[发明专利]一种特征miRNA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miRNA表达谱组合及头颈鳞状细胞癌早期预测方法，所述miRNA的核苷酸探针序列如SEQ ID NO.1‑14所示。本发明的基于miRNA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＝0.947)。只需要获取上述14种miRNA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miRNA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。全球疾病负担(Global Burdenof Disease,GBD)数据显示，2017年全球患有唇和口腔癌、鼻咽癌和其他咽癌的人数大约258万，中国患病人数约为44万。2017年全球患有上述癌症的死亡人数约为38万，占总死亡人数的0.68％。中国2017年死亡患者数约为5.4万，占总死亡人数的0.52％。从1990年到2017年全球头颈鳞状细胞癌患病率和死亡率持续增长，近十年来中国唇和口腔癌的患病率和死亡率呈上升趋势，鼻咽癌的患病率和死亡率有下降趋势，其他咽癌的患病率和死亡率相对稳定。

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。MicroRNA(miRNA)是一类由内源基因编码的长度约为21-25个核苷酸的非编码单链RNA分子，主要以多种方式调节基因表达。miRNA在人体内表达相对稳定且容易检测。由于单个miRNA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，有必要建立一种有助于头颈鳞状细胞癌的早期预测的更稳定的多个差异miRNA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miRNA表达谱组合及头颈鳞状细胞癌早期预测方法，能够准确地进行头颈鳞状细胞癌I/II期预测。

为了解决上述技术问题，本发明公开了一种特征miRNA表达谱组合，包括hsa-let-7f-1、hsa-let-7f-2、hsa-mir-21、hsa-mir-26a-1、hsa-mir-26a-2、hsa-mir-27b、hsa-mir-29a、hsa-mir-30a、hsa-mir-30e、hsa-mir-101-1、hsa-mir-101-2、hsa-mir-140、hsa-mir-143和hsa-mir-205，其核苷酸探针序列如SEQ ID NO.1-14所示。

本发明还公开了一种特征miRNA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：