[发明专利]一种T细胞受体序列motif组合识别检测方法、存储介质及设备

说明书

本发明公开了一种T细胞受体序列motif组合识别检测方法、存储介质及设备，构建Tumor‑Health矩阵和Tissue‑Blood矩阵作为输入矩阵；以motif组合的类内类间距离可分性作为优化目标函数；设计双种群遗传算法，对输入矩阵中的每一motif列和label列进行相关性分析，采用点二列相关性作为衡量motif列和label列是否相关的指标；以优化目标函数作为算法优化目标，利相关性指标对输入矩阵的motif进行初步筛选，过滤掉不相关的motif列，通过遗传算法进行迭代计算，得到两组种群的优势解，取两组种群中适应度排前三的染色体作为最优解，并解码成为对应的motif集合，取对应集合的交集作为最终挖掘出的motif，完成识别检测。本发明能够为免疫治疗提供可能的生物标志物研究方向。

技术领域

本发明属于数据分析技术领域，具体涉及一种T细胞受体序列motif组合识别检测方法、存储介质及设备。

背景技术

免疫组库是指某个个体在任何特定时间点其循环系统中所有功能多样性B淋巴细胞和T淋巴细胞的总和。T细胞受体(T cell receptor，TCR)是细胞识别抗原的媒介，可反映肿瘤的发病原因，肿瘤进展和免疫应答情况，其中CDR3(Complementarity determiningregion，CDR)可直接与抗原复合物相互作用且高度可变，经常用于确定T细胞克隆类型。

近年来免疫组库高通量测序技术的发展和不断成熟，为研究人员研究T细胞受体序列多样性开辟了新的途径，使得T细胞受体序列能够用于定量分析不同样本的适应性免疫反应，目前已有的研究和方法大致可分为两类，第一类通过描述性方法寻找共享的T细胞受体序列或过表达的序列簇，CMV-T细胞受体算法挖掘CMV-positive和CVM-negative(巨细胞病毒)的T细胞公共克隆型，使用Fisher检验来识别CMV相关的克隆并在概率分类模型上使用找到的公共克隆型来预测个体的CMV状态；RECOLD算法通过对成对序列的比对，将高维序列的计算结果映射到低维空间，从而比较样本间的免疫系统相似性；第二类方法通过对T细胞受体序列进行motif解构来进行样本分类或挖掘关键motif，LR-MIL选择将T细胞受体序列解构为长度为4的motif片段，并通过结合Atchley因子采用多示例学习和逻辑回归模型识别出区分motif。

然而，现有方法存在以下问题：

1)由于T细胞受体序列多样性的特征，这些方法都存在过拟合、泛化性能较差的缺陷，一些特殊的降维方法也使得特征的可解释性降低，不利于后续个体免疫系统图谱和个性化疫苗的研究。

2)目前的研究使用的都是单一的外周血测序数据或组织测序数据，并未考虑到样本在两组数据中也会存在差异，由于肿瘤的高度异质性和持续进化性，组织测序数据会存在取样偏差，相较之下外周血测序具有无创、快速、全面的特点，能够在一定程度上克服组织测序的劣势，但仍然缺乏足够的试验数据表明其有效性和实用性，且存在组织测序和外周血测序结果不一致的现象。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种T细胞受体序列motif组合识别检测方法、存储介质及设备，在进行T细胞受体序列数据分析时采用motif解构的方法缓解维度问题，同时关注两种数据的差异，即不仅以健康样本和肿瘤样本的T细胞受体数据比对分析为结果，同时还要考虑肿瘤样本本身在外周血和组织上的差异；根据已有的研究成果提出合理的推断：存在T细胞受体序列的motif片段在健康样本和肿瘤样本之间存在差异，同时排除个性化motif的可能，这些片段在肿瘤样本的外周血和组织测序中也存在差异，符合这种规律的片段更具有特异性。

本发明采用以下技术方案：

一种T细胞受体序列motif组合识别检测方法，包括以下步骤：