[發(fā)明專利]一種與腎透明細(xì)胞癌預(yù)后顯著相關(guān)的潛在抗原、免疫分型及其構(gòu)建方法和應(yīng)用

在審

• 申請?zhí)枺?/td>: 202111415163.2
• 申請日: 2021-11-25
• 公開（公告）號(hào): CN114164269A
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 艾建忠;鄭筱男;曹德宏;徐航;易賢彥翎;張?zhí)鞝D;李晉
• 申請（專利權(quán)）人: 四川大學(xué)華西醫(yī)院
• 主分類號(hào): C12Q1/6886
• 分類號(hào): C12Q1/6886;A61K39/00;A61P35/00;A61P13/12;G16B25/00;G16B20/50;G16B40/00
• 代理公司: 成都科海專利事務(wù)有限責(zé)任公司 51202
• 代理人: 劉業(yè)芳

1.一種與腎透明細(xì)胞癌預(yù)后顯著相關(guān)的潛在抗原，其特征在于，所述潛在抗原包括以下抗原基因中的一種或幾種：ZAP70、VMP1、TUBB6、TPX2、TOP2A、TMEM74B、TMC8、TGM2、TGFA、TEX11、SPON2、SNX33、SERPINH1、RUNX1、RRM2、RGCC、PTTG1、PTP4A3、PPP1R18、PLAUR、PABPC1L、NCF4、MYBL2、MUC3A、MSC、MGARP、FOXM1、FMNL1、FBXL16、EDN1、DOK3、COL5A3、CDHR5、C1QTNF6、BMP1、AXL和ADAMTSL4。

2.根據(jù)權(quán)利要求1所述的與腎透明細(xì)胞癌預(yù)后顯著相關(guān)的潛在抗原，其特征在于，所述潛在抗原包括以下抗原基因中的一種或幾種：BMP1、FOXM1、MYBL2、RRM2、TPX2和TUBB6。

3.權(quán)利要求1或2所述的與腎透明細(xì)胞癌預(yù)后顯著相關(guān)的潛在抗原在用于治療和預(yù)防腎透明細(xì)胞癌的產(chǎn)品中的應(yīng)用。

4.根據(jù)權(quán)利要求3所述的應(yīng)用，其特征在于，所述產(chǎn)品包括腎透明細(xì)胞癌疫苗。

5.根據(jù)權(quán)利要求4所述的應(yīng)用，其特征在于，所述疫苗為mRNA疫苗。

6.一種與腎透明細(xì)胞癌預(yù)后相關(guān)的免疫分型的構(gòu)建方法，其特征在于，包括：

針對(duì)腎透明細(xì)胞癌癥樣本中1621個(gè)免疫相關(guān)基因的表達(dá)譜進(jìn)行分析，構(gòu)建一致性聚類；

根據(jù)其累積分布函數(shù)和增量區(qū)域圖，選擇免疫相關(guān)基因穩(wěn)定聚類的k＝2，得到2個(gè)免疫亞型，為cluster1和cluster2；

通過主成分分析對(duì)2個(gè)免疫亞型進(jìn)行驗(yàn)證，同時(shí)展示免疫基因在2個(gè)免疫亞型cluster1和cluster2中的表達(dá)。

7.根據(jù)權(quán)利要求6所述的構(gòu)建方法，其特征在于，所述免疫基因包括以下預(yù)后相關(guān)的潛在抗原基因：BMP1、FOXM1、MYBL2、RRM2、TPX2和TUBB6。

8.一種與腎透明細(xì)胞癌預(yù)后相關(guān)的免疫分型，其特征在于，所述免疫亞型是由權(quán)利要求6或7所述的構(gòu)建方法構(gòu)建而成，所述免疫亞型包括2個(gè)免疫亞型cluster1和cluster2，所述免疫亞型能夠用于預(yù)測基于權(quán)利要求1或2所述的與腎透明細(xì)胞癌預(yù)后相關(guān)的潛在抗原所制備的腎透明細(xì)胞癌疫苗對(duì)腎透明細(xì)胞癌患者的治療效果。

9.一種利用權(quán)利要求8所述的免疫分型預(yù)測腎透明細(xì)胞癌疫苗對(duì)腎透明細(xì)胞癌患者的治療效果的方法，其特征在于，所述方法包括利用構(gòu)建的腎透明細(xì)胞癌患者的預(yù)后評(píng)分模型對(duì)患者樣本進(jìn)行預(yù)后風(fēng)險(xiǎn)評(píng)分，并根據(jù)風(fēng)險(xiǎn)得分的中位數(shù)對(duì)免疫亞型進(jìn)行風(fēng)險(xiǎn)高低組劃分。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述預(yù)后評(píng)分模型的構(gòu)建過程包括：

方法一：

通過WGCNA對(duì)樣本進(jìn)行聚類，無標(biāo)度網(wǎng)絡(luò)軟閾值為3，然后將表達(dá)矩陣轉(zhuǎn)換為鄰接矩陣，再轉(zhuǎn)換為拓?fù)渚仃嚕褂肳GCNA R包對(duì)默認(rèn)參數(shù)獲得免疫基因共表達(dá)模塊；

對(duì)識(shí)別到的免疫基因共表達(dá)模塊進(jìn)行總體生存預(yù)后分析，得到三個(gè)存在顯著預(yù)后效能的模塊Blue、Yellow和Green，并分別對(duì)三個(gè)模塊中的基因進(jìn)行KEGG功能富集分析；

選取Blue模塊中的四個(gè)MM＞0.9的hub基因RDX、IREB2、UBR1和PIK3CA進(jìn)行多因素Cox回歸分析，構(gòu)建每個(gè)樣本的風(fēng)險(xiǎn)得分模型RiskScore＝(-0.411.3*RDX)+(0.45*IREB2)+(-0.79*UBR1)+(0.12*PIK3CA)；

和/或

方法二：

識(shí)別兩個(gè)免疫亞型cluster1和cluster2中的差異表達(dá)基因107個(gè)；并對(duì)差異表達(dá)基因進(jìn)行GO和KEGG功能富集分析；

對(duì)所有差異表達(dá)基因進(jìn)行單因素Cox回歸分析并篩選了P＜0.01的基因31個(gè)；

對(duì)31個(gè)基因進(jìn)行l(wèi)asso回歸分析得到7個(gè)高風(fēng)險(xiǎn)基因；利用所得到的7個(gè)高風(fēng)險(xiǎn)基因構(gòu)建風(fēng)險(xiǎn)得分模型RiskScore＝(0.0065*CCL19)+(0.0616*CCL5)+(0.0050*IGLV9-49)+(0.0115*IGLV3-27)+(0.0385*IGLV3-21)+(0.0034*IGLC2)+(0.0362*IGHG3)。