[发明专利]基于免疫相关基因的MSI预测模型构建方法

权利要求书

1.基于免疫相关基因的MSI预测模型构建方法，其特征在于：包括以下步骤：

步骤S1：从癌症基因组图谱数据库中收集构建免疫相关MSI预测模型irMSIs的训练集和验证集；

步骤S2：从免疫学数据库中选择免疫相关基因，并从中筛选出差异基因；

步骤S3：根据筛选出的差异基因，通过LASSO逻辑回归算法构建免疫相关MSI预测模型irMSIs；

步骤S4：使用免疫相关MSI预测模型irMSIs对预后风险进行验证；

所述从癌症基因组图谱数据库中收集构建免疫相关MSI预测模型irMSIs的训练集和验证集的步骤，包括：

从癌症基因组图谱数据库中下载四个癌症队列，四个所述癌症队列包括结肠癌COAD、直肠癌READ、胃癌STAD、食管癌ESCA的mRNA表达谱和临床信息；

将结肠癌COAD队列作为差异基因的筛选和免疫相关MSI预测模型irMSIs的训练集，其他队列作为免疫相关MSI预测模型irMSIs的验证集；

所述从免疫学数据库中选择免疫相关基因，并从中筛选出差异基因的步骤，包括：

从免疫学数据库中下载N个免疫相关基因，从中选取M个配对基因进行分析，NM；使用edgeR软件包筛选结肠癌COAD队列中微卫星不稳定性高MSI-H的组和微卫星稳定MSS的组之间的差异基因，或微卫星不稳定性高MSI-H的组和微卫星不稳定性低MSI-L的组之间的差异基因，筛选标准为：

假发现率FDR0.05

|log2（Fold Change）| ≥ 1

其中FDR为假发现率，其值是针对多次检验调整确定的；Fold Change表示两组间某基因的测序数据的counts表达量的差异倍数；

从而鉴定出m个差异基因，mM；m个差异基因中包括a个上调基因和b个下调基因，m=a+b。

2.根据权利要求1所述的基于免疫相关基因的MSI预测模型构建方法，其特征在于：所述根据筛选出的差异基因，通过LASSO逻辑回归算法构建免疫相关MSI预测模型irMSIs的步骤，包括：

在结肠癌COAD队列中以7:3的比例随机分为训练集和测试集，采用递归特征消除随机森林算法，鉴定出c个鲁棒性基因，c≥5，选择鲁棒性基因最强的前5个基因作为最小绝对收缩算法LASSO的输入，进行LASSO逻辑回归算法的得分计算；

在结肠癌COAD队列的测试集、直肠癌READ队列、胃癌STAD队列、食管癌ESCA队列中进行免疫相关MSI预测模型irMSIs的验证；通过ROC曲线下的面积AUC值来评估免疫相关MSI预测模型irMSIs的预测效能。

3.根据权利要求2所述的基于免疫相关基因的MSI预测模型构建方法，其特征在于：所述使用免疫相关MSI预测模型irMSIs对预后风险进行验证的步骤，包括：

在结肠癌COAD队列中，根据免疫相关MSI预测模型irMSIs达到ROC值最高Yoden指数的临界值，将患者分为irMSIs高组和irMSIs低组；

根据免疫相关MSI预测模型irMSIs达到ROC值最高Yoden指数的中位数，将患者分为微卫星稳定MSS、微卫星不稳定性低MSI-L中的高组和微卫星稳定MSS、微卫星不稳定性低MSI-L中的低组；

根据ROC值最高Yoden指数的临界值和ROC值最高Yoden指数的中位数，将患者分为irMSIs高组、irMSIs中组和irMSIs低组，比较三组患者之间的预后差别。