[发明专利]一种个体癌症样本的生物标记物识别方法

权利要求书

1.一种个体癌症样本的生物标记物识别方法，其特征是：包括以下步骤：

步骤1：基于两种不同表型的样本数据确定差异表达成分，所述成分包括蛋白质、基因或者分子化合物，选取出q个差异表达成分；

步骤2：基于选取的q个差异表达成分，获得平均样本；

步骤3：构建基于平均样本和单体样本的回归模型，对样本进行回归预测，得到样本回归预测的结果；

步骤4：基于样本回归预测的结果和差异表达成分，确定单样本的生物标记成分；

所述步骤4具体为：

步骤4.1：在q个差异表达成分中，单个样本的某些成分的表达值显著地不同于平均值，差异的程度通过残差值进行量化表示，对于第i个样本标签为“+”的样本，其第j个差异表达成分的残差值通过如下公式计算：

对于第i个样本标签为“-”的样本，第j个差异表达成分的残差值通过如下公式计算：

其中，为第i个标签为“+”的样本进行回归预测的结果，y'_ji表示第i个样本、样本标签为“+”的第j个差异表达成分的表达值，x'_ji表示第i个样本、样本标签为“-”的第j个差异表达成分的表达值，为第i个标签为“-”的样本进行回归预测的结果；

步骤4.2：为了获得第i个样本标签为“+”的样本的生物标记物成分，通过高斯核密度估计算法估计残差值，所述高斯核进行核密度估计通过下式表示：

其中，为高斯核进行核密度估计结果，h是平滑因子，K是高斯核函数，e_i为高斯核密度估计的自变量，x为高斯核函数自变量；

步骤4.3：通过φ得到残差值分布的在置信度为α下的置信区间，φ为所估计的核密度的累积分布函数，通过下式计算残差值分布的在置信度为α下的置信区间：

其中，CI_α为残差值分布的在置信度为α下的置信区间；

步骤4.4：在得到CI_α后，对于第i个样本标签为“+”的样本的第j个成分，当满足则第j个成分是第i个样本标签为“+”的样本的生物标记物成分；

对于标签为“-”的样本，当满足则第j个成分是第i个样本标签为“-”的样本的生物标记物成分。

2.根据权利要求1所述的一种个体癌症样本的生物标记物识别方法，其特征是：所述步骤1具体为：

选取两组不同表型的成分表达数据样本，分别使用“+”和“-”作为两组不同表型的成分表达数据样本的标签，n₁和n₂分别表示“+”和“-”两类样本的样本数；

采用y_ji表示第i个样本、样本标签为“+”的第j个成分的表达值，采用x_ji表示第i个样本、样本标签为“-”的第j个成分的表达值，基于y_ji和x_ji选取出q个差异表达成分。

3.根据权利要求1所述的一种个体癌症样本的生物标记物识别方法，其特征是：所述步骤2具体为：

步骤2.1：确定“+”和“-”两组样本的平均样本，通过下式表示所述两组样本的平均样本：

其中，u⁺和u^-分别表示“+”和“-”两组样本的平均样本，为在“+”组中的第q个成分的平均表达值，为“-”组中的第q个成分的平均表达值；

步骤2.2：根据第i个样本标签为“+”的样本的第j个成分的表达值和第i个样本标签为“-”的第j个成分的表达值，来确定在“+”组和“-”组的第j个成分的平均表达值，通过下式确定在“+”组和“-”组的第j个成分的平均表达值：

其中，为“+”组的第j个成分的平均表达值，为“-”组的第j个成分的平均表达值，n₁和n₂分别表示“+”和“-”两类样本的样本数。