[发明专利]一种基于lincRNA表达谱组合特征的肾乳头状细胞癌早期预测方法

说明书

本发明公开了一种特征lincRNA表达谱组合及肾乳头状细胞癌早期预测方法，lincRNA的核苷酸序列如SEQ ID NO.1‑SEQ ID NO.18所示。该方法包括以下步骤：获取肾乳头状细胞癌早期患者稳定差异表达的特征lincRNA；选取特征lincRNA表达数据，对每个样本进行数据标准化；使用支持向量机对标准化后的数据构建早期预测模型；根据患者特征lincRNA的表达水平进行早期预测。本发明具有很高的精确度和准确率(ROC曲线下面积AUC＝0.988)。只需要获取上述18种lincRNA的相对表达量，就能计算出肾乳头状细胞癌早期患病概率，可作为肾乳头状细胞癌早期预测和治疗的参考依据。

技术领域

本发明属于生物技术和医学技术领域，具体地说，涉及一种基于lincRNA表达谱组合特征的肾乳头状细胞癌早期预测方法。

背景技术

肾乳头状细胞癌(kidney renal papillary cell carcinoma)约占肾细胞癌的15％。其发病年龄一般为50-70岁，男女患病比率为2-3.9:1。肾乳头状细胞癌预后较好，5年生存率能达到80％以上。全球疾病负担(Global Burden of Disease,GBD)数据显示，2017年全球患有肾癌的人数超过210万，其中中国患病人数约为27万。2017年全球患有肾癌的死亡人数约为14万，占总死亡人数的0.25％。中国2017年死亡患者数约为1.7万，占总死亡人数的0.16％。统计结果显示，从1990年到2017年全球肾癌患病率和死亡率持续增长。近十年来中国肾癌患病人数，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。长链基因间非编码RNA(long intergenic non-coding RNA,lincRNA)是一类位于基因间非编码序列的长度大于200个核苷酸的非编码单链RNA分子。lincRNA不具有编码潜力并且在不同物种之间不保守。研究表明lincRNA参与多个基因的表达调控，在人体内表达相对稳定且容易检测。由于单个lincRNA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，有必要建立一种更稳定的多个差异lincRNA表达特征组合的预测模型将有助于肾乳头状细胞癌的早期预测。

发明内容

有鉴于此，本发明提供了一种基于lincRNA表达谱组合特征的肾乳头状细胞癌早期预测方法，能够准确地进行肾乳头状细胞癌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lincRNA表达谱组合，包括AC026401.3、AC040977.1、AC091563.1、AC104825.1、AF127577.4、ATP2B1-AS1、CRNDE、DNAJC3-DT、LINC00476、LINC01503、LINC02381、LINC02604、LINC02615、MIR210HG、MIR22HG、MIR4435-2HG、SEPT7-AS1和U91328.1，其核苷酸序列如SEQ ID NO.1-SEQ ID NO.18所示。