建立诊断大肠癌模型的方法、用于分析粪便样本基因的设备和计算机程序技术

本发明专利技术涉及一种用于分析粪便样本基因的设备。所述设备包括：获取单元，用于获取粪便样本的ACTB基因、SFRP2基因和SDC2基因的Ct值，分别为Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)；计算单元，用于基于y＝f0+f1×

【技术实现步骤摘要】
建立诊断大肠癌模型的方法、用于分析粪便样本基因的设备和计算机程序


[0001]本专利技术属于生物
，具体地，本专利技术涉及一种建立诊断大肠癌模型的方法、用于分析粪便样 本基因的设备和计算机程序。

技术介绍

[0002]癌症成为第一大死亡诱因(死亡率：每10万人死于癌症者130.7人)。癌症死亡率由高至低依次为 肺癌、胃癌、肝癌、大肠癌和胰腺癌，这五大癌症的死亡率约占癌症死亡总数的70％。男性中，肺癌、 胃癌、肝癌和大肠癌这四大癌症的死亡人数，占所有男性癌症死亡人数的70％。女性中，胃癌、肺癌、 肝癌、大肠癌和胰腺癌这五大癌症的死亡人数，占所有女性癌症死亡人数的60％。
[0003]大肠癌是指在结肠或直肠中发生恶性肿瘤，2000年全球发病率(新发病例占全世界癌症总发病率的 9.4％)，死亡率(占癌症总死亡率的7.9％)在所有癌症中高居第三；按性别比较，男性和女性的发病 率相似(男性:女性为1.1:1)。对于大肠癌患者，如果大肠癌在早期发现，治愈的可能性高达90％，也 就是发现的越早，治愈的机会就越大。
[0004]因此，亟需开发一种新型、高效的诊断大肠癌的系统。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决现有技术中存在的技术问题至少之一。为此，本专利技术提供了一种 建立诊断大肠癌模型的方法、用于分析粪便样本基因的设备和计算机程序，本专利技术的方法可建立得到用 于诊断大肠癌的模型，该模型诊断大肠癌的准确度高，总体准确度可达96％，并且，采用本专利技术的设备 和计算机程序均可用于确定粪便样本的基因评分，通过基因评分可判断大肠癌方面的健康指数。
[0006]在本专利技术的一个方面，本专利技术提出了一种建立诊断大肠癌模型的方法。根据本专利技术的实施例，所述 方法包括：S1、获取多个参考样本的ACTB基因、SFRP2基因和SDC2基因的Ct值，分别为Ct(ACTB)、 Ct(SFRP2)和Ct(SDC2)；S2、基于所述Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)，获得用于诊断大肠癌的模型； S3、将所述模型进行分析验证，获得所述模型的准确度结果；S4、基于所述准确度结果，确定诊断大肠 癌模型；
[0007]其中，在步骤S2中，通过下列步骤获得所述模型：S2
‑
1、基于所述Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)， 获得
△
Ct(SFRP2)和
△
Ct(SDC2)，其中，
△
Ct(SFRP2)＝Ct(SFRP2)
‑
Ct(ACTB)，
ꢀ△
Ct(SDC2)＝Ct(SDC2)
‑
Ct(ACTB)；S2
‑
2、基于多个所述参考样本的Ct(ACTB)、
△
Ct(SFRP2)和
△
Ct(SDC2) 的关系，获得Ct(ACTB)和
△
Ct(SFRP2)之间的第一预设函数，以及Ct(ACTB)和
△
Ct(SDC2)之间的第二 预设函数；S2
‑
3、基于多个所述参考样本的Ct(ACTB)、第一预设函数和第二预设函数，确定用于诊断 大肠癌的模型；
[0008]所述诊断大肠癌模型的计算公式如下：
[0009]y＝f0+f1×
A+f2×
B+f3×
C，
[0010]A代表Ct(ACTB)，B代表第一预设函数，C代表第二预设函数；
[0011]其中，f0、f1、f2和f3是分别独立地通过Logistic回归分析确定的常数。
[0012]根据本专利技术实施例的建立诊断大肠癌模型的方法可得到用于诊断大肠癌的模型，获得的诊断大肠癌 模型可诊断出待测者大肠癌，且诊断结果的准确度高。
[0013]在本专利技术的另一方面，本专利技术提出了一种用于分析粪便样本基因的设备。根据本专利技术的实施例，所 述设备包括：获取单元，用于获取粪便样本的ACTB基因、SFRP2基因和SDC2基因的Ct值，分别为 Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)；计算单元，用于基于y＝f0+f1×
A+f2×
B+f3×
C确定所述粪便 样本的基因评分；其中，A代表Ct(ACTB)，B代表第一预设函数，C代表第二预设函数；f0、f1、f2和 f3是分别独立地通过Logistic回归分析确定的常数。根据本专利技术实施例的设备可对粪便样本进行基因评 分，基于基因评分的结果可得到粪便样本所对应的待测者大肠癌方面的健康指数，且具有较高的准确度。
[0014]在本专利技术的又一方面，本专利技术提出了一种计算机程序。根据本专利技术的实施例，所述计算机程序在计 算机上执行时可以通过下列步骤确定粪便样本的基因评分：获取粪便样本的ACTB基因、SFRP2基因和 SDC2基因的Ct值，分别为Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)；基于y＝f0+f1×
A+f2×
B+f3×
C确 定所述粪便样本的基因评分；其中，A代表Ct(ACTB)，B代表第一预设函数，C代表第二预设函数；f0、 f1、f2和f3是分别独立地通过Logistic回归分析确定的常数。根据本专利技术实施例的计算机程序可对粪便样 本的基因进行基因评分，基于基因评分结果可得到粪便样本所对应的待测者大肠癌方面的健康指数。
[0015]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本 专利技术的实践了解到。
附图说明
[0016]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其 中：
[0017]图1是本专利技术实施例2的Ct(ACTB)和
△
Ct(SFRP2)的散点图；
[0018]图2是本专利技术实施例2的Ct(ACTB)和
△
Ct(SFRP2)的散点图；
[0019]图3是本专利技术实施例2的Ct(ACTB)和
△
Ct(SFRP2)的散点图；
[0020]图4是本专利技术实施例2的Ct(ACTB)和
△
Ct(SFRP2)的散点图；
[0021]图5是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；
[0022]图6是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；
[0023]图7是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；
[0024]图8是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；
[0025]图9是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；
[0026]图10是本专利技术实施例2的Ct(ACTB)和
△
Ct(SDC2)的散点图；...

【技术保护点】

【技术特征摘要】
1.一种建立诊断大肠癌模型的方法，其特征在于，包括：S1、获取多个参考样本的ACTB基因、SFRP2基因和SDC2基因的Ct值，分别为Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)；S2、基于所述Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)，获得用于诊断大肠癌的模型；S3、将所述模型进行分析验证，获得所述模型的准确度结果；S4、基于所述准确度结果，确定诊断大肠癌模型；其中，在步骤S2中，通过下列步骤获得所述模型：S2
‑
1、基于所述Ct(ACTB)、Ct(SFRP2)和Ct(SDC2)，获得
△
Ct(SFRP2)和
△
Ct(SDC2)，其中，
△
Ct(SFRP2)＝Ct(SFRP2)
‑
Ct(ACTB)，
△
Ct(SDC2)＝Ct(SDC2)
‑
Ct(ACTB)；S2
‑
2、基于多个所述参考样本的Ct(ACTB)、
△
Ct(SFRP2)和ΔCt(SDC2)的关系，获得Ct(ACTB)和
△
Ct(SFRP2)之间的第一预设函数，以及Ct(ACTB)和
△
Ct(SDC2)之间的第二预设函数；S2
‑
3、基于多个所述参考样本的Ct(ACTB)、第一预设函数和第二预设函数，确定用于诊断大肠癌的模型；所述诊断大肠癌模型的计算公式如下：y＝f0+f1×
A+f2×
B+f3×
C，A代表Ct(ACTB)，B代表第一预设函数，C代表第二预设函数；其中，f0、f1、f2和f3是分别独立地通过Logistic回归分析确定的常数。2.根据权利要求1所述的方法，其特征在于，所述第一预设函数如下：ACTB基因的Ct值小于等于35.5时，ACTB基因的Ct值大于35.5时，其中，f(ΔSFRP2)代表所述第一预设函数，ACTB代表Ct(ACTB)，SFRP2代表ct(SFRP2)；任选地，所述第二预设函数如下：其中，f(ΔSDC2)代表所述第二预设函数，ACTB代表Ct(ACTB)，SDC2代表Ct(SDC2)。3.根据权利要求1所述的方法，其特征在于，步骤S2进一步包括：S2
‑
4、基于所述模型，确定大肠癌的阳性判断值，所述阳性判断值是通过如下方法的至少之一获得的：真阳性真阴性之和、灵敏度
‑...

【专利技术属性】
技术研发人员：郑智俊，秦楠，沈秀萍，
申请(专利权)人：上海锐翌生物科技有限公司，
类型：发明
国别省市：