[发明专利]一种肺癌预后预测模型、构建方法及装置

权利要求书

1.一种肺癌预后预测模型构建方法，其特征在于，包括以下步骤：

收集肺癌样本原始基因表达数据和相应的临床生存数据，对基因表达数据进行标准化后，获得基因表达矩阵；

获取肿瘤内免疫细胞类型并计算各类型免疫细胞的相对比值；

从获取的免疫细胞类型中筛选出构建预后预测模型的参数并获取对应的回归系数，所述参数为多种免疫细胞类型；

基于筛选出的参数，根据其相对比值和对应的回归系数，计算免疫评分，得到肺癌预后预测模型。

2.根据权利要求1所述的一种肺癌预后预测模型构建方法，其特征在于，所述收集肺癌样本原始基因表达数据和相应的临床生存数据具体为从GeneExpression Omnibus数据库筛选并下载，并且在收集过程中去除临床数据不完整和总生存时间小于一个月的样本数据。

3.根据权利要求1所述的一种肺癌预后预测模型构建方法，其特征在于，所述对基因表达数据进行标准化具体采用MAS5算法。

4.根据权利要求1所述的一种肺癌预后预测模型构建方法，其特征在于，所述获取肿瘤内免疫细胞的类型并计算各类型免疫细胞的相对比值具体为采用CIBERSORT反卷积算法；

所述CIBERSORT反卷积算法具体为根据多种免疫细胞类型特异性的基因标签，从肿瘤的基因表达数据中获取肿瘤组织内免疫细胞类型和计算免疫细胞的相对比值，计算公式具体如下：

M＝S*F

其中，M为基因表达矩阵，S为免疫细胞类型特异性的基因标签，F为免疫细胞的相对比值。

5.根据权利要求1所述的一种肺癌预后预测模型构建方法，其特征在于，所述筛选出构建预后预测模型的参数具体为采用LASSO回归算法并采用交叉验证法根据方差最小确定最优调整参数λ，从而确定用于构建预测模型的最优变量；

所述LASSO回归算法具体为：

LASSO目标函数＝残差平方和+λ*系数的绝对值之和，公式表达为：

其中，loss(w)是LASSO目标函数，y_j是n*1观测向量，x_ji为预测变量，即免疫细胞类型，w_i是系数；

用交叉验证方法确定最优调整参数λ。

6.根据权利要求5所述的一种肺癌预后预测模型构建方法，其特征在于，所述构建预后预测模型的参数具体为：

幼稚B细胞、记忆B细胞、CD8+T细胞、幼稚CD4+T细胞、静息记忆CD4+T细胞、活化记忆CD4+T细胞、滤泡辅助性T细胞、静息NK细胞、M0型巨噬细胞、M1型巨噬细胞、M2型巨噬细胞、静息树突状细胞、活化树突状细胞、静息肥大细胞、活化肥大细胞、嗜酸性粒细胞以及嗜中性粒细胞。

7.根据权利要求1所述的一种肺癌预后预测模型构建方法，其特征在于，所述肺癌预后预测模型具体表示为：

I＝∑F*C

其中，I为免疫评分，F为各免疫细胞的相对比值，C为各免疫细胞类型对应的回归系数。

8.一种肺癌预后预测模型，其特征在于，采用权利要求1-7任一项所述的构建方法构建而成。

9.一种肺癌预后预测装置，其特征在于，基于权利要求8所述的肺癌预后预测模型，包括数据收集模块、免疫细胞类型分析模块、参数筛选模块、预后模型构建模块以及预测输出模块；

所述数据收集模块用于收集肺癌样本原始基因表达数据和相应的临床生存数据，并对收集的数据进行预处理和标准化；

所述免疫细胞类型分析模块用于获取肿瘤组织内免疫细胞类型并计算各免疫细胞类型的相对比值；

所述参数筛选模块用于从免疫细胞类型中筛选出用于构建预后预测模型的参数并获取相对应的回归系数；

所述预后模型构建模块用于根据被选为参数的免疫细胞类型的相对比值及其对应的回归系数，计算免疫评分，构建肺癌预后预测模型；

所述预测输出模块用于通过最大选择等级统计确定cutoff值，将得到的免疫评分与cutoff值进行比较，输出被测患者的风险值。

10.根据权利要求9所述的一种肺癌预后预测装置，其特征在于，所述输出被测患者的风险值具体为，小于或等于cutoff值，被测患者属于低风险，大于cutoff值，被测患者属于高风险。