[发明专利]一种提取荟萃生物标志物的方法及装置

权利要求书

1.一种提取荟萃生物标志物的方法，其特征在于，包括：

步骤S1：取与同一疾病相关的n个疾病质谱数据集，并分别对每个疾病质谱数据集中的蛋白进行蛋白质定量，得到n个蛋白质定量结果，所述n为正整数；

步骤S3：将每个所述蛋白质定量结果分别与对应的基准对照组进行比较，得到每个所述蛋白质定量结果中蛋白的统计差异概率值，将统计差异概率值小于预设显著阈值的蛋白作为候选生物标志物，得到m个候选生物标志物，所述m为正整数且m≤n；

步骤S5：将所述m个候选生物标志物进行荟萃分析，提取在所述n个疾病质谱数据集中统计数量大于预设统计值的候选生物标志物的集合作为荟萃生物标志物。

2.根据权利要求1所述的方法，其特征在于，在所述步骤S5之后，所述方法还包括：

步骤S6：验证所述荟萃生物标志物是否正确，

其中，当验证所述荟萃生物标志物的结果为不正确时，返回所述步骤S3。

3.根据权利要求2所述的方法，其特征在于，所述步骤S6包括：

步骤S61：根据所述荟萃生物标志物对p个疾病质谱数据集以及k个正常质谱数据集进行分类，得到分类结果，所述p和k均为正整数；

步骤S62：根据所述分类结果判断所述荟萃生物标志物是否正确。

4.根据权利要求3所述的方法，其特征在于，所述步骤S61中，所述进行分类的算法是投票法、支持向量机算法及决策树算法中的一种或者任意几种的组合。

5.根据权利要求3所述的方法，其特征在于，所述步骤S62中，所述根据所述分类结果判断所述荟萃生物标志物是否正确的判断方法为交叉验证法或独立测试集法。

6.根据权利要求1所述的方法，其特征在于，所述步骤S3中，每个所述蛋白质定量结果与基准对照组的统计差异是通过T检验方法计算得到的P值。

7.根据权利要求1所述的方法，其特征在于，所述步骤S5包括：

步骤S51：根据所述m个候选生物标志物在所述n个疾病质谱数据集中的统计数量，将所述m个候选生物标志物排列成第一蛋白序列；

步骤S52：从所述第一蛋白序列中取出小于等于m个蛋白，组成多个随机蛋白序列，从所述多个随机蛋白序列中取出一个随机蛋白序列，将对照蛋白随机替换该随机蛋白序列中的一个或多个蛋白，生成该随机蛋白序列的多个随机蛋白子序列，针对所述多个随机蛋白序列，共生成S个随机蛋白子序列，将所述S个随机蛋白子序列一一对应进行S次扰动实验，将每次所述扰动实验使用的所述随机蛋白子序列中的蛋白的数目记为第一蛋白数目集合，其中S取正整数且S远大于m；

步骤S53：针对多个疾病质谱数据集以及多个正常质谱数据集，计算在每次所述扰动实验使用的所述随机蛋白子序列中各蛋白的预估阳性发现率，统计预估阳性发现率小于预设阳性发现阈值的蛋白质的数目，并将这些蛋白质的数目的集合记为第二蛋白数目集合；

步骤S54：针对多个疾病质谱数据集以及多个正常质谱数据集，根据所述第一蛋白数目集合和所述第二蛋白数目集合，计算每个所述随机蛋白子序列的最小荟萃阳性发现率；

步骤S55：当所述最小荟萃阳性发现率小于预设荟萃发现阈值时，统计每个所述随机蛋白子序列的预估阳性发现率小于预设阳性发现阈值的次数；

步骤S56：取所述统计的次数大于预设统计值的随机组合序列所对应的候选生物标志物的集合，作为荟萃生物标志物。

8.一种提取荟萃生物标志物的装置，其特征在于，包括：

定量模块（1），用于取与同一疾病相关的n个疾病质谱数据集，并分别对每个疾病质谱数据集中的蛋白进行蛋白质定量，得到n个蛋白质定量结果，所述n为正整数；

差异比较模块（2），用于将每个所述蛋白质定量结果分别与对应的基准对照组进行比较，得到每个所述蛋白质定量结果中蛋白的统计差异概率值，将统计差异概率值小于预设显著阈值的蛋白作为候选生物标志物，得到m个候选生物标志物，所述m为正整数且m≤n；

荟萃模块（3），用于将所述m个所述候选生物标志物进行荟萃分析，提取在所述n个疾病质谱数据集中统计数量大于预设统计值的候选生物标志物的集合作为荟萃生物标志物。