肠道微生物菌种标志物在制备预测药物疗效的相关产品中的应用的制作方法

本发明涉及药物疗效预测领域，具体而言，涉及一种肠道微生物菌种标志物在制备预测药物疗效的相关产品中的应用。

背景技术：

1、针对肿瘤免疫逃脱机制(hanahan d et al,2011)的研究，使得对免疫检查点进行阻断的抗肿瘤免疫疗法(pardoll dm,2012)应运而生。其中，以程序性凋亡蛋白1受体及其配体(pd-1/pd-l1)为靶点的免疫治疗方法在黑色素瘤、肺癌等多种实体瘤的高加索人群中的应用取得令人瞩目的广谱抗癌效果。

2、程序性凋亡蛋白1受体(以下简称pd-1)多被表达于t细胞、b细胞、巨噬细胞、调节性t细胞，以及自然杀伤细胞等免疫应答相关细胞中。pd-1能够被多种配体结合，主要两类被称为pd-1配体1和pd-1配体2。通过配体结合所激活的pd-1信号通路能够抑制t细胞的增殖和免疫应答活动。因此，激活pd-1信号通路成为了肿瘤细胞逃脱抗原特异性t细胞免疫应答的主要手段。而针对该现象所研发的pd-1抗体阻断剂能够阻断该过程，以此提高人体自身抗肿瘤免疫的活性。

3、尽管阻断免疫检查点的免疫治疗在多种恶性肿瘤中取得令人瞩目的治疗效果，但针对不同癌种及同一癌种不同患者个体间，免疫治疗有效率波动存在较大的个体差异，响应率从12.8％到43.7％不等(weiping et al.2016)。其中，pd-1抗体阻断剂在相同肿瘤中的治疗响应率不同，总体响应率较低，仅在15％左右，目前还缺乏用药前对患者接受该种疗法的响应程度的有效预测方法。

技术实现思路

1、本发明的主要目的在于提供一种肠道微生物菌种标志物在制备预测药物疗效的相关产品中的应用，以解决现有技术中缺乏用药前对药物疗效进行有效预测的问题。

2、为了实现上述目的，根据本发明的第一个方面，提供了一种肠道微生物菌种标志物在制备预测药物疗效的相关产品中的应用，该菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractor capillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridium celatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcus bromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacterium tf01-11(mgs.igc0258)、ruminococcussp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcuschampanellensis(mgs.igc0742)、candidatus stoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulumvariabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

3、进一步地，药物疗效包括pd-1免疫阻断剂治疗癌症的疗效，更优选为治疗鼻咽癌的疗效；优选地，应用包括利用检测试剂检测肠道微生物菌种标志物的含量；优选地，肠道微生物菌种标志物的含量包括相对丰度；优选地，检测相对丰度的检测方法包括测序或pcr扩增检测；优选地，测序包括二代测序，更优选为宏基因组测序；优选地，检测相对丰度的检测试剂为探针型试剂盒试剂；优选地，相关产品包括试剂盒或电子预测装置。

4、为了实现上述目的，根据本发明的第二个方面，提供了一种预测药物疗效的试剂盒，该试剂盒包括检测肠道微生物菌种标志物的含量的检测试剂，肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractorcapillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridiumcelatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcusbromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacterium tf01-11(mgs.igc0258)、ruminococcussp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcuschampanellensis(mgs.igc0742)、candidatus stoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulumvariabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

5、进一步地，药物疗效包括pd-1免疫阻断剂治疗癌症的疗效，更优选为治疗鼻咽癌的疗效；优选地，检测试剂为检测肠道微生物菌种标志物的相对丰度的检测试剂；优选地，检测相对丰度的检测试剂包括构建测序文库的相关试剂或pcr扩增检测相关试剂；优选地，构建测序文库的相关试剂包括构建二代测序文库的相关试剂，更优选为构建宏基因组测序文库的相关试剂。

6、为了实现上述目的，根据本发明的第三个方面，提供了一种预测药物疗效的电子装置，该电子装置内置有药物疗效的预测模型，预测模型是通过利用来源于患者在药物治疗前的肠道微生物菌种标志物的含量训练计算机而产生，肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractorcapillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridiumcelatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcusbromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacterium tf01-11(mgs.igc0258)、ruminococcussp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcuschampanellensis(mgs.igc0742)、candidatus stoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulumvariabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

7、进一步地，患者为利用pd-1阻断剂免疫疗法治疗的癌症患者，更优选为鼻咽癌患者。

8、为了实现上述目的，根据本发明的第四个方面，提供了一种预测药物疗效的预测模型的构建方法，该构建方法包括：获取患者在药物治疗前的肠道菌群数据集和患者在药物治疗后的治疗效果，构建第一数据集；将第一数据集进行治疗效果间的肠道微生物物种统计检验，得到肠道微生物菌种标志物；将患者分为训练集和测试集，整理训练集或测试集的患者的肠道菌群数据集和治疗效果，分别得到训练数据集或测试数据集；利用集成学习方法对训练数据集进行机器学习训练，构建预测模型；肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractor capillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridium celatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcus bromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacterium tf01-11(mgs.igc0258)、ruminococcussp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcuschampanellensis(mgs.igc0742)、candidatus stoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulumvariabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

9、进一步地，构建预测模型后，将测试数据集中的肠道菌群数据集输入预测模型，得到预测治疗效果；对比预测治疗效果和测试数据集中的治疗效果，验证预测模型的有效性；优选地，患者为利用pd-1阻断剂免疫疗法治疗的癌症患者，更优选为鼻咽癌患者；优选地，肠道微生物菌种标志物的含量包括相对丰度；优选地，检测肠道菌群数据集和相对丰度的检测方法包括测序或pcr扩增检测；优选地，测序包括二代测序，更优选为宏基因组测序；优选地，肠道菌群数据集包括肠道菌群相对丰度数据集；优选地，集成学习方法包括随机森林预测模型。

10、为了实现上述目的，根据本发明的第五个方面，提供了一种预测药物疗效的标志物的筛选方法，该标志物包括肠道微生物菌种标志物；筛选方法包括：获取患者在药物治疗前的粪便样品，对粪便样品进行检测，获得肠道菌群数据集；获取患者在药物治疗后的治疗效果，利用肠道菌群数据集和治疗效果构建第一数据集；对第一数据集进行多元统计与数据挖掘，对肠道菌群进行物种差异分析，获得与治疗效果相关的肠道微生物菌种标志物。

11、进一步地，患者为利用pd-1阻断剂免疫疗法治疗的癌症患者，更优选为鼻咽癌患者；优选地，检测包括测序或pcr扩增检测；优选地，测序包括二代测序，更优选为宏基因组测序；优选地，肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractor capillosus(mgs.igc0593)、streptococcusinfantarius(mgs.igc1404)、clostridium celatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractorcapillosus(mgs.igc1186)、ruminococcus bromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacteriumtf01-11(mgs.igc0258)、ruminococcus sp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcus champanellensis(mgs.igc0742)、candidatusstoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulum variabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

12、为了实现上述目的，根据本发明的第六个方面，提供了一种预测药物疗效的预测模型的构建装置，该构建装置包括：第一获取模块，被设置为获取患者在药物治疗前的肠道菌群数据集和患者在药物治疗后的治疗效果，构建第一数据集；统计检验模块，被设置为将第一数据集进行治疗效果间的肠道微生物物种统计检验，得到肠道微生物菌种标志物；划分模块，被设置为将患者划分为训练集和测试集，整理训练集或测试集的患者的肠道菌群数据集和治疗效果，分别得到训练数据集或测试数据集；机器学习模块，被设置为利用集成学习方法对训练数据集进行机器学习训练，构建预测模型；其中，肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractorcapillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridiumcelatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcusbromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacterium tf01-11(mgs.igc0258)、ruminococcussp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcuschampanellensis(mgs.igc0742)、candidatus stoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulumvariabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

13、进一步地，构建装置还包括：预测模块，被设置为在构建预测模型后，将测试数据集中的肠道菌群数据集输入预测模型，得到预测治疗效果；对比验证模块，被设置为对比预测治疗效果和测试数据集中的治疗效果，验证预测模型的有效性；优选地，患者为利用pd-1阻断剂免疫疗法治疗的癌症患者，更优选为鼻咽癌患者；优选地，肠道微生物菌种标志物的含量包括相对丰度；优选地，检测肠道菌群数据集和相对丰度的检测方法包括测序或pcr扩增检测；优选地，测序包括二代测序，更优选为宏基因组测序；优选地，肠道菌群数据集包括肠道菌群相对丰度数据集；优选地，集成学习方法包括随机森林预测模型。

14、为了实现上述目的，根据本发明的第七个方面，提供了一种预测药物疗效的标志物的筛选装置，标志物包括肠道微生物菌种标志物；筛选装置包括：第二获取模块，被设置为获取患者在药物治疗前的粪便样品，对粪便样品进行检测，获得肠道菌群数据集；第三获取模块，被设置为获取患者在药物治疗后的治疗效果，利用肠道菌群数据集和治疗效果构建第一数据集；数据挖掘分析模块，被设置为对第一数据集进行多元统计与数据挖掘，对肠道菌群进行物种差异分析，获得与治疗效果相关的肠道微生物菌种标志物。

15、进一步地，患者为利用pd-1阻断剂免疫疗法治疗的癌症患者，更优选为鼻咽癌患者；优选地，检测包括测序或pcr扩增检测；优选地，测序包括二代测序，更优选为宏基因组测序；优选地，肠道微生物菌种标志物包括如下任意一种或多种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractor capillosus(mgs.igc0593)、streptococcusinfantarius(mgs.igc1404)、clostridium celatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractorcapillosus(mgs.igc1186)、ruminococcus bromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacteriumtf01-11(mgs.igc0258)、ruminococcus sp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcus champanellensis(mgs.igc0742)、candidatusstoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulum variabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

16、为了实现上述目的，根据本发明的第八个方面，提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，在程序运行时，控制存储介质所在设备执行预测药物疗效的预测模型的构建方法、或预测药物疗效的标志物的筛选方法。

17、为了实现上述目的，根据本发明的第九个方面，提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述预测药物疗效的预测模型的构建方法、或预测药物疗效的标志物的筛选方法。

18、为了实现上述目的，根据本发明的第十个方面，提供了一种药物组合物，该药物组合物包括如下任意一种或多种肠道微生物菌种：ruminococcus bromii(mgs.igc0622)、pseudoflavonifractor capillosus(mgs.igc0593)、streptococcus infantarius(mgs.igc1404)、clostridium celatum(mgs.igc1047)、[eubacterium]siraeum(mgs.igc0560)、bacterium lf-3(mgs.igc1247)、pseudoflavonifractor capillosus(mgs.igc1186)、ruminococcus bromii(mgs.igc0664)、[eubacterium]nodatum(mgs.igc1013)、barnesiella viscericola(mgs.igc0486)、ruminococcus callidus(mgs.igc0483)、alistipes senegalensis(mgs.igc0967)、lachnospiraceae bacteriumtf01-11(mgs.igc0258)、ruminococcus sp.sr1/5(mgs.igc0427)、[clostridium]scindens(mgs.igc0790)、ruminococcus champanellensis(mgs.igc0742)、candidatusstoquefichus sp.sb1(mgs.igc0788)、ruminococcaceae bacterium mt9(mgs.igc1067)、bifidobacterium longum(mgs.igc1182)、propionispira raffinosivorans(mgs.igc0412)、bacteroides plebeius(mgs.igc0327)、eubacterium sp.er2(mgs.igc0746)、faecalibacterium prausnitzii(mgs.igc0056)、clostridium botulinum(mgs.igc1131)、coprococcus catus(mgs.igc0353)、sutterella wadsworthensis(mgs.igc0866)、subdoligranulum variabile(mgs.igc0643)、oscillibacter sp.er4(mgs.igc0689)、eubacterium sp.3_1_31(mgs.igc0035)、blautia obeum(mgs.igc0544)、blautia obeum(mgs.igc1469)。

19、进一步地，药物组合物为活菌制剂，优选地，活菌制剂为固体或液体活菌制剂。

20、应用本发明的技术方案，筛选了一批能够预测药物疗效的肠道微生物菌种标志物，因而利用这些特定菌种标志物中的一种或多种，能够制备预测药物疗效的相关产品，便于在给药前预测药物对于患者的治疗效果，提高治疗响应率。