[发明专利]一种确定TAT细胞的方法

权利要求书

1.一种TAT细胞，其包含TAT-TCR序列，所述TAT-TCR序列是在血液中的T细胞和肿瘤浸润的T细胞中共同存在的TCR序列，优选地，所述TAT-TCR序列不是非癌症相关T细胞TCR序列。

2.一种确定TAT细胞的方法，其包括判断待确定T细胞的TCR序列是否为TAT-TCR序列，由此确定所述待确定T细胞是否为TAT细胞。

3.根据权利要求2所述的方法，其包括获得TAT-TCR序列集，并且(1)判断待确定T细胞的TCR序列是否存在于所述TAT-TCR序列集中，由此判断待确定T细胞的TCR序列是否为TAT-TCR序列；或者(2)根据对所述TAT-TCR序列集进行计算产生的模型，判断待确定T细胞的TCR序列是否为TAT-TCR序列。

4.根据权利要求3所述的方法，其中所述TAT-TCR序列集是预先确定的TAT-TCR序列。

5.根据权利要求4所述的方法，其中所述预先确定是从已公开的数据集中确定的或是对已知患有肿瘤的受试者进行测序并分析获得的。

6.根据权利要求5所述的方法，其中所述预先确定是从已公开的数据集中获得配对的血液中T细胞的TCR序列和肿瘤浸润的T细胞中的TCR序列，并且将配对的血液中T细胞的TCR序列和肿瘤浸润的T细胞中的TCR序列中共同存在的TCR序列作为预先确定的TAT-TCR序列，优选地，所述预先确定的TAT-TCR序列不是非癌症相关T细胞TCR序列。

7.根据权利要求5所述的方法，其中所述预先确定是测定已知患有肿瘤的受试者的配对的血液中T细胞的TCR序列和肿瘤浸润的T细胞中的TCR序列，并且将配对的血液中T细胞的TCR序列和肿瘤浸润的T细胞中的TCR序列中共同存在的TCR序列作为预先确定的TAT-TCR序列，优选地，所述预先确定的TAT-TCR序列不是非癌症相关T细胞TCR序列。

8.根据权利要求3-7中任一项所述的方法，其中所述计算是使用机器学习模型对所述TAT-TCR序列集进行计算。

9.根据权利要求8所述的方法，其中所述机器学习模型是逻辑回归模型、支持向量机模型、卷积神经网络等深度学习框架。

10.根据权利要求9所述的方法，其中所述机器学习模型是卷积神经网络。

11.一种评估受试者癌症风险的方法，其包括(1)根据权利要求2-10中任一项所述的方法确定所述受试者血液中的TAT细胞；(2)确定所述TAT细胞在所述受试者血液中的富集程度；根据所述富集程度评估受试者的癌症风险。

12.一种评估受试者癌症风险的方法，其包括(1)测定所述受试者的PBMC细胞中的TAT特征基因集的基因表达量；根据所述基因表达量评估受试者的癌症风险；其中所述TAT特征基因集是TAT细胞相对于非癌症相关T细胞具有差异表达的基因；所述TAT特征基因集是预先确定的。

13.一种评估受试者癌症风险的方法，其包括(1)根据权利要求2-10中任一项所述的方法确定所述受试者血液中的TAT细胞；(2)确定所述TAT细胞在所述受试者血液中的富集程度；(3)测定所述受试者的PBMC细胞中的TAT特征基因集的基因表达量；根据所述富集程度和所述基因表达量评估受试者的癌症风险；其中所述TAT特征基因集是预先确定的。

14.根据权利要求12或13所述的方法，其中所述TAT特征基因集是预先确定的是指从已公开的数据集中确定的或是对已知患有肿瘤的受试者进行测序并分析确定的。