[發明專利]基于m6

在審

• 申請號: 202210751818.1
• 申請日: 2022-06-28
• 公開（公告）號: CN115029442A9
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 郭剛強;葉樂樂;粘澤愷;薛向陽;馮詩雨;湯桑桑
• 申請（專利權）人: 溫州醫科大學
• 主分類號: C12Q1/6886
• 分類號: C12Q1/6886;G16H50/30;G16H50/50;G16H50/70;G16B50/00
• 代理公司: 北京祺和祺知識產權代理有限公司 11501
• 代理人: 陳瑤瑤

1.一種預測SOC預后的標記物，其特征在于，所述預后標記物為AL513211.1，LINC02384，RP11-508M8.1，AC138761.4，MYCNOS和AC07206.3六條lncRNA的組合。

2.基于權利要求1所述標記物的風險模型，其特征在于，風險評分＝系數(lncRNA1)×表達水平(lncRNA1)+系數(lncRNA2)×表達水平(lncRNA2)+…+系數(lncRNAn)×表達水平(lncRNAn)；其中n表示第n個非零系數的lncRNA。

3.如權利要求2所述的預測SOC預后的預測模型，其特征在于，具體模型構建方法包括以下步驟：

(1)從癌癥基因組圖譜TCGA數據庫下載漿液性卵巢癌全轉錄組數據以及相應患者的臨床信息；

(2)從相關報道中篩選m6A修飾調節因子，獲得相關的m6A基因集；

(3)根據皮爾遜相關分析篩選出與m6A修飾調節因子相關的lncRNA(m6A-lncRNAs)；

(4)結合乘積極限法(Kaplan-Meier，KM)，也叫KM生存分析以及單變量Cox回歸分析，計算每個m6A-lncRNAs與患者生存是否存在關系，篩選出與SOC預后相關lncRNA；

(5)利用Lasso?Cox回歸進一步篩選lncRNA，篩選出其中13個lncRNAs，并使用受試者工作特征曲線分析評估進行模型自評；

(6)最后通過多變量Cox回歸分析，剔除混雜因素，獲得6個風險因素相關lncRNA的風險權重系數，并構建風險公式。

4.根據權利要求3所述的SOC預后的預測模型，其特征在于，該方法具體包括RNA的獲取，lncRNA篩選，模型的構建和風險評分的計算，根據計算的風險評分將患者劃分為高危和低危兩組，判斷患者預后。

5.一種基于漿液性卵巢癌預后模型的應用，其特征是：(1)作為評估患者預后危險度和療效的分子標記物；(2)應用于漿液性卵巢癌中以評估患者的預后危險度和療效。