[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

说明书

本发明属于医药学技术领域，公开了一种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，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，得到血清样品于‑80℃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；同时将代谢物提取样本利用超高效液相色谱HILIC柱分离，并进行进样分析；通过统计检验对分析数据进行预筛选，采用集成学习方法计算每种代谢物的权重值，并根据权重值选择候选生物标志物；对筛选得到的标志物进行验证，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。本发明成功构建了基于代谢物的小细胞肺癌诊断模型。

技术领域

本发明属于医药学技术领域，尤其涉及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、终端、介质及应用。

背景技术

目前，小细胞肺癌(SCLC)是一种侵袭性高级别的神经内分泌恶性肿瘤，约占所有肺癌的15％，其特点是倍增时间快、早期易广泛转移、生存率极低。大多数患者在最初诊断时发生远处转移，这使患者的中位生存期不到1年。如果不进行治疗，中位生存期只有3-4个月。因此，早期有效地发现小细胞肺癌，及时给予治疗，对预后有重要的积极影响。

神经元特异性烯醇化酶(NSE)和胃泌素前体释放肽(ProGRP)是目前常规用于小细胞肺癌诊断的肿瘤标志物。然而，NSE和ProGRP预测小细胞肺癌的敏感性和特异性较差。近年来，越来越多的研究表明，血液肿瘤成分如循环肿瘤DNA(ctDNA)、循环肿瘤细胞(CTCs)、外泌体和细胞外囊泡(EVs)具有作为小细胞肺癌诊断标志物的潜能。然而，大多数肿瘤标志物单独应用时不适合用于筛查和组织学诊断，每种标志物都有其自身的局限性。

代谢增强是包括小细胞肺癌在内的癌症的重要表型之一。代谢组学是能够为样本基因组和蛋白质组图谱提供补充信息的组学技术。更重要的是，代谢产物在体液中是稳定和可定量的，这为建立一种非侵入性的疾病诊断方法提供了机会。

许多研究表明，代谢物作为生物标志物在癌症诊断中表现出良好的诊断性能。然而，研究尚未系统地探讨血清代谢物在诊断小细胞肺癌患者中的潜在作用。

通过上述分析，现有技术存在的问题及缺陷为：现有技术没有基于代谢物的小细胞肺癌诊断模型的构建方法或技术。

解决以上问题及缺陷的难度为：小细胞肺癌恶性程度高，目前缺乏敏感性和特异性理想的生物标志物用于小细胞肺癌的诊断及协助临床决策。

解决以上问题及缺陷的意义为：基于代谢物的小细胞肺诊断模型可以提高小细胞肺癌的诊断能力，具有重要的临床意义。

发明内容

针对现有技术存在的问题，本发明提供了一种基于代谢物的小细胞肺癌诊断模型构建方法、终端、介质及应用。

本发明是这样实现的，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，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的AUC值的影响强度，AUC值越高，表明模型的分类效果越好；从而有效的筛选出候选标志物；

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。

进一步，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：