CN115684116B - 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法 - Google Patents

一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法 Download PDF

Info

Publication number
CN115684116B
CN115684116B CN202211388295.5A CN202211388295A CN115684116B CN 115684116 B CN115684116 B CN 115684116B CN 202211388295 A CN202211388295 A CN 202211388295A CN 115684116 B CN115684116 B CN 115684116B
Authority
CN
China
Prior art keywords
ctdna
epigenetic marker
marker image
epigenetic
tumor patient
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.)
Active
Application number
CN202211388295.5A
Other languages
English (en)
Other versions
CN115684116A (zh
Inventor
崔品
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.)
Shenzhen Ruifa Biotechnology Co ltd
Original Assignee
Shenzhen Ruifa Biotechnology 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 Shenzhen Ruifa Biotechnology Co ltd filed Critical Shenzhen Ruifa Biotechnology Co ltd
Priority to CN202211388295.5A priority Critical patent/CN115684116B/zh
Publication of CN115684116A publication Critical patent/CN115684116A/zh
Application granted granted Critical
Publication of CN115684116B publication Critical patent/CN115684116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别技术领域,揭示了一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,包括:获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA;提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物;获取所述ctDNA表观遗传标志物图像,建立所述ctDNA表观遗传标志物图像集;将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标。本发明可解决现有方案中利用ctDNA表观遗传标志物筛查肿瘤的程序复杂,操作困难的技术问题。

Description

一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别 方法
技术领域
本发明涉及用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别技术领域,尤其涉及一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法、装置、电子设备及计算机可读存储介质。
背景技术
ctDNA即循环肿瘤DNA,癌细胞不停地生成和死亡,死亡的癌细胞会释放出ctDNA进入血液循环,通过抽取受测者10mL静脉血,从中提取ctDNA进行检测及分析,可一次性全面检测女性常见30种癌症及男性常见27种癌症,在最早期得知罹患癌症的风险状况。与传统的癌症早期筛查(例如PET-CT影像学检测肿瘤大小、肿瘤标记物的检测)相比较,ctDNA癌症早期基因筛查可以提早3-5年就发现癌症,真正地实现在病变发生癌症前就检测出癌症,早发现发预防,大大地降低癌症的发病率和死亡率,但是现有的技术方案无法解决利用ctDNA表观遗传标志物筛查肿瘤的程序复杂,操作困难的技术问题。
发明内容
本发明提供一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法、装置、电子设备及计算机可读存储介质,其主要目的在于可解决现有方案中利用ctDNA表观遗传标志物筛查肿瘤的程序复杂,操作困难的技术问题。
为实现上述目的,本发明提供的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,所述方法包括:
获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA;
提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物;
获取所述ctDNA表观遗传标志物图像,建立所述ctDNA表观遗传标志物图像集;
将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标;
根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,
根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异。
优选地,所述ctDNA表观遗传标志物包括ctDNA甲基化、ctDNA片段化、ctDNA末端分子序列与ctDNA核小体印记。
优选地,所述获获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,包括:使用真空采血管通过静脉穿刺的方法分别获得肿瘤患者与正常人的鲜外周血液样本至少5ml,将所得所述肿瘤患者与正常人的鲜外周血液样本在室温、无菌条件下3000g离心5-10分钟,离心后取上清液,得所述肿瘤患者血浆样本。
优选地,所述提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA,包括:
在50mL的离心管内加入100μL的蛋白酶K,取所述肿瘤患者样本或正常人样本加入所述离心管中;
再向所述离心管中加入800μL的裂解工作液,震荡30秒,瞬时离心,60℃恒温水浴锅温育30分钟;
再向所述离心管中加入1.8mL的ACB,震荡15秒,瞬时离心,冰上孵育5分钟;
将所述离心管中的混合液全部转移至吸附柱,利用真空泵将所述混合液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入600μL的抑制物去除液,打开所述真空泵,待所述抑制物去除液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的去离子液,打开所述真空泵,待所述去离子液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的无水乙醇,打开所述真空泵,待所述吸附柱全部流过吸附柱后,关闭真空泵,等压力降至0;
将所述吸附柱取出,放置于2.0mL的EP管于室温下14000rpm离心3分钟,得离心后的吸附柱;
将所述离心后的吸附柱取出,放置于新的2.0mL的EP管,56℃放置2分钟;
将所述离心后的吸附柱取出,放置于新的1.5m的LEP管,在所述离心后的吸附柱的膜的正上方加入50μL洗脱液,室温静置3分钟,14000rpm离心1分钟,得所述肿瘤患者ctDNA。
优选地,所述提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物,包括:
将玻璃芯片放置于室温下平衡20分钟,并干燥2小时;
在所述玻璃芯片的孔中滴入100μL封闭液,在室温摇床上孵育30分钟;
利用移液器吸出所述玻璃芯片的孔中的封闭液,在所述玻璃芯片的孔中滴入所述肿瘤患者ctDNA;
使用芯片洗板机清洗所述玻璃芯片,向所述玻璃芯片的孔中加入清洗液高震荡10秒,清洗6次,再向所述玻璃芯片的孔中加入去离子水,高震荡10秒,清洗6次;
向所述玻璃芯片的孔中依次加入70μL生物素标记抗体和70μL巧光素-链霉亲和素;
利用荧光扫描仪对所述玻璃芯片进行扫描,检测所述肿瘤患者ctDNA中的蛋白质表达,获取ctDNA表观遗传标志物。
优选地,所述将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标,包括:
设定所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的背景的阈值为T;
将所述ctDNA表观遗传标志物图像的目标的像素点数占所述ctDNA表观遗传标志 物图像的百分数记为,所述ctDNA表观遗传标志物图像的目标平均灰度为
将所述ctDNA表观遗传标志物图像的背景的像素点数占所述ctDNA表观遗传标志 物图像的百分数记为,所述ctDNA表观遗传标志物图像的目标平均灰度为
计算所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的 背景差异度,所述差异度的表达式为:
若差异度的值越大,则所述ctDNA表观遗传标志物图像的目标被误割为背景或所 述ctDNA表观遗传标志物图像的背景被误割为目标。
优选地,所述根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,包括:
将所述ctDNA表观遗传标志物图像划分为九宫格布局;
将所述ctDNA表观遗传标志物图像中心像素与8个相邻区域像素对比,若所述ctDNA表观遗传标志物图像中心像素大于所述相邻区域像素,则所述相邻区域像素设定为1,若所述ctDNA表观遗传标志物图像中心像素小于所述相邻区域像素,则所述相邻区域像素设定为0;
将所述ctDNA表观遗传标志物图像的中心坐标记为
获取所述ctDNA表观遗传标志物图像特征,表达式为:
其中,为8个相邻区域第个区域像素点,为第个区域的灰度值,为ctDNA表 观遗传标志物图像的中心的灰度值,为符号函数,若,否则
优选地,所述根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异,包括:
构建图像识别模型,将所述ctDNA表观遗传标志物图像作为输入,根据所述ctDNA表观遗传标志物图像特征,对所述ctDNA表观遗传标志物图像识别输出,并进行一维向量处理,获取识别结果;
根据所述识别结果分析所述ctDNA表观遗传标志物图像的输入与输出误差M,表达式为:
其中,表示有n对输入输出数据,每对为(),i为第i对输入输出数据,表示 输入数据,表示输出数据;
根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异。
优选地,所述根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异,包括:
根据所述输入与输出误差设定误差阈值,对所述识别结果进行分类;
根据所述误差阈值,将所述识别结果分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN;
根据所述分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN计算所述ctDNA表观遗传标志物差异F,表达式为:
若F为0,则所述ctDNA表观遗传标志物不存在差异;若0,则所述ctDNA表观 遗传标志物存在差异。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法。
相比于背景技术所述:本发明通过根据ctDNA表观遗传标志物图像的目标,提取 ctDNA表观遗传标志物图像特征,能够简化肿瘤筛选的程序,将ctDNA表观遗传标志物图像 划分为九宫格布局;将ctDNA表观遗传标志物图像中心像素与8个相邻区域像素对比, 若ctDNA表观遗传标志物图像中心像素大于相邻区域像素,则相邻区域像素设定为1,若 ctDNA表观遗传标志物图像中心像素小于相邻区域像素,则相邻区域像素设定为0;将ctDNA 表观遗传标志物图像的中心坐标;获取ctDNA表观遗传标志物图像特征;通过根据输入与输 出误差设定误差阈值,分析识别ctDNA表观遗传标志物差异,能够降低瘤筛查成本、操作难 度,因此本发明提出的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法、装 置、电子设备及计算机可读存储介质,可解决现有方案中利用ctDNA表观遗传标志物筛查肿 瘤的程序复杂,操作困难,实现成本高的技术问题。
附图说明
图1为本发明一实施例提供的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法的流程示意图;
图2为本发明一实施例提供提取ctDNA表观遗传标志物图像特征的流程示意图;
图3为本发明一实施例提供的识别ctDNA表观遗传标志物差异的流程示意图;
图4为本发明一实施例提供的实现一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法。所述一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法的流程示意图。在本实施例中,所述一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法包括:
请参阅图1-图3所示,本发明为一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,具体的步骤包括:
获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA;
提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物;
获取所述ctDNA表观遗传标志物图像,建立所述ctDNA表观遗传标志物图像集;
将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标;
根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,
根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异。
所述ctDNA表观遗传标志物包括ctDNA甲基化、ctDNA片段化、ctDNA末端分子序列与ctDNA核小体印记。
所述获获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,包括:使用真空采血管通过静脉穿刺的方法分别获得肿瘤患者与正常人的鲜外周血液样本至少5ml,将所得所述肿瘤患者与正常人的鲜外周血液样本在室温、无菌条件下3000g离心5-10分钟,离心后取上清液,得所述肿瘤患者血浆样本。
所述提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA,包括:
在50mL的离心管内加入100μL的蛋白酶K,取所述肿瘤患者样本或正常人样本加入所述离心管中;
再向所述离心管中加入800μL的裂解工作液,震荡30秒,瞬时离心,60℃恒温水浴锅温育30分钟;
再向所述离心管中加入1.8mL的ACB,震荡15秒,瞬时离心,冰上孵育5分钟;
将所述离心管中的混合液全部转移至吸附柱,利用真空泵将所述混合液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入600μL的抑制物去除液,打开所述真空泵,待所述抑制物去除液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的去离子液,打开所述真空泵,待所述去离子液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的无水乙醇,打开所述真空泵,待所述吸附柱全部流过吸附柱后,关闭真空泵,等压力降至0;
将所述吸附柱取出,放置于2.0mL的EP管于室温下14000rpm离心3分钟,得离心后的吸附柱;
将所述离心后的吸附柱取出,放置于新的2.0mL的EP管,56℃放置2分钟;
将所述离心后的吸附柱取出,放置于新的1.5m的LEP管,在所述离心后的吸附柱的膜的正上方加入50μL洗脱液,室温静置3分钟,14000rpm离心1分钟,得所述肿瘤患者ctDNA。
所述提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物,包括:
将玻璃芯片放置于室温下平衡20分钟,并干燥2小时;
在所述玻璃芯片的孔中滴入100μL封闭液,在室温摇床上孵育30分钟;
利用移液器吸出所述玻璃芯片的孔中的封闭液,在所述玻璃芯片的孔中滴入所述肿瘤患者ctDNA;
使用芯片洗板机清洗所述玻璃芯片,向所述玻璃芯片的孔中加入清洗液高震荡10秒,清洗6次,再向所述玻璃芯片的孔中加入去离子水,高震荡10秒,清洗6次;
向所述玻璃芯片的孔中依次加入70μL生物素标记抗体和70μL巧光素-链霉亲和素;
利用荧光扫描仪对所述玻璃芯片进行扫描,检测所述肿瘤患者ctDNA中的蛋白质表达,获取ctDNA表观遗传标志物。
所述将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标,包括:
设定所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的背景的阈值为T;
将所述ctDNA表观遗传标志物图像的目标的像素点数占所述ctDNA表观遗传标志 物图像的百分数记为,所述ctDNA表观遗传标志物图像的目标平均灰度为
将所述ctDNA表观遗传标志物图像的背景的像素点数占所述ctDNA表观遗传标志 物图像的百分数记为,所述ctDNA表观遗传标志物图像的目标平均灰度为
计算所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的 背景差异度,所述差异度的表达式为:
若差异度的值越大,则所述ctDNA表观遗传标志物图像的目标被误割为背景或所 述ctDNA表观遗传标志物图像的背景被误割为目标。
所述根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,包括:
将所述ctDNA表观遗传标志物图像划分为九宫格布局;
将所述ctDNA表观遗传标志物图像中心像素与8个相邻区域像素对比,若所述ctDNA表观遗传标志物图像中心像素大于所述相邻区域像素,则所述相邻区域像素设定为1,若所述ctDNA表观遗传标志物图像中心像素小于所述相邻区域像素,则所述相邻区域像素设定为0;
将所述ctDNA表观遗传标志物图像的中心坐标记为
获取所述ctDNA表观遗传标志物图像特征,表达式为:
其中,为8个相邻区域第个区域像素点,为第个区域的灰度值,为ctDNA表 观遗传标志物图像的中心的灰度值,为符号函数,若,否则
所述根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异,包括:
构建图像识别模型,将所述ctDNA表观遗传标志物图像作为输入,根据所述ctDNA表观遗传标志物图像特征,对所述ctDNA表观遗传标志物图像识别输出,并进行一维向量处理,获取识别结果;
根据所述识别结果分析所述ctDNA表观遗传标志物图像的输入与输出误差M,表达式为:
其中,表示有n对输入输出数据,每对为(),i为第i对输入输出数据,表示 输入数据,表示输出数据;
根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异。
所述根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异,包括:
根据所述输入与输出误差设定误差阈值,对所述识别结果进行分类;
根据所述误差阈值,将所述识别结果分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN;
根据所述分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN计算所述ctDNA表观遗传标志物差异F,表达式为:
若F为0,则所述ctDNA表观遗传标志物不存在差异;若0,则所述ctDNA表观 遗传标志物存在差异。
相比于背景技术所述:本发明通过根据ctDNA表观遗传标志物图像的目标,提取 ctDNA表观遗传标志物图像特征,能够简化肿瘤筛选的程序,将ctDNA表观遗传标志物图像 划分为九宫格布局;将ctDNA表观遗传标志物图像中心像素与8个相邻区域像素对比, 若ctDNA表观遗传标志物图像中心像素大于相邻区域像素,则相邻区域像素设定为1,若 ctDNA表观遗传标志物图像中心像素小于相邻区域像素,则相邻区域像素设定为0;将ctDNA 表观遗传标志物图像的中心坐标;获取ctDNA表观遗传标志物图像特征;通过根据输入与输 出误差设定误差阈值,分析识别ctDNA表观遗传标志物差异,能够降低瘤筛查成本、操作难 度,因此本发明提出的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法、装 置、电子设备及计算机可读存储介质,可解决现有方案中利用ctDNA表观遗传标志物筛查肿 瘤的程序复杂,操作困难,实现成本高的技术问题。
实施例2:
如图4所示,是本发明一实施例提供的实现一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(FlashCard)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(CentralProcessingunit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheralcomponentinterconnect,简称PCI)总线或扩展工业标准结构(extendedindustrystandardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(OrganicLight-EmittingDiode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于ctDNA多维表观遗传标志物的肿瘤筛查程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA;
提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物;
获取所述ctDNA表观遗传标志物图像,建立所述ctDNA表观遗传标志物图像集;
将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标;
根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,
根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图4对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行。
在本发明所提供的几个实施例中,应该理解到,所揭示的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。

Claims (5)

1.一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,其特征在于,所述方法包括:
获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA;
提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物;
获取所述ctDNA表观遗传标志物图像,建立所述ctDNA表观遗传标志物图像集;
将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标;
根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,
根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异;
所述将所述ctDNA表观遗传标志物图像分割为背景与前景两个部分,所述前景为所述ctDNA表观遗传标志物图像的目标,包括:
设定所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的背景之间的阈值为T;
将所述ctDNA表观遗传标志物图像的目标的像素点数占所述ctDNA表观遗传标志物图像的百分数记为,同时将所述ctDNA表观遗传标志物图像的背景平均灰度记为/>
将所述ctDNA表观遗传标志物图像的背景的像素点数占所述ctDNA表观遗传标志物图像的百分数记为,同时将所述ctDNA表观遗传标志物图像的目标平均灰度记为/>
计算所述ctDNA表观遗传标志物图像的目标与所述ctDNA表观遗传标志物图像的背景差异度,所述差异度/>的表达式为:
若差异度的值越大,则所述ctDNA表观遗传标志物图像的目标被误割为背景的部分越少,同时将所述ctDNA表观遗传标志物图像的背景被误割为目标的部分越少;
所述根据所述ctDNA表观遗传标志物图像的目标,提取所述ctDNA表观遗传标志物图像特征,包括:
将所述ctDNA表观遗传标志物图像划分为3X3九宫格布局;
将所述ctDNA表观遗传标志物图像中心像素与8个相邻区域像素对比,若所述ctDNA表观遗传标志物图像中心像素大于所述相邻区域像素,则所述相邻区域像素设定为1,若所述ctDNA表观遗传标志物图像中心像素小于所述相邻区域像素,则所述相邻区域像素设定为0;
将所述ctDNA表观遗传标志物图像的中心坐标记为
获取所述ctDNA表观遗传标志物图像特征,表达式为:
;
其中,为8个相邻区域第/>个区域像素点,/>为第/>个区域的灰度值,/>为ctDNA表观遗传标志物图像的中心的灰度值,/>为符号函数,若/>,/>,否则/>
所述根据所述ctDNA表观遗传标志物图像特征识别所述ctDNA表观遗传标志物差异,包括:
构建图像识别模型,将所述ctDNA表观遗传标志物图像作为输入,根据所述ctDNA表观遗传标志物图像特征,对所述ctDNA表观遗传标志物图像识别输出,并进行一维向量处理,获取识别结果;
根据所述识别结果分析所述ctDNA表观遗传标志物图像的输入与输出误差M,表达式为:
;
其中,表示有n对输入输出数据,每对为(/>),i为第i对输入输出数据,/>表示输入数据,/>表示输出数据;
根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异;
所述根据所述输入与输出误差设定误差阈值,分析识别所述ctDNA表观遗传标志物差异,包括:
根据所述输入与输出误差设定误差阈值,对所述识别结果进行分类;
根据所述误差阈值,将所述识别结果分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN;
根据所述分类为假阳性FP、真阳性TP、假阴性FN、真阴性TN计算所述ctDNA表观遗传标志物差异F,表达式为:
;
若F为0,则所述ctDNA表观遗传标志物不存在差异;若0,则所述ctDNA表观遗传标志物存在差异。
2.如权利要求1所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,其特征在于,所述ctDNA表观遗传标志物包括ctDNA甲基化、ctDNA片段化、ctDNA末端分子序列与ctDNA核小体印记。
3.如权利要求1所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,其特征在于,所述获取肿瘤患者样本,取肿瘤患者的血浆为所述肿瘤患者血浆样本,包括:使用真空采血管通过静脉穿刺的方法分别获得肿瘤患者与正常人的鲜外周血液样本至少5ml,将所得所述肿瘤患者与正常人的鲜外周血液样本在室温、无菌条件下3000g离心5-10分钟,离心后取上清液,得所述肿瘤患者血浆样本。
4.如权利要求1所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,其特征在于,所述提取所述肿瘤患者样本中的ctDNA,获得肿瘤患者ctDNA,包括:
在50mL的离心管内加入100μL的蛋白酶K,取所述肿瘤患者样本或正常人样本加入所述离心管中;
再向所述离心管中加入800μL的裂解工作液,震荡30秒,瞬时离心,60℃恒温水浴锅温育30分钟;
再向所述离心管中加入1.8mL的ACB,震荡15秒,瞬时离心,冰上孵育5分钟;将所述离心管中的混合液全部转移至吸附柱,利用真空泵将所述混合液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入600μL的抑制物去除液,打开所述真空泵,待所述抑制物去除液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的去离子液,打开所述真空泵,待所述去离子液全部流过所述吸附柱后,关闭所述真空泵,等压力降至0;
向所述吸附柱加入750μL的无水乙醇,打开所述真空泵,待所述吸附柱全部流过吸附柱后,关闭真空泵,等压力降至0;
将所述吸附柱取出,放置于2.0mL的EP管于室温下14000rpm离心3分钟,得离心后的吸附柱;
将所述离心后的吸附柱取出,放置于新的2.0mL的EP管,56℃放置2分钟;
将所述离心后的吸附柱取出,放置于新的1.5m的LEP管,在所述离心后的吸附柱的膜的正上方加入50μL洗脱液,室温静置3分钟,14000rpm离心1分钟,得所述肿瘤患者ctDNA。
5.如权利要求1所述的一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法,其特征在于,所述提取所述肿瘤患者ctDNA中的表观遗传标志物,获取ctDNA表观遗传标志物,包括:
将玻璃芯片放置于室温下平衡20分钟,并干燥2小时;
在所述玻璃芯片的孔中滴入100μL封闭液,在室温摇床上孵育30分钟;
利用移液器吸出所述玻璃芯片的孔中的封闭液,在所述玻璃芯片的孔中滴入所述肿瘤患者ctDNA;
使用芯片洗板机清洗所述玻璃芯片,向所述玻璃芯片的孔中加入清洗液高震荡10秒,清洗6次,再向所述玻璃芯片的孔中加入去离子水,高震荡10秒,清洗6次;
向所述玻璃芯片的孔中依次加入70μL生物素标记抗体和70μL巧光素-链霉亲和素;
利用荧光扫描仪对所述玻璃芯片进行扫描,检测所述肿瘤患者ctDNA中的蛋白质表达,获取ctDNA表观遗传标志物。
CN202211388295.5A 2022-11-08 2022-11-08 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法 Active CN115684116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211388295.5A CN115684116B (zh) 2022-11-08 2022-11-08 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211388295.5A CN115684116B (zh) 2022-11-08 2022-11-08 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法

Publications (2)

Publication Number Publication Date
CN115684116A CN115684116A (zh) 2023-02-03
CN115684116B true CN115684116B (zh) 2023-07-21

Family

ID=85050122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211388295.5A Active CN115684116B (zh) 2022-11-08 2022-11-08 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法

Country Status (1)

Country Link
CN (1) CN115684116B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116452559B (zh) * 2023-04-19 2024-02-20 深圳市睿法生物科技有限公司 基于ctDNA片段化模式的肿瘤病灶的定位方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110716043B (zh) * 2019-10-23 2023-02-28 郑州大学 一种用于乳腺癌早期筛查和诊断的血清蛋白标志物、试剂盒及检测方法
BR112022010694A2 (pt) * 2019-12-04 2022-08-23 Precision Cancer Tech Inc Método e kit para crescimento celular
CN117173083A (zh) * 2022-07-22 2023-12-05 浙江省肿瘤医院 基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胰腺癌生物标志物研究进展;汪明琼;杨秀珍;汤丽平;;现代医药卫生(第14期) *
迈向精准医学:液体活检中5-羟甲基胞嘧啶类癌症生物标志物发现的研究进展;Chang Zeng;Emily Kunce Stroup;Zhou Zhang;Brian C.-H.Chiu;Wei Zhang;;癌症(第10期) *

Also Published As

Publication number Publication date
CN115684116A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
JP2022546596A (ja) スライドの画像を処理し、バイオマーカを推測するためのシステムおよび方法
Li et al. Machine learning for lung cancer diagnosis, treatment, and prognosis
CA2656425A1 (en) Recognizing text in images
US20150100246A1 (en) System and method for predicting colon cancer recurrence
CN106460045B (zh) 人类基因组常见拷贝数变异用于癌症易感风险评估
CN115684116B (zh) 一种用于肿瘤筛查的ctDNA多维表观遗传标志物差异识别方法
Xu et al. Using transfer learning on whole slide images to predict tumor mutational burden in bladder cancer patients
US11972870B2 (en) Systems and methods for predicting patient outcome to cancer therapy
CN107169497A (zh) 一种基于基因影像学的肿瘤影像标记物提取方法
US20230020368A1 (en) Systems and methods for processing electronic images to determine testing for unstained specimens
Cabrera et al. HeMatic: An automated leukemia detector with separation of overlapping blood cells through Image Processing and Genetic Algorithm
Gupta et al. C-NMC: B-lineage acute lymphoblastic leukaemia: A blood cancer dataset
Aria et al. ADA-COVID: adversarial deep domain adaptation-based diagnosis of COVID-19 from lung CT scans using triplet embeddings
Di Cataldo et al. ANAlyte: A modular image analysis tool for ANA testing with indirect immunofluorescence
US20230360414A1 (en) Systems and methods for processing images to determine image-based computational biomarkers from liquid specimens
Taher et al. Identification of lung cancer based on shape and color
Abas et al. Computer‐assisted quantification of CD3+ T cells in follicular lymphoma
CN114974432A (zh) 一种生物标志物的筛选方法及其相关应用
CN113591791A (zh) 基于自学习人工智能的肺癌自动化识别系统
EP3874277A1 (en) Single molecule reader for identification of biopolymers
US20230222653A1 (en) Systems and methods for processing electronic images using uncertainty estimation
CN117995389A (zh) 肿瘤复发转移监测方法及系统
US20240020958A1 (en) Systems and methods for determining regions of interest in histology images
CN117635931A (zh) 一种临床检验样本分类转移方法及装置
Lu et al. Study on prognosis factors of non-small cell lung cancer based on CT image features

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
GR01 Patent grant
GR01 Patent grant