[发明专利]用于预测肺腺癌预后的标志物及其应用有效

专利信息
申请号: 202110942881.9 申请日: 2021-08-17
公开(公告)号: CN113721018B 公开(公告)日: 2023-01-17
发明(设计)人: 范涛;耿庆;潘世泽;杨硕;郝博;李东航;张霖 申请(专利权)人: 武汉大学
主分类号: G01N33/574 分类号: G01N33/574;G01N33/68;G16B5/00
代理公司: 武汉智权专利代理事务所(特殊普通合伙) 42225 代理人: 张凯
地址: 430072*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 预测 腺癌 预后 标志 及其 应用
【说明书】:

发明涉及一种用于预测肺腺癌预后的标志物及其应用,该标志物为IL7R、IL5RA、IL20RB、IL11和IL22RA1的组合,将该标志物的表达水平代入肺腺癌患者预后评分模型中,计算出风险评分,根据评分高低预测肺腺癌患者的总体生存,并为筛选出适合特定免疫检查点抑制剂治疗的肺腺癌患者提供依据。本发明需要检测的指标较少,仅需要检测患者样本内的IL7R、IL5RA、IL20RB、IL11和IL22RA1表达水平,即可预测肺腺癌预后,指导临床医生对高风险患者提供积极治疗;并且该发明指导临床医生对低风险患者采用CTLA4或TIM3免疫检查点抑制剂治疗提供依据。

技术领域

本发明涉及临床应用领域,特别涉及一种用于预测肺腺癌预后的标志物及其应用。

背景技术

目前,在全球范围内肺癌仍然是恶性肿瘤的主要类型,是癌症相关死亡的重要原因。作为肺癌的主要分子亚型,肺腺癌(LUAD)占肺癌的40%以上。尽管包括分子靶向药物和免疫检查点抑制剂在内的肺癌治疗策略取得了长足进步,但肺癌的5年生存率仍然较低。因此,有必要找到一种能够特异性预测患者生存率的方法,以及能够作为肿瘤治疗反应的标志物,以针对不同肺腺癌患者给予最合适的个性化治疗。

近年来,随着多组学的发展,许多使用不同表达谱和生物信息学的研究为LUAD患者提供了多种预后评估方法。但是,这些研究中使用的参数来自全基因组和转录组数据,未考虑肿瘤生物学过程中各种分子家族的内在影响因素,这可能会导致计算偏倚。此外,这些方法只是简单的数学模型,可能无法反映肿瘤本身的内在特征。

随着程序性死亡受体1(PD1)、程序性死亡受体配体1(PD-L1)等多种免疫检查点抑制剂(ICIs)的成功应用,肺癌的治疗取得了许多创新。许多大样本量的队列研究已经明确了PD1/PD-L1在免疫抑制中的作用及其作为肿瘤进展的预后生物标志物或预测免疫反应的生物标志物的能力。然而,仍然超过一半的患者对抗PD1/PD-L1免疫疗法无反应,这表明有更多的分子信号通路参与肿瘤免疫的调控,并且这些分子对PD1/PD-L1等免疫检查点信号通路存在相关性。

发明内容

为准确地对肺腺癌患者进行分层,对特定患者能够采取有效的治疗措施,为解决超过一半的肺腺癌患者对抗PD1/PD-L1免疫疗法无反应的问题,本发明提供一种标志物,用于精准预测肺腺癌患者预后,并为患者选择合适的免疫检查点抑制剂治疗提供了依据,可用于准确预测肺腺癌患者是否适合细胞毒性T淋巴细胞相关抗原4(CTLA4)或粘结构蛋白3(TIM3)抑制剂治疗。

本发明提供的技术方案具体如下:

第一方面,提供一种标志物,该标志物为白细胞介素-7受体(IL7R)、白介素5受体α(IL5RA)、白介素20受体β链抗体(IL20RB)、人白介素11(IL11)和白细胞介素22受体A1(IL22RA1)的组合,用于预测肺腺癌患者预后或判断肺腺癌患者是否适合靶向CTLA4或TIM3的免疫治疗方法。

第二方面,提供一种用于检测上述标志物的检测试剂,筛选出适合抗CTLA4或TIM3免疫检查点抑制剂治疗的肺腺癌人群,用于预测肺腺癌患者是否适合靶向CTLA4或TIM3的免疫治疗方法。

第三方面,提供一种包括上述检测试剂的试剂盒,用于预测肺腺癌患者预后或用于预测肺腺癌患者是否适合靶向CTLA4或TIM3的免疫治疗方法。

具体地,该试剂盒包括一个肺腺癌患者预后评分模型,该模型包括一个数学公式:风险评分=-0.09948×IL7R表达水平+-0.51191×IL5RA表达水平+0.09591×IL20RB表达水平+0.28446×IL11表达水平+0.2596×IL22RA1表达水平。

该试剂盒的预测方法包括如下步骤:

(1)检测肺腺癌患者样本中IL7R、IL5RA、IL20RB、IL11、IL22RA1的表达水平;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110942881.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top