一种预测BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性的方法及应用

摘要

本发明公开了一种预测BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性的方法，属于生物医药技术领域。本发明公开的方法通过样本氨基酸代谢、脂肪酸代谢和糖酵解水平来建立模型，将急性髓系白血病患者分成四类，并通过药敏数据库分析，确定三类‑中代谢对于维奈托克靶向治疗敏感，四类‑高代谢对于维奈托克靶向治疗抵抗。该方法能够高效的评估和识别出对维奈托克敏感或耐药的患者，并根据四类耐药患者的代谢特征，为其提供维奈托克联用乙莫克舍的用药方案来改善治疗效果，为分析急性髓系白血病患者对维奈托克的治疗敏感性并给予个体化治疗提供一种工具。

说明书

技术领域

本发明所属生物医药技术领域。具体涉及一种预测BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性的方法。

背景技术

急性髓细胞性白血病（AML）是一种造血来源的肿瘤，其特征在于克隆增殖，分化阻滞和抑制恶性干细胞或祖细胞的凋亡。AML具有较差的临床预后，死亡率高，其总的5年生存率不足50%。标准化疗方案作为主要的治疗手段，但标准化疗方案有时无法达到完全缓解（CR），CR后还可能会复发。目前提出了BCL2抑制剂维奈托克（venetoclax）这一新型靶向药的治疗方案，取得了较好的疗效，但仍然存在耐药的情况。因此，通过一定手段来预判急性髓细胞白血病患者对维奈托克的敏感性对患者的个体化高效治疗具有重要的意义。

近年来，代谢重编程已经被公认为肿瘤的基本特征。早先提出的Warburg效应表明，癌细胞主要通过有氧糖酵解的方式来为其提供快速增殖的能量；近期的研究发现，线粒体代谢对肿瘤的生长同样有着至关重要的作用，而维奈托克则是通过靶向氨基酸代谢进而影响线粒体代谢来发挥杀伤肿瘤的作用，脂肪酸代谢和糖酵解作为线粒体代谢的原料来源，可能同样对维奈托克的敏感性产生影响。

发明内容

针对上述问题，本发明提供一种预测BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性的方法。目前维奈托克的治疗在急性髓系白血病患者中存在一定的耐药情况，而这种耐药很大程度上与AML中的代谢状态相关，本专利中的预测方法可以通过氨基酸代谢、脂肪酸代谢和糖酵解水平来区分敏感和耐药的患者，并且根据耐药患者的代谢特征来解决耐药的问题。

为了实现上述目的，本发明提供了如下技术方案。

本发明提供了一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测方法，其特征在于，包括以下步骤：

步骤1：获取训练样本数据集，从VIZOME，AML数据库获得训练样本数据集；

步骤2：从GSEA官网下载脂肪酸代谢，氨基酸代谢和糖酵解相关的基因集，从步骤一的基因表达RPKM数据中提取VIZOME，AML数据三种基因集中基因的表达数据，计算每个基因集的ssGSEA评分；

步骤3：根据三个基因集的评分高低特征对VIZOME，AML数据进行分类，提取步骤二中的三个基因集的评分，利用K-均值聚类，对训练样本数据集进行分类；

步骤4：四类氧化磷酸化代谢水平高低确定，利用ssGSEA算法以GSEA官网上得到的氧化磷酸化基因集为范围，计算每例样本的氧化磷酸化代谢水平评分，根据表达相对强弱，把样本定义为一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）、三类-中代谢（氨基酸代谢为主）、四类-高代谢；

步骤5：从VIZOME，AML药敏数据库中获得维奈托克敏感性数据，比较维奈托克的AUC值在四类中的大小，确定三类-中代谢（氨基酸代谢为主）对维奈托克敏感，一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）和四类-高代谢对维奈托克抵抗；

步骤6：获得待测样本的基因表达数据，利用R语言预编译包sva包对待测样本的基因表达数据和VIZOME，AML数据库中的基因表达数据进行去批次，计算待测样本的脂肪酸代谢，氨基酸代谢和糖酵解评分，之后利用机器学习算法，根据脂肪酸代谢，氨基酸代谢和糖酵解评分表达模式，将待测样本分到与VIZOME数据库对应的类型中。

进一步地，步骤1中所述训练样本数据集包括急性髓系白血病患者每例样本的基因表达RPKM数据和临床信息数据。

进一步地，所述步骤3中K-均值聚类的参数设置为：模拟次数＝100，距离＝欧几里得距离，连接方式＝平均，聚类后根据一致性数据将聚类数设定为4。

进一步地，步骤6中所述利用机器学习算法为支持向量机（SVM）。

本发明还提供一种存储介质，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以实现以上所述一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测方法的步骤。

本发明还提供一种终端，其特征在于，包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现以上所述一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测方法的步骤。

本发明还提供一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测模型，其特征在于，通过如上所述一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测方法的步骤构建得到。

本发明还提供一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测方法装置，其特征在于，包括上述的一种BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性预测模型。

与现有技术相比本发明的有益效果。

1. 本发明首次利用患者的测序数据计算代谢水平，并根据脂肪酸代谢、氨基酸代谢和糖酵解代谢三项评分对AML患者进行聚类，将患者分为4类：一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）、三类-中代谢（氨基酸代谢为主）、四类-高代谢。

2. 本发明首次证实三类患者对维奈托克相对敏感，而一、二、四类患者对维奈托克相对耐药。

3. 本发明首次发现四类患者可通过联用脂肪酸代谢抑制剂乙莫克舍（etomoxir）来提高维奈托克的敏感性。

4. 本发明公开的方法能够高效的评估和识别出对维奈托克敏感或耐药的患者，并根据四类耐药患者的代谢特征，为其提供维奈托克联用乙莫克舍的用药方案来改善治疗效果，为分析急性髓系白血病患者对维奈托克的治疗敏感性并给予个体化治疗提供一种工具。

附图说明

图1是一种预测急性髓系白血病患者对维奈托克敏感性的方法的流程示意图。

图2是AML细胞系中预测敏感性验证及联合治疗的效果验证。其中，图A为两个细胞系对维奈托克相对敏感性，图B为KASUMI-1联合乙莫克舍可提高维奈托克敏感性。

图3是TCGA数据库中急性髓系白血病患者对维奈托克敏感性分类预测图。

具体实施方式

下面结合具体实施例对本发明做详细的说明。以下实施例将有助于对本发明的了解，但这些实施例仅为了对本发明加以说明，本发明并不限于这些内容。在实施例中的操作方法均为本技术领域常规操作方法。

实施例1。

一种预测BCL2抑制剂维奈托克在急性髓系白血病中治疗敏感性的方法，具体步骤如下（图1）。

步骤一：获取训练样本数据集，从VIZOME，AML数据库获得训练样本数据集，所述训练样本数据集包括急性髓系白血病患者共211例数据，所述211例数据包含每例样本的基因表达RPKM数据和临床信息数据。

步骤二：从GSEA官网下载脂肪酸代谢，氨基酸代谢和糖酵解相关的基因集，从步骤一的基因表达RPKM数据中提取VIZOME，AML数据三种基因集中基因的表达数据，计算每个基因集的ssGSEA评分。

步骤三：根据三个基因集的评分高低特征对VIZOME，AML数据进行分类，提取步骤二中的三个基因集的评分，利用K-均值聚类，对训练样本数据集进行分类。

步骤四：四类氧化磷酸化代谢水平高低确定，利用ssGSEA算法以GSEA官网上得到的氧化磷酸化基因集为范围，计算每例样本的氧化磷酸化代谢水平评分，根据表达相对强弱，把样本定义为一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）、三类-中代谢（氨基酸代谢为主）、四类-高代谢。

步骤五：对维奈托克敏感性分析，从VIZOME, AML药敏数据库中获得维奈托克敏感性数据，比较维奈托克的AUC值在四类中的大小，确定三类-中代谢（氨基酸代谢为主）对维奈托克敏感，一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）和四类-高代谢对维奈托克抵抗。

步骤六：待测样本的维奈托克敏感性分析，获得待测样本的基因表达数据，利用R语言预编译包sva包对待测样本的基因表达数据和VIZOME，AML数据库中的基因表达数据进行去批次，计算待测样本的脂肪酸代谢，氨基酸代谢和糖酵解评分，之后利用机器学习算法支持向量机（SVM），根据脂肪酸代谢，氨基酸代谢和糖酵解评分表达模式，将待测样本分到与VIZOME数据库对应的类型中。

实施例2 。

利用R语言预编译包sva包对GDSC数据库的基因表达数据和VIZOME，AML数据库中的基因表达数据进行去批次，计算GDSC数据库中的脂肪酸代谢，氨基酸代谢和糖酵解评分。之后利用机器学习算法支持向量机（SVM），根据脂肪酸代谢，氨基酸代谢和糖酵解评分表达模式，将GDSC数据库中的AML细胞系分成与VIZOME数据库相同的四类。通过计算GDSC数据库中的AML细胞系样本发现MOLM13细胞系属于三类，KASUMI-1细胞系属于四类；通过体外检测两个细胞系的IC50验证了MOLM13-三类对维奈托克相对敏感，而KASUMI-1-四类对维奈托克相对耐药；并验证对KASUMI-1联合应用脂肪酸代谢抑制剂乙莫克舍可提高维奈托克敏感性。

图2是AML细胞系中预测敏感性验证及联合治疗的效果验证。

实施例3 。

预测TCGA数据库中急性髓系白血病患者对维奈托克的敏感性：获得TCGA，AML的基因表达数据，利用R语言预编译包sva包对待测样本的基因表达数据和VIZOME，AML数据库中的基因表达数据进行去批次，计算待测样本的脂肪酸代谢，氨基酸代谢和糖酵解评分，之后利用机器学习算法支持向量机（SVM），根据脂肪酸代谢，氨基酸代谢和糖酵解评分表达模式，将待测样本分到与VIZOME数据库对应的类型中。

图3是TCGA数据库中急性髓系白血病患者对维奈托克敏感性分类预测图。其中，三类-中代谢（氨基酸代谢为主）对维奈托克敏感，一类-低代谢、二类-中代谢（脂肪酸代谢和糖酵解为主）和四类-高代谢对维奈托克抵抗。

以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，任何熟悉本发明的技术人员在不脱离本发明技术范围内，当可利用上述提示的技术内容做出些许变动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。