晚期肿瘤ctDNA动态变化判定方法及装置与流程

晚期肿瘤ctdna动态变化判定方法及装置
技术领域：
：1.本发明涉及生物医学
技术领域：
：，尤其涉及一种晚期肿瘤ctdna动态变化判定方法和装置。
背景技术：
：：2.循环肿瘤dna（ctdna）主要来源于肿瘤细胞的凋亡和坏死，在非小细胞肺癌（nsclc）中，血浆ctdna通常与肿瘤组织高度匹配，能很好地反映患者的肿瘤负荷，已被证实是组织检测的替代手段，有着与组织检测相当的临床指导价值。对于早期可手术患者，术后ctdna检测可灵敏地捕捉微小残留病灶，与传统影像学相比，可提前预警疾病复发，为后期治疗和干预提供有效参考信息。然而因为晚期癌症患者的组织样本不易获得，针对这类ctdna状态的鉴定存在不同的缺陷，例如ctdna的检出容易出现假阳性，导致对ctdna检测的准确性差。3.循环肿瘤dna（ctdna）目前被广泛应用于肿瘤患者的早期诊断、用药指导、耐药监测等多个方面。国内外多项研究数据均显示，检测ctdna可以对肺癌患者进行个体化复发风险分层，为后续干预措施的决策提供更多维度参考信息。大量研究表明，ctdna动态监测可作为早期患者的术后监测指标，也有望成为晚期患者治疗期间疗效评估的有效方式。因此一种能够基于对治疗前后血浆突变追踪有效分析ctdna动态变化的方法成为一种需求。技术实现要素：4.针对上述问题，本发明提供了一种基晚期肿瘤ctdna动态变化判定方法和装置，利用基于晚期肿瘤治疗前血浆和配对血细胞得到的突变序列追踪治疗后的血浆，从而对晚期肿瘤患者的ctdna动态变化进行准确的鉴定，以此实现对晚期治疗患者治疗的疗效进行预测。5.本发明提供的技术方案如下：一方面，本发明提供了一种晚期肿瘤ctdna动态变化判定方法，包括：获取晚期肿瘤患者治疗后血浆的测序数据；根据预先得到的突变序列对所述测序数据进行追踪得到显著性突变序列，所述预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到；根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析；根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。6.另一方面，本发明还提供了一种晚期肿瘤ctdna动态变化判定装置，包括：数据接收模块，用于获取晚期肿瘤患者治疗后血浆的测序数据；突变追踪模块，用于根据预先得到的突变序列对所述测序数据进行追踪得到显著性突变序列，所述预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到；动态分析模块，用于根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析；判定模块，用于根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。7.另一方面，本发明还提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时实现上述晚期肿瘤ctdna动态变化判定方法的步骤。8.另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述晚期肿瘤ctdna动态变化判定方法的步骤。9.本发明提供的晚期肿瘤ctdna动态变化判定方法和装置，首先根据晚期肿瘤治疗前血浆的测序数据获得符合过滤标准的突变序列；然后在晚期肿瘤血细胞治疗后血浆中追踪；最后通过差异化权重量化ctdna动态变化模型结合治疗前后血浆vaf的动态变化，鉴定肿瘤晚期治疗后血浆的ctdna状态。相对于现有技术，本发明对晚期肿瘤治疗后血浆的ctdna状态的判定具有较高的准确率，能够有效避免现有技术中容易出现假阳性的问题，可为进一步的临床诊疗提供指导方向，便捷、安全、有效，有效辅助癌症的治疗决策，提高治疗效率。同时，本发明基于晚期肿瘤治疗前血浆dna样本测序获得原始数据，可以弥补晚期肿瘤患者不能取组织样本的不足，降低了对测序样本的要求。附图说明10.下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术特征、优点及其实现方式予以进一步说明。11.图1为本发明的实施例中晚期肿瘤ctdna动态变化判定方法的流程图；图2为本发明中loess回归拟合vaf和std关系的展示；图3为本发明中重复样本中vaf呈正态分布的展示；图4为本发明中vaf的标准差和vaf以及测序深度相关的展示；图5为本发明中实施例中不同阈值的minverva-deltahazardratio比较；图6为本发明实施例中突变位点检出的灵敏性和特异性散点图；图7为本发明实施例中minverva-delta与预期肿瘤纯度变化一致性比较；图8为本发明实施例中对晚期肿瘤ctdna治疗前后血浆ctdna动态变化进行准确判定，可有效预测晚期肿瘤患者免疫治疗疗效的生存分析图；图9为本发明实施例中对晚期患者的治疗评效中影像学评效比较有争议的sd患者，minverva-delta也可以有进一步区分的生存分析图；图10为本发明实施例中晚期肿瘤ctdna变化量判定装置的框图；图11为本发明实施例中电子设备的框图。12.附图标记：100-ctdna动态变化判定装置，110-数据接收模块，120-突变追踪模块，130-动态分析模块，140-判定模块。具体实施方式13.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。14.本发明部分英文说明：ctdna：circulatingtumordna，循环肿瘤dnadenovo：新发突变检测方法genotyping：追踪已知突变的检测方法vaf：variantallelefrequency，变异频率supportreads/vsm：肿瘤样本的突变基因reads支持数depth：突变位点的去重后深度indel：insertiondeletion，插入缺失突变loess回归：是一种用于局部回归分析的非参数方法，用于拟合两个变量的关系kolmogorov–smirnov检验：一种非参数假设检验，主要是用来检验一组样本是否来自于某个概率分布，或者比较两组样本的分布是否相同fisher检验：费舍尔精确检验，是一种用于计算两个类别变量之间的相关性的非参数检验方法，用于检验两个类别变量之间是否存在显著的相关性。15.minerva-delta模型：差异化权重量化ctdna动态变化的模型molecularresponder：分子响应molecularnon-responder：分子未响应sd：stabledisease，疾病稳定hazardratio：指风险比,主要用于队列研究的生存分析progression-freesurvival(pfs)probability:无进展生存期生存概率overallsurvival(os)probability:总生存期生存概率本发明的一种实施例，一种晚期肿瘤ctdna动态变化判定方法，图1示出了该方法的流程图。结合图1所示，该方法包括：s10获取晚期肿瘤患者治疗后血浆的测序数据。16.晚期肿瘤患者为不可手术的患者，一般为iii-iv期并有局部转移的患者，晚期肿瘤范围包含肺鳞癌、胃癌、结直肠癌等其他癌种。应用中，可以基于一代、二代、三代基因测序技术对肿瘤治疗后血浆进行测序，得到测序数据。17.s20根据预先得到的突变序列对测序数据进行追踪得到显著性突变序列，预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到。18.在对晚期肿瘤ctdna的动态变化进行判定之前，需要针对晚期肿瘤治疗前血浆和配对血细胞（pbmc(peripheralbloodmononuclearcell)外周血单核细胞）的测序数据进行胚系突变和背景噪音的过滤以获得患者的血浆个性化突变图谱，以得到突变位点在治疗后血浆样本的突变频率vaf，便于后续追踪治疗后的血浆样本。应用中，可以基于一代、二代、三代基因测序技术对肿瘤治疗前血浆和配对血细胞进行测序，得到测序数据。过滤规则具体包括：1）过滤配对样本中的胚系突变点。19.2）过滤非白金名单等位基因频率vaf≥1%的突变点，白金名单为致癌基因突变中与实体瘤治疗相关的1a-2c类证据级别的变异点名单白，致癌基因（oncogene）突变由参考2017年asco（美国临床肿瘤学会）、amp（分子病理协会）、cap（美国病理学家协会）联合发布的《癌症序列变异解释和报告指南》筛选得到。20.3）过滤突变碱基supportreads》5的突变点。supportreads为肿瘤样本的突变基因reads支持数。21.4）过滤位点深度≥500x的突变点。22.5）过滤有链偏好性的突变。链偏好性具体表现为：当使用illumina高通量仪器进行短序列测序时，有些时候正链和负链显示的变异类型会显著不同，如，一个可能显示是纯合突变，一个可能显示是杂合突变。23.6）过滤基因类型为indel的突变点。24.7）过滤注释到黑名单的突变点，黑名单通过统计大量样本里某些突变位点出现的人群频率，如果出现的人群频率高，则将其添加入黑名单中。25.s30根据预先创建的差异化权重量化ctdna动态变化模型（minerva-delta模型）对治疗前后血浆ctdna的动态变化进行分析。26.minerva-delta模型通过追踪所有突变位点变化的加权求和，得到样本层面治疗前后两次血浆样本ctdna动态变化的定量值得到单个样本的minerva-delta值如式(1)-(2)：ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(2)其中，n表示预先得到的突变序列中突变点的数量，表示第i个突变点的位点权重，表示第i个突变点的治疗后vaf降低的比例（位点水平的动态变化），表示第i个突变点治疗后血浆基因的vaf值，表示第i个突变点治疗后血浆基因的vaf值。27.对于第i个突变点位点权重本发明给出以下7种实现方式：第一种方法，基于标准样品，使用loess回归拟合标准差（std）和vaf之间的关联关系，得到正态分布密度函数，进而计算落在正态分布两端的概率，根据权重公式得到位点的权重。28.由于测序和分析得到会有波动且呈正态分布，本方法中通过对标准品的测序数据使用loess回归拟合vaf和std的分布，如图2，横轴为vaf，纵轴为std，曲线为loess拟合的vaf和std的关系，从图中可以看出，在vaf值大约为50%时std最大。基于该拟合结果，可以用来预测单个突变位点的的std，得到正态分布密度函数，这样计算落在正态分布两端的概率，根据如下式的权重公式即可得到位点的权重：ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(3)其中，表示第k个突变点的差异显著性p-value。29.第二种方法，考虑std不仅和vaf相关，还和位点测序深度(depth)有关，该方法中根据标准差公式计算得到单个突变点的标准差，得到正态分布密度函数，进而计算落在正态分布两端的概率，根据如式(3)的权重公式得到位点的权重。30.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)其中，表示的标准差，表示治疗前血浆突变位点的去重后测序深度，表示第k个突变点的差异显著性p-value。31.以下对如上式（4）的标准差公式的由来进行说明，此后的几种方法中也使用到了该公式，不再赘述：由于测序和分析的原因造成vaf会存在一些正常的范围内的波动，通过实验测得标准品重复样本中突变位点的vaf分布得知vaf呈正态分布，图3为nras.p.q61k突变在439个重复样本中vaf分布的直方图，其中，横轴为vaf，纵轴为对应vaf值的样本数量count。通过模拟数据和标准品数据发现vaf的标准差与vaf水平和测序深度depth等因素有关，如图4所示横轴为vaf，纵轴为标准差std，其中，实线曲线表示测序深度depth为2000，虚线曲线表示测序深度depth为1000，点状曲线表示测序深度depth为500。从图中可以看出，vaf值接近50%（对应图中0.5）时标准差std最大和实际数据的分布符合，并且vaf的标准差std与测序深度depth有关，depth高的位点对应的vaf标准差std更小。通过数学推导得到如式(5)的的计算公式：ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(5)第三种方法，由于测序和分析方法得到的和会有波动且呈正态分布。该方法中，当不等于0时，根据标准差公式计算得到单个突变点和的标准差（如式(4)和(6)），进而得到和正态分布密度函数，进而使用kolmogorov–smirnov检验（ks校验）计算两个正态分布的差异显著性。当=0时，计算落在正态分布两端的概率，进而根据如式(3)的权重公式得到位点的权重。32.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(6)其中，表示的标准差，表示治疗后血浆突变位点的去重后测序深度。33.第四种方法，由于测序和分析方法得到的和会有波动且呈正态分布。该方法中，当不等于0时，根据标准差公式计算得到单个突变点和的标准差（如式(4)和(6)），得到和正态分布密度函数，计算两个正态分布交集占的比例。当=0时，计算落在正态分布两端的概率，进而根据如式(3)的权重公式得到位点的权重。34.第五种方法，根据治疗前后突变位点的支持reads数和depth，做fisher检验的显著性，根据如式(3)的权重公式得到位点的权重。35.第六种方法，计算治疗前后突变位点的，假设治疗前后突变位点的支持reads数vsm均服从关于的泊松分布，分别计算两侧和，相乘得到，根据权重公式得到位点的权重：36.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)若，则：为泊松分布中小于的概率，为大于的概率；若，则：为泊松分布中小于的概率，为大于的概率。37.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(8)其中，表示泊松分布左侧的p-value值，表示泊松分布右侧的p-value值；表示治疗前突变位点的支持reads数vsm，表示治疗后突变位点的支持reads数vsm，表示治疗前血浆突变位点去重后的测序深度，表示治疗后血浆突变位点去重后的测序深度；表示第k个突变点的差异显著性p-value。38.第七种方法，考虑和均呈正态分布，且等于0和不等于0时检验方法相同，本方法根据标准差公式计算得到单个突变点和的标准差（如式(4)和(6)），计算权重，并进行权重的标准化，使得样本中所有位点的权重之和为1，得到位点的权重，如式(9)-(11)：ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(9)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(10)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(11)其中，表示治疗前后突变位点vaf的变化量，表示的标准差，表示治疗前血浆突变位点的去重后测序深度，表示的标准差，表示治疗后血浆突变位点的去重后测序深度，n表示预先得到的突变序列中突变点的数量。39.s40根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。40.这里，通过样本层面治疗前后两次血浆样本的ctdna动态变化的定量值，判定晚期肿瘤患者治疗后血浆样本的分子响应状态。具体，当单个样本的minerva-delta值小于等于预设阈值，判定为分子响应组；当单个样本的minerva-delta值大于预设阈值，判定为分子不响应组。预设阈值可根据实际应用确定。基于如图5（横坐标表示minerva-delta阈值，纵坐标表示风险比）的实例，可以看出在使用虚线表示的pfs（无进展生存期）和使用实线表示的os（总生存期）两个维度，minerva-delta《=30%分组比上minerva-delta》30%的hazardratio(风险比)最低，因此确定minerva-delta30%可以作为肿瘤纯度显著变化的阈值，判定molecularresponder（minerva-delta《=30%）为分子响应组，molecularnon-responder(minerva-delta》30%)为分子未反应组，其中，分子响应组相比较分子不响应组，有显著更长的无进展生存期和整体生存期。41.以下通过一实例，对上述方法的效果进行说明：本实例通过分析性能验证的实验数据，对minerva-delta进行性能验证分析，在标准品数据中进行已知突变位点和未知突变位点的追踪，这里的未知突变位点是标准品各自的突变位点，已知突变位点是取得重复样本的共有突变，通过minerva-delta模型计算位点水平和样本水平的ctdna动态变化。42.1.1突变位点检出的灵敏性和特异性使用两种标准品数据分别覆盖低频和高频的变异频率的分布，一是，使用正常的二倍体细胞系gm12878对gw_ogtm006进行梯度稀释，gw_ogtm006共得到6个稀释梯度，按照热点突变理论突变频率的均值由高到低分别为：1%、0.5%、0.3%、0.1%、0.05%、0.03%。二是，采用南京科比奥生物科技有限公司的参考标准品ttmb-p1、ttmb-p2、ttmp-p3、ttmb-p4和ttmb-p5，并进行系列稀释，稀释比例为100%、30%、25%、20%和10%。43.基于本发明提到的已知突变位点和未知突变位点，对标准品数据进行分析，如图6所示（横坐标为vaf理论值，纵坐标为vaf实际值），绝对位点定量的ctdnavaf值与理论参考值具有高度一致性（r=0.94p-value《2.2e-16）并且可观察到，采用追踪的方式（图中三角形的点）可以获得更低频的突变信息。44.1.2minerva-delta准确性验证使用科佰tmb标准品和不同稀释梯度的样本，计算minerva-delta值与实际ctdna浓度变化量比较，如图7所示，横坐标为实际ctdna浓度变化量，纵坐标为minerva-delta值，从图中可以看出，在血浆肿瘤负荷动态变化的minerva-delta验证中，模型计算的ctdna含量变化与预期肿瘤纯度变化也有高度的线性相关，同时我们观察到动态变化定量与预期肿瘤纯度ratio的一致性很高。45.利用提供的方法得出的晚期肿瘤治疗后血浆中ctdna定量结果，根据是否大于等于30%判断为的分子响应组和不响应组，生存分析结果图8所示，其中，图8中的(a)表示无进展生存期(pfs)结果图，虚线表示分子响应组患者数量随时间变化曲线，实线表示分子不响应组患者数量随时间变化曲线；图8中的(b)表示总生存期（os）结果图，虚线表示分子响应组患者数量随时间变化曲线，实线表示分子不响应组患者数量随时间变化曲线。从图中可以看出，分子响应组的无进展生存期(pfs)和总生存期（os）都比不响应组患者长，可见对免疫治疗疗效有很好的预测结果。46.另外，在比较有争议的影像学评效为sd的晚期癌患者的生存分析结果显示如图9所示，其中，图9中的(a)表示无进展生存期(pfs)结果图，虚线表示分子响应组患者数量随时间变化曲线，实线表示分子不响应组患者数量随时间变化曲线；图9中的(b)表示总生存期（os）结果图，虚线表示分子响应组患者数量随时间变化曲线，实线表示分子不响应组患者数量随时间变化曲线。从图中可以看出，分子响应组的生存期长于分子不响应组，即minerva-delta也可以有进一步的区分。在这个亚组中可以看到，minerva-delta的方法能够对sd患者的进展风险进一步细化区分，可以使这部分患者的治疗决策得到更精准的个性化支持。47.与前述方法相对应的，本发明还提供了一种晚期肿瘤ctdna动态变化判定装置100，图10，包括：数据接收模块110，用于获取晚期肿瘤患者治疗后血浆的测序数据；突变追踪模块120，用于根据预先得到的突变序列对测序数据进行追踪得到显著性突变序列，预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到；动态分析模块130，用于根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析；判定模块140，用于根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。各模块的运行与前述方法相同，这里不做赘述。48.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。49.图11本发明一个实施例中提供的终端设备的结构示意图，如图所示，终端设备210终端设备包括：存储器211、处理器213以及存储在存储器211中并可在处理器213执行计算机程序212时实现上述基于晚期肿瘤ctdna动态变化判定方法实施例中的步骤，或者，处理器213执行计算机程序212现上述晚期肿瘤ctdna动态变化判定装置实施例中各模块的功能。50.终端设备210可以为笔记本、平板型计算机、手机等设备。但不仅限于处理器213、存储器211。本领域技术人员可以理解，图11仅仅是终端设备210的示例，并不构成对终端设备210的限定可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：终端设备210还可以包括输入输出设备、显示设备、网络接入设备、总线等。51.处理器213可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)等。通用处理器213可以是微处理器或者该处理器也可以是任何常规的处理器等。52.存储器211可以是终端设备210的内部存储单元，例如：终端设备210的硬盘或内存。存储器211也可以是终端设备210的外部存储设备，例如：终端设备210上配备的插接式硬盘，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，存储器211还可以既包括终端设备210的内部存储单元也包括外部存储设备。存储器211用于存储计算机程序212以及终端设备210所需要的其他程序和数据。存储器211还可以用于暂时地存储已经输出或者将要输出的数据。53.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。54.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。55.在本技术所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。56.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。57.另外，在本技术各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。58.集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序212发送指令给相关的硬件完成，计算机程序212可存储于一计算机可读存储介质中，该计算机程序212在被处理器213执行时，可实现上述各个方法实施例的步骤。其中，计算机程序212包括：计算机程序代码，计算机程序代码可以为源代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序212代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。59.应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本
技术领域：
：的普通相关人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12当前第1页12
技术特征：
1.一种晚期肿瘤ctdna动态变化判定方法，其特征在于，包括：获取晚期肿瘤患者治疗后血浆的测序数据；根据预先得到的突变序列对所述测序数据进行追踪得到显著性突变序列，所述预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到；根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析；根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。2.如权利要求1所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，所述预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对白细胞的测序数据过滤得到中，过滤规则包括：过滤配对样本中的胚系突变点；过滤非白金名单等位基因频率vaf≥1%的突变点，所述白金名单为致癌基因突变中与实体瘤治疗相关的1a-2c类证据级别的变异点名单；过滤突变碱基support reads>5的突变点；过滤位点深度≥500x的突变点；过滤有链偏好性的突变；过滤基因类型为indel的突变点；过滤注释到黑名单的突变点，所述黑名单为统计得到的人群中出现频率高于10%的突变点名单。3.如权利要求1或2所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，得到的单个样本的minerva-delta值为：，其中，n表示预先得到的突变序列中突变点的数量，表示第i个突变点的位点权重，表示第i个突变点的治疗后vaf降低的比例，表示第i个突变点治疗后血浆基因的vaf值，表示第i个突变点治疗前血浆基因的vaf值。4.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：基于标准样品，使用loess回归拟合标准差和vaf之间的关联关系，得到正态分布密度函数，进而计算落在正态分布两端的概率，根据权重公式得到位点的权重：，其中，表示第k个突变点的差异显著性p-value。
5.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：根据标准差公式计算得到单个突变点的标准差，得到正态分布密度函数，进而计算落在正态分布两端的概率，根据权重公式得到位点的权重：，其中，表示的标准差，表示治疗前血突变位点去重后的测序深度，表示第k个突变点的差异显著性p-value。6.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：根据标准差公式计算得到单个突变点和的标准差，得到和正态分布密度函数，进而使用kolmogorov
–
smirnov检验计算两个正态分布的差异显著性，计算落在正态分布两端的概率，根据权重公式得到位点的权重：，其中，表示的标准差，表示治疗前血浆突变位点去重后的测序深度，表示的标准差，表示治疗后血浆基因突变位点去重后的测序深度，表示第k个突变点的差异显著性p-value；表示第k个突变点的差异显著性p-value。7.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：根据标准差公式计算得到单个突变点和的标准差，得到和正态分布密度函数，进而计算两个正态分布交集占的比例，计算落在正态分布两端的概率，根据权重公式得到位点的权重：
，其中，表示的标准差，表示治疗前血浆基因突变位点去重后的测序深度，表示的标准差，表示治疗后血浆基因突变位点去重后的测序深度，表示第k个突变点的差异显著性p-value。8.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：根据治疗前后突变位点的支持reads数和depth，做fisher检验的显著性，根据权重公式得到位点的权重：，其中，表示第k个突变点vaf的差异显著性p-value，depth表示测序深度。9.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：计算治疗前后突变位点的，假设治疗前后突变位点的支持reads数vsm均服从关于的泊松分布，根据最大似然估计的方法（mle）计算治疗前后突变频率的差异显著性，根据权重公式得到位点的权重：，若，则：为泊松分布中小于的概率，为大于的概率；若，则：为泊松分布中小于的概率，为大于的概率；，其中，表示泊松分布左侧的p-value值，表示泊松分布右侧的p-value值；表示治疗前突变位点的支持reads数vsm，表示治疗后突变位点的支持reads数vsm，表示治疗前血浆突变位点去重后的测序深度，表示治疗后血浆突
变位点去重后的测序深度；表示第k个突变点的差异显著性p-value。10.如权利要求3所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析中，还包括计算第i个突变点位点权重的步骤，包括：根据标准差公式计算得到单个突变点和的标准差，计算权重，并进行权重的标准化，使得样本中所有位点的权重之和为1，得到位点的权重：，其中，表示治疗前后突变位点vaf的变化量，表示的标准差，表示治疗前血浆基因突变位点去重后的测序深度，表示的标准差，表示治疗前血浆基因的测序深度，n表示预先得到的突变序列中突变点的数量。11.如权利要求1所述的晚期肿瘤ctdna动态变化判定方法，其特征在于，所述根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定中，包括：当单个样本的minerva-delta值小于等于预设阈值，判定为分子响应组；当单个样本的minerva-delta值大于预设阈值，判定为分子不响应组。12.一种晚期肿瘤ctdna动态变化判定装置，其特征在于，应用于如权利要求1-11任意一项所述的晚期肿瘤ctdna动态变化判定方法，所述晚期肿瘤ctdna动态变化判定装置包括：数据接收模块，用于获取晚期肿瘤患者治疗后血浆的测序数据；突变追踪模块，用于根据预先得到的突变序列对所述测序数据进行追踪得到显著性突变序列，所述预先得到的突变序列由晚期肿瘤患者治疗前血浆和配对血细胞的测序数据过滤得到；动态分析模块，用于根据预先创建的差异化权重量化ctdna动态变化模型对治疗前后血浆ctdna的动态变化进行分析；判定模块，用于根据模型分析结果，对晚期肿瘤患者治疗后的分子响应状态进行判定。13.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如权利要求1-11任意一项所述的晚期肿瘤ctdna动态变化判定方法的步骤。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-11任意一项所述的晚期肿瘤ctdna动态变化判定方法的步骤。

技术总结
本发明提供了一种晚期肿瘤ctDNA动态变化判定方法及装置，属于医学检测技术领域。包括接收晚期肿瘤治前血浆和配对的血细胞的测序数据，构建肿瘤患者治疗前血浆个性化变异图谱；根据血浆变异图谱追踪治疗后血浆的变异信号；基于临床治疗前后突变位点的变异频率以及测序深度定量权重，评估治疗对位点变异频率变化的贡献度，降低测序和分析造成波动的影响，对晚期患者治疗前后血浆ctDNA的变化进行更准确的定量，评估患者对治疗方式是否响应。计算所述的装置、存储介质及设备均是基于所述的方法实现。本发明能够更准确地对晚期肿瘤ctDNA动态变化进行判定，可有效提高对晚期肿瘤患者进行疗效评估的精准度。进行疗效评估的精准度。进行疗效评估的精准度。


技术研发人员：李菲菲 张娇 杨滢 马婷 徐丽娣 黄宇 陈维之 杜波
受保护的技术使用者：武汉臻和医学检验实验室有限公司
技术研发日：2023.09.12
技术公布日：2023/10/20