[发明专利]抗精神病药物疗效预测相关的甲基化生物标记

说明书

本发明属于生物医药技术领域，提供了一种基于甲基化生物标记的抗精神病药物疗效预测模型及其构建方法和应用。所述构建方法包括：1)获取患者的抗精神病药物治疗病历数据以及基因甲基化数据；2)基于所述患者的抗精神病药物治疗病历数据与基因甲基化数据，获取与患者治疗响应相关的特征；3)将所述治疗响应相关的特征输入预测模型进行训练，建立抗精神病药物疗效预测模型。本发明还公开了一种基于甲基化生物标记的抗精神病药物疗效预测系统。本发明通过提供一种抗精神病药物疗效预测模型，从而更加准确地评估抗精神病药物的疗效，同时提供个体化用药的决策支持。

技术领域

本发明属于生物技术领域，更具体而言，本发明涉及基于甲基化生物标记的抗精神病药物疗效预测模型及其构建方法。

背景技术

精神分裂症(schizophrenia,SCH)是一种常见重性精神障碍，临床表现复杂、诊断主观化、治疗经验化等问题突出。长期使用抗精神病药物(antipsychotic drugs,APDs)是治疗SCH的重要方法，但因个体化差异及临床表型复杂等原因，对于同一种抗精神病药物，不同患者在使用药物治疗以后，由于个体差异，其精神病性症状(阳性症状如幻听、妄想，阴性症状如情感淡漠、注意力缺陷等)的改善程度不尽相同(临床治疗响应、临床痊愈、治疗抵抗)，仅1/3的SCH患者疗效较好。实际临床治疗过程中，药物的选择多基于国内外指南并结合临床医生的个人经验，无法根据患者个体特质优化用药方案。

目前存在的试剂盒是通过药物基因检测，该检测是基因检测的一个分支，通过对多个药效基因，药代基因以及毒性基因的检测来进行药物代谢，药物疗效以及不良反应的预测。其中，药效基因包括SLC6A4、HTR2A、DRD2；药代基因包括CYP2D6、CYP2C19、CYP1A2，UGT2B15、UGT2B7；以及独行基因MC4R、ANKK1、HTR2C、HLA等。

现有的试剂盒大多依靠基因上的多个位点的基因多态性来进行预测，但是这种预测更多是对药物代谢水平的预测，对于药物疗效的预测较少，并且这种预测没有将环境因素所导致的改变纳入考量，导致精确度较低。

因此，根据传统的试剂盒获得的抗精神病药物的治疗效果不够准确，本领域亟需一种抗精神病药物疗效预测系统。

发明内容

本发明的目的是一种抗精神病药物疗效预测系统，以根据患者的个体特质即特定甲基化位点的水平，精确预测抗精神病药物对患者的个体疗效。

因此，在第一方面，本发明提供了一种构建基于甲基化生物标记的抗精神病药物疗效预测模型的方法，所述方法包括：

1)获取患者的抗精神病药物治疗病历数据以及基因甲基化数据；

2)基于所述患者的抗精神病药物治疗病历数据与基因甲基化数据，获取与患者治疗响应相关的特征；

3)将所述治疗响应相关的特征输入预测模型进行训练，建立抗精神病药物疗效预测模型。

在一个实施方案中，在2)中，以患者治疗开始后的6周末PANSS减分率等于50％为标准，将患者分为响应不良患者和响应良好患者，例如PANSS减分率小于50％的患者为对抗精神病药物的治疗响应不良患者，而PANSS减分率大于50％或等于50％的患者为对抗精神病药物治疗响应良好患者。

在一个实施方案中，所述抗精神病药物为奥氮平、利培酮或阿立哌唑。

在一个实施方案中，在1)中，所述患者病例数据为处于精神分裂症急性发作期，开始治疗前的PANSS分数符合“在7个阳性症状中，分数大于或等于4分的症状的数量大于或等于3个”的患者。

在一个实施方案中，在2)中，所述治疗响应相关的特征包括：患者PANSS基线评分、患者治疗后6周末的PANSS评分、性别、年龄、患者所使用的抗精神病药物、基因甲基化数据和/或患者的分类(即响应不良患者和响应良好患者)。