[發(fā)明專利]基于微生物豐度的MIBC分型及預(yù)后預(yù)測模型構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202210148697.1
• 申請日: 2022-02-18
• 公開（公告）號: CN114203256B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 金鴿;薛銀鴿;林為麗;徐小紅;趙婷婷
• 申請（專利權(quán)）人: 上海仁東醫(yī)學(xué)檢驗所有限公司;蘇州仁東生物工程有限公司
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B20/00;G16B30/00;G16B40/00
• 代理公司: 上海市匯業(yè)律師事務(wù)所 31325
• 代理人: 陸紅杰

1.肌層浸潤性膀胱癌分型方法，所述方法非用于疾病的診斷和治療目的，其特征在于，依據(jù)肌層浸潤性膀胱癌患者的組織微生物豐度譜特征對肌層浸潤性膀胱癌進行分子分型，將肌層浸潤性膀胱癌分為微生物Ⅰ型、微生物Ⅱ型、微生物Ⅲ型和微生物Ⅳ型四種分子亞型；所述方法包括如下步驟：

1）獲取肌層浸潤性膀胱癌患者基因表達譜數(shù)據(jù)和臨床信息數(shù)據(jù)，剔除T1期樣本和同一患者重復(fù)測序樣本，獲得實際分析樣本；

2）獲取已知微生物的基因組，并根據(jù)質(zhì)量分數(shù)進行過濾；

3）將實際分析樣本的測序讀數(shù)比對到人類參考基因組，將未與人類參考基因組對齊的測序讀數(shù)拆分為序列片段，映射到步驟2）所得的微生物基因組；

4）對步驟3）所得微生物基因組數(shù)據(jù)進行標準化處理，降低測序深度和批次效應(yīng)影響，挑選出實際分析樣本的微生物豐度譜數(shù)據(jù)；

5）計算步驟4）所得微生物豐度譜中的微生物在實際分析樣本中的豐度值的絕對中位差，并根據(jù)絕對中位差選取不同比例的微生物構(gòu)成行為樣本，列為實際分析樣本的微生物豐度譜子集；

6）將所述微生物豐度譜子集聚類到微生物分型，將肌層浸潤性膀胱癌分為微生物Ⅰ型、微生物Ⅱ型、微生物Ⅲ型和微生物Ⅳ型四種分子亞型。

2.根據(jù)權(quán)利要求1所述的分型方法，其特征在于，步驟1），所述臨床信息包括年齡、疾病分期、疾病特異性生存期和總生存期。

3.根據(jù)權(quán)利要求1所述的分型方法，其特征在于，步驟2），過濾掉質(zhì)量分數(shù)小于或等于0.8的細菌和古細菌。

4.根據(jù)權(quán)利要求1所述的分型方法，其特征在于，步驟4），降低測序深度影響的標準化處理方法包括：

過濾掉缺失臨床信息的樣本；

過濾掉低豐度微生物數(shù)據(jù)，進行M-值的加權(quán)截尾均值標準化；

對每個樣本微生物數(shù)據(jù)進行l(wèi)og-cpm轉(zhuǎn)換，消除數(shù)據(jù)的異方差性。

5.根據(jù)權(quán)利要求1或4所述的分型方法，其特征在于，步驟4），降低批次效應(yīng)影響的標準化處理方法包括：將樣本類型作為生物變量，將測序中心、測序平臺、實驗方法、樣品來源機構(gòu)、福爾馬林固定和石蠟包埋狀態(tài)作為校正變量；保留生物變量的效應(yīng)，去除校正變量的效應(yīng)；所述樣本類型包括原發(fā)腫瘤樣本、轉(zhuǎn)移腫瘤樣本、正常組織樣本、血液來源正常樣本和新發(fā)腫瘤樣本。

6.根據(jù)權(quán)利要求1所述的分型方法，其特征在于，步驟5），根據(jù)絕對中位差的值，選取前5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、55%、60%、65%、70%、75%、80%、85%、90%、95%、100%的微生物構(gòu)成20個行為樣本。

7.基于權(quán)利要求1-6任一項所述分型方法的肌層浸潤性膀胱癌預(yù)后預(yù)測模型的構(gòu)建方法，所述方法非用于疾病的診斷和治療目的，其特征在于，步驟包括：

1）篩選在各肌層浸潤性膀胱癌分型之間的豐度分布存在差異的微生物；

2）以步驟1）篩選出的差異微生物和肌層浸潤性膀胱癌患者的臨床信息為自變量，肌層浸潤性膀胱癌患者的生存時間和生存狀態(tài)為因變量，構(gòu)建lasso模型，篩選出lasso系數(shù)非零的差異微生物；

3）將步驟2）篩選出的差異微生物作為自變量，肌層浸潤性膀胱癌患者的生存時間和生存狀態(tài)為因變量，構(gòu)建多因素回歸模型，篩選出符合Cox回歸模型的比例風(fēng)險假定的差異微生物；

4）提取步驟3）篩選出的差異微生物的回歸系數(shù)，計算每個樣本的差異微生物風(fēng)險值；

5）以所述差異微生物風(fēng)險值和臨床信息為變量，構(gòu)建預(yù)后預(yù)測模型。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，步驟3）篩選出的差異微生物的名稱及在美國國家生物技術(shù)信息中心的對應(yīng)分類號如下表所示：

。