[發(fā)明專(zhuān)利]一種精神分裂癥遺傳風(fēng)險(xiǎn)分型試劑盒及分型裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010501829.5
• 申請(qǐng)日: 2020-06-04
• 公開(kāi)（公告）號(hào): CN111733229B
• 公開(kāi)（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 張程程
• 申請(qǐng)（專(zhuān)利權(quán)）人: 四川大學(xué)華西醫(yī)院
• 主分類(lèi)號(hào): C12Q1/6883
• 分類(lèi)號(hào): C12Q1/6883;C12N15/11;G16B5/00;G16B20/00
• 代理公司: 成都高遠(yuǎn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51222
• 代理人: 李高峽;張娟

1.檢測(cè)如下54個(gè)基因的SNP的檢測(cè)試劑在制備精神分裂癥遺傳風(fēng)險(xiǎn)分型裝置中的用途：

SLC5A7基因、SYNGAP1基因、TMEM180基因、LRP4基因、FXR1基因、FAT3基因、GPM6A基因、BAIAP2基因、FGFR1基因、EPHA5基因、ACTR1A基因、AATK基因、SGCE基因、LETM2基因、HCN1基因、INA基因、SUFU基因、DCBLD1基因、PPARGC1A基因、BAG4基因、C11orf91基因、LSM1基因、S100B基因、ITPR3基因、MAGI2基因、STRN基因、DENND1A基因、RTN1基因、PLK3基因、IFT57基因、EIF2B3基因、HSPE1-MOB4基因、YWHAG基因、AMFR基因、MOB4基因、GRM7基因、BOK基因、JADE2基因、PEG10基因、NDUFV2基因、ARL2BP基因、SLC4A2基因、CD59基因、EGR2基因、CAT基因、LZTS1基因、EPHB2基因、GOPC基因、VSIG2基因、LRP1基因、CPT1C基因、GNAI1基因、ELAC2基因和 TCTEX1D4基因；

所述分型裝置還包括分析基因SNP模式的分析裝置；

所述分析裝置內(nèi)置數(shù)據(jù)輸入端口，用于接收前述檢測(cè)裝置的檢測(cè)結(jié)果；

所述分析裝置內(nèi)置數(shù)據(jù)質(zhì)量控制、預(yù)測(cè)插補(bǔ)及分析模型，用于SNP質(zhì)控；

數(shù)據(jù)前處理步驟為：

首先，樣本質(zhì)控：去除分型成功率＜98%、重復(fù)或有血緣關(guān)系樣本；利用EIGENSTART軟件進(jìn)行主成分分析檢驗(yàn)病例對(duì)照匹配度；

其次，進(jìn)行SNP質(zhì)控：去除分型成功率＜90%、等位基因頻率＜1%、偏離遺傳平衡檢驗(yàn)對(duì)照HWE P≤10^-7；

再次，進(jìn)行預(yù)測(cè)插補(bǔ)Imputation分析：采用Sanger Imputation服務(wù)器，以單體型參考聯(lián)盟1.1版Haplotype Reference Consortium version 1.1作為參考模板進(jìn)行全基因組Imputation, Imputation數(shù)據(jù)再次進(jìn)行SNP質(zhì)控：多等位基因變異和插入信息得分(INFO)＜0.3的SNP被排除，得到基于預(yù)處理后imputation的基因型數(shù)據(jù)；

所述分析裝置內(nèi)置了多基因遺傳風(fēng)險(xiǎn)評(píng)分預(yù)測(cè)模型，用于計(jì)算多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量；

其中，多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量的確定步驟為：

取基于預(yù)處理后imputation的基因型數(shù)據(jù)，計(jì)算基于個(gè)體的基因組合的PRS如下：

，

ω_ij為第i個(gè)SNP觀察基因型j的概率，其中j∈{0,1,2};m是snp的數(shù)量;和β_i是根據(jù)PGC精神遺傳聯(lián)盟精神分裂癥亞洲人群的全基因組關(guān)聯(lián)研究GWAS數(shù)據(jù)估計(jì)的第i個(gè)SNP的效應(yīng)大小；

進(jìn)一步針對(duì)上述PRS進(jìn)行最終預(yù)測(cè)模型參數(shù)優(yōu)化，計(jì)算優(yōu)化PRS關(guān)聯(lián)對(duì)應(yīng)的經(jīng)驗(yàn)p值，通過(guò)控制1型錯(cuò)誤率避免出現(xiàn)過(guò)擬合：

，

其中N為排列次數(shù);I(.)為指標(biāo)函數(shù)，當(dāng)排列n的最優(yōu)擬合PRS的p值小于觀察到的p值、P_o和0時(shí)，為1；為了避免p值為0的經(jīng)驗(yàn)值，將1的偽計(jì)數(shù)加到分子和分母上，將觀察到的性狀配置計(jì)數(shù)為1個(gè)潛在的空排列，關(guān)聯(lián)經(jīng)驗(yàn)p值控制1型錯(cuò)誤率；

使用10,000個(gè)置換檢驗(yàn)來(lái)生成每個(gè)GWAS經(jīng)驗(yàn)的p值閾值,即從5E-08到1的估計(jì)值，每個(gè)排列測(cè)試都提供了一個(gè)Nagelkerke的R²，Nagelkerke的R²被用來(lái)選擇P_T；年齡、性別和人口分層分析的前三個(gè)主成分作為協(xié)變量，為每個(gè)被試構(gòu)建一個(gè)5維特征向量作為多閾值遺傳風(fēng)險(xiǎn)分量，提取每個(gè)被試R²最高的GWAS經(jīng)驗(yàn)p值閾值P_T的PRS作為指標(biāo)分量，即得到多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量；

所述分析裝置內(nèi)置了由機(jī)器學(xué)習(xí)算法和多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量構(gòu)建的統(tǒng)計(jì)分析模型，用于判別精分裂癥多基因遺傳風(fēng)險(xiǎn)亞型；

構(gòu)建預(yù)測(cè)模型的步驟為：

先用無(wú)監(jiān)督層次聚類(lèi)分析多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量，得到聚類(lèi)結(jié)果；再用有監(jiān)督的支持向量機(jī)分類(lèi)算法，構(gòu)建精神分裂分類(lèi)模型；

A. 層次聚類(lèi)模型：

1）采用歐氏距離作為精神分裂癥樣本之間的距離度量，聚類(lèi)之間的平均距離作為連接函數(shù)；

2）通過(guò)計(jì)算被試之間的歐氏距離，將相對(duì)接近的被試對(duì)連接成一個(gè)二元聚類(lèi)；

3）利用Silhouette和Dunn指數(shù)反應(yīng)聚類(lèi)效果和最優(yōu)聚類(lèi)數(shù)：

其中a（i）是從第ith個(gè)樣本到所在聚類(lèi)子集中與其他樣本的平均距離，b（i，k）是從第ith個(gè)樣本到另一個(gè)聚類(lèi)子集k中的樣本的平均距離， Silhouette索引的值在-1到1之間變化，值越高表明聚類(lèi)結(jié)果越好；

其中m是簇的數(shù)量，δ（Ci，Cj）是簇Ci和Cj之間的簇間距離，而是同一簇內(nèi)兩個(gè)樣本之間的最大距離， Dunn索引的值介于零和∞之間，Dunn索引的值越大，表示聚類(lèi)質(zhì)量越好；

當(dāng)聚類(lèi)數(shù)等于2時(shí)，silhouette指數(shù)最大0.63, Dunn指數(shù)最大0.21,說(shuō)明在層次聚類(lèi)中最能代表數(shù)據(jù)結(jié)構(gòu)的最優(yōu)聚類(lèi)數(shù)為2；

4）利用bootstrap技術(shù)測(cè)試聚類(lèi)穩(wěn)定性,通過(guò)R中的“fpc”軟件包，計(jì)算Jaccard系數(shù)作為重采樣聚類(lèi)與原聚類(lèi)分析得到的聚類(lèi)之間的相似性，驗(yàn)證聚類(lèi)結(jié)果，當(dāng)聚類(lèi)數(shù)為2時(shí)，Jaccard系數(shù)達(dá)到最高值0.76；

B. 有監(jiān)督的支持向量機(jī)構(gòu)建精神分裂分類(lèi)模型，具體步驟如下：

1）采用統(tǒng)計(jì)分析軟件R語(yǔ)言程序包“Caret”，調(diào)用支持向量機(jī)算法；

2）將支持向量機(jī)算法對(duì)指標(biāo)分量的聚類(lèi)結(jié)果進(jìn)行歸一化預(yù)處理，輸入支持向量機(jī)；

3）支持向量機(jī)采用線性核函數(shù)linear kernel，構(gòu)建線性分類(lèi)模型，得精神分裂癥分類(lèi)模型；

結(jié)果判斷方法：取待測(cè)樣本，按照前述步驟1的方法檢測(cè)54個(gè)基因的SNP，進(jìn)行數(shù)據(jù)處理，得到多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量，利用無(wú)監(jiān)督層次聚類(lèi)分析聯(lián)合有監(jiān)督的支持向量機(jī)分類(lèi)算法，連接多閾值多基因遺傳風(fēng)險(xiǎn)的指標(biāo)分量特征裝置，輸入構(gòu)建精神分裂癥亞型分類(lèi)模型中，若輸出結(jié)果為正常，則判定待檢樣本患精神分裂癥的可能性較小；若結(jié)果輸出為I類(lèi)，則判定精神分裂癥患者為亞類(lèi)I，預(yù)測(cè)亞類(lèi)I患精神分裂嚴(yán)重程度重；若結(jié)果輸出為II類(lèi)，則判定精神分裂癥患者為亞類(lèi)II，預(yù)測(cè)亞類(lèi)II患精身分裂嚴(yán)重程度輕。

2.如權(quán)利要求1所述的用途，其特征在于：所述機(jī)器學(xué)習(xí)算法為層次聚類(lèi)和支持向量機(jī)算法。