0.6803*a+0.0109*b-0.1682*c-2.0789*d+0.3905*e+0.5673*f，式中：

17、a代表cd3+t细胞在淋巴细胞中的百分比，b代表cd4+t细胞在淋巴细胞中的百分比，c代表cd8+t细胞在淋巴细胞中的百分比，d代表cd4细胞与cd8细胞的比值，e代表b细胞在淋巴细胞中的百分比，f代表nk细胞在淋巴细胞中的百分比；

18、(4)、将步骤(2)中的患者的流式细胞检测数据代入步骤(3)得到的计算公式中，得到对应每位患者的lsm评分，将每位患者的lsm评分数据与步骤(1)中的患者状态进行配对，使用r语言工具进行roc曲线分析，得到曲线下面积auc为0.819，选取约登指数在最大值状态下对应的lsm值作为截断值，所述截断值为-1.196。

19、具体地，步骤(4)中，所述约登指数在最大值状态下时，灵敏度为0.773，特异性为0.783。

20、本发明的第三方面，提供一种前述的小细胞肺癌免疫治疗效果的预测模型在预测小细胞肺癌患者的免疫治疗效果和/或制备预测小细胞肺癌患者免疫治疗效果的试剂盒中的应用。

21、本发明的第四方面，提供一种前述的小细胞肺癌免疫治疗效果的预测模型的构建方法在预测小细胞肺癌患者的免疫治疗效果和/或制备预测小细胞肺癌患者免疫治疗效果的试剂盒中的应用。

22、本发明的小细胞肺癌免疫治疗效果的预测模型具有以下有益效果：

23、1、本发明提供的小细胞肺癌免疫治疗效果的预测模型，预测效能高，auc值为0.819，灵敏度为0.773，特异性为0.783，相比现有技术中其他小细胞肺癌的免疫治疗预测模型而言，本发明提供的预测模型准确性更高、灵敏度更好、特异性更强。

24、2、本发明提供的小细胞肺癌免疫治疗效果的预测模型，操作便捷，对患者的创伤性小，仅需在治疗之前采血1-2ml，进行淋巴细胞亚群的流式细胞分群检测，即可实现对小细胞肺癌免疫治疗效果的准确预测，评估方式也只需将淋巴细胞亚群的监测数据代入本技术提供的lsm计算公式，通过将患者的lsm评分与截断值-1.196进行比较，即可完成治疗效果的预测。

25、3、本发明提供的小细胞肺癌免疫治疗效果的预测模型基于流式细胞检测技术，适用性广且操作时间短，只需流式细胞仪即可完成，且所需时间不足1天即可完成预测，成本低、速度快、准确性高、易于推广，对于小型检测中心或科室，只要能够完成流式细胞检测，均可通过本发明提供的小细胞肺癌免疫治疗效果的预测模型完成预测。因此，本发明提供的小细胞肺癌免疫治疗效果的预测模型实用性强，有助于小细胞肺癌患者治疗效果的评估，在小细胞肺癌免疫治疗药物的筛选等领域也有所助益。