【技术实现步骤摘要】
本专利技术涉及生物医药，尤其涉及一种基于tiprgpi评分系统的黑色素瘤预后方法、装置及电子设备。
技术介绍
1、黑色素瘤是恶性程度最高的皮肤肿瘤，尽管针对黑色素瘤患者可采用手术、化疗和靶向药物等治疗方式，但对不同的患者疗效不同，总体疗效较差。以免疫检查点抑制剂为代表的免疫治疗的出现极大改善了晚期黑色素瘤患者的预后，但不同的黑色素瘤患者对免疫检查点抑制剂的应答率不同，总体而言只有小部分患者能从免疫治疗中受益。传统的tmn分期、breslow厚度等临床性状无法实现预测黑色素瘤患者的免疫治疗应答率。
2、目前已经有多种免疫相关基因被证明与免疫治疗预后相关，并根据此将肿瘤分为“热肿瘤”(免疫活跃，免疫治疗应答率高)和“冷肿瘤”(免疫抑制，免疫治疗应答率低)，称为肿瘤免疫表型(tip)。但是不同基因在预测中的权重尚未明确，也即并不知道哪种或者哪几种基因对免疫治疗的应答率具有决定性的作用，也没有一套用以预测免疫治疗应答率的评分系统。
3、因此，提出一种基于tiprgpi评分系统的黑色素瘤预后方法、装置及电子设备。
技术实现思路
1、本说明书提供一种基于tiprgpi评分系统的黑色素瘤预后方法、装置及电子设备方法、装置及电子设备，明确各个免疫治疗相关基因对黑色素瘤免疫应答的权重，精准预测黑色素瘤患者预后，精准预测黑色素瘤患者对免疫治疗的应答情况。
2、本说明书提供一种基于tiprgpi评分系统的黑色素瘤预后方法，包括：
3、获取黑色素瘤数据；p>
4、基于分类标准对所述黑色素瘤数据进行分类，确定热肿瘤分类的黑色素瘤数据、冷肿瘤分类的黑色素瘤数据；
5、基于目标热肿瘤分类的黑色素瘤样本、目标冷肿瘤分类的黑色素瘤样本，确定每个样本的tip评分；
6、基于所述黑色素瘤数据使用加权基因共表达网络分析筛选所述tip评分性状相关的关键模块基因；
7、基于所述关键模块基因进行单因素cox回归分析筛选预后因子，基于所述预后因子进行lasso回归分析筛选构建tiprgpi评分系统。
8、可选的，所黑色素瘤数据的来源包括：tcga数据库的skcm和geo数据库的gse65904、gse91061。
9、可选的，所述目标热肿瘤分类的黑色素瘤样本包括cxcr3、cxcr4、cxcl9、cxcl10、cxcl11、ccl5、cd3e、cd4、cd8a、cd8b、cd274、pdcd1；
10、所述目标冷肿瘤分类的黑色素瘤样本包括cxcl1、cxcl2、ccl20。
11、可选的，所述基于目标热肿瘤分类的黑色素瘤样本、目标冷肿瘤分类的黑色素瘤样本，确定每个样本的tip评分，包括：
12、基于每个目标热肿瘤分类的黑色素瘤样本、每个目标冷肿瘤分类的黑色素瘤样本，确定每个样本的每个基因维度的z值；
13、基于每个样本的每个基因维度的z值的和确定每个样本的tip评分。
14、可选的，所述基于所述黑色素瘤数据使用加权基因共表达网络分析筛选与所述tip评分性状相关的关键模块基因，包括：
15、基于所述tcga数据库的skcm使用wgcna包筛选与tipscore显著相关的关键模块，其中，rsquaredcut＝0.8，power＝6，mm>0.5，gs>0.05，取并集作为所述关键模块基因。
16、可选的，所述基于所述关键模块基因进行单因素cox回归分析筛选预后因子，基于所述预后因子进行lasso回归分析筛选构建tiprgpi评分系统，包括：
17、对所述关键模块基因使用survival包进行单因素cox回归分析，筛选出预后因子；
18、对所述预后因子使用glmnet包进行lasso回归分析，去除冗余基因并构建tiprgpi评分系统。
19、可选的，所述tiprgpi评分系统的公式为：
20、tiprgpi＝-0.0176318658536308×lap3+0.181442498785852×notch3
21、-0.0160031827383823×psme1+0.013328065983228×tubb4a
22、-0.0275390143073945×tspan13-0.126145101349642×ccl8
23、+0.0414697345452162×col1a1-0.063751548357349×parp11
24、-0.0010811360894315×sod2-0.134743050717298×dok1
25、-0.261361794333436×adora2a-0.247626113868466×kcnmb1
26、-0.0366480831303996×txndc11-0.0325307756953961×clic2
27、-0.0227464875810033×ube2l6-0.181697447499612×sstr2
28、-0.253663685898908×nxph3-0.012429025784462×trim69
29、-0.0365676747211779×kir2dl4-0.026482536599118×cfb。
30、本说明书提供一种基于tiprgpi评分系统的黑色素瘤预后装置，包括：
31、获取模块，用于获取黑色素瘤数据；
32、分类模块，用于基于分类标准对所述黑色素瘤数据进行分类，确定热肿瘤分类的黑色素瘤数据、冷肿瘤分类的黑色素瘤数据；
33、tip评分模块，用于基于目标热肿瘤分类的黑色素瘤样本、目标冷肿瘤分类的黑色素瘤样本，确定每个样本的tip评分；
34、筛选模块，用于基于所述黑色素瘤数据使用加权基因共表达网络分析筛选所述tip评分性状相关的关键模块基因；
35、构建模块，用于所述基于所述关键模块基因进行单因素cox回归分析筛选预后因子，基于所述预后因子进行lasso回归分析筛选构建tiprgpi评分系统。
36、可选的，所黑色素瘤数据的来源包括：tcga数据库的skcm和geo数据库的gse65904、gse91061。
37、可选的，所述目标热肿瘤分类的黑色素瘤样本包括cxcr3、cxcr4、cxcl9、cxcl10、cxcl11、ccl5、cd3e、cd4、cd8a、cd8b、cd274、pdcd1；
38、所述目标冷肿瘤分类的黑色素瘤样本包括cxcl1、cxcl2、ccl20。
39、可选的，所述tip评分模块，包括：
40、基于每个目标热肿瘤分类的黑色素瘤样本、每个目标冷肿瘤分类的黑色素瘤样本，确定每个样本的每个基因维度的z值；
41、基于每个样本的每个基因维度的z值的和确定每个样本的tip评分。本文档来自技高网...
【技术保护点】
1.一种基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，包括：
2.如权利要求1所述的基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，所黑色素瘤数据的来源包括：TCGA数据库的SKCM和GEO数据库的GSE65904、GSE91061。
3.如权利要求2所述的基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，所述目标热肿瘤分类的黑色素瘤样本包括CXCR3、CXCR4、CXCL9、CXCL10、CXCL11、CCL5、CD3E、CD4、CD8A、CD8B、CD274、PDCD1；
4.如权利要求3所述的基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，所述基于目标热肿瘤分类的黑色素瘤样本、目标冷肿瘤分类的黑色素瘤样本，确定每个样本的TIP评分，包括：
5.如权利要求4所述的基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，所述基于所述黑色素瘤数据使用加权基因共表达网络分析筛选与所述TIP评分性状相关的关键模块基因，包括：
6.如权利要求5所述的基于TIPRGPI评分系统的黑色素瘤
7.如权利要求6所述的基于TIPRGPI评分系统的黑色素瘤预后方法，其特征在于，所述TIPRGPI评分系统的公式为：
8.一种基于TIPRGPI评分系统的黑色素瘤预后装置，其特征在于，包括：
9.一种电子设备，其中，该电子设备包括：
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于tiprgpi评分系统的黑色素瘤预后方法，其特征在于，包括：
2.如权利要求1所述的基于tiprgpi评分系统的黑色素瘤预后方法，其特征在于，所黑色素瘤数据的来源包括：tcga数据库的skcm和geo数据库的gse65904、gse91061。
3.如权利要求2所述的基于tiprgpi评分系统的黑色素瘤预后方法，其特征在于，所述目标热肿瘤分类的黑色素瘤样本包括cxcr3、cxcr4、cxcl9、cxcl10、cxcl11、ccl5、cd3e、cd4、cd8a、cd8b、cd274、pdcd1；
4.如权利要求3所述的基于tiprgpi评分系统的黑色素瘤预后方法，其特征在于，所述基于目标热肿瘤分类的黑色素瘤样本、目标冷肿瘤分类的黑色素瘤样本，确定每个样本的tip评分，包括：
5.如权利要求4所述的基于tiprgpi评分系统的黑色...
【专利技术属性】
技术研发人员：刘家祺，顾建英，卫传元，陈书炜，陈志炜，魏晨璐，陆瑶，
申请(专利权)人：复旦大学附属中山医院，
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。