CN113470813A - 肝癌患者生存率预后模型 - Google Patents

肝癌患者生存率预后模型 Download PDF

Info

Publication number
CN113470813A
CN113470813A CN202110724433.1A CN202110724433A CN113470813A CN 113470813 A CN113470813 A CN 113470813A CN 202110724433 A CN202110724433 A CN 202110724433A CN 113470813 A CN113470813 A CN 113470813A
Authority
CN
China
Prior art keywords
liver cancer
risk
scoring model
prognosis
risk scoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202110724433.1A
Other languages
English (en)
Inventor
杨承刚
宋宏涛
董东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Medintell Bioinformatic Technology Co Ltd
Original Assignee
Beijing Medintell Bioinformatic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Medintell Bioinformatic Technology Co Ltd filed Critical Beijing Medintell Bioinformatic Technology Co Ltd
Priority to CN202110724433.1A priority Critical patent/CN113470813A/zh
Publication of CN113470813A publication Critical patent/CN113470813A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C12N15/11—DNA or RNA fragments; Modified forms thereof; Non-coding nucleic acids having a biological activity
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Organic Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • Zoology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Microbiology (AREA)
  • Public Health (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Plant Pathology (AREA)
  • Epidemiology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Hospice & Palliative Care (AREA)
  • Theoretical Computer Science (AREA)
  • Oncology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及一种肝癌患者生存率预后模型。本发明挑选出3个基因，并通过LASSO Cox回归模型确立并构建了基于3基因标签(包括BZW2、KIAA0907、PSME3)。本发明的模型在肝癌的个体化治疗中具有潜在临床价值。

Description

肝癌患者生存率预后模型
技术领域
本发明属于生物医药领域，具体涉及肝癌患者生存率预后模型。
背景技术
预后是指根据经验预测的疾病发展情况。预后主要涉及到三个方面，将发生什么结果、发生不良结果的可能性以及时间点。研究和评级预后的目的，在于便于了解疾病对人类危害性的大小、探索影响预后的因素、研究改善预后的具体措施。预后分析是临床非常实用、对临床很有指导作用的临床研究。
肝脏是维持机体内环境稳定和机体健康的最重要的器官之一，脂肪肝、肝炎、肝硬化和肝癌是肝内最常见的四大严重疾病，也是危害人类健康的重要原因之一。事实上，每年大约有一百万人死于肝硬化和肝癌。特别需要指出的是，作为肝脏最常见的原发恶性肿瘤一肝癌因为发病率较高、发现困难、治疗方法少等原因已经在导致人类死亡的各种疾病中位居前列。目前，肝癌在全球范围内肿瘤致死率方面位列第五位，而在一些非洲和亚洲国家，肝癌在肿瘤性死因中已经位居首位。
经过几十年的努力，肝癌研究已取得很大进展，上世纪以“小肝癌的早治”及“肝癌的缩小后二期切除”为标志，分别为肝癌术后生存率的提高贡献了10个百分点，但由于肝癌病程进展速度快，有极高的复发率，致使肝癌总体疗效仍然不佳，肝癌人群总体5年生存率仍只有5％左右。近年，虽然在肝癌基础与临床研究方面取得了一些进展，但还未能明确阐明肝癌复发的机制，也未能找到有效的干预措施。肝癌高复发成为影响其疗效改善的瓶颈。
生物标志物是一种能客观测量并评价正常生物过程、病理过程或对药物干预反应的指示物，也是生物体受到损害时的重要预警指标，涉及细胞分子结构和功能的变化，生化代谢过程的变化，生理活动的异常表现，个体、群体或整个生态系统的异常变化等。生物标志物的研究不仅是生物化学基础研究的重要内容，同时在新药开发、医学诊断、临床研究方面具有重要的价值，有助于帮助研究人员提出更有效的诊疗手段，尤其在肿瘤、心血管疾病、糖尿病、神经性失调等慢性疾病与复杂疾病的防控上具有重要的价值。因此，寻找与肝癌预后复发相关的生物标志物，可以为进一步降低临床肝癌复发率和病死率提供新的方法。
发明内容
本发明提供了一种肝癌预后模型的构建方法，所述构建方法包括：
获取多个肝癌患者和多个参考人的转录谱表达数据；
基于所述多个肺癌患者和所述多个参考人的转录谱表达数据，筛选候选基因；以及
基于所述候选基因，构建风险评分模型；
其中，所述肺癌预后模型包括所述风险评分模型。
进一步，基于所述候选基因，构建风险评分模型，包括：
获取训练数据集；
在所述训练数据集中，基于所述候选基因，通过单因素Cox回归分析，确定与生存期相关的基因；以及
通过LASSO Cox回归分析对所述与生存期相关的基因进行筛选，以确定用于构建所述风险评分模型的基因以及所述风险评分模型，其中，用于构建所述风险评分模型的基因包括BZW2、KIAA0907、PSME3。
进一步，所述风险评分模型表示为：风险评分＝0.35626596*BZW2基因表达水平+0.23349198*KIAA0907基因表达水平+0.10764257*PSME3基因表达水平。
进一步，基于所述候选基因，构建所述风险评分模型，还包括：基于所述训练数据集，评估所述风险评分模型的预测性能。
进一步，基于所述训练数据集，评估所述风险评分模型的预测性能，包括：
基于所述风险评分模型计算所述训练数据集中的每个受试者的风险评分；
使用所述训练数据集的时间依赖的受试者工作特征曲线分析评估风险评分模型的拟合优度；
依据所述训练数据集的时间依赖的受试者工作特征曲线分析确定分组截断值，并根据所述分组截断值将所述训练数据集中的受试者分为第一高风险组与第一低风险组；以及
使用所述训练数据集的Kaplan-Meier曲线评估所述第一高风险组与所述第一低风险组在生存情况方面是否具有显著差异。
进一步，基于所述候选基因，构建所述风险评分模型，还包括：
获取验证数据集；以及
基于所述验证数据集，验证所述风险评分模型的效能。
进一步，基于所述验证数据集，验证所述风险评分模型的效能，包括：
基于所述风险评分模型计算所述验证数据集中的每个受试者的风险评分；
使用所述验证数据集的时间依赖的受试者工作特征曲线分析验证风险评分模型的拟合优度；以及
根据所述分组截断值将所述验证数据集中的受试者分为第二高风险组与第二低风险组，并使用所述验证数据集的Kaplan-Meier曲线验证所述第二高风险组与所述第二低风险组在生存情况方面是否具有显著差异。
本发明还提供了利用前面所述的构建方法获得的肝癌预后模型。
本发明还提供了一种前面所述的肝癌预后模型的应用方法，所述应用方法包括：
所述肺癌预后模型包括根据前面所述的构建方法构建得到的所述风险评分模型，所述应用方法包括：
获取肝癌患者样本的转录谱表达数据，其中，所述肝癌样本的转录谱表达数据包括用于构建所述风险评分模型的基因的表达值；以及
基于所述肝癌样本转录谱表达数据，根据所述风险评分模型计算所述肝癌患者预后的风险评分。
本发明还提供了一种预测肝癌预后的产品。
作为所述产品的一种实例，所述产品可以是基因组合，所述基因组合包括BZW2、KIAA0907、PSME3。
作为所述产品的一种实例，所述产品可以是预测肝癌预后的装置，所述装置包括预测预后分析单元，所述预测预后分析单元利用前面所述的肝癌预后模型对肝癌患者预后进行预测。
进一步，所述装置还包括数据收集单元，所述数据收集单元检测分子标志物的表达水平。
进一步，所述装置还包括显示单元，所述显示单元显示肝癌患者预后预测结果。
进一步，所述装置还包括评估结果发送单元，所述评估结果发送单元将所述预测预测分析单元获得的预后预测结果发送到所述显示单元。
作为所述产品的一种实例，所述产品可以是预测肝癌预后试剂盒，所述试剂盒包括检测前面所述的用于构建风险评分模型的基因表达水平的试剂。
进一步，所述试剂包括通过测序技术、核酸杂交技术、核酸扩增技术、蛋白免疫技术检测所述基因表达水平的试剂。
更进一步，所述试剂包括引物、探针、抗体、配体。
更进一步，所述试剂盒还包括选自下组的一种或多种物质：容器、使用说明书、阳性对照物、阴性对照物、缓冲剂、助剂或溶剂。
作为所述产品的一种实例，所述产品可以是预测肝癌预后的芯片，所述芯片包括检测前面所述的用于构建风险评分模型的基因表达水平的试剂。
进一步，所述试剂的限定同前。
作为所述产品的一种实例，所述产品可以是电子设备，所述电子设备包括：存储器，用于非暂时性存储计算机可读指令；以及处理器，用于运行所述计算机可读指令，其中，所述计算机可读指令被所述处理器运行时，执行前面所述的构建方法或者执行以下步骤：根据肝癌患者样本中的前面所述的用于构建风险评分模型的基因表达水平利用前面所述的风险评分模型计算风险评分。
作为所述产品的一种实例，所述产品可以是存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行根据前面所述的构建方法的指令或者执行以下步骤的指令：根据肝癌患者样本中的前面所述的用于构建风险评分模型的基因表达水平利用前面所述的风险评分模型计算风险评分。
本发明还提供了包括BZW2、KIAA0907、PSME3的基因组合在制备预测肝癌预后的产品中的应用。
本发明还提供了前面所述的风险评分模型在制备预测肝癌预后的产品中的应用。
根据前面所述的构建方法获得的肝癌预后模型在制备预测肝癌预后的产品中的应用。
进一步，所述产品是前面所述的产品。
本文中的“BZW2”，指编码所有或部分BZW2蛋白或与所有或部分的核酸序列或其类似物大致相同的核酸，其Gene ID为28969。
本文中的“KIAA0907”，指编码所有或部分KIAA0907蛋白或与所有或部分的核酸序列或其类似物大致相同的核酸，其Gene ID为22889。
本文中的“PSME3”，指编码所有或部分PSME3蛋白或与所有或部分的核酸序列或其类似物大致相同的核酸，其Gene ID为10197。
本文中“样本”可以包括但不限于，单个细胞或多个细胞、细胞层、组织活检物、切除的组织、组织提取物、组织、组织培养提取物、组织培养介质、呼出的气体、全血、血小板、血清、血浆、红细胞、白细胞、淋巴细胞、中性粒细胞、巨噬细胞、B细胞或者其子集、T细胞或者其子集、造血细胞的子集、内皮细胞、滑液、淋巴液、腹水液、组织间液、骨髓、脑脊液、胸腔积液、肿瘤浸润物、唾液、黏液、痰、精液、汗水、尿、或任何其他体液。样本可以通过下列手段从对象获得，所述手段包括，但不限于，静脉穿刺、排泄、活组织检查、针刺抽吸、灌洗、刮擦、手术切除、或本领域中已知的其他手段。
附图说明
图1显示TCGA数据集的生存曲线图；
图2显示TCGA数据集的ROC曲线图。
具体实施方式
以下通过具体的实施例进一步说明本发明的技术方案，具体实施例不代表对本发明保护范围的限制。其他人根据本发明理念所做出的一些非本质的修改和调整仍属于本发明的保护范围。
实施例1筛选肝癌预后相关基因
1、数据下载
在基因表达综合数据库(GEO)和癌症基因组图谱数据库(TCGA)中搜索公共基因表达数据和完整的临床注释。对于TCGA中的数据集，基因表达的RNA测序数据(FPKM值)和临床信息从UCSC Xena(https：//gdc.xenahubs.net)下载。然后将FPKM值转化为每千碱基百万(TPM)值的转录本。从GEO数据库(http://www.ncbi.nlm.nih.gov/geo/)下载GSE76427的基因表达数据，并利用注释文件对其注释，多个探针对应同一个基因的取平均值作为其表达量，然后获得基因表达矩阵文件。其中，TCGA数据集作为发现队列，GEO数据集作为验证队列。再去除临床信息不完整的样本后，TCGA队列中包含的样本数为癌旁：癌＝50:368，GEO队列中的样本量为癌旁：癌＝52:115。
2、差异表达分析
使用R软件中的“limma”包进行差异表达分析，差异基因的筛选标准为adj.Pvalue<0.01,|log2FC|>1。在此标准下，TCGA中差异表达的基因有1827个，上调的差异表达基因有1463个，下调的差异表达基因有364个。GEO中差异表达的基因有724个，上调的差异表达基因有528个，下调的差异表达基因有196个。在两个数据库中差异表达一致的基因有456个，一致上调的有399个，一致下调的有157个。
3、单因素Cox分析
对差异表达一致的456个基因进行单因素Cox分析，P<0.05的基因被认为是对肝细胞癌患者的生存有影响。在此标准下，TCGA数据库中有287个基因，GEO数据库中有32个基因。两者进行取交集处理后，共18个基因。
4、LASSO Cox分析
在TCGA数据集中对18个基因进行LASSO Cox分析，筛选出基因组成预后genesignature。根据公式计算每个样本的风险评分，根据风险评分的中位数，将所有样本分为高风险组与低风险组。
Figure BDA0003137994880000071
注：风险评分的计算公式，n为预后基因数，expi为基因i的表达值，βi为基因i的回归系数。
最终筛选确定的用于构建风险评分模型的基因包括以下三个基因：BZW2、KIAA0907、PSME3。表2列出了用于构建风险评分模型的3个基因的相关信息和参数。单因素cox回归分析中的HR用于表征相对危险度，其中，HR值大于1表示对应的基因的表达值与风险评分呈正相关关系，从而相应的LASSO系数大于0，HR值小于1表示对应的基因的表达值与风险评分呈负相关关系，从而相应的LASSO系数小于0。另外，在表2中，95％CI表示95％的置信区间(Confidence interval)。
表2风险评分模型中的3个基因
Figure BDA0003137994880000072
根据表2的结果可知，3个基因对应的风险评分模型表示为：
风险评分＝0.35626596*BZW2基因表达水平+0.23349198*KIAA0907基因表达水平+0.10764257*PSME3基因表达水平
生存分析结果表明，高风险组患者的生存时间明显短于低风险组(图1)。为了评估由3个基因组成的预后模型在预测肝细胞癌预后的准确性，进行了1年、3年和5年受试者工作特征(ROC)曲线分析，比较各自的AUC值。结果表明，1年、3年和5年的AUC分别是0.73、0.64、0.6(图2)。AUC值表明，由3个基因组成的预后模型对肝细胞癌患者的预后具有较好的区分性能。

Claims (10)

1.一种肝癌预后模型的构建方法，其特征在于，所述构建方法包括：
获取多个肝癌患者和多个参考人的转录谱表达数据；
基于所述多个肺癌患者和所述多个参考人的转录谱表达数据，筛选候选基因；以及
基于所述候选基因，构建风险评分模型；
所述肺癌预后模型包括所述风险评分模型；
基于所述候选基因，构建风险评分模型，包括：
获取训练数据集；
在所述训练数据集中，基于所述候选基因，通过单因素Cox回归分析，确定与生存期相关的基因；以及
通过LASSO Cox回归分析对所述与生存期相关的基因进行筛选，以确定用于构建所述风险评分模型的基因以及所述风险评分模型，其中，用于构建所述风险评分模型的基因包括BZW2、KIAA0907、PSME3。
2.根据权利要求1所述的构建方法，其特征在于，所述风险评分模型表示为：风险评分＝0.35626596*BZW2基因表达水平+0.23349198*KIAA0907基因表达水平+0.10764257*PSME3基因表达水平。
3.根据权利要求1所述的方法，其特征在于，基于所述候选基因，构建所述风险评分模型，还包括：
基于所述训练数据集，评估所述风险评分模型的预测性能。
4.根据权利要求3所述的方法，其特征在于，基于所述训练数据集，评估所述风险评分模型的预测性能，包括：
基于所述风险评分模型计算所述训练数据集中的每个肝癌患者的风险评分；
使用所述训练数据集的时间依赖的肝癌患者工作特征曲线分析评估风险评分模型的拟合优度；
依据所述训练数据集的时间依赖的肝癌患者工作特征曲线分析确定分组截断值，并根据所述分组截断值将所述训练数据集中的肝癌患者分为第一高风险组与第一低风险组；以及
使用所述训练数据集的Kaplan-Meier曲线评估所述第一高风险组与所述第一低风险组在生存情况方面是否具有显著差异。
5.根据权利要4所述的构建方法，其特征在于，基于所述候选基因，构建所述风险评分模型，还包括：
获取验证数据集；以及
基于所述验证数据集，验证所述风险评分模型的效能。
6.根据权利要求5所述的构建方法，其特征在于，基于所述验证数据集，验证所述风险评分模型的效能，包括：
基于所述风险评分模型计算所述验证数据集中的每个肝癌患者的风险评分；
使用所述验证数据集的时间依赖的肝癌患者工作特征曲线分析验证风险评分模型的拟合优度；以及
根据所述分组截断值将所述验证数据集中的肝癌患者分为第二高风险组与第二低风险组，并使用所述验证数据集的Kaplan-Meier曲线验证所述第二高风险组与所述第二低风险组在生存情况方面是否具有显著差异。
7.一种预测肝癌预后的产品，其特征在于，所述产品包括以下任一项：
1)基因组合，所述基因组合包括BZW2、KIAA0907、PSME3；
2)权利要求2所述的风险评分模型；
3)利用权利要求1-6中任一项所述的构建方法获得的肝癌预后模型；
4)预测肝癌预后的装置，所述装置包括预测预后分析单元，所述预测预后分析单元利用权利要求1-6中任一项所述的构建方法获得的肝癌预后模型对肝癌患者预后进行预测；
5)预测肝癌预后的试剂盒，所述试剂盒包括检测权利要求1中用于构建风险评分模型的基因表达水平的试剂；
6)预测肝癌预后的芯片，所述芯片包括检测权利要求1中用于构建风险评分模型的基因表达水平的试剂；
7)电子设备，所述电子设备包括：存储器，用于非暂时性存储计算机可读指令；以及处理器，用于运行所述计算机可读指令，其中，所述计算机可读指令被所述处理器运行时，执行权利要求1-6任一项所述的构建方法或者执行以下步骤：根据受试者样本中的权利要求1中用于构建风险评分模型的基因表达水平利用权利要求2所述的风险评分模型计算风险评分；
8)存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行根据权利要求1-6任一项所述的构建方法的指令或者执行以下步骤的指令：根据肝癌患者样本中的权利要求1中用于构建风险评分模型的基因表达水平利用权利要求2所述的风险评分模型计算风险评分。
8.根据权利要求7所述的产品，其特征在于，所述装置还包括信息收集单元，所述信息收集单元检测权利要求1中用于构建风险评分模型的基因的表达水平。
9.一种应用，其特征在于，所述应用包括以下任一项：
1)权利要求1中用于构建风险评分模型的基因在制备预测肝癌预后的产品中的应用；
2)权利要求2中所述的风险评分模型在制备预测肝癌预后的产品中的应用；
3)根据权利要求1-6中任一项所述的构建方法获得的肝癌预后模型在制备预测肝癌预后的产品中的应用。
10.根据权利要求9所述的应用，其特征在于，所述产品包括权利要求7所述的产品。
CN202110724433.1A 2021-06-29 2021-06-29 肝癌患者生存率预后模型 Withdrawn CN113470813A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110724433.1A CN113470813A (zh) 2021-06-29 2021-06-29 肝癌患者生存率预后模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110724433.1A CN113470813A (zh) 2021-06-29 2021-06-29 肝癌患者生存率预后模型

Publications (1)

Publication Number Publication Date
CN113470813A true CN113470813A (zh) 2021-10-01

Family

ID=77873607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110724433.1A Withdrawn CN113470813A (zh) 2021-06-29 2021-06-29 肝癌患者生存率预后模型

Country Status (1)

Country Link
CN (1) CN113470813A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019880A (zh) * 2022-05-05 2022-09-06 中山大学附属第一医院 一种基于ddr和icd基因表达的肝癌预后模型及其构建方法和应用
WO2024089714A1 (en) * 2022-10-27 2024-05-02 Citadel Information Services, Pvt Ltd A multi-modal and multi-omics analytical strategic framework for precision prescription prioritization

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019880A (zh) * 2022-05-05 2022-09-06 中山大学附属第一医院 一种基于ddr和icd基因表达的肝癌预后模型及其构建方法和应用
CN115019880B (zh) * 2022-05-05 2024-01-09 中山大学附属第一医院 一种肝癌预后模型及其构建方法和应用
WO2024089714A1 (en) * 2022-10-27 2024-05-02 Citadel Information Services, Pvt Ltd A multi-modal and multi-omics analytical strategic framework for precision prescription prioritization

Similar Documents

Publication Publication Date Title
CN103299188B (zh) 用于癌症的分子诊断试验
US20150018238A1 (en) Multi-biomarker-based outcome risk stratification model for pediatric septic shock
JP2022533033A (ja) 胃がんを診断するためのｍｉＲＮＡマーカーの組み合わせ物、およびキット
CN113470813A (zh) 肝癌患者生存率预后模型
US20190018930A1 (en) Method for building a database
CN113436673A (zh) 一种用于肝癌预后预测的分子标志物及其应用
CN113345589A (zh) 肝癌预后模型的构建方法及应用方法、电子设备
CN113462773A (zh) 一种预测胃癌患者生存风险、免疫治疗响应和细胞焦亡诱导剂适用性的标志物及其应用
CN115851951A (zh) 含多组学标志物组合物的早期肝癌检测模型构建及试剂盒
CN115482880A (zh) 一种头颈鳞癌糖酵解相关基因预后模型及构建方法和应用
CN114360721A (zh) 代谢相关子宫内膜癌的预后模型及构建方法
CN113345592B (zh) 一种急性髓细胞样白血病预后风险模型的构建及诊断设备
CN113470754A (zh) 一种用于肿瘤预后评估的基因标志物、评估产品及应用
CN111833963A (zh) 一种cfDNA分类方法、装置和用途
CN113450917A (zh) 生物标志物在预测肝癌预后中的应用
CN113241181A (zh) 一种用于肝癌患者的预后风险评估模型及评估装置
CN116189904A (zh) 一种分化型甲状腺癌的基因甲基化诊断模型及其构建方法
CN114107515B (zh) 早期胃癌预后差异基因与复发预测模型
CN113234823B (zh) 胰腺癌预后风险评估模型及其应用
CN113450909A (zh) 一种肝癌预后预测模型及其应用
TWI758670B (zh) 健康風險評估方法
CN112746108A (zh) 用于肿瘤预后分层评估的基因标志物、评估方法及应用
CN111500733A (zh) 外周血单核细胞中用于非小细胞肺癌早期诊断的分子标记物
WO2020150258A1 (en) Methods and systems for detecting liver disease
WO2019095541A1 (zh) 一种诊断预示乳腺癌骨转移的组合物及诊断预示方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20211001

WW01 Invention patent application withdrawn after publication