CN114045337A - 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 - Google Patents
基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 Download PDFInfo
- Publication number
- CN114045337A CN114045337A CN202111207671.1A CN202111207671A CN114045337A CN 114045337 A CN114045337 A CN 114045337A CN 202111207671 A CN202111207671 A CN 202111207671A CN 114045337 A CN114045337 A CN 114045337A
- Authority
- CN
- China
- Prior art keywords
- screening
- analysis
- intestinal microorganisms
- markers
- bile duct
- 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.)
- Pending
Links
- 208000006990 cholangiocarcinoma Diseases 0.000 title claims abstract description 42
- 244000005700 microbiome Species 0.000 title claims abstract description 29
- 238000012216 screening Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000968 intestinal effect Effects 0.000 title claims abstract description 22
- 239000003550 marker Substances 0.000 title claims abstract description 17
- 206010004593 Bile duct cancer Diseases 0.000 title claims abstract description 15
- 208000026900 bile duct neoplasm Diseases 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000007637 random forest analysis Methods 0.000 claims abstract description 13
- 241000894007 species Species 0.000 claims abstract description 9
- 238000003066 decision tree Methods 0.000 claims abstract description 7
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 108091093088 Amplicon Proteins 0.000 claims description 6
- 206010028980 Neoplasm Diseases 0.000 claims description 6
- 108020004465 16S ribosomal RNA Proteins 0.000 claims description 5
- 241001608234 Faecalibacterium Species 0.000 claims description 5
- 241000192031 Ruminococcus Species 0.000 claims description 5
- 201000011510 cancer Diseases 0.000 claims description 5
- 230000002550 fecal effect Effects 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 230000001580 bacterial effect Effects 0.000 claims description 4
- 238000007400 DNA extraction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 108700022487 rRNA Genes Proteins 0.000 claims description 3
- 238000003766 bioinformatics method Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 201000009036 biliary tract cancer Diseases 0.000 claims 7
- 208000020790 biliary tract neoplasm Diseases 0.000 claims 7
- 230000000721 bacterilogical effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 238000013399 early diagnosis Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 201000007270 liver cancer Diseases 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 1
- 241000736262 Microbiota Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007622 bioinformatic analysis Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 201000001883 cholelithiasis Diseases 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 230000032630 lymph circulation Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 208000010603 vasculitis due to ADA2 deficiency Diseases 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- C12Q1/6869—Methods for sequencing
-
- 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
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
- C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Zoology (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Immunology (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Microbiology (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Bioethics (AREA)
- General Physics & Mathematics (AREA)
- Oncology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Hospice & Palliative Care (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用，该方法包括步骤S1获取胆管癌粪便样本和健康粪便样本；S2筛选两组间显著丰度差异的微生物，并根据种属相对丰度差异作为筛选条件筛选出多种菌群属标志物。该分析方法包括步骤S3获取上述任一一项所述的多种菌群属标志物；S4根据多种菌群属建立随机森林树模型；S5通过随机森林树模型分析获得ROC曲线及其可信区间，并根据该ROC曲线及其可信区间获得样本分析结果。同时还将多种菌群属标志物根据决策树比率计算患者率指数后用于对CCA检测分析。本发明能够通过无创的方式进行检测，并且能够直接对健康人群的样本进行检测。
Description
技术领域
本发明涉及医学检测技术领域，具体为基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用。
背景技术
胆管癌(CCA)是常见的肝脏第二大恶性肿瘤，占原发性肝癌的10％-20％，在过去40年里发病率不断上升。CCA解剖定位困难，细胞稀少，发病隐匿，不易早期检测。且CCA生长快速，易通过淋巴和血液循环早期转移，因此患者通常在第一次确诊时已进展为终末期CCA，存活率低于5％，严重影响着公众健康。手术切除和组织活检仍是CCA的主要治疗方案和检测选择。目前常用于检测CCA的生物标志物，如CA199、CEA、影像学特征等均不能达到理想的早期检测效果。这种CCA诊断的血清肿瘤标志物CA19-9、CEA等，假阳性率与假阴性率均偏高；影像学诊断准确率不高；有创操作，患者接受度低，现有无创检测方法准确率低。
因此，迫切需要开发一种灵敏度高、特异性强的无创检测工具，用于CCA的早期检测。
现有技术中国专利申请号为CN202011341383.0的发明专利公开的方案只能针对胆管癌患者和非癌症(胆石症患者)中进行区分，实际上局限性较大，并不能直接从健康人群中进行区分，因此检测分析效果实际上还不能覆盖更广泛的检测范围。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用，能够通过无创的方式进行检测，并且能够直接对健康人群的样本进行检测。
为实现上述目的，本发明提供了如下技术方案：一种基于肠道微生物的胆管癌非侵入性标志物筛选方法，
S1获取胆管癌粪便样本和健康粪便样本；
S2筛选两组间显著丰度差异的微生物，并根据种属相对丰度差异作为筛选条件筛选出多种菌群属标志物。
作为本发明的进一步改进，S2中菌群属的数量为三种，分别为Faecalibacterium，Ruminococcus，Burkholderia-Caballeronia-Paraburkholderia。
作为本发明的进一步改进，S1还对获得的粪便样本进行DNA提取和16SrRNA基因测序：用
Kit提取细菌基因组，对原核小亚基rRNA基因的V3-V4区用进行扩增，使用Agilent 2100Bioanalyzer对扩增子库进行测序，Illumina′s LibraryQuantification Kit用于评估扩增子库的大小和数量，样本在Illumina NovaSeq平台进行测序。
作为本发明的进一步改进，S1还包括生物信息学分析：使用QIIME2软件包对原始读取数据进行分析，根据fqtrim，对raw data进行质量过滤，以获得clean data，以100％相似性对clean data进行聚类得到Feature，DADA2软件用于过滤测序读数并构建特征表和特征序列，物种注释的序列比对由BLAST完成，比对数据库为SILVA和NT-16S。
作为本发明的进一步改进，S1还包括数据分析：利用α多样性，β多样性评估样本的总体差异，样本的α多样性由Chao1、observed species、goods_Coverage、Shannon和Simpson指数描述，β多样性通过主坐标分析计算。
作为本发明的进一步改进，S2中微生物的筛选通过STAMP筛选两组间显著丰度差异的微生物共24个，通过随机森林算法筛选影响力最大的20个菌群，将两组数据交叉后筛选出差异最显著且影响力最强的菌群属，并根据种属相对丰度差异FDR＜0.001作为筛选条件筛选出3种菌群属Faecalibacterium，Ruminococcus，Burkholderia-Caballeronia-Paraburkholderia。
一种基于肠道微生物的胆管癌非侵入性标志物分析方法，包括
S3获取上述任一一项所述的多种菌群属标志物；
S4根据多种菌群属建立随机森林树模型；
S5通过随机森林树模型分析获得ROC曲线及其可信区间，并根据该ROC曲线及其可信区间获得样本分析结果。
作为本发明的进一步改进，S4具体使用R软件和参数为method＝′cv′，number＝10，classProbs＝T，summaryFunction＝twoClassSummary，savePredictions＝′final′；森林书模型参数method＝′rf，tuneLength＝4，metric＝′ROC′，trControl＝fitControl的随机森林软件包caret，
构建随机森林模型-B-F-R模型，并利用该模型对验证组进行预测，决策树预测样本为“CCA”，设置的参数预测为：proximity＝T，norm.votes＝T，predict.all＝TRUE。
作为本发明的进一步改进，S5中ROC曲线下面积为0.973。
一种基于肠道微生物的胆管癌非侵入性标志物的应用，将上述任一意向所述的多种菌群属标志物根据决策树比率计算患者率指数后用于对CCA检测分析。
本发明的有益效果，根据16s rRNA测序方法对大量CCA患者的肠道微生物组成进行分析，筛选出差异于健康人群的多个微生物种属，并据此成功构建B-F-R属模型用于CCA早期诊断，提示了将肠道微生物作为非侵袭性生物标志物用于早期诊断CCA的可能性，并为临床诊断提供了一种新的潜在方法。本方法采取患者粪便标本信息进行无创检测，患者接受度高，且模型预测准确率高。
附图说明
图1为本发明的Rarefaction curve达到一个平台说明样本测序深度足够；
图2为本发明的CCA患者与健康对照粪便样本测序结果的α多样性分析；
图3为本发明的CCA患者与健康对照粪便样本测序结果的β多样性分析；
图4为本发明的CCA患者与健康对照粪便样本中差异丰度显著的微生物属；
图5为本发明的CCA患者与健康对照粪便样本中影响力较大的微生物属；
图6为本发明的模型内包含的微生物Burkholderia-Caballeronia-Paraburkholderia，Faecalibacterium和Ruminococcus_1在CCA患者和健康对照之间分布的Density curve图；
图7为本发明的ROC曲线显示B-F-R属模型的有效鉴别诊断能力，AUC为0.973。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1-7所示，
一种基于肠道微生物的胆管癌非侵入性标志物的筛选方法，包括：
1.样本收集：收集53例胆管癌患者和40例健康人群的粪便样本，对粪便样本进行16S rRNA基因测序；同时收集所有受试者的人口统计学数据；
2.DNA提取和16S rRNA基因测序：用
Kit(D4015，Omega，Inc.，USA)提取细菌基因组，对原核(细菌和古细菌)小亚基(16S)rRNA基因的V3-V4区用进行扩增，使用Agilent 2100Bioanalyzer(Agilent，美国)对扩增子库进行测序，Illumina′sLibrary Quantification Kit(kappa Bioscience，美国)用于评估扩增子库的大小和数量，样本在Illumina NovaSeq平台进行测序(图1)；
3.生物信息学分析：使用QIIME2软件包对原始读取数据进行分析，根据fqtrim(V0.94)，在特定的过滤条件下对raw data进行质量过滤，以获得clean data，以100％相似性对clean data进行聚类得到Feature(特征)，DADA2软件用于过滤测序读数并构建特征表和特征序列，物种注释的序列比对由Blast完成，比对数据库为SILVA和NT-16S；
4.数据分析：利用α多样性，β多样性(PCoA)评估样本的总体差异，样本的α多样性由Chao1、observed species、goods_Coverage、Shannon和Simpson指数描述(图2)，β多样性通过主坐标分析(PCoA)计算(图3)；
5.用STAMP(v2.1.3)筛选两组间显著丰度差异的微生物共24个(图4、图5)，通过随机森林算法筛选影响力最大的20个菌群。将两组数据交叉后筛选出差异最显著且影响力最强的菌群属，并根据种属相对丰度差异FDR＜0.001作为筛选条件筛选出3种菌群属Faecalibacterium，Ruminococcus，Burkholderia-Caballeronia-Paraburkholderia用于后续随机森林树模型构建。
为了阐明粪便微生物组对早期肝癌的诊断价值，我们构建了一个能够特异性鉴定早期CCA样本的随机森林区分模型。根据DADA2特征表和特征序列，我们将人群随机分为训练组及验证组，并提取上述三个属细菌的相对丰度(表1，图5)。
表1：三个属细菌的相对丰度及统计学差异
6.使用R软件3.0.2和随机森林软件包caret(具体参数为method＝′cv′，number＝10，classProbs＝T，summaryFunction＝twoClassSummary，savePredictions＝′final′；森林书模型参数method＝′rf，tuneLength＝4，metric＝′ROC′，trControl＝fitControl)，来构建随机森林模型(B-F-R模型)，并利用该模型对验证组进行预测，决策树预测样本为“CCA”，设置的参数预测为：proximity＝T，norm.votes＝T，predict.all＝TRUE。进一步通过pROC绘制其ROC曲线及其可信区间。ROC曲线(图6)证明该模型ROC曲线下面积达0.973(95％CI＝0.932-1.0)。
一种基于肠道微生物的胆管癌非侵入性标志物的应用，所述胆管癌的测定方法如下：
1.采集受检者的粪便标本进行16S rRNA基因测序，获取3个肠道菌群属的相对丰度；
2.根据决策树比率计算患病率指数，用于患者CCA早期诊断，实现CCA的早期筛查、早期诊断和早期治疗。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，
S1获取胆管癌粪便样本和健康粪便样本；
S2筛选两组间显著丰度差异的微生物，并根据种属相对丰度差异作为筛选条件筛选出多种菌群属标志物。
2.根据权利要求1所述的基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，S2中菌群属的数量为三种，分别为Faecalibacterium，Ruminococcus，Burkholderia-Caballeronia-Paraburkholderia。
3.根据权利要求1所述的基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，S1还对获得的粪便样本进行DNA提取和16S rRNA基因测序：用E.Z.N.A.
StoolDNAKit提取细菌基因组，对原核小亚基rRNA基因的V3-V4区用进行扩增，使用Agilent 2100Bioanalyzer对扩增子库进行测序，Illumina′s Library Quantification Kit用于评估扩增子库的大小和数量，样本在Illumina NovaSeq平台进行测序。
4.根据权利要求3所述的基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，S1还包括生物信息学分析：使用QIIME2软件包对原始读取数据进行分析，根据fqtrim，对raw data进行质量过滤，以获得clean data，以100％相似性对clean data进行聚类得到Feature，DADA2软件用于过滤测序读数并构建特征表和特征序列，物种注释的序列比对由BLAST完成，比对数据库为SILVA和NT-16S。
5.根据权利要求4所述的基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，S1还包括数据分析：利用α多样性，β多样性评估样本的总体差异，样本的α多样性由Chao1、observed species、goods_Coverage、Shannon和Simpson指数描述，β多样性通过主坐标分析计算。
6.根据权利要求5所述的基于肠道微生物的胆管癌非侵入性标志物筛选方法，其特征在于，S2中微生物的筛选通过STAMP筛选两组间显著丰度差异的微生物共24个，通过随机森林算法筛选影响力最大的20个菌群，将两组数据交叉后筛选出差异最显著且影响力最强的菌群属。
7.一种基于肠道微生物的胆管癌非侵入性标志物分析方法，其特征在于，包括
S3获取权利要求1～6任一一项所述的多种菌群属标志物；
S4根据多种菌群属建立随机森林树模型；
S5通过随机森林树模型分析获得ROC曲线及其可信区间，并根据该ROC曲线及其可信区间获得样本分析结果。
8.根据权利要求7所述的基于肠道微生物的胆管癌非侵入性标志物分析方法，其特征在于，S4具体使用R软件和
参数为method＝′cv′，number＝10，classProbs＝T，summaryFunction＝twoClassSummary，savePredictions＝′final′；森林书模型参数method＝′rf，tuneLength＝4，metric＝′ROC′，trControl＝fitControl的随机森林软件包caret，
构建随机森林模型-B-F-R模型，并利用该模型对验证组进行预测，决策树预测样本为“CCA”，设置的参数预测为：proximity＝T，norm.votes＝T，predict.all＝TRUE。
9.根据权利要求8所述的基于肠道微生物的胆管癌非侵入性标志物分析方法，其特征在于，S5中ROC曲线下面积为0.973。
10.一种基于肠道微生物的胆管癌非侵入性标志物的应用，其特征在于，将权利要求1～6任一一项所述的多种菌群属标志物根据决策树比率计算患者率指数后用于对CCA检测分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111207671.1A CN114045337A (zh) | 2021-10-15 | 2021-10-15 | 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111207671.1A CN114045337A (zh) | 2021-10-15 | 2021-10-15 | 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114045337A true CN114045337A (zh) | 2022-02-15 |
Family
ID=80205338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111207671.1A Pending CN114045337A (zh) | 2021-10-15 | 2021-10-15 | 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114045337A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116103381A (zh) * | 2022-11-25 | 2023-05-12 | 山东大学 | 一种女性阴道菌群组成结构分型的分析方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112553351A (zh) * | 2020-11-25 | 2021-03-26 | 温州医科大学附属第一医院 | 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 |
| CN112899368A (zh) * | 2021-02-02 | 2021-06-04 | 广西医科大学第一附属医院 | 一种用于原发性肝细胞癌早期诊断的生物标志物及其检测试剂和应用 |
-
2021
- 2021-10-15 CN CN202111207671.1A patent/CN114045337A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112553351A (zh) * | 2020-11-25 | 2021-03-26 | 温州医科大学附属第一医院 | 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 |
| CN112899368A (zh) * | 2021-02-02 | 2021-06-04 | 广西医科大学第一附属医院 | 一种用于原发性肝细胞癌早期诊断的生物标志物及其检测试剂和应用 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116103381A (zh) * | 2022-11-25 | 2023-05-12 | 山东大学 | 一种女性阴道菌群组成结构分型的分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106156543B (zh) | 一种肿瘤ctDNA信息统计方法 | |
| CN111500705B (zh) | IgAN肠道菌群标志物、IgAN代谢物标志物及其应用 | |
| CN112301130B (zh) | 一种肺癌早期检测的标志物、试剂盒及方法 | |
| CN107034301A (zh) | 一种检测肺结节为良性或恶性的试剂盒及其应用 | |
| CN107435062B (zh) | 甄别肺部微小结节良恶性的外周血基因标志物及其用途 | |
| CN112094907A (zh) | 外周血红细胞微核dna及其应用 | |
| CN112899368A (zh) | 一种用于原发性肝细胞癌早期诊断的生物标志物及其检测试剂和应用 | |
| CN114277139B (zh) | 外泌体arpc5、snhg5等在肺癌诊断中的应用 | |
| WO2020248665A1 (zh) | 结直肠癌的相关预测系统、电子设备和存储介质 | |
| CN115094142A (zh) | 用于诊断肺肠型腺癌的甲基化标志物 | |
| CN111254207A (zh) | 用于区别自身免疫性肝炎和健康人群的肠道微生物标志物及其应用 | |
| CN114045337A (zh) | 基于肠道微生物的胆管癌非侵入性标志物筛选、分析方法及应用 | |
| KR20180077068A (ko) | 세균 메타게놈 분석을 통한 간질환 진단 방법 | |
| CN113913333A (zh) | 一种肺癌诊断标志物及用途 | |
| CN111968702B (zh) | 一种基于循环肿瘤dna的恶性肿瘤早期筛查系统 | |
| CN113388685A (zh) | 一组诊断食管癌的甲基化标志物 | |
| CN110724743B (zh) | 人血液中结直肠癌诊断相关的甲基化生物标记物及其应用 | |
| CN112553351A (zh) | 基于肠道微生物相对丰度的胆管癌非侵入性标志物、筛选方法及应用 | |
| CN115331737A (zh) | 一种分析肠道菌群中致病菌和量化菌群地域特征的方法 | |
| CN114369673A (zh) | 结直肠腺瘤生物标志物、试剂盒及生物标志物的筛选方法 | |
| CN114410730B (zh) | 基于唾液微生物的甲状腺癌分子标志物及其应用 | |
| KR101940950B1 (ko) | 세균 메타게놈 분석을 통한 담관암 진단방법 | |
| WO2016049927A1 (en) | Biomarkers for obesity related diseases | |
| CN114959077A (zh) | 用于区别胆管细胞癌和健康人群的口腔微生物基因标志物及其应用 | |
| CN115125312A (zh) | 用于Basal型胰腺导管腺癌(PDAC)诊断的标志物组合及其应用 |
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 |