本发明专利技术首次提供了一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置，该组合包含33个基因，分别是：LOC642587、S1PR5、BNC1、ATP1B3、LASS3、LONRF3、VSNL1、TRIM29、HNF1B、DSG3、CLCA2、TMPRSS11A、KRT17、GOLT1A、DLX5、E2F7、COL4A5、SLC39A2、TESC、FAT2、CALML3、KRT74、PVRL1、PRRG3、PERP、C4BPB、FZD7、DMGDH、OCLN、ARHGEF38、KRT5、CGN、LRRC66；该标记物组合可应用于肺腺癌、肺鳞癌组织分型的诊断中，诊断准确度可达96.64％。本发明专利技术提供的肺腺癌、肺鳞癌组织分型诊断装置，通过输入上述33个基因RNAseq的转录本count数，可对肺癌标本类型进行准确诊断；与传统病理形态学诊断相比，本发明专利技术提供的基因转录本标记物组合及分型诊断装置，具有准确度高、检测通量大、人为干扰低等优点，具有广泛的临床应用及推广价值。值。值。
【技术实现步骤摘要】
一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置
[0001]本专利技术属于生物
，具体涉及一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置。
技术介绍
[0002]肺癌是当今世界最常见的恶性肿瘤之一，且是致死亡人数最多的肿瘤。肺癌可以分为小细胞肺癌和非小细胞肺癌，分别占比15％和85％。和其他恶性肿瘤类似，肺癌的生存期同其分期密切相关。非小细胞肺癌是由表观遗传改变引起的异质性疾病，具有高度肿瘤异质性。肿瘤异质性是癌症进展和耐药的重要原因。现有肺癌的治疗方式选择的主要依据是病理分型及分期，其中包括小细胞肺癌和非小细胞肺癌，肺腺癌(ADC)和肺鳞癌(SCC)等。临床上对肺癌作出诊断时，明确其病理分型对制订治疗方案、分析预后非常重要。不同组织亚型的肺癌，其相应的治疗策略也有所差异。对于非小细胞肺癌来说，腺癌的肿瘤细胞增殖速度比较快，通常在早期就会出现病灶转移，对化疗药物更敏感，而对放射治疗效果欠佳，因此常常选择手术、化疗、免疫、靶向等治疗方式。而鳞癌的肿瘤细胞生长稍慢一些，早期以局部侵犯为主，远处转移发生比较晚，所以鳞癌对放射治疗的敏感性更高，一般会采用手术、放射、免疫治疗等方式。
[0003]目前对肺癌的病理分型主要依靠组织形态学及免疫组化的方法。传统的病理组织学方法对病理技术员和病理医师的要求较高，进行结果判读时也存在一定的主观性。因此，开发一种客观、准确的基因标记物组合应用于非小细胞肺癌的组织分型诊断具有十分重要的意义。因此，针对肺癌分型诊断应用，本专利技术首次公开了一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置。
技术实现思路
[0004]为了填补现有技术的空白，本专利技术的目的在于提供一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]本专利技术的第一方面提供了一种基因转录本标记物组合，包括如下33个基因的转录本：LOC642587、S1PR5、BNC1、ATP1B3、LASS3、LONRF3、VSNL1、TRIM29、HNF1B、DSG3、CLCA2、TMPRSS11A、KRT17、GOLT1A、DLX5、E2F7、COL4A5、SLC39A2、TESC、FAT2、CALML3、KRT74、PVRL1、PRRG3、PERP、C4BPB、FZD7、DMGDH、OCLN、ARHGEF38、KRT5、CGN、LRRC66；所述标记物组合应用于肺腺癌、肺鳞癌的组织分型诊断；
[0007]进一步的，所述分型诊断的样本类型为非小细胞肺癌组织RNA；其组织分型诊断的准确度为96.64％。
[0008]本专利技术的第二方面提供了一种基于上述基因转录本标记物组合制备的肺癌分型诊断装置，所述装置包括检测模块和预测模块；具体地，通过输入所述标记物组合转录本的
表达水平，即可对非小细胞肺癌组织是肺腺癌还是肺腺癌进行准确预测；
[0009]进一步的，所述检测模块包括总RNA提取试剂、逆转录试剂、建库试剂或测序试剂；
[0010]进一步的，所述检测具体为从肺癌组织样本中提取总RNA，建库测序，获得上述33个基因转录本count数；更具体地，所述33个基因转录本count数的获取包括下机数据质控、低质量数据过滤、参考基因组比对、计算count数等步骤；
[0011]进一步的，所述预测具体为将得到的基因转录本count数，输入构建好的随机森林分类器中，得到预测结果；
[0012]进一步的，所述预测结果为0或者1，其中0表示样本预测结果为肺腺癌，1表示样本预测结果为肺鳞癌；
[0013]进一步的，所述分类器的构建方法如下：
[0014](1)获取非小细胞肺癌组织，根据其组织分型分为ADC组和SCC组；
[0015](2)提取肿瘤组织总RNA，进行逆转录，逆转录为cDNA；
[0016](3)进行文库构建；
[0017](4)测序上机，获得各转录本的reads数；
[0018](5)进行下机数据质控、数据过滤、数据转换后，得到每个转录本的count数，并将各转录本注释到人类基因组上；
[0019](6)使用DESEQ2软件包(基于R语言)进行差异转录本分析；
[0020](7)根据设定的log2FoldChange和padjust阈值，进行差异转录本过滤，初步得到具有特别显著性差异的转录本，进入后续分析；
[0021](8)将步骤(7)中得到的转录本count数作为自变量，是否为肺鳞癌组织作为因变量(ADC用数字0表示，SCC用数字1表示)，使用Scikit
‑
learn软件包(基于Python)中的随机森林模型构建分类器，进行模型的训练后，得到分类模型；再根据分类模型对待测样本进行组织分型的预测；
[0022](9)根据步骤(8)中得到的分类模型中各基因的权重系数进行排序，进一步对纳入模型中的基因数量进行探索，最终得到包含33个基因的优选组合；
[0023](10)以包含33个基因构建随机森林分类器并检验其效果；
[0024]进一步的，各基因转录本分析时，参考基因组版本为hg19版；
[0025]进一步的，所述随机森林分类器中33个基因的权重系数如下：
[0026]基因名权重系数LOC6425870.0071S1PR50.0764BNC10.0328ATP1B30.0170LASS30.1734LONRF30.0117VSNL10.0413TRIM290.0096HNF1B0.0164DSG30.2121
CLCA20.0042TMPRSS11A0.0035KRT170.0050GOLT1A0.0087DLX50.0073E2F70.0094COL4A50.0057SLC39A20.0050TESC0.0053FAT20.0058CALML30.0401KRT740.0681PVRL10.0368PRRG30.0064PERP0.0081C4BPB0.0058FZD70.0023DMGDH0.0022OCLN0.0046ARHGEF380.0111KRT50.1429CGN0.0105LRRC660.0034
[0027]进一步的，所述权重系数的绝对值越大，表明该基因在随机森林分类器中的作用越重要；
[0028]其中，根据上述权重系数得到的分类器，在训练集和测试集的预测准确度可达到99.82％和96.64％。
[0029]本专利技术的有益效果在于：
[0030]本专利技术首次提供了一种用于非小细胞肺癌分型诊断的基因转录本标记物组合及分型诊断装置，该33个基因转录本组合应用于肺癌分型诊断中，在训练集和测试集的预测准确度可达到99.82％和96.64％。本专利技术提供的肺癌分型诊断装置，通过输入上述基因转录本的表达水平，可对肺组织是否为肺癌进行准确诊断。同时本专利技术基于上述基因转录本组合开发了一种诊断模型，可有效诊断本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基因转录本标记物组合，其特征在于，包括如下33个基因的转录本：LOC642587、S1PR5、BNC1、ATP1B3、LASS3、LONRF3、VSNL1、TRIM29、HNF1B、DSG3、CLCA2、TMPRSS11A、KRT17、GOLT1A、DLX5、E2F7、COL4A5、SLC39A2、TESC、FAT2、CALML3、KRT74、PVRL1、PRRG3、PERP、C4BPB、FZD7、DMGDH、OCLN、ARHGEF38、KRT5、CGN、LRRC66；所述标记物组合应用于肺腺癌、肺鳞癌的组织分型诊断。2.根据权利要求1所述的基因转录本标记物组合，其特征在于，所述分型诊断的样本类型为非小细胞肺癌组织RNA。3.一种基于权利要求1或2任一项所述的基因转录本标记物组合制备的肺癌分型诊断装置，其特征在于，所述装置包括检测模块和预测模块。4.根据权利要求3所述的肺癌分型诊断装置，其特征在于，所述检测模块包括总RNA提取试剂、逆转录试剂、建库试剂或测序试剂。5.根据权利要求3所述的肺癌分型诊断装置，其特征在于，所述检测具体为从肺癌组织样本中提取总RNA，建库测序，获得如权利要求1所述的基因转录本count数。6.根据权利要求5所述的肺癌分型诊断装置，其特征在于，所述预测具体为将得到的基因转录本count数，输入构建好的随机森林分类器中，得到预测结果。7.根据权利要求6所述的肺癌分型诊断装置，其特征在于，所述预测结果为0或者1，其中0表示样本预测结果为肺腺癌，1表示样本预测结果为肺鳞癌。8....
【专利技术属性】
技术研发人员：李万帅，汤丽丽，文诗语，
申请(专利权)人：常州国药医学检验实验室有限公司，
类型：发明
国别省市：
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。