一种前列腺癌患者预后风险预测模型的构建方法技术

本发明专利技术公开了一种前列腺癌患者预后风险预测模型的构建方法，所述方法包括：获取前列腺穿刺样本；对所述前列腺穿刺样本进行MeRIP

【技术实现步骤摘要】
一种前列腺癌患者预后风险预测模型的构建方法


[0001]本专利技术涉及癌症预后风险评估
，尤其涉及一种前列腺癌患者预后风险预测模型的构建方法。

技术介绍

[0002]前列腺癌(pca)是男性中最普遍的癌症，也是男性癌症死亡的主要原因之一。前列腺癌在全球男性癌症发病率中排名第二位，占男性癌症新发病例的14.1％，死亡率占全部癌症的6.8％。在我国，前列腺癌发病率在过去的20年里从10％迅速上升到20％。虽然前列腺癌的总体生存率优于其他恶性肿瘤，但其复发率非常高，大多数患者最终发展为晚期，称为去雄抵抗性前列腺癌(CRPC)。此外，出现癌症转移的患者中位生存期很短，只有30个月。因此，进一步研究前列腺癌的分子机制，寻找有效的筛查和诊断方法，对提高患者的生活质量具有重要意义。
[0003]现临床上已有若干肿瘤标志物用于肿瘤的诊断，但多是单一的标志物，敏感性、特异性尚不能满足临床需要。面对前列腺癌目前的诊治形式，急需良好的模型对其进行适时的评估，及时判断预后。

技术实现思路

[0004]本专利技术实施例所要解决的技术问题在于，提供一种前列腺癌患者预后风险预测模型的构建方法，所建立的预测模型能够更精准地预测患者的预后，更好地指导临床决策，为前列腺癌的治疗提供更为科学的参考依据，对于前列腺癌的精准诊疗具有重大意义。
[0005]为了实现上述目的，本专利技术实施例提供了一种前列腺癌患者预后风险预测模型的构建方法，包括：
[0006]获取前列腺穿刺样本，所述前列腺穿刺样本包括N个正常前列腺穿刺样本、N个激素敏感性前列腺癌穿刺样本和N个激素抵抗性前列腺癌穿刺样本；其中，N为大于1的正整数；
[0007]对所述前列腺穿刺样本进行MeRIP
‑
Seq甲基化RNA免疫共沉淀结合高通量测序，并采用差异分析方法分析所述前列腺穿刺样本中与前列腺癌预后相关的基因，得到与前列腺癌预后相关的若干个m6A修饰基因；
[0008]将所有所述m6A修饰基因作为训练集，采用回归分析筛选出与前列腺癌预后风险预测相关的若干个关键基因；
[0009]根据所有所述关键基因构建前列腺癌患者预后风险预测模型，通过所述预后风险预测模型得到所述前列腺癌患者的预后风险情况。
[0010]作为其中一种可选的实施例，所述通过所述预后风险预测模型得到所述前列腺癌患者的预后风险情况，具体包括：
[0011]通过所述预后风险预测模型得到每一所述关键基因的表达量和相关系数；其中，所述相关系数为所述关键基因与所述前列腺癌患者预后的相关系数；
[0012]根据所述表达量和所述相关系数计算所述前列腺癌患者预后的风险评分；
[0013]根据所述风险评分得出所述前列腺癌患者的预后风险情况。
[0014]作为其中一种可选的实施例，所述风险评分的计算公式为：
[0015][0016]其中，RS表示风险评分，n表示关键基因的数量，a
i
表示第i个关键基因的相关系数，exp
i
表示第i个关键基因的表达量。
[0017]作为其中一种可选的实施例，所述根据所述风险评分得出所述前列腺癌患者的预后风险情况，具体包括：
[0018]判断所述风险评分是否超出预设范围；
[0019]若所述风险评分超出预设范围，则说明所述前列腺癌患者的预后风险较高；
[0020]若所述风险评分未超出预设范围，则说明所述前列腺癌患者的预后风险较低。
[0021]作为其中一种可选的实施例，所述方法还包括：
[0022]采用Kaplan
–
Meier生存分析、ROC分析和C
‑
index中的一种或多种对所述预后风险预测模型的预测准确性进行验证。
[0023]作为其中一种可选的实施例，所述回归分析为岭回归分析、Cox回归分析、Lasso回归分析或ElasticNet回归分析中的任意一种。
[0024]作为其中一种可选的实施例，所述关键基因分别为THSD7A、TNFRSF12A、CELSR3、NFIX、SYT7、GPRC5A、IGF1、HGF、ANK1、VCAN、CDH1、ADRB1、HDAC9、COL9A2、KITLG、LAMA3、TMCC3、LAMC2、GNA15、CDH3、GPC1、NGEF、SYT1、ATP11A、ADD2、FDFT1、OPRK1、RPS5、WNT11、LYZ、SLC5A1、NEFH、CHGA、MMP9、MYBL2、EEF1A2、PTK6、SMS、KLF5、MMP15、SLC7A5、CPPED1、PLAT、EIF3E、NDRG1、NCALD、BNIP3L、MYH14、COMP、LFNG、CASP2、SFRP4、AEBP1、RLN1、SH3PXD2A、SOD3、FAM149A、CUX2、OAS3、RIC8B、COL12A1、FRK、BVES、SLC16A10、PDE10A、MDFI、ENPP5、MRPS27、PCDHB3、PCDHB5、PCDHB7、QPCT、SDC1、ST6GALNAC5、GBP3、F3、SPP1、GALNT12、PLEKHG1、SOCS2、GLIPR2、NUDT10、LRP1、HJURP、SDC4、SOX9、C3、IFI6、ZC4H2、HIP1、STEAP4、CDC42EP1、ISLR、PGAP6、PPP1R1B、MCCC2、SLC6A11、PPARG、VSTM2L、ATP8A2、CHI3L1、KL、AMPD3、BHLHE40、HMGCS2、LDHA、ANXA1、GOLM1、ELF5、CKAP2、TTYH3、DAB2IP、KIF12、MYC、RPS6、RNF144B、GGH、SORL1、ITGA11、CYP1B1、SLC39A8、SORD、CPNE2、SLC39A6、MAPK4、PFKL、RPS8、ZNF697、GULP1、IL17RD、PLA1A、ADPRH、RPS3A、OTULINL、CXCL14、TNFRSF21、SDK1、CSGALNACT1、RPL7、CDKN2A、LCN2、FAM171A1、FAM13C、ADD3、ADM、ITPR1、ANK3、PLEKHG4B、AK5、ANKRD29、PDLIM3、SLC16A1、MMP14、ERG、CLSTN2、RUNX1、SPON2、RPL8、DMKN、RPL26、CAMK2N1、C1orf115、PIGR、CLDN1、ELF3、RPL22L1、CDCP1、ARHGEF3、GUCY1A1、HHIP、FABP5、CTSB、WNK2、SLC16A9、GJB2、PKNOX2、GREM1、C19orf48、KRT80、DDIT4、ZNF608、VXN、PARM1、PFKFB3、KCNK3、KRT19、RRM2、RARG、DMXL1、AGR3、PTPRM、CHST2、UCP2、DMRTA1、RIMS2、RPS27、ADAMTSL1、VWA1、SLITRK4、ALOX15B、BACE2、CACNB4、ANXA2、CRIP2、CCSER1、SEPTI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前列腺癌患者预后风险预测模型的构建方法，其特征在于，包括：获取前列腺穿刺样本，所述前列腺穿刺样本包括N个正常前列腺穿刺样本、N个激素敏感性前列腺癌穿刺样本和N个激素抵抗性前列腺癌穿刺样本；其中，N为大于1的正整数；对所述前列腺穿刺样本进行MeRIP
‑
Seq甲基化RNA免疫共沉淀结合高通量测序，并采用差异分析方法分析所述前列腺穿刺样本中与前列腺癌预后相关的基因，得到与前列腺癌预后相关的若干个m6A修饰基因；将所有所述m6A修饰基因作为训练集，采用回归分析筛选出与前列腺癌预后风险预测相关的若干个关键基因；根据所有所述关键基因构建前列腺癌患者预后风险预测模型，通过所述预后风险预测模型得到所述前列腺癌患者的预后风险情况。2.如权利要求1所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述通过所述预后风险预测模型得到所述前列腺癌患者的预后风险情况，具体包括：通过所述预后风险预测模型得到每一所述关键基因的表达量和相关系数；其中，所述相关系数为所述关键基因与所述前列腺癌患者预后的相关系数；根据所述表达量和所述相关系数计算所述前列腺癌患者预后的风险评分；根据所述风险评分得出所述前列腺癌患者的预后风险情况。3.如权利要求2所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述风险评分的计算公式为：其中，RS表示风险评分，n表示关键基因的数量，a
i
表示第i个关键基因的相关系数，exp
i
表示第i个关键基因的表达量。4.如权利要求2所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述根据所述风险评分得出所述前列腺癌患者的预后风险情况，具体包括：判断所述风险评分是否超出预设范围；若所述风险评分超出预设范围，则说明所述前列腺癌患者的预后风险较高；若所述风险评分未超出预设范围，则说明所述前列腺癌患者的预后风险较低。5.如权利要求1所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述方法还包括：采用Kaplan
–
Meier生存分析、ROC分析和C
‑
index中的一种或多种对所述预后风险预测模型的预测准确性进行验证。6.如权利要求1所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述回归分析为岭回归分析、Cox回归分析、Lasso回归分析或ElasticNet回归分析中的任意一种。7.如权利要求1至6中任一项所述的前列腺癌患者预后风险预测模型的构建方法，其特征在于，所述关键基因分别为THSD7A、TNFRSF12A、CELSR3、NFIX、SYT7、GPRC5A、IGF1、HGF、ANK1、VCAN、CDH1、ADRB1、HDAC9、COL9A2、KITLG、LAMA3、TMCC3、LAMC2、GNA15、CDH3、GPC1、NGEF、SYT1、ATP11A、ADD2、FDFT1、OPRK1、RPS5、WNT11、LYZ、SLC5A1、NEFH、CHGA、MMP9、MYBL2、
...

【专利技术属性】
技术研发人员：蔡超，刘钦威，
申请(专利权)人：广州医科大学附属第一医院广州呼吸中心，
类型：发明
国别省市：