[发明专利]基于基因表达量预测肝细胞癌治疗反应性模型的构建方法

说明书

本发明公开基于基因表达量预测肝细胞癌治疗反应性模型的构建方法，包括以下步骤：根据公开数据库中若干名肝细胞癌患者肿瘤组织样本中基因芯片检测的相应基因的表达量；构建肝细胞癌TACE治疗反应性的预测模型；将肝细胞癌患者的肿瘤组织样本随机分为训练集和验证集，在训练集中，根据患者对TACE治疗的反应性分为反应及不反应两组，利用差异表达基因的方法找出与响应相关的基因，再通过多轮支持向量机建模确定最终纳入模型的基因及其相应权重系数；将得到的模型在外部验证集中对患者的总体生存时间差异进行统计学分析和比较，并评估预测模型的性能。本发明有选择性地通过基因的表达量对样本进行区分，能更为准确地预测患者对TACE治疗的反应。

技术领域

本发明涉及医疗技术领域，具体涉及基于基因表达量预测肝细胞癌治疗反应性模型的构建方法。

背景技术

经动脉化疗栓塞术（Transarterial Chemoembolization, TACE）是目前被公认的肝癌非手术治疗的最常用方法，广泛应用于中国肝癌分期中Ⅱb-Ⅲa期的病人。其通过将导管选择性置入到肿瘤的供血靶动脉后，向其中注入化疗药物及栓塞剂或载药微球达到化疗性栓塞的作用。由于中期肝癌的异质性以及TACE术的广泛的超范围应用，病人对TACE的反应及其有效率差异较大。因此筛选出对TACE术反应较好的病人接受适当的治疗便显得尤其重要。

现行的多个预测TACE术后效果的打分系统主要依赖于临床常规测量的指标进行评估，正是由于现有的对TACE反应性的预测更多依赖于临床上易获取的指标，虽然更简单易行，但预测的准确度大打折扣，简单方便的同时也损害了信度和效度。此外，现行指标大多是肝癌特异性，而非TACE特异性。

为此，我们提出基因表达量预测肝细胞癌治疗反应性模型的构建方法用于解决上述存在的问题。

发明内容

本发明提供一种基于基因表达量预测肝细胞癌治疗反应性模型的构建方法用于解决上述背景技术中存在的至少一个问题。

基于基因表达量预测肝细胞癌治疗反应性模型的构建方法，包括以下步骤：

步骤一：获取GSE104580数据库中经动脉化疗栓塞术（TACE）术前穿刺活检得到的肝细胞癌患者的肿瘤组织样本，对样本行基因芯片测序检测的转录组的表达水平量；

步骤二：将肝细胞癌患者的肿瘤组织样本随机分为训练集和验证集，在训练集中，根据患者对TACE治疗的反应性分为反应组与不反应组，通过差异表达基因方法鉴定出与反应性相关的基因，再通过LASSO（Least Absolμte Shrinkage and Selection Operator）-logistic回归、随机森林、xgboost-随机森林、多层感知网络、支持向量机5种建模方式进行模型构建，确定通过ROC曲线比较各个模型并最终确定以10个基因表达为基础的支持向量机模型及其相应权重系数；

步骤三：以风险评分的中位数为阈值将患者分为TACE反应型组或TACE不反应型组，对两组患者的TACE疗效差异进行统计学分析和比较，并评估和确定肝细胞癌TACE治疗反应性的最佳预测模型。

作为优选方案，相关的所述10个基因分别为AQP1、FABP4、HERC6、 LOX、PEG10、S100A8、 SPARCL1、 TIAM1、 TSPAN8以及 TYRO3。

作为优选方案，在步骤三中，所述风险评分的计算公式为X＝A1*B1+A2*B2+…+A10*B10，其中B1、B2、…、B10分别为纳入模型的10个基因的表达水平，A1、A2、…、A10分别为LASSO回归计算得到的10个基因的权重系数。

作为优选方案，所述的基于基因表达量预测肝细胞癌治疗反应性模型的构建方法还包括步骤四：在外部验证集中检验上述肝细胞癌TACE治疗反应性的预测模型的预测能力。

作为优选方案，在步骤四中，用相同的计算公式计算验证集中每个样本的风险评分。