[發(fā)明專利]一種基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法

在審

• 申請?zhí)枺?/td>: 201611052903.X
• 申請日: 2016-11-24
• 公開（公告）號: CN106650241A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計）人: 劉京銘;李傳友
• 申請（專利權(quán)）人: 首都醫(yī)科大學(xué)附屬北京胸科醫(yī)院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06F19/12
• 代理公司: 北京輕創(chuàng)知識產(chǎn)權(quán)代理有限公司11212
• 代理人: 楊立

1.一種基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，包括以下步驟：

步驟1、獲取被試者的第一基因組信息；

步驟2、將所述第一基因組信息與已獲得的基因組變異位點與復(fù)雜性疾病的關(guān)聯(lián)性信息進行匹配，計算所述第一基因組信息對應(yīng)的復(fù)雜性疾病判別評分CDDS值；

步驟3、比較所述CDDS值與預(yù)存的CDDS基準(zhǔn)值的大小關(guān)系，得到比較結(jié)果；

步驟4、根據(jù)所述比較結(jié)果，確定所述被試者患所檢測復(fù)雜性疾病的概率。

2.根據(jù)權(quán)利要求1所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，步驟4包括：

當(dāng)所述比較結(jié)果為所述CDDS值大于所述CDDS基準(zhǔn)值時，確定所述被試者患所檢測復(fù)雜性疾病的概率超過85％；或者，

當(dāng)所述比較結(jié)果為所述CDDS值小于所述CDDS基準(zhǔn)值時，確定所述被試者患所檢測復(fù)雜性疾病的概率低于15％。

3.根據(jù)權(quán)利要求1所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，在步驟1之前，還包括：

步驟5、根據(jù)獲取的健康人群基因組信息和目標(biāo)疾病人群基因組信息，獲得基因組變異位點與復(fù)雜性疾病關(guān)聯(lián)性信息。

4.根據(jù)權(quán)利要求3所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，步驟5包括：

步驟5.1、獲取所述健康人群基因組信息和所述目標(biāo)疾病人群基因組信息；

步驟5.2、基于多組學(xué)構(gòu)建目標(biāo)疾病對應(yīng)的多個模型；

步驟5.3、分別將所述健康人群基因組信息和所述目標(biāo)疾病人群基因組信息與所述多個模型進行映射，得到健康人群模型集合與目標(biāo)疾病人群基模型集合；

步驟5.4、對于所述多個模塊中的每個模型，分別計算所述健康人群模型集合與所述目標(biāo)疾病人群基模型集合中屬于同一模型的第二基因組信息對應(yīng)的CDDS值，得到多個所述第二基因組信息分別對應(yīng)的多個CDDS值；

步驟5.5、將多個所述第二基因組信息和多個所述CDDS值一一對應(yīng)的存儲，形成基因組變異位點與復(fù)雜性疾病的關(guān)聯(lián)性信息，所述關(guān)聯(lián)性信息為所述基因組信息與CDDS值的對應(yīng)關(guān)系。

5.根據(jù)權(quán)利要求4所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，所述第一基因組信息、所述健康人群基因組信息和所述目標(biāo)疾病人群基因組信息均通過芯片技術(shù)和/或測序技術(shù)獲取。

6.根據(jù)權(quán)利要求4所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，步驟5還包括：

步驟5.6、利用模型預(yù)測評價方法，計算多個所述CDDS值對應(yīng)的多個受試者工作特征ROC曲線，以及與多個所述ROC曲線分別對應(yīng)的多個AUC；

步驟5.7、將多個所述ROC曲線中的第一ROC曲線所對應(yīng)的模型確定為最優(yōu)模型，所述最優(yōu)模型對應(yīng)的CDDS值為所述CDDS基準(zhǔn)值，其中，所述第一ROC曲線的敏感性和特異性均大于85％，且所述第一ROC曲線對應(yīng)的AUC大于90％。

7.根據(jù)權(quán)利要求1-6中任一項所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，利用樸素貝葉斯算法計算所述CDDS值。

8.根據(jù)權(quán)利要求7所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，利用樸素貝葉斯算法計算所述CDDS值，包括：

計算所述被試者患所述復(fù)雜性疾病時第一基因變異的概率P1、所述被試者不患所述復(fù)雜性疾病時所述第一基因變異的概率P2，以及所述復(fù)雜性疾病的發(fā)病概率P3和不發(fā)病概率P4；

根據(jù)所述P1、P2、P3和P4，計算所述CDDS值。

9.根據(jù)權(quán)利要求8所述的基于多組學(xué)的復(fù)雜性疾病預(yù)測及診斷方法，其特征在于，根據(jù)以下公式計算所述CDDS值：

$CDDS=\frac{{\Σ}_{i=1}^n{\log }_{10}\left(P1\right)+{\log }_{10}\left(P3\right)-{\Σ}_{i=1}^n{\log }_{10}\left(P2\right)-{\log }_{10}\left(P4\right)}{N_{\mathrm{\υ}}}*1000,$

其中，N_υ為所述模塊模型所包含的全部基因變異的數(shù)量。