[發(fā)明專利]基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法

在審

• 申請?zhí)枺?/td>: 201910654039.8
• 申請日: 2019-07-19
• 公開（公告）號(hào): CN110379465A
• 公開（公告）日: 2019-10-25
• 發(fā)明（設(shè)計(jì)）人: 楊家亮;王博;郎繼東;梁樂彬;張燕香;孫雪;張海鵬;王偉偉;田埂
• 申請（專利權(quán)）人: 元碼基因科技（北京）股份有限公司
• 主分類號(hào): G16B50/30
• 分類號(hào): G16B50/30;G16B40/20;C12Q1/6874
• 代理公司: 北京北匯律師事務(wù)所 11711
• 代理人: 高元吉

1.一種基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，包括以下步驟：

(1)建立癌癥溯源數(shù)據(jù)庫，在多個(gè)癌種的基因表達(dá)數(shù)據(jù)中，以多個(gè)基因的表達(dá)數(shù)據(jù)作為特征，以癌種分類作為標(biāo)簽，建立所述癌癥溯源數(shù)據(jù)庫；

(2)確定溯源預(yù)測模型，使用隨機(jī)森林算法，設(shè)置每棵決策樹樁的最大特征數(shù)為取整，其中N為該森林所有特征數(shù)，使用多棵決策樹樁對所述癌癥溯源數(shù)據(jù)庫進(jìn)行分類訓(xùn)練，根據(jù)占比權(quán)重挑選出包含目標(biāo)區(qū)域的多個(gè)模型基因，并保存為溯源預(yù)測模型；

(3)將從受試者的生物樣本獲取的RNA靶向測序數(shù)據(jù)輸入所述溯源預(yù)測模型，由此得到癌癥的組織溯源。

2.根據(jù)權(quán)利要求1所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，在步驟(2)的確定溯源預(yù)測模型中包括對所述溯源預(yù)測模型進(jìn)行交叉驗(yàn)證的步驟，其中所述交叉驗(yàn)證包括：

a.將所述癌癥溯源數(shù)據(jù)庫中的樣本數(shù)據(jù)隨機(jī)地分成n份，選擇其中的1份作為測試集，其余的n-1份作為訓(xùn)練集；以所述n-1份訓(xùn)練集訓(xùn)練模型，并對所述測試集進(jìn)行測試，由此完成一次驗(yàn)證；

b.重復(fù)步驟a進(jìn)行n次，從而完成所述交叉驗(yàn)證。

3.根據(jù)權(quán)利要求2所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，在步驟(2)的確定溯源預(yù)測模型中進(jìn)一步包括利用臨床樣本數(shù)據(jù)進(jìn)行再次驗(yàn)證，從而計(jì)算評(píng)價(jià)指數(shù)的步驟。

4.根據(jù)權(quán)利要求3所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，所述評(píng)價(jià)指數(shù)包括精確度、召回率和F1分?jǐn)?shù)。

5.根據(jù)權(quán)利要求1所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，所述RNA靶向測序數(shù)據(jù)包括通過探針雜交和/或多重PCR獲得的數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，所述RNA靶向測序數(shù)據(jù)包括液相雜交捕獲和擴(kuò)增子測序獲得的數(shù)據(jù)。

7.根據(jù)權(quán)利要求1所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，所述癌種包括膀胱癌、乳腺癌、宮頸癌、結(jié)腸癌、多形成性膠質(zhì)細(xì)胞瘤、頭頸鱗狀細(xì)胞癌、腎透明細(xì)胞癌、腎乳頭狀細(xì)胞癌、急性髓細(xì)胞樣白血病、腦低級(jí)別膠質(zhì)瘤、肝細(xì)胞肝癌、肺腺癌、肺鱗癌、卵巢漿液性囊腺癌、胰腺癌、前列腺癌、直腸腺癌、胃癌、甲狀腺癌和子宮內(nèi)膜癌。

8.根據(jù)權(quán)利要求7所述的基于RNA靶向測序和機(jī)器學(xué)習(xí)的癌癥組織溯源方法，其特征在于，所述包含目標(biāo)區(qū)域的多個(gè)模型基因選自由下述基因組成的組：AARD、ACPP、ACSM2A、ACSM2B、ANGPTL4、ANKRD30A、ANXA2P3、ATP5EP2、AZGP1、C6orf222、CDHR5、CDX1、CDX2、CHRNA2、CILP、CREB3L4、CRYGN、DAPK2、EEF1A1P9、EFHD1、EMX2、EMX2OS、ENPP3、ESM1、ESR1、FOXA1、FOXE1、FSIP1、FTH1P3、GALNT14、GATA3、GATA3-AS1、H3F3C、HNF1B、HNF4A、HOXB13、IRX5、KCNJ16、KLHL14、KLK2、KLK3、KLK4、KRT5、KRT6C、LCN12、LMX1B、LOC407835、LOC643387、MAGED2、MGAT4C、MGP、MSX1、MYB、NACA2、NACAP1、NAPSA、NAT1、NDUFA4L2、NKX2-1、NKX3-1、NME2P1、NOX1、OR51E2、PA2G4P4、PAX8、PKP1、PPIAL4C、PRLR、RDH11、RERG、RMST、RPL17、RPL19P12、RPL23P8、SALL1、SCGB2A2、SCGB3A2、SFTA3、SFTPA1、SFTPA2、SFTPB、SFTPC、SFTPD、SLC39A6、SLC45A3、SOX17、SPDEF、TBC1D9、TG、TM4SF5、TMEM241、TP63、TPO、TRPS1、TSHR、UBE2MP1、UQCRBP1、XBP1、YBX3P1和ZNF552。