[发明专利]一种系统性红斑狼疮精准分型模型及其构建方法和应用

权利要求书

1.一种系统性红斑狼疮精准分型模型，其特征在于：所述模型包括A亚型、B亚型和C亚型，其中A亚型属于NE驱动，具有粒细胞和中性粒细胞激活相关通路的转录组特征；B亚型属于IFN驱动，在淋巴细胞和IFN相关通路中显示出更丰富的转录物；C亚型为NE-IFN-双驱动，包括NE驱动和IFN驱动信号通路的特征。

2.根据权利要求1所述的一种系统性红斑狼疮精准分型模型，其特征在于：所述A亚型定义为中性粒细胞驱动型，其特征为p53、PPAR、toll样受体、白细胞介素、NOTCH和TNF信号通路显著富集，并在中性粒细胞及其他粒细胞中相较于B亚型和C亚型显著富集；B亚型定义为干扰素驱动型，IFN通路激活，富集在IFN alpha/beta,IFN gamma、细胞质DNA感应、NOD样受体和RIG-I样受体信号通路上，并在淋巴细胞和树突状细胞相较于A亚型和C亚型显著富集；C型定义为混合驱动型，A亚型和B亚型的上述通路均显著富集于C亚型，并在巨噬细胞大量浸润，而淋巴细胞和树突状细胞急剧减少。

3.一种系统性红斑狼疮精准分型模型的构建方法，其特征在于，所述方法具体为：挖掘基因表达综合数据库中公开的基因表达数据和临床注释，使用R包“ConsensuClusterPlus”算法进行无监督分层凝聚聚类，然后通过累积分布函数识别聚类个数，将系统性红斑狼疮患者分为A亚型，B亚型和C亚型，最后采用主成分分析对无监督聚类结果进行验证，完成系统性红斑狼疮精准分型模型的构建。

4.根据权利要求3所述的一种系统性红斑狼疮精准分型模型的构建方法，其特征在于，所述使用R包“ConsensuClusterPlus”算法进行无监督分层凝聚聚类的具体过程为：聚类算法采用带有欧几里得距离和Ward-D2链接的Pam算法，首先从数据矩阵中对一定比例的项目和一定比例的特征进行二次抽样；然后通过凝聚层次聚类算法将每个子样本划分为最多k个组，该过程重复1000次数，成对共识值，定义为“两个项目在一起的聚类运行的比例，计算并存储在每个k的共识矩阵中。

5.根据权利要求3所述的一种系统性红斑狼疮精准分型模型的构建方法，其特征在于，所述挖掘基因表达综合数据库中公开的基因表达数据和临床注释的具体方法为：采用芯片二代测序检测样本的外周血，首先以寡核苷酸为引物、文库片段为模板进行DNA复制，复制完成后解链，将文库片段洗去，留在流通池表面的为与文库模板互补的DNA链，因为单链DNA另一端为不同的接头序列，可以与相邻的另一种寡核苷酸互补结合，之后进行“桥”式扩增；“桥”式扩增后再次解链线性化，在合成的引物链上加入一个8-oxo-G，用Fpg处理，把带8-oxo-G基团切掉，并把DNA链切断，留下一带不完整糖基的磷酸基；加入测序引物Read1 SP和修饰过的DNA聚合酶，则在测序引物3’端开始DNA复制；在流通池加入可逆终止荧光dNTP，其3’-OH被阻隔，4种dNTP在碱基上分别连接有不同颜色的荧光基团；之后洗掉多余的dNTP，使用激光扫描，收集留在流通池表面的荧光信号；用巯基试剂去掉3’位阻断的叠氮基团，用三(2-羧乙基)膦去掉荧光基团，进入下一个碱基的测序反应；Read1结束后，解链并洗掉测序中已经合成的部分，加入测序引物Index引物，也即Read2 SP互补的寡核苷酸，这时会继续在3’端进行复制，读出接头中Index序列，从而可以确定出每个位点的DNA属于哪个文库。

6.一种系统性红斑狼疮精准分型模型的应用，其特征在于：用于系统性红斑狼疮的治疗。

7.根据权利要求6所述的应用，其特征在于，所述应用的具体过程为：通过区别系统性红斑狼疮的亚型，对患者提供靶向生物制剂或常规免疫抑制剂药物治疗建议。

8.根据权利要求7所述的应用，其特征在于：所述区别系统性红斑狼疮亚型是通过分析系统性红斑狼疮相关基因的表达水平实现的。

9.根据权利要求8所述的应用，其特征在于：所述系统性红斑狼疮相关基因包括TNFSF13B,CFLAR,TLR2,TLR7,TLR9,PELI1,TSC22D3,CD40LG,IFNAR1,CTLA4,HERC5,CMPK2,EPSTI1,RETN,LCN2,STAT4。