[發明專利]一種預測結直腸癌風險的微生物標志物及其應用

在審

• 申請號: 202110248459.3
• 申請日: 2021-03-08
• 公開（公告）號: CN112609015A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 羅奇斌;申玉林;任毅;廖勝光
• 申請（專利權）人: 天津奇云諾德生物醫學有限公司
• 主分類號: C12Q1/689
• 分類號: C12Q1/689;C12Q1/6851;C12Q1/06;G16H50/30;G16H50/20;G16B40/00;G16B30/00;G16B20/00;G06K9/62;C12R1/01
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.機器學習模型隨機森林算法在制備預測結直腸癌風險產品中的應用，其特征在于，所述機器學習模型隨機森林算法的輸入變量為結直腸癌相關微生物標志物的表達量豐度值：

所述結直腸癌微生物標志物包括具核梭桿菌（Fusobacterium nucleatum）、微小單胞菌（Parvimonas micra）、莫雷梭菌（Solobacterium moorei）；

其中，所述微生物標志物具核梭桿菌（Fusobacterium nucleatum）的探針序列和正反引物如SEQ ID NO.1～SEQ ID NO.3所示；

其中，所述微生物標志物微小單胞菌（Parvimonas micra）的探針序列和正反引物如SEQ ID NO.4～SEQ ID NO.6所示；

其中，所述微生物標志物莫雷梭菌（Solobacterium moorei）的探針序列和正反引物如SEQ ID NO.7～SEQ ID NO.9所示；

所述的微生物標志物來源測試者糞便；

所述的微生物標志物豐度檢測使用實時熒光定量PCR進行；

所述的機器學習模型隨機森林算法參數選擇首先基于收集到的背景數據使用RandomizedSearchCV算法進行大范圍的隨機建模，然后挑選其所選參數組合中最好的一個，然后再次使用GridSearchCV算法進行網格式建模，進一步提高最終模型的準確度。

2.根據權利要求1所述的機器學習模型隨機森林算法在制備預測結直腸癌風險產品中的應用，其特征在于，所述結直腸癌風險計算模型的建立包括以下步驟：

步驟1）收集513例健康個體新鮮糞便樣本以及435例結直腸癌患者新鮮糞便樣本；

步驟2）從步驟1）中所述個體糞便樣本中提取并純化DNA片段；

步驟3）使用TaqMan探針法進行qPCR實時定量，檢測步驟2）樣本中如權利要求1所述微生物標志物目的基因片段的基因含量以及內部參照16S rDNA的基因含量，從而比較得到相關微生物標志物的豐度；

步驟4）使用步驟3）中得到的所有樣本的相關微生物標志物的豐度信息以及分組信息，多次將收集到的數據有放回的隨機分成70%訓練組和30%測試組，基于訓練組首先使用隨機森林算法中RandomizedSearchCV算法進行大范圍的參數優化選擇，然后選擇其中最優參數進一步使用GridSearchCV算法進行最終參數選擇，從而挑選最優參數進行模型訓練，并進行模型驗證，最后使用測試組進行結果驗證；

所述步驟4）中所述模型驗證使用進行十次十倍交叉驗證，保證模型結果的精確度，從中挑選最優模型作為后續結直腸癌風險計算模型。

3.根據權利要求1所述的機器學習模型隨機森林算法在制備預測結直腸癌風險產品中的應用，其特征在于，所述結直腸癌風險計算模型具體使用方法包括以下步驟：

步驟1）從受試者個體新鮮糞便樣本中提取并純化DNA片段；

步驟2）使用TaqMan探針法進行qPCR實時定量，檢測受試者樣本中的如權利要求1所述微生物標志物目的基因片段的基因含量以及內部參照16S rDNA的基因含量，從而比較得到相關微生物標志物的豐度；

步驟3）將步驟2）得到的微生物標志物的豐度信息輸入如權利要求2所述的結直腸癌風險計算模型中，經過模型綜合計算后給出風險打分，從而輔助診斷評估個體患結直腸癌的風險。