基于外泌体表达谱的机器识别乳腺癌的学习方法技术

本发明专利技术公开了基于外泌体表达谱的机器识别乳腺癌的学习方法，包括以下步骤：步骤S1：数据收集；步骤S2：差异表达基因筛选；步骤S3：鉴定预测乳腺癌的核心基因；步骤S4：系统测试常见机器学习算法并优化、选择；步骤S5：外部数据验证。本发明专利技术提供基于外泌体表达谱的机器识别乳腺癌的学习方法，侵入性低，仅需要采集外泌体样本，无需对乳房进行创伤性检查，有望在未来的体检中普及；相比传统的单一指标或者影像学检查，利用机器学习方法可以综合考虑多个特征之间的关系，预测的精度和可靠性高。

【技术实现步骤摘要】

本专利技术属于乳腺癌早期诊断技术，具体涉及基于外泌体表达谱的机器识别乳腺癌的学习方法。

技术介绍

1、

2、固然目前研究结果已经显著优于传统标志物检测，但是其研究仍有缺点。首先，流行病学研究表明，吸烟和饮酒等炎症刺激与胰腺癌风险之间存在密切关联。因此，仅评估d-s ignature是不足的，仍需进行传统标志物ca19-9检测，且需要进行年龄、烟草和酒精使用的调查。其次，该模型仅适用于胰腺癌，乳腺癌以及其他癌种亟需类似方法为早期筛查、诊断提供助力。

3、目前应用于乳腺癌领域的检测手段大多检测一种或少数几种标志物，这忽视了乳腺癌的多样性和复杂性。乳腺癌是一种异质性疾病，不同患者之间的肿瘤类型、分子特征和疾病进展可能存在差异。仅仅依靠单一标志物的测量无法全面反映这种多样性，从而可能导致诊断的不准确性和错过重要信息的风险；同时传统检测方法往往缺乏灵活性和适应性。新的标志物的发现和验证通常需要进行大规模的实验和临床研究，这需要耗费大量的时间和资源。

技术实现思路

1、本专利技术要解决的技术问题是本文档来自技高网...

【技术保护点】

1.基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤S1中,从exorbase2.0中下载了乳腺癌患者和健康个体血浆中外泌体的表达谱，具体为lncRNA和mRNA表达谱。

3.根据权利要求2所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤S1中，使用关键词“breast cancer exosome”检索GEO数据库，并确定选用GSE198238，其中包含若干个个乳腺癌分泌的外泌体微阵列表达数据，再使用关键字“exosome RNA...

【技术特征摘要】

1.基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤s1中,从exorbase2.0中下载了乳腺癌患者和健康个体血浆中外泌体的表达谱，具体为lncrna和mrna表达谱。

3.根据权利要求2所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤s1中，使用关键词“breast cancer exosome”检索geo数据库，并确定选用gse198238，其中包含若干个个乳腺癌分泌的外泌体微阵列表达数据，再使用关键字“exosome rna-seq”进行搜索，收集若干正常的血浆外泌体数据。

4.根据权利要求1所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤s2中，使用edger来筛选差异表达基因(degs)，其中，差异倍数|foldchange|≥2即|log2fc|≥1且p<0.05则为差异表达基因。

5.根据权利要求4所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤s2中，进行go和kegg的基因功能富集分析。

6.根据权利要求1所述的基于外泌体表达谱的机器识别乳腺癌的学习方法，其特征在于：所述步骤s3中，鉴定预测乳腺癌的...

【专利技术属性】
技术研发人员：王慧，胡小林，李晓光，田启嘉，
申请(专利权)人：上海交通大学医学院，
类型：发明
国别省市：