[发明专利]基于高通量测序数据和临床表型构建的泛肿瘤靶向药敏感性状态评估模型的方法及应用

说明书

本发明涉及基因检测及生物信息学领域，公开了一种基于高通量测序数据和临床表型构建的状态评估模型在泛肿瘤靶向药敏感性状态评估中的应用，公开了基于转录组数据、外显子组/基因组数据和临床表型挖掘泛肿瘤靶向用药标志物的方法，设计了一套整合高通量测序数据和临床表型构建泛肿瘤靶向用药评估模型的计算方法，筛选到了肿瘤患者靶向药敏感性相关的生物标志物，形成了泛肿瘤靶向药敏感性状态评估模型。通过本发明方法构建得到准确性与机制解释性兼顾的标志物，可用于泛肿瘤治疗效果预测及治疗方案辅助决策等。

技术领域

本发明涉及基因检测及生物信息学技术领域，具体涉及一种基于高通量测序数据和临床表型构建泛肿瘤靶向药敏感性状态评估方法，及其相关检测panel设计和实施应用案例。

背景技术

第一代测序技术，通过双脱氧末端终止法或化学切割法，获得序列特定位置的碱基信息，利用电泳和显影读取核酸序列。基因芯片技术，通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，实现了高通量并行化，缺点在于可重复性和灵敏度有待增强，分析范围不够广泛。二代测序技术，又称新一代测序技术(next-generation sequencing，NGS)，与第一代测序不同，通过体外片段扩增和边合成边测序，实现了高通量并行化测序，主要缺点是读长短。第三代测序技术，又称单分子测序技术，无需扩增，直接通过检测模板序列的荧光信号或电信号，不受读长限制地直接读取模板序列信息。高通量测序数据(第二代或第三代测序技术生成)，在DNA层面可以高通量检测突变，包括点突变、插入缺失突变、基因融合、拷贝数变异等，在RNA层面则可高通量检测基因定量表达水平、可变基因剪切与融合等，对于精准医学发展起到重要推动作用。

以肿瘤、心脑血管疾病、代谢类疾病为代表的复杂疾病是人类健康的重大威胁，目前对复杂疾病致病机制的研究，得益于生物技术的快速发展，有了长足进步。基于复杂疾病样本的高通量测序数据，可以从分子水平阐释复杂疾病的发生、进展、转归、治疗和预后的规律，辅助有效评估肿瘤状态，为制定精准有效的治疗方案提供指导。肿瘤是复杂疾病的典型代表，其导致的可检测的突变或异常表达基因，同具体肿瘤临床表型密切相关时，即有可能作为分子肿瘤标志物，用于诊断、风险评估、预后、指导治疗、进展和安全性评估等。

基于高通量测序数据的复杂疾病标志物发现技术和相关标志物检测评估方案已经取得长足进步，但仍面临如下不足有待克服：1)标志物挖掘方法相对简单，准确性和可解释性亟需增强。对于多基因相关的复杂疾病，基于单个基因的标志物难以达到高准确性；相对于提高准确性，对标志物的机制可解释性关注更为不足。这既不符合循证医学理念以及理解标志物关键原理，也不利于实现标志物的理论最优组合，从而提高其鲁棒性和可重复性。2)检测和评估内容相对单一，功能有限。目前，由于基因收集筛选能力和测序成本，同一标志物检测方案覆盖的基因相对较少，实际应用中以单位点或小片段突变为主要评估指标，近年来以基因表达水平和检测panel中所有基因整体突变水平作为标志物评估的方案日益受到关注；在功能方面，以位点或基因相关靶向药效果预测为主，对于更广泛的手术、化疗、放疗、免疫治疗等指导意义有限。3)标志物设计及配套数据分析工具，对多元信息的利用不够充分。目前多数设计方案仅针对药物指南、标签以及有限的文献收集，技术路线侧重于单一组学层面，基于大规模测序结果、公共数据库及文本挖掘技术综合分析较少，对涵盖多种分子组学和临床表型信息的多元数据整合分析严重不足。

发明内容

为了解决上述问题，本发明提出了一种基于转录组数据、外显子组/基因组数据和临床表型挖掘泛肿瘤靶向药敏感性标志物的方法，设计了一套整合高通量测序数据和临床表型构建泛肿瘤靶向药敏感性状态评估模型的计算方法，并将其应用于泛肿瘤，筛选到了肿瘤患者靶向药敏感性相关的生物标志物，形成了泛肿瘤靶向药敏感性状态评估模型。

通过本发明建立的方法挖掘到的泛肿瘤靶向药敏感性标志物，兼顾标志物准确性与机制解释性；本发明所设计的泛肿瘤靶向药敏感性状态评估模型构建方法，对多元信息利用充分，评价指标丰富，功能系统全面实用，涵盖筛选挖掘、建模评分与检测panel设计等。以上技术创新能在泛肿瘤靶向药敏感性标志物挖掘和状态评估模型构建中进行了具体实施。