【技术实现步骤摘要】
本专利技术属于生物医学领域，具体涉及一种肠癌放化疗预测评分模型、应用、系统及其构建方法。
技术介绍
1、结直肠癌（crc）是全球第三大致命性恶性肿瘤，高达50% crc患者最终会发生转移，导致预后不良。目前局部晚期结直肠癌治疗中放化疗是一种标准治疗方式，其优点在于一方面对肿瘤的控制和治疗，另一方面缩小瘤体，便于其后的手术和保肛治疗，提高患者治疗后的生存质量。其缺点在于，20~40%的患者对于放化疗不敏感，造成治疗资源的浪费和患者额外的经济压力与身心负担。因此，研发合适的生物标志物，用于区分局部晚期结直肠癌患者中能够对放化疗做出响应的人群具有重大意义。
2、目前已有的生物标志物都不足以区分放化疗响应人群。而新的标志物需要对大样本量临床数据的分析和对疾病学的深入了解，以及新技术对固有知识领域的拓展。近年来许多新发现的生物标志物，特别是免疫治疗的生物标志物，都与肿瘤免疫微环境(tumormicroenvironment ，tme)有关。肿瘤免疫微环境是一个复杂的综合系统，主要由肿瘤细胞、周围的免疫细胞、肿瘤相关成纤维细胞、附近的间质组织、微血管、各种细胞因子和趋化因子等构成，肿瘤的发生、发展不仅与肿瘤细胞本身相关，同样与肿瘤免疫微环境密切相关。
3、tme内存在的许多生物标志物相互作用相互关联，新的空间基因组和空间蛋白组技术将tme的生物标志物探索推上新的高度，并可借助多重原位杂交和多重免疫组化对组织标本的mrna和蛋白进行标定和量化，并且对这些指标进行统计学分析。对于肠癌组织样本，不仅要分析肠癌组织内的生物标
4、传统的免疫组织化学染色/ 免疫荧光染色( i m m u n o h i s t o c h e m is t r y /immunofluorescence ，ihc/if)是目前tme研究最常用的检测方法，在肠癌的病理类型和生物标志物的评估中发挥着至关重要的作用，能够协助临床医生及时、准确地做出治疗决策，但仍存在许多局限性。
技术实现思路
1、本专利技术的目的在于提供一种肠癌放化疗预测评分评分模型、应用、系统及其构建方法，结合肿瘤组织内和肿瘤组织外的生物标志物的阳性率，能够构建对肠癌放化疗的治疗响应预测效果更好的评分模型。
2、本专利技术第一方面提供了一种肠癌放化疗预测评分评分模型的构建方法，包括：
3、获取多个生物标志物在肠癌的肿瘤组织内以及肿瘤组织外上的荧光表达强度，其中，所述生物标志物包括：panck、cd20和mhc-ii；
4、根据所述荧光表达强度得到肿瘤组织内、肿瘤组织外及肿瘤组织内外的生物标志物的阳性率；
5、使用逐步回归法从所有的阳性率中筛选出特征因子，根据所述特征因子构建评分模型；
6、其中，所述特征因子包括mhc2_cd20、mhc2_cd20_tumor、mhc2_back、cd20_back、mhc2_cd20_back，所述mhc2_cd20表示肿瘤组织内外mhc-ii与cd20整体双阳性率，mhc2_cd20_tumor表示在肿瘤组织内mhc-ii与cd20双阳性率，mhc2_back表示在肿瘤组织外mhc-ii单阳性率，cd20_back表示在肿瘤组织外cd20单阳性率，mhc2_cd20_back表示在肿瘤组织外mhc-ii与cd20双阳性率。
7、可选的，所述评分模型的公式为：
8、，
9、其中，所述type表示预测分值，在所述预测分值大于预设阈值的情况下，判定肠癌患者的响应好，在所述预测分值不大于预设阈值的情况下，判定肠癌患者的响应差。
10、通过对所述评分模型建立对应的roc曲线，计算该roc曲线的auc值，得到该评分模型对应的auc值为0.91，接近1，表明了该评分模型的性能好，预测效果更好。
11、可选的，所述使用逐步回归法从所有的阳性率中筛选出特征因子，包括：
12、将所有阳性率通过广义线性模型的二项分布方法进行拟合得到多个第一待选模型；
13、对各个所述第一待选模型建立对应的第一roc曲线，计算各个第一roc曲线的对应的第一auc值；
14、选取第一auc值最高的第一待选模型作为初级模型；
15、逐步将一所述阳性率从初级模型中进行剔除，查看剔除后对初级模型是否有显著性变化，若是，则保留该阳性率，若否，则剔除该阳性率，直到留下所有对初级模型有显著性变化的阳性率，作为特征因子。
16、通过计算各个第一待选模型对应的第一auc值，然后根据第一auc值的大小确定初级模型，由于auc值约接近1，说明模型的性能越好，则将auc值最高的第一待选模型作为初级模型，能够客观地筛选出最好的第一待选模型作为初级模型，确定了初级模型后，对初级模型做逐步回归分析得到评分模型，能够将初级模型对应的auc值与评分模型对应的auc值进行比较，以判断评分模型的性能是否比初级模型的性能更好。
17、可选的，所述根据所述特征因子构建评分模型，包括：
18、将所有特征因子通过广义线性模型的二项分布方法进行拟合得到多个第二待选模型；
19、对各个所述第二待选模型建立对应的第二roc曲线，计算各个第二roc曲线的对应的第二auc值；
20、选取第二auc值最高的第二待选模型作为评分模型。
21、通过计算各个第二待选模型对应的第二auc值，然后根据第二auc值的大小确定评分模型，由于auc值约接近1，说明模型的性能越好，则将auc值最高的第二待选模型作为初级模型，能够客观地筛选出最好的第二待选模型作为评分模型。
22、可选的，所述根据所述荧光表达强度得到肿瘤组织内、肿瘤组织外及肿瘤组织内外的生物标志物的阳性率，包括：
23、将各个所述生物标志物在肠癌的肿瘤组织内的细胞的荧光表达强度与对应的预设强度阈值进行比较，在所述生物标志物在肠癌的肿瘤组织内的细胞的荧光表达强度大于对应的强度阈值的情况下，将该细胞判断为肿瘤组织内对应该生物标志物的阳性细胞，进而得到各个所述生物标志物在肠癌的肿瘤组织内的单阳性率以及生物标志物在肠癌的肿瘤组织内的双阳性率；
24、将各个所述生物标志物在肠癌的肿瘤组织外的细胞的荧光表达强度与对应的预设强度阈值进行比较，在所述生物标志物在肠癌的肿瘤组织外的细胞的荧光表达强度大于对应的强度阈值的情况下，将该细胞判断为肿瘤组织外对应该生物标志物的阳性细胞，进而得到各个所述生物标志物在肠癌的肿瘤组织外的单阳性率以及生物标志物在肠癌的肿瘤组织内的双阳性率；
25、根据各个所述生物标志物在肠癌的肿瘤组织内的单阳性率和各个所述生物标志物在肠癌的肿瘤组织外的单阳性率，得到生物标志物的双阳性率。
26、通过将各个生物标志物在细胞的荧光表达强度与对应的预设强度阈值进行比较，便于本文档来自技高网...
【技术保护点】
1.肠癌放化疗预测评分模型的构建方法，其特征在于，包括：
2.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述评分模型的公式为：
3.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述使用逐步回归法从所有的阳性率中筛选出特征因子，包括：
4.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述根据所述特征因子构建评分模型，包括：
5.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述根据所述荧光表达强度得到肿瘤组织内、肿瘤组织外及肿瘤组织内外的生物标志物的阳性率，包括：
6.肠癌放化疗预测评分模型，其特征在于，利用权利要求1-5任一项所述的构建方法构成。
7.如权利要求6所述的评分模型在构建肠癌放化疗预测评分系统或者装置中的应用，其特征在于，根据所述评分模型计算的预测分值预测肠癌患者的响应。
8.肠癌放化疗预测评分的系统，其特征在于，包括：利用权利要求1-5任一项所述的构建方法构成的肠癌放化疗预测评分模型，所述评分模型以生物标
9.计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述的方法的步骤。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法的步骤。
...【技术特征摘要】
1.肠癌放化疗预测评分模型的构建方法，其特征在于，包括：
2.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述评分模型的公式为：
3.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述使用逐步回归法从所有的阳性率中筛选出特征因子，包括：
4.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述根据所述特征因子构建评分模型，包括：
5.如权利要求1所述的肠癌放化疗预测评分模型的构建方法，其特征在于，所述根据所述荧光表达强度得到肿瘤组织内、肿瘤组织外及肿瘤组织内外的生物标志物的阳性率，包括：
6.肠癌放化疗预测评分模型，其特征在于，利用权利要求1-5任一项所述的构...
【专利技术属性】
技术研发人员：肖雯娟，徐盛强，胡艳，鲁西，马诗瑶，刘显良，
申请(专利权)人：广州金墁利医药科技有限公司，
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。