[发明专利]基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法和系统

权利要求书

1.基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，包括：

步骤1：获取宫颈癌患者的肿瘤组织及正常对照组织的转录组基因原始数据；

步骤2：基于R语言技术和转录组基因原始数据，从转录组基因原始数据中筛选出在肿瘤组织与正常对照组织中满足条件的DEG；

步骤3：基于R语言技术和患者临床随访数据，对步骤2筛选出的每个DEG行最优化生存率相关分析，进一步筛选出生存率相关的DEG；

步骤4：基于R语言技术，对步骤3筛选出的生存率相关DEG进行信号通路富集，筛选出富集最明显的信号通路中的DEG作为新靶标DEG；

步骤5：针对步骤4筛选出的新靶标DEG，结合患者临床病理资料，进行相关统计学分析，验证其可靠性与可行性。

2.根据权利要求1所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤2具体包括如下步骤：

在R语言‘edgeR’包中插入R语言脚本将肿瘤组织及正常对照组织中的转录组基因原始数据进行比较，设定筛选条件，根据差异大小排序筛选DEG。

3.根据权利要求2所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤2以|LogFC|≥2、adj.P＜0.05作为筛选条件。

4.根据权利要求1所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤3具体包括如下步骤：

步骤3.1：针对步骤2筛选出的每个DEG的表达量，在R语言‘survival’包中插入R语言脚本，以不同的切割值进行切割分组，将患者分为DEG高表达组和低表达组；即表达量高于切割值的患者列为高表达组，表达量低于切割值的患者列为低表达组。

步骤3.2：针对每个DEG每进行一次切割分组后均采用Kaplan–Meier统计方法进行生存率相关分析；

步骤3.3：以切割后高表达组和低表达组之间生存率差异的比较P值为筛选条件，P值越低，与生存率关系越密切，每个DEG都取得一个最优化切割后的生存差异，筛选出最优化分组后P值小于设定阈值的DEG作为生存率相关的DEG。

5.根据权利要求4所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤3对每个基因进行数百次切割。

6.根据权利要求4所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤3.3设定阈值为0.05。

7.根据权利要求1所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法，其特征在于，所述步骤4具体包括如下步骤：

步骤4.1：针对步骤3筛选出的生存相关的DEG，在R语言‘clusterProfiler’包中，进行GO和KEGG信号通路富集分析；

步骤4.2：根据信号通路富集程度排序，以富集最明显的通路中富集的相关DEG作为筛选的新靶标；

步骤4.3：针对筛选出的每个生存相关的DEG，在GSEA软件中行GSEA富集，揭示这些生存相关DEGs参与的信号通路。

8.根据权利要求1-7任一所述的基于R语言的生存率相关分析技术的宫颈癌新靶标筛选方法的筛选系统，其特征在于，所述系统包括：

样本数据下载和整理模块，用于获取公共数据库提供的宫颈癌相关的转录组表达数据，包含疾病样本和对照样本；

DEG筛选模块：在R语言中筛选疾病样本与对照样本转录组表达满足条件的DEG；

生存率相关DEG筛选模块：在R语言中将DEG筛选模块筛选到的每个DEG根据表达量行不同切割之分组，以切割分组后高表达组和低表达组患者生存率差异最明显的分组作为生存率最优化分组，筛选出最优化后P值小于0.05的DEG作为生存率相关的DEG；

信号通路富集功能分析模块：在R语言‘clusterProfiler’包中，对生存率相关DEG筛选模块筛选出的生存率相关DEG，进行GO和KEGG信号通路富集分析；

新靶标选定模块：根据信号通路富集程度排序，以富集最明显的通路中富集的相关DEG作为筛选的新靶标DEG；

新靶标验证模块：根据筛选出的新靶标DEG，结合患者临床病理资料，行相关统计学分析，验证其可靠性与可行性。