基于基因突变的肺癌免疫疗效预测方法、系统及存储介质技术方案

本发明专利技术公开了一种基于基因突变的肺癌免疫疗效预测方法、系统及存储介质，方法包括：从非小细胞肺癌患者的样本测序数据中获取第一SNV特征集；通过随机森林算法对第一SNV特征集进行特征选择得到多个第一突变基因，并根据第一突变基因生成第一特征基因组；根据第一特征基因组构建训练样本集，并将训练样本集输入到预先构建的卷积神经网络，得到训练好的肺癌免疫疗效预测模型；获取待预测肺癌患者的第二SNV数据，并根据第二SNV数据确定第二特征基因组，进而将第二特征基因组输入到肺癌免疫疗效预测模型，得到待预测肺癌患者的肺癌免疫疗效预测结果。本发明专利技术提高了肺癌免疫疗效预测的准确性和可靠性，可广泛应用于人工智能技术领域。域。域。

【技术实现步骤摘要】
基于基因突变的肺癌免疫疗效预测方法、系统及存储介质


[0001]本专利技术涉及人工智能
，尤其是一种基于基因突变的肺癌免疫疗效预测方法、系统及存储介质。

技术介绍

[0002]虽然近年来已证实免疫检查点阻断(ICB)在非小细胞肺癌(NSCLC)的预测中是成功的，但这些生物标志物的预测价值相对有限，如PD
‑
L1表达、肿瘤突变负荷(TMB)和基因表达谱(GEP)，因此，寻找更多有效、准确的生物标志物来预测ICB受益是至关重要的。
[0003]相关研究表明，来自单核苷酸变异(SNV)的突变基因与ICB反应显著相关，STK11、B2M和EGFR突变或MDM2扩增已被报道与低反应性甚至高进展性疾病(HPD)相关。相反，TP53、KRAS和POLE突变，或KP(KRAS和TP53的共同突变)分子亚型与晚期NSCLC的ICB反应呈正相关。此外，在非小细胞肺癌患者中，DDR和NOTCH通路的突变或协同突变显示ICB对临床有很好的益处。
[0004]由上述内容可知，亟需开发一种基于SNV突变基因来预测肺癌免疫疗效的方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基因突变的肺癌免疫疗效预测方法，其特征在于，包括以下步骤：从非小细胞肺癌患者的样本测序数据中获取第一SNV特征集；通过随机森林算法对所述第一SNV特征集进行特征选择得到多个第一突变基因，并根据所述第一突变基因生成第一特征基因组；根据所述第一特征基因组构建训练样本集，并将所述训练样本集输入到预先构建的卷积神经网络，得到训练好的肺癌免疫疗效预测模型；获取待预测肺癌患者的第二SNV数据，并根据所述第二SNV数据确定第二特征基因组，进而将所述第二特征基因组输入到所述肺癌免疫疗效预测模型，得到所述待预测肺癌患者的肺癌免疫疗效预测结果。2.根据权利要求1所述的一种基于基因突变的肺癌免疫疗效预测方法，其特征在于，所述从非小细胞肺癌患者的样本测序数据中获取第一SNV特征集这一步骤，其具体包括：获取预设的多个非小细胞肺癌患者的第一样本，所述第一样本为肿瘤样本或血液样本；对所述第一样本进行基因测序得到样本测序数据；将所述样本测序数据与预设的人体参考基因组进行比对，确定所述第一样本的SNV特征位点；根据所述SNV特征位点确定所述第一SNV特征集。3.根据权利要求2所述的一种基于基因突变的肺癌免疫疗效预测方法，其特征在于，所述通过随机森林算法对所述第一SNV特征集进行特征选择得到多个第一突变基因这一步骤，其具体包括：根据所述第一SNV特征集构建随机森林，并通过所述第一SNV特征集训练所述随机森林的各个决策树，进而根据所述决策树确定所述SNV特征位点的特征重要性；根据所述特征重要性对所述SNV特征位点进行降序排序得到第一SNV特征序列，并按照预设的剔除比例从所述第一SNV特征序列中剔除排序值靠后的若干个SNV特征位点，得到第二SNV特征序列；根据所述第二SNV特征序列更新所述第一SNV特征集，并返回根据所述第一SNV特征集构建随机森林这一步骤，直至所述第一SNV特征集中剩余的SNV特征位点的数量达到预设的第一阈值，确定剩余的SNV特征位点为所述第一突变基因。4.根据权利要求3所述的一种基于基因突变的肺癌免疫疗效预测方法，其特征在于，所述根据所述决策树确定所述SNV特征位点的特征重要性这一步骤，其具体包括：获取所述第一SNV特征集的袋外数据，根据所述袋外数据计算得到所述决策树的第一袋外数据误差；对所述袋外数据的SNV特征位点加入噪声干扰得到干扰袋外数据，并根据所述干扰袋外数据计算得到所述决策树的第二袋外数据误差；根据所述第一袋外数据误差和所述第二袋外数据误差确定所述SNV特征位点的特征重要性。5.根据权利要求1所述的一种基于基因突变的肺癌免疫疗效...

【专利技术属性】
技术研发人员：彭杰，邹丹，
申请(专利权)人：贵州医科大学第二附属医院，
类型：发明
国别省市：