一种基于单细胞转录组技术的肿瘤免疫治疗疗效

本发明涉及疾病疗效预测装置领域，尤其涉及一种基于单细胞转录组技术的肿瘤免疫治疗疗效预测装置。背景技术：1、研究显示，具有不同免疫微环境细胞类型构成特征的患者对同一种治疗方案往往具有不同的反应。目前肿瘤治疗疗效预测可以分为两类，一类是基于块转录数据的，一类是基于单细胞数据的。基于块转录组数据的方法可以进一步分为两类，一类是基于基因标志物表达量的，一类是基于反卷积算法的从块数据中推测细胞构成。基于块转录组数据的方法受到基因标志物细胞类型特异性的影响，因此不能十分精准地估计细胞类型构成特征。单细胞rna测序(scrna-seq)在帮助人们理解不同类型细胞对免疫疗法的响应方面取得了显著进展。因此，基于单细胞数据构建的模型应该会有助于提高疗效预测的可靠性。目前已有的研究都是基于治疗前已知细胞亚型的比例特征或者已知的免疫因子特征。2、目前的方法都是基于已有的先验知识，如何充分利用单细胞转录组数据中大量的隐藏信息构建更加可靠的免疫治疗预测模型是一个仍待解决的问题。3、因此，本领域的技术人员致力于开发一种更准确预测肿瘤免疫治疗疗效的方法。技术实现思路1、有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是，更准确地进行肿瘤免疫治疗疗效预测。2、为实现上述目的，本发明提供了一种基于单细胞转录组技术的肿瘤免疫治疗疗效预测装置，包括单细胞数据获取装置和处理装置，所述单细胞数据获取装置用于获取免疫治疗前后的单细胞数据，处理装置用于进行数据分析，进行肿瘤免疫治疗疗效预测，所述单细胞数据是指单细胞转录表达矩阵，其中每一行代表一个基因，每一列代表一个细胞。3、在本发明的较佳实施方式中，所述免疫治疗前后的单细胞数据包括治疗前的数据和治疗后的数据，所述治疗后的数据分别来自于病理判定为免疫治疗响应的患者和不响应的患者。4、在本发明的另一较佳实施方式中，所述处理装置首先对单细胞数据获取装置获取的单细胞数据进行处理，使用ogfsc工具包去掉噪声污染基因。5、在本发明的另一较佳实施方式中，进行治疗疗效预测前，所述处理装置对单细胞数据获取装置获取的所有单细胞数据一起进行主成分分析降维，保留前5个主成分。6、在本发明的另一较佳实施方式中，所述处理装置分别比较治疗前和治疗后响应的样本数据，以及治疗前和治疗后不响应的样本数据，用于进行肿瘤免疫治疗疗效预测。7、在本发明的另一较佳实施方式中，所述处理装置分别比较治疗前和治疗后响应的样本数据，以及治疗前和治疗后不响应的样本数据具体包括，分别对于治疗前的样本数据和治疗后的样本数据进行高斯混合模型即gmm聚类分析。8、在本发明的另一较佳实施方式中，所述gmm参数πk,μk和σk使用如下公式进行训练，直到获得最大似然：9、10、11、12、13、其中n表示细胞第n个细胞，k为指定高斯模型的索引，表示由均值μ和方差σ所确定的高斯分布模型。代表细胞xn在高斯混合模型中第k个高斯模型中的似然值，14、构建gmm后，根据最大似然标准，每个细胞被分配到一个高斯模型，15、16、使用kl散度分别度量每一对来自于治疗前的样本和治疗后样本的高斯聚类群之间的距离，即各自一个高斯模型，两个高斯模型和17、之间的kl散度可以计算为：18、19、其中tr()表示矩阵的迹，-1是矩阵的逆，t是矩阵的转置；20、如果21、22、且23、24、其中k1和k2分别代表治疗前、后单细胞数据中的高斯模型数目。定义为配对的，识别出配对的高斯模型并将细胞分配到特定的高斯模型后，通过以下方式区分治疗前样本中未变化和变化的细胞：25、26、和分别代表治疗前和后样本单细数据训练的高斯模型，一个细胞被定义为不变化代表这个细胞在治疗前后不会有生物学意义上的状态变化。27、在本发明的另一较佳实施方式中，所述处理装置通过比较治疗前和治疗后响应的样本数据，得到的治疗前样本中不变化的细胞记为r_like，通过比较治疗前和治疗后不响应的样本数据，得到的治疗前样本中不变化的细胞记为nr_like，使用r_like/nr_like的比值作为每一个患者的免疫治疗疗效预测参数。28、在本发明的另一较佳实施方式中，所述处理装置使用训练数据集估计r_like/nr_like的阈值用以区分响应和不响应患者，超过阈值的患者预测为免疫治疗响应患者，反之为不响应患者。29、在本发明的另一较佳实施方式中，对于待检测患者，采集治疗前的单细胞数据与数据库中治疗前的单细胞数据集合并，并利用计算得到的待检测患者中的r_like/nr_like比值，并跟阈值相比较，得出预测结果。30、技术效果31、本发明区别于传统单细胞分析方法每次只能考虑一种表型的区别，比如治疗前/后，响应/不响应，本发明的模型同时考虑多种表型，新模型同时考虑治疗前后的细胞转录组变化以及响应/不响应患者间的区别。数学推导证明使用kl散度可以度量2群细胞间是否有生物学波动，使用kl散度比较治疗前后的细胞转录谱状态时，可以区别免疫治疗干预影响到的细胞和没有受到影响的细胞，本发明‘无视’治疗前后非匹配样本的批次效应以及其它随机波动，以精准区分治疗前后变化的/非变化的细胞，而精准计算非变化的细胞的数量保证预测模型可靠性。32、以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。技术特征：1.一种基于单细胞转录组技术的肿瘤免疫治疗疗效预测装置，其特征在于，包括单细胞数据获取装置和处理装置，所述单细胞数据获取装置用于获取免疫治疗前后的单细胞数据，处理装置用于进行数据分析，进行肿瘤免疫治疗疗效预测，所述单细胞数据是指单细胞转录表达矩阵，其中每一行代表一个基因，每一列代表一个细胞。2.如权利要求1所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述免疫治疗前后的单细胞数据包括治疗前的数据和治疗后的数据，所述治疗后的数据分别来自于病理判定为免疫治疗响应的患者和不响应的患者。3.如权利要求2所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述处理装置首先对单细胞数据获取装置获取的单细胞数据进行处理，使用ogfsc工具包去掉噪声污染基因。4.如权利要求3所述的肿瘤免疫治疗疗效预测装置，其特征在于，进行治疗疗效预测前，所述处理装置对单细胞数据获取装置获取的所有单细胞数据一起进行主成分分析降维，保留前5个主成分。5.如权利要求4所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述处理装置分别比较治疗前和治疗后响应的样本数据，以及治疗前和治疗后不响应的样本数据，用于进行肿瘤免疫治疗疗效预测。6.如权利要求5所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述处理装置分别比较治疗前和治疗后响应的样本数据，以及治疗前和治疗后不响应的样本数据具体包括，分别对于治疗前的样本数据和治疗后的样本数据进行高斯混合模型即gmm聚类分析。7.如权利要求6所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述gmm参数πk,μk和σk使用如下公式进行训练，直到获得最大似然：8.如权利要求7所述的的肿瘤免疫治疗疗效预测装置，其特征在于，所述处理装置通过比较治疗前和治疗后响应的样本数据，得到的治疗前样本中不变化的细胞记为r_like，通过比较治疗前和治疗后不响应的样本数据，得到的治疗前样本中不变化的细胞记为nr_like，使用r_like/nr_like的比值作为每一个患者的免疫治疗疗效预测参数。9.如权利要求8所述的肿瘤免疫治疗疗效预测装置，其特征在于，所述处理装置使用训练数据集估计r_like/nr_like的阈值用以区分响应和不响应患者，超过阈值的患者预测为免疫治疗响应患者，反之为不响应患者。10.如权利要求9所述的肿瘤免疫治疗疗效预测装置，其特征在于，对于待检测患者，采集治疗前的单细胞数据与数据库中治疗前的单细胞数据集合并，并利用计算得到的待检测患者中的r_like/nr_like比值，并跟阈值相比较，得出预测结果。技术总结本发明公开了一种基于单细胞转录组技术的肿瘤免疫治疗疗效预测装置，包括单细胞数据获取装置和处理装置，所述单细胞数据获取装置用于获取免疫治疗前后的单细胞数据，处理装置用于进行数据分析，进行肿瘤免疫治疗疗效预测，所述装置通过采集免疫治疗前后的单细胞数据，所述单细胞数据是指单细胞转录表达矩阵，分别对于治疗前的样本数据和治疗后的样本数据进行高斯混合模型即GMM聚类分析，使用KL散度分别度量每一对来自于治疗前的样本和治疗后样本的高斯聚类群之间的距离，区分治疗前样本中未变化和变化的细胞，使用治疗后响应的和不响应的样本数据的获得的治疗前未变化的细胞的比值与阈值比较进行疗效预测，使得预测模型更加准确。技术研发人员：曹静琪受保护的技术使用者：上海谷艾生物科技有限公司技术研发日：技术公布日：2024/8/15