基于液体活检的免疫相关制造技术

本发明专利技术涉及肿瘤生物标志物和早期检测技术领域，尤其是一种基于液体活检的免疫相关

【技术实现步骤摘要】
基于液体活检的免疫相关miRNA对生物标志物及应用


[0001]本专利技术涉及肿瘤生物标志物和早期检测
，具体领域为一种基于液体活检的免疫相关
miRNA
对生物标志物及应用
。

技术介绍

[0002]在世界范围内，癌症是一个严重的公共卫生问题，其发病率和死亡率不断上升
。
尽管已经出现了各式各样治疗恶性肿瘤的新疗法，但癌症的预后仍然很严峻
。
癌症引起的高死亡率，主要归因于检测和诊断的延迟，因此在早期阶段识别病人对于改善病人的预后是至关重要的
。
[0003]目前，肿瘤生物标志物和早期检测技术还不足以进行人群癌症筛查和检测
。
因此，寻找实用
、
有效
、
最低侵入性的癌症早期检测方法对公共卫生具有重要意义
。
[0004]微小
RNA(miRNA)
是一类短的非编码
RNA
，由宿主细胞转录产生
。
在肿瘤发生和发展的过程中，
miRNAs
会从细胞中释放到细胞外，其中包括血液
。
基于血清中无细胞的
miRNAs(cell
‑
free miRNAs)
在各种生物条件下展示出稳定
、
丰富和独特的特性，已经成为液体活检中很有希望的候选者，可用于癌症发现和治疗监测
。
同时，之前的研究表明，炎症反应和生物标志物要比癌症诊断早若干年，而且慢性炎症引起的免疫抑制微环境也会促进癌症的发展和激活；新出现的证据表明，
miRNA
是免疫反应中的关键调节器
。
[0005]目前，基于液体活检
miRNAs
绝对定量表达值的预测模型是基础临床转化领域研究的热点，但是这种方法同样面临严峻的挑战
。
绝对定量的截断点不明确
、
跨平台测量的技术偏差
、
不同研究之间横向比较困难等，使得临床应用转化极大受限
。
最新研究方法学引入了以“基因对”为表达形式的新型模型评价体系，已经在部分癌种诊断
、
预后及疗效评中估崭露头角，得到较好评估效果及稳定性
。
然而，目前尚未有研究揭示循环
miRNA
对在泛癌早期诊断中的临床意义及转换价值
。

技术实现思路

[0006]本专利技术的目的在于提供一种基于液体活检的免疫相关
miRNA
对生物标志物及应用
。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]一种泛癌早期诊断模型的构建方法，包括以下步骤：
[0009](1)
基于
Gene Expression Omnibus
公开数据集中
13
种癌症个体和非恶性个体
(
健康人
、
良性肿瘤患者或非肿瘤疾病患者
)
的样本血清
miRNA
表达谱特征，其中癌症类型包括肺癌
、
食道癌
、
胃癌
、
肝癌
、
结直肠癌
、
乳腺癌
、
前列腺癌
、
胰腺癌
、
卵巢
、
膀胱癌
、
胆道癌
、
肉瘤和胶质瘤
。
[0010](2)
从
AmiGO
网站获得人类免疫相关基因集列表；然后，在靶基因预测数据库中稳定预测出现的被视为免疫相关
miRNAs。
[0011](3)
在一个样本中，对基因表达水平进行两两比较，生成
miRNA
对；如果
A
基因表达
值大于
B
基因则定义为1，否则定义为0；同时，筛选癌症患者与非癌症对照组中评分一致性超过
80
％的
miRNA
对视为候选分子；
[0012]筛选策略为：
(A≥B
定义为1的比例在癌症患者中
≥80
％与
A<B
定义为0的比例在非癌对照组中
≥80
％
)
或
(A<B
定义为0的比例在癌症患者中
≥80
％与
A≥B
定义为1的比例在非癌对照组中
≥80
％
)。
[0013](4)
将原始数据随机分为三部分：
70
％的样本为训练集，用于构建诊断模型；
20
％的样本为验证集，用于模型的拟合和参数调整；
10
％的样本为测试集，用于评估模型的诊断效能；另保留一个外部测试集用于评估模型泛化能力；所述训练集和验证集用于分类器的开发，所述测试集和外部测试集用于确定签名的稳定性和泛化能力
。
[0014]在训练集中筛选具有分类价值的
miRNA
对，对每个样本中基因表达值进行成对比较形成
miRNA
对，根据比值大小定义
miRNA
对评分为1或0；通过筛选癌症组或非癌组中评分一致性超过
80
％的
miRNA
对保留
190
个差异基因对；经
LASSO
回归，惩罚系数
alpha
设定为
0.01
，最终保留了
35
个特征系数不为0的
miRNA
对用于模型构建
。
[0015]基于筛选的
35
个具有显著分类价值的免疫相关
miRNA
对，在训练集中，采用
Logistic
回归
、LASSO
回归
、
随机森林
、
支持向量机和极限梯度提升算法，根据验证集的结果，选择基于
XGBoost
算法由
34
个免疫相关
miRNA
对构建的最优模型，采用五折交叉法和网格搜索法确定模型的最优参数；并在测试集和外部测试集中评估模型的稳定性和泛化能力
。
[0016]其中，
34
个免疫相关
miRNA
对，分别为
hsa
‑
miR
‑
30c
‑1‑
3p
与
hsa
‑
miR
‑
320b、hsa
‑
miR
‑
3184
‑
5p
与
hsa
‑
miR<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种泛癌早期诊断模型的构建方法，其特征在于，包括以下步骤：
(1)
基于
Gene Expression Omnibus
公开数据集中
13
种癌症个体和非恶性个体的样本血清
miRNA
表达谱特征，其中癌症类型包括肺癌
、
食道癌
、
胃癌
、
肝癌
、
结直肠癌
、
乳腺癌
、
前列腺癌
、
胰腺癌
、
卵巢
、
膀胱癌
、
胆道癌
、
肉瘤和胶质瘤；
(2)
从
AmiGO
网站获得人类免疫相关基因集列表；然后，在靶基因预测数据库中稳定预测出现的被视为免疫相关
miRNAs
；
(3)
在一个样本中，对基因表达水平进行两两比较，生成
miRNA
对；如果
A
基因表达值大于
B
基因则定义为1，否则定义为0；同时，筛选癌症患者与非癌症对照组中评分一致性超过
80
％的
miRNA
对视为候选分子；
(4)
将原始数据随机分为三部分：
70
％的样本为训练集，用于构建诊断模型；
20
％的样本为验证集，用于模型的拟合和参数调整；
10
％的样本为测试集，用于评估模型的诊断效能；另保留一个外部测试集用于评估模型泛化能力；在训练集中筛选具有分类价值的
miRNA
对，对每个样本中基因表达值进行成对比较形成
miRNA
对，根据比值大小定义
miRNA
对评分为1或0；通过筛选癌症组或非癌组中评分一致性超过
80
％的
miRNA
对保留
190
个差异基因对；经
LASSO
回归，惩罚系数
alpha
设定为
0.01
，最终保留了
35
个特征系数不为0的
miRNA
对用于模型构建；基于筛选的
35
个具有显著分类价值的免疫相关
miRNA
对，在训练集中，采用
Logistic
回归
、LASSO
回归
、
随机森林
、
支持向量机和极限梯度提升算法，根据验证集的结果，选择基于
XGBoost
算法由
34
个免疫相关
miRNA
对构建的最优模型，采用五折交叉法和网格搜索法确定模型的最优参数；并在测试集和外部测试集中评估模型的稳定性和泛化能力
。2.
根据权利要求1所述的泛癌早期诊断模型的构建方法，其特征在于：所述步骤
(1)
中非恶性个体包括健康人
、
良性肿瘤患者或非肿瘤疾病患者
。3.
根据权利要求2所述的泛癌早期诊断模型的构建方法，其特征在于：所述步骤
(3)
中筛选策略为，
(A≥B
定义为1的比例在癌症患者中
≥80
％与
A&lt;B
定义为0的比例在非癌对照组中
≥80
％
)
或
(A&lt;B
定义为0的比例在癌症患者中
≥80
％与
A≥B
定义为1的比例在非癌对照组中
≥80
％
)。4.
根据权利要求3所述的泛癌早期诊断模型的构建方法，其特征在于：所述步骤
(4)
中，还设有外部测试集；所述训练集和验证集用于分类器的开发，所述测试集和外部测试集用于确定签名的稳定性和泛化能力
。5.
根据权利要求4所述的泛癌早期诊断模型的构建方法，其特征在于：所述步骤
(4)
中，
34
个免疫相关
miRNA
对分别为，
hsa
‑
miR
‑
30c
‑1‑
3p
与
hsa
‑
miR
‑
320b、hsa
‑
miR
‑
3184
‑
5p
与
hsa
‑
miR
‑
373
‑
5p、hsa
‑
miR
‑
125a
‑
3p
与
hsa
‑
miR
‑
17
‑
3p、hsa
‑
miR
‑
1237
‑
3p
与
hsa
‑
miR
‑
320b、hsa
‑
miR
‑
17
‑
3p
与
hsa
‑
miR
‑
3194
‑
5p、hsa
‑
miR
‑
125a
‑
3p
与
hsa
‑
miR
‑
885
‑
3p、hsa
‑
miR
‑
5195
‑
3p
与
hsa
‑
miR
‑
6825
‑
5p、hsa
‑
miR
‑
1306
‑
5p
与
hsa
‑
miR
‑
17
‑
3p、hsa
‑
miR
‑
17
‑
3p
与
hsa
‑
miR
‑
6731
‑
3p、hsa
‑
miR
‑
4675
与
hsa
‑
miR
‑
7114
‑
5p、hsa
‑
miR
‑
6763
‑
5p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
6737
‑
5p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
211
‑
3p
与
hsa
‑
miR
‑
3184
‑
5p、hsa
‑
miR
‑
128
‑1‑
5p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
128
‑1‑
5p
与
hsa
‑
miR
‑
373
‑
5p、hsa
‑
miR
‑
3184
‑
5p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
7847
‑
3p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
17
‑
3p
与
hsa
‑
miR
‑
494
‑
3p、hsa
‑
miR
‑
125a
‑
3p
与
hsa
‑
miR
‑
4533、hsa
‑
miR
‑
3184
‑
5p
与
hsa
‑
miR
‑
6769a
‑
5p、hsa
‑
miR
‑
6813
‑
5p
与
hsa
‑
miR
‑
885
‑
3p、
hsa
‑
miR
‑
3194
‑
5p
与
hsa
‑
miR
‑
320b、hsa
‑
miR
‑
3184
‑
5p
与
hsa
‑
miR
‑
4736、hsa
‑
miR
‑
7114
‑
5p
与
hsa
‑
miR
‑
8073、hsa
‑
miR
‑
6127
与
hsa
‑
miR
‑
650、hsa
‑
miR
‑
1228
‑
3p
与
hsa
‑
miR<...

【专利技术属性】
技术研发人员：赫捷，孙楠，张超奇，吴芃，李东宇，
申请(专利权)人：中国医学科学院肿瘤医院，
类型：发明
国别省市：