System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及生物信息,具体涉及一种子宫内膜细胞比例预测种植窗模型的建立方法。
技术介绍
1、胚胎着床是正常妊娠的关键步骤之一,依赖于胚胎与子宫内膜之间的相互作用。成功的胚胎植入需要子宫内膜与胚胎之间的同步对话。因此引入“子宫内膜容受性”这一术语用于定义子宫内膜对胚胎的接受性,即允许胚胎在子宫腔内进行定位、黏附、侵入等过程的能力。在每个月经周期中,子宫内膜只有在一段特殊时期才具备良好的容受性,这个时期通常被称为种植窗(window of implantation,woi)。woi一般在排卵后6~10d,即大约在正常月经周期的第20~24天。woi的特点表现为分子和组织学产生变化,如上皮细胞增殖抑制、上皮细胞重塑以及基质细胞发生蜕膜化,这些变化由类固醇激素、雌激素(estrogen,e2)与孕激素(progesterone,p4)以及其他生长因子以时间依赖性方式调控。
2、woi的移位或者病理性中断导致的子宫内膜容受性下降,可造成着床失败、流产、生化妊娠等不良妊娠结局,近2/3的着床失败或妊娠丢失病例可归因于子宫内膜因素。关于子宫内膜woi的确定及相关机制的探究对于帮助建立临床妊娠,避免内膜容受性异常相关妊娠不良事件发生以及在辅助生殖治疗中提高临床妊娠率与活产率寻求新的有效的治疗手段具有重要意义。然而,目前内膜容受性的调控机制仍在探索阶段,对于内膜容受性的评估手段和方法也刚刚起步。
3、近年来,不同研究基于不同的研究对象,例如子宫内膜组织、宫腔液、宫腔灌洗液、阴道脱落细胞、阴道分泌物、子宫内膜的活检产物、血
技术实现思路
1、本专利技术所要解决的技术问题是提供一种子宫内膜细胞比例预测种植窗模型的建立方法,以克服上述现有技术中的不足。
2、本专利技术解决上述技术问题的技术方案如下:一种子宫内膜细胞比例预测种植窗模型的建立方法,包括下述步骤:
3、s1:检索geo数据库中可育女性的不同月经周期阶段子宫内膜单细胞数据集,将子宫内膜单细胞数据集解析为基因-细胞表达矩阵,并对子宫内膜单细胞数据集进行整合;
4、s2:对整合后的子宫内膜单细胞数据集进行数据标准化,选择表达量变异较大的基因,进行数据归一化,进而对归一化的子宫内膜单细胞数据集进行主成分分析,筛选具有显著意义的主成分所包含的基因;
5、s3:根据主成分对子宫内膜单细胞数据集进行非监督性聚类,聚类成不同的特征亚群,寻找每个特征亚群的特异表达标志物,获得不同月经周期阶段人子宫图谱;
6、s4:将人子宫图谱每个特征亚群的特异表达标志物作为基因集,利用反卷积算法建立人子宫组织细胞组成签名矩阵;
7、s5:利用人子宫组织细胞组成签名矩阵,将所有类型细胞的细胞比例作为变量,通过logistic回归分析确定预测种植窗的独立预测因子,根据独立预测因子构建子宫内膜细胞比例预测种植窗模型。
8、本专利技术的有益效果是:通过本方法构建的子宫内膜细胞比例预测种植窗模型,使得可以通过检测子宫内膜特定细胞类型比例,预测辅助生殖患者处于woi阶段的概率,更好的指导胚胎植入时机。利用子宫内膜的细胞生物学特征,在提高准确性的同时,大大降低成本,使得子宫内膜woi阶段预测应用更加广泛。
9、在上述技术方案的基础上,本专利技术还可以做如下改进。
10、进一步,步骤s2中的对整合后的子宫内膜单细胞数据集进行数据标准化之前,还包括对数据进行过滤,过滤的数据包括去除细胞中基因表达counts数ncounts、有表达的基因的数量nfeature、线粒体基因所占比例percent.mt中过高或过低的细胞。
11、进一步,对数据进行过滤的标准包括:
12、去除基因表达counts数ncounts大于60000的细胞;
13、去除有表达的基因的数量nfeature小于500的细胞;
14、去除线粒体基因所占比例percent.mt大于20%的细胞。
15、进一步,步骤s2中的数据标准化采用全局尺度归一化法lognormalize;表达量变异较大的基因利用seuratr包中findvariablefeatures函数实现;数据归一化利用scaledata函数对数据进行线性转换,给予每个基因相同的权重。
16、步骤s3中,获得的人子宫图谱包括上皮细胞群、基质细胞群、内皮细胞群、平滑肌细胞群、免疫细胞群,和上皮细胞群、基质细胞群以及免疫细胞群的特征亚群;
17、上皮细胞群包括5个特征亚群:ciliated epithelial cell,luminal epithelialcell,glandular epithelial cell,secretory epithelial cell,sox9 epithelialcell;
18、基质细胞群包括5个特征亚群:proliferative stroma cell,secretory stromacell,decidual stroma cell,non-decidualised endometrial stroma cell,fibroblast;
19、免疫细胞群包括8个特征亚群:nk,nkt,m1 macrophage,m2 macrophage,t,mast,dc,b。
20、进一步,独立预测因子包括m1、m2、b、nkt、nk、decidual stroma cell、non-decidualised endometrial stroma cell、mast。
21、进一步,步骤s3中的寻找每个特征亚群的特异表达标志物的筛选标准为:与其他特征亚群比较,该特征亚群中该基因表达量logfoldchange>0.5。
22、进一步,构建子宫内膜细胞比例预测种植窗模型的计算公式如下:
23、log((1-p(y=1))/p(y=1))=(-94.574)+2.117dsc+0.614esc+13.501m1+(-19.467m2)+19.118mast+11.327b+0.681nkt+(-50.654nk);
24、其中,p(y=1)表示被子宫内膜细胞比例预测种植窗模型预测为woi的概率,变量为细胞比例标准化值,模本文档来自技高网...
【技术保护点】
1.一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述步骤S2中的所述对整合后的子宫内膜单细胞数据集进行数据标准化之前,还包括对数据进行过滤,过滤的数据包括去除细胞中基因表达counts数nCounts、有表达的基因的数量nFeature、线粒体基因所占比例percent.mt中过高或过低的细胞。
3.根据权利要求2所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述对数据进行过滤的标准包括:
4.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述步骤S2中的所述数据标准化采用全局尺度归一化法LogNormalize;所述表达量变异较大的基因利用Seurat R包中FindVariableFeatures函数实现;所述数据归一化利用ScaleData函数对数据进行线性转换,给予每个基因相同的权重。
5.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于
6.根据权利要求5所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述独立预测因子包括M1、M2、B、NKT、NK、Decidual Stroma Cell、Non-decidualisedEndometrial Stroma Cel l、Mast。
7.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述步骤S3中的所述寻找每个特征亚群的特异表达标志物的筛选标准为:与其他特征亚群比较,该特征亚群中该基因表达量logfoldchange>0.5。
8.根据权利要求6所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述构建子宫内膜细胞比例预测种植窗模型的计算公式如下:
9.一种子宫内膜细胞比例预测为种植窗概率的系统,其特征在于,包括数据采集模块、数据计算模块和数据输出模块;
...【技术特征摘要】
1.一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述步骤s2中的所述对整合后的子宫内膜单细胞数据集进行数据标准化之前,还包括对数据进行过滤,过滤的数据包括去除细胞中基因表达counts数ncounts、有表达的基因的数量nfeature、线粒体基因所占比例percent.mt中过高或过低的细胞。
3.根据权利要求2所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述对数据进行过滤的标准包括:
4.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方法,其特征在于,所述步骤s2中的所述数据标准化采用全局尺度归一化法lognormalize;所述表达量变异较大的基因利用seurat r包中findvariablefeatures函数实现;所述数据归一化利用scaledata函数对数据进行线性转换,给予每个基因相同的权重。
5.根据权利要求1所述的一种子宫内膜细胞比例预测种植窗模型的建立方...
【专利技术属性】
技术研发人员:江建秋,吴兵兵,陈晓,徐键,
申请(专利权)人:浙江大学医学院附属第四医院,
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。