【技术实现步骤摘要】
均衡临床混杂因素的放疗敏感性标志基因筛选方法
本专利技术涉及基于临床样本基因表达谱的放疗敏感性标志基因筛选方法，尤其提出一种均衡临床混杂因素的筛选方法。
技术介绍
手术、化疗、放疗是恶性肿瘤治疗的三大传统手段。随着组学技术的发展，恶性肿瘤治疗逐渐进入精准医疗时代。放射肿瘤学的发展目前也处于这样的一个转折点上，用分子生物学和遗传学的眼光能更准确地瞄准目标。近年来基于基因组学模型的个体化精准放疗模式逐渐得到开发应用。目前大多数寻找影响放疗敏感性主要基因的方法是通过细胞体外实验结合基因表达谱分析。单一细胞株表达谱缺乏临床的多样性及异质性，其结果可能缺乏临床适用性及实际开发价值。另一方面，少部分利用临床样本进行放疗敏感基因筛选的方法并未综合纳入考虑患者的临床因素。而患者的诸多临床因素，例如患者年龄、肿瘤病理学类型、肿瘤分期、肿瘤分化程度等均可影响放射治疗的预后。尤其是，肿瘤的治疗常是综合治疗，放疗常与化疗或分子靶向药物治疗相结合，因而其余治疗因素也对放疗疗效的评估产生较大干扰。
技术实现思路
本专利技术针对现有技术存在的问题和不足，提供一种新型均衡临床混杂因素的放疗敏感性标志...
【技术保护点】
1.一种均衡临床混杂因素的放疗敏感性标志基因筛选方法，其特征在于，其包括以下步骤：将每一已实施放疗的恶性肿瘤患者样本数据分为临床因素数据和放疗前基因表达谱数据，放疗前基因表达谱数据构成基因集G1；对每一个样本的临床因素数据，以放疗期间用药与否为结局构建临床因素的logistic回归模型，从而计算各样本的临床因素倾向性评分值PS；对基因集G1表达谱，以放疗敏感或耐受为依据将所有基因集G1分为两组并对两组的基因集中的基因表达水平进行两独立样本t‑test检验以获得P值，初筛出P值
【技术特征摘要】
1.一种均衡临床混杂因素的放疗敏感性标志基因筛选方法，其特征在于，其包括以下步骤：将每一已实施放疗的恶性肿瘤患者样本数据分为临床因素数据和放疗前基因表达谱数据，放疗前基因表达谱数据构成基因集G1；对每一个样本的临床因素数据，以放疗期间用药与否为结局构建临床因素的logistic回归模型，从而计算各样本的临床因素倾向性评分值PS；对基因集G1表达谱，以放疗敏感或耐受为依据将所有基因集G1分为两组并对两组的基因集中的基因表达水平进行两独立样本t-test检验以获得P值，初筛出P值<0.1的差异表达基因子集G2；首先纳入倾向性评分值PS为固定自变量，其后每次纳入基因子集G2中余下基因中的一个基因表达量为自变量，构建以放疗敏感或耐受为结局的lo...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。