[发明专利]基于微生物丰度的MIBC分型及预后预测模型构建方法

权利要求书

1.肌层浸润性膀胱癌分型方法，所述方法非用于疾病的诊断和治疗目的，其特征在于，依据肌层浸润性膀胱癌患者的组织微生物丰度谱特征对肌层浸润性膀胱癌进行分子分型，将肌层浸润性膀胱癌分为微生物Ⅰ型、微生物Ⅱ型、微生物Ⅲ型和微生物Ⅳ型四种分子亚型；所述方法包括如下步骤：

1）获取肌层浸润性膀胱癌患者基因表达谱数据和临床信息数据，剔除T1期样本和同一患者重复测序样本，获得实际分析样本；

2）获取已知微生物的基因组，并根据质量分数进行过滤；

3）将实际分析样本的测序读数比对到人类参考基因组，将未与人类参考基因组对齐的测序读数拆分为序列片段，映射到步骤2）所得的微生物基因组；

4）对步骤3）所得微生物基因组数据进行标准化处理，降低测序深度和批次效应影响，挑选出实际分析样本的微生物丰度谱数据；

5）计算步骤4）所得微生物丰度谱中的微生物在实际分析样本中的丰度值的绝对中位差，并根据绝对中位差选取不同比例的微生物构成行为样本，列为实际分析样本的微生物丰度谱子集；

6）将所述微生物丰度谱子集聚类到微生物分型，将肌层浸润性膀胱癌分为微生物Ⅰ型、微生物Ⅱ型、微生物Ⅲ型和微生物Ⅳ型四种分子亚型。

2.根据权利要求1所述的分型方法，其特征在于，步骤1），所述临床信息包括年龄、疾病分期、疾病特异性生存期和总生存期。

3.根据权利要求1所述的分型方法，其特征在于，步骤2），过滤掉质量分数小于或等于0.8的细菌和古细菌。

4.根据权利要求1所述的分型方法，其特征在于，步骤4），降低测序深度影响的标准化处理方法包括：

过滤掉缺失临床信息的样本；

过滤掉低丰度微生物数据，进行M-值的加权截尾均值标准化；

对每个样本微生物数据进行log-cpm转换，消除数据的异方差性。

5.根据权利要求1或4所述的分型方法，其特征在于，步骤4），降低批次效应影响的标准化处理方法包括：将样本类型作为生物变量，将测序中心、测序平台、实验方法、样品来源机构、福尔马林固定和石蜡包埋状态作为校正变量；保留生物变量的效应，去除校正变量的效应；所述样本类型包括原发肿瘤样本、转移肿瘤样本、正常组织样本、血液来源正常样本和新发肿瘤样本。

6.根据权利要求1所述的分型方法，其特征在于，步骤5），根据绝对中位差的值，选取前5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、55%、60%、65%、70%、75%、80%、85%、90%、95%、100%的微生物构成20个行为样本。

7.基于权利要求1-6任一项所述分型方法的肌层浸润性膀胱癌预后预测模型的构建方法，所述方法非用于疾病的诊断和治疗目的，其特征在于，步骤包括：

1）筛选在各肌层浸润性膀胱癌分型之间的丰度分布存在差异的微生物；

2）以步骤1）筛选出的差异微生物和肌层浸润性膀胱癌患者的临床信息为自变量，肌层浸润性膀胱癌患者的生存时间和生存状态为因变量，构建lasso模型，筛选出lasso系数非零的差异微生物；

3）将步骤2）筛选出的差异微生物作为自变量，肌层浸润性膀胱癌患者的生存时间和生存状态为因变量，构建多因素回归模型，筛选出符合Cox回归模型的比例风险假定的差异微生物；

4）提取步骤3）筛选出的差异微生物的回归系数，计算每个样本的差异微生物风险值；

5）以所述差异微生物风险值和临床信息为变量，构建预后预测模型。

8.根据权利要求7所述的方法，其特征在于，步骤3）筛选出的差异微生物的名称及在美国国家生物技术信息中心的对应分类号如下表所示：

。