本发明涉及医学诊断标志物，更具体地，涉及一种用于预测肿瘤治疗持久性耐药及临床生存期的标志物及其应用。
背景技术：
1、目前，恶性肿瘤是全世界主要死亡原因之一。除手术根治外，药物治疗是对抗癌症的主要手段。然而肿瘤的耐药和复发是癌症治疗失败的主要原因。肺癌病人在使用egfr-tki吉非替尼治疗一年左右，大部分患者不可逆地发展为tki耐药；对索拉非尼初始治疗敏感的肝癌病人在治疗6个月左右产生获得性耐药；brafv600mut的黑色素瘤患者即使使用brafi和meki协同治疗，少于20％的患者生存期能超过五年，因此肿瘤耐药是目前临床上亟需克服的一大挑战。然而越来越多研究表明，除了肿瘤的遗传性耐药外，可逆的非遗传性耐药在肿瘤临床最终耐药和复发中起到重要作用，这群非遗传性耐药肿瘤细胞被科学家们称为“持久性耐药肿瘤细胞”(drug tolerance persister cancer cells，dtp)，它们在治疗药物的致死压力下获得短暂的生存优势，从而在持久状态下逐渐获得与耐药相关的基因组的改变，最终发展为不可逆的耐药细胞。可见，持久性耐药肿瘤细胞(dtp)实际上是耐药细胞的“储备库”，是肿瘤耐药复发的一大“元凶”。然而目前针对dtp的临床治疗方法和有效治疗药物尚未建立，能检测肿瘤治疗时发生这种持久性耐药的分子标志物和标记基因也尚未建立。
技术实现思路
1、本发明的目的在于克服现有技术中缺少预测肿瘤治疗持久性耐药及临床生存期的分子标记和检测手段的缺陷和不足，提供一组用于预测肿瘤治疗持久性耐药和临床生存期的标志物。
2、本发明的第二个目的在于提供所述标志物的应用。
3、本发明的上述目的是通过以下技术方案给予实现的：
4、本发明首先提供一组用于预测肿瘤治疗持久性耐药及临床生存期的标志物组合，所述标志物组合由edil3、arhgef37、map2、tmem132b、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、lmo1、nov、grik2、gria2、snai2、ly96、alpp、igfl1、best3、il13或ntf4这23个基因中的至少16个组成。
5、其中：
6、edil3为egf样重复和盘蛋白i样域3(egf-like repeats and discoidin i-likedomains 3)基因；
7、arhgef37为鸟嘌呤核苷酸交换因子37(rho guanine nucleotide exchangefactor 37)基因；
8、map2为微管关联蛋白2(microtubule-associated protein 2)基因；
9、tmem132b为跨膜蛋白132b(transmembrane protein 132b)基因；
10、tspan10为四旋蛋白10(tetraspanin 10)基因；
11、fam71f2为高尔基体相关rab2相互作用体1a(golgi associated rab2interactor1a)基因；
12、psors1c1牛皮癣易感1候选基因1(psoriasis susceptibility 1 candidate 1)基因；
13、foxd4为叉头框d4(forkhead box d4)基因；
14、gdap1l1为神经节苷脂引导分化关联蛋白1样1(gangliosideinduceddifferentiation-associated protein 1-like 1)基因；
15、tmem52b为跨膜蛋白52b(transmembrane protein 52b)基因；
16、scin肌切蛋白(scinderin)基因；
17、kif26b为驱动蛋白家族成员26b(kinesin family member 26b)基因；
18、lmo1为lim域特有1(斜方蛋白1)(lim domain only 1(rhombotin 1))基因；
19、nov为肾母细胞瘤过度表达(nephroblastoma over-expressed gene)基因；
20、grik2为谷氨酸受体，离子型，红藻氨酸2(glutamate receptor,ionotropic,kainate 2)基因；
21、gria2为谷氨酸离子型受体ampa亚基2(ampa 2 glutamate receptor,ionotropic,ampa 2)基因；
22、snai2为蜗牛同源物2(果蝇)snail homolog 2(drosophila)核基因；
23、ly96为淋巴细胞抗原96(lymphocyte antigen 96)基因；
24、alpp为碱性磷酸酶，胎盘(regan同工酶)(alkaline phosphatase,placental(regan isozyme))基因；
25、igfl1为胰岛素生长因子样家族成员1(insulin growth factorlike familymember 1)基因；
26、best3为玻璃样黄斑营养不良症2样蛋白3(vitelliform macular dystrophy2-like protein 3)基因；
27、il13为白细胞介素13(interleukin 13)基因；
28、ntf4为神经营养因子4(neurotrophin 4)基因。
29、本发明发现了一种由23个基因组成的基因集合，在多种癌症接受临床药物治疗发生持久性耐药时，该基因集合中的基因表达量显著上调，且这种异常高表达与肿瘤患者临床生存期缩短、不良预后显著相关。因此，这种由23个基因组成的基因集合可作为预测肿瘤治疗持久性耐药及临床生存、不良预后的分子检测标记。由于目前临床肿瘤治疗经常会发生治疗耐药和复发，而肿瘤治疗持久性耐药是发展为肿瘤最终耐药的“前奏”，但预测肿瘤治疗持久性耐药发生的分子标记和检测手段尚未建立。本发明提供一种预测肿瘤治疗持久性耐药及临床生存期的基因集合，通过检测肿瘤患者中这种基因集合的表达量能预测肿瘤临床治疗时持久性耐药的发生概率或风险，及肿瘤患者临床总生存期，从而帮助及时调整肿瘤临床治疗方案，延缓肿瘤治疗最终耐药的发生，提高临床总生存期。
30、进一步地，所述标志物组合由arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13这16个基因组成，利用这16个基因集合可构建用于预测肿瘤治疗持久性耐药及临床生存期的风险模型。
31、本发明还提供上述任一所述标志物组合在构建预测肿瘤治疗持久性耐药及临床生存期的风险评估模型或系统中的应用。
32、本发明还提供一种用于预测肿瘤治疗持久性耐药及临床生存期的风险评估模型，所述风险评估模型通过标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的表达量与对应系数的乘积之和构成的风险值公式来获得肿瘤患者的风险值分，风险值＝(-0.1150×arhgef37)+(0.0470×map2)+(-0.0491×tspan10)+(-0.0176×fam71f2)+(0.0240×psors1c1)+(-0.0813×foxd4)+(-0.0058×gdap1l1)+(-0.0587×tme m52b)+(-0.0122×scin)+(-0.0300×kif26b)+(0.0201×nov)+(-0.0349×gria2)+(0.0734×ly96)+(0.0877×alpp)+(0.0547×best3)+(0.0395×il13)。
33、本发明还提供一种于预测肿瘤治疗持久性耐药及临床生存期的风险评分系统，所述系统包括数据输入模块、模型计算模块和结果输出模块，所述的模型计算模块通过评分公式计算标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的基因表达量与对应系数的乘积之和构成的风险值公式来获得肿瘤患者的风险分值，风险值＝(-0.1150×arhgef37)+(0.0470×map2)+(-0.0491×tspan10)+(-0.0176×fam71f2)+(0.0240×psors1c1)+(-0.0813×foxd4)+(-0.0058×gdap1l1)+(-0.0587×tme m52b)+(-0.0122×scin)+(-0.0300×kif26b)+(0.0201×nov)+(-0.0349×gria2)+(0.0734×ly96)+(0.0877×alpp)+(0.0547×best3)+(0.0395×il13)。
34、具体地，所述的数据输入模块用于将患者标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的基因表达量输入模型计算模块。
35、所述上述标志物的基因表达量可通过本领域常规的技术手段获得，例如测序，定量pcr检测等。
36、具体地，所述的模型计算模块还包括将所述的模型计算模块中获得的风险值与阈值相比，阈值设定为0，当用于预测肿瘤治疗持久性耐药时，若分值大于阈值为高风险组，分值小于阈值为低风险组；当用于预测临床生存不良预后时，若分值大于阈值则生存期较短，分值小于阈值则生存期较长。
37、本发明还提供上述任一所述标志物在制备预测肿瘤治疗持久性耐药及临床生存期的试剂盒中的应用。
38、进一步地，所述肿瘤治疗持久性耐药中的药物包括但不限于吉非替尼、维莫非尼、曲美替尼或拉帕替尼中的任意一种。
39、进一步地，所述肿瘤包括但不限于非小细胞肺癌、黑色素瘤或乳腺癌中的任意一种。
40、本发明还提供一种用于预测肿瘤治疗持久性耐药及临床生存期的试剂盒，所述试剂盒还含有检测上述任一所述标志物组合基因表达量的试剂。
41、本发明还提供所述23个基因组成的基因集合作为抗肿瘤治疗持久性耐药和肿瘤最终耐药的治疗靶点和药物开发靶点在制备抗肿瘤治疗持久性耐药的药物中的应用。肿瘤治疗耐药和复发是临床肿瘤治疗的最大障碍，目前越来越多研究集中于探索肿瘤治疗耐药和复发的发生机制，并致力于开发对抗肿瘤治疗耐药的新靶点和药物分子。本发明从肿瘤治疗持久性耐药研究出发，寻找到一种由23个基因组成的基因集合，在肿瘤治疗持久性耐药发生中异常表达，这种异常高表达并与临床肿瘤生存期缩短显著相关。因此，这种由23个基因组成的基因集合或可作为对抗肿瘤治疗持久性耐药和肿瘤最终耐药的治疗靶点和药物开发靶点。
42、与现有技术相比，本发明具有以下有益效果：
43、本发明提供了一种用于预测肿瘤治疗持久性耐药及临床生存期的标志物。所述标志物在多种癌症接受临床药物治疗发生持久性耐药时显著上调，且与肿瘤患者临床生存期缩短、不良预后显著相关。可通过检测肿瘤患者中所述标志物的表达量来预测肿瘤临床治疗时持久性耐药的发生，及肿瘤患者临床总生存期，从而帮助及时调整肿瘤临床治疗方案，延缓肿瘤治疗最终耐药的发生。
1.一组用于预测肿瘤治疗持久性耐药及临床生存期的标志物组合，其特征在于，所述标志物组合由edil3、arhgef37、map2、tmem132b、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、lmo1、nov、grik2、gria2、snai2、ly96、alpp、igfl1、best3、il13或ntf4这23个基因中的至少16个组成。
2.根据权利要求1所述的标志物组合，其特征在于，所述标志物组合由arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13组成。
3.权利要求1或2所述标志物组合在构建用于预测肿瘤治疗持久性耐药及临床生存期的风险评估模型或系统中的应用。
4.一种用于预测肿瘤治疗持久性耐药及临床生存期的风险评估模型，其特征在于，通过标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的表达量与对应系数的乘积之和构成的风险值公式来获得肿瘤患者的风险分值，风险值＝(-0.1150×arhgef37)+(0.0470×map2)+(-0.0491×tspan10)+(-0.0176×fam71f2)+(0.0240×psors1c1)+(-0.0813×foxd4)+(-0.0058×gdap1l1)+(-0.0587×tme m52b)+(-0.0122×scin)+(-0.0300×kif26b)+(0.0201×nov)+(-0.0349×gria2)+(0.0734×ly96)+(0.0877×alpp)+(0.0547×best3)+(0.0395×il13)。
5.一种于用于预测肿瘤治疗持久性耐药及临床生存期的风险评分系统，其特征在于，包括数据输入模块、模型计算模块和结果输出模块，所述的模型计算模块通过评分公式计算标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的基因表达量与对应系数的乘积之和构成的风险值公式来获得肿瘤患者的风险分值，风险值＝(-0.1150×arhgef37)+(0.0470×map2)+(-0.0491×tspan10)+(-0.0176×fam71f2)+(0.0240×psors1c1)+(-0.0813×foxd4)+(-0.0058×gdap1l1)+(-0.0587×tme m52b)+(-0.0122×scin)+(-0.0300×kif26b)+(0.0201×nov)+(-0.0349×gria2)+(0.0734×ly96)+(0.0877×alpp)+(0.0547×best3)+(0.0395×il13)。
6.根据权利要求5所述系统，其特征在于，所述的数据输入模块用于将患者标志物arhgef37、map2、tspan10、fam71f2、psors1c1、foxd4、gdap1l1、tmem52b、scin、kif26b、nov、gria2、ly96、alpp、best3和il13的基因表达量输入模型计算模块。
7.根据权利要求5所述系统，其特征在于，所述的模型计算模块还包括将所述的模型计算模块中获得的风险值与阈值相比，阈值设定为0，当用于预测肿瘤治疗持久性耐药时，若分值大于阈值为高风险组，分值小于阈值为低风险组；当用于预测临床生存期时，若分值大于阈值则生存期较短，分值小于阈值则生存期较长。
8.权利要求1或2所述标志物在制备用于预测肿瘤治疗持久性耐药及临床生存期的试剂盒或在制备抗肿瘤治疗持久性耐药的药物中的应用。
9.根据权利要求3或8所述应用，其特征在于，所述肿瘤治疗持久性耐药中的药物为吉非替尼、维莫非尼、曲美替尼或拉帕替尼中的任意一种；所述肿瘤为非小细胞肺癌、黑色素瘤或乳腺癌中的任意一种。
10.一种用于预测肿瘤治疗持久性耐药及临床生存期的试剂盒，其特征在于，含有检测权利要求1或2所述标志物组合基因表达量的试剂。
