一种乳腺癌患者新辅助化疗敏感性的预测装置

本发明属于基因检测，具体涉及一种乳腺癌患者新辅助化疗敏感性的预测装置。

背景技术：

1、近年来，肿瘤已成为威胁全人类健康的重要疾病之一。其中，乳腺癌是发病率最高的一类肿瘤，其给家庭和社会造成了严重的负担。在乳腺癌目前的治疗方案中，新辅助化疗(neoadjuvant chemotherapy, nac)是中晚期乳腺癌患者的标准治疗方法之一，其目的在缩小肿瘤体积，降低肿瘤病理分期，以期达到手术切除的标准。然而，由于肿瘤异质性，不同乳腺癌患者对新辅助化疗的敏感性差异很大，临床上仅部分患者对在接受新辅助化疗后肿瘤逐渐缩小，甚至手术病理标本中无残余的肿瘤细胞，即病理性完全缓解（pathologiccomplete response, pcr）。而对化疗不敏感的患者可能在新辅助化疗后肿瘤未缩小，甚至增大。这些化疗不敏感患者不仅无法从新辅助化疗中获益，反而要承受化疗的副作用。因此，鉴定能预测乳腺癌患者新辅助化疗疗效的标记物，划分新辅助化疗敏感患者和不敏感患者，具有重要的临床意义。

2、早期研究表明，雌激素受体（estrogen receptor，er）及ki-67的状态对乳腺癌患者新辅助化疗疗效有较大影响。已有模型预测er阳性乳腺癌患者新辅助化疗后pcr率，在模型评估中，其曲线下面积为0.785[1]；ki-67阳性表达率对新辅助化疗疗效预测的roc曲线分析显示，预测新辅助化疗后能否达到pcr的auc为0.766[2]。另有，孕激素受体（progesteronereceptor, pr）和人表皮生长因子受体2（human epidermal growth factor receptor 2,her2）预测乳腺癌新辅助化疗敏感性模型的auc分别为0.673和0.695[3]。上述模型虽有一定的预测价值，但可以看出其预测准确性欠佳，而且纳入模型的病例数较少，未进行大数据集验证，缺乏普适性。近年来，影像组学预测新辅助化疗疗效的准确性逐渐提升，从超声图像中提取并筛选影像组学特征后构建影像组学评分,基于多因素 logistic回归分析构建的预测模型在训练集中auc为0.84，验证集中auc为0.82，其中，对模型预测结果贡献程度最大的3个变量依次为影像组学评分值、her2、er[4]。尽管其预测准确性较前有所提升，但其影像特征提取和机器决策过程中缺乏透明性和可解释性，也易出现选择偏倚，准确性和可重复性受到挑战，难以真正应用于临床实践。

3、肿瘤免疫微环境一直都是肿瘤研究的热点，大量研究表明，乳腺癌患者预后与肿瘤微环境中免疫细胞浸润的种类和数量有密切关系[5,6]。不同病理分型的乳腺癌由于免疫微环境不同，其对化疗和新辅助化疗的应答不尽相同。一项前瞻性临床研究证明，淋巴细胞为主的乳腺癌患者新辅助化疗后pcr率显著提高，将肿瘤浸润淋巴细胞(tumorinfiltrating lymphocytes，tils)作为预测因子可评估乳腺癌患者对新辅助化疗的反应[7]。由于肿瘤的免疫微环境中存在多种功能不同的免疫细胞，包括但不限于tils，因此，单纯用tils来预测新辅助化疗疗效过于片面。

4、单细胞转录组测序(single-cell rna-seq, scrna-seq)可利用高分辨率的组学技术对单个细胞层面的基因表达水平进行检测，提供精准的细胞类型和状态信息。在肿瘤免疫微环境的分析中，scrna-seq可提供细胞多样性和异质性的转录组特征[8]，是目前分析肿瘤免疫微环境最准确的方法之一，但scrna-seq价格昂贵、对样本要求极高，难以在临床应用中普及。

5、参考文献：

6、[1]唐铃丰,舒秀洁,严萍等.雌激素受体阳性型乳腺癌新辅助化疗效果的影响因素及疗效预测[j].第三军医大学报, 2020, 42(23): 2341-2349.

7、[2]王勒,郑红梅,吴新红,等.乳腺癌临床病理特征和分子分型对新辅助化疗疗效及预后的预测价值[j].中华实用诊断与治疗杂志, 2019, 33(08): 739-743.

8、[3] fang y, zhang q, wu y, wu j. her2-positive is an independentindicator for predicting pathological complete response to neoadjuvanttherapy and ki67-changed after neoadjuvant chemotherapy predicts favorableprognosis in chinese women with locally advanced breast cancer. medicine(baltimore). 2024 feb 9;103(6): e37170.

9、[4]冯晓丹,刘菲菲,杜瑶,等.基于超声影像组学及临床特征的可解释性机器学习模型预测乳腺癌新辅助化疗疗效[j].中国超声医学杂志. 2024, 40(03): 278-282.

10、[5] dieci mv, miglietta f, guarneri v. immune infiltrates in breastcancer: recent updates and clinical implications. cells. 2021 jan 23; 10(2):223.

11、[6] badr nm, berditchevski f, shaaban am. the immune microenvironmentin breast carcinoma: predictive and prognostic role in the neoadjuvantsetting. pathobiology. 2020; 87(2): 61-74.

12、[7] issa-nummer y, darb-esfahani s, loibl s, et al. prospectivevalidation of immunological infiltrate for prediction of response toneoadjuvant chemotherapy in her2-negative breast cancer-a substudy of theneoadjuvant geparquinto trial. plos one. 2013 dec; 8(12): e79775.

13、[8] mei y, xiao w, hu h, et al. single-cell analyses revealsuppressive tumor microenvironment of human colorectal cancer. clin translmed. 2021 jun; 11(6): e422.

技术实现思路

1、为了解决现有技术中存在的不足，本发明的目的是提供一种预测乳腺癌新辅助化疗后能否达到pcr的单细胞免疫模型。

2、本发明基于患者scrna-seq准确地提取各类免疫细胞的特征性基因集，再根据临床样本的普通转录组测序数据和单细胞免疫基因集推断样本中各类免疫细胞的丰度，利用logistic回归构建新辅助化疗后能否达到pcr的预测模型，此模型可兼具scrna-seq的准确性和普通转录组测序价格低廉、对样本要求低的特征。本模型的构建可以综合利弊，指导患者临床治疗。

3、第一方面，本发明提供了检测免疫细胞的特征基因的表达水平的试剂在制备预测乳腺癌新辅助化疗敏感性的产品中的应用，其中，所述的免疫细胞包括spp1_mac细胞、plasma细胞、pdc细胞、mdc细胞、tn细胞、nkt细胞和/或tprf细胞。

4、本发明中，所述的spp1_mac细胞是spp1+巨噬细胞；所述的plasma细胞是浆细胞；所述的pdc细胞是浆细胞型树突状细胞；所述的mdc细胞是成熟型树突状细胞；所述的tn细胞是初始t细胞；所述的nkt细胞是具有自然杀伤细胞（nk细胞）特征的t细胞；所述的tprf细胞是增殖型t细胞。

5、根据本发明的具体实施方案，所述的免疫细胞是基于单细胞转录组测序提取的免疫细胞。

6、根据本发明的具体实施方案，本发明对单细胞转录组测序数据进行质控的参数设置和降维聚类，制定每种免疫细胞特异性基因集。

7、根据本发明的具体实施方案，spp1_mac细胞的特征基因包括sppi、mif、s100a6、cstb、nupr1和s100a10，plasma细胞的特征基因包括jchain、igkc、igkv4-1、igkv3-20、iglv2-14、igha1、cd38、ighg1、ighg4和mzb1，pdc细胞的特征基因包括il3ra、lilra4、clec4c、itm2c、jchain、mzb1和sct，mdc细胞的特征基因包括fscn1、lamp3、ccr7、ido1、ebi3、tmem176a、lad1、cxcl9、ache、nccrp1和cd274，tn细胞的特征基因包括il7r、rps2、rpl39、ccr7、sell、rps21、rps29和pnrc1，nkt细胞的特征基因包括fcgr3a、fgfbp2、gzmh、gzmb、nkg7、ccl3、prf1、gzma、ccl4、ifng和gzmm，tprf细胞的特征基因包括mki67、tuba1b、stmn1、hist1h4c、tubb、hmgn2和h2afz。

8、作为一种优选的实施方式，所述的免疫细胞为spp1_mac细胞、plasma细胞、pdc细胞、mdc细胞、tn细胞、nkt细胞和tprf细胞的组合。

9、根据本发明的具体实施方案，所述的检测免疫细胞的特征基因的表达水平的试剂包括检测所述特征基因的mrna的表达水平的试剂、或检测所述特征基因的编码蛋白的表达水平的试剂。

10、根据本发明的具体实施方式，所述的检测所述特征基因的mrna的表达水平的试剂包括利用普通转录组测序检测所述特征基因的mrna的表达水平的试剂。

11、根据本发明的具体实施方案，所述的检测免疫细胞的特征基因的表达水平的试剂包括引物、探针、或抗体。

12、根据本发明的具体实施方式，所述的检测免疫细胞的特征基因的表达水平的试剂包括高通量测序所用的试剂。

13、作为一种优选的实施方式，所述的高通量测序为bulk rna-seq测序。

14、根据本发明的具体实施方案，所述的产品包括芯片、试剂盒、试纸、高通量测序平台或检测装置。

15、第二方面，本发明提供了一种乳腺癌患者新辅助化疗敏感性的检测装置，其包括检测单元和数据分析单元，其中：

16、所述的检测单元检测来自待测个体的免疫细胞的特征基因，获得检测结果；

17、所述的数据分析单元用于对检测单元的检测结果进行分析处理。

18、其中，所述的免疫细胞的特征基因同本发明第一方面中所述的免疫细胞的特征基因。

19、根据本发明的具体实施方案，所述的检测单元基于单细胞转录组测序提取待测个体的免疫细胞的特征基因。

20、根据本发明的具体实施方案，所述的检测结果包括免疫细胞基因集评分，所述的基因集评分为所述的免疫细胞的特征基因的平均表达量。在本发明中，所述的数据分析单元进一步将免疫细胞基因集评分代入到以下检测模型计算im_points：

21、im_points=62.5273+0.5684×spp1_mac细胞基因集评分+0.6221×plasma细胞基因集评分-0.9062×pdc细胞基因集评分+1.6405×mdc细胞基因集评分+0.9224×tn细胞基因集评分-0.6079×nkt细胞基因集评分+1.1259×tprf细胞基因集评分。

22、im_points代表肿瘤样本的免疫激活程度，评分越高代表免疫越活化，对新辅助化疗越敏感。

23、在本发明中，所述的数据分析单元根据以下公式进一步预测新辅助化疗后pcr概率：

24、p= sigma(im_points) = frac{1}{1 + e^{- im_points}}。

25、概率值p范围为0-1，p值越大代表对新辅助化疗越敏感

26、第三方面，本发明提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令被执行时实现：基于待测个体的免疫细胞的特征基因获得待测个体的乳腺癌新辅助化疗敏感性评估结果；其中，所述的免疫细胞的特征基因同本发明第一方面中所述的免疫细胞的特征基因。

27、第四方面，本发明提供了一种计算机设备，其包括存储器、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，其中，所述处理器执行所述计算机程序时实现：基于待测个体的免疫细胞的特征基因获得待测个体的乳腺癌新辅助化疗敏感性评估结果；其中，所述的免疫细胞的特征基因同本发明第一方面中所述的免疫细胞的特征基因。

28、有益效果

29、本发明提供一种预测乳腺癌患者经新辅助化疗能否达到病理完全缓解的免疫单细胞模型。基于乳腺癌单细胞转录组测序数据提取各类免疫细胞的特征基因集，再根据临床样本的普通转录组测序数据和单细胞免疫基因集推断样本中各类免疫细胞的丰度，利用logstic回归分析不同种类免疫细胞的特征基因集与新辅助化疗pcr的相关性，构建预测模型。在临床实践中，该模型可根据乳腺癌患者穿刺样本的普通转录组测序数据预测患者能否受益于新辅助化疗，从而指导患者的治疗决策，具有准确度高、普适、快速的优点。