[发明专利]小细胞肺癌数据信息检测中小细胞肺癌诊断模型构建方法

权利要求书

1.一种小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法包括：

将代谢物提取样本利用超高效液相色谱HILIC柱分离，并分析进样数据；

通过统计检验对进样分析数据进行预筛选，采用集成学习方法计算每种代谢物提取样本的综合权重值，根据权重值选择候选生物标志物，权重值越大表明该代谢物对模型的贡献越大；并利用ROC分析评价各代谢物对模型AUC值的影响强度，AUC值越高，模型的分类效果越好；筛选出候选标志物；

通过逻辑回归、随机森林、支持向量机三种机器学习模型分别对筛选得到的候选标志物进行验证，并结合代谢物表达水平分析结果，确定诊断生物标志物；得到基于代谢物的小细胞肺癌诊断模型。

2.如权利要求1所述的小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述分析进样数据包括：将样品以4℃/min的速度放置在自动取样器中采用随机序列对样品进行连续分析；

还包括：

将质控样本插入样本队列，利用质谱仪采集样品的一次和二次光谱；利用ProteoWizard将Wiff格式的原始数据转换为mzXML格式，并利用XCMS软件进行峰对齐、保留时间校正和峰面积提取；

对XCMS提取的数据进行代谢物结构鉴定和数据预处理，并对实验数据进行质量评价以及分析。

3.如权利要求1所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述选择候选生物标志物包括：

采用ROC分析评价各物质对模型AUC值的影响程度进行候选生物标志物的筛选。

4.如权利要求1所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述对筛选得到的候选标志物进行验证包括：

使用Logistic回归、随机森林和支持向量机三种机器学习方法对候选生物标志物进行验证。

5.如权利要求4所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，利用随机森林算法构建的分类模型，计算候选生物标志物的重要系数，比较各生物标志物对模型的贡献；

利用逻辑回归算法构建生物标志物诊断的面板模型，计算每个候选标志物的逻辑回归系数和截距；

生物标志物逻辑回归模型公式为：

其中，z＝intercept+coefficient(B1)+coefficient(B2)+coefficient(B3)+···+coefficient(Bn)；通过Z得分换算，将生物标志物的表达水平纳入面板模型公式的计算中；

所述生物标志物诊断的面板模型利用约登指数确定最佳分界值。

6.如权利要求1所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法进一步包括：

获取小细胞肺癌患者的血液样本，并对所述血液样本进行离心处理，得到血清样品，并于-80℃下进行保存；

将血清样品于4℃下缓慢解冻，并对解冻后的血清样品进行代谢物提取。

7.如权利要求6所述小细胞肺癌数据信息检测中基于代谢物的小细胞肺癌诊断模型构建方法，其特征在于，所述血液样本离心处理包括：3000xg离心10min；

所述对解冻后的血清样品进行代谢物提取包括：将解冻后的血清样本添加至预冷过混合溶液中，旋涡混合，过滤，收集上清液；将所述上清液于-20℃下放置10min，于4℃下14000xg离心20min；过滤，取上清液；并将所述上清液在真空中干燥；用100μL由乙腈与水按照1：1的比例配制得到的乙腈溶液将干燥后的上清液溶解15min，取上清于4℃下14000xg离心15min；

所述混合溶液由甲醇、乙腈、水按照2：2：1组成。