[發明專利]基因焦點擴增分型模型的構建方法及腫瘤樣本的分型方法

在審

• 申請號: 202211067952.6
• 申請日: 2022-09-01
• 公開（公告）號: CN115148287A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 徐瑞華;趙齊;王詩翔
• 申請（專利權）人: 中山大學腫瘤防治中心（中山大學附屬腫瘤醫院;中山大學腫瘤研究所）
• 主分類號: G16B30/00
• 分類號: G16B30/00;G06K9/62;G16B40/20;G16H50/20
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 謝敏楠;賀英倩

1.一種基因焦點擴增分型模型的構建方法，其特征在于，所述構建方法包括：

獲取預設數量的腫瘤樣本中各等位基因特異的第一關聯特征樣本數據；所述第一關聯特征樣本數據包括所述腫瘤樣本中等位基因特異的絕對拷貝數信息；所述絕對拷貝數信息包括基因總拷貝、基因小等位基因拷貝、腫瘤純度、腫瘤倍性、拷貝數變異負載、雜合性缺失比例、腫瘤異倍性評分和拷貝數變異模式的一種或多種；

對各所述第一關聯特征樣本數據進行隨機劃分處理，生成訓練樣本集和測試樣本集；

根據所述訓練樣本集對預設的基因分型模型進行訓練，并根據所述測試樣本集對所述基因分型模型進行測試，基于訓練和測試得到的PR-AUC指標調整所述基因分型模型的模型參數，直至所述PR-AUC指標符合預設要求，生成訓練好的基因焦點擴增分型模型，以基于所述訓練好的基因焦點擴增分型模型輸出基因焦點擴增分型結果；所述基因焦點擴增分型結果包括基因載于染色體外環狀DNA或基因載于染色體DNA。

2.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述第一關聯特征樣本數據還包括所述腫瘤樣本中等位基因特異的擴增頻率信息；所述擴增頻率信息包括環形擴增頻率、斷裂橋循環擴增頻率、復雜重排擴增頻率和線性擴增頻率中的一種或多種。

3.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述獲取預設數量腫瘤樣本中各等位基因特異的第一關聯特征樣本數據的步驟包括：

獲取所述預設數量的腫瘤患者的第一目標基因測序結果；所述第一目標基因測序結果包括所述腫瘤患者的腫瘤樣本的基因測序結果和對應的正常對照樣本的基因測序結果；

對各所述第一目標基因測序結果進行分析，得到對應的所述第一關聯特征樣本數據。

4.根據權利要求3所述的基因焦點擴增分型模型的構建方法，其特征在于，所述拷貝數變異模式包括19種拷貝數變異子模式和各所述拷貝數變異子模式對應的比例。

5.根據權利要求4所述的基因焦點擴增分型模型的構建方法，其特征在于，所述對各所述第一目標基因測序結果進行分析，得到對應的所述第一關聯特征樣本數據的步驟包括：

基于等位基因特異性拷貝數檢測軟件，對各所述第一目標基因測序結果進行分析，得到對應的所述絕對拷貝數信息；

基于拷貝數變異分析與拷貝數變異模式分析軟件，對各所述絕對拷貝數信息進行計算，得到對應的雜合性缺失比例和各所述拷貝數變異子模式對應的比例。

6.根據權利要求3所述的基因焦點擴增分型模型的構建方法，其特征在于，所述第一目標基因測序結果根據全外顯子組測序方法、靶向基因測序方法、SNP檢測方法和全基因組測序方法中的一種或多種確定。

7.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述基因分型模型為XGBoost、邏輯回歸、隨機森林和GBDT中的一種。

8.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述構建方法還包括：

基于分組k折交叉驗證法，對所述訓練好的基因焦點擴增分型模型進行性能驗證，得到性能驗證結果。

9.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述構建方法還包括：

根據所述基因焦點擴增分型結果，篩選所述染色體外環狀DNA關聯的目標基因，分析所述目標基因所屬染色體基因組位點和出現頻次，并生成排序后的目標基因列表。

10.根據權利要求1所述的基因焦點擴增分型模型的構建方法，其特征在于，所述第一關聯特征樣本數據為關聯特征樣本數據矩陣或關聯特征樣本數據列表。