[发明专利]一种特征mRNA表达谱组合及头颈鳞状细胞癌早期预测方法

说明书

本发明公开了一种特征mRNA表达谱组合及头颈鳞状细胞癌早期预测方法，所述mRNA核苷酸探针序列如SEQ ID NO.1‑20所示。本发明的基于mRNA表达谱组合特征评估头颈鳞状细胞癌早期风险具有很高的精确度和准确率(ROC曲线下面积AUC＝1.000)。只需要获取上述20种mRNA的相对表达量，通过支持向量机模型计算给出头颈鳞状细胞癌早期患病概率，可作为头颈鳞状细胞癌早期预测的参考依据。

技术领域

本发明属于生物技术和医学领域，具体地说，涉及一种特征mRNA表达 谱组合及头颈鳞状细胞癌早期预测方法。

背景技术

头颈鳞状细胞癌(head and neck squamous cell carcinoma)占头颈癌的 90％，是起源于上呼吸道细胞的一类解破学和分布多样的恶性肿瘤，包括唇 和口腔、口咽、下咽、喉、鼻旁窦和唾液腺的恶性肿瘤。头颈鳞状细胞癌通 常起始于衬于粘膜表面的鳞状细胞，最常见的头颈鳞状细胞癌类型是位于口 腔和口咽部的肿瘤。

支持向量机(Support Vector Machine,SVM)是一类按监督学习方式对 数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大 边距超平面。SVM模型是将实例表示为空间中的点，这样映射就使得单独类 别的实例被尽可能宽的明显的间隔分开。然后，将新的实例映射到同一空间， 并基于它们落在间隔的哪一侧来预测所属类别。当训练数据是线性可分时， SVM通过硬间隔最大化学习进行分类。当训练数据线性不可分时，SVM通 过使用核技巧以及软间隔最大化学习进行分类。SVM对于特征含义相似的中 等大小的数据集很强大，也适用于小型数据集。通常情况下，对样本量小于 1万的数据集SVM都有很好的预测效果。SVM在疾病诊断、肿瘤分类、肿 瘤基因识别等有着广泛的应用。

肿瘤早期诊断一直是医学界的难题。现有的早期诊断方法多是观测某一 个或一类标志物的表达水平，难以达到理想的诊断效果。由于这些标志物在 肿瘤患者和正常人群中的表达分布有部分重叠，难以界定标志物的临界值将 肿瘤患者和正常人群较好地分开。因此，利用多个标志物表达特征组合可能 是肿瘤早期诊断的一种有效方法。MessengerRNA(mRNA)是由DNA的一 条链作为模板转录而来的、携带遗传信息的能指导蛋白质合成的一类单链核 糖核酸。肿瘤组织与正常组织相比往往表现出大量mRNA的失调，研究表明 这些失调的mRNA跟肿瘤的发生、病理机制和预后状态有密切关系。然而， 由于单个mRNA分子在肿瘤和正常人群中表达分布有重叠，难以界定早期诊 断的临界值。

因此，有必要建立一种头颈鳞状细胞癌的早期预测的更稳定的多个差异 mRNA表达特征组合的预测模型。

发明内容

有鉴于此，本发明针对上述的问题，提供了一种特征mRNA表达谱组合 及头颈鳞状细胞癌早期预测方法。

为了解决上述技术问题，本发明公开了一种特征mRNA表达谱组合，包 括AC011462.1、ARHGEF10L、BMP1、CCM2、CD276、COLGALT1、DCBLD1、 GPD1L、GPT2、HOMER3、MPC1、MRGBP、P3H1、PLOD3、PRADC1、 SERPINH1、SLC26A6、SMDT1、SNAI2和TPT1，其核苷酸探针序列如SEQ ID NO.1-20所示。

本发明还公开了一种特征mRNA表达谱组合的头颈鳞状细胞癌早期预 测方法，包括以下步骤：

步骤1、获取头颈鳞状细胞癌早期患者稳定差异表达的特征mRNA；

步骤2、选取特征mRNA表达数据，对每个样本进行数据标准化；

步骤3、使用支持向量机对标准化后的数据构建早期预测模型；

步骤4、根据患者特征mRNA的表达水平进行早期预测；

该方法为非疾病的诊断和治疗目的。