[发明专利]一种用于乳腺癌患者预后预测的模型及建立方法

权利要求书

1.一种用于乳腺癌患者预后预测的模型，其特征在于，由以下十个lncRNAs表达量联合判断：AL138789.1，AL513123.1，LINC00536，BCAR4，AC079414.1，LHX1-DT，AC006262.3，MIR3150BHG，AC105398.1，AL133467.1。

2.根据权利要求1所述用于乳腺癌患者预后预测的模型，其特征在于，计算公式为风险评分=(0.634×表达量_AL138789.1)+(0.488×表达量_AL513123.1)+(0.254×表达量_LINC00536)+(0.262×表达量_BCAR4)+(0.825×表达量_AC079414.1)+(0.253×表达量_LHX1-DT)+(1.115×表达量_AC006262.3)+(-0.779×表达量_MIR3150BHG)+(-1.414×表达量_AC105398.1)+(-0.739×表达量_AL133467.1)。

3.权利要求1或2所述用于乳腺癌患者预后预测模型的建立方法，其特征在于，包括如下步骤：

（1）数据获取

下载TCGA数据库中乳腺癌患者的临床数据及乳腺癌组织和例正常乳腺组织的RNA-Seq转录组数据；

（2）差异lncRNAs筛选

利用R软件DESeq2包筛选出在乳腺癌组织和正常乳腺组织中差异表达的lncRNAs；

（3）候选预后相关lncRNAs鉴定

利用R软件survival和survminer软件包进行单因素Cox回归分析、Kaplan-Meier生存分析共同鉴定与患者总生存期具有关联性的差异表达的lncRNAs作为候选预后相关lncRNAs；

（4）预后风险评分模型的构建

排除临床信息不完整的病例，随机选取训练集和验证集；在训练集中，将上述候选预后相关lncRNAs纳入多因素Cox逐步回归分析，通过R软件survival和survminer包构建lncRNA风险评分模型；

（5）模型的预后效能评估

在训练集和验证集中，依据风险评分公式计算各患者的风险评分，将患者按风险评分的中位值分为高风险组和低风险组，并且通过Kaplan-Meier生存分析和log-rank检验比较不同风险组患者之间的总生存期是否存在差异，通过R软件timeROC包进行时间依赖性ROC曲线分析以评估模型的预测能力；此外，依据常见临床病理参数对验证集内患者进行分层，通过Kaplan-Meier分层生存分析评估该lncRNA风险评分模型在乳腺癌各亚组中的预后预测价值； 进一步通过时间依赖性ROC曲线比较模型与TNM分期的预后价值；

（6) 统计分析

使用R软件进行统计分析，使用以下软件包： DESeq2， survival，survminer，timeROC。

4.根据权利要求3所述用于乳腺癌患者预后预测模型的建立方法，其特征在于，步骤（1）RNA-seq转录组数据以HT-seq count形式显示。

5.根据权利要求3所述用于乳腺癌患者预后预测模型的建立方法，其特征在于，步骤（2）中筛选阈值设置为校正后的P0.01和|log2(差异倍数)|2。

6.根据权利要求3所述用于乳腺癌患者预后预测模型的建立方法，其特征在于，步骤（4）中所用的计算公式如下：，其中n表示模型中总的lncRNAs数量，i表示第i个lncRNA。