本发明涉及用于指导癌症免疫疗法的诊断学领域。更具体地，本发明提供了用于预测和/或确定受试者对免疫治疗剂治疗的应答的方法和试剂盒。
背景技术：
1、癌症是一个重大的公共卫生问题。2015年，欧盟有130万人死于癌症，相当于总死亡人数的四分之一以上(25.4％)。已经针对各种癌症设计出多种治疗方法。
2、免疫检查点抑制剂(ici)改变了许多肿瘤类型的治疗形势，特别是在转移性环境中。这些靶向细胞毒性t淋巴细胞抗原-4(ctla-4)和程序性细胞死亡-1(pd-1/pd-l1)的ici的开发显著地改善了多种癌症如黑素瘤和非小细胞肺癌(nsclc)的治疗。ici通过阻断免疫细胞和肿瘤细胞两者上存在的原型免疫检查点受体来增强抗肿瘤免疫力，并且表现出对t细胞功能的负调控。尽管这些抑制剂可以导致显著的应答，但癌症患者对ici治疗有不同应答。一些患者迅速改善并能够克服疾病，占所治疗患者的约25％至30％，但50％的所治疗患者却未见到持久有益效果。甚至更令人担忧，越来越多的研究显示，免疫疗法可以加速多个组织学中4％至29％范围内的显著患者亚群中的肿瘤进展，并导致所谓的超进展。
3、目前可用的诊断法不足以有效预后地鉴定哪些患者将要对免疫疗法(如ici疗法)产生应答，或者鉴定哪些患者将会经历超进展性疾病或是对ici疗法的无应答者。值得注意的是，可用的生物标志物或生物标志物组的准确度最多也低于52-58％，并且其并未提供对ici无应答性的根本生物学机制的深入见解。例如，wo2014151006提供了用于癌症中患者选择和预后的生物标志物。然而，该专利申请受限于预测患有疾病的个体对pd-l1轴结合拮抗剂治疗的应答性。wo2019012147提出了一种用于检测肿瘤浸润性cd8 t细胞的存在和密度的基于放射组学的生物标志物，以预测免疫疗法(诸如抗pd-1/pd-l1单一疗法)治疗的癌症患者的存活和/或治疗效率。us20180107786公开了一种基于肿瘤浸润性淋巴细胞、t细胞受体信号转导和突变负荷来生成免疫评分的方法。
4、因此，需要能够表征免疫肿瘤微环境的测定，以供伴随诊断开发和治疗决策。特别地，高度需要用于鉴定对免疫疗法治疗的应答者和无应答者的生物标志物。
技术实现思路
1、通过鉴定能够基于recist应答标准来预测受试者对免疫治疗剂的应答的生物标志物，发明人解决了预测和/或确定诊断患有癌症的受试者对免疫治疗剂治疗的应答的挑战。通过本发明，发明人因此鉴定了能够预测受试者是否对免疫治疗剂，更具体地免疫检查点抑制剂或免疫检查点抑制剂的组合的治疗有应答、部分应答或无应答的生物标志物。
2、因此，本发明的第一方面涉及用于确定和/或预测诊断患有癌症的受试者对免疫治疗剂治疗的应答的方法。所述方法基于对一种或多种生物标志物的表达水平的分析，更具体地基于对一种或多种蛋白编码基因的rna表达水平的分析，并且其中基于表达水平，预测受试者是否对免疫治疗剂应答。
3、因此，在本发明的实施方案中，提供了一种用于确定和/或预测诊断患有癌症的受试者对免疫治疗剂治疗的应答的方法，该方法包括分析至少3种生物标志物；优选地至少4种或5种，甚至更优选地至少10种来自由以下组成的列表的生物标志物的表达水平：cd247、lax1、ikzf3、itgal、cd3g、cd3e、cxcr6、slamf7、myo1g、tigit、icos、clec4c、cxcr3、tlr8、fcgr2a、ido1、traf3ip3、pik3cd、iglv1.36、trav14dv4、traj16、ighv1.3、ighv4.28、ighv4.31、ighv4.4。
4、在本发明的另一个实施方案中，提供了一种用于确定和/或预测诊断患有癌症的受试者对免疫治疗剂治疗的应答的方法，所述方法包括分析至少3种生物标志物；优选地至少4种或5种，甚至更优选地至少10种来自由以下组成的列表的生物标志物的表达水平：cd247、lax1、ikzf3、cd3g、itgal、cd3e、tigit、pik3cd、ighv1.3以及ighv4.4。
5、在另一个实施方案中，在含有或怀疑含有肿瘤细胞的受试者的样本中对生物标志物cd247、lax1以及ikzf3的表达水平进行分析，并且这些生物标志物的表达水平用于确定和/或预测受试者中对免疫治疗剂治疗的应答。在又一个实施方案中，结合生物标志物cd3g和itgal的表达水平，在含有或怀疑含有肿瘤细胞的受试者的样本中对生物标志物cd247、lax1以及ikzf3的表达水平进行分析。在再一个实施方案中，结合生物标志物cd3e、tigit、pik3cd、ighv1.3、ighv4.4中的至少2种；优选地至少4种；甚至更优选地全部的表达水平，在含有或怀疑含有肿瘤细胞的受试者的样本中对生物标志物cd247、lax1、ikzf3、cd3g和itgal的表达水平进行分析。
6、在该方法的一些实施方案中，将所分析生物标志物的表达水平与相应的参考值或阈值进行比较，该参考值或阈值是对免疫治疗剂的治疗具有已知应答的受试者的特征。
7、在一些实施方案中，本发明的方法进一步包括基于所分析生物标志物的表达水平，获得了风险评分，所述风险评分代表受试者中对免疫治疗剂的治疗产生应答的可能性。
8、在一些实施方案中，应答是recist1.1标准应答，如早期死亡(ed)、进行性疾病(pd)、稳定疾病(sd)、部分应答(pr)，以及完全应答(cr)。
9、在另一方面，提供了一种用于确定和/或预测受试者对免疫治疗剂的应答的试剂盒。所述试剂盒包含用于测量受试者的样本中至少3种；优选地至少5种，甚至更优选地至少10种选自由cd247、lax1、ikzf3、itgal、cd3g、cd3e、cxcr6、slamf7、myo1g、tigit、icos、clec4c、cxcr3、tlr8、fcgr2a、ido1、traf3ip3、pik3cd、iglv1.36、trav14dv4、traj16、ighv1.3、ighv4.28、ighv4.31、ighv4.4组成的列表的生物标志物的表达水平的装置；以及任选地，用于选自由cd247、lax1、ikzf3、itgal、cd3g、cd3e、cxcr6、slamf7、myo1g、tigit、icos、clec4c、cxcr3、tlr8、fcgr2a、ido1、traf3ip3、pik3cd、iglv1.36、trav14dv4、traj16、ighv1.3、ighv4.28、ighv4.31、ighv4.4组成的列表的这些生物标志物中的至少3种；优选地至少5种，甚至更优选地至少10种的参考值或阈值。还公开了所述试剂盒在用于确定和/或预测诊断患有癌症的受试者是否易于对免疫治疗剂的治疗产生应答的方法中的用途。
10、在一些实施方案中，本技术的方法的特征进一步在于，风险评分使用预训练机器学习模型以及使用生物标志物的表达水平作为输入值来获得和计算。特别地，风险评分由机器学习模型产生，该模型使用生物标志物签名的标准化表达水平作为输入数据。更具体地，机器学习模型使用预训练的架构来计算从0到1的风险评分。
11、在一些实施方案中，提供了一种用于监测、预测或确定诊断患有癌症的受试者对免疫治疗剂的治疗的应答的计算机实现的方法。所述方法包括：(a)提供受试者样本的选自由cd247、lax1、ikzf3、itgal、cd3g、cd3e、cxcr6、slamf7、myo1g、tigit、icos、clec4c、cxcr3、tlr8、fcgr2a、ido1、traf3ip3、pik3cd、iglv1.36、trav14dv4、traj16、ighv1.3、ighv4.28、ighv4.31、ighv4.4组成的列表的生物标志物中的至少3种；优选地至少5种；甚至更优选地至少10种的量化表达水平，其中该样本含有或怀疑含有肿瘤细胞；(b)对量化表达水平进行标准化，由此标准化经由与从来自参考集的相应评估和表达水平获得的数据进行比较来进行；(c)对步骤(a)的标准化值是否超过预定阈值进行分类；(d)获得所述标准化值的风险评分，其中所述风险评分使用预训练机器学习模型来计算，并且其中风险评分代表受试者对免疫治疗剂的应答的可能性。
12、在一些实施方案中，提供了一种用于监测、预测或确定受试者对免疫治疗剂的治疗的应答的计算机实现的方法。所述方法包括：(a)提供受试者的样本的生物标志物cd247、lax1以及ikzf3的量化表达水平，其中该样本含有或怀疑含有肿瘤细胞；(b)任选地提供受试者的样本的生物标志物cd3g和itgal的量化表达水平，其中该样本含有或怀疑含有肿瘤细胞；并且/或者提供生物标志物cd3e、tigit、pik3cd、ighv1.3、ighv4.4的量化表达水平；(c)对量化表达水平进行标准化，由此标准化经由与从来自参考集的相应评估和表达水平获得的数据进行比较来进行；(d)对步骤(c)的标准化值是否超过预定阈值进行分类；(e)获得所述标准化值的风险评分，其中所述风险评分使用预训练机器学习模型来计算，并且其中风险评分代表受试者对免疫治疗剂的应答的可能性。
13、在一些实施方案中，根据本技术的方法的特征在于，免疫治疗剂是免疫检查点抑制剂或几种不同免疫检查点抑制剂的组合。在一些另外优选的实施方案中，免疫治疗剂选自pd-1靶向剂、pd-l1靶向剂，以及ctla-4靶向剂、或它们的组合。在一些另外优选的实施方案中，pd-1靶向剂或pd-l1靶向剂与ctla-4靶向剂组合作为免疫治疗性治疗。
14、如上所概述，在本技术的方法中，对诊断患有癌症的受试者的样本进行分析，以量化一种或多种生物标志物；特别是一种或多种蛋白编码基因的表达水平。样本含有肿瘤细胞或怀疑含有肿瘤细胞。在一些实施方案中，样本含有肿瘤细胞。样本优选地是肿瘤组织样本或包含循环肿瘤细胞或怀疑包含肿瘤细胞的血液样本，如源于受试者；优选地诊断患有癌症的受试者的活检样本或液体活检样本。在一些实施方案中，样本是肿瘤组织样本。在一些实施方案中，样本是包含循环肿瘤细胞的血液样本。在一些实施方案中，样本是分离的循环肿瘤细胞的样本。在一些实施方案中，所述样本是源于诊断患有膀胱癌、肾癌、肝癌、肺癌、胰腺癌、前列腺癌、甲状腺癌、子宫癌、卵巢癌、结直肠癌、乳腺癌、头颈癌、皮肤癌的癌症患者；甚至更优选地诊断患有皮肤癌或黑素瘤、肺癌如肺腺癌、肺鳞状细胞癌、非小细胞肺癌(nsclc)的癌症患者的肿瘤组织样本。在优选的实施方案中，癌症是黑素瘤；优选地ii期、iii期或iv期黑素瘤。在一些实施方案中，所述样本是包含循环肿瘤细胞的血液样本或源于诊断患有膀胱癌、肾癌、肝癌、肺癌、胰腺癌、前列腺癌、甲状腺癌、子宫癌、卵巢癌、结直肠癌、乳腺癌、头颈癌、皮肤癌的癌症患者；甚至更优选地诊断患有皮肤癌或黑素瘤、肺癌如肺腺癌、肺鳞状细胞癌、或非小细胞肺癌(nsclc)的癌症患者的分离的循环肿瘤细胞的样本。在优选的实施方案中，癌症是黑素瘤。在一些另外优选的实施方案中，癌症是ii期、iii期或iv期黑素瘤。
1.用于确定和/或预测诊断患有癌症的受试者中对免疫治疗剂治疗的应答或抗性的方法，所述方法包括分析所述受试者的样本中生物标志物cd247、lax1和ikzf3的表达水平，其中所述样本含有或怀疑含有肿瘤细胞。
2.权利要求1所述的方法，其中所述免疫治疗剂是免疫检查点抑制剂或免疫检查点抑制剂的组合。
3.权利要求1或2所述的方法，其中所述免疫治疗剂选自由pd-1靶向剂、pd-l1靶向剂、ctla-1靶向剂以及它们的组合组成的组。
4.根据权利要求1至3中任一项所述的方法，其中所述样本是肿瘤组织样本或包含肿瘤细胞的流体样本。
5.根据权利要求4所述的方法，其中所述样本是肿瘤组织样本。
6.根据权利要求4所述的方法，其中所述样本是包含循环肿瘤细胞的血液样本。
7.权利要求1至6中任一项所述的方法，其进一步包括分析所述受试者的样本中生物标志物cd3g和itgal的表达水平。
8.根据前述权利要求中任一项所述的方法，其中对所述受试者的样本中的生物标志物cd3e、tigit、pik3cd、ighv1.3和ighv4.4中的至少2种，优选至少4种，甚至更优选全部的表达水平进行分析。
9.根据前述权利要求中任一项所述的方法，其中将所述生物标志物的表达水平与相应的参考值或阈值进行比较，所述参考值或阈值是对所述免疫治疗剂的治疗具有已知应答的受试者的特征。
10.根据前述权利要求中任一项所述的方法，其中基于所述生物标志物的表达水平获得风险评分，所述风险评分代表对所述免疫治疗剂应答的可能性。
11.根据权利要求10所述的方法，其中使用预训练机器学习模型以及所述生物标志物的表达水平作为输入值来获得和计算所述风险评分。
12.根据前述权利要求中任一项所述的方法，其中所述应答选自recist 1.1应答标准。
13.试剂盒在根据权利要求1至12中任一项所述的方法中的用途，所述试剂盒包含：
14.用免疫治疗剂治疗诊断患有癌症的受试者的方法，所述方法包括通过根据权利要求1至12中任一项所述的方法确定或预测所述受试者对所述免疫治疗剂的应答，并且如果发现所述受试者对所述免疫治疗剂的治疗有应答，则向所述受试者施用所述免疫治疗剂。
15.用于监测、预测或确定诊断患有癌症的受试者对免疫治疗剂治疗的应答的计算机实现方法，所述方法包括：
16.根据权利要求15所述的方法，其中所述免疫治疗剂是免疫检查点抑制剂或免疫检查点抑制剂的组合。
17.根据权利要求15或16所述的方法，其中所述免疫治疗剂选自由pd-1靶向剂、pd-l1靶向剂、ctla-4靶向剂及它们的组合组成的组。
18.根据权利要求17所述的方法，其中所述样本是肿瘤组织样本或包含肿瘤细胞的流体样本。
19.根据权利要求18所述的方法，其中所述样本是肿瘤组织样本。
20.根据权利要求19所述的方法，其中所述样本是包含循环肿瘤细胞的血液样本。
21.根据前述权利要求1至12、或14至20中任一项所述的方法，或权利要求13所述的用途，其中所述生物标志物是蛋白编码基因，特别地其中所述生物标志物的表达水平是基于rna的所述蛋白编码基因的表达水平。
22.根据前述权利要求1至12、或14至20中任一项所述的方法，或权利要求13或21所述的用途，其中所述受试者诊断患有黑素瘤；优选地诊断患有ii期、iii期或iv期黑素瘤。
