【技術實現步驟摘要】
本專利技術屬于微生物組臨床診斷，具體涉及一種預測結直腸癌患者預后風險的標志物組合、模型及方法。
技術介紹
1、現有的研究發現微生物通過多種機制促進腫瘤發生、發展和治療，如誘導dna突變，激活致癌途徑，促進慢性炎癥，通過補體系統促進腫瘤進展，引發腫瘤轉移等。研究人員發現大多數腫瘤及其鄰近的正常組織中都含有不同類型的菌株，主要存在于癌細胞和免疫細胞中。與腸道和血液微生物群不同，腫瘤內微生物群與腫瘤細胞非常接近，可以更準確地反映腫瘤的實際狀態。且腫瘤和健康組織之間的微生物群組成以及不同的腫瘤分期、基因突變和遠處腫瘤轉移之間的微生物群組成存在顯著差異，使其成為一種潛在的預后工具，并作為臨床干預的新靶點。探索基于微生物干預的聯合治療策略，也可以提高臨床治療效果。
2、腸道微生物是一個龐大且種類繁多的群體，包含細菌、真菌、病毒等多種類型的微生物，它們棲息在人體腸道內，與人體相互作用、相互影響，共同構成了腸道微生態系統。正常情況下，腸道微生物處于一種相對平衡的狀態，參與人體眾多生理功能，比如協助消化食物、合成維生素(如維生素k、部分b族維生素等)、調節腸道免疫功能等。但是，腸道微生物的失衡，便會引起腸道炎癥，產生致癌物質，影響宿主基因表達及細胞信號通路，進而引發結直腸癌。因此，可以通過研究腸道微生物群，了解癌癥的發生、發展、治療和預后，是一種極其有效的策略。
3、本專利技術采用包括全基因組測序數據分析、人源序列過濾、微生物序列提取注釋、機器學習診斷模型構建，篩選得到了一種預測結直腸癌患者預后風險的標志物組合，可以預測患
技術實現思路
1、針對上述技術問題，本專利技術的目的在于提供一種預測結直腸癌患者預后風險的標志物組合，所述的標志物組合包括尸毒桿菌(clostridium?cadaveris)，普雷沃氏菌(prevotella?sp.)oral.taxon.473，真桿菌(eubacterium?sp.)3_1_31，齦溝產線菌(filifactor?alocis)，卡托尼亞卟啉單胞菌(porphyromonas?catoniae)，斯拉克亞菌(slackia?sp.)cm382，檸檬酸桿菌(citrobactersp.)aatxr。
2、本專利技術的第二目的是提供一種用于檢測所述的標志物組合的試劑，所述的試劑用于檢測所述標志物組合的豐度。
3、本專利技術的第三目的是提供所述的標志物組合或所述的試劑在制備預測結直腸癌患者生存和預后風險的試劑、試劑盒或模型中的應用。
4、本專利技術的第四目的是提供一種用于預測結直腸癌患者預后的試劑盒，所述的試劑盒包括檢測所述的標志物組合的試劑或儀器。
5、本專利技術的第五目的是提供一種預測結直腸癌患者預后的標志物篩選方法，所述的方法包括：
6、(1)取208例結直腸癌患者樣本，以患者生存時間為預測指標，以1145種物種豐度為預測數據，將樣本按照7：3劃分為訓練集和驗證集；
7、(2)預測數據篩選：利用r包作為機器學習算法，r包包括機器學習梯度推進機、隨機森林、逐步cox、似然增強cox、彈性網絡回歸算法、lasso回歸、cox模型的偏最小二乘回歸和支持向量機，并將上述機器學習算法兩兩組合進行預測，經過比較不同模型的診斷auc數值，選擇在訓練集和驗證集上auc均大于0.65的模型，最終選擇隨機森林結合逐步cox進行預測數據篩選，并篩選得到了權利要求1所述的標志物組合；
8、(3)組外驗證：步驟(2)篩選得到的標志物組合，在驗證集上進行驗證；
9、(4)對標志物組合進行皮爾森相關性檢驗，選擇p值小于0.05的標志物，優化后的標志物組合共包含24個；
10、(5)利用24個微生物豐度和患者生存時間數據，進行線性擬合，使用r包mass進行逐步回歸，以赤池信息量準則(aic)為篩選標準(aic越小越好)，aic數值最小的標志物組合為7個；
11、(6)使用7個微生物標志物的豐度與患者生產時間進行模型擬合，用r軟件的glm()函數進行邏輯回歸計算，計算預測的準確性(auc)。
12、本專利技術的第六目的是提供通過所述的方法建立的預測結直腸癌患者預后的模型。
13、本專利技術的第七目的是提供一種預測結直腸癌患者預后的模型系統，包括：
14、(1)預輸入模塊，至少用于輸入標志物組合數據；
15、(2)預測模塊，至少用于對標志物組合數據進行預測，由所述預測結直腸癌患者預后的模型執行；
16、(3)顯示模塊，至少用于顯示評價結果。
17、本專利技術的第八目的是提供一種計算機設備包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時使所述的系統實現以下步驟，包括：(1)輸入結直腸癌患者預后的標志物組合數據；
18、(2)將標志物組合數據代入模型進行計算，得到結直腸癌患者預后的預測結論；
19、(3)輸出結直腸癌患者預后的預測結論。
20、本專利技術的第九目的是提供一種計算機可讀存儲介質，其上存儲有所述的計算機設備。
21、本專利技術的有益效果是：
22、①本專利技術提供了一種預測結直腸癌患者預后風險的標志物組合利用微生物，用于預測患者預后生存時間，預測的準確度為0.7734；
23、②本專利技術提供的利用機器學習算法準確度高，無需培養的優點；
24、③本專利技術提供的預后標志物能夠指導臨床用藥，能夠對大量的臨床患者測序數據進行二次開發利用，提高腫瘤診斷的準確度，可以廣泛用于患者的預后生存評估中。
本文檔來自技高網...【技術保護點】
1.一種預測結直腸癌患者預后風險的標志物組合，其特征在于，所述的標志物組合包括尸毒桿菌(Clostridium?cadaveris)，普雷沃氏菌(Prevotella?sp.)oral.taxon.473，真桿菌(Eubacteriumsp.)3_1_31，齦溝產線菌(Filifactor?alocis)，卡托尼亞卟啉單胞菌(Porphyromonas?catoniae)，斯拉克亞菌(Slackia?sp.)CM382，檸檬酸桿菌(Citrobactersp.)AATXR。
2.一種用于檢測如權利要求1中所述的標志物組合的試劑，其特征在于，所述的試劑用于檢測所述標志物組合的豐度。
3.如權利要求1所述的標志物組合或權利要求2所述的試劑在制備預測結直腸癌患者生存和預后風險的試劑、試劑盒或模型中的應用。
4.一種用于預測結直腸癌患者預后的試劑盒，其特征在于，所述的試劑盒包括檢測權利要求1所述的標志物組合的試劑或儀器。
5.一種預測結直腸癌患者預后的標志物篩選方法，其特征在于，所述的方法包括：
6.通過權利要求5所述的方法建立
7.一種預測結直腸癌患者預后的模型系統，其特征在于，包括：
8.一種計算機設備包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時使權利要求8所述的系統實現以下步驟，包括：(1)輸入結直腸癌患者預后的標志物組合數據；
9.一種計算機可讀存儲介質，其上存儲有如權利要求8所述的計算機設備。
...【技術特征摘要】
1.一種預測結直腸癌患者預后風險的標志物組合，其特征在于，所述的標志物組合包括尸毒桿菌(clostridium?cadaveris)，普雷沃氏菌(prevotella?sp.)oral.taxon.473，真桿菌(eubacteriumsp.)3_1_31，齦溝產線菌(filifactor?alocis)，卡托尼亞卟啉單胞菌(porphyromonas?catoniae)，斯拉克亞菌(slackia?sp.)cm382，檸檬酸桿菌(citrobactersp.)aatxr。
2.一種用于檢測如權利要求1中所述的標志物組合的試劑，其特征在于，所述的試劑用于檢測所述標志物組合的豐度。
3.如權利要求1所述的標志物組合或權利要求2所述的試劑在制備預測結直腸癌患者生存和預后風...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。