[发明专利]一种基于铜死亡相关基因的胰腺癌预后预测模型构建方法

权利要求书

1.一种基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，包括如下步骤：

步骤1，收集胰腺癌样本的临床随访数据和基因表达数据形成数据集，将没有生存状态、生存时间和临床随访信息的样本从数据集里剔除；

步骤2，获取铜死亡相关基因；

步骤3，根据LASSO-Cox回归分析的方法，从铜死亡相关基因中筛选出显著影响胰腺癌预后的三个基因，三个显著基因为PRKDC、C6orf136、TSC22D2，均为参与铜死亡过程的关键基因；

步骤4，根据ICGC数据库上此三个显著差异基因的表达量和胰腺癌预后信息，构建得一个由三个基因组成的预测预后模型；

步骤5，基于所述预测预后模型，对扩大样本数的胰腺癌的病例数据进行预后预测分析，用于预测胰腺癌患者1年、2年、3年后的预后生存概率。

2.根据权利要求1所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

步骤2中的获取铜死亡相关基因的步骤为：从文献中获得与35个铜死亡相关的基因，然后剔除没有匹配上数据集的基因，剩余的基因即为用于分析筛选的铜死亡相关基因。

3.根据权利要求1所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

将所述铜死亡相关基因的表达量转换为log2(TPM+1)格式。

4.根据权利要求3所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

步骤3中，筛选对训练集患者的整体存活率有独立预测预后价值的单基因为显著基因。

5.根据权利要求1所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

所述LASSO-Cox回归分析的方法为LASSO回归分析和单因素Cox回归分析、多因素Cox回归分析的合称；

通过单因素Cox回归分析初步筛选，所述单因素Cox回归分析法筛选铜死亡相关基因中与生存预后显著相关的基因；

所述LASSO回归分析法进一步缩减可靠的与预后显著相关的铜死亡相关基因。

6.根据权利要求1所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

步骤4中，构建所述预测预后模型采用多因素Cox回归分析，并评估所述的预测预后模型与其他临床特征的相关性，所述多因素Cox回归分析是同时检测多个基因是否与生存预后显著相关。

7.根据权利要求6所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

所述其他临床特征为肿瘤分级、T分期、N期、性别、年龄和AJCC分期。

8.根据权利要求6所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

基于独立预后因素创建列线图，所述预测预后模型和其他临床特征均为列线图中的变量，对列线图评分系统中的每个变量给予一个分数，并将所有分数相加计算总分，用于预测胰腺癌患者1年、2年、3年后的预后生存概率；

绘制了一条校准曲线，以评估列线图预测的胰腺癌1年、2年和3年预后生存率和临床观察的一致性。

9.根据权利要求6所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

通过所述多因素Cox回归分析，得到各基因的系数，根据各基因的表达量建立风险评分公式，

风险评分=0.035×e^(0.292×PRKDC-0.347×C6orf136+0.613×TSC22D2)

所述风险评分公式即为预测预后模型，以风险评分的中位数为临界值，其中：大于等于临界值的为高风险组，小于临界值的为低风险组。

10.根据权利要求6所述的基于铜死亡相关基因的胰腺癌预后预测模型构建方法，其特征在于，

分类变量采用Fisher精确检验或卡方检验进行分析；

连续变量的分析采用Wilcoxon秩和检验或Kruskal-WallisH检验；

采用斯皮尔曼的相关分析方法检验了两个连续变量之间的相关性；

所有的统计分析均采用R软件进行。