一种基于机器学习的多发性骨髓瘤危险预后分层模型制造技术

本发明专利技术公开了一种基于机器学习的多发性骨髓瘤危险预后分层模型。该模型包括：获取多发性骨髓瘤患者和健康人的单细胞测序数据，并筛选出患者与健康人之间的差异表达基因；获取患者的转录组测序数据，并筛选出其中差异表达基因中与患者总生存期显著有关的候选基因；基于候选基因，将转录组测序数据整合为转录组测序数据集，并引入外部转录组测序数据作为外部验证集，再通过算法组合匹配，得到预后分层模型，再通过包括列线图和AUC曲线在内的测试检验预后分层模型的预测性能。该模型基于单细胞转录组测序、机器学习及转录组测序等多组学技术之间的协同作用，可快速、精准的对患者在疾病初期准确预测患者的预后状况，从而辅助临床制订个性化治疗方案。

【技术实现步骤摘要】

本专利技术涉及一种多发性骨髓瘤的预后模型，具体涉及一种基于机器学习的多发性骨髓瘤危险预后分层模型，属于计算机辅助临床分析。

技术介绍

1、多发性骨髓瘤（multiple myeloma，简称mm）是一种血液学恶性肿瘤，肿瘤和免疫细胞之间复杂的相互作用是疾病进展所必需的。然而，骨髓肿瘤微环境（bone marrowtumormicroenvironment，简称bm-tme）中免疫细胞和mm发病机制的整体模式仍未得到充分研究。单核细胞作为bm-tme的重要组成部分，架起先天和适应性免疫反应的桥梁，通过诱导免疫耐受、促进血管生成和促进肿瘤细胞播散等多种机制调节bm-tme。单核细胞在mm疾病发生发展中的转录特征的改变与患者的预后和免疫治疗反应有关。然而，目前尚未有研究报道单核细胞基因变化与mm预后预测之间的联系。

2、在精准医学时代，修订后的国际分期系统（revised international stagingsystem ，简称r-iss），由于其有限的参数，不能满足临床医生对理想预后指标的需求。现有的mm预后模型往往在算法选择上单一或存在偏差本文档来自技高网...

【技术保护点】

1.一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述差异表达基因的筛选过程为：将单细胞测序数据经过质控清洗和细胞注释后，鉴定出免疫细胞，再通过pseudobulks包鉴定出MM患者与健康人之间的单核细胞来源的差异表达基因。

3.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述候选基因的筛选过程为：基于多发性骨髓瘤患者的转录组测序数据，对其各差异表达基因进行单因素cox回归分析，即得；所述各差异表达基因显著有关的判定标准为：...

【技术特征摘要】

1.一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述差异表达基因的筛选过程为：将单细胞测序数据经过质控清洗和细胞注释后，鉴定出免疫细胞，再通过pseudobulks包鉴定出mm患者与健康人之间的单核细胞来源的差异表达基因。

3.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述候选基因的筛选过程为：基于多发性骨髓瘤患者的转录组测序数据，对其各差异表达基因进行单因素cox回归分析，即得；所述各差异表达基因显著有关的判定标准为：pvalue<0.05。

4.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述转录组测序数据集按数据量之比6~8:2~4划分为训练集和测试集。

5.根据权利要求1所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特征在于：所述算法组合匹配的过程为：将各经典机器学习算法于训练集及验证集中通过留一交叉验证框架进行算法组合匹配。

6.根据权利要求1或5所述的一种基于机器学习的多发性骨髓瘤危险预后分层模型，其特...

【专利技术属性】
技术研发人员：李昕，谢林芝，王礼文，
申请(专利权)人：中南大学湘雅三医院，
类型：发明
国别省市：