[發明專利]一種用于鑒定食管鱗癌預后相關的生物標志物的方法

有效

• 申請號: 202011292536.7
• 申請日: 2020-11-18
• 公開（公告）號: CN112382341B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 齊義軍;李孟祥;陳攀;劉軻;馮笑山;高社干;焦葉林
• 申請（專利權）人: 河南科技大學第一附屬醫院
• 主分類號: G16B40/20
• 分類號: G16B40/20;G16B50/00;G16B25/10;G16B20/00;C12Q1/6886;C12Q1/6809
• 代理公司: 東莞市展智知識產權代理事務所(普通合伙) 44308
• 代理人: 馮衛東;茅小燕

1.一種用于鑒定食管鱗癌預后相關的生物標志物的方法，其特征在于，所述方法包括：

獲取經篩選得到的至少兩個所述生物標志物；

對至少兩個所述生物標志物進行獨立驗證；

驗證至少兩個所述生物標志物在高風險組樣本和低風險組樣本的預后預測能力；

考察單個所述生物標志物以及至少兩個所述生物標志物結合的預后預測能力；

所述獲取經篩選得到的至少兩個所述生物標志物包括：

根據所述食管鱗癌的標識信息檢索生物信息數據庫，以獲取與所述食管鱗癌關聯的a個候選分子；

獲取a個所述候選分子的基因表達值；

根據所述基因表達值，構建a個所述候選分子的交互作用網絡；

基于所述交互作用網絡對多個候選分子進行第一次篩選，以過濾部分所述候選分子，并保留符合預設條件的b個所述候選分子，其中，b＜a；

對第一次篩選后保留的b個所述候選分子做隨機組合，得到m個候選分子組合；

采用多種分類器算法分別對應m個所述候選分子組合構造m個模型，其中，所述分類器算法至少包括：邏輯回歸(LR)算法、支持向量機(SVM)算法、人工神經網絡(ANN)算法、隨機森林(RF)算法以及極端梯度提升(XGBoost)算法；

獲取訓練樣本集和測試樣本集，其中，所述訓練樣本集為基因表達譜中的一部分基因表達數據集，所述測試樣本集為所述基因表達譜中剩余的所述基因表達數據集；

以生存期是否大于預設時間作為標簽，并采用交叉驗證和參數尋優的方法，根據訓練樣本集對m個所述模型進行訓練，得到各種所述分類器算法中n個模型質量參數最好的候選模型；

對于每個候選模型，將所述測試樣本集中的每個所述基因表達數據集輸入所述候選模型，得到各種所述分類器算法中p個模型質量參數最好的預后預測模型；

基于預后預測模型以及Cox比例風險回歸模型，對第一次篩選后保留的b個所述候選分子進行第二次篩選，得到c個優選分子，其中，c＜b；

從c個優先分子篩選得到所述食管鱗癌預后相關的生物標志物。

2.根據權利要求1所述的方法，其特征在于，所述對至少兩個所述生物標志物進行獨立驗證包括：

獲取獨立驗證樣本，所述獨立驗證樣本包括食管鱗癌組織樣本和癌旁組織樣本；

以磷酸甘油醛脫氫酶為內參，對至少兩個所述生物標志物分別進行精確定量PCR實驗和相對定量PCR實驗；

根據2^-ΔΔCT方法，檢測至少兩個所述生物標志物在所述食管鱗癌組織樣本和所述癌旁組織樣本中的基因表達值，計算至少兩個所述生物標志物在所述食管鱗癌組織樣本和所述癌旁組織樣本中的所述基因表達值的差值或差異倍數；

以所述基因表達值為因素做生存分析，并將至少兩個所述生物標志物結合做預后預測。

3.根據權利要求2所述的方法，其特征在于，所述驗證至少兩個所述生物標志物在高風險組樣本和低風險組樣本的預后預測能力包括：

獲取GEO數據庫中的若干對基因表達譜，每對所述基因表達譜包括食管鱗癌組織樣本的基因表達譜和癌旁組織樣本的基因表達譜；

根據所述生物標志物的所述基因表達值的差值，將全部所述基因表達譜分為所述高風險組樣本和所述低風險組樣本；

采用Kaplan-Meier生存分析和Log-rank檢驗，明確所述生物標志物的表達水平與食管鱗癌預后之間的關系，其中所述Kaplan-Meier生存分析和所述Log-rank檢驗以“P0.05”作為差異有統計學意義的閾值。

4.根據權利要求3所述的方法，其特征在于，所述考察單個所述生物標志物以及至少兩個所述生物標志物結合的預后預測能力包括：

基于所述基因表達譜和所述獨立驗證樣本，進行受試者工作特征曲線繪制，并計算所述受試者工作特征曲線的下面積AUC；

根據所述受試者工作特征曲線的下面積AUC確定單個所述生物標志物以及至少兩個所述生物標志物結合的預后預測能力。

5.根據權利要求1所述的方法，其特征在于，所述驗證方法均在R版本3.6.3中進行。